Stijgende vastgoedprijzen in België ondanks de crisis

UNIVERSITEIT GENT

FACULTEIT ECONOMIE EN BEDRIJFSKUNDE ACADEMIEJAAR 2013 – 2014

Stijgende vastgoedprijzen in België ondanks de crisis

Masterproef voorgedragen tot het bekomen van de graad van Master of Science in de Economische Wetenschappen

Bram De Lange onder leiding van Prof. Johan Albrecht

UNIVERSITEIT GENT

FACULTEIT ECONOMIE EN BEDRIJFSKUNDE ACADEMIEJAAR 2013 – 2014

Stijgende vastgoedprijzen in België ondanks de crisis

Masterproef voorgedragen tot het bekomen van de graad van Master of Science in de Economische Wetenschappen

Bram De Lange onder leiding van Prof. Johan Albrecht

PERMISSION Ondergetekende verklaart dat de inhoud van deze masterproef mag geraadpleegd en/of gereproduceerd worden, mits bronvermelding. Bram De Lange

Woord Vooraf Het schrijven van een masterproef doe je niet in isolement, daarom wens ik volgende personen te bedanken. In eerste instantie wens ik professor dr. Albrecht te bedanken die me de mogelijkheid heeft gegeven deze masterproef te kunnen aanvatten. De heer Johan Van Gompel, Senior Economist van de bank KBC, voor het vrijmaken van tijd om het onderwerp van de masterproef te bespreken. Ook dr. Kenneth De Smet wil ik bedanken voor het kritisch nalezen van de masterproef.

Mijn ouders bedank ik voor hun steun en de kansen die ze me gegeven hebben tot verder studeren en de mogelijkheid tot schakelen naar de Master EW. Ook mijn broers, Jasper en Toon, verdienen een bedankje. Mijn kotgenoten Stijn Vanherk en Matthias Van Raemdonck voor de plezante momenten gedurende het afgelopen academiejaar. Tot slot, maar daarom zeker niet minder belangrijk, wens ik ook mijn vriendin drs. Catherine Apers te bedanken voor haar steun en tips bij het schrijven van dit werk.

Mei 2014 Bram De Lange

I

Inhoudsopgave 1. Inleiding ....................................................................................................................................... 1 2. Internationale en Belgische tendensen ...................................................................................... 3 2.1 Internationale prijsontwikkelingen ....................................................................................... 3 2.2 Belgische ontwikkelingen ...................................................................................................... 7 2.2.1 Ontwikkelingen op land-, gewest- en provinciaal niveau ............................................... 7 2.2.2 Evolutie vastgoedprijzen per type woonst ................................................................... 11 2.2.3 Alternatieve prijsindicatoren ........................................................................................ 16 3. De vastgoedmarkt: omschrijving, motieven tot instap en prijsvorming ............................... 20 3.1 De vastgoedmarkt bijzondere eigenschappen .................................................................... 20 3.3 Determinanten aan de vraagzijde.................................................................................... 22 3.3.1 Reëel beschikbaar inkomen .......................................................................................... 23 3.3.2 (Reële) interestvoeten .................................................................................................. 25 3.3.3 Demografische factoren ............................................................................................... 26 3.3.4 Vastgoedprijzen en kredieten ....................................................................................... 29 3.3.5 Overige determinanten................................................................................................. 32 3.3 Determinanten aan de aanbodzijde .................................................................................... 35 4. Verklaringen internationale ontwikkelingen............................................................................. 39 4.1 Gemeenschappelijke factoren ............................................................................................. 39 5. Econometrische analyse van de Belgische vastgoedprijzen ..................................................... 53 5.1 Schatting van een algemeen model .................................................................................... 53 5.2 Evaluatie van de modellen .................................................................................................. 66 6. Analyse van de ontwikkelingen post-crisis................................................................................ 69 6.1 Korte samenvatting marktontwikkelingen .......................................................................... 69 6.1 Demografische factoren en bouwactiviteit ......................................................................... 70 6.3 Leningen en financiëringsvoorwaarden .............................................................................. 80 II

6.4 De rol van vermogen ........................................................................................................... 91 6.5 Beleids- en andere potentiële factoren............................................................................... 96 7. Conclusie ................................................................................................................................... 99

III

Gebruikte afkortingen ADF: Augmented Dickey-Fuller ADL: Autoregressive Distributed Lag BIS: Bank for International Settlements BLS: Bank Lending Survey BTW: Belasting over de Toegevoegde Waarde BVK: Beroepsvereniging voor het Krediet CO: Collateralized Debt Obligation CPI: Consumptieprijsindex DW: Durbin Watson ECB: Europese Centrale Bank ECM: Error Correction Mechanism EMF: European Mortgage Federation EU: Europese Unie FOD: Federale Overheidsdienst FRBD: Federal Reserve Bank of Dallas ICB: Instelling voor Collectieve Belegging IMF: Internationaal Monetair Fonds JOJ: Jaar op Jaar NAIRU: Non-Accelerating Inflation Rate of Unemployment MBS: Mortgage-Backed Security NBB: Nationale Bank van België LTV: Loan-to-Value OESO: Organisatie voor Economische Samenwerking en Ontwikkeling S&P: Standard & Poor’s SBC: Schwarz Criterion VAR: Vector Autoregression VECM: Vector Error Correction Mechanism VK: Verenigd Koninkrijk VS: Verenigde Staten VZW: Vereniging Zonder Winstoogmerk IV

Z J: Zonder Jaartal

V

Lijst van figuren Figuur 2.1: Evolutie reële vastgoedprijzen per kwartaal 1975q1-2013q3 (index 2005=100)....…….4 Figuur 2.2: Evolutie vastgoedprijzen België……………………………….....……………………………………………8 Figuur 2.3: Procentuele groei vastgoedprijzen ............................................................................... 9 Figuur 2.4: Evolutie vastgoedprijzen per regio ............................................................................. 10 Figuur 2.5: Scatterplot gemiddelde groeipercentages per kwartaal ............................................ 11 Figuur 2.6: Ontwikkeling vastgoedprijzen België per type (1973-2013q3) .................................. 12 Figuur 2.7: Jaarlijkse groei vastgoedprijzen per type woonst (periode 2000q1 -2013q3) ........... 14 Figuur 2.8: Groeipercentage 2013q3/2008q3 diverse woningtypes en prijsklassen ................... 15 Figuur 2.9: Price-to-Income ratio België (1975Q1-2013Q3) ......................................................... 17 Figuur 2.10: Price-to-Rent ratio België (2006q1-2013q3) ............................................................ 18 Figuur 2.11: Price-to-rent en Price-to-income 2013 ..................................................................... 18 Figuur 3.1: Demografie en huizenprijzen ...................................................................................... 28 Figuur 3.2: Bevindingen empirisch onderzoek omtrent determinanten aanbod ......................... 36 Figuur 4.1: Verloop rente op lange termijn. Periode 1960q1-2013q4 ......................................... 40 Figuur 4.2: Hypothecaire huishoudelijke schuld ten aanzien van het BBP ................................... 41 Figuur 4.3: Consumentenvertrouwen Frankrijk 2007-2014 ......................................................... 44 Figuur 4.4: Consumentenvertrouwen en economische groei Nederland (2002-2013)................ 45 Figuur 4.5: Consumentenvertrouwen Japan ................................................................................. 51 Figuur 5.1: Grafische inspectie stationariteit ................................................................................ 54 Figuur 5.2: Overzicht geschatte en werkelijke waarden ............................................................... 60 Figuur 5.3: Accuraatheid opgesteld ECM-model .......................................................................... 65 Figuur 5.4: Static forecast 2008q3-2013q3 op basis van coïntegratie model .............................. 66 Figuur 5.5: Forecasting 2008q3-2013q3 ECM ............................................................................... 67 Figuur 6.1: Aantal woongelegenheden per huishouden ............................................................... 70 Figuur 6.2: Constructie woningen en werkgelegenheid bouwsector ........................................... 71 VI

Figuur 6.3: Groei investeringen in woningen ................................................................................ 72 Figuur 6.4: Bouwbarometer .......................................................................................................... 73 Figuur 6.5: Bouwsector verwachtingen ........................................................................................ 73 Figuur 6.6: Prijselasticiteit van aanbod woningen ........................................................................ 74 Figuur 6.7: Echtscheidingen en gemiddelde gezinsgrootte België ............................................... 75 Figuur 6.8: Aandeel gezinstypes in aantal gezinnen België .......................................................... 76 Figuur 6.9 Migraties en saldo ........................................................................................................ 77 Figuur 6.10: Jaarlijkse groei gezinnen en woningen ..................................................................... 78 Figuur 6.11: Prijs per m2 en verloop ABEX-Index ......................................................................... 79 Figuur 6.12 Hypothecaire schuld op BBP ...................................................................................... 80 Figuur 6.13: Evolutie diverse hypothecaire leenvormen .............................................................. 81 Figuur 6.14: Consumentenvertrouwen België .............................................................................. 82 Figuur 6.15: Gemiddeld bedrag hypothecaire lening ................................................................... 82 Figuur 6.16: Eigen inbreng in woonst............................................................................................ 83 Figuur 6.17: Resultaten BLS ........................................................................................................... 84 Figuur 6.18: Evolutie BLS kredietaanvragen ................................................................................. 85 Figuur 6.19: Totaal toegestaan volume hypothecaire leningen ................................................... 86 Figuur 6.20: Gemiddeld ontleende bedragen ............................................................................... 87 Figuur 6.21: Aantal goedgekeurde dossiers per Gewest .............................................................. 88 Figuur 6.22: Rentevoeten diverse types hypothecaire leningen .................................................. 89 Figuur 6.23: Basisrente ECB........................................................................................................... 90 Figuur 6.24: Aandelen vast en variabele leencontracten ............................................................. 90 Figuur 6.25: Verband inflatie en huizenprijzen ............................................................................. 92 Figuur 6.26: Totaal financieel vermogen België ............................................................................ 93 Figuur 6.27: Evolutie Bel 20 Index ................................................................................................. 94 Figuur 6.28: Evolutie diverse activaklassen .................................................................................. 94 VII

Figuur 6.29: Evolutie vermogen aan vastgoed .............................................................................. 95 Figuur 6.30: Eigenaarschap België, EU-15 en EU-28 ..................................................................... 97 Figuur 6.31: Aantal Transacties ..................................................................................................... 98

VIII

Lijst van tabellen Tabel 2.1: Procentuele groei vastgoedprijzen................................................................................. 6 Tabel 2.2: Gemiddelde jaarlijkse groeipercentages naar type woonst ........................................ 13 Tabel 4.1: Jaarlijkse BBP-groei....................................................................................................... 42 Tabel 5.1: Weergave resultaten Augmented Dickey-Fuller testen ............................................... 55 Tabel 5.2: Regressie vastgoedprijzen op fundamentals ............................................................... 57 Tabel 5.3a: Alternatieve regressies ............................................................................................... 58 Tabel 5.3b: resultaten alternatieve regressies .............................................................................. 59 Tabel 5.4: Uitsplitsing prijsverloop naar verklarende factoren .................................................... 61 Tabel 5.5: Overzicht geschatte ADL-modellen .............................................................................. 63 Tabel 5.6: Weerhouden ADL-model en ECM ................................................................................ 64

IX

1. Inleiding September 2008 markeert het startschot voor de ergste financieel-economische crisis sinds de Grote Depressie in de jaren ’30 van vorige eeuw. Een crisis die de wereld, op enkelen na, totaal niet heeft zien aankomen en hard dooreen schudde. Een crisis die voor velen een catastrofe betekende. Na vijf lange jaren duiken de eerste tekenen van herstel op. Zo bouwt de Federal Reserve haar steunaankopen af in de Verenigde Staten. En ook de Europese-Unie (EU) kruipt uit de diepe put die de financieel-economische crisis geslagen heeft. De oorsprong van deze crisis ligt in belangrijke mate bij de vastgoedmarkten. Vastgoedprijzen werden kunstmatig de hoogte in gedreven in de VS, Ierland en Spanje via allerlei dubieuze mechanismen. The sky was the limit. Een vastgoedzeepbel was in de maak en is uiteindelijk uiteengespat met de gekende gevolgen. Het hoeft dan ook geen betoog dat vastgoedmarkten een cruciale rol spelen in de macroeconomische stabiliteit en de welvaart.

Hoe is het met de Belgische vastgoedmarkt gesteld? Hoewel de crisis zeer ernstig was, lijkt het alsof de Belgische markt geen hinder ondervindt van deze crisis. Vastgoedprijzen lijken maar niet te willen dalen. Laten we er enkele krantenkoppen bijnemen. Zo publiceerde De Tijd op 19 november 2013: “Spat de vastgoedzeepbel uiteen?” Ook de blog hypotheek-woonlening.be wijdde een topic aan de vastgoedmarkt onder de titel: “Wanneer barst de vastgoedzeepbel? Vastgoedzeepbel staat eraan te komen.” Een ander standpunt wordt weergegeven in Trends onder de hoofding: “Vastgoedzeepbel is een mythe.”

Hieruit blijkt dat er geen eenduidigheid bestaat over dit topic. Het is dan ook binnen deze optiek dat deze masterproef dient gesitueerd te worden. Het is na het horen en lezen van talloze onheilspellende berichten dat ik me vragen begon te stellen bij deze kwestie. Vragen zoals: hoe komt het dat de vastgoedprijzen blijven stijgen? Stevenen we af op een crash in de vastgoedmarkt met potentieel catastrofale gevolgen? Het leek me daarom interessant om zelf onderzoek naar deze kwestie te voeren, en inzicht te krijgen in deze complexe materie. In deze masterproef zal onderzoek verricht worden naar de oorzaken van de stijgende vastgoedprijzen in ons land. 1

Deze masterproef biedt daartoe een uitgelezen kans. Daarbij in gedachten houdend dat ikzelf binnenkort ook mijn eerste stappen zet op de vastgoedmarkt en de aanschaf van een woonst een uitermate belangrijke beslissing is, zeker op financieel vlak. Een beslissing die iedereen vroeg of laat dient te nemen en waarbij veel zaken komen om de hoek komen kijken. Anticiperend op deze beslissing heb ik daarom deze kans gegrepen en volgde hieruit dit werk Laat ik ter afsluiting van deze inleiding nog de structuur uiteenzetten van deze masterproef. In het tweede hoofdstuk zullen de evoluties in huizenprijzen sinds 1970 besproken worden. Dit zowel op internationaal als op Belgisch vlak. Voor België zal de bespreking een diepgaander karakter hebben, en bekijken we verschillen naargelang regio, provincie, type woonst en prijsklasse. Vervolgens analyseren we determinanten van vastgoedprijzen in het derde hoofdstuk. De theoretische impact en empirisch onderzoek naar factoren aan de vraag- en aanbodzijde van de vastgoedmarkt passeren de revue. In het vierde hoofdstuk koppelen we determinanten van vastgoedprijzen beschreven in het derde hoofdstuk aan ontwikkelingen op de internationale vastgoedmarkten. In de daaropvolgende hoofdstukken vijf en zes nemen we de Belgische kwestie onder de loep. Hier zullen we een antwoord formuleren op de hoofdvraag van deze masterproef, namelijk wat het stijgende prijsverloop op de Belgische vastgoedmarkt verklaart ondanks de economische crisis. In het vijfde hoofdstuk starten we daarom met het opstellen van een econometrisch model dat de Belgische vastgoedprijzen verklaart. In het zesde hoofdstuk vullen we de econometrische benadering aan met andere elementen. We bekijken hier meer in detail wat de oorzaken kunnen zijn van de prijsevoluties op de vastgoedmarkt. Diverse factoren komen aan bod, zowel aan vraag- en aanbodzijde. Na dit zesde hoofdstuk wordt deze masterproef afgesloten met een hoofdstuk waar de conclusies zullen neergeschreven worden.

2

2. Internationale en Belgische tendensen In dit hoofdstuk wordt een overzicht gegeven van de evolutie van de vastgoedprijzen op enkele internationale markten. Hierbij wordt België opgenomen samen met de buurlanden. Dit omwille van het feit dat men kan verwachten dat economische ontwikkelingen meer gelijklopen in buurlanden. Italië en Spanje vanwege de grootte van hun economieën binnen de Europese-Unie. De VS omdat deze vastgoedmarkt aan de basis lag van de huidige crisis. Tot slot wordt Japan ook opgenomen in de analyse. Deze economie maakt een diepgaande crisis door sinds begin jaren ’90 die de vastgoedmarkten niet heeft gespaard. Het is daarom interessant om ook deze markt onder de loep te nemen. Nadat de internationale markten de revue zijn gepasseerd, komt België diepgaand aan bod. We benadrukken dat het opzet van dit hoofdstuk louter beschrijvend is van aard, en dat enkel de vastgoedprijsontwikkelingen worden beschreven. Een beschrijving van de data en de bronnen hiervan terug te vinden zijn in appendix 1.

2.1 Internationale prijsontwikkelingen Figuur 2.1 geeft een overzicht van de prijsontwikkelingen op de hierboven vermelde internationale markten. De Federal Reserve Bank of Dallas (FRBD) dient hierbij als bron voor de gegevens. Ter verzameling van de gegevens doet de instelling beroep op nationale instanties, zowel privaat als publiek. De FRBD merkt op dat het internationaal vergelijken van vastgoedprijzen moeilijk is, omwille van een sterke heterogeniteit in meetmethodes, data aggregatie en het tijdstip van vrijgeven van de data. Vastgoed is immers sterk heterogeen en de instanties die de data verzamelen en vrijgeven worden geleid door diverse doeleinden (Mack & Martinez-Garcia, 2011, p. 5). Hierop verder bouwend stelt de FRBD verder nog dat dergelijke indexen gebaseerd zijn op een steekproef van transacties die in de desbetreffende periode werden verricht. De verdeling van transacties over locaties en transacties gebeuren echter onregelmatig. Bijgevolg kan de representativiteit van de data een zorg zijn, (Mack & MartinezGarcia, 2011, p. 6). Ondanks deze moeilijkheden heeft de FRDB getracht een index te creëren die internationaal vergelijkbaar is. Ter volledigheid vermelden we dat de eerste vier observaties voor Nederland en Spanje gebaseerd zijn op eigen berekeningen van de bank zelf. De laatste twee waarden voor België en Duitsland zijn gebaseerd op voorspellingen.

3

Duitsland

Italië

2008:Q4 2010:Q1 2011:Q2 2012:Q3

2008:Q4 2010:Q1 2011:Q2 2012:Q3

2010:Q1

2011:Q2

2012:Q3

2002:Q3

2001:Q2

2000:Q1

1998:Q4

1997:Q3

1996:Q2

1995:Q1

1993:Q4

1992:Q3

1991:Q2

1990:Q1

1988:Q4

1987:Q3

1986:Q2

1985:Q1

1983:Q4

1982:Q3

1981:Q2

1980:Q1

1978:Q4

1977:Q3

1976:Q2

1975:Q1

2008:Q4

0,00

2007:Q3

50,00

2006:Q2

100,00

2007:Q3

150,00

2006:Q2

200,00

2007:Q3

Evolutie Vastgoedprijzen (1971Q1-2013Q1)

2006:Q2

VS

2005:Q1

PERIODE

2003:Q4

140,00 120,00 100,00 80,00 60,00 40,00 20,00 0,00

2005:Q1

Evolutie Vastgoedprijzen (1971Q1-2013Q1)

2003:Q4

Nederland

2005:Q1

2002:Q3

2001:Q2

2000:Q1

1998:Q4

1997:Q3

PERIODE

2003:Q4

2002:Q3

2001:Q2

VK

2000:Q1

1998:Q4

1996:Q2

1995:Q1

1993:Q4

1992:Q3

Luxemburg

1997:Q3

Frankrijk

1996:Q2

1995:Q1

1993:Q4

1992:Q3

Spanje

1991:Q2

1990:Q1

1988:Q4

1987:Q3

1986:Q2

1985:Q1

1983:Q4

1982:Q3

1981:Q2

1980:Q1

1978:Q4

1977:Q3

1976:Q2

1975:Q1

PRIJZEN VASTGOED

België

1991:Q2

1990:Q1

1988:Q4

1987:Q3

1986:Q2

1985:Q1

1983:Q4

1982:Q3

1981:Q2

1980:Q1

1978:Q4

1977:Q3

1976:Q2

1975:Q1

PRIJZEN VASTGOED

PRIJZEN VASTGOED

Figuur 2.1: Evolutie reële vastgoedprijzen per kwartaal 1975q1-2013q3 (index 2005=100)

Evolutie Vastgoedprijzen (1971Q1-2013Q1)

140,00 120,00 100,00 80,00 60,00 40,00 20,00 0,00

PERIODE

Japan

Bron Federal Reserve Bank of Dallas, Eigen Verwerking

4

Wanneer we figuur 2.1 van naderbij bekijken, vallen een aantal zaken op. Zo zijn de prijzen van vastgoed sinds midden jaren ’70 in reële termen toegenomen in de landen in de twee bovenste luiken van de figuur. De globale tendens is stijgend, hoewel dit soms wordt onderbroken door een kortstondige daling. Contrasterend hiermee is Duitsland, waar de vastgoedprijzen in feite een quasi-horizontaal verloop kennen. Japan kent voor het eerste kwartaal van 1992 een steile opgang, is Japan het enige land waar de vastgoedprijzen in reële termen gedaald zijn. De vastgoedprijzen in Italië kennen een echt volatiel verloop. Om uiteindelijk in vergelijking met 1975 licht gedaald te zijn. In tabel 2.1 wordt de groei in vastgoedprijzen van de diverse landen gepresenteerd over de decennia. Het decennium 2000 wordt opgesplitst in twee delen, voor de crisis en na de crisis. Als startpunt van de financieel-economische crisis wordt als periode 2008q3 genomen. September 2008 markeert immers het begin van de crisis met de val van de Amerikaanse zakenbank Lehman Brothers. Uit deze tabel komen enkele opvallende zaken naar voren. Zo zien we bijvoorbeeld dat de woningprijzen in Luxemburg steeds zijn blijven stijgen. Ook valt op dat de woningprijzen in veel landen reeds geruime tijd voor het uitbreken van de wereldwijde crisis onafgebroken gestegen zijn. Opmerkelijk zijn ook de bij momenten sterke stijgingspercentages die het Verenigd Koninkrijk laat opmeten. Spanje kent de sterkste stijging in vastgoedprijzen in de periode voor de financieel-economische crisis op de wereld losbreekt. Nadien ondergaat Spanje ook de scherpste correctie. Nederland laat hier de tweede sterkste correctie opmeten. Na een lange en hevige stijging van de vastgoedprijzen in het land, dalen de prijzen met 25.61%. De enige uitzonderingen op deze regel zijn Duitsland, Italië en Japan. Wat Italië betreft zien we dat een periode van stijging regelmatig onderbroken wordt door een periode van afkoeling. Opvallend is het gegeven van de VS. Hoewel het de implosie van de vastgoedmarkten in de VS de schokgolf veroorzaakte, is het niet dat de markt de grootste stijging laat opmerken over de periode 2000q1-2008q2. Bekijken we de cumulatieve stijging tijdens de periode 1975q1-2008q2, de laatste rij in de tabel, dan heeft het Verenigd Koninkrijk de grootste stijging doorgemaakt, met 260,02%. Enkel Duitsland en Japan laten over deze periode een daling optekenen, van respectievelijk 14,02% en 5,29%. België tenslotte kent al sinds 1990 een onafgebroken stijging in vastgoedprijzen. Over de geheel beschouwde periode zijn deze prijzen met 161,74%

5

toegenomen. Wat de periode 2008q3-2013q2 betreft, in volle crisis, gaat enkel Luxemburg België vooraf. Ook de sterke stijgingspercentages in de periode voor de crisis zijn uitzonderlijk.

6

2.2 Belgische ontwikkelingen Nu bekijken we in detail de vastgoedprijsevoluties binnen België. Dit doen we op verscheidene niveaus: nationaal, gewestelijk en provinciaal. Daarenboven bekijken we ook de evoluties van de diverse woningtypes: appartementen, villa’s en woonhuizen.

2.2.1 Ontwikkelingen op land-, gewest- en provinciaal niveau Onderstaande figuur 2.2 geeft de ontwikkelingen weer op nationaal niveau. Hiertoe werd gebruik gemaakt van de gegevens beschikbaar op de website van de FOD Economie. Deze instantie baseert de vastgoedprijzen op alle verkopen gedurende het betreffende jaar, semester of kwartaal waarvoor registratierechten dienen betaald te worden. De vastgoedprijzen waaruit de figuren zijn opgebouwd zijn gemiddelde prijzen van alle transacties die plaatsvonden gedurende de periode in kwestie.

De gegevens in de datasets zijn enkel beschikbaar per type woning: appartement, villa of gewone gezinswoning. Om een globale vastgoedprijs te berekenen werd een gewogen gemiddelde genomen op basis van het aantal transacties, in formulevorm:

𝑉𝑎𝑠𝑡𝑔𝑜𝑒𝑑𝑝𝑟𝑖𝑗𝑠𝑡 = ∑3𝑖=1

𝐴𝑎𝑛𝑡𝑎𝑙 𝑡𝑟𝑎𝑛𝑠𝑎𝑐𝑡𝑖𝑒𝑠𝑖𝑡 𝑇𝑜𝑡𝑎𝑎𝑙 𝑎𝑎𝑛𝑡𝑎𝑙 𝑡𝑟𝑎𝑛𝑠𝑎𝑐𝑡𝑖𝑒𝑠𝑡

∗ 𝐺𝑒𝑚𝑖𝑑𝑑𝑒𝑙𝑑𝑒 𝑝𝑟𝑖𝑗𝑠𝑖𝑡

In deze formule is i het type: appartement, villa of gewoon woonhuis. Het subscript t verwijst naar het kwartaal in kwestie, van 1973q1 tot en met 2013q3.

7

Figuur 2.2: Evolutie vastgoedprijzen België

Evolutie vastgoedprijzen België (Periode 1973-2013q3)

Gewogen Gemiddelde Prijs

250.000,00

200.000,00

150.000,00

100.000,00

50.000,00

0,00

Periode Bron: Eigen verwerking op basis van gegevens FOD Economie

Uit bovenstaande figuur kunnen we opmaken dat de vastgoedprijzen sinds 1973 met meer dan een factor 10 in waarde toegenomen zijn. Het is interessant is om ons te richten op de groeicijfers van de vastgoedprijzen, zie figuur 2.3. Dit is ook al eerder aan bod gekomen in dit werk, zie supra p. 6, maar nu concentreren we ons op de meer recente periode, namelijk vanaf het jaar 2000. Uit deze figuur blijkt dat de jaarlijkse groeipercentages, zeker voor wat betreft de eerste helft van de jaren ’00, hoog oplopen. Voor het overgrote deel van de beschouwde periode zijn de percentages positief. De vastgoedprijzen dalen enkel tussen 2008 en 2009 in nominale termen, zij het zeer licht. Reëel zowel in 2008, 2009 en 2012. Bovendien valt het effect van de crisis duidelijk op. De jaarlijkse groeipercentages liggen lager dan het geval is voor de crisis, zeker wat de reële groei betreft.

8

Figuur 2.3: Procentuele groei vastgoedprijzen 20,00%

Jaarlijkse groei vastgoedprijzen (2000q1-2013q3)

Percentage

15,00%

10,00%

5,00%

0,00%

-5,00%

Periode Nominaal

Reëel

Bron: Eigen verwerking via gegevens FOD Economie (a) De hoge groei tussen 2004 en 2005 is deels het gevolg van een wijziging in meetmethode van de FOD Economie. Dit kan de resultaten vertekenen van deze jaren. (b) Inflatiecijfers zijn berekend op basis van de gezondheidsindex met basis 2013 van de FOD Economie. (c) Reële groei is berekend door de nominale groei te verminderen met het desgevallende inflatiepercentage. (d) De groei in 2013 is berekend ten opzicht van het relevante kwartaal in 2012.

Nu gaan we iets dieper in detail en bekijken we de evoluties in de drie gewesten: het BrusselsHoofdstedelijk Gewest, het Vlaams Gewest en het Waals Gewest. We herhalen de oefening zoals gepresenteerd in figuur 2.2 en werken een globale index uit voor de drie gewesten. Het resultaat is figuur 2.4. Waar de drie gewesten in eerste instantie een quasi-gelijk startpunt hebben, groeien ze uit elkaar. Zeker de ontwikkeling van het Brussels Hoofdstedelijk Gewest is opvallend. Rond 2004 kent het gewest een sterke opgang in woningprijzen. Deze vaststelling kan deels te wijten zijn aan de gewijzigde methodologie van de FOD Economie bij het verzamelen van vastgoedprijzen, maar vermits alle gewesten een dergelijk patroon kennen rond 2004 is dit waarschijnlijk voor het gros te wijten aan andere factoren. Ook merken we dat de woningprijzen van alle gewesten een kleine daling kennen rond 2009. Tijdens de crisisperiode kennen de woningprijzen een quasi-onafgebroken stijgend verloop. Het is dus niet zeker zo dat dit ‘privilege’ tijdens de crisis voorbehouden bleef voor een bepaald gewest.

9

Figuur 2.4: Evolutie vastgoedprijzen per regio

Vastgoedprijzen per gewest (Periode: 1973-2013q3) 300.000,00

Prijs vasgoed

250.000,00 200.000,00 150.000,00 100.000,00 50.000,00 0,00

Periode Vlaams Gewest

Waals Gewest

Brussels Hoofdstedelijk Gewest

Bron: FOD Economie, Eigen Verwerking

Ter afsluiting van dit onderdeel presenteren we cijfers die betrekking hebben op de tien Belgische provincies. Nu zal er een andere werkwijze gehanteerd worden, zoals in Van Gompel & Noppe (2011). Via een scatterplot bekijken we of er een verband is tussen de gemiddelde kwartaal groei van de woningprijzen over de precrisis periode 1990q1-2008q2 en de gemiddelde groei per kwartaal van deze prijzen over 2008q3-2013q3, de crisisperiode. In figuur 2.5 is er geen verband tussen de twee periodes te ontwarren. De provincie met de sterkste gemiddelde kwartaalgroei in periode 1, kent niet de automatisch de sterkste gemiddelde groei in de tweede periode. Dit wijst op een afkoelingseffect. We merken in de figuur wel op dat de gemiddelde groei voor beide periodes in geen enkele provincie negatief is. Doch de gemiddelde kwartaal groei tijdens de crisisperiode is substantieel lager dan het geval voor de crisis. Ook hier merken we dus duidelijk een effect van de crisis.

10

Figuur 2.5: Scatterplot gemiddelde groeipercentages per kwartaal

Groeiercentage periode 2008q3-2013q3

Gemiddelde groeipercentage woningprijzen per kwartaal 1,20% 1,00% 0,80% 0,60% 0,40% 0,20% 0,00% 0,00%

0,50%

1,00%

1,50%

2,00%

2,50%

Groeipercentage periode 1990q1-2008q2 Antwerpen

Vlaams-Brabant

Waals-Brabant

West-Vlaanderen

Oost-Vlaanderen

Henegouwen

Luik

Limburg

Luxemburg

Namen

Bron: Eigen verwerking van gegevens FOD Economie

2.2.2 Evolutie vastgoedprijzen per type woonst De FOD Economie verzamelt in eerste instantie gegevens over de vastgoedprijzen per type woonst. Hierbij maakt de overheidsdienst onderscheid tussen drie categorieën: gewone woonhuizen, villa’s en appartementen. De evolutie sinds 1973 wordt gepresenteerd in figuur 2.6.

11

Figuur 2.6: Ontwikkeling vastgoedprijzen België per type (1973-2013q3)

Ontwikkeling vastgoedprijzen België per type (1973-2013q3) 400.000 350.000

¨Prjizen

300.000 250.000 200.000 150.000 100.000 50.000 0

Periode Appartementen

Woonhuizen

Villa's

Bron: FOD Economie, Eigen Verwerking

We zien in bovenstaande figuur dat het prijsverloop van appartementen en woonhuizen bijna identiek is. De prijzen van appartementen bevinden zich steeds boven deze van de woonhuizen. Het prijsverloop van deze twee reeksen is bovendien minder volatiel dan deze van villa’s. Deze laatste reeks kenmerkt zich door af en toe scherpe dalingen. De volgende tabel zoomt in op de evoluties doorheen de decennia vanaf 1973 en bekijkt de evolutie gedurende de crisis. In de tabel wordt per periode de gemiddelde groeivoet aangegeven: Uit tabel 2.2 blijkt dat de groei in vastgoedprijzen voor alle types tijdens de eerste periode erg hoog lag in nominale en reële termen. Gedurende de laatste twee perioden zetten de villa’s de laagste groei neer. Toch merken we op dat hoewel de groeipercentages in nominale termen steeds positief zijn, dit niet steeds het geval is voor de reële jaarlijkse groeipercentages. Sinds de crisis zijn de prijzen van alle vastgoedtypes gestegen, het gros is voor rekening van appartementen. Enkel villa’s laten een lichte daling opmerken, wanneer we corrigeren voor het prijspeil.

12

Tabel 2.2: Gemiddelde jaarlijkse groeipercentages naar type woonst

Type/ Periode

1973q1-1979q4

1980q1-1989q4

1990q1-1999q4

2000q1-2008q2

2008q3-2013q3

Appartementen

11,89%

4,75%

3,09%

8,32%

2,98%

Villa's

12,04%

5,07%

4,68%

2,53%

1,25%

Woonhuizen

17,56%

2,08%

5,87%

9,68%

2,53%

Inflatie

7,80%

4,90%

2,14%

2,26%

1,65%

Appartementen

4,09%

-0,15%

0,94%

6,06%

1,33%

Villa's

4,24%

0,17%

2,54%

0,28%

-0,40%

Woonhuizen

9,76%

-2,82%

3,72%

7,42%

0,88%

Bron: FOD Economie, Eigen Verwerking (a) inflatiepercentages is het gemiddelde inflatiepercentage over de beschouwde periode. Berekend via de CPI van de FOD Economie. (b) Bovenste drie rijen zijn nominale groeipercentages. De onderste drie betreffen reële. Deze werden berekend als: nominaal (%) - inflatie (%).

Figuur 2.7 bekijkt de nominale en reële groeipercentages in vastgoedprijzen ten aanzien van het voorgaande jaar gedurende het laatste decennium voor de drie types van vastgoed. Voor het jaar 2013 vergelijken we de groei over het overeenkomstige kwartaal van 2012, bijvoorbeeld: de groei in kwartaal drie van 2013 wordt bekeken ten opzichte van het derde kwartaal van 2012. Ook hier merken we dat de groeipercentages inzake prijzen verschillen tussen de types vastgoed. We zien bijvoorbeeld dat de groei in prijzen van villa’s een scherpe duik maakt tussen 2004 en 2005. Voor woningen is dit het omgekeerde geval. De groeipercentages van appartementen zijn het minst volatiel. Er is wel degelijk een effect te merken van de crisis op de groeipercentages. De periode voor de crisis kenmerkt zicht door een hoger jaarlijks groeicijfer. Herinner dat tabel 2.2 en figuur 2.3 (zie supra p. 6 en 9) dit reeds illustreerden. De jaarlijkse groei in prijzen van villa’s zijn frequent uitgesproken negatief. Deze dalingen zijn veel sterker dan van de overige twee types vastgoed. Het effect van de crisis manifesteert zich blijkbaar uitgesprokener op de markt voor villa’s. Doch de prijzen hernemen zich in het derde kwartaal van 2013 met meer dan 2%. Het jaarlijks groeipercentage in prijzen van woningen en appartementen is slechts zelden negatief, en in dergelijk geval gering negatief.

13

Figuur 2.7: Jaarlijkse groei vastgoedprijzen per type woonst (periode 2000q1 -2013q3)

Percentage

Jaarlijkse groeipercentages woningen (2000q12013q3 35,00% 30,00% 25,00% 20,00% 15,00% 10,00% 5,00% 0,00% -5,00%

Nominaal

Periode Reëel

Jaarlijkse groeipercentages appartementen (2000q1-2013q3) 20,00%

Percentage

15,00% 10,00% 5,00% 0,00% -5,00%

Periode Nominaal

Reëel

Jaarlijks groeipercentage villa's (2000q1-2013q3) 10,00%

Percentage

5,00% 0,00% -5,00% -10,00% -15,00%

Periode Nominaal

Reëel

Bron: FOD Economie, Eigen Verwerking (a) Inflatie werd berekend via de CPI van de FOD Economie. Het reële groeipercentage is gelijk aan het nominale min inflatie.

14

De cijfers van de FOD Economie laten bovendien toe een idee te krijgen in welke prijsklasse de prijzen het snelste gestegen zijn. De instantie rangschikt de prijsgegevens van laag naar hoog en berekent op basis hiervan het tiende percentiel, eerste kwartiel, derde kwartiel en negentigste percentiel. Zo krijgen we een idee waar de prijsstijgingen zich het meest hebben gemanifesteerd. Figuur 2.8 illustreert. We bekijken hier de verhouding tussen de prijzen van 2013q3 en 2008q3, voor de vermelde percentielen en kwartielen, voor de drie woningtypes. Zo wordt het effect van de crisis op de diverse prijsklassen duidelijk. Figuur 2.8: Groeipercentage 2013q3/2008q3 diverse woningtypes en prijsklassen

Groei in prijzen 2013q3/2008q3 in percentielen en kwartielen 25,00%

Groeipercentage

20,00%

15,00%

10,00%

5,00%

0,00% P10

Q25

Q50

Q75

P90

Percentiel/Kwartiel Woningen

Villa's

Appartementen

Bron: FOD Economie, Eigen Verwerking

We merken op dat het verloop voor woningen als appartementen erg gelijkaardig is. De grootste prijsstijging heeft zich voorgedaan bij Q75. Dit wil zeggen binnen de groep van woningen waarbij 75% goedkoper is, gevolgd door P90. De reeds duurdere categorieën van woningen en appartementen zijn sterker in prijs toegenomen, ondanks de crisis. De prijsstijgingen van woningen en appartementen zijn hier hoger voor alle klassen dan bij villa’s.

15

2.2.3 Alternatieve prijsindicatoren Ter afsluiting van dit hoofdstuk bekijken we nog twee alternatieve manieren die worden gehanteerd om de prijsevoluties van landen te beschrijven, namelijk de price-to-income ratio en de price-to-rent ratio De idee achter de eerste indicator is de volgende: stijgen de vastgoedprijzen erg in verhouding tot het inkomen, dan zal vastgoed te duur worden voor gezinnen. Hierdoor zal de vraag dalen en bijgevolg de vastgoedprijs. De price-to-rent ratio geeft de verhouding weer tussen vastgoedprijzen en de huur die wordt gevraagd. Een stijgende ratio zal huur aantrekkelijker maken in vergelijking met het aankopen van een woonst. Dit doet op zijn beurt de vraag dalen, en als gevolg ook de prijs van vastgoed (André, 2010, p. 11). Volgens deze redenering zouden deze indices geen trendmatig of een zwak trendmatig patroon moeten vertonen. De ratio’s zouden dus met andere woorden stationair zijn. Vinden we deze tendens ook terug in de data? Voor een panel van 16 OESO-landen testen André, Gil-Alana, Gupta (2013) de ‘order of integration’. De testresultaten tonen aan dat beide ratio’s non-stationair zijn, de integratieorde is significant verschillend van nul. Voor België vinden de auteurs een orde van integratie van grootte 1,3 à 1,6. Dit duidt ook op non-stationariteit. Girouard, Kennedy, van den Noord, André (2006) hanteren een Augmented Dickey-Fuller (ADF) test. Voor de meerderheid van de geteste OESO-landen is de ADF-test niet significant. Wat duidt op een unit-root in de price-to-income en price-to-rent ratio. Een alternatieve werkwijze wordt gehanteerd door Gallin (2003). Via coïntegratietesten wordt het verband nagegaan tussen inkomen en woningprijzen in de VS. Zowel op het nationale niveau als op het stedelijk niveau wordt geen coïntegratie gevonden in de data. Figuur 2.9 geeft het verloop weer van de price-to-income ratio voor België vanaf het eerste kwartaal van het jaar 1975. Hiertoe wordt gebruik gemaakt van twee indices: de reële huizenprijsindex en het reëel beschikbaar inkomen. Beiden hebben het jaar 2005 als basis. Er wordt ook een trendlijn geplot in de figuur.

16

Figuur 2.9: Price-to-Income ratio België (1975Q1-2013Q3)

1,4 1,2 1 0,8 0,6 0,4 0,2 0

1975:Q1 1976:Q3 1978:Q1 1979:Q3 1981:Q1 1982:Q3 1984:Q1 1985:Q3 1987:Q1 1988:Q3 1990:Q1 1991:Q3 1993:Q1 1994:Q3 1996:Q1 1997:Q3 1999:Q1 2000:Q3 2002:Q1 2003:Q3 2005:Q1 2006:Q3 2008:Q1 2009:Q3 2011:Q1 2012:Q3

Waarde ratio

Price-to-Income (1975q1-2013q3)

Periode Belgium Price-to-Income

Lineair (Belgium Price-to-Income)

Bron: Federal Reserve Bank of Dallas, Eigen Verwerking

Er blijkt een duidelijke opwaartse trend aanwezig in de figuur. Dit is in contradictie met de notie dat de reeks stationair dient te zijn, en dus bij te grote afwijkingen tussen de twee indices dient te dalen tot een bepaalde evenwichtswaarde. De stijging is bovendien al een lange tijd aan de gang. Zij het na de daling van de jaren ’80 aan een gematigd tempo. Vanaf de jaren 2000 stijgt het tempo van stijging. Ook in deze figuur merken we een kortstondige daling tijdens de crisis, en zien we dat het stijgingstempo lager is dan de jaren voorgaand aan de crisis. Zulke reeksen worden ook vaak gehanteerd om een uitspraak te doen over de mate van overwaardering van het woningenpark binnen een economie. We zien dat de ratio in 2013q3 een waarde kent van iets minder dan 1,2. Om precies te zijn, is ze gelijk aan 1,156, een overwaardering van 16%. De andere ratio die we hier weergeven is de price-to-rent ratio. Om de huurcomponent te bepalen, wordt de huurcomponent gehanteerd uit de CPI. Wegens databeperkingen is deze huurcomponent slechts beschikbaar vanaf 2006q1. Om de huur te berekenen werd gebruik gemaakt van de gegevens van de Vlaamse Woonsurvey uitgevoerd door Tratsaert (2012). Deze survey geeft aan dat op basis van haar gegevens de gemiddelde huurprijs in België in 2010 483 euro bedroeg. De gegevens van de vastgoedprijzen behelzen echter kwartaalcijfers. De huur werd voor alle kwartalen in 2010 vandaar op 483 euro gezet. De overige kwartalen werden op basis van de deelindex van de CPI berekent. Dit levert onderstaande figuur 2.10 als resultaat. Ook hier is een trendlijn aan de figuur toegevoegd.

17

Figuur 2.10: Price-to-Rent ratio België (2006q1-2013q3)

Waarde index

Price-to-Rent (2006q1-2013q3) 500 450 400 350 300 250 200 150 100 50 0

Periode Bron: Datastream, FOD Economie, Eigen Verwerking

In deze figuur merken we ook een licht stijgende trend op. Dit is iets wat men niet zou mogen verwachten. Deze stijgende trend wordt af en toe onderbroken door kortstondige dalingen. De OESO plaatst België voor deze maatstaven in internationaal perspectief, zie volgende figuur.

Figuur 2.11: Price-to-rent en Price-to-income 2013

Bron: OESO

18

De OESO berekent het langdurig gemiddelde van deze maatstaf en de afwijking ten aanzien van dit getal in percentage. Een positief percentage duidt op overwaardering. België komt hier niet goed uit, met een overwaardering, afhankelijk van de maatstaf van 50% à 60%. Maar men moet dergelijke ratio’s met enige voorzichtigheid evalueren. Er zijn immers tal van factoren waar deze maatstaven geen rekening mee houden. En vooral de price-to-income leidt onder aggregation bias met betrekking tot de noemer van deze breuk.

19

3. De vastgoedmarkt: omschrijving, motieven tot instap en prijsvorming Waar in vorige hoofdstukken een overzicht werd geboden van woningprijsontwikkelingen in België en andere internationale markten, is nog niets vermeld over de oorzaken hiervan. Om niet overhaast te werk te gaan, worden in dit hoofdstuk de determinanten van woningprijzen besproken. We starten eerst met een bespreking van de vastgoedmarkt. Nadien onderzoeken we de motieven die agenten hebben om in te stappen in dergelijk markt. We sluiten af met een uitgebreide bespreking van determinanten aan vraag- en aanbodzijde.

3.1 De vastgoedmarkt bijzondere eigenschappen Vastgoed is een bijzonder goed. Het is sterk verschillend van andere goederen en diensten die we in ons dagelijks leven aanschaffen. Allereerst is de beslissing tot aankoop van dergelijke goederen een niet-alledaagse beslissing. Planning, het inwinnen van informatie, het bekijken van diverse gewenste woningen en een zorgvuldige afweging van voordelen en nadelen komen om de hoek kijken. Ten tweede neemt de aankoop en huur een flinke hap uit het budget van het modale gezin.

Ling & Archer (2008, p.13) vermelden vijf belangrijke karakteristieken van vastgoed: vastgoed is sterk heterogeen, immobiel, sterk lokaal gesitueerd, gesegmenteerd en wordt privaat onderhandeld met hoge transactiekosten. De eerste karakteristiek is al een aantal keren vermeld geweest. Ieder onroerend goed heeft bepaalde eigen kenmerken: leeftijd, locatie en bouwstijl (Ling & Archer, 2008, p.13). Met lokale markten bedoelen de auteurs dat kopers erg lokaal gericht zijn. Consumenten kopen een woonst omwille van bepaalde omgevingsfactoren, bijvoorbeeld een goede school… Veelal liggen geprefereerde potentiële woningen dan ook erg dicht bij elkaar. De huizenmarkt is daarenboven erg gesegmenteerd. Hiermee bedoelt men dat je als koper op zoek gaat naar een bepaald type woonst, bijvoorbeeld: een huis met kinderkamer… (Ling & Archer, 2008, p. 13). De laatste specifieke eigenschap is deze van privaat onderhandelde contracten en hoge transactiekosten. In zulke markten is het de gewoonte, in tegenstelling tot andere markten, dat de verkoopprijzen rechtstreeks worden onderhandeld. Diegene met het hoogste bod krijgt de woonst in kwestie. Dit brengt met zich mee dat de prijzen neerwaarts rigide zijn, of dat de markten een asymmetrisch prijsverloop kennen (van der Geest & Heuts, 2005). 20

Alvorens onderhandelingen te kunnen aanvatten, moet de consument terdege geïnformeerd voor de dag komen. Hier komen transactiekosten, zoals zoekkosten of makelaarskosten, in het plaatje (Ling & Archer, 2008; p.13-14). Deze transactiekosten zijn hoog in België. André & Girouard (2008) rapporteren cijfers van de European Mortgage Federation die de transactiekosten (dit omvat belastingen, hypotheekkosten en andere kosten) op 17% van de aankoopprijs schatten. Deze opsomming is echter niet volledig. Verbruggen, Kranendonk, van Leuvensteijn, Toet (2005) vermelden nog enkele eigenschappen: de huizenmarkt is een voorraadmarkt en kent een inelastisch aanbod. Een huizenmarkt is een typevoorbeeld van een voorraadmarkt, omwille van de relatief

lange levensduur van woningen. Hierdoor en door factoren te wijten aan constructie en beleidsbesluiten, volgt het aanbod maar traag de vraag (Verbruggen et al., 2005, p. 18). De totale productie van nieuwbouwwoningen is maar een fractie van het totaal aan woningen in het beschouwde gebied (van der Geest & Heuts, 2005, p. 11). Dit brengt ons naadloos bij het volgende punt: het inflexibele woningaanbod. De implicatie wordt samengevat in volgende zin: “Het is zo beschouwd aannemelijk dat de prijsontwikkeling op de woningmarkt grotendeels wordt bepaald door de vraag naar bestaande woningen en dat de drukkende invloed van het aantal nieuwbouwwoningen beperkt is.” (Verbruggen et al., 2005, p. 20).

3.2 De vastgoedmarkt: motieven tot instap en vorming verwachtingen Het bespreken van de vraagzijde kan niet zonder inzicht te bieden in de motieven van consumenten. Onderzoek verricht door het Britse The Building Societies Association (z.j.) geeft meer inzicht. Via een vragenlijst voorgelegd aan participanten op de vastgoedmarkt ging de vereniging op zoek naar de onderliggende motieven. De deelnemers dienden óf het voorbije jaar een huis gekocht te hebben, óf dit overwogen te hebben. Ongeveer een derde van de deelnemers gaf aan dat ze het voorbije jaar hun eerste woonst hadden gekocht. Bij de twijfelaars gaf 24% aan dat ze op zoek gingen naar hun eerste woonst. 63% van de deelnemers gaf aan dat de tijd rijp was tot aanschaffing van een woonst, omwille van de angst om uit de markt geprijsd te worden (The Building Societies Association, z.j., p. 11). Dit doet meteen de vraag rijzen hoe consumenten prijsverwachtingen vormen.

21

Het rapport onderscheidt diverse deelnemers die een prijsverhoging of een -verlaging anticipeerden. Van de eerste groep heeft 54% aangegeven dat recente prijstrends van invloed waren, tegenover 24% in de tweede groep. Ook de lange termijntrend was belangrijk voor 42% van de eerste groep. Advies van familie of een makelaar was voor 9% erg belangrijk (The Building Societies Association, z.j., p. 10). Bij het besluit om zich voor het eerst te begeven op de vastgoedmarkt wordt meer beroep gedaan op vrienden/familie (43%) of media (42%). Dit in tegenstelling tot spelers met ervaring op de markt. Hier doet 20% beroep op vrienden en familie. In 25% van de gevallen speelt de media een rol (The Building Societies Association, z.j., p.11). Een woonst wordt in eerste instantie aangekocht om in te leven (77%). Maar waarom dan kopen en niet huren? Het blijkt dat voor 77% van de respondenten een huis huren als verspilling aanzien wordt. 88% van de deelnemers wenst eigenaar te zijn van de woonst in kwestie. Deze personen begeven zich op de markt met als motief consumptie. Daarnaast hebben sommigen expliciet een investeringsmotief: onroerend goed is een goede waarborg voor het pensioen (89%). Ook wordt vastgoed aanzien als een degelijke belegging, dat beter scoort dan andere financiële activa (88%), want de prijs kan enkel toenemen (89%). Investeren met als motief verhuren, is maar relevant voor 19% van de deelnemers (The Building Societes Association, z.j., p. 6).

3.3 Determinanten aan de vraagzijde Er zijn enorm veel factoren die van tel zijn voor de vraagzijde en die afhankelijk zijn van het niveau waarop het onderzoek zich toespitst: nationaal, regionaal of stedelijk. Echter in de literatuur is er een consensus gegroeid over enkele factoren. Zo nemen Balázs & Dubravko (2007) diverse factoren op in hun model, die ze aanzien als: “the conventional fundamental determinants of housing prices” (Balázs & Dubravko, 2007, p. 2). Deze fundamentals zijn de volgende: reëel beschikbaar inkomen, (reële) interestvoeten, demografische tendensen (bevolking, werkloosheid, arbeidsbevolking) en het aanbod van krediet door de financiële instellingen.

22

3.3.1 Reëel beschikbaar inkomen Hoewel in de literatuur geen bewijs wordt gevonden van coïntegratie en de price-to-income ratio’s meestal niet-stationair worden bevonden (zie supra, p. 16) wil dit niet zeggen dat het beschikbaar inkomen geen rol speelt. Het beschikbaar inkomen is immers cruciaal voor het bedrag dat een consument kan lenen, en speelt een grote rol in de aflossing van de lening. Het is aannemelijk dat huishoudens ook rekening houden met een stijging in hun vermogen in de vorm van beleggingen bij het aankopen of bouwen van een huis. Een stijging van de waarde van hun beleggingsportefeuille kan alzo aanzetten tot een hogere vraag naar behuizing. Tevens kunnen stijgende beurskoersen huishoudens’ perceptie van het economische klimaat beïnvloeden en ze ertoe aanzetten een huis aan te schaffen (Verbruggen et al, 2005, p. 17). Empirisch vinden Chen, Tsai, Chang (2007) voor Taiwan dat, hoewel er geen coïntegratie bestaat tussen het inkomen en huizenprijzen in Taiwan, het inkomen de verandering in huizenprijzen verklaart. Resultaten van een variance decomposition tonen aan dat na 24 kwartalen de procentuele verandering in huizenprijzen voor 7,9% te wijten is aan wijzigingen in het beschikbaar inkomen, (Chen et al., 2007, p. 253). Ook de Tsatsaronis & Zhu (2004) vinden aanwijzingen voor het belang van het beschikbaar inkomen. Een variance decomposition geeft aan dat voor het geheel van de landen in de steekproef wijzigingen in huizenprijzen voor 7,6% te wijten zijn aan het beschikbaar inkomen. Deze schatting ligt zeer dicht bij de 7,9% voor Taiwan van Chen et al. (2007). Miles & Pilonca (2008) vinden via een gelijkaardige methode dat veranderingen in het beschikbaar inkomen vastgoedprijsveranderingen verklaren. De grootteorde verschilt echter wel per land. Zo verklaren inkomensveranderingen in Italië 4% van de woningprijsevolutie in de periode 1996-2006. Voor België is dit 15%. Ierland springt hier sterk uit de band met 107,7%. Dit wordt echter tegengewerkt door een sterke toename in het aanbod aan vastgoed, -84,8% (Miles, Pilonca, 2007, p.13).

In hun onderzoek naar de Oost-Europese vastgoedmarkten vinden Balàzs & Dubravko (2007) dat inkomenselasticiteiten hoogst significant zijn in elk van de geschatte regressies. Bovendien valt het onderscheid op qua grootte tussen de onderzochte OESO-landen enerzijds en Centraal-, Oost-Europese landen anderzijds. Binnen deze laatste groep worden de respectievelijke elasticiteiten systematisch hoger geschat (Balazs, Dubravko, 2007, p. 15).

23

Dit duidt mogelijk op een catching-up effect ten aanzien van de OESO-lidstaten door de landen in transitie. De ECB (2003) vermeldt dat binnen de academische consensus is gegroeid dat de lange termijn prijselasticiteit met betrekking tot het beschikbaar inkomen ongeveer gelijk is aan één (ECB, 2003, p. 22).. Wat het effect van financiële activa betreft, onderscheiden van den End & Kakes (2002) twee kanalen waardoor dergelijke activa huizenprijzen kunnen beïnvloeden. Een eerste kanaal loopt via het realiseren van meerwaarde. Dit geeft gezinnen meer inkomen, wat gebruikt kan worden om een hogere lening te bedingen bij de bank of de eigen inbreng te vergroten. Tot slot speelt er nog een indirect effect. Indien aandelenkoersen stijgen, kan dit vermogenseffecten met zich meebrengen. Dit zorgt voor een hogere consumptie en bijgevolg een hogere groei, wat dan weer op zijn beurt leidt tot hogere vastgoedprijzen (van den End, Kakes, 2002, p.6). De auteurs vinden een positieve correlatie tussen enerzijds aandelenkoersen en huizeprijzen. Zij het dat dit verband vertraagd optreedt. In Finland, Nederland en Frankrijk bijvoorbeeld reageren huizenrijzen vijf à tien kwartalen later op schokken in beurskoersen. In de VS, het VK en Zweden is dit reeds na twee kwartalen. De auteurs zoeken de voornaamste verklaring bij de uitzonderlijke lage lange rente. Die beide reeksen aanvuurt. Interessant is ook dat de correlatie sterker is in duurdere segmenten van de woningmarkt. Vermits eigenaars van de duurdere woningen typisch meer geneigd zijn te beleggen op de beurs, hoeft dit niet te verbazen (van den End, Kakes, 2000, p. 9-12). Via een uitgebreider model dat toelaat de causaliteit te testen, rekening houdend met mogelijke andere variabelen, vinden de auteurs een verband terug tussen aandelenkoersen en huizenprijzen in volgende landen: Finland, Nederland, Zweden en het VK. Voor Frankrijk en de VS wordt geen rechtstreeks verband gevonden. Belangrijk is op te merken dat deze testen duiden op een eenzijdig verband tussen de aandelenkoersen en prijzen van vastgoed. Enkel in het VK en Finland is er sprake van een rechtstreeks wederzijds effect. Het verband tussen de aandelenmarkt en huizenmarkt loopt soms rechtstreeks en soms via de opgenomen transmissiekanalen, bijvoorbeeld: kredietverlening, rente en consumptie. In de VS, het VK en Zweden loopt het effect ook via de consumptie, zogenaamde vermogenseffecten spelen een rol (van den End, Kakes, 2000, p. 13-14). Ook Sutton (2002) vindt een belangrijke rol weggelegd voor aandelenkoersen. Over de periode 1995q1-2002q1 zijn in het VK schokken in aandelenkoersen sterk verantwoordelijk voor de geobserveerde veranderingen in vastgoedprijzen. Maar liefst 35% wordt hierdoor verklaard. In de VS is dit ongeveer 7% (Sutton, 2002, p. 52). 24

3.3.2 (Reële) interestvoeten Een tweede rol is weggelegd voor de interestvoeten. Ook deze variabele is gelinkt aan het vermogen een lening aan te gaan en aldus een woonst aan te schaffen of te bouwen. Lagere rentevoeten verhogen de leencapaciteit en duwen de vraag naar woningen hoger. Tsatsaronis & Zhu (2004) vinden via een variance decomposition een hoger belang voor de interestvoeten dan voor het beschikbaar inkomen. Gemiddeld vinden ze voor hun panel dat 10,8% van de variatie in huizenprijzen wordt verklaard door interestvoeten. Het inflatiepercentage verklaart gemiddeld 53% (Tsatsaronis, Zhu, 2004, p. 74). Dit duidt op het grote belang van reële interestvoeten in het bepalen van woningprijzen. De auteurs leveren twee verklaringen voor het belang van de inflatievoet in het artikel. De eerste verklaring situeert de rol binnen het duale karakter van vastgoed als investerings- en consumptievehikel. Binnen deze optiek dient vastgoed als een hedging instrument om de koopkracht te vrijwaren. Een tweede verklaring linkt inflatie met de kost van de lening. Indien consumenten gevoelig zijn voor nominale rentevoeten en inflatie niet in rekening brengen in de kost van hun lening, via reële rentevoeten, zal hoge inflatie leiden tot een daling van de vraag naar leningen. Volgens deze verklaring leidt hoge inflatie dus tot een daling in vastgoedprijzen (Tsatsaronis, Zhu, 2004, p. 7273). Debelle (2004) bouwt hierop verder. De auteur stelt dat hoge inflatie de waarde van de hypothecaire schuld doet eroderen, hoewel de nominale waarde van de schuld (en maandelijkse aflossingen) constant blijft. In deze optiek zou inflatie dus moeten leiden tot een hogere vraag naar leningen. Wolswijk (2005) stelt ook dat inflatie, via het indexeringsmechanisme, een hogere leningenvraag uitlokt. De rentevoet heeft dus geen rechtstreeks effect op de huizenprijzen, maar werkt indirect via het kredietkanaal. Anundsen & Jansen (2013) Glennon (1987) onderzoekt empirisch de interestelasticiteit voor de VS gedurende de periode 1965-1984. De auteur vindt een significant bewijs voor een interesteffect, met een elasticiteit van -0,37%. Een onderzoek naar de rol van inflatie en bijgevolg de nominale of reële interestvoeten in het bepalen van de huizenprijzen, wordt geleverd door Schwab (1983). De auteur maakt hierbij gebruik van data van 8700 gezinnen die een huis hebben gekocht in Philadelphia. Hierbij maakt de auteur een onderscheid tussen drie groepen: -26 jaar, 26-31 jaar en ouder dan 31 jaar. De resultaten tonen aan dat verwachtte inflatie significant negatief is voor de vraag naar behuizing binnen de twee eerste groepen. Dit resultaat levert evidentie voor de eerste verklaring van Tsatsaronis & Zhu (2004).

25

Bovendien blijkt dat ook de reële interestvoet een negatieve impact heeft op deze variabele voor alle categorieën. De nominale interestvoet is blijkbaar niet van tel (Schwab, 1983, p. 188). Meer recent onderzoek bevestigt de rol die de reële rente te spelen heeft bij de prijsdynamieken van de huizenmarkt. Voor Nederland vinden Verbruggen et al. (2005) een significante rol voor de reële interestvoet. De resultaten wijzen op een elasticiteit van -5,91% (Verbruggen et al., 2005, p. 28). Dit is beduidend hoger dan Schwab (1983) heeft gerapporteerd. Ook speelt de reële interestvoet een rol in de VS en het Verenigd Koninkrijk. Meen (2002) maakt voor de schattingen gebruik van een korte, via een ECM, en een lange-termijn vergelijking. Op korte termijn is de interestelasticiteit gelijk aan -0,6% voor het VK (Meen, 2002, p.9). Op lange termijn echter zijn de elasticiteiten met betrekking tot de reële rente veel groter. Voor het VK is deze gelijk aan 3,5% In de VS ligt deze lager -1,3% (Meen, 2002, p. 10).

3.3.3 Demografische factoren Het belang van demografische tendensen in het verklaren van prijsveranderingen is duidelijk. De evolutie van het aantal gezinnen binnen een bepaalde regio doet de vraag naar woningen toenemen, wat ceteris paribus de prijs doet stijgen. Krainer (2005) beklemtoont het belang van de leeftijdsverdeling doorheen een populatie. Wat voornamelijk van belang is voor de vastgoedmarkt zijn de zogenaamde life-cycle events, een voorbeeld van dergelijk event is het afstuderen van een persoon (Krainer, 2005, p. 1). Na het afstuderen nemen velen het besluit om op eigen benen te staan, wat een vraag naar woningen schept. Mankiw & Weil (1989) waren de eerste die deze het belang van demografische elementen onderzochten aan de hand van een eigen index, de Mankiw-Weil index. Deze index stelt dat de vraag naar behuizing de som is van de leeftijdsspecifieke vraag naar behuizing van ieder familielid. De resultaten tonen aan dat de vraag naar behuizing in de VS sterk toeneemt rond de leeftijd van 20 jaar. De vraag stijgt nadien tot de leeftijd van 40 jaar wordt bereikt, om daarna licht te dalen met ongeveer 1% per jaar (Mankiw, Weil, 1989, p. 240). Regressie van de reële huizenprijs op de geconstrueerde demografische vraagvariabele levert een elasticiteit op van ongeveer 5%. Dit duidt op een sterk demografisch effect. Bovendien zijn de resultaten robuust (Mankiw, Weil, 1989, p. 246). De auteurs besluiten dat een dergelijk effect zich alleen maar kan manifesteren indien de vraag- en aanbodcurves in de woningmarkt sterk inelastisch zijn. Swan (1995) stelt de methodiek van Mankiw & Weil (1989) in vraag.

26

De auteurs stellen hun index voor als een maat voor de vraag naar behuizing, terwijl dit in werkelijkheid een demografische variabele is. Om een accuraat beeld te krijgen van de vraag naar behuizing, dient men nog enkele variabelen op te nemen in de regressies: inkomen, interestvoeten en relatieve prijzen (Swan, 1995, p. 42). Na toepassing van deze bevinding, komt Swan tot de bevinding dat demografische variabelen een rol spelen. De vraag naar woningen is positief afhankelijk met het aandeel in de bevolking ouder dan 20 jaar en met de variabele van Mankiw & Weil (Swan, 1995, p. 49). Ohtake & Shintani (1996) testen het belang van demografische factoren op de Japanse vastgoedmarkt. Hiertoe maken ze ook gebruik van de Mankiw-Weil index. In tegenstelling tot de resultaten van Swan (1995) en Mankiw & Weil (1989) komen de auteurs in deze studie over Japan tot de bevinding dat hoewel de index bepalend is voor het totaal aantal woningen in Japan, dit niet zo is voor de prijs van woningen (Ohtake, Shintani, 1996, p.192-193). Ook de vraag naar huisvesting per leeftijd verschilt sterk van de Amerikaanse. Op 20 jarige leeftijd kent de Japanse consument een veel sterkere groei in vraag naar huisvesting dan de Amerikaanse. Ook daalt de vraag naar huisvesting veel sterker eens de Japanse consument de pensioengerechtigde leeftijd heeft bereikt (Ohtake, Shintani, 1996, p.192-193).

In zijn globaal overzicht van de huizenmarkten in enkele OESO-landen schetst André (2010) volgende figuur:

27

Figuur 3.1: Demografie en huizenprijzen

Bron: André (2010, p. 23)

Deze figuur toont het positieve verband dat verwacht kan worden uit de interactie tussen groei van de bevolking en stijgingen van prijzen van vastgoed. In het artikel van Balázs & Dubravko (2007), waar een vergelijking wordt gemaakt tussen OESOlanden en Centraal- en Oost-Europese landen, blijkt een positief effect uit te gaan van de tewerkstellingsgraad op prijzen van vastgoed. Het valt op dat eer een stek verschil is qua grootte van dit effect tussen de OESO-landen en landen in transitie. De parameters hebben een waarde van respectievelijk 5 en 12,5. Daarnaast nemen de auteurs nog twee variabelen op beroepsbevolking en werkloosheidsgraad. Deze variabelen hebben echter enkel het verwachtte teken bij de OESO-landen, respectievelijk positief en negatief (Balázs, Dubravko, 2007, p. 15). In een poging een model op te stellen van de Ierse huizenmarkt neemt McQuinn (2004) in zijn vraagvergelijking de netto-immigratie op als demografische variabele, omwille van de uitbreiding van de Europese-Unie. Deze parameter is positief significant en gelijk aan 0,02 (McQuinn, 2004, p. 17). Ook het IMF vindt in haar onderzoek naar de oorzaken van de ongewone stijging in prijzen dat een belangrijke rol is weggelegd voor bevolking in achttien onderzochte landen over de periode 1971-2003. Het effect van deze variabele blijkt erg groot te zijn.

28

Een stijging van 1% van de bevolking leidt gemiddeld tot een toename van 4% in huizenprijzen (Terrones, Otrok, 2004, p. 76).

Voor België vinden Van Gompel & Noppe (2011) via

regressieanalyse een significante rol voor het aantal gezinnen in ons land. Uit de resultaten komt naar voren dat indien het aantal gezinnen met 1% stijgt, de huizenprijzen met gemiddeld 1,15% toenemen (Van Gompel, Noppe, 2011, p. 21). Voor het Vlaamse Gewest maken Delbeke & Smets (2007) een onderscheid in de vraag naar nieuwbouwwoningen en de vraag voor koopwoningen. Op basis van een regressiemodel vinden ze een elasticiteit voor vraag naar nieuwbouw van 1,04. Voor de koopwoningen vinden ze dat een toename van de huishoudens met 1% de vraag naar koopwoningen gemiddeld met slechts 0,09% toe (Delbeke, Smets, 2007, p. 23, p. 52). Dit is beduidend minder dan het geval voor nieuwbouwwoningen.

3.3.4 Vastgoedprijzen en kredieten De kredietverlening is enorm toegenomen de voorbije decennia. De groei in krediet, waarbij hypothecair krediet het meest is toegenomen, oversteeg de groei in het beschikbaar inkomen. Twee factoren hebben hiertoe bijgedragen: enerzijds de dereguleringsgolf beginnend in de jaren ’80 en anderzijds de reductie in nominale en reële interestvoeten. Veroorzaakt door de afname in inflatie (Debelle, 2004, p. 51-55). Echter de ECB (2003) ziet nog enkele factoren die tot dit fenomeen hebben geleid: sterke accumulatie van residentieel kapitaal, verbeterde inkomensverwachtingen en een welwillend fiscaal beleid ten aanzien van interestvoeten (ECB, 2003, p. 45; voor meer over de rol van fiscaal beleid zie infra p. 31-33). Deze studie geeft bovendien een voorbeeld van hoe de wisselwerking tussen kredieten en vastgoedprijzen kan manifesteren via het kredietkanaal. Ze vertrekt van een daling van de rentevoeten op een lening. Dit kan aanleiding geven tot een toenamen in prijzen van woningen, en aldus het vermogen. Op zijn beurt verhoogt de waarde van het onderpand, en terugbetalingscapaciteit, van de huishoudens in kwestie. Wat kan worden gebruikt om nieuwe leningen aan te gaan. Het extra krediet kan alzo aangewend worden voor de woonst of andere goederen. Wat weer de woningprijzen kan verhogen en bovenstaande cyclus weer in gang zet. Wetende dat de terugbetalingscapaciteit van de huishoudens is verbeterd, kunnen banken extra kredieten verstrekken. Ook de balansen van de banken worden versterkt door deze feedbackloop. De kwaliteiten van de toegestane leningen neemt immers toe, en in de mate dat banken zelf belegd hebben in vastgoed of aandelen, zullen de activa meer waard worden (Anundsen, Jansen, 2013, p. 193; ECB, 2003, p. 40-41; Hofmann, 2001, p. 4. 29

De financiële deregulering die in de jaren ’80 uitte zich op diverse fronten: markten werden opengebroken, minder regulering met betrekking tot leningen, interestpalfonds werden afgeschaft en securitisatie. Van deze concurrentie verhogende maatregelen wordt algemeen aangenomen dat deze hebben bijgedragen tot de sterke groei in krediet en kredietcontracten, en ook tot de daling in hypothecaire rentevoeten (ECB, 2003, p.42; ECB, 2009, p. 61). De rol van nieuwe leenformules in dit alles is als volgt te begrijpen: nieuwe leenformules verhogen de kans dat personen de voor hen gepaste lening kunnen afsluiten en werken zo ceteris paribus prijsverhogend (Hilbers, Hoffmaister, Banerji, Shi, 2008, p. 33). Nu kan men zich de vraag stellen wat de richting is van het verband tussen kredietverstrekking en prijzen van vastgoed. Meer bepaald of er sprake is van een verband louter in een richting of in twee richtingen. Theoretisch kan het laatste verwacht worden. Anekdotisch bewijs vinden we terug bij de vastgoedcrisis die in Zweden toesloeg in de jaren ’90. Deze was ondermeer het gevolg van de dereguleringsgolf, zich uitende in onder andere toegenomen kredietverlening, wat vastgoedprijzen stimuleerde. Na de crash hanteerden de financiële instellingen strengere kredietvoorwaarden. Dit versterkte de daling in vastgoedprijzen (Wolswijk, 2005, p. 13). Ook elders in Scandinavië heerste in die periode een vastgoedcrisis. Deze vastgoedcrisis, mogelijk veroorzaakt door een bankencrisis, trof Noorwegen tussen 1988 en 1993. Anundsen & Jansen (2013) gaan met data die de periode 1986q2-2008q4 bestrijkt, de rol van kredietverlening na. Een VECM toont aan dat er een eenzijdig verband speelt tussen krediet en huizenprijzen. Een stijging in schuld manifesteert zich na 3 kwartalen via een toename in huizenprijzen. Doch de impulse response functions vertonen een wederzijds verband. Waarbij het theoretisch effect beschreven op pagina 29 duidelijk wordt. De Aziatische crisis die het continent in 1997 dooreenschudde kende haar wortels in soepele kredietverlening. Dit uitte zich op diverse vlakken, ondermeer via prijsstijgingen in diverse klassen van activa: aandelenbeurzen, vastgoedprijzen. In het ene land al wat meer dan het andere. Thailand en Maleisië bijvoorbeeld werden getroffen door een sterke aandelen- en vastgoedhausse gevolgd door een diepgaande baisse en crisis. Lineaire regressie duidt op een significant verband tussen kredietgroei en groei in activaprijzen (aandelen en vastgoed). Interessant is ook te bemerken dat de elasticiteit van het krediet met betrekking tot activaprijzen veel groter was, liefst 2,5 maal, voor de crisis. Doch nadien is het effect nog steeds substantieel. De resultaten suggereren dat een kredietgroei van 10% gepaard gaat met gemiddeld 9% aan groei in activaprijzen. Na de boom is dit effect verzwakt naar 3% gemiddeld. 30

Ook blijkt de kredietgroei sterker te reageren op prijzen van activa tijdens hausses (Collyns, Senhadji, 2002, p. 15). Een rigoureuzere econometrische analyse met een VAR-model, bevestigd dat de causaliteit in twee richtingen loopt. Schokken in huizenprijzen verhogen de kredietverlening. Enkel in Thailand is het effect niet significant verschillend van nul (Collyns, Senhadji, 2002, p. 36-39). Ook Hofmann (2001) toont via een figuur voor een panel van 16 landen een sterk verband aan tussen de evolutie in bankkrediet en de evolutie in vastgoedprijzen. Deze effecten kunnen via allerlei mechanismen op elkaar inwerken. Mogelijks wordt de link verklaard door een stijgende economische activiteit, aangevuurd door krediet, die via vermogenseffecten inwerken op huizenprijzen. Met behulp van VAR-modellen toont de auteur aan dat een toename in economische groei gepaard gaat met stijgende kredietverlening en huizenprijzen. Impulse responses tonen dat een schok in huizenprijzen gepaard gaat met stijgende kredietverlening en een groeiend BBP voor de meerderheid van de landen. Ook het omgekeerde verband geldt, een stijging in kredietverlening resulteert in toenemende huizenprijzen, met uitzondering van Duitsland, het VK, Canada en Spanje. Dit verband is bovendien uitermate sterk voor België (Hofmann, 2001, p. 16). Een formeel onderzoek naar determinanten van hausses en baisses in een panel van 18 industrielanden wordt geleverd door Agnello & Schuknecht (2011. Via een probit komen de auteurs tot de bevinding dat kredietgroei significant de kansen verhoogt op een hausse. Ook blijkt het effect van kredietgroei tijdens een baisse significant sterker te zijn dan tijdens een hausse. Interessant in deze probit is het positief significante effect dat internationale fondsen spelen bij het ontstaan van een hausse. Verderop in het artikel wordt ook nog ingegaan op het belang van de financiële deregulering in het ontstaan van hausses en baisses. De auteurs vergelijken via dummy variabelen twee periodes, voor regulering en na regulering. Wat opvalt is de rol die krediet te spelen heeft na deregulering van de financiële sector. Waar deze voor deregulering niet significant de kansen op hausses verhoogt, doet ze dit in de periode na deregulering wel (Agnello, Schuknecht, 2011, p. 182-185).

31

3.3.5 Overige determinanten Naast voorgaande determinanten blijken nog wat factoren te spelen op de vastgoedmarkten. Een determinant waarvan gebleken is deze van belang is bij het verklaren van bewegingen in huizenprijzen, is de huizenprijs van de voorgaande periode. We hebben reeds eerder gezien in deze masterproef dat deze variabele van tel is in de beslissing om de markt te betreden (zie supra p. 21-22). Terrones & Otrok (2004) vinden econometrisch bewijs in hun artikel. Hierbij maken ze gebruik van de korte-termijn trend in de prijsvariabele. De groei in huidige prijs wordt geregresseerd op de groei in prijs uit de voorgaande periode. De korte-termijn trend blijkt van significant belang te zijn en leidt tot een toename in groei (Terrones, Otrok, 2004, p.74). Voor Noorwegen vinden Anundsen & Jansen (2013) dat een belangrijke rol is weggelegd voor verwachtingen. Een wijziging in verwachtingen manifesteert zich na 3 kwartalen ten volle in huizenprijzen. Delbeke & Smets (2007) nemen ook voor hun onderzoek naar de Vlaamse woningmarkt de prijs uit de voorgaande periode op. Voor nieuwbouwwoningen wordt een elasticiteitcoëfficiënt gevonden van 1,3. Voor de koopwoningen wordt echter een andere methode gehanteerd en nemen de auteurs de groei in huizenprijzen op als regressor. De parameter heeft een waarde van 0,39, doch blijkt niet significant te zijn op het gebruikelijke niveau van vijf procent Delbeke, Smets, 2007, p. 23, p. 52).

Men kan echter ook niet voorbij aan de rol die de politieke overheid te spelen heeft in de vastgoedmarkt via allerhande maatregelen, denken we hierbij aan allerlei belastingmaatregelen en subsidies die worden verleend aan actoren in de vastgoedmarkt, bijvoorbeeld de woonbonus. André (2010) stelt dat de belastingmaartregelen genomen door de overheid verre van neutraal genoemd kunnen worden. Zo is er volgens de auteur een merkelijke bias te merken ten aanzien van eigenaarschap van een woning, omwille van de vermeende positieve externaliteiten die hiermee gepaard gaan. Ook is er veel verschil inzake de genomen maatregelen binnen de OESOlanden. In het artikel beschrijft de auteur drie gevolgen die kunnen plaatsgrijpen door deze interventies. Als eerste leiden belastingvoordelen (bijvoorbeeld het aftrekken van de interest van het belastbaar inkomen) tot een hogere vraag naar woningen. Dit oefent mogelijk een opwaartse druk uit op de prijzen, en reduceert alzo het doel van dergelijke maatregel, het betaalbaar houden van woningen. Illustratief hierbij is de studie van Andrews, Sánchez, Johansson (2011, p.28). Hier wordt evidentie verschaft voor dit effect. Via een panel wordt aangetoond dat een gelijke schok van 2% in de NAIRU, de vastgoedprijzen kunnen opdrijven met 13% in een land met 32

een hoge belastingaftrek en 5% in een land met lage belastingaftrek. Ten tweede kunnen dergelijke maatregelen de prijsvolatiliteit opdrijven. Tot slot kan dit huishoudens (financiële instellingen) ertoe aanzetten een te hoge lening te bedingen (verlenen) in verhouding tot de waarde van hun woonst. De loan-to-value ratio kan met andere woorden te hoog zijn (André, 2010, p. 29-33). Een studie uitgevoerd door Van den Noord (2003) bevestigd dat een hoge belastingaftrek de volatiliteit in huizenprijzen doet toenemen. Ook doen deze maatregelen de kost van wonen dalen. De reële rente daalt sterk in sommige landen. Zo vindt Van den Noord (2003) bijvoorbeeld voor Nederland het sterkste effect. De reële rente daalt met 2,03% in Nederland dankzij de belastingaftrek. In België met 0,9% (Van den Noord, 2003, p. 10). Hoewel de reële rente daalt, blijft de vraag of dit genoeg is om een reactie bij economische agenten te triggeren. Jappelli & Pistaferri (2006) onderzoeken of dit het geval is in Italië. Daar werd in 1992 een verandering gestemd met betrekking tot de aftrekbaarheid van interesten van het belastbaar inkomen. Waar voor 1992 deze interesten sterk gelinkt waren een de marginale aanslagvoet, een hogere aanslagvoet gaf recht op een hogere interestaftrek, is dit na 1992 niet meer het geval. De neiging tot lenen werd hierdoor sterk afgeremd voor de rijkere klasse en iets verhoogd voor de armeren. De middenklasse ondervond geen effect van deze maatregel (Jappelli, Pistaferri, 2006, p. 247-248). De resultaten tonen aan dat de hervormingen geen effect hadden op het leengedrag van de laagste inkomens. De hoger inkomens ondervonden een positief effect van de hervormingen. De auteurs wijten de ongevoeligheid van lage inkomens ten aanzien van belastingmaatregelen aan de geringe financiële achtergrond en leenbeperkingen (Jappelli, Pistaferri, 2006, p. 265, p. 269). Henderschott, Pryce, White (2003) beschouwen twee perioden in het VK: de periode van 19881992 en 1995-1998. De Britse wetgever heeft in het verleden meermaals de interestaftrek van hypothecaire leningen verandert. Voor beide periodes geldt een maximale aftrek van £30,000. Vermits de huizenprijzen over de tijd gestegen zijn in het VK, betekent dit dat de aftrek in feite daalt doorheen de tijd. Ook werd het maximale percentage aan aftrekken beperkt. Waar dit in de eerste periode nog 40% is, is dit in de tweede periode nog maar 10% (Hendrschott et al., 2003, p. 53). Als we beide perioden vergelijken met betrekking tot de Loan-to-Value (LTV) ratio’s merken we dat deze in de tweede periode is gedaald vergeleken met de eerste periode. Er doet zich vooral een sterke daling voor bij een Loan-to-Value gelijk aan 1 (Henderschott et al., 2003, p. 59-60). Wolswijk (2005, p.12) relateert de reële financieringskost van een lening, zoals 33

berekend door van den Noord (2003), aan het percentage schuld ten aanzien van het BBP. Een duidelijke negatieve correlatie komt naar voren uit de figuur. Een lage financieringskost gaat gepaard met een hoge hypothecaire schuld in percentage van het BBP. Een formele econometrische analyse toont ook hier aan dat een hoge kapitaalkost, dit is de rentevoet gecorrigeerd voor belastingvoordeel, ontmoedigend inwerkt op de groei van hypothecaire schuld. Bovendien is dit effect negatief in ieder land dat deel uitmaakt van de steekproef (Wolswijk, 2005, p. 18, p. 24). Een andere wijze waarop de overheid een impact kan hebben op de huizenmarkt werkt via de transactiekosten, bijvoorbeeld: registratierechten, notariskosten en kosten verbonden met de makelaar. Van Ommeren & van Leuvesteijn (2002) onderzoeken empirisch de effecten van deze kosten op de mobiliteit, de kans om van huur naar eigenaarschap te gaan en omgekeerd, van Nederlandse inwoners. Het blijkt dat de huidige waarde van de woonst negatief inwerkt op de kans om eigenaar te worden. Ook hogere inkomens kennen een hogere kans om eigenaar te worden. Er is geen effect van inkomen op de kans om te huren. Bovendien blijkt uit de resultaten van de auteurs het sterke negatieve effect van een verhoging van transactiekosten. Een toename met een procentpunt in transactiekosten doet, afhankelijk van de gekozen specificatie, de mobiliteit dalen met 8% (naar het huurstatuut) of 13% (naar eigenaarsstatuut). (van Ommeren, van Leuvesteijn, 2002, p. 27-29). Ter afsluiting van deze paragraaf wordt nog geduid op het belang van de huurwaarde van een woning. Gezinnen dienen in eerste instantie een besluit te nemen tussen een woning huren of kopen. Een hoge huurprijs zal gezinnen ertoe kunnen aanzetten de aanschaf van een woonst te prefereren boven het huren ervan. Dit drijft dan de vraag naar koopwoningen op en ceteris paribus de prijs. Dit vormt ook de logica achter de price-to-rent ratio (zie supra p. 17). Verbruggen et al. (2003) vinden in tegenstelling tot wat verwacht kan worden een negatief teken voor de huurwaarde van een woonst in hun model ter verklaring van de huizenprijsontwikkeling in Nederland.

34

3.3 Determinanten aan de aanbodzijde De aanbodzijde is van groot belang voor het degelijk functioneren van de vastgoedmarkt. Immers een goed werkend aanbod kan als buffer dienen om de toenamen in vraag op te vangen en desgevallend te dienen als stootkussen om de prijsstijgingen en problemen van onbetaalbaarheid van woningen op te vangen. Maar waar de empirische literatuur al een grote kennis heeft vergaard over determinanten aan de vraagzijde, is dit langs de aanbodzijde niet het geval. Bovenstaande vaststelling wordt als volgt verwoord door Dipasquale (1990): “while there is an extensive literature on the demand for housing, far less has been written about housing supply […] there have actually been a considerable number of papers on housing supply. However, the empirical evidence on the supply of housing is far less convincing than that on the demand for housing. Why don't we know more about housing supply?” (Dispasquale, 1999, p.1).

En hoewel dit artikel reeds 15 jaar geleden werd gepubliceerd, wordt bovenstaande opmerking ook herhaald in een meer recent artikel van Ball, Meen, Nygaard (2010). Als voorbeeld halen zij de diverse schattingen aan die reeds zijn uitgevoerd met betrekking tot de aanbodelasticiteit van behuizing wat erg tegenstrijdige resultaten opleverde. De moeilijkheid in het modelleren van de aanbodzijde ligt volgens Dispaquale aan het feit dat zowel de besluiten van eigenaars als investeerders dienen gemodelleerd. Eigenaars omwille van het feit dat deze via bijvoorbeeld renovaties van oude panden een nieuwe woongelegenheid op de markt kunnen brengen. Omwille van data-issues is dit echter quasi-onmogelijk om vatten in een model (Dispaquale, 1999, p. 1). De constructie van huizen wordt echter wel al redelijk begrepen in de empirische literatuur. Volgende factoren komen doorgaans naar voren: huizenprijzen, constructiekosten, kost van krediet, allerhande reguleringen, topologie, het weer… (Ball, Meen, Nygaard, 2010, p. 255). Een goed overzicht van de resultaten van empirisch onderzoek omtrent diverse determinanten van het aanbod wordt gegeven in figuur 3.2:

35

Figuur 3.2: Bevindingen empirisch onderzoek omtrent determinanten aanbod

Bron: Garcês & Pires (2011) p. 14

Wat opvalt is dat niet voor alle variabelen een eenduidig verband wordt gevonden. Voor sommige variabelen, zoals constructiekosten, produceert het empirisch onderzoek contraintuïtieve resultaten. DiPasquale & Wheaton (1994) bijvoorbeeld trachten een functie voor nieuwbouw te schatten in de VS. Hiertoe nemen ze naast de huidige prijzen ook enkele kostenfactoren op: een kostenindex, landprijzen en een korte-termijn interestvoet. In tegenstelling tot wat verwacht kan worden, zijn de coëfficiënten van landprijs en de kostenindex niet significant. De interestvoet is significant en heeft het verwachte negatief teken. Daarenboven wordt een inschatting gemaakt van de lange-termijn prijselasticiteit van constructie. Deze ligt binnen de marge 1 tot1,2 (Dipasquale, Wheaton, 1994, p. 20-21). Van het belang is nu de oorzaken van deze verschillen in elasticiteit te doorgronden. Na het schatten van de lange-termijn prijselasticiteit voor nieuwe woningen via een stock-flow model voor 21 OESO-landen gaan Caldera & Johannson (2013) op zoek naar verklaringen voor de geobserveerde verschillen in elasticiteit binnen het panel. Deze is groot in Noord-Europese, Angelsaksische landen en Japan. Deze loopt van 0,988 voor Finland tot 2,014 voor de VS. Opvallend is dat België een erg lage elasticiteit kent (0,315). 36

Bevolkingsdichtheid en aanbod blijken negatief gecorreleerd (correlatie -0,45) over de landen. Een verband dat ook geldt binnen de grootste steden in de VS (correlatie -0,33). Een negatieve correlatie wordt ook bevonden tussen toekenningstijd van een bouwvergunning en de berekende elasticiteit,-0,56 (Caldera, Johannson, 2013, p. 241, 244-245). Dit ontmoedigend effect van regulering op het woningaanbod vinden we ook in andere landen terug. Waar de prijzen tussen 1970-1986 in Maleisië met een factor 18 gestegen zijn, zijn deze in Thailand gelijk gebleven. Hoewel in beide landen het beschikbaar inkomen ongeveer een gelijke groei doormaakt. Schattingen van de aanbodelasticiteiten bevestigen het inelastische aanbod in Maleisië vergeleken met het elastische aanbod in Thailand. Verklaringen liggen ook hier bij de strikte

regulering

in

Maleisië:

lange

onzekere

vergunningsprocedures,

strenge

bouwvoorschriften en procedures met betrekking tot positieve discriminatie (Malpezzi, Mayo, 1997, p. 377-378, 385-386). Green, Malpezzi, Mayo (2005) schatten empirisch de aanbodelasticiteit in 45 metropolen in de VS, gedurende 1979-1996. Waar voor enkele metropolen de elasticiteit niet significant is, merken we voor de andere groep soms substantiële verschillen op, gaande van 1,43 voor Pittsburgh tot 21,6 voor Atlanta. Ook hier geldt dat deze verschillen dienen gekaderd binnen verschillen in regulering, hier met betrekking tot vergunningen en land. Ook blijkt de bevolking en groei hier positief van tel te zijn in het verklaren van deze verschillen (Green et al., 2005, p. 336-337). Overheidsbeleid is dus enorm van belang aan deze zijde van de markt, in verband met openbare ordening en vergunningen. Er zijn nog andere manieren. De aftrek op hypotheekleningen kan immers ook effect ressorteren op de aanbodzijde van de markt, vanwege het prijsverhogende effect geïnduceerd door de bijkomende vraag, wat bouwfirma’s kan aanzetten tot verhoging van het aanbod (DiPasquale, 1999, p. 18). Daarnaast zijn er maatregelen die de overheid neemt die een rechtstreeks op het aanbod: bijvoorbeeld sociale woningenbouw, subsidies langs aanbodzijde. Murray (1983) onderzoekt de effecten van een subsidieprogramma voor constructie van woningen in de VS gedurende 1961-1977. Murray stelt dat dergelijke programma’s private woningen enigszins uit de markt duwen. Concreet ziet hij twee manieren: vraagverschuivingen naar woningen met subsidies en reallocatie van bouwmaterialen naar gesubsidieerde woningen. Concreet vindt Murray dat programma’s gericht naar huishoudens met lagere inkomens een positief effect hebben op het totale volume aan woningen en dat deze beperkt worden tenietgedaan door een daling in private woningbouw. 37

Programma’s gericht naar middelinkomens, die eigenlijk in de private markt terecht kunnen, hebben geen effect op de totale woningvoorraad (Murray, 1983, p. 596).

38

4. Verklaringen internationale ontwikkelingen In dit hoofdstuk trachten we verklarende factoren uit vorig hoofdstuk te koppelen aan recente ontwikkelingen op de vastgoedmarkten van de landen uit hoofdstuk twee. De volgende landen zijn aan bod gekomen in dit tweede hoofdstuk: Duitsland, Frankrijk, Italië, Japan, Luxemburg, Nederland, Spanje, het Verenigd Koninkrijk en de Verenigde Staten. We starten met het overlopen van een element wat voor ieder land gelijkaardig geëvolueerd is. Nadien wordt ieder land afzonderlijk besproken.

4.1 Gemeenschappelijke factoren Indien we gemeenschappelijke factoren willen bespreken, kunnen we niet voorbij aan de ontwikkelingen van de fundamentals: beschikbaar inkomen, rentevoeten, demografische factoren en leenaspecten. De figuur op de volgende pagina toont de ontwikkeling van een dergelijke factor, namelijk de ontwikkeling van de rentevoet op lange termijn. Deze rentevoet is deze op 10-jarig overheidspapier van het land in kwestie. Deze is sinds de jaren ’80 aan het dalen. Dit omwille van het beleid dat diverse centrale banken hebben vooropgesteld om de inflatie te doen dalen. Een dergelijk renteverloop brengt dan ook gevolgen met zich mee op de hypotheekmarkt, vooral met name op hypotheken met variabele rentevoeten. Een rapport van de ECB (2009, p 26) geeft een gestructureerd overzicht van de richtrentes voor dergelijke contracten. Duitsland en Nederland hanteren bijvoorbeeld onderstaande rentevoeten als richtsnoer voor hun variabele rentecontracten. De andere Europese landen uit de steekproef hanteren de EURIBOR op 3 maanden of 12 maanden als leidraad. Deze daling in rentevoeten louter toeschrijven aan een gewijzigde monetaire politiek is onvolledig. Er zijn andere factoren die hier medeverantwoordelijkheid dragen. Zoals we reeds eerder hebben vermeld is de concurrentie binnen het bankenlandschap intensief toegenomen. Diverse types leenformules kwamen hierdoor beschikbaar op de markt. Huishoudens kunnen werkelijk shoppen naar geschikte leenformules.

39

Q 1/1960 Q 1/1962 Q 1/1964 Q 1/1966 Q 1/1968 Q 1/1970 Q 1/1972 Q 1/1974 Q 1/1976 Q 1/1978 Q 1/1980 Q 1/1982 Q 1/1984 Q 1/1986 Q 1/1988 Q 1/1990 Q 1/1992 Q 1/1994 Q 1/1996 Q 1/1998 Q 1/2000 Q 1/2002 Q 1/2004 Q 1/2006 Q 1/2008 Q 1/2010 Q 1/2012

Rente % Q 1/1960 Q 1/1962 Q 1/1964 Q 1/1966 Q 1/1968 Q 1/1970 Q 1/1972 Q 1/1974 Q 1/1976 Q 1/1978 Q 1/1980 Q 1/1982 Q 1/1984 Q 1/1986 Q 1/1988 Q 1/1990 Q 1/1992 Q 1/1994 Q 1/1996 Q 1/1998 Q 1/2000 Q 1/2002 Q 1/2004 Q 1/2006 Q 1/2008 Q 1/2010 Q 1/2012

Rente in % Q 1/1960 Q 1/1962 Q 1/1964 Q 1/1966 Q 1/1968 Q 1/1970 Q 1/1972 Q 1/1974 Q 1/1976 Q 1/1978 Q 1/1980 Q 1/1982 Q 1/1984 Q 1/1986 Q 1/1988 Q 1/1990 Q 1/1992 Q 1/1994 Q 1/1996 Q 1/1998 Q 1/2000 Q 1/2002 Q 1/2004 Q 1/2006 Q 1/2008 Q 1/2010 Q 1/2012

Waarde rente %

Figuur 4.1: Verloop rente op lange termijn. Periode 1960q1-2013q4

Evolutie Lange Termijn Rente (1960q1-2013q4)

20

15

10

5

0

Periode

Duitsland

Luxemburg Spanje

Verenigd Koninkrijk

Nederland Frankrijk

Evolutie Lange Termijn Rente (1960q1-2013q4)

18 16 14 12 10 8 6 4 2 0

Periode

Italië Japan

Evolutie Lange Termijn Rente (1960q1-2013q4)

16 14 12 10 8 6 4 2 0

Periode

Verenigde Staten

Bron: Eigen verwerking gegevens OESO Statistical Compendium

40

Illustratief hierbij kunnen we volgende voorbeelden geven van innovaties op de hypotheekmarkt: -

In de VS en Nederland bestaan er bijvoorbeeld interest only loans.

-

Hypotheken met lange looptijden. Tot 40 jaar in Italië of 50 jaar in Spanje.

-

Het Verenigd Koninkrijk kent flexibele hypotheken.

-

Een recente hypotheek die is opgedoken in Frankrijk, is een zogenaamde accordeon lening. Het principe hierbij is dat een stijging in de rente de looptijd van de lening verlengt. Een daling brengt het omgekeerde teweeg.

-

Het securitiseren van de verschafte hypotheekleningen. Een praktijk die vooral in de VS opmars kende.

(Baugnet, 2011; ECB, 2009; Miles & Pilonca, 2008). Deze gevolgen bleven niet uit. De schuldgraad van de huishoudens is toegenomen zoals volgende figuur illustreert: Figuur 4.2: Hypothecaire huishoudelijke schuld ten aanzien van het BBP

Schuld huishoudens tav het BBP Verhouding %

120,00% 100,00% 80,00% 60,00% 40,00% 20,00% 0,00%

Periode 2003

2004

2006

2008

2010

2012

Bron: EMF, Bank of Japan, Eigen Verwerking (a) De cijfers voor Japan betreffen zowel schuld van huishoudens en VZW’s

De schuld is in vele landen toegenomen doorheen de tijd. Enkel Duitsland vormt een uitzondering. We merken dat in veel landen de schuld tussen 2008 en 2010 nog is toegenomen. Dit is onverwacht, maar kan mogelijk verklaard worden door de sterkte van terugval in het BBP omwille van de crisis. De daling in BBP zal mogelijk de daling in schuld hebben overtroffen Opvallend hierbij is de eenzame hoogte die Nederland inneemt.

41

Bovenstaande factoren verklaren in belangrijke mate een opwaarts effect op de vastgoedprijzen. Nu in hoofdstuk 2 hebben we gemerkt dat zeker niet in ieder land in de steekproef een dergelijk opwaarts effect te bespeuren valt. Waar meerdere landen in de steekproef een stijgend prijsverloop lieten optekenen, was dit voor Duitsland, Italië en Japan niet zo.

Duitsland Grijpen we terug naar de figuur op pagina vier in dit werk. Op deze figuur valt op te merken dat de Duitse vastgoedprijzen sinds het begin van de observaties in reële termen quasi-onveranderd zijn gebleven. Sinds de jaren 2000 verlopen de vastgoedprijzen volgens een U-vorm. Het dal werd bereikt medio 2010, om nadien te herstellen. Enig crisiseffect lijkt niet aanwezig. De toename in vastgoedprijzen voor de crisis lijkt aan Duitsland te zijn voorbijgegaan. Een patroon wat haar verklaring kan vinden in bovenstaande figuur 4.2. Sinds 2002 is de verhouding van hypothecaire schuld ten aanzien van het BBP enkel maar afgenomen. Dus dit kan voor een deel de afnemende vastgoedprijzen verklaren in het begin va het decennium verklaren. Doch de evolutie in vastgoedprijzen kan niet los gezien worden van de ontwikkelingen in economische groei, zie tabel 4.1.

Tabel 4.1: Jaarlijkse BBP-groei

2002 0,00%

2003 -0,40%

2004 1,20%

2005 0,70%

2006 3,70%

2007 3,30%

2008 1,10%

2009 -5,10%

2010 4,00%

2011 3,30%

2012 0,70%

Bron: Eigen verwerking gegevens Eurostat

Het valt op dat de Duitse economie een erg persistent patroon laat zien. De economische groei is zelden negatief. Doch is zeker in de beginjaren van het decennium vrij laag. Dit heeft de daling in de hand gewerkt. En hoewel de groei zich sterk herneemt vanaf 2006, stijgen de huizenprijzen niet.

Het jaar 2006 vormt een scharnierjaar voor de Duitse toekomstige huiseigenaars met de afschaffing van de belastingteruggave voor het eerste huis ((Lindenthal, Eichholtz, z.j.). Wat op zijn beurt de vastgoedprijzen drukte ondanks een sterke remonte in economische groei. Een curiositeit aan Duitsland is het lage percentage aan huiseigenaars. Waar het Europese gemiddelde van huiseigenaars op 64% ligt, is dit voor Duitsland ongeveer 43% (Lindenthal, Eichholtz, z.j., p. 2). De Duitse huurdersmarkt is hierdoor erg groot en oefent als dusdanig een permanent negatieve druk uit op de vraag naar behuizing.

42

2013 0,40%

Dat de vastgoedprijzen zich hernemen ondanks de economische crisis, ligt in de eerste plaats aan de gunstige lage rentestand. Beleggers zagen in Duitsland immers een veilig toevluchtsoord bij het uitbreken van de Eurocrisis, wat gunstig was voor de Duitse rentevoet op Bunds en de hypotheekrente en mogelijk hebben buitenlandse beleggers ook geïnvesteerd in de Duitse woningmarkt. Gecombineerd met een sterke economische groei bieden deze factoren een verklaring voor de klim na de crisis.

Frankrijk In tegenstelling tot de Duitse ontwikkelingen, vertonen de Franse vastgoedprijzen sinds het jaar 2000 een stijgend patroon. De prijzen bereiken hun piek in het vierde kwartaal van 2007 en zetten een daling in. Het effect van de crisis laat zich erg voelen op de Franse markt. Hoewel de daling reeds voor het derde kwartaal van 2008 is ingezet, duurt het tot het vierde kwartaal van 2009 vooraleer de vastgoedprijzen terug beginnen toenemen. Maar deze stijging wordt weer doorbroken door een daling die zich inzet vanaf het tweede kwartaal 2011. Hierboven vermeldden we reeds het bestaan van een innovatie op hypothecair vlak, namelijk de accordeon lening. Bovendien kennen de Fransen leningen met erg lange looptijden. In 2007 bijvoorbeeld was het niet ongebruikelijk van banken leningen toe te staan met een looptijd van 50 jaar (ECB, 2009, p. 28). Bovendien blijkt uit datzelfde onderzoek dat de Loan-to-Value ratio’s enorm hoog zijn binnen Frankrijk. Gemiddeld bedroeg in 2007 de LTV 91%. De tweede hoogste van de Eurozone. Mogelijk verklaard omwille van de hoge mate van garantiestelling van overheidswege (14%). Ook is de hypothecaire schuld van de huishoudens blijven toenemen. Zulke factoren hebben een vraag verhogend effect en kunnen de geobserveerde stijgingen verklaren. Ook de overheid stak een handje toe. In 2005 werd een belastingmaatregel ingevoerd die de aanschaf van het eerste huis voor gezinnen betaalbaarder maakte (Baugnet et al. 2011). De economische groei was in aanloop naar de crisis steeds positief. Cijfers van de Europese statistische dienst Eurostat geven aan dat de groei in 2007 ten aanzien van het voorgaande jaar nog 2,7% bedraagt Het is dan dat de vastgoedprijzen een daling inzetten. Een verklaring voor deze trend vinden we ook terug in de data met twee jaren van negatieve groei in 2008 (-0,1%) en 2009 (-3,1%). De korte remonte na 2009 kan ook worden toegeschreven aan economische groei. De aantrekkende groei in 2010 en 2011 biedt een verklaring, naast toenemende schulden en dalende rentes. Doch naderhand zijn de huizenprijzen weer gedaald.

43

Dit kan te wijten zijn aan de heropflakkerende Eurocrisis. Cijfers met betrekking tot het consumentenvertrouwen tonen de bedrukte stemming van de Franse consument:

Figuur 4.3: Consumentenvertrouwen Frankrijk 2007-2014

Bron: INSEE

Een waarde onder de 90 punten duidt op een overwegend pessimistische stemming. We zien deze bedrukte stemming duidelijk over de laatste jaren van deze barometer. Dit heeft dan ook zijn weerslag op de vastgoedmarkten met dalende vastgoedprijzen tot gevolg.

Nederland De ontwikkelingen van de Nederlandse vastgoedprijzen gedurende het laatste decennium laten zich vlot beschrijven. Tot en met het vierde kwartaal 2008 verlopen deze prijzen stijgend. Naderhand zetten de vastgoedprijzen een dalende tendens in. Deze tendens is op het moment van schrijven nog niet gekeerd. Cijfers te consulteren op de website van het Centrale Bureau voor de Statistiek geven aan dat de vastgoedprijzen over het gehele land in het derde kwartaal van 2013 en het vierde kwartaal gedaald zijn ten aanzien van dezelfde periode in 2012. Er zijn echter wel regionale verschillen, maar de globale tendens is niettemin dalend. Als we kijken welke verklaringen we voor deze tendensen kunnen bieden, kunnen we niet voorbij aan de hoge Nederlandse huishoudelijke hypothecaire schuld, welke de hoogste is in de steekproef. Dit blijkt ook uit een studie uitgevoerd door de ECB (2009, p. ). In 2007 lag de LTV ratio op 101%, waardoor Nederland de hoogste plaats bekleed in de Eurozone.

44

Een mogelijke verklaring voor dit fenomeen schuilt in de gunstige fiscale behandeling van hypotheken. Nederlandse gezinnen hebben recht op volledige aftrek van interesten op hun hypotheekschuld, voor maximaal 30 jaar op hun hoofdverblijfplaats. Dit is zeer gunstig in vergelijking met de andere landen in onze steekproef, waar wel beperkingen gelden inzake aftrekbaarheid (ECB, 2009). Een fiscaal gunstig systeem, waar de financiële sector gebruik heeft van gemaakt. Hierboven vermeldden we reeds het bestaan van zogenaam interest only loans, zie supra p. 41. Het hoeft dan ook geen betoog dat deze factor in combinatie met een lage rentevoet van gunstige invloed was op de huizenprijzen binnen Nederland. Wat heeft dan sinds het vierde kwartaal van 2008 gewogen op de vastgoedprijzen? Ook hier ligt een mogelijke voedingsbodem bij het lage consumentenvertrouwen. De Nederlandse overheid heeft sinds het uitbreken van de crisis een beleid van harde besparingen doorgevoerd, wat het vertrouwen van de Nederlandse consument aantast.

Figuur 4.4: Consumentenvertrouwen en economische groei Nederland (2002-2013)

Waarde Index

Consumentenvertrouwen en groei Nederland 15 10 5 0 -5 -10 -15 -20 -25 -30 -35 -40 Concumentenvertrouwen

Groei

Bron: Centraal Bureau voor de Statistiek, Eigen Verwerking

In deze figuur wordt geopteerd om het jaar 2008 op te splitsen in kwartalen. Dit om de evolutie weer te geven in het vierde kwartaal 2008, het kwartaal waar de huizenprijzen voor het eerst dalen. De Nederlandse consument is reeds geruime tijd pessimistisch over de economische situatie. Opvallend is het feit dat ondanks de pessimistische houding van de consument, de huizenprijzen zijn blijven stijgen tot en met het vierde kwartaal van 2008. Deze tegenstelling kan worden verklaard door evoluties in het beschikbaar inkomen. 45

De economische groei lag in Nederland precrisis beduidend hoger dan het geval na de crisis. De Nederlandse economie is door een dubble dip gegaan, wat nadelig heeft ingewerkt op de evolutie van de vastgoedprijzen. Recentelijk, in het vierde kwartaal van 2013 (groei 0,9%), heeft ze de recessie afgezworen.

Luxemburg De vastgoedprijzen in Luxemburg laten een stijging zien tot en met het vierde kwartaal van 2007 om dan met enkele golfbewegingen in het tweede kwartaal van 2013 op een niveau uit te komen dat licht hoger ligt dan dit van kwartaal vier in 2007. Sinds einde 2012 hebben de vastgoedprijzen hun stijgende trend ingezet. Een mogelijke verklaring ligt in het feit dat Luxemburg kan teren, als een van de weinige landen, op de hoogste kredietwaardigheid, AAA. Een factor die een gunstig effect heeft op de rentevoet van het land. Dit kan het vertrouwen versterken van gezinnen en ondernemingen en vandaar de economische activiteit stuwen, via het kredietkanaal. Dit merken we ook in het aantal bouwvergunningen dat wordt uitgereikt. In 2007 is dit met 66.9% gestegen ten aanzien van het niveau van 2002 (cijfers EMF Hypostat 2007). De recente daling in huizenprijzen is het gevolg van de lagere economische groei. De groei postcrisis ligt structureel lager dan het geval is voor de crisis. De gemiddelde groei voor de periode 2002-2007 was 4.5%. Dit is na de crisis gemiddeld -2,7%. Een dermate sterke daling met ongeveer 7 procentpunten, heeft dan ook zijn gevolgen meegebracht op het beschikbaar inkomen van de consument en bijgevolg op de huizenprijzen. Ondanks de crisis is de Luxemburgse markt dus erg weerbaar gebleken. Dit blijkt ook uit de constructiestatistieken. Het is na een kortstondige daling in 2008 en 2009 dat het aantal bouwvergunningen terug begon op te veren in 2010.1 De markt blijkt dan ook terug op het gewone pad verder te gaan (EMF, 2010, p. 49).

1

Doch volgens cijfers van het EMF (2013) ligt het aantal bouwvergunningen in 2012 (4307) nog 13% lager dan in 2007 (4934).

46

Italië Net zoals bij Nederland laten de vastgoedprijzen zich in het Italiaanse geval eenvoudig beschrijven. De vastgoedprijzen stijgen tot en met het eerste kwartaal 2008, en dalen sindsdien. Wanneer we op zoek gaan naar verklaringen voor dit fenomeen, merken we in figuur 4.2 dat in Italië de schuld ten aanzien van het BBP steeds stijgt. Een enigszins vreemde observatie, gegeven dat de huizenprijzen sinds 2008 dalen. Aanschouwen we figuur 4.2 dan merken we de scherpe daling op die de rentevoet maakt eind jaren ’90. Mogelijk is deze daling toe te schrijven aan het lidmaatschap van de EU en de maatregelen die het land dient te nemen ter voorbereiding van de introductie van de Euro en het vertrouwen dat beleggers hierdoor koesteren in de Italiaanse economie. Een dergelijk lage rente is ongezien voor Italië en geeft aanleiding tot gunstige groeicijfers. Echter na het uitbreken van de Eurocrisis komen de problemen naar boven binnen de Eurozone en Italië. De groeicijfers dalen. Eurostat rapporteert negatieve groeicijfers voor 2008 (-1.1%) en 2009 (-5.5%). Zonder twijfel drukt deze afname in beschikbaar inkomen de vastgoedprijzen. Illustratief hierbij is de sterke afname in het aantal vastgoedtransacties. Waar deze een recordhoogte bereikt voor het jaar 2006 van ongeveer 850.000, zakt deze indicator naar 600.000 in 2008. Echter de daling zet zich door tot in 2012 naar 470.000 (Standard & Poor’s, 2013). Vanaf 2011 bereikt de crisis in Italië een hoogtepunt. Twijfels ontstaan omtrent de fiscale positie van Italië. Italië torst een hoge schuldenlast met zich mee, in 2011 (120.7% van het BBP) en in 2012 (127%). Daarenboven wordt het land ook getroffen door een politieke crisis geïnitieerd door premier Berlusconi. Factoren met gevolgen voor de rente, het vertrouwen en bijgevolg op de economie (Censig, 20112). De rentevoet stijgt met enkele procentpunten, zie figuur 4.2 op pagina 41. Ook de groei neemt af. Italië belandt opnieuw in een recessie. Deze factoren hebben gewogen op de huizenprijzen en zullen dit volgens een recent rapport van Standard & Poor’s (2013) blijven doen.

Spanje Vanaf het derde kwartaal 2003 zetten de Spaanse vastgoedprijzen een sterke groeispurt in. Tot aan haar hoogtepunt in het derde kwartaal 2007 zetten deze prijzen een gemiddelde kwartaalgroei neer van 1.9%. Na deze bereikte piek in 2007 dalen de huizenprijzen sterk om uiteindelijk in het tweede kwartaal van 2013 36% lager te eindigen ten opzichte van het hoogtepunt in 2007. De trend is overigens nog niet gekeerd. 47

Recentere cijfers van de IMMIE-index geven een daling weer met 4.9% in het vierde kwartaal 2013 ten aanzien van het vierde kwartaal 2012. Wanneer we kijken naar de oorzaken van de evoluties, dienen we eerst een demografische factor vermelden. Zo heeft volgens Baugnet et al. (2011) de toestroom van migranten een rol gespeeld in de toenemende woningvraag. Daarenboven merken we ook in figuur 4.2 op dat Spanje naast Italië enorm geprofiteerd heeft van de rentebonus door het lidmaatschap van de EU. Waar de Spaanse rentevoet een spread van een aantal procentpunten vertoont ten aanzien de van de Duitse voor ‘98, daalt de spread nadien tot nagenoeg nul. Dit heeft de vorming van hypothecaire schuld in de hand gewerkt. Daarenboven geeft de ECB (2009) aan dat de Spaanse consument in 2007 een sterke voorkeur had voor een contract met variabele rente gekoppeld aan de 12-maands EURIBOR rentevoet. Bovendien prefereren de Spaanse consumenten typisch leningen met een lange looptijd. Leningen van 50-60 jaar zijn niet ongewoon (ECB, 2009, p. 26). De jaren voor de crisis vormden gouden jaren voor de Spaanse economie. Gedurende de periode 2002-2007 zet de Spaanse economie gemiddeld groeicijfers neer van 3.4%. Het vertrouwen stijgt, getuige cijfers over het consumentenvertrouwen. Een grote expansie van de bouwsector vindt plaats voor de crisis. Cijfers van Eurostat geven aan dat de deze sector over 2002-2007 gegroeid is met 15%. De directe werkgelegenheid stijgt in deze sector over deze periode met 11.6%. Het hoeft dus geen betoog dat de vastgoedmarkt enorm belangrijk werd voor de Spaanse economie. Cijfers van het EMF geven aan dat het vertrouwen aan de aanbodzijde van de markt erg hoog lag. In 2003 bijvoorbeeld worden 15% meer huizen gebouwd dan in 2002. Het aantal vergunningen lag bovendien 21% hoger (EMF, 2003). Ook het aantal leningen steeg erg sterk. Jaarlijkse groeipercentages van 15% waren niet ongewoon (Standard & Poor’s, 2013). Deze twee indicatoren blijven toenemen tot en met 2006. In 2007 echter merken we een daling in activiteit op. Met een daling van respectievelijk 24.7% en 18.9% ten aanzien van 2006. Een trend die zich tot op heden heeft doorgezet. Spanje werd getroffen door een vastgoedzeepbel. Wanneer de crisis toeslaat in 2008 wordt ook Spanje hard getroffen. De bouwactiviteit vertraagt aan een snel tempo. In 2008 worden bijvoorbeeld maar 329490 woningen gebouwd. Dit is 53.3% van het aantal in 2007. Naar 2012 toe daalt dit aantal enorm sterk naar 44162 (EMF, 2013). Het verloop na de crisis is erg analoog aan de gebeurtenissen in Italië. De rentevoeten op Spaans staatspapier en hypotheken beginnen terug toe te nemen (Standard & Poor’s, 2013). 48

Twijfels ontstaan over de Spaanse economie en het land gaat door een diepe economische crisis. Met zwaar negatieve groeicijfers. Ook is de Spaanse banksector zwaar de dupe van de crisis. Een groot aantal leningen die ze heeft uitstaan, komen nu in de problemen, vanwege het slechte economische klimaat. Cijfers van de Wereldbank geven bijvoorbeeld aan dat in 2013 8.2% van de totale leenmassa het label non-performing meekrijgt. Gedwongen verkopen nemen toe en werken negatief door op vastgoedprijzen (EMF, 2013). Het vertrouwen in de economie is zoek en weegt negatief op de prijs van woningen. Ook hier lijkt het einde van de daling nog niet in zicht. S&P (2013) verwacht voor het gehele jaar 2014 een daling in reële huizenprijzen van maar liefst 4.5%.

Verenigd Koninkrijk Een meer hobbelig parcours wordt afgelegd door het Verenigd Koninkrijk. Na een stijging in vastgoedprijzen tot het eerste kwartaal van 2008 zetten deze prijzen een daling in. Waar de huizenprijzen voor een jaar sterk dalen, stijgen ze nadien om uiteindelijk in het tweede kwartaal van 2013 16% gedaald te zijn ten aanzien van het hoogtepunt eind 2007. De evolutie sinds het tweede kwartaal 2013 is stijgend. De laatste observatie die het Office for National Statistics verzameld heeft, is deze voor januari 2014. Sinds 2013 kwartaal twee zijn de prijzen met 4.5% gestegen. In haar Hypostat 2005 rapport wijdt de EMF een geheel topic aan innovatie op de hypothecaire markten in het VK. De dereguleringsgolf heeft zich sterk verankerd n het VK. De concurrentie is enorm toegenomen en hierdoor ook de innovatie. Bovendien wordt vermeld dat de Europese regelgeving hieromtrent ietwat gematigder is dan deze in het VK.2 Daarenboven blijkt het niet onmogelijk te zijn een bedrag te ontlenen aan een klant met een geringe terugbetalingscapaciteit (EMF, 2005, p. 29-34). Deze sterke productinnovatie ligt mogelijk aan de basis van de hoge mate van hypothecaire schuld in verhouding tot het BBP in figuur 4.2. Een verhoging van de vastgoedprijzen is dan zeker niet ondenkbaar. Bovendien heeft Verenigd Koninkrijk aan het begin van de jaren 2000 een lage rente gekend. Deze is sindsdien enkel afgenomen, gecombineerd met een gunstige economische groei, krijgen we een verklaring voor de stijgende prijzen van woningen.

2

Een in het oog springende innovatie is de volgende: zo is het mogelijk om een 100%, van de waarde van de woonst, + LTV lening af te sluiten (EMF, 2005, p. 33).

49

Toen de crisis het VK trof, bleek ook de huizenmarkt niet onfeilbaar. De werkloosheidsgraad is sterk toegenomen sinds de crisis. Waar in de periode 2002-2008 de werkloosheid 5% gemiddeld bedraagt, stijgt dit nadien tot 7.8% (Office for National Statistics). Dergelijke macro-economische problemen manifesteren zich dan ook op de huizenmarkt. Het aantal transacties is sinds de crisis sterk afgenomen (Standard & Poor’s, 2013). Een toekomstige stijging van de vastgoedprijzen hoeft dan ook niet te verbazen. Het is te verwachten dat naarmate de economie zich herneemt en de economische groei op haar normale ritme komt, de vastgoedprijzen verder zullen stijgen. Een extra reden ligt in het feit dat de elasticiteit van het aanbod vrij laag is in het VK (Caldera & Johansson, 2013).

Japan De vastgoedprijzen in Japan zijn reeds geruime tijd aan het dalen. Zoals we in figuur 2.1 al zagen zijn deze prijzen sinds 1991 al aan het dalen. De vraag is of er na 20 jaar een einde in zicht is. Vergelijken we de gemiddelde kwartaalgroei voor de crisis, dus vanaf het eerste kwartaal 2000 tot en met het tweede van 2008 (-0.80%) met de periode vanaf de crisis (-0.49%), dan merken we dat een einde aan de daling in het verschiet ligt. Als we op zoek gaan naar verklaringen kunnen we niet voorbij aan de oorzaken van de zogenaamde lost decade. Naar het einde van de jaren ’80 toe is de Japanse economie erg oververhit. Activaprijzen stijgen enorm in waarde. Illustratief is de steile klim die de Japanse Nikkei 225 maakt tijdens deze jaren. Van een waarde van 6000 in 1980 stijgt deze naar 40000 in 1989 (Hoshi & Kashyap, 2004, p. 5). Een stijging van maar liefst 566.7% op negen jaar tijd. Een stijging die overigens niet beperkt blijft tot louter aandelenkoersen. Landprijzen, huizenprijzen nemen allen sterk in waarde toe.3 Wortels van deze oververhitting liggen op twee fronten: enerzijds een sterke economische groei en anderzijds een sterke deregulering van de financiële sector. De Japanse economie laat sinds de jaren ’50 tot het midden van de jaren ’70 een gemiddelde groei optekenen van 10%. Aan de vooravond van de crash, zwakt de groei af naar 4% gemiddeld (Motonishi & Yoshikawa, 1999, p. 182). Ook is de Japanse financiële sector onderhevig aan een verregaande deregulering. Een periode die volgens Hoshi & Kashyap (2000) een aanvang neemt midden jaren ’70. Banken groeien in omvang en beginnen meer innovatieve producten aan cliënteel aan te bieden. 3

Vergeleken met het eerste kwartaal in 1975 zijn de reële vastgoedprijzen op het hoogtepunt in 1991, op basis van gegevens van de FRBD, met 60% toegenomen.

50

Ondermeer aldus Hoshi & Kashyap (2000) vanwege de alternatieve vormen van financiering waar vele spelers binnen de economie een beroep op deden. In 1991 volgt het hoogtepunt van de bubble en de Japanse economie komt in de problemen. De financiële sector blijkt nu immers op een grote hoeveelheid probleemkredieten te zitten. Doch de volledige manifestatie van deze problemen op zich laat wachten. Vanaf 1993 komen de problemen naar boven (Hoshi & Kasyhap, 2002, p. 176). De oververhitte activaprijzen, waaronder de huizenprijzen beginnen af te koelen. Ook de economische groei neemt af. Als we de meer recente periode in beschouwing nemen, is er eigenlijk nog niet veel veranderd sinds het begin van de economische crisis. Huizenprijzen zijn nog steeds aan het dalen, hoewel een einde lijkt te komen aan deze periode. Sinds het aantreden van een nieuwe Japanse premier, Shinzo Abe, in december 2012 is het monetaire beleid van de Japanse centrale bank erg accomoderend. Cijfers van de Bank of Japan geven aan dat de monetaire basis sinds het aantreden gemiddeld maandelijks met 30% toenemen. Desondanks wijzen cijfers omtrent het consumentenvertrouwen op een sombere houding van de Japanse consument. De index staat in februari op het laagste punt in meer dan twee jaar, getuige figuur 4.5. Het einde van daling in vastgoedprijzen lijkt dus nog niet in zicht. Figuur 4.5: Consumentenvertrouwen Japan

Consumentenvertrouwen Japan (2005-2014) 60

Waarde Index

50 40 30 20 10 0 2005

2006

2007

2008

2009

2010

2011

2012 2013

2014

Jaartal Bron: Cabinet Office Japan, eigen verwerking

51

Verenigde Staten Het huizenprijsverloop in de VS verloopt volgens een omgekeerde U-vorm die haar hoogtepunt bereikt in het vierde kwartaal 2006. Dit is dus ruim voor het omvallen van de Amerikaanse zakenbank Lehman Brothers. Na het bereiken van de piek in 2006 volgde een daling in vastgoedprijzen met 4.2% in 2007. De daling bereikte recent een keerpunt. Vanaf het tweede kwartaal van 2012 zijn de vastgoedprijzen terug aan het stijgen. Een stijging die zich tot op heden heeft doorgezet. De laatste cijfers van de Ferderal Housing Agency geven een jaarlijkse stijging aan in het laatste kwartaal van 2013 met 7.63%. Kijkende naar de oorzaken van de vastgoedzeepbel staat het hoge dereguleringsinnovatiegehalte in de Amerikaanse hypotheekmarkt centraal. Complexe producten met exotisch klinkende namen raken bekend bij het grote publiek: CDO, MBS, enz… De gewone Amerikaan wordt gestimuleerd om kredieten aan te gaan, te consumeren en financiële instellingen kunnen deze leningen van hun balansen wegboeken. Dit weerhield deze instellingen ervan om restrictief om te springen bij het verlenen van leningen. De schulden stapelden zich op zoals blijkt uit figuur 4.2. Hierdoor zagen Amerikaanse consumenten hun beschikbaar inkomen sterk toenemen. Vastgoed werd bereikbaar voor de modale consument. De vraag naar woningen steeg dan ook en dit dreef de prijzen op. En hoewel de aanbodelasticiteit van de Amerikaanse markt uitermate hoog is volgens het artikel van Caldera & Johansson (2013), blijkt dit niet afdoende te zijn om een hogere vraag op te vangen en stijgen de huizenprijzen desondanks. Ook hier waren alle ingrediënten aanwezig voor een zeepbel. De zeepbel is dan ook gesprongen., met alle gevolgen van dien. De economie belandde in een ernstige recessie en de woningprijzen konden niet achterblijven en zetten een daling in. De Federal Reserve heeft in de nasleep van de crisis een expansief monetair beleid gevoerd met enkele opvallende maatregelen, zoals quantative easing. De rentevoeten op allerlei leningen werden hierdoor lager gedreven. Desondanks bleef de crisis wegen op de huizenprijzen. Nu jaren na het begin van de crisis lijkt de trend zich langzaamaan te keren.

52

5. Econometrische analyse van de Belgische vastgoedprijzen In dit hoofdstuk en het volgende zullen we trachten de Belgische ontwikkelingen na het uitbreken van de economische crisis te verklaren. Net zoals we in het voorgaande hoofdstuk deden voor enkele internationale vastgoedmarkten. Doch nu gaan we veel meer in detail. We starten onze zoektocht naar verklaringen via het opstellen van een econometrisch model van de vastgoedprijzen. Dit geeft ons een eerste indicatie omtrent de mate van belangrijkheid van de opgenomen verklarende variabelen in het verklaren van onze onderzoeksvraag. Omdat een econometrisch model niet alles kan vatten, vullen we deze analyse aan met een bespreking van andere verklarende factoren. Dit is het onderwerp van het volgende hoofdstuk.

5.1 Schatting van een algemeen model We relateren doorheen dit hoofdstuk de reële woningprijs aan volgende variabelen: reëel beschikbaar inkomen, leningen, gezinnen, reële rentevoeten, volume huizen, werkloosheid en vermogen. Alvorens we aan de schatting van dit model beginnen, testen we of de variabelen van de regressies stationair zijn of niet. Dit is van belang om uitspraken te kunnen doen over de uitgevoerde regressies, het extrapoleren van verbanden en de bepaling van econometrische technieken die gehanteerd zullen worden.4 Immers de analyse van tijdreeksen gaat er veelal van uit dat de reeksen waartussen verbanden worden gezocht stationair zijn (Gujarati, Porter, 2009, p. 737). Er zijn technieken waarvoor het niet-stationair zijn noodzakelijk is, namelijk coïntegratie-analyse. De variabelen, omschrijving, bronnen en hun berekeningswijze, die we doorheen dit hoofdstuk zullen hanteren, staan beschreven in appendix 1. Deze variabelen zullen eerst getest worden op hun stationariteit. Indien de variabelen niet-stationair blijken te zijn, gaan we ook na of de variabelen in firstdifference dit wel zijn. Alvorens tot formele econometrische testen over te gaan, bekijken we eerst grafisch in figuur 5.1 of de variabelen stationair zijn. Concreet heeft een niet-stationaire reeks een gemiddelde en/of variantie dat varieert doorheen de tijd. Een dergelijke reeks zal dus niet terug tenderen naar het lange-termijn gemiddelde, ze is met andere woorden niet mean-reversing (Gujaratie, Porter, 2009, p. 741).

4

Het innemen van een verkeerdelijk uitgangspunt met betrekking tot stationariteit kan verregaande gevolgen hebben. Indien de reeks eigenlijk niet-stationair blijkt te zijn, zijn de OLS-schatters inconsistent (Verbeek, 2004).

53

Figuur 5.1: Grafische inspectie stationariteit

Bronnen: zie appendix 1 voor een overzicht

54

In paneel a van de figuur lijken alle reeksen, op vermogen na, niet-stationair. Afhankelijk van de beschouwde periode, zal het gemiddelde verschillen, net als de variantie. Deze analogie kunnen we ook waarnemen in paneel b van figuur 5.1. Zij het dat in dit paneel de stijging minder sterk is dan in paneel a. Het derde paneel daarentegen doet vermoeden dat de reeksen werkloosheid en reële rente stationair zijn. Hoewel dit minder eenduidig te merken is voor de laatste reeks. Bij deze reeksen lijken het gemiddelde en de variantie niet te variëren afhankelijk van de beschouwde periode. Een meer formele test zal op stationariteit zal hierover uitsluitsel bieden. Sjö (2010) vermeldt dat het eerst noodzakelijk is te testen op een orde van inegratie gelijk aan 2. Nadien kunnen we testen of de variabele in kwestie een orde heeft dat gelijk is aan 1. Om te testen of de orde gelijk is aan 1 hanteren we de methode van Enders (2004), die beschreven staat in zijn werk op pagina 213. De meer uitgebreide versie van deze test, staat in de tabel van appendix 2. Hier geven we enkel een tabel met de variabelen en de orde van integratie. We hanteren de Augmented Dickey-Fuller testen. Bekijken we tabel 5.1:

Tabel 5.1: Weergave resultaten Augmented Dickey-Fuller testen

Variabele Prijs Inkomen Gezinnen Leningen Reële Rente Werkloosheid Volume Huizen Vermogen

Orde 1 1 0 1 0 0 1 1

(a) Zie appendix 2 voor de overeenkomstige resultaten

De meerderheid is van de orde I(1). Nu we notie hebben van de aard van de variabelen, zullen we trachten een zo goed mogelijk model op te stellen dat de Belgische vastgoedprijzen beschrijft. Een probleem waar we nu mee geconfronteerd worden, is het probleem van spurious regression. Wanneer we variabelen die niet-stationair zijn op elkaar regresseren, dienen we er met andere woorden zeker van te zijn dat deze variabelen een gemeenschappelijke trend bezitten. Bezitten ze deze gemeenschappelijk trend niet, is de regressie spurious, of met andere woorden nonsens.

55

Om zulke resultaten uit te sluiten, testen we de of geschatte regressievergelijking spurious is. Hiertoe hanteren we een testprocedure bestaande uit twee stappen, de zogenaamde EngleGranger testprocedure. We testen via een dergelijke procedure of er sprake is van coïntegratie. Twee of meer reeksen vertonen coïntegratie indien ze een lange-termijn evenwichtsrelatie bezitten (Gujarati, Porter, 2009, p. 762). Coïntegratie vereist dat de residuen van een dergelijke regressie stationair, I(0), zijn.

Hanteren we volgend eenvoudig vraag- en aanbodschema: 𝑉𝑟𝑎𝑎𝑔𝑡 = 𝛼0 + 𝛼1 𝐼𝑛𝑘𝑜𝑚𝑒𝑛𝑡 + 𝛼1 𝑅𝑒𝑛𝑡𝑒𝑡 + 𝛼3 𝐺𝑒𝑧𝑖𝑛𝑛𝑒𝑛𝑡 + 𝛼4 𝐿𝑒𝑛𝑖𝑛𝑔𝑒𝑛𝑡 − 𝛼5 𝑃𝑡

[1]

𝐴𝑎𝑛𝑏𝑜𝑑𝑡 = 𝛽0 + 𝛽1 𝑃𝑡

[2]

Stellen we vervolgens het aanbod gelijk aan de vraag:5 𝑉𝑜𝑙𝑢𝑚𝑒 𝐻𝑢𝑖𝑧𝑒𝑛𝑡 = 𝛼0 + 𝛼1 𝐼𝑛𝑘𝑜𝑚𝑒𝑛𝑡 + 𝛼2 𝑅𝑒𝑛𝑡𝑒𝑡 + 𝛼3 𝐺𝑒𝑧𝑖𝑛𝑛𝑒𝑛𝑡 + 𝛼4 𝐿𝑒𝑛𝑖𝑛𝑔𝑒𝑛𝑡 − 𝛼5 𝑃𝑡 [3]

Uitwerken naar Pt: 𝑃𝑡 = 𝛾0 + 𝛾1 𝐼𝑛𝑘𝑜𝑚𝑒𝑛𝑡 + 𝛾2 𝑅𝑒ë𝑙𝑒 𝑅𝑒𝑛𝑡𝑒𝑡 + 𝛾3 𝐺𝑒𝑧𝑖𝑛𝑛𝑒𝑛𝑡 + 𝛾4 𝐿𝑒𝑛𝑖𝑛𝑔𝑒𝑛𝑡 − 𝛾5 𝑉𝑜𝑙𝑢𝑚𝑒 𝐻𝑢𝑖𝑧𝑒𝑛𝑡

[4]

Hierbij is: 𝛼 𝛼 𝛼 𝛼 𝛼 𝛾0 = 0⁄𝛼5 ; 𝛾1 = 1⁄𝛼5 ; 𝛾2 = 2⁄𝛼5 ; 𝛾3 = 3⁄𝛼5 ; 𝛾4 = 4⁄𝛼5 ; 𝛾5 = 1⁄𝛼5

Prijs: de reële transactie gewogen gemiddelde vastgoedprijs in kwartaal t. Inkomen: het reëel beschikbaar inkomen in kwartaal t. Reële Rente: de reële rentevoet op 10-jarig staatspapier in kwartaal t. Leningen: leningen aan huishoudens en VZW’s ten dienste van huishoudens in kwartaal t. Gezinnen: het aantal Belgische gezinnen in kwartaal t. 𝛾0 is een autonome component.

5

Volume huizen wordt gelijkgesteld aan het aanbod in een bepaald kwartaal t.

56

Niet alle variabelen blijken beschikbaar voor de ganse periode 1973q1 tot en met 2013q3. Afhankelijk van de opgenomen variabelen wijzigt de schattingsperiode. Tabel 5.2 geeft een eerste model met als variabelen de fundamentals.

Tabel 5.2: Regressie vastgoedprijzen op fundamentals

Afhankelijke variabele Prijs Steekproef 132 Coëfficiënt C -60,209 Inkomen 0,505 Reële Rente -0,825 Gezinnen 4,478 Leningen -0,176 Adjusted R2 0,941 SBC -1,932 DW 0,220 Resid -4,580*

T-waarde -3,540*** 2,522** -3,500*** 3,785*** -0,995

(a) *,** en *** staan respectievelijk voor significantie op 10%, 5% en 1%. (b) DW staat voor Durbin-Watson. (c) Alle variabelen, uitgezonder Reële Rente, staan in logs. (d) Resid staat voor de ADF-testwaarde bij de Engle-Granger test methode. Een ster duidt op coïntegratie.

Het eerste wat we opmerken, is dat inkomen, reële rente en bevolking het verwachte teken hebben. Vermits inkomen en gezinnen getransformeerd zijn volgens een natuurlijk logaritme, kunnen we de coëfficiënten interpreteren als elasticiteiten. Zo blijkt een stijging van 1% in het beschikbaar inkomen een gemiddelde stijging van 0.505% ceteris paribus te impliceren.6 Ook is de coëfficiënt bij gezinnen zeer hoog. Een stijging van 1% van de gezinnen impliceert een gemiddelde stijging in vastgoedprijzen van maar liefst 4.48%, ceteris paribus. Opmerkelijk is de hoge waarde voor de adjusted R2. Onze regressie is in staat om 94.1% van de variatie in reële vastgoedprijzen te verklaren in de beschouwde periode. Toch dienen we een test uit te voeren om zeker te zijn dat de resultaten niet spurious van aard zijn. We voeren hiervoor een ADF-test uit op de residuen. Herinner dat we dienen te testen of de residuen van de regressie een orde van integratie nul hebben. Indien dit niet zo is, zijn de bekomen resultaten nonsens.

6

Op lange termijn is de inkomenselasticiteit gelijk aan 1 volgens de literatuur. Het 95%-betrouwbaarheidsinterval is hier [0.108, 0.903] en dus significant verschillend, op 99% [-0.019, 1.031].

57

De Engle-Granger-procedure werkt met een ADF-test op de geschatte residuen. Hier moeten kritische waarden worden berekend. Indien de bekomen ADF-waarde in absolute waarde groter is dan deze kritische waarde, is er coïntegratie. De kritische waarde wordt als volgt berekend:

𝐾𝑟𝑖𝑡𝑖𝑠𝑐ℎ𝑒 𝑤𝑎𝑎𝑟𝑑𝑒 = 𝛽0 +

𝛽1 𝑁

+

𝛽2

[5]

𝑁2

De waarden voor de bèta’s zijn gegeven in MacKinnon (1991, p. 9) de N is de steekproefgrootte. De 5%-kritische waarde hier is gelijk aan:

−4.55 = −4.4185 +

−13.641 132

+

−21.16 1322

Vermits de ADF-waarde significant is, is de regressie niet spurious. Ons model is dus in staat om de lange termijn ontwikkelingen in de vastgoedprijzen te verklaren. Toch gaan we trachten het model te verbeteren. Hiertoe bekijken we of we de SBC kunnen verkleinen. De steekproefgrootte dient over de verschillende modellen gelijk te zijn (Brooks, 2008). De resultaten worden gegeven in volgende tabel.

Tabel 5.3a: Alternatieve regressies

Afhankelijke variabele Prijs Steekproef C Inkomen Reële Rente Gezinnen Leningen Volume Huizen Werkloosheid Vermogen Adjusted R2 SBC DW Resid7

[2]

[3]

[4]

132 Coëfficiënt -136,559 0,464 -0,548 -6,953 0,222 16,486

132 T-waarde Coëfficiënt -8,645*** -151,259 2,951*** 0,399 -2,929*** -0,488 -4,422*** -6,806 1,529 0,131 8,998*** 17,447 -1,958

0,964 -2,392 0,306 -2,823

0,967 -2,451 0,339 -2,851

95 T-waarde -9,652*** 2,636*** -2,714*** -4,521*** 0,923 9,835*** -3,551***

Coëfficiënt -32,027 0,009 0,585 3,256 0,209 -0,457 -0,876 0,072 0,979 -3,317 0,179 -1,624

T-waarde -1,333 0,044 10,317*** 2,270** 1,861* -0,157 -2,106** 3,868***

(a) *,** en *** staat voor significantie op 10%, 5% en 1%. (b) Alle variabelen staan in logs, reële rente uitgezonderd. (c) Een * bij resid duidt op coïntegratie.

7

Voor regressie twee is de 5%-kritische waarde: −4.818 = −4.9767 −

In drie bedraagt deze 5%-kritische waarde: −4.825 = −4.97684 − Voor vier is deze op 5%: −4.984 = −5.22924 −

−23.0023 95

−

24.646 952

+

20.833

−

9.05

132 1322 19.9021 22.045 110.761

132 144.479

−

1322

+

1323

953

58

Tabel 5.3b: resultaten alternatieve regressies

Afhankelijke variabele [5] Prijs Steekproef 95 Coëfficiënt C -37,707 Inkomen -0,007 Reële Rente 0,586 Gezinnen 3,066 Leningen 0,202 Volume Huizen Werkloosheid -0,86 Vermogen 0,072 Adjusted R2 0,979 SBC -3,364 DW 0,176 8 Resid -1,579

T-waarde -3,740*** -0,039 1,335 4,021*** 1,953* -2,143** 3,978***

[6]

[7]

132 Coëfficiënt -66,124 0,470 -0,709 4,947 -0,243

132 Coëfficiënt -43,153 0,331 -0,836 3,362

T-waarde 3,815*** 2,341** -3,404*** 4,075*** -1,339

T-waarde -17,133*** 1,921* -3,570*** 12,328***

-1,136 -1,564

-0,908 -1,281

0,942 -1,914 0,216 -4,388

0,941 -1,937 0,219 -4,463

(a) *,** en *** staat voor significantie op 10%, 5% en 1%. (b) Alle variabelen staan in logs, reële rente uitgezonderd. (c) Een * bij resid duidt op coïntegratie.

In model twee hebben we de aanbodvariabele ‘volume huizen’ toegevoegd. Het toevoegen van deze variabele leidt tot een verandering in het teken van gezinnen. Een teken dat bovendien niet theoretisch kan verwacht worden, wat ook het geval is voor de aanbodvariabele. De derde regressie houdt rekening met de werkloosheid in België. De gevolgen zijn gelijkaardig als in model twee. In regressie vier voegen we de variabele vermogen toe. Nu verliezen enkele variabelen hun significantie, variabelen die bovendien theoretische overeenstemming hebben. Een dergelijk model is bijgevolg niet zinvol. Dit kan ook gezegd worden van het vijfde model, waar de aanbodvariabele wordt weggelaten. Modellen zes en zeven daarentegen zijn theoretisch zinvol. Geen van de geschatte modellen vertoont echter coïntegratie. We dienen dus te besluiten dat enkel het eerste model met als variabelen: inkomen, reële rente, leningen en gezinnen geschikt is voor analyses op de lange termijn.

8

In regressie vijf is de 5%-kritische waarde: −4.765 = −4.97684 −

Voor regressie zes is de 5%-kritische waarde: −4.818 = −4.9767 −

19.9021 95 20.833 132

−

−

22.045 952 9.05

+

110.761

1322 −13.641

In de zevende regressie bedraagt de 5%-kritische waarde: −4.52 = −4.4185 +

132

953

+

−21.16 1322

59

Concreet ziet het model er als volgt uit: ln(𝑝𝑟𝑖𝑗𝑠) = −60.209 + 0.505 ∗ ln(𝑖𝑛𝑘𝑜𝑚𝑒𝑛) − 0.176 ∗ ln(𝑙𝑒𝑛𝑖𝑛𝑔𝑒𝑛) − 0.82 ∗ 𝑅𝑒ë𝑙𝑒 𝑅𝑒𝑛𝑡𝑒 + 4.478 ∗ ln(𝑔𝑒𝑧𝑖𝑛𝑛𝑒𝑛)

[6]

Voor definities van de variabelen zie supra p. 56.

Volgende figuur geeft een overzicht van de werkelijke waarden en de geschatte huizenprijs op basis van model één.

Figuur 5.2: Overzicht geschatte en werkelijke waarden

(a) De groene reeks is de huizenprijs gebaseerd op model één.

Ons eerste model overschat systematisch de werkelijke waarden tussen 1984 en 2003. Nadien nemen de werkelijke waarden de overhand. Een lange afwijking tussen de feitelijke vastgoedprijzen en haar lange termijnniveau is dus mogelijk. Wat de periode vanaf de crisis betreft, vergroot de afstand tussen de werkelijke waarden en de waarde geschat via de fundamentals. Dit wijst mogelijk op een lichte overwaardering van de vastgoedprijzen. Echter rond 2011 treedt een afkoeling op, en liggen de gefitte waarden opnieuw, zij het erg weinig, hoger. Het recente prijsverloop wordt dus bijgevolg goed beschreven door de fundamentals, en wijst op een quasi evenwicht. We kunnen dan ook niet spreken van enige overwaardering, vermits de vastgoedprijs in het derde kwartaal 2013 op het lange termijn evenwicht ligt.

60

Het is interessant om te bekijken wat het aandeel is van de diverse variabelen in het prijsverloop voor en na de crisis. Hiertoe maken we gebruik van model 1. In tabel 5.4 staan de resultaten van deze bewerking:

Tabel 5.4: Uitsplitsing prijsverloop naar verklarende factoren

Periode Variabelen Inkomen Reële Rente Leningen Gezinnen Onverklaard Totale prijsstijging

1980q4-2008q2 15,10% 4,42% -31,11% 104,50% -24.53% 68,38%

2008q3-2013q3 -1,59% -1,95% -0,45% 19,89% -11.18% 4,72%

(a) De tabel werd berekend door de verandering in LN van een bepaalde variabele te vermenigvuldigen met de parameter uit model 1 van de variabele in kwestie.

Het eerste wat opvalt is dat voor beide perioden het verloop van de gezinnen, i.e. het aantal huishoudens van enorm belang is voor het prijsverloop. Zonder andere factoren zouden de vastgoedprijzen gedurende de eerste periode met 104.50% gestegen zijn en na sinds de crisis met 19.89%. In de eerste periode is ook een grote rol weggelegd voor het reëel beschikbaar inkomen en de leningen. Na de crisis daalt de rol van deze variabelen erg sterk en wordt de rol van de rentevoet meer uitgesproken. Het deel dat onverklaard is gebleven is bovendien erg sterk gedaald.

61

Een andere mogelijkheid bestaat erin een model op te stellen dat in staat is om korte termijn veranderingen in het prijsniveau van vastgoed te verklaren. Dit verloopt via het opstellen van een Error Correction Model9 door middel van een Autoregressive Distributive Lag model (ADL). Het is mogelijk dat er naast directe invloeden van variabelen vertraagde invloeden kunnen optreden. Een goed ADL-model is datgene wat het Schwarz informatiecriterium (SBC) minimaliseert en autocorrelatie vermijdt, vermits de bekomen T- en F-statistieken anders niet te interpreteren vallen. We opteren voor het SBC-criterium, omwille van het feit dat deze asymptotisch het correcte model geeft (Brooks, 2008). Hiertoe testen we voldoende modellen. Een overzicht van de modellen die we hebben getest, staat weergegeven in tabel 5.5.

9

Een ECM is gebaseerd op het Granger-representatie theorema stellende dat wanneer

variabelen gecoïntegreerd zijn, dit proces te schrijven is als een ECM (Gujarati & Porter, 2009, p. 764). Een ECM is van de volgende vorm: 𝑛

𝑛

𝑡

∆𝑌𝑡 = 𝛼 (𝑌𝑡−1 − 𝛽0 − ∑ 𝛽𝑖 𝑋𝑖,𝑡−1 ) + ∑ ∑ 𝛾𝑗 ∆𝑋𝑖,𝑡−𝑗 𝑖=1

𝑖=1 𝑗=1

Er is nu sprake van coïntegratie wanneer de alpha in bovenstaande vergelijking significant negatief is.

62

Tabel 5.5: Overzicht geschatte ADL-modellen

Afhankelijke variabele N = 130 Constante Prijs(-1) Prijs(-2) Inkomen Inkomen(-1) Inkomen(-2) Rente Rente(-1) Rente(-2) Leningen Leningen(-1) Leningen(-2) Gezinnen Gezinnen(-1) Gezinnen(-2) Adjusted R2 SBC DW

Prijs -9,045 0,882 0,044 0,623 -0,495 -0,018 -0,101 -0,022 0,093 0,249 -0,058 -0,247 -0,198 -0,071 0,881 0,998 -5,221 2,051

[1] T-Waarde -2,744*** 9,391*** 0,503 3,371*** -1,599 -0,088 -1,648 -0,538 2,249** 2,599** -0,499 -2,552** -0,257 -0,067 1,127

[2] -8,787 0,929 0,629 -0,534 0,009 -0,103 -0,021 0,094 0,237 -0,057 -0,234 -0,273 0,021 0,846 0,998 -5,256 2,125

[3] T-Waarde -2,708** 52,413*** 3,429*** -1,786* 0,048 -1,699* -0,500 2,262** 2,565** -0,493 -2,515** -0,361 0,020 1,091

[4]

-8,797 0,929

T-Waarde -2,727*** 53,854***

-7,899 0,918

T-Waarde -2,458** 54,684***

0,627 -0,522

3,548*** -2,941***

0,573 -0,470

3,232*** -2,635***

-0,103 -0,621 0,094 0,236 -0,058 -0,234 -0,274 0,019 0,851 0,998 -5,293 2,128

-1,726* -0,503 2,274** 2,579** -0,504 -2,561** -0,365 0,018 1,108

-0,097 -0,019

-1,591 -0,475

0,233 -0,051 -0,225 -0,218 0,755

2,509** -0,437 -2,436** -0,284 0,969

0,998 -5,316 2,149

(a) *,** en *** staat voor significantie op 10%, 5% en 1%. (b) Alle variabelen staan in logs, reële rente uitgezonderd.

We zijn getart van een algemeen ADL(2,2,2,2,2)-model, een model zonder autocorrelatie. Nadien hebben we variabelen verwijderd door rekening te houden met de T-waarden. De variabelen met de kleinste T-waarde in een bepaald model is verwijderd. Het daaruit volgende model is geëvalueerd via de SBC-waarde en getest op autocorrelatie. Het uiteindelijke model dat is weerhouden staat in tabel 5.6. In deze tabel staat ook het opgestelde ECM dat volgt uit dit ADL(1,1,2,2,1)-model. We weten dat een ECM een correcte weergave is van het overeenkomstige ADL-model, indien de DW-statistieken overeenkomen, wat hier het geval is.

63

Tabel 5.6: Weerhouden ADL-model en ECM

Afhankelijke variabele N = 130 Constante Prijs(-1) Inkomen Inkomen(-1) Rente Rente(-1) Rente(-2) Leningen Leningen(-1) Leningen(-2) Gezinnen Gezinnen(-1) Adjusted R2 SBC DW

Prijs -8,073 0,929 0,596 -0,493 -0,107 -0,021 0,092 0,229 -0,051 0,226 -0,256 0,800 0,998 -5,320 2,120

[5] T-Waarde -2,553** 53,811*** 3,412*** -2,806*** -1,791* -0,505 2,237** 2,502** -0,444 2,483** -0,341 1,044

∆Prijs N = 130

[6] T-Waarde

∆Inkomen

0,596

3,412***

∆Rente ∆Rente(-1)

-0,107 -0,092

-1,791* -2,237**

∆Leningen ∆Leningen(-1)

0,229 0,226

2,502** 2,483**

∆Gezinnen ECM

-0,256 -0,071 0,371 -5,320 2,120

-0,341 -4,123***

(a) *,** en *** staat voor significantie op 10%, 5% en 1%. (b) Alle variabelen staan in logs, reële rente uitgezonderd. (c) ECM staat voor het Error-Correction Mechanisme.

Wat de significantie van de ADL-parameters betreft, moeten we omzichtig te werk gaan. Deze schattingen zijn asymptotisch correct, doch de t-statistieken zijn niet eenduidig te interpreteren. Vermits we met non-stationaire variabelen werken, zijn deze enkel te interpreteren wanneer we de parameters kunnen schrijven als een combinatie van parameters met gemiddelde nul (Sims, Stock, Watson, 1990, p. 113). Wat we dus feitelijk enkel kunnen zeggen in dit model is dat sommige tekens overeen stemmen met de a priori theoretische verwachtingen. Deze van het ECM kunnen wel geïnterpreteerd worden, vermits nu alle variabelen stationair zijn, en bijgevolg gebruikt voor statistische inferentie. De tekens, gezinnen uitgezonderd, komen overeen met wat kan verwacht worden op basis van theoretische overwegingen en zijn daarenboven sterk significant. We bekijken nu hoe het ECM presteert in het verklaren van de ontwikkelingen na de start van de economische crisis. Ook merken we op dat de coëfficiënt van het ECM sterk significant is, op het 1%-niveau, wat Sjö (2008) vooropstelt om de significante te beoordelen. We merken bovendien dat ieder kwartaal de kloof tussen de vastgoedprijs en de fundamentals met 7.01% wordt gedicht.

64

Er is dus sprake van een lange-termijn verband tussen de variabelen. Nu bekijken we hoe goed het opgestelde model erin slaagt de werkelijk geobserveerde waarden te benaderen. Dit doen we via de figuur 5.3.

Figuur 5.3: Accuraatheid opgesteld ECM-model

We merken dat het opgestelde ECM tot net met 1987 de afhankelijke variabele vrij goed kan verklaren. Nadien wordt het voor het model moeilijker en volgt het de ontwikkelingen niet erg goed. De reeks onderschat de ontwikkelingen frequent. Vanaf 2004 lijkt het opgestelde model weer wat meer aan te sluiten met de werkelijke waarden. Sinds de start van de economische crisis wordt de richting van verandering vaak correct ingeschat, doch de intensiteit van verandering niet. Volgens het opgestelde model zouden de vastgoedprijzen in 2013 eigenlijk aan het dalen moeten zijn, terwijl ze in realiteit zijn gestegen.

65

5.2 Evaluatie van de modellen Een andere relevante vraag die we stellen, is in welke mate elk model erin slaagt de ontwikkelingen sinds de start van de crisis te verklaren. Dit zullen we nu nagaan via forecasting. De periode waarover de voorspelling dient te gebeuren is de periode vanaf 2008q3 tot en met 2013q3. De resultaten van deze voorspelling10 staan weergegeven in figuur 5.4 en figuur 5.5 Figuur 5.4 geeft de voorspelling weer van het gecoïntegreerd model. We merken op dat het model de ontwikkelingen in de reeks prijs in eerst instantie onderschat. Nadien, rond het jaar 2011, worden de vastgoedprijzen systematisch overschat. Het model presteert dus niet goed met betrekking tot deze test, niet tegenstaande de hoge waarde voor de adjusted R2.

Figuur 5.4: Static forecast 2008q3-2013q3 op basis van coïntegratie model

(a) Prijsf staat voor de forecast van de reeks prijs

10

Het betreft hier een zogenaamde out-of-sample forecasting. Waarbij we zowel een dynamische, waarbij we enkele perioden vooruit voorspellen, en een statische, waarbij we slechts een periode verder voorspellen, forecasting hanteren (Brooks, 2008).

66

Figuur 5.5: Forecasting 2008q3-2013q3 ECM

(a) De ‘D’ voor de reeksen staan voor de differentie-operator. (b) Er wordt zowel een statische als een dynamische forecasting gehanteerd.

Zowel de statische als dynamische voorspellingswijze geven een vrij gelijklopend beeld van de veranderingen in woningprijzen. De richting van verandering wordt meermaals correct ingeschat. De intensiteit vaak niet, getuige bijvoorbeeld de onderschatting van de scherpe daling in 2009. Recent geven beide reeksen melding van een sterke prijsdaling in 2013, het dynamische model zelfs meer dan het statische, wat contrasteert met de feiten.

Ter afsluiting van dit hoofdstuk vatten we de voornaamste bevindingen samen. De gekozen variabelen, inkomen, reële rente, leningen en gezinnen, op basis van de literatuurstudie blijken in staat om de evoluties van de Belgische reële vastgoedprijzen op lange termijn te verklaren. Ondanks de lage T-statistiek diende de variabele leningen behouden te blijven in de regressie omdat coïntegratie anders uitbleef. Het toevoegen van een additionele variabelen, zoals vermogen, werkloosheid of de aanbodvariabele, is geen succes gebleken, vermits coïntegratie niet werd waargenomen.

67

Uit een opsplitsing naar verklaringen voor de geobserveerde prijsveranderingen over twee perioden, blijkt gezinnen een sterk prijsopdrijvend effect te hebben. In de eerste periode 1980q42008q2 zouden de vastgoedprijzen met maar liefst 104.10% gestegen zijn, indien leningen, contra-intuïtief, en onverklaarde factoren niet remmend zouden inwerken op deze stijging. Vervolgens is de impact nagegaan van mogelijk vertraagde waarden van de variabelen op de vastgoedprijs via een ADL-model en een model dat geschikt is op korte termijn, een ECM. De T-waarden van dit ADL-model zijn niet te interpreteren. Enkel de tekens en parameters, die voor het grootste deel stroken met de theoretische verwachtingen. Dit is ook het geval bij het ECM, maar hier blijken niet alle parameters significant op het conventionele 5%-niveau. Ook hier blijkt er sprake van coïntegratie, en wordt de kloof ieder kwartaal met ongeveer 7% gedicht. Het model met coïntegratie onderschat in eerste instantie de prijsontwikkelingen tijdens de crisis en nadien worden deze overschat. Het ECM presteert vrij degelijk. Hoewel de intensiteit van prijsveranderingen meermaals wordt onderschat. De modellen geschat in dit hoofdstuk geven ons al een eerste indruk met betrekking tot onze onderzoeksvraag. Immers zoals blijkt uit tabel 5.4 op pagina 61 blijkt dat de vier variabelen een groot deel van de ontwikkelingen na de crisis vatten. Maar helaas vatten ze niet alles. Dit gegeven doet vermoeden dat er meer aan de hand is en speelt op de Belgische woningmarkt.

68

6. Analyse van de ontwikkelingen post-crisis In vorig hoofdstuk is getracht via econometrische analyse uitspraken te doen over belangrijke factoren die de Belgische vastgoedprijzen kunnen verklaren. We hebben gezien dat een belangrijke rol is weggelegd voor het aantal gezinnen in België. Deze analyse was algemeen van aard en had betrekking op de ganse periode van beschikbare waarnemingen. In dit hoofdstuk concentreren we ons op diverse factoren die mogelijk een rol hebben gespeeld in het verklaren van het prijsverloop van de woningen na de crisis. Hier wordt geopteerd voor een beschrijvende methode, geen econometrische aanpak. Want hoewel econometrische technieken een nuttig instrument kunnen zijn, ze vatten niet alles van de complexe machine die de vastgoedmarkt is, zijn in zekere zin beperkt door ingevingen van de onderzoeker en de opgenomen variabelen in de regressies.

6.1 Korte samenvatting marktontwikkelingen We overlopen nog even kort de ontwikkelingen van de vastgoedprijzen na de crisis van hoofdstuk twee. In dit hoofdstuk hebben we gezien dat de vastgoedprijzen sinds het begin van de crisis zijn blijven stijgen. De reële vastgoedprijzen in het derde kwartaal van 2013 liggen 4.17% hoger dan het begin van de crisis in het derde kwartaal 2008. De jaarlijkse groeicoëfficiënt is zelfs na de crisis enkel negatief in het jaar 2009. Dat jaar koelden de prijzen met 0.28% licht af. De overige jaren kent België een sterke groei. In 2010 bijvoorbeeld herneemt de nominale prijsgroei zich met 5.80%. Doch er is wel degelijk een effect te merken van de crisis op de groei in vastgoedprijzen. Waar de gemiddelde nominale kwartaal groei gedurende de periode 2000q1-2008q2, 2.21% bedraagt, is deze sinds de crisis gedaald naar gemiddeld 0.74%. Het is dus niet zo dat de economische crisis werkelijk geen effect heeft geressorteerd op de vastgoedprijzen. De ontwikkelingen per type woonst lopen voor appartementen en woonhuizen erg gelijk. De gemiddelde jaarlijkse nominale groei bedraagt respectievelijk 2.98% en 2.53%. Een daling voor beide met ongeveer zeven procentpunten ten aanzien van het gemiddelde over de periode 2000q1-2008q2. De markt voor villa’s heeft minder geleden onder de crisis. Daar is de jaarlijkse gemiddelde jaarlijkse nominale groei in prijzen tussen de twee perioden licht gedaald, met ongeveer één procentpunt, naar 1.25%. Appartementen is het enige type dat een continu

69

stijgende kwartaalgroei heeft gekend sinds het uitbreken van de crisis. De andere types kenden in 2009 een dalende groei ten aanzien van het niveau van 2008. De prijzen van huizen dalen met 0.28% en deze van villa’s met 4.85%. In 2012 dalen de prijzen van villa’s nog eens licht met 0.31%. Tot slot vermelden we dat de prijsstijgingen zich het sterkst hebben voorgedaan bij de duurdere segmenten op de vastgoedmarkt. Woningen en appartementen in het derde kwartiel zijn sinds de crisis het sterkst in waarde gestegen.

6.1 Demografische factoren en bouwactiviteit Demografische evoluties kunnen een belangrijke oorzaak van prijsdruk op woningen. Indien het aanbod te gering is om gezinnen te huisvesten zal er nog meer concurrentie ontstaan om de bestaande woningen. Bovendien zal omwille van het private onderhandelingskarakter van de woningmarkt diegene met de beste papieren met de buit gaan lopen. Onderhandelingen zullen harder gespeeld worden en de prijzen van woningen zullen stijgen. Er zijn immers meer gezinnen voor een woning. Figuur 6.1 geeft een overzicht van het aantal beschikbare woongelegenheden per particulier huishouden op diverse tijdstippen.

Figuur 6.1: Aantal woongelegenheden per huishouden

Aantal woningen per gezin 1,100

0,79

1,095

0,78

1,085

0,77

1,080

0,76

Aantal

Aantal

1,090

1,075 0,75

1,070 1,065

0,74 1995 2001 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013

Jaartal Aantal woningen per gezin

Verhouding2

Bron: FOD Economie, Eigen Verwerking, Eurostat (a) Het aantal huishoudens voor 2001, 2011, 2012 en 2013 werd berekend door de bevolking te delen door de gemiddelde gezinsgrootte. Voor 2001 was dit op basis van de waarde van 2000. Voor de andere jaren op basis van dit van 2008. (b) Verhouding2 geeft de verhouding tussen het aantal woningen, zonder handelshuizen en andere woongebouwen en het aantal gezinnen.

70

Waar de verhouding sinds 2001 grosso modo constant blijft, maakt deze vanaf 2009 een scherpe duik. Het aantal woongebouwen is dus erg achteruitgegaan. Bovendien dienen we te vermelden dat deze verhoudingen mogelijks een overschatting geven van de werkelijke cijfers. Sommige woongelegenheden zijn immers niet bestemd voor gezinnen, maar wel bijvoorbeeld bestemd als kot.

Daarenboven

omvatten

deze

statistieken

categorieën:

handelshuizen,

andere

woongebouwen en hoeven en kastelen, waarvan men zich de vraag kan stellen in welke mate deze bewoonbaar zijn. Daarom hebben we de reeks verhouding2 geplot. Dit geeft een totaal ander beeld en geeft blijk van sterke schaarste op de woningmarkt, doch de werkelijke verhouding zal wellicht hoger uitvallen dan verhouding2. Ook dient rekening gehouden te worden met tweede verblijven. Toch valt de dalende trend op die wordt ingezet vanaf 2009. Wanneer we op zoek gaan naar de oorzaken van dit fenomeen, dienen we de bouwactiviteit onder de loep te nemen. Als we er enkele figuren bijnemen, blijkt de bouwactiviteit bij het begin van de crisis af te nemen, de werkgelegenheid daarentegen niet.

Figuur 6.2: Constructie woningen en werkgelegenheid bouwsector

70000

400

60000

350 300

Aantal

50000

250

40000

200 30000

150

20000

100

10000

Werkgelegenheid

Constructie woningen en werkgelegenheid bouw (x1000)

50

0

0 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 Constructie nieuwe woningen

Werkgelegenheid Bouw (Rechter as)

Bronnen: EMF, Eurostat en NBB, Eigen Verwerking (a) Gegevens voor constructie betreffen gegevens van de NBB en lopen tot november 2013.

Het aantal nieuwbouwwoningen daalt in 2009. In 2011 kent de reeks een grote daling ten aanzien van het voorgaande jaar. Een patroon dat we ook in figuur 6.1 terugzien. Een dergelijk scherpe

71

daling in figuur 6.1 is het gevolg van een terugvallende nieuwbouwactiviteit. Tot op heden heeft de nieuwbouw zich nog niet hersteld, en ligt ze nog steeds onder het niveau van 2008. Dat de werkgelegenheid de facto is toegenomen is dus eerder te wijten aan andere activiteiten dan nieuwbouw, bijvoorbeeld renovatie. Ook heeft de regering in het kader van haar stimulusplan na 2008 enkele maatregelen genomen die renovatie stimuleren en bijgevolg de bouwsector. Een andere factor, zie figuur 6.3, waaruit de dalende activiteit blijkt, is de daling van investeringen in behuizing.

Figuur 6.3: Groei investeringen in woningen

Groei joj investeringen in woningen 15,00%

Groeipercentage

10,00% 5,00% 0,00% 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 -5,00% -10,00%

Jaartal

Bron: EMF Eigen Verwerking

Uit deze grafiek blijkt dat de bouwsector geleden heeft onder de crisis. Met enkel in 2010 een positief groeicijfer. De activiteit valt bovendien erg sterk terug in 2009. Hoe het sentiment heerst binnen de sector zelf, blijkt uit cijfers van de bouwbarometer.11

11

De Bouwbarometer is een soortgelijk opzet zoals het consumentenvertrouwen. Een waarde boven 100 wijst op een overheersend optimisme binnen de sector.

72

Figuur 6.4: Bouwbarometer

Bron: Bouwunie

De bouwbarometer zit al geruime tijd in het rood. Dit wijst op een overheersend negatief sentiment bij de bouwbedrijven. Sinds de crisis merken we dat de Bouwbarometer slechts enkele malen boven de 100 punten is gegaan, en dit in bescheiden mate. De barometer heeft nog nooit zo laag gestaan zoals op heden. Dit doet vermoeden dat de bouwsector nog lang niet uit het dal is, en dat de bouwactiviteit laag zal liggen. Ondernemers die de toekomst negatief tegemoet zien, zullen niet geneigd zijn om risico’s te nemen. Het aantal nieuwbouwprojecten is daarom lager uitgevallen sinds de crisis. Hierdoor zal de krapte op de woningmarkt enkel toenemen. De bouwunie publiceert ook cijfers in verband met de verwachtingen van ondernemers over nieuwbouw voor het volgende jaar. Dit kan interessant zijn om een indicatie te hebben met betrekking tot het aanbod aan woningen. Figuur 6.5: Bouwsector verwachtingen

Bron: Bouwunie

73

Het gros van bouwbedrijven verwacht geen verbetering in de situatie en denkt volgend jaar met een gelijkblijvende situatie te worden geconfronteerd. Deze groep wordt vrij dicht gevolgd door ondernemers die een daling verwachten. Een studie van Caldera & Johansson (2013) vindt empirische evidentie voor een lage aanbodelasticiteit van nieuwe woningen in België, in vergelijking met andere landen. Een dergelijk gegeven bevestigd dan ook dat vraagwijzigingen zich in eerste instantie laten gevoelen via wijzingen in de huizenprijzen en dat het aanbod maar in geringe mate zal volgen, om de woningmarkt af te koelen.

Figuur 6.6: Prijselasticiteit van aanbod woningen

Bron: Caldera & Johannson (2013, p. 241)

Wanneer we ons richten op factoren die de noemer van figuur 6.1 verklaren, kunnen we niet voorbij aan het gegeven dat de gemiddelde gezinsgrootte gestaag afneemt in België en dus het aantal gezinnen toeneemt. Deze stijgende trend kan ondermeer verklaard worden door het toenemend aantal echtscheidingen.12

12

Het Federaal Planbureau (2014) ziet nog een andere verklarende factor, het toenemend aantal alleenstaande actieven.

74

De afname van de gemiddelde gezinsgrootte wordt naast voorgaande factor bijkomend in de hand gewerkt door de sterke toename in aantal eenpersoonshuishoudens, omwille van de vergrijzing en de afnemende fertiliteit van de Belgische bevolking (Manceaux, 2011). Cijfers van de FOD Economie bevestigen deze tendensen. Het aandeel alleenstaanden en gezinnen met twee personen is sedert het jaar 1995 enkel toegenomen. Dit aandeel steeg van 59.85% in 1995 naar 65.60%. De overige categorieën daalden enkel, zie figuur 6.8.

Figuur 6.7: Echtscheidingen en gemiddelde gezinsgrootte België

Aantal echtscheidingen

40000

2,5 2,48 2,46 2,44 2,42 2,4 2,38 2,36 2,34 2,32 2,3

35000 30000 25000 20000 15000 10000 5000 0

Gemiddelde gezinsgrootte

Echtscheidingen en gemiddelde gezinsgrootte

Periode Echtscheidingen

Gemiddelde Gezinsgrootte

Bron FOD Economie, Eigen Verwerking

75

Figuur 6.8: Aandeel gezinstypes in aantal gezinnen België

68,00%

20,00%

Verhouding %

66,00% 15,00% 64,00% 62,00%

10,00%

60,00% 5,00% 58,00% 56,00%

0,00% 1995 2000 2004 2005 2006 2007 2008 2009 2010 2011 2012

Verhouding 3, 4 of 5 en meer

Aandeel diverse gezinstypes in aantal gezinnen

Periode Alleenstaand en 2 personen

3 Personen

4 Personen

5 of meer

Bron: FOD Economie, eigen verwerking (a) Linker as betreft de blauwe grafiek.

Een verhoogde demografische druk ontstaat niet louter vanwege de eigen bevolking, het is ook mogelijk dat personen vanuit het buitenland om allerlei redenen wensen te verblijven in België en als dusdanig een bijkomende demografische druk uitoefenen op de woningmarkt. De gegevens met betrekking tot migraties zitten reeds vervat in de gegevens van de totale bevolking, toch geeft dit een goed beeld over het belang van deze stromen voor de demografische druk op huizenprijzen.

76

Figuur 6.9 Migraties en saldo

Migraties en migratiesaldo 180.000 160.000 140.000

Aantal

120.000 100.000 80.000 60.000 40.000 20.000 0 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012

Periode Saldo

Immigratie

Emigratie

Bron: FOD Economie en Eurostat, Eigen Verwerking (a) Het saldo is berekend als immigratie – emigratie.

Hier zien we duidelijk een stijgende tendens die ongezien hoog is en sterk toeneemt in 2010. In datzelfde jaar wordt deze ook afgebogen. Dit mogelijk te wijten aan de economische crisis en de maatregelen die de regering heeft genomen ter verstrenging van het asielbeleid. De vraag die nu moet gesteld worden, is in welke mate dit verhoogde migratiesaldo effectief leidt tot een verhoogde en permanente woningvraag. Sommige immigranten keren misschien na verloop van tijd terug, ook komen woningen van emigranten niet noodzakelijk vrij op de markt. Albrecht & Van Hoofstat (2011) ramen dat 85% van de immigranten over voldoende middelen en capaciteiten beschikt om zich een toegang tot de woningmarkt te bewerkstelligen. Nu maken we een inschatting van de krapte op de woningmarkt. Hiertoe relateren we de verandering in het aantal gezinnen met de wijziging in het aantal woningen. Wat opvalt is dat de groei van het aantal woningen, en dus de nieuwbouwactiviteit niet afneemt tijdens de crisis.

77

Figuur 6.10: Jaarlijkse groei gezinnen en woningen

60000

20000

50000

10000

40000

0

30000

-10000

20000

-20000

10000

-30000

0

Saldo

Aantal

Groei gezinnen en woningen op jaarbasis

-40000 2005

2006

2007

2008

2009

2010

2011

2012

Jaartal Groei aantal gezinnen

Groei aantal woningen

Sadlo

Saldo2

Bron: FOD Economie, Eigen Verwerking (a) Saldo (rechter as) = groene reeks – blauwe reeks. (b) Saldo2 (rechter as) = de groei in het aantal woningen zonder de categorieën andere gebouwen en handelshuizen – blauwe reeks.

Het saldo in bovenstaande figuur ligt gedurende enkele jaren erg dichtbij nul. Tijdens de crisisjaren is het saldo tussen 2009 en 2010 sterk gezakt, om in 2011 sterk negatief te eindigen. In 2012 herneemt het saldo zich echter sterk en neemt de activiteit in de bouwsector weer toe, Ook hier dienen we echter te benadrukken dat de groene reeks de groei van het aantal woningen mogelijks overschat, omwille van ondermeer de inclusie van hoeven, kastelen, handelshuizen en andere gebouwen, die niet steeds worden bewoond, in de reeks. Een ander mogelijk saldo ligt dan lager, en wordt weergegeven door saldo2. Het werkelijke saldo ligt dan mogelijk tussen de oranje lijn en de paarse. Een dergelijke reeks geeft dan ook een markant ander beeld van de schaarste die heerst op de markt. De waarheid zal liggen tussen de twee lijnen. Dit geeft aan dat het verschil in groei van gezinnen en woningen steeds erg nauw aan elkaar aansluit, en dat de gezinsaangroei mogelijks de bovenhand haalt. Het gevolg is dan ook een toenemende blijvende prijsdruk op woningen, ondanks de crisis. Albrecht & Van Hoofstat (2011) ramen de totale nood aan woningen op ongeveer 24000 woningen per jaar. Onze gegevens wijzen op een gemiddeld tekort aan 18000 woningen volgens de reeks ‘saldo2’.

78

Dat een dergelijk tekort problematisch is, hoeft geen betoog. Dat de schaarste aan bouwgrond echter toeneemt, zoals blijkt uit de oplopende prijzen van bouwgronden, en de kosten van nieuwbouw toenemen, doet vermoeden dat de woningmarkt nog lang met een krapte zal geconfronteerd worden. Volgende figuur illustreert dit met het verloop van de ABEX-index en de kosten van bouwgrond. Figuur 6.11: Prijs per m2 en verloop ABEX-Index

Prijs per m2 en ABEX-Index 120

800

Prijs/m2

600 80

500

60

400 300

40

200 20

Waarde ABEX

700

100

100

0

0 1990 1992 1994 1996 1998 2000 2002 2004 2006 2008 2010 2012

Jaartal Prijs bouwgrond per m2

ABEX-Index

Bron: FOD Economie, Associatie van Belgische Experten, Eigen Verwerking. (a) De ABEX-Index berekent de kostprijs voor het bouwen van woningen.

Een dergelijke verloop als gegeven in bovenstaande figuur is weinig hoopvol. Sinds de crisis is geen afkoeling inzake de prijs van bouwgrond op te merken. De ABEX-index vertoont een ander verloop tijdens de crisis, maar staat nu reeds hoger dan in 2008.

Samenvattend kunnen we stellen dat de demografische druk enerzijds via een hoog migratiesaldo en anderzijds via een daling in de gezinsgrootte de druk heeft verhoogd op de vastgoedmarkten, niet tegenstaande de constructie op peil is gebleven. Het ongeziene negatieve sentiment sedert de economische crisis bij bouwondernemingen zet slechts een grotere druk op de vastgoedmarkten en biedt deels een verklaring voor de toename in woningprijzen na de crisis. Bovendien zorgen een toename in bouwkosten en prijs van bouwgronden enkel maar voor een versterking van dit effect, waardoor de schaarste vanwege het uitblijven in nieuwbouw enkel is toegenomen. 79

6.3 Leningen en financiëringsvoorwaarden In deze paragraaf bekijken we meer in detail hoe het leenvolume, bedragen en rentevoeten zijn geëvolueerd. We bekijken ook hoe banken zijn omgegaan met kredietaanvragen tijdens de crisis. Een eerste figuur waar we naar dienen om een globaal beeld te krijgen van de evoluties is figuur 6.12. De tendens is unaniem stijgend. Vergelijken we deze figuur met figuur 4.2 (zie supra p. 41), dan merken we dat België, samen met Frankrijk en Luxemburg, één van de weinige landen is met een steeds stijgende verhouding. Qua hoogte van de verhouding springt België niet in het oog. Zes landen kennen een veel grotere verhouding. Doch de immer stijgende verhouding is opvallend te noemen.

Figuur 6.12 Hypothecaire schuld op BBP

Hypothecaire schuld op BBP 60,00%

Verhouing in %

50,00% 40,00% 30,00% 20,00% 10,00% 0,00% 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012

Jaatal

Bron: EMF, Eigen Verwerking

Hypothecaire schuld kan betrekking hebben op diverse doeleinden, daarom maken we in figuur 6.13 een opsplitsing die in detail het doel bekijkt.

80

Figuur 6.13: Evolutie diverse hypothecaire leenvormen

Evolutie Hypothecair krediet (mio euro) Totaal uitsaand bedrag

25.000

2.000 1.800 1.600 1.400 1.200 1.000 800 600 400 200 0

20.000 15.000 10.000 5.000 0

Jaar Aankoop

Nieuwbouw

Totaal

Aankoop en transformatie (rechter as)

Bron: Beroepsvereniging voor het Krediet, Eigen Verwerking (a) De reeks totaal is de som van de drie overige reeksen. (b) De BVK beschikt nog over gegevens met betrekking tot leningen voor renovatie en herfinanciering. Deze werden buiten beschouwing gelaten.

Het totale bedrag aan hypothecaire schuld ligt in 2013 hoger dan 2008 en is grosso modo steeds blijven stijgen. Vooral de stijging in 2010, en terugval na 2011 is erg opvallend. Een patroon dat redelijk gelijkloopt met de index van het consumentenvertrouwen als verzameld door de NBB, zie figuur 6.14. We zien in onderstaande figuur dat het vertrouwen tussen 2008 en 2009 gedaald is. Dit heeft ingewerkt op de vraag naar leningen van gezinnen. Nadien stijgt de index weer in 2010 en 2011, wat weerspiegeld wordt door een stijging in hypothecaire leningen. Dit herstel van het sentiment bij de Belgische consument ligt mogelijk in het feit dat rond die periode de crisis bezworen leek, hoewel het einde lang niet in zicht was en de economie nog door woelig water diende te varen, getuige de evolutie van de index na 2011. De stijging van het volume van nieuwbouw is voor een deel te wijten aan een relacnemaatregel van de regering. Het verlagen vaan de BTW op nieuwbouw naar 6% (NBB, 2009). Na 2012 stijgt de index echter, maar daalt het aantal leningen. Een dergelijke index geeft enkel een mogelijke indicatie over de vraagzijde naar leningen.

81

Figuur 6.14: Consumentenvertrouwen België

Bron: NBB

We dienen ook de aanbodzijde te aanschouwen. In welke mate zijn de kredietvoorwaarden verstrengd? Figuur 6.15 geeft het gemiddelde bedrag aan dat geleend werd doorheen de diverse jaren naargelang het doel.

Figuur 6.15: Gemiddeld bedrag hypothecaire lening

2013

2012

2011

2010

2009

2008

2007

2006

2005

2004

2003

2002

2001

2000

1999

1998

1997

160.000,00 140.000,00 120.000,00 100.000,00 80.000,00 60.000,00 40.000,00 20.000,00 0,00

1996

Bedrag

Gemiddeld bedrag hypothecaire lening

Jaartall Gemiddelde bedrag nieuwbouw

Gemiddelde bedrag aankoop

Bron: BVK, eigen verwerking

We merken op dat zowel in het geval van aankoop, als nieuwbouw het gemiddelde leenbedrag quasi onafgebroken stijgt. 82

Recentelijk treedt echter een lichte daling op, en ook tussen 2008 en 2009. Gezinnen hebben dus steeds een hoger bedrag kunnen lenen. Voor nieuwbouw is de daling tussen 2008 en 2009 meer uitgesproken, en zet zich langer door. Deze daling kan een gevolg zijn van de daling in waarde van de woonst die in 2009 wordt geobserveerd. Maar nadien stijgt het leenbedrag echter sterk. De daling voor nieuwbouw is een gevolg van een relancemaatregel in 2009. De BTW op nieuwbouw werd verlaagd naar 6%, wat een lager leenbedrag mogelijk maakte (NBB, 2009). Van belang is echter ook te kijken naar de eigen inbreng.

Figuur 6.16: Eigen inbreng in woonst

60,00%

100.000,00

50,00%

80.000,00

40,00%

60.000,00

30,00%

40.000,00

20,00%

20.000,00

10,00%

0,00

Eigen Inbreng %

120.000,00

0,00%

1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013

Waarde Eigen Inbreng

Eigen Inbreng in waarde en % van woningprijs

Jaar Eigen Inbreng

Eigen inbreng nieuwbouw

Eigen inbreng %

Eigen inbreng nieuwbouw %

Bron: BVK, Eigen Verwerking (a) De reeksen eigen inbreng en eigen inbreng % betreffen de eigen inbreng met betrekking tot de aankoop van vastgoed. (b) Eigen inbreng en eigen inbreng nieuwbouw zijn het verschil tussen de huizenprijzen en het gemiddelde leenbedrag. (c) Eigen inbreng % en eigen inbreng nieuwbouw % zijn de verhouding tussen de eigen inbreng en de huizenprijs.

De eigen inbreng vertoont een duidelijk stijgende tendens doorheen de tijd. Opvallend is dat de eigen inbreng met betrekking tot nieuwbouw na verloop van tijd hoger ligt dan het geval indien het huishouden het type vastgoed in kwestie aankoopt. In 2012 en 2013 ligt de eigen inbreng ongeveer op dezelfde hoogte voor aankoop en nieuwbouw. Het feit dat de eigen inbreng systematisch is verhoogd is erg ongunstig voor huishoudens die een eigen woning wensen te bouwen of aankopen, en maakt het bezit van een eigen woning voor dergelijke groepen moeilijker bereikbaar.

83

Vooral het gegeven dat nieuwbouw steeds duurder wordt voor gezinnen kan problematisch zijn, gezien de demografische druk op de woningmarkten en zal louter de krapte doen toenemen. Huishoudens zijn mogelijks aangewezen op hulp van derden, bijvoorbeeld ouders, of dienen de beslissing tot aankoop, nieuwbouw uit te stellen. Wanneer we de gegevens uit de diverse figuren in deze paragraaf combineren, kunnen we besluiten dat financiële instellingen strengere kredietvoorwaarden hanteren. Enerzijds is er het groter gemiddeld leenbedrag en anderzijds is het totaal uitstaande bedrag aan hypothecaire leningen afgenomen. Een formeel antwoord hierop wordt gegeven door de Bank Lending Survey (BLS) uitgevoerd door de NBB. De globale index wordt gegeven door figuur 6.15.

Figuur 6.17: Resultaten BLS

Resultaten BLS kredietvoorwaarden 20 10

Waarde

0 -10 -20 -30 -40

Periode

Bron: NBB, Eigen Verwerking (a) Een waarde onder 0 wijst op een verstrakking van de voorwaarden. Een waarde gelijk aan 0 duidt op geen verandering in de voorwaarden.

Bovenstaande figuur toont aan dat financiële instellingen wel degelijk de kredietvoorwaarden verstrengd hebben de laatste jaren. Recentelijk zijn de kredietvoorwaarden echter versoepeld. Wanneer we redenen bekijken die financiële instellingen opgeven voor de wijzigingen in voorwaarden, komt uit de cijfers van de NBB naar voren dat besognes omtrent de balans, economische vooruitzichten en de woningmarkt, de voornaamste bijdragen leverden tot hetzij een versoepeling of verstrakking van de kredietvoorwaarden. De BLS laat echter ook toe een beeld te krijgen van de evolutie naar de vraag naar hypothecair krediet, dit zien we in figuur 6.18. 84

Figuur 6.18: Evolutie BLS kredietaanvragen

BLS evolutie kredietaanvraag 60 40

Waarde

20 0 -20 -40 -60

Periode

Bron: NBB, Eigen Verwerking

Banken ondervonden een sterk schommelende kredietvraag uitgaande van huishoudens. Het patroon sinds het begin van de crisis ligt sterk in lijn met de evolutie van het consumentenvertrouwen (zie figuur 6.14, p. 82). Hierbij zien we een sterk verhoogde kredietvraag na 2009 tot en met 2011. Naderhand valt de kredietvraag echter terug. Wanneer we figuren 6.16 en 6.17 combineren echter, kunnen we er niet omheen dat de financiële instellingen de voorwaarden verstrengd hebben voor gezinnen. Een hypothecaire lening afsluiten via een bank of andere instelling is echter niet de enige mogelijkheid. Zo kunnen huishoudens zich bijvoorbeeld wenden tot overheden voor financiering te bekomen en zijn er diverse initiatieven op handen die voorzien in sociale leningen. Het feit dat overheden tussenbeide komen in het besluit een woonst aan te schaffen en eigenaar te worden, heeft te maken met de geassocieerde positieve externaliteiten van eigen woning bezit (André, 2010). Zo maakt bijvoorbeeld de VROM-Raad (2004, p. 52) melding van een grotere sociale en politiek-maatschappelijke betrokkenheid van eigenaars van woningen. In Vlaanderen kunnen gezinnen bijvoorbeeld terecht bij het Vlaams Woningfonds. Dat de maatregel populair is, werd nog maar pas geïllustreerd toen bleek dat het voorziene budget reeds opgebruikt was in maart van dit jaar. Nu is dit euvel evenwel verholpen en is bijkomend budget gevonden. Ook het Waalse en Brussels-Hoofdstedelijk Gewest beschikken over een dergelijk woningfonds. Om in aanmerking te komen voor een lening van dergelijke fondsen, dienen een aantal voorwaarden vervuld.

85

Het netto-belastbaar inkomen mag bijvoorbeeld een grens niet overschrijden, net als de waarde van de woonst en het pand dient gelegen te zijn in het juiste gewest. Een groot voordeel van dergelijke leningen ligt in het feit dat praktisch geen eigen inbreng vereist is van de ontlener en de rentevoet wordt aangepast naargelang het inkomen. Slechts een minimum is noodzakelijk (Vlaams Woningfonds, 2014). Onderstaande figuur geeft een overzicht van de verstrekte leningen door de verschillende overheidsfondsen. Het patroon van de reeksen, de reeks leningen voor nieuwbouw uitgezonderd, dat opvalt in figuur 6.19 komt sterk overeen met het geobserveerde patroon van figuur 6.13. De toegestane leningen met betrekking tot nieuwbouw krijgen zware klappen. Dit is niet verrassend, aangezien deze huishoudens aan de voorwaarden voldoen om in aanmerking te komen voor een sociale lening en een nieuwbouwproject voor ‘normale’ huishoudens een kostelijke investering is geworden. Een beter beeld krijgen we van figuur 6.20. Deze figuur geeft een overzicht van het gemiddelde leenbedrag dat is toegestaan door de diverse overheidsfondsen.

Figuur 6.19: Totaal toegestaan volume hypothecaire leningen

300.000.000,00

25.000.000,00

250.000.000,00

20.000.000,00

200.000.000,00

15.000.000,00

150.000.000,00 10.000.000,00

100.000.000,00

Waarde

Waarde

Totaal volume hypothecaire lening

5.000.000,00

50.000.000,00 0,00

0,00 2005

2006

2007

2008

2009

2010

2011

2012

Jaartall Totaal volume aankoop (VL)

Totaal volume hypothecaire lening (BR)

Totaal volume hypothecaire leningen (WL)

Totaal volume nieuwbouw (VL) Rechter as

Bron: Vlaams Woningfonds, fonds.brussels en Fonds Du Logement, Eigen Verwerking (a) Enkel de gegevens van het Vlaams Woningfonds laten toe een onderscheid te maken naar doel van de hypothecaire lening.

86

Figuur 6.20: Gemiddeld ontleende bedragen

Gemiddeld ontleende bedrag 180.000,00 160.000,00

Waarde

140.000,00 120.000,00 100.000,00 80.000,00 60.000,00 40.000,00 20.000,00 0,00 2005

2006

2007

2008

2009

2010

2011

2012

Jaartal Gemiddelde lening nieuwbouw (VL)

Gemiddelde lening aankoop (VL)

Gemiddeld ontleend bedrag (BR)

Gemiddeld bedrag toegestande lening (WL)

Bron: Vlaams Woningfonds, fonds.brussels en Fonds Du Logement, Eigen Verwerking

Bovenstaande figuur is vrij opvallend op een aantal vlakken. Enerzijds het hoge bedrag dat gemiddeld wordt toegestaan ligt hoger dan datgene van de banken. Wat evident is, gelet op de aard van de huishoudens die in aanmerking komen voor dergelijke leningen. Een tweede zaak dat opvalt is het verloop van de staafdiagrammen doorheen de tijd. De gemiddelde bedragen die worden ontleend stijgen steeds. Dit komt evenwel ook niet als een verrassing en vindt zijn verklaring wederom in het doel van de fondsen, namelijk maatschappelijk zwakkere groepen de kans geven op eigendom van een woonst. Vermits verwacht kan worden dat deze groepen over een geringe eigen inbreng beschikken en de woningprijzen zijn blijven stijgen na de crisis, is het logisch dat de leningen deze tendens volgen. Bekijken we het verloop van het aantal goedgekeurde dossiers van de drie diensten.

87

Figuur 6.21: Aantal goedgekeurde dossiers per Gewest

Aantal Goedgekeurde dossiers per Gewest 2500

Aantal

2000 1500 1000 500 0 2005

2006

2007

2008

2009

2010

2011

2012

Jaartal Vlaams Gewest

Brussels-Hoofdstedelijk Gewest

Waals Gewest

Bron: Vlaams Woningfonds, fonds.brussels en Fonds Du Logement, Eigen Verwerking

Het aantal goedgekeurde dossiers is voor twee van de drie Gewesten na een stijging aan het dalen gegaan. Enkel in het Brussels Hoofdstedelijk Gewest is sinds 2010 een stijging in het aantal goedgekeurde dossiers aan de gang. We kunnen op basis van de grafieken besluiten dat ook de fondsen die opgezet zijn door de overheid strenger zijn geworden in het goedkeuren van aanvragen.

De rentevoeten op nieuw aangegane hypothecaire leningen staan weergegeven in volgende figuur. In deze figuur merken we dat een globaal dalende tendens. In vergelijking met het begin van de beschikbare data zijn alle rentevoeten op nieuwe contracten unaniem gedaald. Waar de rentevoeten in aanloop naar de economische crisis sterk stijgen, zijn deze sinds begin 2009 aan een daling begonnen. De rentelast ligt dus momenteel beduidend lager voor de huishoudens.

88

Figuur 6.22: Rentevoeten diverse types hypothecaire leningen

Rentevoeten diverse leenformules 7

Percentage

6 5 4 3 2 1

1/06/2013

1/01/2013

1/08/2012

1/03/2012

1/10/2011

1/05/2011

1/12/2010

1/07/2010

1/02/2010

1/09/2009

1/04/2009

1/11/2008

1/06/2008

1/01/2008

1/08/2007

1/03/2007

1/10/2006

1/05/2006

1/12/2005

1/07/2005

1/02/2005

1/09/2004

1/04/2004

1/11/2003

1/06/2003

1/01/2003

0

Tijdstip Rente hypothecaire lening (2 jaar rentevaste periode) Hypothecaire rente (tot 5 jaar rentevast) Rente hypothecaire lening (rentevaste van 5 tot 10 jaar) Rente hypothecaire lening (rentevast meer dan 10 jaar)

Bron: NBB, Eigen Verwerking

Een mogelijke verklaring voor dit patroon ligt in het gevoerde monetaire beleid van de ECB. Dat monetaire politiek van invloed is op vastgoedprijzen is een bevinding die we terugvinden bij Annett (2005). Dit rentepatroon stemt erg overeen met de basisrente van de ECB. Figuur 6.23 illustreert deze bevinding. De rentevoeten in figuur 6.24 volgen netjes de beleidsrente van de ECB.13 Ook de sterk oplopende rentepiek die we in figuur 6.23 aanschouwen, komt voort uit de monetaire beleidsbeslissing van de ECB. Dat de rentevoeten zijn gedaald sinds de start van de economische crisis, kan dus voor een groot deel worden toegeschreven aan het gevoerde monetaire beleid binnen de Eurozone.

13

De correlatie tussen de basisrente van de ECB en de reeksen schommelt tussen 0.66 en 0.88.

89

Figuur 6.23: Basisrente ECB

1/09/2013

1/03/2013

1/09/2012

1/03/2012

1/09/2011

1/03/2011

1/09/2010

1/03/2010

1/09/2009

1/03/2009

1/09/2008

1/03/2008

1/09/2007

1/03/2007

1/09/2006

1/03/2006

1/09/2005

1/03/2005

1/09/2004

1/03/2004

1/09/2003

4,50% 4,00% 3,50% 3,00% 2,50% 2,00% 1,50% 1,00% 0,50% 0,00%

1/03/2003

Percent

Basisrente ECB

Tijdstip Bron: NBB, Eigen Verwerking

Een dergelijke daling in rentevoeten op nieuwe contracten heeft ook zijn weerslag op het type contract dat is aangegaan, i.e. met variabele of vaste rentevoet. Figuur 6.24: Aandelen vast en variabele leencontracten

Aandelen vast en variabel contract in aangegaan leenvolume 80,0% 70,0%

Aandeel

60,0% 50,0% 40,0% 30,0% 20,0% 10,0% 0,0% 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013

Jaartal Vast

Variabel

Bron: BVK, Eigen Verwerking (a) De gegevens van het BVK betreffen alle soorten hypothecaire leningen. Om deze reeksen te bekomen hebben we daartoe de aandelen van nieuwbouw en bouw in het totaal aan hypothecaire leningen vermenigvuldigd met deze waarde van het BVK.

90

De resultaten over de verscheidene jaren zijn verschillend. Het ene jaar hebben de variabele contracten de overhand, in andere jaren niet. Sinds 2006 merken we een verschuiving op naar meer vaste contracten, zo ook de laatste drie jaren. Huishoudens willen blijkbaar profiteren van een lage rentestand en kiezen voor zekerheid door deze vast te pinnen gedurende de gehele looptijd van de lening.

Wanneer we deze paragraaf samenvatten merken we dat de kredietvraag doorheen de crisis vrij goed stand heeft gehouden. Recent zijn de aanvragen wel gedaald. Aan de aanbodzijde kunnen we stellen dat zowel op de private als op de publieke markt moeilijker geworden is een lening af te sluiten. Zeker middenin de crisis zijn de voorwaarden voor een lening strenger geworden. Recentelijk zijn de kredietvoorwaarden weer ietwat versoepeld, na erg verstrengd te zijn tijdens de crisis. De eigen inbreng is gestaag toegenomen doorheen de tijd. Dit kan te wijten zijn aan twee zaken: de financiële instellingen zijn meer risico-avers en/of huishoudens kiezen bewust voor een hogere eigen inbreng, omwille van het stijgende vermogen. Wat de eerste reden betreft, speelt de waarschuwing van de NBB tot voorzichtig kredietbeleid mogelijk een rol. De rol van het vermogen wordt onderzocht in volgende paragraaf. Ook de ECB heeft een grote rol gespeeld tijdens de crisis, via het verlagen van de hypothecaire rentevoeten op de Belgische markt en dit heeft zijn weerslag in de verdeling over het aantal nieuw aangegane leningen met vaste of variabele rente. Waarbij deze laatste aan populariteit wint en de aanschaf van een woonst aantrekkelijker maakt en als dusdanig de vastgoedprijs opdrijft.

6.4 De rol van vermogen Een woonst is naast een consumptievehikel ook een investeringsvehikel. Een woonst biedt gezinnen bijvoorbeeld zekerheid, onderdak. Daarnaast kan een woonst ook aangekocht worden met een motief tot investeren. Een woonst kan bijvoorbeeld dienen als instrument om een verlies aan koopkracht te tackelen, als onderpand tot het verkrijgen van leningen die dan weer op de beurs kunnen belegd worden of een huishouden kan besluiten een tweede woonst aan te kopen met als motief het verhuren hiervan of profiteren van de meerwaarde na enkelen jaren, of als pensioenbuffer. De aankoop van vastgoed kan ook passen binnen het diversifiëren van de beleggingsportefeuille. Volgende figuur doet licht schijnen over de rol van de woonst als bescherming tegen koopkrachtverlies.

91

Figuur 6.25: Verband inflatie en huizenprijzen

Bron: Annett (2005, p. 70).

Landen met een hoge inflatiegraad hebben de hoogste stijging in woningprijzen neergezet. Een correlatie impliceert uiteraard niet per se een oorzakelijk verband, het geeft louter een indicatie.14 Wanneer we nu concreet een onderzoek uitvoeren naar het vermogen van de Belgen, merken we op dat het vermogen steeds is toegenomen. De crisis heeft de aangroei van vermogen niet aangetast. Na een korte klap gekregen te hebben in 2008, herneemt de groei zich en merken we enkel positieve cijfers op. Midden 2011 is er wel een bescheiden daling. Opmerkelijk is dat de groei na de economische crisis sterker is dan ervoor. De periode voor 2008 wordt gekenmerkt door veel uitgesproken dalingen in groei. In 2002 met iets meer dan 6%. Verklaringen voor deze groei in vermogen wordt in 2005 vooral gezocht bij een regeringsmaatregel, de Eenmalige Bevrijdende Aangifte (Baugnet et al., 2011). Dit heeft geleid tot een sterke instroom van vermogen uit het buitenland. Dit blijkt dan ook uit het sterke groeicijfer van 2005. Na de crisis heeft België ook zulke maatregelen genomen in het kader van de begrotingsopmaak. Deze maatregel was een groot succes, en positief voor de groei van het vermogen.15

14

Een gelikaardige oefening voor België geeft voor de periode 1973q2-2008q2 een correlatie van 0.056en voor 2008q3-2013q3 een correlatie van -0.056 tussen inflatie en de verandering in nominale woningprijzen. Dit gegeven pleit dus in eerste instantie tegen het hedging motief. 15 De twee laatste fiscale regularisaties brachten maar liefst drie keer meer op dan verwacht, zo meldt De Standaard.

92

Figuur 6.26: Totaal financieel vermogen België

1.200.000

6,00%

1.000.000

4,00% 2,00%

Waarde

800.000

0,00% 600.000 -2,00% 400.000

-4,00%

1/10/2013

1/02/2013

1/06/2012

1/10/2011

1/02/2011

1/06/2010

1/10/2009

1/02/2009

1/06/2008

1/10/2007

1/02/2007

1/06/2006

1/10/2005

1/02/2005

1/06/2004

1/10/2003

1/02/2003

1/06/2002

-8,00%

1/10/2001

0

1/02/2001

-6,00%

1/06/2000

200.000

Groeipercentage

Totaal financiële activa (in mio Euro's) en groei

Tijdstip Totaal financiële activa

Groei

Bron: NBB, Eigen Verwerking

Dat het vermogen is toegenomen wil niet zeggen dat dit toenemend vermogen expliciet in vastgoed belegd wordt. Het is wel zo dat vastgoed aantrekkelijker is geworden. Bekijken we de evolutie van de Bel 20 in figuur 6.27. We merken op dat de Bel 20 sinds de start van de crisis sterk in waarde gedaald is en dat deze nog ettelijke percenten van het hoogtepunt bereikt midden 2007 is verwijderd. We merken dus dat aandelen aan waarde en aantrekkelijkheid hebben ingeboet. De cijfers van de NBB laten toe de evolutie te bekijken van diverse klassen van financiële activa in figuur 6.28. Ondanks de achteruitgang in de Bel 20, wordt er volop in aandelen belegd. Ook de spaardeposito’s blijken erg in trek. De beleggingen in vastrentende effecten volgen de globaal stijgende trend uit voorgaande figuur niet en hebben dus aan aandeel in de portefeuille ingeboet. Beleggingen in ICB’s hebben samen met deze van aandelen een korte dip gekend vlak na het uitbreken van de crisis. Mogelijk omwille van de angst en onzekerheid die zich volop uitte na de start van de crisis. Vandaar de stijging die plaatsgrijpt bij de categorieën: vastrentende effecten en inleg op spaar- en termijnrekeningen. Recent is de tendens echter gekeerd en herneemt de inleg in ICB’s en aandelen, ten nadele van vastrentende effecten.

93

Zichtrekeningen

Spaarrekeningen

Aandelen en dergelijke

Beleggingen ICB's

1/08/2013

1/03/2013

1/10/2012

1/05/2012

1/12/2011

1/07/2011

1/02/2011

1/09/2010

1/04/2010

1/11/2009

1/06/2009

1/01/2009

1/08/2008

1/03/2008

1/10/2007

1/05/2007

1/12/2006

1/07/2006

1/02/2006

1/09/2005

1/04/2005

1/11/2004

1/06/2004

1/01/2004

1/08/2003

1/03/2003

Waarde

Q1 1990 Q4 1990 Q3 1991 Q2 1992 Q1 1993 Q4 1993 Q3 1994 Q2 1995 Q1 1996 Q4 1996 Q3 1997 Q2 1998 Q1 1999 Q4 1999 Q3 2000 Q2 2001 Q1 2002 Q4 2002 Q3 2003 Q2 2004 Q1 2005 Q4 2005 Q3 2006 Q2 2007 Q1 2008 Q4 2008 Q3 2009 Q2 2010 Q1 2011 Q4 2011 Q3 2012 Q2 2013

Punten

Figuur 6.27: Evolutie Bel 20 Index

Bel 20 Index evolutie

5000

4500

4000

3500

3000

2500

2000

1500

1000

500

0

Periode

Bron: Datastream, Eigen Verwerking

Figuur 6.28: Evolutie diverse activaklassen

Evolutie diverse klassen financiële activa (mio Euro's)

300.000

250.000

200.000

150.000

100.000

50.000

0

Tijdstip

Obligaties en kasbons

Bron: NBB, Eigen Verwerking

94

Het toegenomen financiële vermogen komt dus tot uiting via verhoogde inleg in aandelen en een hoger bedrag op de spaarboekjes. Deze cijfers geven een indicatie over het gewijzigd beleggingsgedrag van Belgen. Het is mogelijk dat een hoger bedrag in aandelen en dus een toegenomen financieel vermogen de Belgen het vertrouwen heeft gegeven om te beleggen in woningen. Daarenboven kan een hoger financieel vermogen huishoudens ertoe aandrijven om meer eigen inbreng te voorzien in de eigen woning, en op dergelijke manier meer profiteren van een mogelijke waardestijging van de woonst. Wat we nu zullen trachten te doen, is een raming te maken van het vermogen aan vastgoed. We hanteren hiertoe de formule van de schaalfactor zoals vermeldt in Slacalek (2009, p. 11):

𝑆𝐹𝑡 = (

𝑉𝑉𝑡 𝐹𝑉𝑡

) × 𝐹𝑉𝑡

[7]

Met: VV: Vermogen aan vastgoed op tijdstip t. FV: Het financieel vermogen op tijdstip t, bron: NBB. Om de verhouding vermogen aan vastgoed ten aanzien van het financieel vermogen te bepalen doen we beroep op Arnold, van Elst, de Haan (2002, p.4). Voor 1995 schatten ze de breuk uit formule 7 op 48.68%, in 2000 op 47.66%. Figuur 6.29 geeft het resultaat van deze ruwe inschatting: Figuur 6.29: Evolutie vermogen aan vastgoed

Vermogen

Evolutie vermogen aan vastgoed (in mio Euro) 500,000 450,000 400,000 350,000 300,000 250,000 200,000 150,000 100,000 50,000 0,000 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013

Jaartal Bron: NBB; Slacalek (2009); Arnold, van Elst, de Haan (2002); Eigen Verwerking (a) Tussen 1995 en 2000 is het aandeel ten aanzien van het vermogen gemiddeld met 0.2% gedaald. Dit gegeven wordt gebruikt om de aandelen over de andere jaren te berekenen.

95

Uit de figuur blijkt dat de tendens stijgend is. Het globale vermogen dat in België uit vastgoed voortvloeit is sterk gestegen doorheen de tijd. Een recente studie van Kuypers & Marx (2014, p.7) geeft een overzicht van de vermogensverdeling over de diverse vermogenskwartielen in België. Volgens de studie heeft de rijkste 10% van de bevolking in 2013 gemiddeld 20% van haar vermogen in ander vastgoed belegd. Een fractie dat bovendien veel hoger is dan deze van de financiële activa. Voor de lagere categorie is dit 10% gemiddeld. Een evolutie doorheen de tijd wordt echter niet gemaakt doorheen de studie voor de diverse groepen.

Wanneer we dit hoofdstuk samenvatten kunnen we stellen dat het financieel vermogen in België na een kortstondige dip is blijven toenemen. Vooral de inleg in aandelen en het bedrag op spaarrekeningen is blijven stijgen. Belgen zijn dus mogelijk gaan opteren voor een verhoogde eigen inbreng om zo minder afhankelijk te worden van banken. Het succes van de Eenmalig Bevrijdende Aangifte en recente maatregelen van de regering Di Rupo inzake de fiscale regularisatie hebben hier zeker toe bijgedragen. Een deel van dit geld zal allicht naar de vastgoedmarkten gevloeid zijn en zal samen met andere fondsen aldus de vastgoedprijzen hebben opgedreven tijdens de crisis.

6.5 Beleids- en andere potentiële factoren In deze paragraaf bekijken we andere facetten die een mogelijke verklaring kunnen bieden voor de stijgende vastgoedprijzen. Hiertoe vergelijken we het percentage eigenaars in België met enkele EU-gemiddelden. Uit de figuur valt op te maken dat de verhouding aan eigenaars in België ettelijke procentpunten hoger ligt dan de respectievelijke Europese gemiddelden. De fameuze spreuk: “de Belg heeft een baksteen in de maag”, zal hier niet vreemd aan zijn. Wat maakt echter dat het aantal eigenaars zo hoog ligt in België?

96

Figuur 6.30: Eigenaarschap België, EU-15 en EU-28

Percentage eigenaars

Eigenaarschap 76,00% 74,00% 72,00% 70,00% 68,00% 66,00% 64,00% 62,00% 60,00% 58,00% 2004

2005

2006

2007

2008

2009

2010

2011

2012

Jaartal België

EU 15

EU 28

Bron: Eurostat, Eigen Verwerking

Dat het eigenaarschap in België dusdanig hoog ligt kan te wijten zijn aan interventies van de overheden. Het stimuleren van eigen woningbezit is een prioriteit van het beleid en is een formele uiting van de positieve externaliteiten die verbonden zijn met eigen-woning bezit. Zie de bevindingen van de VROM-Raad op pagina 85. Een bekend mechanisme is de woonbonus. Dit is een fiscale subsidie dat een koppel recht geeft op een interestaftrek die afhankelijk is van het marginale belastingtarief van de inkomstenbelasting (Albrecht & Van Hooftstat, 2012). Een dergelijk mechanisme kan prijsverhogend werken, aangezien de feitelijke kost van een lening sterk daalt. Ook banken kunnen hogere bedragen aan leningen toestaan dan ze zonder dergelijke maatregelen zouden doen. Het beschikbaar inkomen van een huishouden om een woonst aan te schaffen of te bouwen neemt dus toe. Deze factor zal ongetwijfeld een prijsverhogend effect hebben gehad tijdens de crisis. Andrews et al. (2011) schatten dat de woonbonus de rentevoet gemiddeld met 0.8 procentpunten doet dalen. Een andere reden kan schuilen in de vrij lage mobiliteit in België. In hetzelfde artikel geven Andrews et al (2011, p. 21) aan dat 10% van de Belgen tussen 2009 en 2010 van woonst zijn veranderd. Een factor waarvan bovendien gebleken is dat dit negatief samenhangt met eigenaarschap en de transactiekosten. André & Girouard (2008) schatten de omvang van de trasactiekosten op 17%. Tot slot is het hoge eigenaarschap mogelijk een cultureel gegeven. Een inzicht wordt geleverd door de vier dimensies van Hofstede.

97

Concreet bestuderen deze dimensies de cultuur van een land. Een van de dimensies is uncertainty avoidance.16 Deze index meet in welke mate een maatschappij omgaat met onzekerheid, en in welke mate leden van deze maatschappij zich ongemakkelijk voelen bij dergelijke onzekerheid (Hofstede, 1983, p. 81). België scoort vrij hoog op deze index en moet slechts vier landen, waarvan twee Europese, laten voorgaan. Dat Belgen onzekerheid erg wensen te mijden, uit zich dan ook op de vastgoedmarkten. De Britse consument bijvoorbeeld aanziet een woonst als middel tegen onzekerheid en waardevol als pensioenbuffer. De kans is reëel dat dit voor de Belgische consument ook opgaat. Vandaar dat de hoge mate aan eigenaars misschien ook een culturele grondslag heeft. Bovendien is een economische crisis een voedingsbodem voor onzekerheid inzake de toekomst. Het is daarom niet ondenkbaar dat Belgen zekerheid zoeken en vinden in de vastgoedmarkt. Dit heeft dan ook zijn gevolgen voor de vastgoedprijzen. We kunnen dit illustreren via het aantal transacties op de woningmarkt. Volgens cijfers van het EMF (2013) zijn deze ondanks de crisis erg stabiel gebleven. Figuur 6.31: Aantal Transacties

Aantal Transacties 130.000 125.000

Aantal

120.000 115.000 110.000 105.000 100.000 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012

Jaartal Bron: EMF, Eigen Verwerking

We zouden verwachten dat het aantal transacties sterk lager ligt. Dit zien we echter niet op de figuur. Vandaar dat vastgoed voor de Belg misschien fungeert als toevluchtsoord in onzekere tijden.

16

De overige zijn: machtafstand, vrouwelijkheid versus mannelijkheid en individualisme.

98

7. Conclusie Deze masterproef onderzoekt en verklaart de ontwikkelingen op de Belgische vastgoedmarkt sinds de crisis. De ontwikkelingen sinds de crisis zijn op zijn minst opvallend te noemen. De vastgoedprijzen in België zijn blijven toenemen. De nominale vastgoedprijzen liggen in het derde kwartaal van 2013 6.59% hoger dan aan het begin van de crisis. Een observatie dat weinig landen te beurt valt. Enkel in Duitsland (5.23%) en Luxemburg (8.73%) zien we een soortgelijk patroon optreden. Wanneer we de ontwikkelingen onder de loep nemen, merken we dat de gemiddelde nominale groei in vastgoedprijzen over de periode 2000q1-2008q2, het kwartaal voor de val van Lehman Brothers, 2.21% bedraagt. Sinds de crisis is dit 0.74%. Er speelt dus wel degelijk een effect van de economische crisis. Beschouwen we de evolutie per jaar dan treedt enkel in het jaar 2009 een daling op in vastgoedprijzen. Een erg bescheiden daling dan nog wel, met 0.28%. Naderhand herneemt de groei in nominale termen echter weer sterk (in 2010 met 5.80%). De prijsgroei in de eerste drie kwartalen van 2013 ten aanzien van dezelfde perioden in 2012 bedraagt 2.49%, 2.84% en 2.47%. Wat het prijsverloop per type woonst betreft, loopt dit van appartementen en woningen sterk synchroon. De types zetten sinds de crisis een gemiddelde prijsstijging neer van respectievelijk 2.98% en 2.53%. Dit is een daling met ongeveer zeven procentpunten ten aanzien van het pré-crisis gemiddelde. Villa’s hebben minder geleden onder de crisis, en zetten een gemiddelde nominale prijsgroei in van 1.25% sinds de crisis. Een daling met één procentpunt vergeleken met de gemiddelde nominale prijsgroei over 2000q1-2008q2. Wanneer we op zoek gaan naar verklaringen voor de onderzoeksvraag in deze masterproef, is het eerste wat in het oog springt de sterke krapte op de woningmarkt. Het aantal huishoudens oefent een sterke druk uit op de vraag naar vastgoed, en het aantal huishoudens is sterk gestegen doorheen de loop der jaren. Dit ondermeer omwille van de vergrijzing, migratie en echtscheidingen. De nieuwbouwactiviteit laat echter op zich wachten. In sommige jaren wordt de Belgische markt geconfronteerd met sterke krapte. In deze studie wordt deze op zowat 18000 woningen per jaar geschat. Dat nieuwbouw achterblijft is een slechte zaak, en mogelijk te wijten aan de hoge grondprijzen en stijgende bouwkosten, zoals gemeten via de ABEX-index, die blijven stijgen zijn sinds de crisis. Ook staat de Bouwbarometer, een index die het sentiment meet bij bouwbedrijven, erg in het rood en overheerst dus pessimisme binnen de sector. 99

Gecombineerd met een lage aanbodelasticiteit in België vormt dit een goede verklaring voor de vastgoedprijsstijgingen ondanks de crisis. Nieuwbouw wordt bijgevolg steeds duurder voor het modale gezin en ondernemingen actief in de bouw ondernemen weinig initiatief tot het zelf opzetten van een concreet bouwproject. Dit verklaart dan ook het gros van de geobserveerde prijsstijgingen sinds de crisis op de woningmarkt, en is volgens ons de hoofdreden. Een bijkomende factor die een verklaring biedt, is de lage rentestand. Dit omwille van het expansieve monetaire beleid van de ECB. Hierop volgde een daling in hypotheekrentes, wat gunstig was en de vraag naar vastgoed van de huishoudens heeft ondersteund. Dit via twee kanalen: enerzijds via een daling in hypotheekrente en anderzijds via een vermogenseffect. Zo is de waarde van het Belgisch financieel vermogen, door de lage rentestand, toegenomen en werden beleggers op zoek naar rendement en diversificatie georiënteerd richting vastgoed. De diverse fiscale regularisaties van de regering Di Rupo hebben echter ook bijgedragen tot een toename van beleggingen in vastgoed. Andere beleidsfactoren die mogelijk van tel zijn, zijn de woonbonus, renovatiepremies en de sociale leningen. De woonbonus, een fiscale aftrek van hypotheekrentes, zal zeker bijgedragen hebben tot hogere vastgoedprijzen, enkel de omvang is niet te achterhalen. Ook renovatiepremies hebben de kwaliteit van de woningen opgedreven, wat ook een prijsverhogend effect met zich meebrengt. Sociale leningen tot slot hebben minder begoede huishoudens geholpen tot aanschaf of bouw van een woonst en zo de kredietvraag mee opgedreven. Hierdoor zijn meer mensen actief gebleven op de woningmarkt, wat de vastgoedprijzen via een hogere participatie heeft verhoogd. Ook valt op dat de kredietvraag vrij goed stand heeft gehouden en dat het consumentenvertrouwen vooral in 2010-2011 erg gunstig was, maar dat de voorwaarden tot het verkrijgen van krediet zijn verstrengd. Een hoger vermogen en als dusdanig een hogere eigen inbreng heeft een verstrakking in voorwaarden opgevangen, de woningvraag ondersteund en de vastgoedprijzen verhoogd. Tot slot lijken de geobserveerde prijsstijgingen ons ook een cultureel gegeven te zijn. Belgen mijden sterk onzekerheid en een woonst biedt hiertoe soelaas. België kent immers een erg hoog percentage aan huiseigenaars, enkele procentpunten hoger dan het Europese gemiddelde, en bovendien is het transactievolume maar matig afgenomen sinds de crisis. Een teken dat Belgen ondanks de economische situatie een woonst nodig achten als buffer tegen de onzekerheid die een crisis meebrengt. 100

Tot slot vermoeden we dat het hoge eigenaarschap, en hoog financieel vermogen Belgen aanzet bij bijvoorbeeld een erfenis vastgoedprijzen bewust hoog te houden. Door het hoge spaarpotje is het geld van woningverkoop niet echt urgent.

Dit onderzoek heeft evenwel niet alles kunnen blootleggen omtrent de ontwikkelingen op de vastgoedmarkt. Verder onderzoek kan interessant zijn met betrekking tot dit onderwerp. Dit onderzoek zou zich bijvoorbeeld kunnen richten op de vraag in welke mate de sociale woningbouw middelen onttrekt aan de private woningmarkt en als dusdanig het private aanbod doet afnemen, en mede verantwoordelijk is voor de prijsstijgingen, een onderzoek zoals Murray (1983). Daarenboven lijkt een formeel onderzoek naar het prijsopdrijvende effecten van de woonbonus aangewezen, zeker in het kader van de huidige debatten omtrent het al dan niet afschaffen van deze maatregel.. Ook lijkt een uitbreiding van het geschatte econometrisch model aangewezen, via bijvoorbeeld maatstaven die het financiële landschap en het vermogen in België capteren.

101

Lijst der geraadpleegde werken Agnello, L., & Schuknecht, L. (2011). Booms and busts in housing markets: Determinants and implications. Journal of Housing Economics, 20, 171-190. Albrecht, J., & Van Hoofstat, R. (2011). Huisvesting in tijden van schaarste. Naar een renovatie van het woonbeleid. Roularta Books. Albrecht, J., & Van Hoofstat, R. (2012). Woonbonus mildert fiscale druk op nieuwbouw van 106% tot 60%...maar volstaat niet om nieuwbouw op peil te houden en wordt beter vervangen door een Btw-verlaging. Itinera Institute. . (8/05/2014). André, C. (2010). A Bird's Eye View of OECD Housing Markets. OECD. . (15/02/2014). André, C., & Girouard, N. (2008). Housing Markets, Business Cycles and Economic Policies. Austrian National Bank . (12/03/2014). André, C., Gil-Alana, L. A., & Gupta, R. (2014). Testing for Persistence in Housing Price-to-Income and Price-to-Rent Ratio's in 16 OECD Countries. Applied Economics , 46(18), 2127-2138. Andrews, D., Sánchez, A. C., & Johannson, Ä. (2011). Housing Markets and Strutural Policies in OECD

Countries.

OESO

Working

Paper

No.

836.


ilibrary.org/economics/housing-markets-and-structural-policies-in-oecdcountries_5kgk8t2k9vf3-en>. (21/03/2014). Annett, A. (2005). House Prices and Monetairy Policy in the Euro Area. IMF Country Report No. 05/226. Anundsen, A., & Jansen, E. S. (2013). Self-reinforcing effects between housing prices and credit. Journal of Housing Economics, 22, 192-212.

X

Arnold, I., van Elst, P., & de Haan, J. (2002). Wealh effects and monetary policy. De Nederlandse Bank

Research

Memorandum

WO

No.

719.

. (6/05/2014). Balázs, É., & Dubravko, M. (2007). Determinants of house prices in Central and Eastern Europe. CESifo Working Paper 2152. < http://ideas.repec.org/p/ces/ceswps/_2152.html>. (12/02/2014). Ball, M., Meen, G., & Nygaard, C. (2010). Housing supply elasticities revisited: Evidence from international, national, local and company data. Journal of Housing Economics, 19, 255268. Baugnet, V., Butzen, P., Cheliput, S., Melyn, W., & Wibaut, Q. (2011). Einde van de crisis op de woningmarkten?

Een

internationaal

overzicht.

NBB.

. (22/02/2014). Bouwunie. (2014). Bouwbarometer Zakt. . (29/04/2014). Brockmans,

H.

(2013).

Vastgoedzeepbel

is

een

mythe.

. (12/02/2014). Brooks, C. (2008). Introductory Econometrics for Finance (2e ed.). Camebridge University Press. Building Societies Association. (z.j. ). House Price Expectations: An Insight into how people think about property purchase. Building Societies Association. Caldera, A., & Johannson, Ä. (2013). The price responsivness of housing supply in OECD countries. Journal of Housing Economics, 22, 231-249. Censig, E. (2012). Italy's economy in the Eurozone crisis and Monti's reforom agenda. SWP Working Paper No. FG 1 2012/05. . (8/04/2014).

XI

Chen, M., Tsai, I., & Chang, C. (2007). House prices and household income: do they move apart? Evidence form Taiwan. Habitat International , 31, 243-256. Collyns, C., & Senhadji, A. (2002). Lending Booms, Real Estate Bubbles and the Asian Crisis. IMF Working

Paper

02/20.

.

(20/03/2014). De Standaard. (2014, Januari 1). Fiscale amnestie brengt drie keer meer op dan verwacht. . (6/05/2014). De

Standaard.

(2014,

Maart

12).

Geld

voor

sociale

woonelingen

is

al

op.

. (8/05/2014). De

Standaard.

(2014,

April

22).

Vers

geld

voor

sociale

woningen.

. (8/05/2014). Debelle, G. (2004). Housheold debt and the macroeconomy. BIS Quarterly Review, 1-14. Debelle, J., & Smets, L. (2007). De Woningmarkt in Vlaanderen: Een onderzoek naar de vraagdeterminanten

en

renovatiebehoeften.

Departement

RWO-Wooneleid.

. (3/03/2014). DiPasquale, D. (1999). Why Don't We Know More About Housing Supply? Journal of Real Estate finance and Economics, 18(1), 9-23. Dipasquale, D., & Wheaton, W. C. (1994). Housing Market Dynamics and the Future of Housing Prices. Journal of Urban Economics, 35, 1-27. EMF.

(2004).

Hypostat

2003.

.

2005.

.

(22/04/2014). EMF.

(2006).

Hypostat

(8/04/2014). EMF. (2008). Hypostat 2007. EMF. . (20/04/2014).

XII

EMF. (2011). Hypostat 2010. EMF. O. (22/04/2014). EMF. (2013). Hypostat 2013. EMF. . (22/04/2014). Enders, W. (2004). Applied Econometric Time Series (2e ed.). Wiley & Sons, Inc. Europese Centrale Bank. (2003). Structural Factors in the EU Housing Markets. . (28/02/2014). Europese Centrale Bank. (2009). Housing Finance Euro Area. Europese Centrale Bank Structural Issues

Report.

. (28/02/2014). Federaal Planbureau. (2014). Demografische vooruitzichten 2013-2060. Federaal Planbureau. . (29/04/2014). Gallin, J. (2003). The Long-Run Realtionship between House Prices and Income: Evidence from Local Housing Markets. Federal Reserve Board Working Paper N0. 2003-17. . (22/02/2014). Garcês, P. M., & Pires, C. P. (2011). New housing supply: what do we know and how can we learn more?

CEFAGE

Working

Paper

No.

18.

. (24/03/2014). Girouard, N., Kennedy, M., van den Noord, P., & André, C. (2006). Recent House Price Developments: The Role of Fundamentals. OESO Working Paper No. 475. . (25/02/2014). Glennon, D. (1989). Estimating the Income, Price and Interest Elasticities of Houing Demand. Journal of Urban Economics, 25, 219-229.

XIII

Green, R. K., Malpezzi, S., & Mayo, S. K. (2005). Metroplloitan-Specific Estimates of the PriceElasticity of Supply of Housing and Their Sources. The American Economic Review, 95(2), 334-339. Gujarati, D. N., & Porter, D. C. (2009). Basic Econometrics (5e ed.). McGraw-Hill. Henderschott, P. H., Pryce, G., & White, M. (2003). Household Leverage and the Deductability of of Home Mortgage Interest: Evidence from U.K. House Purchasers. Journal of Housing Research, 14(1), 49-82. Herreweghe, P. V. (2013). Analyse van de Prijzen Derde Kwartaalverslag 2013 van het Instituut voor

de

Nationale

Rekeningen.

Instituut

voor

de

Nationale

Rekeningen.

. (2/04/2014). Hilbers, P., Hoffmasiter, A. W., Banerji, A., & Shi, H. (2008). House Price Developments in Europe: a

Comparison.

IMF

Working

Paper

No.

08/211.

. (3/03/2014). Hofmann, B. (2001). The determinants of private sector credit in industrialised countries: do property

prices

matter?

BIS

Working

Paper

108.

. (6/03/2014). Hofstede, G. (1983). The Cultural Relativity of Organizational Practices and Theories. Journal of International Business Studies, 14(2), 75-89. Hoshi, T., & Kashyap, A. (2000). The Japanese Banking Crisis: Where Did It Come From and How Will It End? NBER Macroeconomics Annual 1999, 14, 129-212. Hoshi, T., & Kashyap, A. K. (2004). Japan’s Financial Crisis and Economic Stagnation. Journal of Economic Perspectives, 18(1), 3-26. INSEE.

(2014,

Arpil).

Monthly

consumer

confidence

survey

-

April

2014.

. (29/04/2014). Japelli, T., & Pistaferri, L. (2007). Do people respond to tax incentives? An analysis of the Italian reform of the deuctibility of home mortgage interests. European Economic Review, 51, 247-271. XIV

Krainer, J. (2005). Housing Markets and Demographics. Federal Reserve Bank of San Francisco FRSB

Economic

Letter

2005-21.


research/publications/economic-letter/2005/august/housing-markets-anddemographics/>. (10/03/2014). Kuypers, S., & Marx, I. (2014). De verdeling van de vermogens in België. Centurm voor Sociaal Beleid

Herman

Deleeck.

. (9/05/2014). Legrand,

R.

(19/11/2013).

Spat

de

vastgoedzeepbel

uiteen?

. (12/02/2014). Lindenthal, T., & Eichholtz, P. (z.j.). Prolonged Crisis: Housing in Germany and Berlin. . (3/04/2014). Ling, D., & Archer, W. (2008). The Nature of Real Estate and Real Estate Markets. In Real Estate Principles: a Value Approach (pp. 1-17). McGraw-Hill. Mack, A., & Martinez-García, E. (2013). A Cross-Country Quarterly Database of Real House Prices: A Methodological Note. Federal Reserve Bank of Dallas Working Paper 99. . (20/02/2014). MacKinnon, J. G. (2010). Critical Values for Cointegration Tests. Queen's University Working Paper No. 1227. . (14/04/2014). Malpezzi, S., & Mayo, S. K. (1997). Getting Housing Incentives Right: A Case Study of the Effects of Regulation, Taxes and Subsidies on Housing Supply in Malaysia. Land Economics, 73(3), 372-391. Manceaux, J. (2011). De Belgische vastgoedmarkt en de demografische uitdagingen. ING Economic

Research.

. (30/04/2014). Mankiw, G. N., & Weil, D. N. (1989). The Baby Boom, the Baby Bust and the Hosuing Market. Regional Science and Urban Economics, 19, 235-258.

XV

McQuinn, K. (2004). A Model of the Irisch Housing Sector. Central Bank and Fiancial Services Authority

of

Ireland

Technical

Research

Paper

04.

. (10/03/2014). Meen, G. (2002). The Times-Series Behaviour of House Prices: a Transatlantic Divide? Journal of Hosuing Economics, 11, 1-23. Miles, D., & Pionca, V. (2008). Financial Innovation and European Housing and Mortgage Markets. Oxofrd Review of Economic Policy, 24(1), 145-175. Motonishi, T., & Yoshikawa, H. (1999). Causes of the Long Stagnation of Japan during the 1990s: Financial or Real? Journal of the Japanese and International Economies, 13, 181-200. Murray, M. P. (1983). Subsidized and Unsubsidized Housing Starts: 1961-1977. The Review of Economics and Statistics, 65(4), 590-597. NBB.

(2010).

Verslag

2009

Economische

en

financiële

ontwikkeling.

NBB.

. (2/05/2014). NBB. (2014). Consumentenenquête van april 2014. . (1/05/2014). Organisatie voor Economische Samenwerking en Ontwikkeling. (2013). Economic outlook, analysis

and

forecasts:

Focus

on

house

prices.

. (12/04/2014). Othake, F., & Shintani, M. (1996). The effect of demographics on the Japanese housng market. Regional Science and Urban Economics, 26, 189-201. Schwab, R. (1983). Real and Nominal interest rates and the demand for housing. Journal of Urban Economics, 13, 181-195. Simons,

Y.

(2014).

Wanneer

barst

de

vastgoedzeepbel?


woonlening.be/wanneer-barst-de-vastgoedzeepbel/>. (12/02/2014). Sims, C. A., Stock, J. H., & Watson, M. W. (1990). Inference in Lineair Time Series Models With Some Unit Roots. Econometrica, 58(1), 113-144.

XVI

Sjö,

B.

(2008).

Testing

for

Unit

Roots

and

Cointegration.

Linköping

University.

<www.iei.liu.se/nek/ekonometrisk-teori-7-5-hp730a07/labbar/1.233753/dfdistab7b.pdf testing for unit roots and cointegration>. (14/04/2014). Sjö, B. (2010). Lectures in Mondern Economic Time Series Analysis (2e ed.). Linköping University. Slacalek, J. (2009). What drives personal consumption? the role of housing and financial wealth. ECB Working Paper NO. 1117. . (8/05/2014). Sutton, G. D. (2002). Explaining changes in house prices. BIS Quarterly Review, 1-10. Swan, C. (1995). Demography and the demand for housing: A reinterpretation of the MankwiMeil demand variable. Regional Science and Urban Economics, 25, 41-58. Tahiri, S., & Six, J.-M. (2013). Economic Research: House Prices Are Still Falling In Most European Markets

As

The

Recession

Bites.

Standard&Poor's.

<www.standardandpoors.com/spf/upload/Ratings_EMEA/EuropeanhousingmarketsJuly 2013.pdf standard & poor's housing market europe report>. (22/04/2014). Terrones, M., & Otrok, C. (2004). The Global House Price Boom. In World Economic Outlook 2004 (pp.

71-87).

IMF.

. (10/03/2014). Tratsaert, K. (2012). Vlaamse Woonsurvey Huurprijzen en richthuurprijzen Deel II: De registratie van huurcontracten als informatiebron voor de private huurmarkt. Steunpunt Ruimte en Wonen.

.

(23/02/2014). Tsatsaronis, K., & Zhu, H. (2004). What dirves housing price dynamics: cross-country evidence. BIS Quarterly Review, 65-78. van den End, J. W., & Kakes, J. (2002). De samenhang tussen beurskoersen en huizenprijzen. De Nederlandse Bank Working Paper NO. 174. <www.dnb.nl/binaries/ms2002-17_tcm46147327.pd>. (20/03/2014).

XVII

van den Noord, P. (2003). Tax Incentives and House Price Volatility in the Euro Area: Theory and Evidence. OESO Working Paper No. 356. . (21/03/2014). van der Geest, L., & Heuts, L. (2005). Risico's op de Nederlands huizen- en hypotheekmarkt in 2005-2010.

NYFER.

.

(4/03/2014). Van Gompel, J., & Van Noppe, L. (2011). Belgische Vastgoed en Hypotheekmarkt. KBC Economic Research Notes. . (20/03/2014). van Ommeren, J., & van Leuvesteijn, M. (2002). New Evidence of the Effect of Transaction Costs on

Residential

Mobility.

Tinbergen

Institute

Discussion

Paper

117/3.

. (22/03/2014). Verbeek, M. (2004). A Guide to Modern Econometrics (2e ed.). John Wiley & Sons, Ltd. Verburggen, J., Kranendonk, H., van Leuvensteijn, M., & Toet, M. (2005). Welke factoren bepalen de ontwikkelng van de huizenprijs in Nederland? Centraal Planbureau document 81. . (15/03/2014). Vlaams Woningfonds. (2014, Januari 1). . (5/05/2014). Vromraad. (2004). Op eigen kracht: Eigenwoningbezit in Nederland. Vromraad Advies 044. . (5/05/2014). Wolswijk, G. (2005). On some fiscal effects of mortgage debt growth in the EU. ECB Working Paper No. 526.
XVIII

Bijlage 1: Databronnen en berekeningswijze variabelen

Bijlage 1.1

Prijs: hiervoor werd gebruik gemaakt van twee bronnen. De nominale prijs van het derde kwartaal 2013 werd berekend via een transactiegewogen gemiddelde van de FOD Economie. Vervolgens werd gebruik gemaakt van een index van reële huizenprijzen van de FRBD van 1975q1-2013q3. Waarden vóór 2013q3 werden als percentage uitgezet ten aanzien van 2013q3 en vervolgens werd de vastgoedprijs in dit kwartaal vermenigvuldigd met dit percentage om de waarden 1975q1-2013q2 te bekomen. Inkomen: deze variabele werd berekend door gebruik te maken van twee bronnen. De gegevens van de Nationale Bank van België. Om deze waarden te defleren werd gebruik gemaakt van een index, van de FRBD, omtrent de waarde van het reële beschikbaar inkomen ten aanzien van het tweede kwartaal 2013. De waarden van het beschikbaar inkomen in 2013q2 verkregen van de NBB, werd met deze verhouding vermenigvuldigd. Reële Rentevoet: de nominale rentevoet op kwartaalbasis werd verminderd met de inflatie van het desbetreffende kwartaal. Deze inflatievoet werd berekend conform de methode gehanteerd door het Prijzenobservatorium, zoals vermeld in haar derde kwartaalverslag van 2013: “De gemiddelde inflatie voor een kwartaal wordt berekend als de procentuele variatie van het rekenkundige gemiddelde van de indexcijfers van het betrokken kwartaal ten opzichte van het rekenkundige gemiddelde van de indexcijfers van het overeenstemmende kwartaal van het voorgaande jaar.” (Instituut voor de Nationale Rekeningen, 2013, p. 7). Volume Huizen: gegevens omtrent aantal wooneenheden zijn beschikbaar op jaarbasis voor België. Gegevens over constructie van wooneenheden per kwartaal zijn beschikbaar via Datastream. Het aantal wooneenheden op het einde van het vierde kwartaal 1972 is bekend. Om een ruwe inschatting te bekomen van het totaal aantal wooneenheden in een kwartaal, wed ervan uitgegaan dat het twee kwartalen duurt eer een huis afgewerkt is en klaar voor bewoning. De jaarlijkse start van woningen werd opgeteld bij deze woningvoorraad, maar met twee kwartalen vertraging. Gezinnen: een ruwe schatting van het aantal gezinnen in een bepaald kwartaal is gebaseerd op diverse bronnen. De bevolking, bron OESO, in een bepaald kwartaal werd gedeeld door de gemiddelde gezinsgrootte, bron FOD Economie. Deze laatste was slechts beschikbaar voor een beperkt aantal jaren, 1970, 1981, 1991, 1995, 2000, 2004 tot en met 2012. Dit euvel werd als volgt verholpen: de gemiddelde gezinsgrootte van 1970 werd afgetrokken van deze van 1980. Vervolgens werd dit getal gedeeld door het aantal kwartalen. Om dan bijvoorbeeld de gemiddelde gezinsgrootte te berekenen in kwartaal 2 van 1970, trokken we het bekomen getal Bijlage 1.2

af van de gemiddelde gezinsgrootte van 1970 kwartaal 1. Deze procedure werd herhaald voor de periode 1981-1995 enz…

Bijlage 1.3

Bijlage 2: Testen op stationariteit Figuur A.2: Testen op stationariteit

Variabele prijs

Prijs

∆inkomen

Inkomen

∆Gezinnen

Gezinnen

∆Leningen

Leningen

∆Reële Rente

Reële Rente

∆werkloosheid

Versie Trend en intercept Intercept Geen Trend en intercept Intercept Geen Trend en intercept Intercept Geen Trend en intercept Intercept Geen Trend en intercept Intercept Geen Trend en intercept Intercept Geen Trend en intercept Intercept Geen Trend en intercept Intercept Geen Trend en intercept Intercept Geen Trend en intercept Intercept Geen Trend en intercept

Waarde ADF

Significantie Normale Verdeling

-2,94** -2,75*** -2,48

Orde

1

-0,07 0,96

-7,506*** -7,134*** -0,62

1

-1,58 -1,84 -11.491***

-2.837

-2.837***

-3,78*** -1,09 -0,19

0

1

2,99 4,34

-7,77*** -7,77*** -3,15*

-3,15***

1

Bijlage 2.1

Werkloosheid

∆Volume Huizen

Volume Huizen

∆vermogen

Vermogen

Intercept Geen Trend en intercept Intercept Geen Trend en intercept Intercept Geen Trend en intercept Intercept Geen Trend en intercept Intercept Geen Trend en intercept Intercept Geen

-5,64*** -5,62*** -3,48**

1

-2,84* -1,49 -3,51**

1

-9,24*** -9,28*** -1,56

1

-1,61 -0,15

(a)De derde kolom geeft ADF-waarden aan bij de overeenkomstige versie van de test. De Enders procedure vereist eerst een test met intercept en trend. (b) *,** en *** duiden op significantie op 10%, 5% en 1%.

Bijlage 2.2