Determinanten van de BAR op kantoren

Determinanten van de BAR op kantoren

Ir. Marleen H. Verhaegh Amsterdam/ Utrecht, maart 2005

Amsterdam School of Real Estate

Master of Science in Real Estate - Investments

BEGELEIDERS ASRE De heer drs. R.M. Weisz RA MRICS

PHILIPS PENSIONS COMPETENCE CENTER De heer ir. S. Gorter

2 DETERMINANTEN VAN DE BAR OP KANTOREN

ESSENTIE

In onderliggend onderzoek is een analyse gedaan naar de BAR op kantoren en haar onderliggende determinanten. Het onderzoek is uitgevoerd op basis van data van de ROZ/IPD-vastgoedindex. Toegevoegde waarde van het onderzoek is dat er sprake is van

een zeer grote marktdekking betreffende deze data. Bij de dataselectie moest rekening gehouden worden met de beschikbare data vanuit de ROZ/IPD. Derhalve is het mogelijk dat niet alle van invloed zijnde determinanten voor de BAR in de analyse zijn meegenomen. Uit een univariate regressie-analyse is gebleken dat vijf determinanten 90% van de verklaringskracht bepaalden. Deze vijf determinanten zijn dan ook als uitgangspunt worden genomen voor meervoudige regressie-analyses, te weten huurpotentie, hoogte

van de markthuur, resterende looptijd van de huurcontracten, exploitatiekosten en leeftijd. Daar de variabele leeftijd geen financiële variabele betreft, is deze variabele pas in tweede instantie in de analyse meegenomen. Hierbij is bekeken wat het effect is van ‘leeftijd’ ten opzichte van de originele analyse. Daar voor de variabele resterende looptijd huurcontracten enkel nog maar data beschikbaar is voor de jaren 2002 en 2003, zijn deze jaren als uitgangspunt genomen voor het onderzoek. Er zijn in het onderzoek verschillende meervoudige regressie-analyses uitgevoerd. In eerste instantie op basis van geheel Nederland, vervolgens voor vier regio’s, te weten Amsterdam, Rotterdam, Utrecht en Den Haag. Uit de resultaten van de analyses kon worden geconcludeerd dat in alle analyses alle determinanten, behalve de exploitatiekosten, een omgekeerd evenredige relatie blijken te hebben met de BAR. Gezien de praktijk is dit een logische uitkomst. De verkregen modellen hebben een relatief goede verklaringskracht wanneer deze vergeleken worden met andere onderzoeken. Op basis van de data voor geheel Nederland is daarnaast nog een vergelijking uitgevoerd tussen de werkelijke BAR en de geschatte BAR middels het model. Hieruit bleek dat deze vrijwel overeenkomstig waren, wat inhoudt dat de verkregen modellen voor geheel Nederland relatief betrouwbaar zijn.


Voor de diverse regio’s werden verschillende modellen c.q. volgorden van verklarende factoren verkregen. Het model voor de regio Utrecht blijkt voor beide jaren de grootste verklaringskracht

te hebben, wat tevens een gevolg kan zijn van een groter aantal

datapunten. Voor de regio Rotterdam blijkt de rangorde van variabelen in de modelopbouw voor de jaren afzonderlijk en gecombineerd constant. Voor de regio

Utrecht is deze tevens redelijk constant. In de regio‘s Amsterdam en (over het algemeen) Den haag blijkt de huurpotentie de meest dominante factor voor de BAR, in de regio Rotterdam

de

hoogte

van

de

markthuur

en

in

de

regio

Utrecht

blijken

de

exploitatiekosten de meeste invloed te hebben. De toevoeging van de factor leeftijd leidde in de analyse maar tot een beperkte verbetering van de verklaringskracht van de modellen. Uit de regioanalyse is te concluderen dat bij de waardering van de kantoorpanden

(bepaling van de BAR) in verschillende regio’s in verschillende mate rekening gehouden wordt met de onderliggende determinanten. Hiervoor zijn de volgende mogelijke redenen aangedragen: -

De Nederlandse kantorenbeleggingsmarkt bestaat uit meerdere deelmarkten. Het waarderen van kantoorpanden gebeurt nog niet op een consistente wijze, waarbij variabelen op een verschillende manier worden meegenomen in de waardebepaling.

-

Door taxateurs worden verschillende risicopremies voor kantoren aanhouden waardoor er verschillende relaties worden verkregen tussen de BAR en haar onderliggende determinanten.

Daar het onderzoek enkel is uitgevoerd voor de jaren 2002 en 2003, hebben de analyses niet geleid tot ‘harde marktbewijzen’. Wel is ‘bewezen’ welke variabelen op welke wijze invloed hebben op de waarde van kantoorpanden binnen diverse regio’s voor deze jaren, waardoor een vermogensbeheerder enigszins inzicht heeft in sturingsvariabelen voor optimale waardevermeerdering van kantoorpanden. Om echter te bewijzen dat deze resultaten voor langere tijd gelden, is verder onderzoek benodigd met data over meerdere jaren.


VOORWOORD

De roos heeft enkel maar vier doornen om zich te verdedigen tegen invloeden van buitenaf om zodoende te kunnen blijven bestaan. Van de beleggingscategorie vastgoed

wordt ook veelal beweerd dat zij vier beleggingskarakteristieken heeft, waaraan zij haar toegevoegde waarde binnen de beleggingsportefeuille van institutionele beleggers ontleent; een gunstig risico-/rendementsprofiel, een stabiel en relatief hoog direct rendement, een relatief hoge correlatie met inflatie en een relatief lage correlatie met andere beleggingscategorieën. Om een aantrekkelijke beleggingscategorie ten opzichte van andere categorieën te blijven, moeten deze ‘doornen’ overeind blijven en is er derhalve continue onderzoek nodig naar mogelijkheden om vastgoedbeleggingen optimaal te kunnen managen. Voor een vermogensbeheerder op het gebied van vastgoedbeleggingen is de kern van de taak het behalen van een zo hoog mogelijk rendement tegen een acceptabel risico. Voor deze vermogensbeheerder is het dan ook belangrijk om te weten welke risico’s op welke wijze gemanaged kunnen worden. Dit vraagstuk, het maximaliseren van het rendement (ofwel huuropbrengst en uiteindelijke verkoopwaarde) en het minimaliseren van de risico’s (ofwel risico opslag), komt uiteindelijk samen in het bruto aanvangsrendement van een object. De centrale vraag in dit onderzoek is dan ook wat de belangrijkste determinanten van de BAR zijn, zodat een vermogensbeheerder weet op welke aspecten gestuurd moet worden.

Deze master thesis is geschreven ter afsluiting van de opleiding Master of Science of Real Estate aan de Amsterdam School of Real Estate te Amsterdam. Het tot stand komen hiervan was niet mogelijk geweest zonder de personen die op diverse facetten hun bijdrage hebben geleverd. Op de eerste plaats wil ik Bert Teuben en Paul Nelisse van de Stichting ROZ-vastgoedindex bedanken die een uiterst belangrijke bijdrage hebben geleverd aan dit onderzoek en open stonden voor een interessante en vooruitstrevende samenwerking. Dankzij hen heb ik dit onderzoek in deze hoedanigheid kunnen

neerzetten. Vervolgens wil ik Sipke Gorter van Philips Pensions Competence Center bedanken voor de begeleiding en de vele motiverende suggesties, ook na mijn dienstverband bij Philips. De heer Weisz wil ik bedanken voor de begeleiding vanuit de Amsterdam School of Real Estate. En

tenslotte Achmea Vastgoed, die mij de

mogelijkheid heeft geboden om mijn studie af te ronden. Marleen Verhaegh, Amsterdam/ Utrecht, maart 2005.


INHOUDSOPGAVE

Essentie...................................................................................................................3 Voorwoord.............................................................................................................. 5 Inhoudsopgave........................................................................................................ 6 Hoofdstuk 1 Inleiding en onderzoeksopzet............................................................... 8 1.1. Achtergrond en aanleiding onderzoek

8

1.2. Onderzoekskader: probleem- en doelstelling 1.3. Methodische verantwoording

8

9

Hoofdstuk 2 Het begrippenkader............................................................................. 12 2.1. Inleiding

12

2.2. Het bruto aanvangsrendement: het begrip

12

2.3. Nadere beschouwing bruto aanvangsrendement

12

2.4. De BAR als basis voor waarderen

14

2.5. Marktgegevens bruto aanvangsrendementen

15

Hoofdstuk 3 Literatuurstudie................................................................................... 17 3.1. Inleiding

17

3.2. Algemeen

17

3.3. Risicopremie op vastgoedbeleggingen

18

3.4. Invloedsfactoren op de waarde en het rendement op vastgoedbeleggingen

18

3.5. Determinanten van de waarde van vastgoed

19

3.6. Bevindingen literatuurstudie ten behoeve van onderzoek

19

Hoofdstuk 4 Achtergrond analyse model.................................................................. 20 4.1. Inleiding

20

4.2. Achtergrond regressie-analyse

20

4.3. Typen regressie-analyse

20

4.4. Randvoorwaarden voor de regressie-analyse

20

4.5. Aspecten van regressie-analyse

21

4.6. Bevindingen ten behoeve van onderzoek

22


Hoofdstuk 5 Begripsbepaling analysedata................................................................. 23 5.1. Inleiding

23

5.2. Data-verzameling

24

5.3. Selectie determinanten

25

5.4. Bruto aanvangsrendement

25

5.5. Toelichting determinanten

25

5.6. Bevindingen ten behoeve van onderzoek

28

Hoofdstuk 6 Analyse geheel Nederland.................................................................... 29 6.1. Inleiding

29

6.2. Dataverantwoording

30

6.3. Analyse geheel Nederland, 2002

30

6.4. Analyse geheel Nederland, 2003

32

6.5. Analyse geheel Nederland, 2002 en 2003

32

6.6. Schatting BARren geheel Nederland, 2002 en 2003

33

6.7. Analyse geheel Nederland met aanpassing resterende looptijd huurcontract 33 6.8. Conclusie analyse geheel Nederland

35

Hoofdstuk 7 Analyse per regio................................................................................. 36 7.1. Inleiding

36


36

7.3. Analyse regio Amsterdam

37

7.4. Analyse regio Rotterdam

37

7.5. Analyse regio Den Haag

38

7.6. Analyse regio Utrecht

39

7.7. Conclusie regioanalyse

40

Hoofdstuk 8 Analyse per regio en ouderdom............................................................ 41 8.1. Inleiding

41


41

8.3. Analyse geheel Nederland

42

8.4. Analyse regio Amsterdam

43

8.5. Analyse regio Rotterdam

44

8.6. Analyse regio Den Haag

45

8.7. Analyse regio Utrecht

46

8.8. Conclusie regioanalyse, rekening houdend met leeftijd

47

Hoofdstuk 9 Conclusies........................................................................................... 49 9.1. Inleiding

49

9.3. Kritische noten en aanbevelingen

50

9.2. Conclusies

49

Literatuuroverzicht.................................................................................................. 52 Bijlage data Gebruikte determinanten in modelselectie


INLEIDING

1

1.1. ACHTERGROND EN AANLEIDING ONDERZOEK

In de literatuur komt men vele malen tot de conclusie dat het achterhalen van de werkelijke

en

belangrijkste

invloedsfactoren

op

de

waarde

en

het

bruto

aanvangsrendement van vastgoed (en kantoren specifiek) maar moeilijk blijkt. Derhalve wordt er door een aantal vastgoeddeskundigen redelijk argwanend gekeken naar het fenomeen ‘BAR’ en zeker als grondslag voor waardering. Baum en Crosby [RICS, 1998] geven bijvoorbeeld aan dat ‘The initial yield is…a highly complex measure of the quality of an investment’. Zij zijn tevens van mening dat ‘the process of initial yield construction is dangerous and impossible to practice’. Als de wetenschap het zo moeilijk vindt om de BAR te interpreteren, is het juist interessant om hier verder onderzoek naar te verrichten.

In dit onderzoek staat de relatie van de BAR op kantoren met haar onderliggende determinanten dan ook centraal. De vraag die wordt gesteld is in welke mate intrinsieke factoren,

waarin

uiteindelijk

de

markt-

en

objectkenmerkingen

zijn

vertaald,

meegenomen worden in de waardering van kantoorpanden en hoe deze tot uiting komen in de BAR. Het onderzoek is specifiek toegespitst op kantoorbeleggingen en er is gebruik gemaakt van ROZ/IPD data, waarmee een zeer groot deel van de Nederlandse kantoorpanden (in portefeuille bij institutionele beleggers) is beschouwd. 1.2. ONDERZOEKSKADER: PROBLEEM- EN DOELSTELLING De probleem- en doelstelling voor het onderzoek kunnen als volgt worden beschreven: 1.2.1. PROBLEEMSTELLING Hoe en in welke mate kunnen financiële risico’s in de markt en in de tijd bezien ontleed worden in de rendementseisen die ten grondslag liggen aan de waardering van kantoren? 1.2.2. DOELSTELLING Het onderzoeken van het verbanden tussen het bruto aanvangsrendement op kantoren en haar onderliggende financiële determinanten.


1.3. METHODISCHE VERANTWOORDING Het onderzoek is uitgevoerd op basis van data afkomstig van de (participanten van de) ROZ/IPD-Vastgoedindex. Zodoende kunnen er naar aanleiding van het onderzoek uitspraken gedaan worden voor de gehele Nederlandse (institutionele) vastgoedmarkt. In hoofdstuk 5 is een verdere toelichting betreffende de gebruikte data en de ROZ/IPD opgenomen.

Om de relatie tussen het bruto aanvangsrendement op kantoren en haar onderliggende determinanten te onderzoeken zijn regressie analyses uitgevoerd. Hierbij is uitgegaan van een meervoudige regressie-analyse, daar er sprake is van één endogene (te verklaren) variabele en meerdere exogene (verklarende) variabelen. In hoofdstuk 4 wordt ingegaan op de theoretische achtergrond van regressie-analyses. Voor de uitvoering is het SPSS pakket (Statistical Package for Social Sciences) gebruikt. Binnen dit programma is een stapsgewijze regressie uitgevoerd. 1.3.1. O NDERZOEKSVRAGEN De volgende onderzoeks(deel)vragen komen in het onderzoek aan de orde: 1. Door welke determinanten zou het bruto aanvangsrendement van kantoren kunnen worden beïnvloed? 2. Wat zijn belangrijke en dominante determinanten die ten grondslag liggen aan het bruto aanvangsrendement van kantoren?

3. Welk theoretisch model kan worden aangehouden om middels data-analyse deze verbanden in kaart te brengen? 4. (Hoe) kunnen onderliggende determinanten van het bruto aanvangsrendement van kantoren worden gekwantificeerd? 5. Zijn deze relaties tussen de BAR en haar determinanten tijd- en/of marktgebonden? 6. (Hoe) kunnen de resultaten die zijn verkregen in de praktijk worden gebruikt? 7. Welke conclusies kunnen aan het onderzoek verbonden worden?

8. Welke suggesties voor verder onderzoek kunnen worden gedaan? Deze onderzoeksvragen kunnen schematisch worden weergegeven in onderstaand onderzoeksmodel.


1.3.2. C ONCEPTUEEL MODEL

Probleemstelling

Potentiële determinanten (markt/object) waarde

Theorie

Literatuur

Theoretisch analysekader

Kwantificering determinanten

ROZ/IPD index Data

Praktijktoets

Analyse

Relatie rendementseis en determinanten

Markt- en/of tijdgebondenheid

Conclusies theoretisch onderzoek

Relatie met praktijk

Conclusies toetsing praktijk

Suggesties voor verder onderzoek

Figuur1.1.: Conceptueel model van het onderzoek.

1.3.3. I NDELING RAPPORT Het onderzoeksrapport kent de volgende indeling. In hoofdstuk 2 wordt ingegaan op de gehanteerde begrippen in het onderzoek. Er wordt toegelicht wat er onder een bruto aanvangsrendement (BAR) wordt verstaan en hoe deze als basis voor vastgoedwaardering wordt gebruikt. In hoofdstuk 3 is een samenvatting opgenomen van de bestaande literatuur aangaande de BAR. Hierin is een uitsplitsing gemaakt naar literatuur welke de relatie van de BAR met de risicopremie op vastgoed bestudeert, literatuur waarin de invloedsfactoren op de

waarde en het rendement op vastgoedbeleggingen aan bod komen en tenslotte literatuur over de relatie van de BAR en haar onderliggende determinanten.


Hoofdstuk 4 beschrijft de achtergrond van de gehanteerde analysetechniek, regressieanalyse. Tevens komen er in dit hoofdstuk verschillende aspecten en randvoorwaarden van regressie-analyse aan bod. In

hoofdstuk

5

wordt

de

gebruikte

data

voor

de

analyse

verder

toegelicht.

Achtereenvolgens zijn de gehanteerde definities voor de BAR en haar belangrijkste determinanten

voortkomend

exploitatiekosten,

markthuur,

uit

het

onderzoek,

huurpotentie

en

de

leeftijd,

financiële

resterende

leegstand,

looptijd

van

het

huurcontract, beschreven. Hoofdstuk 6 is het eerste hoofdstuk waarin de daadwerkelijk uitgevoerde analyse en de verkregen resultaten worden beschreven. Hierbij is een eerste regressie-analyse uitgevoerd op basis van data voor geheel Nederland (totale databestand). Er is uitgegaan van de jaren 2002 en 2003. Tevens is er een aanpassing van de resterende looptijd van de huurcontracten opgenomen en wordt bekeken wat het effect hiervan is op de resultaten.

In hoofdstuk 7 komt vervolgens de regressie-analyse per regio aan bod. Er wordt uitgegaan van de vier grote steden in Nederland. In hoofdstuk 8 zijn de resultaten van de regressie-analyse beschreven waarin tevens rekening gehouden wordt met de leeftijd van de kantoorpanden. Bekeken wordt wat de afwijkingen in de resultaten zijn ten opzichte van de resultaten in hoofdstuk 7. In hoofdstuk 9 zijn de conclusies naar aanleiding van de analyses opgenomen en zijn enkele kritische noten opgenomen aangaande de uitgevoerde analyses. Tevens zijn er in dit hoofdstuk aanbevelingen gedaan voor verder onderzoek.


BEGRIPPENKADER

2

2.1. INLEIDING In

onderliggend

onderzoek

staat

het

bruto

aanvangsrendement

(BAR)

op

kantoorbeleggingen centraal. In de analyse worden diverse invloedsvariabelen in relatie tot het bruto aanvangsrendement (BAR) beschouwd. Om meer inzicht te krijgen in het begrip bruto aanvangsrendement wordt in dit hoofdstuk ingegaan op de achtergronden en definities welke in de literatuur beschreven zijn. 2.2. HET BRUTO AANVANGSRENDEMENT: HET BEGRIP In diverse literatuur is de BAR nader belicht. Hierin wordt gekomen tot verschillende begripsdefinities. Hoewel er volgens Keeris meerdere uitleg voor het begrip mogelijk is en in praktijk wordt gebruikt, stelt hij dat de BAR te omschrijven is als het gedurende

het eerste volledige jaar van exploitatie behaalde, dan wel –afhankelijk van de contextgeprognosticeerd te behalen beleggingsresultaat op een vastgoedinvestering, uitgedrukt als percentage van de gerealiseerde, respectievelijk geraamde, bruto huuropbrengst uit exploitatie, op basis van de feitelijke verhuursituatie, ten opzichte van de (aangenomen) verwervingskosten [Keeris, september 1997]. De definitie van Ten Have is overeenkomstig met die van Keeris. Hij definieert de BAR als het op het moment van verwerving geraamde bruto beleggingsresultaat, uitgedrukt in een percentage dat gedurende het eerste jaar van exploitatie op een investering in een vastgoedobject is te behalen [Ten Have, 2002]. Een bruto aanvangsrendement (BAR) wordt ontleend aan rendementen die in de markt zijn gerealiseerd bij recente transacties van vergelijkbare panden. De hoogte van de BAR wordt beïnvloed door diverse omgevingsfactoren, zowel economische als planologische factoren, alsmede de mate waarin andere beleggingsassets (on)aantrekkelijker zijn. 2.3. NADERE BESCHOUWING BRUTO AANVANGSRENDEMENT

De BAR is opgebouwd uit verschillende componenten. Ten eerste kan de algemeen geldende inflatie als basis worden genomen. Beleggers zullen immers minimaal een inflatiecorrectie willen op hun geïnvesteerde bedrag. De tweede component is de reële rente. Het totaal hiervan kan immers beschouwd worden als het risicovrije rendement dat

beleggers

(theoretisch)

zouden

behalen

op

een

risicovrije

belegging

(vrij

verhandelbaar, transparant, deelbaar, geen transactiekosten, etc.). In praktijk wordt hiervoor in het algemeen het rendement op staatsleningen genomen.


Er is echter geen eenduidige overeenstemming over welke duur van de staatslening hierbij als uitgangspunt genomen moet worden, maar veelal vormt het rendement op een tienjarige staatslening de basis. Hier bovenop wordt een risicopremie geëist voor het beleggen

in

vastgoed.

Deze

risicopremie

bestaat

uit

een

vastgoedspecifieke

(liquiditeitstekort, risico, managementkosten), een sectorspecifieke (kantoren) en een

objectspecifieke risicocomponent. Er kan sprake zijn van een (door de belegger geaccepteerde) negatieve risicopremie bij een verwachting van huur- en waardegroei. De algemene risico-component is opgebouwd vanuit: - Liquiditeitsvoorkeur; - Tijdsvoorkeur; - Onzekerheidsrisico (daar het de toekomst betreft). Het liquiditeitsaspect heeft betrekking op het feit dat het geïnvesteerde bedrag en een eventuele waardevermeerdering niet op ieder gewenst moment terug te verkrijgen is. De tijdsvoorkeurscomponent is inherent aan het feit dat er nu geïnvesteerd wordt en het onzeker is of dit geïnvesteerde bedrag in de toekomst wordt terugverdiend. De onzekerheidsfactor betreffende de toekomst, kan uitgesplitst worden in: - Huurdersrisico (leegstand, achtergestelde betalingen, contractbreuk); - Sectorrisico (type vastgoed, specifieke locatie); - Structureel

risico

(onbruikbaarheid,

achterstallig onderhoud);

veroudering/

versnelde

afschrijving

of

- Overheidsrisico (gevoeligheid voor eventuele toekomstige wijziging van regelgeving); - Fiscaal risico (gevoeligheid voor fiscale regelgeving); - Planrisico (mogelijke impact van wijziging in bestemmingsplannen e.d.); - Juridisch risico (gevoeligheid voor juridische regelgeving. Bovenstaande risicofactoren kunnen van invloed zijn op macro, meso en micro-niveau. Het

totaal

van

deze

factoren

vormt

het,

door

beleggers,

vereist

netto

aanvangsrendement (NAR). Wanneer hier nog de objectspecifieke kostencomponent aan toegevoegd wordt, wordt het bruto aanvangsrendement verkregen. Een en ander kan als volgt schematisch worden weergegeven: BAR Kostenpremie Risicopremie Reële rente Inflatie

NAR Risicovrij (10 jaarsstaatslening) Inflatie

Figuur 2.1. Opbouw van het bruto aanvangsrendement (BAR).


2.4. D E BAR ALS BASIS VOOR WAARDEREN De vastgoedmarkt kenmerkt zich onder andere door infrequente prijsvorming middels verkooptransacties. Derhalve wordt er ter indicatie voor een periodiek rendement (bijvoorbeeld op kwartaalsbasis) gebruik gemaakt van waardebepaling middels taxaties. Voor de waardebepaling kunnen diverse waarderingsmethoden worden gebruikt. In

praktijk wint de Discounted Cashflow (DCF-)methode steeds meer terrein, zeker wanneer er sprake is van sterk fluctuerende cashflows. Bij deze methode worden toekomstige opbrengsten en uitgaven verdisconteerd naar het heden. Een moeilijk aspect bij deze methode is echter het bepalen van de rendementseis. Derhalve wordt naast deze methode ook wel de BAR-methode gehanteerd (eventueel als toetsing op de DCFmethode). Bij waardebepaling middels de BAR-methode vormt de BAR het uitgangspunt. Omdat er bij deze methode uitgegaan wordt van een verhoudingsgetal (BAR), spreekt men in dit kader ook wel van een ratiomodel. Het bepalen van de hoogte van de BAR is

echter ook veelal onderwerp van discussie, daar het bepalen van de hoogte van de correctieposten op de BAR moeilijk blijkt. De BAR-methode betreft echter wel een relatief eenvoudige methode met een beperkt aantal variabelen. Volgens de methode is de marktwaarde van een object gelijk aan de bruto

markthuur

gedeeld

door

het

bruto

aanvangsrendement

(BAR)

minus

correctieposten, ofwel in formulevorm: Bruto markthuur Waarde v.o.n. =

BAR

-/- (markthuur-contracthuur) –/- achterstallig onderhoud – k.k.

Figuur 2.2. Definitie waarde op basis van de BAR-methode [Ten Have, 2004].

De bruto markthuur betreft het totaal aan inkomende huuropbrengsten, waarbij geen rekening gehouden wordt met uitgaven (bijvoorbeeld exploitatiekosten). De markthuur kan hierbij worden vastgesteld aan de hand van de comparatieve methode. Hierbij vormen markthuren van vergelijkbare panden op vergelijkbare locaties in de betreffende regio het uitgangspunt. De werkelijke huuropbrengst (contracthuur) kan echter boven of onder de markthuur liggen. Er kan immers sprake zijn van een huurcontractafspraak op een ander moment in de cyclus. Er

is

binnen

de

vastgoedmarkt

veel

discussie

over

de

kwaliteit

van

de

waarderingsmethoden. Echter, de BAR-methode blijkt goed toepasbaar te zijn bij (langdurig) verhuurd vastgoed. Voorwaarde hierbij is echter wel dat er sprake is van courant vastgoed, waarvoor marktevidence aanwezig is en relatief stabiele kasstromen. Wanneer de inkomende cashflows een sterk wisselend karakter hebben, is de DCFmethode beter toepasbaar. De belangrijkste voordelen van de BAR-methode zijn dat de actuele waarde eenvoudig

(en dus redelijk snel) te berekenen is en dat de waardebepaling goed communiceerbaar is. Nadelen van de BAR-methode zijn dat het geen inzicht geeft in de toekomstige kasstromen (wat wel het geval is bij de DCF-methode), dat er verborgen aannames mogelijk zijn en dat er geen eenduidigheid is omtrent de te hanteren BAR-definitie.


Aangezien de BAR een veelbepalende factor is binnen deze methode, kan de uiteindelijk bepaalde waarde grote bandbreedten vertonen. De karakteristiek van de vastgoedmarkt speelt hierbij ook een rol. Immers, prijsvorming komt veelal onderhands tot stand, waardoor er dus vaak sprake zal zijn van grotere verschillen in transactieprijzen ten opzichte van bijvoorbeeld de prijzen binnen de aandelenmarkt. Tevens gaat de methode uit van een oneindige cashflow, waarbij niet gewerkt kan worden met een variabele groeivoet voor de cashflow. 2.5. M ARKTGEGEVENS BRUTO AANVANGSRENDEMENTEN Heden ten dage worden in diverse Nederlandse publicaties bruto aanvangsrendementen van

nationaal

en

internationaal

commercieel

vastgoed

gepubliceerd.

Onderlinge

vergelijkbaarheid tussen deze publicaties is nog altijd relatief moeilijk, vanwege de verschillen in gehanteerde begrippen en regio-afbakening. Vakbladen als Vastgoedmarkt

en PropertyNL of publicaties van grote commerciële makelaarskantoren (bijvoorbeeld DTZ of Jones Lang laSalle) geven echter een redelijk beeld van gemiddelde BARren waartegen vastgoedobjecten verhandeld worden. Wel moet er rekening mee worden gehouden dat data veelal uit eigen databanken wordt gebuikt, waarmee er dus geen sprake is van representatieve marktdekking per publicatie. Uit de genoemde publicaties blijkt dat BARren in de tijd variabel zijn en verschillen per regionaal gebied. Ook ten aanzien van diverse type kantoorbeleggingen zijn BARren verschillend, dit vanwege verschillen in objectgebonden of locatiegebonden factoren. Over het algemeen zullen beleggers bijvoorbeeld genoegen nemen met een lage BAR

wanneer het pand gelegen is op een goede locatie, lage exploitatielasten kent en er huurprogressie wordt verwacht voor de toekomst. Ter indicatie zijn in onderstaande tabel gemiddelde BARren volgens DTZ gegeven over diverse jaren. DTZ hanteert hierbij als definitie BARren voor beste locaties en overige locaties en verdeeld naar vier regio’s, waarbij een boven- en ondergrens wordt aangegeven. In onderstaande tabel is het rekenkundige gemiddelde genomen van beste locaties voor de vier regio’s. Gemiddelde BAR

1995

1996

1997

1998

1999

2000

2001

2002

Kantoren

7,8%

7,6%

7,5%

7,0%

7,1%

7,3%

7,4%

7,3%

Winkels

8,0%

7,9%

7,8%

7,0%

6,7%

6,7%

6,6%

6,3%

Bedrijfsgebouwen

9,5%

9,4%

9,4%

8,5%

8,0%

7,9%

8,2%

8,2%

Figuur 2.3. Bruto aanvangsrendementen volgens DTZ Zadelhoff [DTZ, 2003].


Door de ROZ/IPD worden op kwartaal- en jaarbasis tevens –door institutionele beleggers opgegeven- bruto aanvangsrendementen gemeten. De gepubliceerde gegevens zijn opgenomen in onderstaande tabel.

Initial yield

Reversionary yield

1995

1996

1997

1998

1999

2000

2001

2002

2003

9.6

9.0

8.8

8.5

8.1

7.7

7.6

7.7

7.8

1995

1996

1997

1998

1999

2000

2001

2002

2003

9.3

8.9

8.8

8.6

8.3

8.1

8.0

8.0

8.0

Figuur 2.4. Bruto Aanvangsrendementen op basis van contracthuur en markthuur, volgens ROZ/IPD-Vastgoedindex, 2004.


LITERATUURONDERZOEK

3

3.1. INLEIDING Om het onderzoek te kunnen plaatsen binnen het juiste kader, wordt in dit hoofdstuk

een overzicht gegeven van reeds beschikbare literatuur. Hierbij zijn de conclusies uit diverse onderzoeken ten aanzien van wat de belangrijkste en meest dominante (risico)factoren zijn bij de waardebepaling van kantoorbeleggingen, centraal gesteld. 3.2. ALGEMEEN BARren vormen steeds meer het centrale onderwerp van onderzoek en analyse. Een deel van deze onderzoeken richt zich op de relatie met ontwikkelingen op de kapitaalmarkt en monetaire en economische factoren (zoals rente, verwachte inflatie en veranderingen in de fiscale regelgeving). Onderzoek hiernaar is gedaan door onder andere Fisher, Lentz en Stern (1984), Nourse (1987), Froland (1987), Evans (1990), Ambrose en Nourse (1993) en Jud en Winkler (1995). Een ander deel van de bestaande literatuur zijn studies naar cross-sectionele variaties in BARren. In diverse studies is bijvoorbeeld onderzoek gedaan naar verschillen in BARren naar kantoortypes. Onder andere door Ambrose en Nourse (1993) en Dokko, Edelstein, Pomer en Urdang (1991). In een aantal andere studies zijn regionale verschillen in BARren onderzocht, bijvoorbeeld door Sirmans, Sirmans en Beasly (1986), Saderion, Smith en Smith (1994), Grissom, Hartzell en Liu (1987) en Hartzell, Hekman en Miles (1987). Ondanks het brede onderzoekskader binnen de vastgoedmarkt, is er nog weinig onderzoek gedaan naar specifieke lokale aspecten aan BARren (bijvoorbeeld specifieke stad). Enkel het onderzoek van Sivitanidou en Sivitanides (1997 en 1999) laat zien dat de lokale marktomstandigheden een belangrijke rol spelen bij verschillen in BARren. Veel onderzoek is gedaan op basis van data afkomstig uit marktbronnen of specifieke

data van een institutionele belegger. Enkel de onderzoeken van Fisher (2000) en Chandrashekaran en Young (2000) zijn gebaseerd op het grotere databestand van de NCREIF. Data afkomstig van de NCREIF is nooit eerder gebruikt voor onderzoeken naar BARren.


3.3. RISICOPREMIE OP VASTGOEDBELEGGINGEN Naar de hoogte van de juiste risicopremie op vastgoedbeleggingen is relatief nog weinig onderzoek gedaan. Sivitanides en Sivitanidou (1996) zijn in een onderzoek uitgegaan van een nationaal geïntegreerde kapitaalmarkt. Zij veronderstelden dat het risicovrije rendement in meerdere steden gelijk dient te zijn en dat enkel de risicopremie op vastgoedbeleggingen tussen deze steden varieert.

Bert Kruijt [1994] concludeert naar aanleiding van zijn onderzoek naar invloedsfactoren op de BAR op kantoorbeleggingen, dat er consistente over en onderschatting is van toekomstige verwachtingen ten aanzien van huurinkomsten en waardegroei. Daarnaast ziet hij een relatie tussen de ontwikkelingen binnen de vastgoedmarkt en reële rente ontwikkelingen.

De

risicopremie

op

vastgoedbeleggingen

is

zeer

gevoelig

voor

renteontwikkelingen en heeft een grote variatie in de tijd. Hoewel in praktijk over het algemeen een risicopremie van 2 tot 2,5% voor vastgoed wordt aangenomen, blijkt uit

zijn onderzoek dat dit geen realistische aanname hoeft te zijn. De risicopremie heeft hierbij een positieve relatie met de inflatie en een negatieve relatie met de reële rente ontwikkelingen. Brown [1995] concludeert in zijn onderzoek echter dat de stelling van 2% risicopremie voor een goed gediversifieerde vastgoedportefeuille op lange termijn niet kan worden verworpen. Voor individuele objecten en sectoren en over een kortere termijn zal de risicopremie echter van deze 2% afwijken. 3.4. INVLOEDSFACTOREN OP DE WAARDE EN HET RENDEMENT OP VASTGOEDBELEGGINGEN Literatuurstudies, maar ook praktijkcijfers, geven de indruk dat BARren gebaseerd zijn op marktsentiment aangaande de verwachtingen ten aanzien van een belegging. Hoe beter de verwachtingen ten aanzien van het rendement op een belegging, hoe lager de vereiste BAR of hoe hoger de waarde in verhouding tot de huurinkomsten. BARren kunnen onder andere worden gebruikt om vastgoedcycli te bestuderen. Het feit dat BARren in de tijd niet stabiel zijn, geeft informatie over de belangrijkste determinanten van de BAR. Uit data blijkt dat economische factoren, determinanten van de waarde van vastgoedbeleggingen (als huur, leegstand, kapitalisatiegraad) en rendementen op vastgoedbeleggingen (op regionaal en nationaal niveau) alle cyclisch zijn in de tijd. Karlsson [2003] heeft op nationaal niveau voor de Zweedse vastgoedmarkt een onderzoek gedaan naar de relatie tussen economische cycli en de cycli op vastgoedmarkten in algemene zin. Hij toont aan dat deze relatie maar beperkt als basis gebruikt

kan

worden

voor

forecasting

en

het

nemen

van

beslissingen

op

portefeuilleniveau. Pyhrr, Roulac en Born [1999] concluderen in hun onderzoek dat vraag en aanbod binnen de vastgoedmarkt voornamelijk worden beïnvloed door menselijk gedrag (sentiment) en economische

activiteit.

Wat

vervolgens

wederom

het

rendement

beïnvloed

door

veranderingen in huurniveaus, hoogte van exploitatiekosten en kapitalisatiegraden.


Sivitanidou en Sivitianides [1999] zijn in hun analyse naar de invloedsfactoren op rendementen uitgegaan van op transacties gebaseerde data. Zijn toonden aan dat de rendementen voornamelijk werden beïnvloed door lokale invloedsfactoren, zoals locatie, verschil in lokale werkgelegenheidscijfers en huurdersmix en in de tijd variërende factoren als m2-kantooropname, leegstandspercentages, kantoorwerkgelegenheid en historische cijfers met betrekking tot huren. Zij concludeerden tevens dat het rendement een relatie vertoont met de kapitaalmarkt, maar dat de invloed van lokale factoren duidelijk

groter

was.

Deze

conclusie

komt

overeen

met

de

aanname

dat

de

vastgoedmarkt een locale gesegmenteerde markt is en -in bepaalde mate- inefficiënt. Jud and Winkler [1995] concluderen naar aanleiding van hun onderzoek dat BARren een sterke relatie vertonen met de kapitaalmarktrente en er een duidelijke relatie is tussen een exit yield (outgoing BAR) in taxaties en het vereiste rendement op de obligaties en

aandelen. Zij zijn in hun onderzoek uitgegaan van theorieën met betrekking tot de Weighted Average Cost of Capital (WACC) en het Capital Asset Pricing Model (CAPM). Echter, de relaties kenmerken zich door significante vertraging in de tijd en er zijn verschillende

relaties

binnen

diverse

vastgoedmarkten.

Hun

conclusie

is

echter

consistent met het onderzoek van Sivitanidou and Sivitanides in die zin dat ook zij aangeven dat vastgoedmarkten inefficiënt zijn en niet significant geïntegreerd zijn met de (ontwikkelingen op) de kapitaalmarkt. 3.5. D ETERMINANTEN VAN DE WAARDE VAN VASTGOED

Almstrom [2002] stelt in zijn onderzoek echter dat uit huidige BAR berekeningen (opbouw) niet af te leiden is of prijzen rationeel zijn ten opzichte van onderliggende determinanten. Zijn mening is gebaseerd op discussies met betrekking tot ‘smoothing’ en ‘lagging’ binnen de vastgoedmarkt. Hij is tevens van mening dat het aantal data betreffende vereiste BARren afgeleid uit tot stand gekomen transacties niet voldoende is. Er is volgens hem dan ook niet voldoende informatie beschikbaar, wat geen betrouwbaar beeld geeft van de ‘drivers’ van de vastgoedmarkt. Sivitanides, Southard, Torto, Wheaton [2001] tonen aan dat BARren verschillen binnen meerdere markten, wat het gevolg is van verschillende marktkarakteristieken waardoor beleggers andere verwachtingen hebben ten aanzien van risico en huurinkomstengroei. Daarnaast hebben lokale marktcycli een sterke invloed en worden BARren sterk bepaald door historische gegevens omtrent de hoogte van markthuren en de mate van huurgroei. Zij concluderen dan ook dat waarderen op basis van taxaties veelal gebaseerd is op ‘terugkijken’ in plaats van ‘vooruitkijken’. BARren blijken daarnaast gebaseerd te zijn op macro-economische ontwikkelingen, zoals rente en inflatie. 3.6. BEVINDINGEN LITERATUURSTUDIE TEN BEHOEVE VAN ONDERZOEK Hoewel

er

steeds

meer

onderzoek

beschikbaar

is

betreffende

het

bruto

aanvangsrendement en haar externe invloedsfactoren, opbouw en determinanten, zijn de conclusies uit deze onderzoeken nog in grote mate verschillend. Dit is onder andere het gevolg van het feit dat maar in een beperkt aantal onderzoeken sprake is van data met voldoende

marktdekking.

Derhalve

is

het

juist

interessant

om

dit

aspect

als

uitgangspunt te nemen.


ACHTERGROND ANALYSEMODEL

4

4.1. INLEIDING In het hoofdstuk 1 is toegelicht hoe het onderzoek stapsgewijs wordt opgebouwd. Hierin

is genoemd dat er voor de analyse gebruik gemaakt zal worden van een regressieanalyse als onderzoekstechniek. In dit hoofdstuk wordt kort ingegaan op de achtergrond van deze statistische techniek. 4.2. ACHTERGROND REGRESSIE -ANALYSE In dit onderzoek is gekozen om voor de analyse van de relatie tussen de BAR en haar onderliggende determinanten uit te gaan van een regressie-analyse. Een regressieanalyse is een techniek die kan worden gebruikt bij het bestuderen van de samenhang tussen twee of meerdere variabelen Het doel van een regressie-analyse is het

concretiseren van eventuele causale verbanden tussen deze variabelen. Met andere woorden, in hoeverre brengen veranderingen in de ene variabele veranderingen in een andere variabele teweeg. 4.3. TYPEN REGRESSIE -ANALYSE Binnen

regressie-analyse

kunnen

grofweg

de

volgende

categorieën

worden

onderscheiden: - univariate regressie: hierbij is er sprake van één endogene (te verklaren) variabele en één exogene (verklarende) variabele.

- meervoudige regressie: hierbij is er sprake van één endogene (te verklaren) variabelen en meerdere exogene (verklarende) variabelen. - multivariate regressie: waarbij sprake is van meerdere endogene (te verklaren) variabelen en meerder exogene (verklarende) variabelen. 4.4. RANDVOORWAARDEN VOOR DE REGRESSIE ANALYSE Regressie-analyse veronderstelt verschillende randvoorwaarden. Deze kunnen als volgt worden samengevat:

1.Regressie-analyse gaat ervan uit dat er een lineair verband bestaat tussen de exogene en endogene variabelen. 2.Regressie-analyse veronderstelt dat alle verklarende variabelen niet-stochastisch zijn, wat wil zeggen dat er geen sprake is van een statistische spreiding rondom deze variabelen. 3.Regressie-analyse gaat ervan uit dat er geen meetfouten zitten in de variabelen. 4.Regressie-analyse gaat er van uit dat alle relevante variabelen zijn meegenomen en dat er geen variabelen buiten beschouwing zijn gelaten.


5.Bij regressie-analyse wordt ervan uitgegaan dat de storingsterm ε normaal verdeeld is. Indien dit niet het geval zou zijn, is er een variabele die van invloed is niet meegenomen in het model. 6.Regressie-analyse

gaat

ervan

uit

dat

alle

variabelen

die

zijn

meegenomen

onafhankelijk van elkaar zijn.

7.Bij regressie analyse wordt ervan uitgegaan dat in een optimaal model enkel variabelen zijn meegenomen, die significant van nul verschillen. In het onderliggende onderzoek zal, wanneer gebruik wordt gemaakt van regressieanalyse, niet aan alle bovenstaande randvoorwaarden kunnen worden voldaan. Zo zal er in praktijk altijd sprake zijn van meetfouten, daar er nagenoeg altijd uitgegaan wordt van afrondingen in cijfers. Ook zal er sprake zijn van het feit dat niet alle variabelen die zijn meegenomen, volledig onafhankelijk van elkaar zullen zijn. Immers uiteindelijk de markthuur en de huurpotentie waarschijnlijk een relatie met elkaar hebben. Desondanks

wordt

er

voor

de

analyse

uitgegaan

van

regressie-analyse

als

onderzoekstechniek, omdat hierdoor een goede indicatie gegeven kan worden van relaties tussen de BAR en haar belangrijkste determinanten. 4.5. ASPECTEN VAN REGRESSIE -ANALYSE 4.5.1. C OËFFICIËNT OF DETERMINATION (R2) Een ‘coëfficiënt of determination’ ofwel R 2 is een maatstaf die weergeeft hoeveel van de

variatie in de endogene variabele verklaard wordt door de variatie in de exogene variabelen. Er kan sprake zijn dat het toevoegen van een exogene variabele, die niet leidt

tot een verhoging van de verklaringskracht, toch leidt tot een verhoging in de R 2. Derhalve is er in de analyse uitgegaan van een aangepaste R 2 die dit aspect ondervangt. 4.5.2. MODELSELECTIE Om het optimale model (combinatie van verklarende factoren) te schatten, wordt ten eerste uitgegaan van een ‘forward stepwise-regression’. Hierbij vormt een leeg model de basis, waaraan telkens de meest verklarende volgende variabele wordt toegevoegd. Zo

wordt uiteindelijk gekomen tot het model met de meeste verklaringskracht. Uitgaande van een model waarin alle variabelen zijn meegenomen, wordt vervolgens een ‘backward stepwise-regression’ uitgevoerd. Hierbij wordt telkens de minst verklarende variabele geëlimineerd. De meeste betrouwbaarheid wordt behaald indien beide procedures leiden tot hetzelfde optimale model.


4.5.3. C OËFFICIËNTEN IN HET MODEL Wanneer het optimale model (combinatie van verklarende factoren) is geselecteerd, kunnen de coëfficiënten van de variabelen en de storingsterm (ε) worden bepaald. De storingsterm is het deel dat niet verklaard kan worden door de factoren. De algemene vorm van het model is als volgt: BAR = α + β1*factor1 + β2*factor2 + β3*factor3 + ...... + βn *factorn + ε Waarbij: α = constante β = coëfficiënt ε = storingsterm 4.5.4. SIGNIFICANTIE Met de significantie wordt bepaald of een coëfficiënt een causaal (oorzaak/gevolg) verband heeft met de te verklaren variabele. Om significantie te bepalen wordt een t-test uitgevoerd. Hierbij wordt de t-statistic berekend, waarvan bekend is welke verdeling deze heeft en waarover uitspraken gedaan kunnen worden. De t-statistic wordt gedefinieerd als: t = β ^ – β* σβ^

Waarbij: t= t-statistic β^ = geschatte coëfficiënt β* = testwaarde σβ^ = standaardfout van de schatter Indien er getest wordt of β^ significant afwijkt van nul (testwaarde), dan geldt: t = β^ σβ^ De t-statistic heeft een bepaalde waarde en is Student-t verdeeld. Vuistregel hierbij is dat indien geldt dat ∣t∣ > 2,0 de coëfficiënt significant is. 4.6. BEVINDINGEN TEN BEHOEVE VAN ONDERZOEK In het onderzoek wordt een meervoudige regressie uitgevoerd. Er is immers sprake van één endogene (te verklaren) variabelen, de BAR, en meerdere exogene (verklarende) variabelen, de determinanten. In eerste instantie zal bekeken worden welke variabelen invloed zouden kunnen hebben op de BAR. Om te bepalen welke variabelen significante invloed hebben, worden voor elke variabelen univariate regressie-analyses uitgevoerd. Vervolgens worden meervoudige regressie-analyses uitgevoerd met de variabelen die significant blijken te zijn. De analyse wordt uitgevoerd in SPSS, waarbij uitgegaan wordt van de modelselectie, beschreven onder 4.5.2.


BEGRIPSBEPALING ANALYSEDATA

5

5.1. INLEIDING In dit hoofdstuk wordt ingegaan op de gehanteerde data voor de onderzoeksanalyse. De centrale vraag in de analyse is door welke onderliggende determinanten de hoogte van de BAR van kantoorpanden verklaard kan worden. 5.2. D ATA-VERZAMELING Er zijn diverse onderzoeken gedaan naar de belangrijkste determinanten van de BAR, zo blijkt uit hoofdstuk 2. Echter, veelal wordt in deze onderzoeken uitgegaan van intern beschikbare

data

of

verzamelde

data

vanuit

diverse

marktrapporten

om

enige

marktdekking te bewerkstelligen. In dit onderzoek is uitgegaan van het databestand van de ROZ/IPD-Vastgoedindex. Hierdoor kan analyse worden gedaan op basis van data met een brede marktdekking voor de Nederlandse vastgoedmarkt.

De ROZ/IPD-Vastgoedindex is de belangrijkste benchmarkindex voor Nederlandse vastgoedbeleggingen voor institutionele beleggers in direct vastgoed. De index wordt op kwartaalbasis gerapporteerd om een indicatie te geven van marktbewegingen gedurende het jaar. Deze kwartaalschattingen zijn gebaseerd op een deel van de databank. De waardemutatie

(naar

aanleiding

van

over

het

algemeen

extern

vastgestelde

taxatiewaarden) wordt per kwartaal doorberekend naar de objecten die in dat kwartaal

niet getaxeerd zijn, zodat een volledige marktschatting verkregen wordt. De ROZ/IPDVastgoedindex meet tevens rendementen op jaarbasis, waarbij alle objecten opnieuw getaxeerd worden en de uiteindelijke waarde per object vastgesteld wordt. De index maakt onderscheid in zogenaamde standing investments en het totaal aantal vastgoedobjecten, inclusief aan- en verkopen, ontwikkelingsobjecten en objecten in renovatie. Standing investments zijn objecten die meer dan één jaar in exploitatie zijn en niet in een grootschalige renovatiefase verkeren. Resultaten worden binnen de benchmark op assetniveau gemeten en niet op fondsniveau, zodat leverage-effecten buiten

beschouwing

worden

gelaten.

Ook

worden

kosten

voor

het

asset-

en

portefeuillemanagement (en taxatiekosten) niet meegenomen. De kosten voor het propertymanagement verschillende

worden

segmenten

van

wel de

doorberekend. vastgoedmarkt,

Er

zijn

namelijk

deelindices winkels,

voor

de

kantoren

en

woningen.


Gegevens die gebruikt worden om de objecten portefeuilleresultaten tegen de benchmarkindex af te zetten, worden op kwartaalbasis aangeleverd door de aangesloten institutionele beleggers. Derhalve beschikt de ROZ/IPD over een grote hoeveelheid data met een marktdekking van de Nederlandse institutionele vastgoedmarkt van circa 85%. 5.3. SELECTIE DETERMINANTEN Uit de beschikbare ROZ/IPD-gegevens zijn data omtrent BARren voor de jaren 2002 en 2003 verzameld. Deze jaren zijn geselecteerd omdat hiervoor alle benodigde data beschikbaar was. Hoewel de ROZ/IPD-Vastgoedindex reeds 10 jaren bestaat en performanceresultaten over deze jaren beschikbaar heeft, worden enkele –voor deze analyse benodigde- achtergrondgegevens pas sinds enkele jaren gemeten, zoals de resterende duur van huurcontracten. Voor de analyse is uitgegaan van de initial yield (BAR op basis van de actuele contracthuur). Uit het databestand van de ROZ/IPD is een selectie gemaakt van een 65-tal variabelen, waarvan de relatie met de BAR is onderzocht. In de bijlage zijn deze variabelen opgenomen. Deze data kan onderverdeeld worden in de volgende groepen: Gebouwkenmerken BVO, parkeernorm, leeftijd gebouw, kantoorcategorie, gemiddelde unitgrootte, aantal huurders Locatie Type locatie, stad, markthuur, reversionairy yield, vraag/aanbodverhouding regio Management Exploitatiekosten, huurpotentie, leegstand, resterende looptijd van huurcontracten, contracthuur

Bij de eerste selectie van data is rekening gehouden met de bij de ROZ/IPD beschikbare data. Het is mogelijk dat meerdere (andere) variabelen tevens invloed hebben op de BAR bij kantoren. Echter, deze zijn niet beschikbaar vanuit de ROZ/IPD en derhalve niet meegenomen in de analyse. Bij de dataverzameling is tevens rekening gehouden om uit te gaan van zo min mogelijk dummy-variabelen. groeperingen

Dummy-variabelen

(bijvoorbeeld

zijn

1/0-weging),

alternatieve

wanneer

de

kwalitatieve werkelijke

wegingen/

onderliggende

datapunten niet één op één meegenomen kunnen worden of niet kwantificeerbaar zijn. Feitelijke datapunten hebben de voorkeur, daar deze de meeste betrouwbaarheid opleveren in de analyse. Na analyse van de invloed op de BAR middels regressie-analyse (bepaling adjusted R2) blijkt dat circa 90% van de totale verklaringskracht bestaat uit vijf factoren. De overige

factoren hebben dus nagenoeg geen invloed op de BAR. In de verdere analyse is tevens bekeken welke invloed het jaar van oplevering van een kantoorpand heeft op de resultaten.


De volgende factoren worden derhalve verder belicht in het onderzoek: - Leeftijd gebouw; - Exploitatiekosten; - Markthuur; - Huurpotentie;

- Resterende looptijd huurcontract. Tevens zal een nadere toelichting worden gegeven op de financiële leegstand daar deze als correctie in tweede instantie in de analyse wordt meegenomen. 5.4. B RUTO AANVANGSRENDEMENT De gehanteerde initial yield (BAR op basis van contracthuur) in de analyse kan worden gedefinieerd als: BAR = actuele bruto contracthuur (t20) / waarde v.o.n. (t37) Onderstaande tabel geeft weer wat de gemiddelde BAR en de standaarddeviatie is van kantoorpanden in de specifieke regio’s die voor de analyse zijn gehanteerd. 2002

NL

Amsterdam

Rotterdam

Den Haag

Utrecht

Gemiddelde BAR

8.29%

7.88%

8.12%

8.31%

8.37%

Standaard deviatie

1.21%

1.30%

0.97%

1.28%

1.46%

2003

NL

Amsterdam

Rotterdam

Den Haag

Utrecht

Gemiddelde BAR

8.49%

8.22%

8.38%

8.35%

8.55%

Standaard deviatie.

1.24%

1.37%

0.89%

1.10%

1.44%

2002 en 2003

NL

Amsterdam

Rotterdam

Den Haag

Utrecht

Gemiddelde BAR

8.39%

8.03%

8.25%

8.33%

8.46%

Standaard dev.

1.23%

1.34%

0.94%

1.19%

1.45%

5.5. T OELICHTING DETERMINANTEN In de volgende paragrafen wordt verder ingegaan op de begripsdefinities van de genoemde variabelen in 5.3. 5.5.1. LEEFTIJD KANTOORPANDEN Voor de leeftijd van de kantoorpanden is in de analyse uitgegaan van het oorspronkelijke jaar van oplevering. Er zijn echter enkel kantoorpanden meegenomen met een maximale

leeftijd overeenkomstig de –veelal gehanteerde- gemiddelde functionele levensduur van kantoorpanden, circa 25 jaar. De kantoorpanden met een eerdere oplevering hebben in veel gevallen zeer ingrijpende renovaties of reeds een herontwikkeling doorgemaakt, waardoor deze moeilijk te vergelijken zijn. In de analyse is enkel een rechtlijnig verband onderzocht en is geen verdere uitsplitsing gemaakt naar bouwperioden (zoals deze gewoonlijk door de ROZ/IPD worden gehanteerd). Dus voor een gebouw dat bijvoorbeeld in 1995 is opgeleverd, is in de analyse een leeftijd van 8 jaar aangehouden.


Het jaar van oplevering is het jaar dat een object daadwerkelijk wordt opgeleverd. Voor panden die tot de standing investments behoren, wordt voor het jaar van oplevering het jaar

genomen

dat

het

object

voor

meer

dan

75%

is

verhuurd

of

indien

de

opleveringsdatum, na (her)ontwikkeling, meer dan 1 jaar geleden is geweest. 5.5.2. FINANCIËLE LEEGSTAND De financiële leegstand (t62)

wordt gedefinieerd als de leegstand gedurende de

meetperiode van ruimten welke voor verhuur beschikbaar waren, uitgedrukt in voor de desbetreffende periode geldende markthuurwaarde. In het geval de leegstaande ruimte tijdens de meetperiode alsnog verhuurd werd, wordt gerekend tot aan de ingangsdatum van het huurcontract. Eventuele huurvrije perioden worden niet als financiële leegstand aangemerkt. 5.5.3. EXPLOITATIEKOSTEN Het percentage exploitatiekosten van een specifiek kantoorpand worden door de ROZ/IPD gedefinieerd als zijnde 1 : Percentage exploitatiekosten = totale exploitatiekosten (t53) / Capital employed Hierbij worden de totale exploitatiekosten (t53) gedefinieerd als zijnde: Totale

exploitatiekosten

=

vaste

kosten

(t43)

+

objectbeheerskosten

(t25)

+

onderhoudskosten (t44) + verhuurkosten (t47) + overige kosten (t52) Waarbij de vaste kosten (t43) bestaan uit: Vaste kosten = OZB (t40) + overige belastingen (t41) + erfpachtcanon (t27) + verzekeringskosten (t42) En de verhuurkosten (t47) bestaan uit: Verhuurkosten = huurdersmutatiekosten (t45) + verhuurcourtage en marketingskosten (t46) En de overige kosten (t52) bestaan uit: Overige kosten = servicekosten eigen rekening (t48) + niet-verrekenbare BTW (t49) + oninbare huren (t50) + overige niet verhaalbare kosten (t51)

1

De t-aanduiding verwijst naar de codering volgens de ROZ/IPD.


In de noemer van het percentage exploitatiekosten staat het capital employed. Capital employed is door de ROZ/IPD gedefinieerd als de kapitaalswaarde aan het begin van het jaar plus de helft van de kapitaalsuitgaven gedurende het jaar minus de helft van de netto inkomsten gedurende het jaar. Hiervoor is gekozen aangezien voor sommige objecten met leegstand bijvoorbeeld geen netto opbrengsten aanwezig zijn. De netto opbrengsten (t33) in de formule worden gedefinieerd als zijnde:

Netto opbrengsten = totale opbrengsten (t35) – totale exploitatiekosten (t53) Waarbij de totale opbrengsten (t35) bestaan uit: Totale opbrengsten = bruto huuropbrengsten (t21) + overige inkomsten en subsidies (t22) 5.5.4. MARKTHUUR De bruto markthuur (t13) is de jaarhuur voor het gehele kantoorpand, welke op het meetmoment in de markt behaald kan worden volgens opgave van de taxateur, uitgaande van een optimale marketing en verhuur aan de meest biedende gegadigde. De markthuur is exclusief BTW en servicekosten. In de markthuur zijn de huurprijzen van eventuele parkeerplaatsen niet opgenomen. Indien deze aanwezig zijn, geeft de taxateur de markthuur hiervoor afzonderlijk op. De markthuur is bepaald aan de hand van de markthuur per m2 VVO. bruto markthuur (incl leegstand, excl BTW en servicekosten) (t13) Markthuur =

VVO (t67) + LVO (t73)

5.5.5. HUURPOTENTIE De huurpotentie wordt gedefinieerd als het verschil tussen actuele huur en markthuur, ofwel:

Huurpotentie =

Waarbij:

(

bruto markthuur (incl leegstand, excl BTW en servicekosten) (t13) VVO (t67) + LVO (t73)

(

Actuele bruto huur (t20) VVO (t67)

)

)

VVO (t67) = verhuurd vloeroppervlak, en LVO (t73) = leegstaand vloeroppervlak 5.5.6. RESTERENDE LOOPTIJD HUURCONTRACT De resterende looptijd (t94) van de huurcontracten op het kantoorpand wordt in dit onderzoek gedefinieerd als zijnde de totale gecontracteerde bruto huur (over de resterende looptijd van het contract) gedeeld door de theoretische bruto jaarhuur. Uit deze berekening volgt dan een relatief aantal maanden van nog gecontracteerde huurinkomsten.


5.6. BEVINDINGEN TEN BEHOEVE VAN ONDERZOEK In dit hoofdstuk is een toelichting gegeven op de dataselectie ten behoeve van de analyse. Bij deze dataselectie moest rekening gehouden worden met de beschikbare data vanuit de ROZ/IPD. Derhalve is het mogelijk dat niet alle van invloed zijnde determinanten voor de BAR in de analyse zijn meegenomen. Desondanks zal middels de analyse een goed beeld verkregen worden van de invloed die de onderliggende determinanten op de BAR hebben. Uit de univariate regressie-analyse is gebleken dat vijf determinanten 90% van de verklaringskracht bepaalden. Deze vijf determinanten zullen dan ook als uitgangspunt worden genomen voor meervoudige regressie-analyses.


ANALYSE GEHEEL NEDERLAND

6

6.1. INLEIDING Om te bepalen welke determinanten van de BAR de meeste invloed op de hoogte van de BAR hebben, is uitgegaan van regressie-analyse als analysetechniek. Er is uitgegaan van

stapsgewijze regressie-analyse, wat een standaard analysetechniek is in SPSS (Statistical Package

for

Social

Sciences).

De

achtergrond

van

de

gehanteerde

regressie-

analysetechniek is nader toegelicht in hoofdstuk 5. Nadat middels univariate regressie-analyse een selectie van –van invloed zijndevariabelen is gemaakt, zijn er voor het onderzoek meerdere regressie-analyses uitgevoerd. Te weten voor het totale databestand (geheel Nederland) en per regio. Hoewel er in eerste instantie enkel van financiële variabelen is uitgegaan, zijn er tevens regressie-analyses per regio uitgevoerd waarbij rekening is gehouden met de variabele ‘leeftijd’. Dit om nader te onderzoeken welke invloed ‘leeftijd’ heeft en of de determinanten daarbij wezenlijk verschillen ten opzichte van de oorspronkelijke analyse. Deze analyse is uitgevoerd omdat de variabele leeftijd bij de univariate regressieanalyse wel significant bleek te zijn. Echter, een indeling naar leeftijdscategorieën is moeilijk (welke grenzen zijn acceptabel?) en levert een dummy-variabele waarmee de betrouwbaarheid van de analyse afneemt. In de navolgende hoofdstukken wordt toegelicht hoe de regressie-analyses zijn uitgevoerd en wat de resultaten zijn. Voor de volledigheid wordt opgemerkt dat significantiecijfers niet opgenomen zijn in onderstaande analysebeschrijvingen, daar enkel factoren aan de modellen worden toegevoegd (stapsgewijs) indien deze significant verschillen van nul.


6.2. D ATAVERANTWOORDING Als eerste analyse is er een regressie uitgevoerd op basis van data voor geheel Nederland. Voor

deze

analyse

is uitgegaan

van

het

totale

data bestand

voor

kantoorpanden in geheel Nederland. Naar aanleiding van deze analyse kan een algemene uitspraak worden gedaan over welke determinanten de belangrijkste invloed hebben op de BAR op kantoorpanden.

In onderstaande tabel is weergegeven hoeveel kantoorpanden zijn meegenomen in deze analyse. Aantal objecten

2002

2003

Totaal 2002 en 2003

735

724

1410

Totaal Nederland

In onderstaande tabel zijn de gemiddelden en standaarddeviaties opgenomen van de variabelen die zijn meegenomen in de analyse. 2002

Gemiddelde

1 e kwartiel

3e kwartiel

Standaarddeviatie

48,5 mnd

26 mnd

60 mnd

33,6 mnd

Resterende looptijd

(25% )

(75% )

huurcontracten Huurpotentie Markthuur

0,8%

-6,1%

6,1%

13,3%

152,49 euro

125,89 euro

170,91 euro

45,20 euro

1,33%

0,58%

1,52%

1,50%

Gemiddelde

1 e kwartiel

3e kwartiel

Standaarddeviatie

(25% )

(75% )

25

56

Exploitatiekosten 2003 Resterende looptijd

48,2

42,8

huurcontracten Huurpotentie Markthuur

-2,8%

-8,7%

1,6%

11,9%

151,43 euro

126,20 euro

168,93 euro

44,26 euro

1,36%

0,63%

1,74%

1,35%

Exploitatiekosten

6.3. ANALYSE GEHEEL NEDERLAND, 2002 In onderstaande tabel zijn de resultaten van de regressie-analyse voor het jaar 2002 opgenomen. Te zien is dat de variatie in de BAR voor het totaal aantal kantoorpanden in Nederland in 2002 het meest bepaald werd door variatie in (achtereenvolgens) de huurpotentie, de exploitatiekosten, de resterende looptijd van huurcontracten en tenslotte de hoogte van de markthuur. Factor α 1

Coëfficiënt

Adjusted R2 cumulatief

0,09163 Huurpotentie

2

Exploitatiekosten

3

Resterende looptijd

-0,044

0,252

0,23

0,329

-0,000081

0,394

-0,000051

0,429

huurcontract 4

Markthuur


Uit de tabel blijkt dat de combinatie van deze factoren leidt tot een verklaringskracht van 0,429, wat als relatief hoog mag worden beschouwd. De factoren die bijdragen aan deze verklaringskracht zijn alle significant van nul. Wanneer de gegevens zouden worden omgezet in onderstaand model: BAR = α + β1*factor1 + β2*factor2 + β3*factor3 + ...... + βn *factorn + ε, Dan zou gelden: BAR = 0,09163 - 0,044*huurpotentie + 0,23*exploitatiekosten – 0,000081*resterende looptijd – 0,000051*markthuur + ε. Geconcludeerd

kan worden

dat alle factoren, behalve de exploitatiekosten een

omgekeerd evenredige relatie hebben met de BAR. Dit is gezien de praktijk echter logisch. Immers indien er sprake is van meer huurpotentie zullen beleggers bereid zijn een lagere BAR te accepteren. Indien er sprake is van een hogere resterende looptijd van het huurcontract zal dit zich vertalen in een hogere waarde en dus een lagere BAR. Ook vertaalt een hogere markthuur zich in een hogere waarde en dus een lagere BAR. Tenslotte blijken hogere exploitatiekosten te leiden tot een hogere BAR, bij aankoop dus

Aanvangsrendement 2002 ROZ/IPD index

lagere waarde die betaald wordt. Dit is tevens een logische relatie.

18% 16% 14% 12% 10% 8% 6% 4% 2% 0% 0%

5%

10%

Berekend aanvangsrendement

15% 2

R = 0,426

Figuur 6.1.: Rela tie feitelijke BARren en geschatte BARren middels regressie o.b.v. geheel

Nederland, coëfficiënten 2002: markthuur, huurpotentie, resterende looptijd huurcontract en

exploitatiekosten (excl. aanpassing looptijd huurcontract, excl. jaar van oplevering), (R 2: 0,429).


6.4. ANALYSE GEHEEL NEDERLAND, 2003 Vervolgens is er een regressie-analyse uitgevoerd voor geheel Nederland voor het jaar 2003. De resultaten komen grotendeels overeen met de resultaten uit 2002, echter nu blijkt de resterende looptijd van het huurcontract iets meer bij te dragen aan de verklaringskracht van de BAR dan de exploitatiekosten. Hieruit zou de conclusie getrokken kunnen worden dat de markt voor zekerheid van de cashflows kiest ten opzichte van de verhuurbaarheid. Zie onderstaande tabel. Factor

Coëfficiënt

α


0,9157

1

Huurpotentie

2

Resterende looptijd

-0,0427

0,179

0,0000677

0,256

huurcontract 3

Exploitatiekosten

4

Markthuur

0,157

0,292

-0,000047

0,316

Uit de tabel blijkt dat de combinatie van deze factoren voor 2003 leidt tot een iets lagere verklaringskracht van 0,316 ten opzichte van 0,429 voor 2002. Naar aanleiding van deze analyse kan worden geconcludeerd dat de richting (+ of-) van de coëfficiënten overeenkomstig is met die van 2002 en dus een logische verklaring lijkt gezien de praktijk. 6.5. ANALYSE GEHEEL NEDERLAND, 2002 EN 2003 Uiteindelijk zijn de datapunten voor geheel Nederland voor de jaren 2002 en 2003 nog samengevoegd. De resultaten uit deze analyse zijn opgenomen in onderstaande tabel: Factor

Coëfficiënt

α


0,09031

1

Huurpotentie

2

Exploitatiekosten

-0,0343

0,16

0,288

0,252

3

Markthuur

-0,0000564

0,313

4

Resterende looptijd

-0,0000599

0,347

huurcontracten De gecombineerde data van 2002 en 2003 leidt tot een afwijkende volgorde van verklarende factoren. Nu blijkt de hoogte van de BAR het meest verklaard te worden

door achtereenvolgens de hoogte van de huurpotentie, de exploitatiekosten, de markthuur en tenslotte de resterende looptijd van de huurcontracten. De totale verklaringskracht

van

deze

factoren

is

0,347,

wat

ligt

tussen

de

verkregen

verklaringskracht voor 2002 en 2003. De richting van de coëfficiënten is overeenkomstig met de verkregen resultaten voor 2002 en 2003 afzonderlijk.


6.6. S CHATTING BARREN GEHEEL NEDERLAND, 2002 EN 2003 Wanneer er gekeken wordt naar de validatie van voorgaande analyseresultaten, kunnen de feitelijke BARren vergeleken worden met de –middels de verkregen modellengeschatte BARren. In onderstaande tabel zijn de schattingen opgenomen. Geheel Nederland

2002

2003

Gemiddelde BAR

8.30%

8.67%

Standaarddeviatie

0.85%

0.77%

Opmerkelijk is dat de geschatte BARren vrijwel overeenkomstig zijn met de feitelijke BARren, waarmee geconcludeerd mag worden dat het onderzoek valide is. De werkelijke BAR voor geheel Nederland voor 2002 heeft een gemiddelde van 8,29%. Het gemiddelde van de geschatte BAR van 8,30% is dus nagenoeg overeenkomstig is met het werkelijke gemiddelde. Het model voor 2002 is dus een goede weergave voor de BAR voor geheel Nederland in 2002, ook gezien de relatief lage standaarddeviatie. Hieruit blijkt dat middels het verkregen model 95% van de gevallen ligt binnen de bandbreedte van een BAR van 6,6% tot 10,0%. Voor 2003 is er een iets groter verschil tussen de werkelijke BAR (8,49%) en het gemiddelde van de geschatte BAR (8,67%). Het model voor geheel Nederland voor 2003 zou dan ook iets onbetrouwbaarder kunnen zijn. Invulling van het model op basis van de gehanteerde data leidt tot een bandbreedte van 7,13% tot 10,21%. 6.7. ANALYSE GEHEEL NEDERLAND MET AANPASSING RESTERENDE LOOPTIJD HUURCONTRACTEN Ten aanzien van de data voor geheel Nederland is tevens een regressie-analyse uitgevoerd waarbij de data omtrent de resterende looptijd van het huurcontract is aangepast op basis van de aanvangsleegstand. Door de ROZ/IPD wordt de resterende

looptijd van huurcontracten (t94) gebaseerd op de totale gecontracteerde bruto huur (t20) gedeeld door de actuele theoretische huursom (t19). Een probleem hierbij vormt dat van gebouwen met (gedeeltelijke) leegstand, het leegstaande gedeelte niet wordt meegenomen in de totale contracthuur. Om dit probleem te ondervangen is een aanpassing voor de (gedeeltelijk) leegstaande objecten meegenomen. De aanpassing is uitgevoerd op basis van de volgende formule: Resterende looptijd huurcontract (aangepast) = (1- leegstandspercentage) * resterende looptijd (origineel). Bij deze regressie analyse is het volgende aantal objecten meegenomen: Aantal objecten Totaal Nederland

2002

2003

Totaal 2002 en 2003

735

724

1410


In onderstaand overzicht zijn de resultaten opgenomen van deze regressie-analyse, waarbij

de

resterende

looptijd

van

de

huurcontracten

is

aangepast

middels

bovenstaande formule. Uit de verkregen data blijkt dat de verschillen te verwaarlozen zijn met de voorgaande regressie-analyse waarin de aanpassing niet was meegenomen. Derhalve zal de aanpassing van de resterende looptijd van de huurcontracten niet worden meegenomen in de regio-analyse.

Geheel Nederland, aangepaste looptijd, 2002 Factor

Coëfficiënt

α


0,009156

1

Huurpotentie

2

Exploitatiekosten

3

Resterende looptijd

-0,0443

0,252

0,228

0,329

-0,000082

0,396

-0,000051

0,43

huurcontract 4

Markthuur

Geheel Nederland, aangepaste looptijd, 2003 Factor

Coëfficiënt

α


0,9139

1

Huurpotentie

2

Resterende looptijd

-0,0426

0,179

-0,0000677

0,258

0,156

0,293

-0,0000446

0,316

huurcontract 3

Exploitatiekosten

4

Markthuur

Geheel Nederland, aangepaste looptijd, 2002 en 2003 Factor

Coëfficiënt

Α


0,09019

1

Huurpotentie

2

Exploitatie Markthuur

-0,0000563

0,313

4

Resterende looptijd

-0,0000588

0,346

3

-0,0342

0,16

0,226

0,253

huurcontract Op basis van het totale databestand blijkt de aanpassing van de looptijd van de huurcontracten aan de aanvangsleegstand dus maar nauwelijks effect te hebben. Dit valt deels te verklaren door het feit dat slechts een beperkt aantal factoren een relatie heeft met leegstand. Tevens blijken de leegstandspercentages in het totale databestand relatief laag gezien de marktsituatie in de beschouwde jaren. Voor 2002 was het leegstandspercentage 3,1% en voor 2003 7%. Opgemerkt moet worden dat in de berekeningen

geheel

leegstaande

panden

niet

zijn

meegenomen,

hierbij

is

de

gecontracteerde huur immers nihil.


6.8. CONCLUSIE ANALYSE GEHEEL NEDERLAND Naar aanleiding van de analyse op basis van data voor geheel Nederland kunnen de volgende conclusies worden getrokken voor de jaren 2002 en 2003: - Alle determinanten, behalve de exploitatiekosten, blijken een omgekeerd evenredige relatie te hebben met de BAR. Gezien de praktijk is dit een logische uitkomst.

- Het verkregen model voor 2003 blijkt te leiden tot een iets lagere verklaringskracht dan het model voor 2002. - De analyse op basis van de gecombineerde data van 2002 en 2003 leidt tot een afwijkende volgorde van verklarende factoren dan bij de analyses voor 2002 en 2003 afzonderlijk. - De richting van de coëfficiënten is bij alle analyses overeenkomstig. - Op basis van de data voor geheel Nederland ligt de werkelijke BAR voor 2002 nagenoeg gelijk aan de berekende BAR middels het model. Voor 2003 is er wel een

verschil tussen de werkelijke BAR (8,49%) en het gemiddelde van de geschatte BAR (8,67%). - Aanpassing van de resterende looptijd van de huurcontracten voor actuele leegstand leidt tot minieme verschillen in de resultaten. In de verkregen modellen is de coëfficiënt voor de variabele huurpotentie het meest constant over de jaren 2002 en 2003. De coëfficiënt voor exploitatiekosten is de grootste en de variabelen looptijd huurcontract en markthuur hebben uiterst kleine coëfficiënten. Wanneer echter zou blijken dat deze twee laatste variabelen in de tijd bezien zeer variabel zijn, kunnen deze toch een relatief grote invloed hebben op de

variatie in de BAR. Immers, een verandering in de BAR wordt uiteindelijk bepaald door ‘coëfficiënt’ % maal de verandering in de variabele. Wanneer de coëfficiënt klein is, maar de relatieve verandering in de variabele groot, zal de relatieve verandering in de BAR ook groot zijn. Om echter concrete conclusies te kunnen trekken over de relatie van bovenstaande bevindingen met marktsituaties en de praktijk, zal data verzameld moeten worden over

meerdere jaren. In de analyse zijn enkel de jaren 2002 en 2003 bekeken, daar data betreffende de variabele resterende looptijd huurcontract enkel voor deze jaren beschikbaar was.


ANALYSE PER REGIO

7

7.1. INLEIDING Na een analyse voor geheel Nederland, is het interessant om te bekijken of een analyse per regio leidt tot verschillen per regio. Hieruit zou geconcludeerd kunnen worden of in verschillende

regio’s

bepaalde

aspecten

meer

of

minder

doorwerken

in

de

transactieprijzen, ofwel op welke aspecten per regio portefeuillemanagers zouden kunnen sturen om de waarde van kantoorpanden in die regio te kunnen optimaliseren. Bij de indeling per regio is uitgegaan van de vier grote steden. De specifieke begrenzing van de regio is hierbij gebaseerd op vraag/aanbodverhoudingen in de markt, waarbij data afkomstig van DTZ Zadelhoff als basis is genomen. Hierbij zijn de volgende regio’s onderscheiden:

- Amsterdam (incl. Amsterdam postcode 1000 t/m 1099, Amsterdam Zuid-Oost postcode 1100 t/m 1109, Diemen postcode 1110 t/m 1113, Duivendrecht postcode 1115 en Amstelveen postcode 1180 t/m 1189). - Rotterdam (incl. Capelle aan den IJssel postcode 2900 t/m 2909, Rotterdam postcode 3000 t/m 3089 (3099) en Schiedam postcode 3100 t/m 3125). - Den Haag (incl. Wassenaar postcode 2240 t/m 2245 (2249), Leidschendam postcode 2260 t/m 2267 (2269), Voorburg postcode 2270 t/m 2275 (2279), Rijswijk 2280 t/m 2289 en Den Haag postcode 2500 t/m 2597 (2599), Zoetermeer 2700 t/m 2725).

- Utrecht (incl. Utrecht postcode 3500 t/m 3585 (3599, Maarssen 3605 t/m 3606, Nieuwegein 3431 t/m 3439). Naar aanleiding van deze analyse kunnen conclusies worden getrokken of BARren op kantoorpanden in verschillende regio’s bepaald worden door andere determinanten. 7.2. D ATAVERANTWOORDING In onderstaande tabel is opgenomen hoeveel kantoorpanden (datapunten) per regio zijn meegenomen. 2002

2003

Totaal 2002 en 2003

Amsterdam

Aantal objecten

100

107

202

Rotterdam

84

80

164

Den Haag

76

72

145

132

126

251

Utrecht


7.3. ANALYSE REGIO A MSTERDAM Uit de regressie-analyse voor Amsterdam over de jaren 2002 en 2003, blijkt dat de BAR van kantoorpanden in Amsterdam (uit de geselecteerde variabelen) enkel wordt bepaald door de huurpotentie en de hoogte voor de markthuur (2002). Op basis van de data van 2003 blijkt de resterende looptijd van het huurcontract voor dit jaar tevens invloed te hebben gehad. De factor exploitatiekosten bleek voor de jaren 2002 en 2003 afzonderlijk geen significante invloed te hebben gehad op de BAR. Echter, wanneer de jaren totaal worden meegenomen in een regressie-analyse, blijken de exploitatiekosten wel een significante invloed te hebben. Een en ander blijkt uit onderstaande tabel. Amsterdam 2002 Factor

Coëfficiënt

α


0,08985

1

Huurpotentie

2

Markthuur

-0,0375

0,321

-0,000045

0,37

Amsterdam 2003 Factor

Coëfficiënt

α


0,0952045

1

Huurpotentie

-0,0272352

0,184

2

Resterende looptijd

-0,0000987

0,308

-0,0000448

0,357

huurcontract 3

Markthuur

Amsterdam 2002 en 2003 Factor α

Coëfficiënt


0,09139551

1

Huurpotentie

2

Markthuur

3

Resterende looptijd

4

Exploitatiekosten

huurcontract

-0,022844507

0,190

-0,000054

0,287

-0,0000548

0,304

0,126392811

0,326

7.4. ANALYSE REGIO ROTTERDAM Uit de verkregen resultaten voor Rotterdam blijkt dat de verklaringskracht van de markthuur het grootst voor de hoogte van de BAR. De verklaringskracht van de modellen voor 2003 en 2002 en 2003 gecombineerd blijken iets lager te liggen dan die voor Amsterdam. Dit zou kunnen liggen in het feit dat er voor Rotterdam minder datapunten zijn meegenomen dan voor Amsterdam. De factor exploitatiekosten blijkt in geen van de analyses een significante invloed te hebben gehad op de BAR. De resultaten zijn weergegeven in de volgende tabel.


Rotterdam 2002 Factor α

Coëfficiënt


0,101174

1

Markthuur

2

Huurpotentie

3

Resterende looptijd

-0,00009967

0,1693

-0,0314261

0,2557

-0,000097

0,3455

huurcontract Rotterdam 2003 Factor α

Coëfficiënt


0,099952764

1

Markthuur

-0,00008979

0,139

2

Resterende looptijd

-0,00007903

0,190

-0,022518

0,233

huurcontract 3

Huurpotentie

Rotterdam 2002 en 2003 Factor α

Coëfficiënt


0,100460511

1

Markthuur

2

Resterende looptijd

3

Huurpotentie

huurcontract

-0,000105634

0,182

-0,00008714

0,243

-0,021634186

0,286

7.5. ANALYSE REGIO DEN HAAG Ook uit de analyse voor Den Haag blijkt de factor exploitatiekosten geen significante invloed te hebben op de hoogte van de BAR. Voor het jaar 2003 blijkt er tevens geen significante relatie tussen de BAR en de hoogte van de markthuur. Overeenkomstig met de analyse voor Amsterdam, blijkt de huurpotentie een relatief belangrijke bijdrage te leveren aan de hoogte van de BAR. Het geselecteerde model voor 2002 blijkt een relatief hoge verklaringskracht te hebben ten opzichte van de andere modellen. De verklaringskracht van het model voor 2002 en 2003 gecombineerd is echter lager. Den Haag 2002 Factor α

Coëfficiënt


0,1104924

1

Huurpotentie

2

Markthuur

3

Resterende looptijd

-0,0622478

0,236

-0,000162

0,3974

-0,00009097

0,4476

huurcontract


Den Haag 2003 Factor α

Coëfficiënt


0,0850629

1

Huurpotentie

-0,0497698

0,239

2

Resterende looptijd

-0,0000534

0,3213

huurcontract

Factor α

Den Haag 2002 en 2003 Coëfficiënt


0,10334025

1

Markthuur

-0,000126567

2

Huurpotentie

-0,02684071

0,1578 0,2003

3

Resterende looptijd

-0,00004791

0,2333

huurcontract 7.6. ANALYSE REGIO UTRECHT Opmerkelijk is dat de verkregen modellen voor de regio Utrecht een relatief (zeer) hoge verklaringskracht hebben ten opzichte van de andere regio’s. Dit zou kunnen liggen in het feit dat er voor de regio Utrecht meer datapunten beschikbaar zijn en het model derhalve meer betrouwbaar kan worden bepaald. Tevens is op te merken dat de

verklaringskracht van de exploitatiekosten op de BAR voor Utrecht wel het grootst is, terwijl deze in de andere regio’s in enkele modellen niet of nauwelijks meespeelt. Enkel in het model voor 2002 en 2003 totaal speelt de hoogte van de markthuur een rol. Utrecht 2002 Factor α

Coëfficiënt


0,0817571

1

Exploitatiekosten

0,4536242

0,3717

2

Huurpotentie

-0,0647781

0,6257

3

Resterende looptijd

-0,0001026

0,659

huurcontract

Utrecht 2003 Factor α

Coëfficiënt


0,077673803

1

Exploitatiekosten

0,450717445

0,2218

2

Huurpotentie

-0,05145698

0,3955

Utrecht 2002 en 2003 Factor α

Coëfficiënt


0,084685

1

Exploitatiekosten

0,47358508

2

Huurpotentie

-0,04753842

0,53

3

Resterende looptijd

-0,00003679

0,5437

-0,000047218

0,5503

4

huurcontract

Markthuur

0,3548


7.7. CONCLUSIE REGIOANALYSE Naar aanleiding van de analyse op basis van data voor de verschillende regio’s in Nederland kunnen voor de jaren 2002 en 2003 de volgende conclusies worden getrokken: - Zoals bij de analyse voor geheel Nederland, blijken de relaties van alle determinanten met de BAR negatief, behalve bij de exploitatiekosten. Gezien de praktijk is dit een logische uitkomst. - Het model voor de regio Utrecht blijkt voor beide jaren de grootste verklaringskracht te hebben. Echter, dit kan tevens het gevolg zijn van een groter aantal datapunten. - Voor de regio Rotterdam blijkt de rangorde van variabelen in de modelopbouw voor de jaren afzonderlijk en gecombineerd constant. Voor de regio Utrecht is deze tevens redelijk constant. - In de regio‘s Amsterdam en (over het algemeen) Den haag blijkt de huurpotentie de

meest dominante factor voor de BAR, in de regio Rotterdam de hoogte van de markthuur en in de regio Utrecht blijken de exploitatiekosten de meeste invloed te hebben.

Uit bovenstaande is te concluderen dat bij de waardering van de kantoorpanden (bepaling van de BAR) in verschillende regio’s in verschillende mate rekening gehouden wordt met de onderliggende determinanten. Hiervoor kan een verklaring liggen in het feit dat er sprake is van verschillende vastgoedmarkten in Nederland, maar ook in het feit dat er sprake is van een niet-consistente wijze van waarderen, waarbij op diverse momenten van waarderen variabelen in meer of mindere mate worden meegenomen.

Om te toetsen of de verschillen in invloedsgrootte gelegen zijn in een marktspecifieke reden, zal de analyse nogmaals uitgevoerd moeten worden wanneer er voor meerdere jaren data beschikbaar is. Indien een verschil in onderliggende determinanten te verklaren zou zijn door het feit dat er sprake is van verschillende vastgoedmarkten in Nederland, kan dit als uitgangspunt dienen voor verder onderzoek naar optimale portefeuillespreiding en optimale mogelijkheden voor risicomanagement portefeuille.

Tevens

kan

verder

onderzoek

hiernaar

als

handvat

binnen de

dienen

voor

vermogensbeheerders om optimaal te kunnen sturen op waardevermeerdering van de kantoorpanden die in bezit zijn.


ANALYSE PER REGIO EN OUDERDOM

8

8.1. INLEIDING Na de regioanalyses zijn er tevens regressie-analyses per regio uitgevoerd waarbij rekening is gehouden met de ouderdom van de kantoorpanden. Hierbij kan worden onderzocht in welke mate er bij de waardering van kantoorpanden rekening wordt gehouden met ouderdom. In de analyse zijn enkel de kantoorpanden meegenomen met een maximale leeftijd van 25 jaar, overeenkomstig de –veelal gehanteerde- gemiddelde functionele levensduur van kantoorpanden. De kantoorpanden met een hogere leeftijd hebben in veel gevallen zeer ingrijpende renovaties of reeds een herontwikkeling doorgemaakt, waardoor deze moeilijk te vergelijken zijn. In de analyse is enkel een rechtlijnig

verband

onderzocht

en

is

geen

verdere

uitsplitsing

gemaakt

naar

bouwperioden (zoals deze gewoonlijk door de ROZ/IPD worden gehanteerd). Dus voor

een gebouw dat bijvoorbeeld in 1995 is opgeleverd, is in de analyse een leeftijd van 8 jaar aangehouden. 8.2. D ATAVERANTWOORDING In onderstaande tabel is opgenomen hoeveel kantoorpanden zijn meegenomen in de analyse naar regio’s waarin de ouderdom van de kantoorpanden is meegenomen. Aantal objecten

2002

2003

Totaal 2002 en 2003

696

688

1336

Amsterdam

86

94

175

Rotterdam

78

75

153

130

123

247

Totaal Nederland

Den Haag Utrecht

69

66

132


8.3. ANALYSE GEHEEL NEDERLAND De regressie-analyse voor geheel Nederland over de jaren 2002 en 2003 is nogmaals uitgevoerd, maar nu met inbegrip van de factor leeftijd van de kantoorpanden. Uit de resultaten blijkt dat de verklaarbaarheid van het nieuw verkregen model iets groter is bij de afzonderlijke jaren 2002 en 2003 ten opzichte van het oorspronkelijke model,

waarbij leeftijd niet was meegenomen. De huurpotentie blijkt ook nog steeds de meest verklarende variabele voor de hoogte van de BAR. De factor leeftijd is in het nieuwe model de volgende meest verklarende variabele. Deze variabele heeft een positieve relatie met de BAR, wat gezien de praktijk een logische verklaring is. Immers, hoe hoger de leeftijd, hoe hoger de BAR en hoe lager de waarde. In de overige variabelen zit relatief weinig verschil ten opzichte van het oorspronkelijke model. De resultaten zijn opgenomen in onderstaande tabel. Geheel Nederland, inclusief leeftijd, 2002 Factor

Coëfficiënt

α


0,0824

1

Huurpotentie

2

Leeftijd

-0,0458

3

Exploitatiekosten

4

Resterende looptijd

0,236

0,000437

0,403

0,1950

0,446

-0,0000612

0,477

-0,0000295

0,487

huurcontract 5

Markthuur

Geheel Nederland, inclusief leeftijd, 2003 Factor

Coëfficiënt

α 1

Huurpotentie

2

Leeftijd

3


0,0856

Resterende looptijd

-0,0429

0,175

0,000349

0,273

-0,0000607

0,323

huurcontract 4

Exploitatiekosten

5

Markthuur

0,1380

0,344

-0,0000366

0,355

Geheel Nederland, inclusief leeftijd, 2002 en 2003 Factor α


0,08047

1

Huurpotentie

2

Exploitatiekosten

3

Leeftijd

4

Coëfficiënt

Resterende looptijd

-0,0343

0,148

0,225

0,274

0,000332

0,377

-0,0000389

0,382

-0,0000473

0,364

huurcontract 5

Markthuur



18% 16% 14% 12% 10% 8% 6% 4% 2% 0% 0%

5%

10%

15%


2

R = 0,4817

Figuur 8.1.: Relatie feitelijke BARren en geschatte BARren middels regressie, o.b.v.

geheel Nederland, coëfficiënten 2002: markthuur, leeftijd, huurpotentie, looptijd van de huurcontracten en exploitatiekosten (excl. aanpassing looptijd), (R 2 : 0,487).

8.4. ANALYSE REGIO A MSTERDAM Specifiek voor Amsterdam blijkt het model met de toevoeging van de factor leeftijd te leiden tot minder verklaringskracht dan het oorspronkelijke model. Tevens blijkt de factor leeftijd relatief een geringe invloed te hebben op de BAR. Opmerkelijk is dat voor

het jaar 2002 de markthuur bij de toevoeging van de leeftijd niet meer significant is. Hetzelfde geldt voor de factor exploitatiekosten bij de combinatie van de jaren 2002 en 2003. Een en ander blijkt uit onderstaande tabel. Amsterdam, inclusief leeftijd, 2002 Factor

Coëfficiënt

α


0,077611706

1

Huurpotentie

-0,03723415

0,274

2

Leeftijd

0,00029829

0,319

Factor

Amsterdam, inclusief leeftijd, 2003

α 1 2

Coëfficiënt


0,091040769 Huurpotentie

Resterende looptijd

-0,02824473

-0,000099407

0,2046

0,3134

huurcontract 3

Markthuur

4

Leeftijd

-0,000040942

0,3437

0,000258435

0,3693


Amsterdam, inclusief leeftijd, 2002 en 2003 Factor

Coëfficiënt

α


0,0840924

1

Huurpotentie

2

Markthuur

-0,0000453

-0,021331

0,1715 0,2295

3

Exploitatiekosten

0,2054451

0,2717

4

Leeftijd

0,00001916

0,2872

8.5. ANALYSE REGIO ROTTERDAM Uit de analyse voor Rotterdam blijkt voor het jaar 2002 dat de factor leeftijd wel significant is, maar relatief beperkte verklaringskracht heeft. Het model inclusief de factor leeftijd leidt wel tot een hogere verklaringskracht dat het oorspronkelijke model. Voor het jaar 2003 is opmerkelijk dat bij toevoeging van de leeftijd, de factor huurpotentie geen significante invloed meer heeft op de hoogte van de BAR. De verklaringskracht van het nieuw verkregen model is kleiner dan het oorspronkelijke model. Het model voor de combinatie van de jaren 2002 en 2003 leidt met toevoeging van de factor leeftijd tot een iets hogere verklaringskracht.

Rotterdam, inclusief leeftijd, 2002 Factor

Coëfficiënt

α


0,0943878

1

Markthuur

2

Resterende looptijd

-0,00008437

0,182

-0,0000979

0,263

3

Huurpotentie

-0,03145957

0,324

4

Leeftijd

0,000341668

0,383

huurcontract

Factor

Rotterdam, inclusief leeftijd, 2003 Coëfficiënt

α


0,100070558

1

Markthuur

2

Resterende looptijd

-0,00008962

0,1442

-0,000073943

0,2064

huurcontract Rotterdam, inclusief leeftijd, 2002 en 2003 Factor α

Coëfficiënt


0,0949925

1

Markthuur

-0,0000949

0,2002

2

Resterende looptijd

-0,0000913

0,2732

3

Leeftijd

0,000309

0,3105

4

Huurpotentie

-0,0185025

0,3325

huurcontract



16% 14% 12% 10% 8% 6% 4% 4%

6%

8%

10%

12%

14%


16%

R2 = 0,2801

Figuur 8.2.: Relatie feitelijke BARren en geschatte BARren middels regressie, o.b.v. Rotterdam coëfficiënten 2 003: markthuur, leeftijd, huurpotentie, looptijd van de huurcontracten en exploitatiekosten (excl. aanpassing looptijd), (R 2 : 0,2064).

8.6. ANALYSE REGIO DEN HAAG Hoewel voor de regio Den Haag maar een relatief beperkt aantal datapunten kan worden meegenomen, leidt de analyse tot een model met een relatief hoge verklaringskracht. Voor het jaar 2002 en de combinatie van 2002 en 2003 blijkt de BAR relatief veel

verklaard te worden door de factor leeftijd ten opzichte van de andere factoren. Voor 2003 afzonderlijk heeft de leeftijd van een kantoorpand geen invloed ten opzichte van het oorspronkelijke model. Zie hiervoor onderstaande tabel. Den Haag, inclusief leeftijd, 2002 Factor α

Coëfficiënt


0,093165985

1

Leeftijd

0,000440577

2

Huurpotentie

-0,04514884

0,367

3

Markthuur

-0,000095433

0,427

4

Resterende looptijd

-0,0000608

0,243

0,452

huurcontract Den Haag, inclusief leeftijd, 2003 Factor α

Coëfficiënt


0,085303278

1

Huurpotentie

2

Resterende looptijd

-0,04910767

0,2472

-0,000051915

0,3279

huurcontract


Den Haag, inclusief leeftijd, 2002 en 2003 Factor

Coëfficiënt

α


0,0881149

1

Leeftijd

2

Markthuur

-0,00006589

0,000407

0,172 0,218

3

Resterende looptijd

-0,00003457

0,2368

4

Huurpotentie

-0,0157817

0,2545

huurcontract

8.7. ANALYSE REGIO UTRECHT Tenslotte is er nog een aangepaste regressie-analyse uitgevoerd voor de regio Utrecht. Hierbij kan worden geconcludeerd dat de factor leeftijd wel een rol speelt voor de hoogte van de BAR, maar dat deze maar relatief beperkt is. Opmerkelijk is wel dat de verklaringskracht van de nieuw verkregen modellen nog hoger is dan de oorspronkelijke modellen. Een en ander blijkt uit onderstaande tabel. Utrecht, inclusief leeftijd, 2002 Factor

Coëfficiënt

α


0,078365241

1

Exploitatiekosten

0,343054672

2

Huurpotentie

-0,06408779

0,375 0,624

3

Resterende looptijd

-0,00010407

0,660

0,000354453

0,679

huurcontract 4

Leeftijd

Utrecht, inclusief leeftijd 2003 Factor

Coëfficiënt

α 1

Exploitatiekosten

0,315558635

2

Huurpotentie

-0,04818141

3


0,072604156

Leeftijd

0,2276 0,3895

0,00050345

0,4417

Utrecht, inclusief leeftijd, 2002 en 2003 Factor

Coëfficiënt

1

Exploitatiekosten

0,3939093

2

Huurpotentie

-0,0487807

0,5278

3

Leeftijd

0,0003032

0,5468

4

Resterende looptijd

-0,00004081

0,5592

α


0,0744091 0,3582

huurcontract



16% 14% 12% 10% 8% 6% 4% 4%

6%

8%

10%

12%

14%

16%

Berekend aanvangsrendement R2 = 0,6411 Figuur 8.3.: Relatie feitelijke BARren en geschatte BARren middels regressie, o.b.v. Utrecht, coëfficiënten 2002: markthuur, leeftijd, huurpotentie, looptijd van de huurcontracten en exploitatiekosten (excl. aanpassing looptijd), (R 2: 0,679).

8.8. CONCLUSIE REGIOANALYSE , REKENING HOUDEND MET LEEFTIJD De toevoeging van de factor leeftijd levert wisselende resultaten voor geheel Nederland en de diverse regio’s. In onderstaande tabel zijn de toe- en afnamepercentages

weergegeven van de verklaringskracht indien er rekening gehouden wordt met de factor leeftijd. 2002

2003

13.52%

12.34%

10.09%

Amsterdam

-13.78%

3.45%

-11.96%

Rotterdam

10.85%

-11.49%

16.26%

Den haag

0.98%

2.05%

9.09%

Utrecht

3.05%

11.68%

1.62%

Geheel Nederland

2002 en 2003

Te zien is dat voor de totale dataset (geheel Nederland, 2002 en 2003) geldt dat de verklaringskracht van het model waarbij rekening wordt gehouden met de factor leeftijd 10% beter is dan het model waarin leeftijd niet wordt meegenomen. Wanneer naar de verschillende regio’s wordt gekeken zijn de resultaten echter wisselend. Dit heeft onder meer te maken met het aantal waarnemingen dat minder is, doordat gebouwen met een opleveringsdatum van voor 1962 niet in de analyse zijn meegenomen. Met name het model voor de regio Utrecht heeft een relatief hoge verklaringskracht, dit onder andere

doordat er voor deze regio meer datapunten zijn meegenomen. De toevoeging van de factor leeftijd leidt echter maar tot een beperkte verbetering van de verklaringskracht.


Het lijkt dus alsof er in verschillende regio’s verschillend omgegaan wordt met de factor leeftijd bij het waarderen van kantoorpanden. Het zou kunnen zijn dat hiervoor een marktspecifieke reden is aan te dragen. Het lijkt alsof de hoogte van de financiële determinanten vrijwel losstaan van de ouderdom van een kantoorpand, aangezien deze factor nauwelijks invloed blijkt te hebben. Nader onderzocht zou kunnen worden of er in

de diverse regio’s sprake is van meer of minder dynamische markten waarbij de variabelen die deels afhankelijk zijn van de leeftijd van een kantoorpand, in meer of mindere mate doorwerken in de waarde. Hierbij is het plausibel aan te nemen dat er een verschillende samenstelling wordt verkregen van -van invloed zijndevariabelen.


ALGEMENE CONCLUSIES

9

9.1. INLEIDING In dit onderzoek zijn meerdere regressie-analyses uitgevoerd om te bepalen in welke

mate de BAR op kantoren wordt bepaald door diverse onderliggende determinanten. In dit hoofdstuk wordt een totaal overzicht gegeven van de conclusies die getrokken kunnen worden naar aanleiding van deze analyses. 9.2. CONCLUSIES In alle uitgevoerde regressie-analyses blijkt de richting (+ of -) van de determinanten constant. Zo blijkt dat de huurpotentie, de hoogte van de markthuur en de resterende looptijd van het huurcontract een negatieve relatie te hebben met de hoogte van de BAR. Ofwel, toename van de factor leidt tot een afname van de BAR en dus toename van de waarde. Gezien de praktijk lijken dit logische uitkomsten. Een positieve huurpotentie geeft immers kans op waardegroei. De situatie dat de contracthuur boven de markthuur ligt zal zich vertalen in een lagere waarde, er zal op termijn immers sprake zijn van bijstelling van de huur. De factoren exploitatiekosten en leeftijd van het kantoorpand hebben een positieve relatie met de BAR, wat wil zeggen dat toename van de factor leidt tot toename in de BAR en afname in de waarde. Uit de analyses waarin de leeftijd ook is meegenomen blijkt leeftijd maar een beperkte invloed te hebben. Wel leiden de resultaten tot de conclusie dat een hogere leeftijd overeenkomt met een hogere BAR en dus een lagere waarde.

De analyses die zijn uitgevoerd leiden tot wisselende resultaten. Hiervoor zijn een aantal mogelijke redenen aan te dragen, zoals: a.

Het zou kunnen zijn dat er binnen de Nederlandse kantorenmarkt qua beleggingen sprake is van meerdere deelmarkten. Immers, voor de diverse regio’s worden verschillende samenstellingen van variabelen verkregen. Ofwel, in de ene regio heeft variabele x meer invloed dan in de andere regio.

b.

Het waarderen van kantoorpanden gebeurt nog niet op een consistente wijze,

waarbij variabelen op een verschillende manier worden meegenomen in de waardebepaling. Wanneer er sprake is van een taxatie, kan het zijn dat de ene taxateur ‘meer oog heeft voor’ bepaalde variabelen dan de andere.


c.

In het onderzoek is uitgegaan van de totale BAR. Het zou kunnen zijn dat taxateurs verschillende risicopremies voor kantoren aanhouden en zo verschil in BARren ontstaat, wat vervolgens weer invloed heeft op de uiteindelijke relatie met de onderliggende determinanten. Uit divers onderzoek (o.a. Uittenbogaard, Van Gool, 2003) blijkt dat BAR-ren voor kantoren maar een beperkte relatie hebben met de

actuele rentestand, waarbij het plausibel is aan te nemen dat de risicopremie voor vastgoed onevenredig fluctueert en ontwikkelingen binnen de vastgoedmarkt dan ook niet op een consistente wijze worden vertaald in de risicopremie c.q. BAR. Hoewel de ROZ/IPD-vastgoedindex reeds 10 jaar bestaat, is bepaalde data nog maar sinds kort beschikbaar, zoals de resterende looptijd van de huurcontracten. Aangezien deze variabele een significante invloed bleek te hebben op de BAR, is er uiteindelijk voor gekozen om uit te gaan van de jaren waarin data over deze variabele beschikbaar was, 2002 en 2003.

Dit heeft uiteindelijk tot gevolg dat er niet gekomen kan worden tot ‘harde marktbewijzen’ in relatie tot de verkregen resultaten. Wel is ‘bewezen’ welke variabelen op welke wijze invloed hebben op de waarde van kantoorpanden binnen diverse regio’s voor

deze

jaren,

waardoor

een

vermogensbeheerder

enigszins

inzicht

heeft

in

sturingsvariabelen voor optimale waardevermeerdering van kantoorpanden. Om echter te bewijzen dat deze resultaten voor langere tijd gelden, is verder onderzoek benodigd met data over meerdere jaren. 9.3. KRITISCHE NOTEN EN AANBEVELINGEN In het onderliggende onderzoek is de totale hoogte van de BAR in de analyse betrokken. In nader onderzoek zou bekeken kunnen worden wat het effect is van aftrek van financieringskosten c.q. rente. Hoewel uit onderzoek blijkt dat BARren geen consistente relatie hebben met rente, kan het effect bewezen worden met het uitvoeren van een vergelijkbaar

onderzoek

waarbij

enkel

de

risico-opslag

voor

vastgoed

wordt

meegenomen. Hierbij zouden dan de volgende onderzoeksvragen interessant zijn: - Hoe hoog was het percentage betreffende de afdekking van de financieringslast in het te beschouwen jaar ofwel, de vraag hoe de kantorenbeleggingsmarkt (totaal, aangezien kopende en/of verkopende verschillende type beleggers kunnen zijn) wordt gefinancierd; - En hoe hoog was het percentage afdekking van (onderhouds)kosten in het te beschouwen jaar, ofwel hoe beheren marktpartijen hun kantoorbeleggingen? Wanneer enkel het deel vastgoedrisico-opslag (BAR minus rente) beschouwd zou worden, zouden er wellicht specifiekere uitspraken gedaan kunnen worden waarmee optimaal vastgoedmanagement inzichtelijker wordt. In het onderliggende onderzoek is niet ingegaan op bovenstaande vragen, omdat beantwoording op redelijke termijn niet mogelijk geacht wordt. Desondanks kan het onderzoek toch een goed eerste inzicht geven en als uitgangspunt dienen voor hetgeen hierboven beschreven is.


In dit onderzoek is bekeken welke factoren van invloed zijn geweest op de BAR op kantoren voor de jaren 2002 en 2003. Na uitvoering van het onderzoek is er een eerste inzicht verkregen in waardebepalende factoren waarop beheersmatig gestuurd zou kunnen worden. Omdat de vastgoedmarkt blijvend aan veranderingen onderhevig is, is het aannemelijk dat de invloed van deze onderliggende factoren door de tijd verandert. Bij beschikbaarheid van langere tijdreeksen voor onderliggende data kan dan ook worden onderzocht wat de resultaten op lagere termijn zouden zijn. Tevens kan dan consistentie of juist variatie in de tijd worden onderzocht en kunnen markttrends over kortere of langere termijn worden gedetermineerd en verklaard. Na verder onderzoek hiernaar, zou er daarnaast tevens onderzoek gedaan moeten worden naar algemene (financiële) en vastgoedspecifieke marktontwikkelingen. Met de combinatie van deze onderzoeken zouden vermogensbeheerders voor hun specifieke portefeuille

kunnen

onderzoeken

hoe

deze

portefeuille

zich

verhoudt

met

de

marktontwikkelingen en wordt duidelijk op welke factoren de vermogensbeheerder zou moeten sturen om optimale waardetoevoeging te kunnen realiseren.


LITERATUUROVERZICHT

Almstrom, P., 2002, Property Valuation in the world of finance, in: Nordic Real Estate Report, Volume 9, Number 1, Februari 2002, p 32-33. Ambrose, B., Nourse, H., 1993, Factors influencing capitalization rates, in: Journal of Real Estate Research, Volume 8, Number 2. Baum, A., Crosby, N., 1988, Property Investment Appraisal, Routledge: London. Baum, A., MacGregor, B.D., 1992, The initial yield revealed: explicit valuations and the future of property investment, in: Journal of property valuation and investment, Number 4 summer, p 709-726. Baum, A., Crosby, N., Macgregor, B., 1996, Price formation, mispricing and investment analyses in the property market, in: Journal of property valuation and investment, Volume 14, Number 1, p 36-49. Baum, A., Mackmin, D., Nunnington, N., 1997, The income approach to property valuation, Thomson: London. Desyllas, J., 1998, When downtown moves : isolating, representing and modelling the location variable in office rents. Brown, G., Matysiak, G., 1995, Using commercial property indices for measuring portfolio performance, in: Journal of property finance, Volume 6, Number 3, p 27-38. Gool, van, Jager, Weisz, Onroerend goed als belegging, 2001. Gunnelin, A., Hendershott, P, Hoesli, M., Soderberg, B., 2003, Determinants of Variation in Office Market Valuations.

Jud, D., Winkler, D., 1995, The Capitalization Rate of Commercial Properties and Market Returns, in: Journal of Real Estate Research, Volume 10, Number 5. Karakozova, O., 2004, Modelling and forecasting office returns in the Helsinki area, in: Journal of property research, Volume 1 (March) , p 51-73.


Karlsson, B., 2003, Property yields: concepts, determinants and measurement problems, Stockholm. Keeris,

W.G.,

1997,

Vastgoedbeheer

Lexicon;

begrippen-omschrijving-toelichting,

studenteneditie, september. Langens,

E.,

2002,

Het

aanvangsrendement

benaderd

vanuit

drie

verschillende

invalshoeken, rapportages, theorie en praktijk. McGough, T., Tsolacos, S., 2001, Do yields Reflect property Market Fundamentals?, in: Real Estate Finance and Investment Research, Number 1. Ong, S., Yuan L., Yu, S., Khor, A., 2002, A long run initial yield for offices: a panel cointegration test, 2002, in: Journal of property research, Volume March, p 12.

Pyhrr, S., Roulac, S., Born, W., 1999, Real Estate Cycles and their strategic implications for investors and portfolio managers in the global economy, In: Journal of real estate research, Volume 18, Number 1. ROZ/IPD-vastgoedindex, diverse publicaties en rapportages. Sivitanidou, R, Sivitianides, P., 1999, office capitalization rates: Real Estate and Capital

Market Influences, in: Journal of Real Estate Finance and Economics, Volume 18, Number 3, p 297-322. Sivitianides, P., Southard, J., Torto, R., Wheaton, W., 2001, The determinants of Appraisal-based capitalization rates, Torto Wheaton Research: Boston. Ten Have, G.M., 2002, Taxatieleer Vastgoed 1.


BIJLAGE DATA

GEBRUIKTE DETERMINANTEN IN MODELSELECTIE (ZOWEL DUMMY -VARIABELEN ALS ABSOLUTE DATA ):

Vraag/aanbod 2003

Cijfers DTZ

Amsterdam

Gemeente Amsterdam ROZ database

Den Haag

Gemeente Den Haag ROZ database

Rotterdam

Gemeente Rotterdam ROZ database

Utrecht

Gemeente Utrecht ROZ database

Eindhoven

Gemeente Eindhoven ROZ database

Schiphol/hoofddorp

Gemeente Schiphol/hoofddorp ROZ database

Arnhem

Gemeente Arnhem ROZ database

Den Bosch

Gemeente Den Bosch ROZ database

Groningen

Gemeente Groningen ROZ database

Maastricht

Gemeente Maastricht ROZ database

Zwolle

Gemeente Zwolle ROZ database

Breda

Gemeente Breda ROZ database

Amstelveen

Gemeente Amstelveen ROZ database

Zoetermeer

Gemeente Zoetermeer ROZ database

Nieuwegein

Gemeente Nieuwegein ROZ database

Rijswijk

Capelle a/d IJssel

Gemeente Rijswijk ROZ database

Gemeente Capelle a/d IJssel ROZ database

Regio Amsterdam

Amsterdam incl. Amstelveen en Diemen

Regio Rotterdam

Rotterdam incl. Capelle a/d IJssel

Regio Den Haag

Den Haag incl. Zoetermeer en Rijswijk

Regio Utrecht

Utrecht incl. Nieuwegein

Vier grote steden + regio Centrum

Kantoorgebouw gelegen op centrum locatie

Kantorenlocatie

Kantoorgebouw gelegen op kantoren

Woonwijken

Kantoorgebouw gelegen in woonwijk

Bedrijventerrein

Kantoorgebouw gelegen op bedrijventerrein

concentratie

Oorspronkelijk kantoor

Gebouwd als kantoor

Andere functie

Gebouw met oorspronkelijk andere functie

Kantorenlocatie Jaar < 1950

Gebouwen gebouwd in periode voor 1950

Jaar 1950-1960

Gebouw uit periode 1950-1960

Jaar 1960-1970



Jaar 1970-1980


Jaar 1980-1990


Jaar 1990-1995


Jaar 1995-2003


Verhouding VVO/BVO BVO< 250

BVO 250-500 BVO 500-1.000 BVO 1.000-2.000 BVO 2.000-5.000 BVO 5.000-10.000 Parkeren<25 Parkeren 25-50

Parkeren 50-100 Parkeren 100-150 Parkeren 150-200 Parkeren 200-1000 Parkeren >1000 Looptijd huurcontract 2 huurders 3 tot 5 huurders 6 tot 10 huurders

Meer dan 10 huurders Unit-grootte <250 Unit-grootte 250-500 Unit-grootte 500-1.000 Unit-grootte 1.000-2.000 Unit-grootte 2.000-5.000 Unit-grootte 5.000-10.000 Unit>10.000 Leegstand

Exploitatiekosten Markthuur Huurpotentie


Determinanten van de BAR op kantoren

Recommend Documents