Hercertificering MA-MWB 2015

SENS Opleidingen

Hercertificering MA-MWB 2015

2015

Voorwoord Voor u ligt de syllabus voor de hercertificering marktanalyse en modelmatig waarderen. De basis voor deze syllabus is gelegd door de Stichting Vastgoedcert, waarbij gebruik is gemaakt van een uitgebreide literatuurverzameling.


Inhoud Waarderingsmodellen ................................................................................................................ 5 1.1 De term waarderingsmodel ................................................................................................ 5 1.2 Vergelijkingsmethode ......................................................................................................... 6 1.3 Toepassingen waarderingsmodellen .................................................................................. 6 1.4 Benodigde gegevens waarderingsmodellen....................................................................... 7 1.5 Methode van directe vergelijking ....................................................................................... 8 1.5.1 Het zoeken van vergelijkbare woningen....................................................................... 8 1.5.2 Corrigeren van verkoopcijfers van vergelijkbare woningen ....................................... 10 1.5.2.1 Correctie 1: Juridische overdracht ....................................................................... 10 1.5.2.2 Correctie 2: Verkoopomstandigheden ................................................................ 11 1.5.2.3 Correctie 3: Prijsontwikkeling tussen verkoopdatum en waarderingsdatum ..... 11 1.5.2.4 Correctie 4: Verschillen in kenmerken ................................................................ 14 1.6 Waarde als (gewogen) gemiddelde van gecorrigeerde prijzen ........................................ 17 1.7 Methode van statistische vergelijking .............................................................................. 19 1.7.1 Inleiding....................................................................................................................... 19 1.7.2 Statistisch waarderingsmodel ..................................................................................... 20 1.7.3 Betrouwbaarheid van statistische modellen .............................................................. 25 1.7.4 Periodiek herschatten van het model......................................................................... 26 1.8 Tussenvormen .................................................................................................................. 27 1.8.1 Dynamische regressiemethode .................................................................................. 27 1.8.2 Cluster methode ......................................................................................................... 28 1.9 Vergelijking van vergelijkingsmethoden........................................................................... 28 2. Communicatie........................................................................................................................... 30 2.1 Communicatietheorieën ................................................................................................... 30 2.2 De communicatiemanager ............................................................................................... 30 2.3 Het opstellen van een rapportage .................................................................................... 31 2.3.1 De oriëntatie ............................................................................................................... 31 2.3.2 Het doel van de rapportage ........................................................................................ 33 2.3.3 Het onderwerp van de rapportage ............................................................................. 33 2.3.4 De doelgroep............................................................................................................... 33 2.3.5 De te behandelen informatie ...................................................................................... 34 2.3.6 De wijze van rapporteren ........................................................................................... 34 2.3.6.1 Schriftelijk rapporteren ....................................................................................... 34 2.3.6.2 Mondeling rapporteren ....................................................................................... 35 3. Literatuur .................................................................................................................................. 37

Hoofdstuk: Waarderingsmodellen

1.

2


Leerdoelen Na het bestuderen van deze syllabus en het bijwonen van de opleidingsdag, moet u de hieronder beschreven leerdoelen bereikt hebben. 1. Dagdeel 1: Waarderingsmodellen Sommige cursisten werken met maar één model of modeltype voor waardebepaling. De Werkkamer vindt het wenselijk dat cursisten meer kennis hebben van de verschillende modellen/modeltypen die gebruikt worden en dat zij inzicht hebben in het verhaal achter deze modellen: hoe deze modellen werken. Leerdoelen:     

De cursist heeft kennis van het bestaan van verschillende modellen/modeltypen voor waardebepaling. De cursist heeft inzicht in de achtergrond en werking van deze verschillende modellen. De cursist heeft kennis van de verschillende variabelen die een rol spelen bij waardebepaling. De cursist heeft inzicht in de effecten van de verschillende variabelen op de waardebepaling. De cursist kan een juiste weging toekennen aan de verschillende variabelen, toegespitst op de situatie.

2. Dagdeel 2: Communicatie Anders dan bij andere werkkamers is communicatie bij MA/MWB niet zozeer gericht op onderhandelen, maar veeleer op rapporteren en het toelichten en uitleggen van die rapportage.      

De cursist heeft kennis van communicatietheorieën met betrekking tot rapporteren. De cursist kan op objectieve manier de waardebepaling rapporteren. De cursist kan de rapportage afstemmen op de doelgroep (klant, gemeente, rechter, accountant). De cursist kan op objectieve manier uitleggen hoe tot de waardebepaling is gekomen. De cursist kan de uitleg afstemmen op de doelgroep (klant, gemeente, rechter, accountant). De cursist kan zijn taalgebruik afstemmen op doel en doelgroep.


Leerdoelen:

3


Leeswijzer Hoofdstuk 1 bespreekt de diverse waarderingsmodellen en de wijze waarop aan de hand van deze modellen waarden worden bepaald.


Hoofdstuk 2 gaat in op de wijze waarop de modelresultaten gecommuniceerd kunnen worden naar de diverse doelgroepen.

4


1. Waarderingsmodellen 1.1 De term waarderingsmodel Aan de term waarderingsmodel worden in de praktijk verschillende interpretaties gegeven. De International Association of Assessing Officers (IAAO) gebruikt in haar Standard on Automated Valuation Models (AVMs) de term “geautomatiseerd waarderingsmodel” en hanteert daarvoor de volgende definitie: een geautomatiseerd waarderingsmodel (AVM) is een computer software programma met wiskundige grondslag dat een schatting van de marktwaarde geeft, gebaseerd op marktanalyse van de locatie, marktcondities en vastgoedkenmerken op basis van informatie die voorafgaand en zelfstandig is verzameld. Het onderscheidende kenmerk van een AVM is dat het een schatting van de marktwaarde geeft door wiskundige modellering. Betrouwbaarheid van een AVM is afhankelijk van de gebruikte data en de vaardigheden van de modelontwikkelaar.1 Voor bulkwaarderingen wordt vaak de Engelse term “mass appraisal” gehanteerd. De IAAO geeft hiervan in haar Standard on Mass Appraisal of Real Property de volgende definitie: “bulkwaardering is het proces van het waarderen van een groep objecten op een bepaalde datum, gebruikmakend van gemeenschappelijke data, gestandaardiseerde methoden en statistische toetsen.2 Voor bulkwaarderingen wordt vaak de afkorting CAMA gebruikt. Dit staat voor “Computer-assisted Mass appraisal” en “Computer Aided Mass Assessment.” Er zijn verschillen en overeenkomsten tussen AVMs en bulkwaardering. Zowel een AVM als CAMA stellen marktwaarden vast en maken gebruik van gestandaardiseerde wiskundige (statistische) methoden, maar een AVM hoeft niet per se toegepast te worden voor massale waardering van meerdere objecten op een peildatum. In het vervolg zullen we spreken over AVMs.

1

Dit is een letterlijke vertaling van de definitie in IAAO (2003): “An automated valuation model (AVM) is a mathematically based computer software program that produces an estimate of market value based on market analysis of location, market conditions, and real estate characteristics from information that was previously and separately collected. The distinguishing feature of an AVM is that it is an estimate of market value produced through mathematical modeling. Credibility of an AVM is dependent on the data used and the skills of the modeler producing the AVM.”

2

Dit is een letterlijke vertaling van de definitie in IAAO (2010): “Mass appraisal is the process of valuing a group of properties as of a given date using common data, standardized methods, and statistical testing (IAAO [1990, chapter 5] and Gloudemans [1999, chapter 5]).”


Merk op dat de definities zich niet beperken tot waarderingen van woningen met behulp van de vergelijkingsmethoden. AVMs worden ook gebruikt voor waardering met behulp van de inkomsten- en de kostenmethode. Welke methode wordt gebruikt hangt af van de beschikbare informatie. Als voldoende verkoopcijfers beschikbaar zijn, wordt de vergelijkingsmethode gebruikt, zoals in het geval van woningen. De inkomstenmethode is primair van toepassing in een huurdersmarkt, bijvoorbeeld de kantorenmarkt. De kostenmethode wordt gebruikt als

5


onvoldoende verkopen en huren beschikbaar zijn, bijvoorbeeld voor het waarderen van ziekenhuizen. Het is echter ook mogelijk om bij een object meer dan een waarderingsmethode toe te passen. Waarderingsmodellen worden het meest gebruikt voor de waardering van woningen met behulp van de vergelijkingsmethode.

1.2 Vergelijkingsmethode De vergelijkingsmethode gaat uit van de aanwezigheid van voldoende verkoopcijfers met bijbehorende kenmerken van de woning. De belangrijkste varianten van de vergelijkingsmethode zijn de methode van directe vergelijking en de statistische methode. Een AVM kan op beide varianten gebaseerd zijn.

1.3 Toepassingen waarderingsmodellen

Een derde toepassing van modelmatige waardebepaling is het toetsen van hypotheekaanvragen. Hypotheekverstrekkers maken meer en meer gebruik van een modelmatige toetsing van de getaxeerde waarde. Hiertoe wordt een belangrijke impuls gegeven door de Stichting Waarborgfonds Eigen Woningen. Sinds 1 januari 2010 is voor het verkrijgen van Nationale Hypotheek Garantie vereist dat de door een taxateur bepaalde onderhandse verkoopwaarde vrij van huur en gebruik wordt vergeleken met een modelmatig waarderapport. De taxateur moet een eventuele afwijking tussen de modelmatige waardebepaling en de waardebepaling kunnen verklaren. Ten slotte zijn er meerdere online waarderingsapplicaties op het internet beschikbaar, waarbij gebruikers gegevens van hun woning kunnen invoeren en er – na betaling – een modelmatig waarderapport wordt verkregen.


Modelmatig waarderen heeft in Nederland de afgelopen vijftien jaren een belangrijke vlucht genomen. Begin jaren negentig werden modellen nog nauwelijks toegepast, vandaag de dag is het gebruik van modellen niet meer weg te denken. De belangrijkste toepassing is de waardering van woningen in het kader van de Wet Waardering Onroerende Zaken (WOZ). Het gebruik van modellen heeft het mogelijk gemaakt om de periodieke herwaardering – eens in de vier jaar – te vervangen door een jaarlijkse. Waarderingsmodellen worden niet alleen gebruikt in het kader van belastingheffing, maar ook om de maatschappelijke en bedrijfseconomische prestaties van woningcorporaties onderling te kunnen vergelijken. IPD European Social Property Services publiceert jaarlijks de aeDex/IPD Corporatie Vastgoedindex voor woningcorporaties. Deze index wordt gevoed door het directe en indirecte rendement op het vastgoed, rekening houdend met de maatschappelijke doelstellingen van de corporaties. Het indirecte rendement bestaat uit de jaarlijkse procentuele waardemutatie van de corporatiewoningen. Hiertoe moeten van de deelnemende woningcorporaties jaarlijks leegwaarden, de vrije verkoopwaarden in nietverhuurde staat, worden vastgesteld. Ook voor deze massale waarderingen worden op grote schaal waarderingsmodellen gebruikt.

6


Modellen worden dus vooral toegepast om de waarde in het economische verkeer van woningen vast te stellen, waarbij de precieze definitie van waarde uiteenloopt. Voor de WOZ moet de waarde in het economische verkeer worden vastgesteld op een datum die in het verleden ligt onder de aanname van een overdrachts- en verkrijgingsfictie. Bij een hypotheektaxatie gaat het daarentegen om een actuele vrije verkoopwaarde. Achter al deze toepassingen gaan verschillende modellen schuil. Daarnaast zijn er grote verschillen in de modellen tussen verschillende leveranciers. Het onderzoeksinstituut OTB van de TU Delft heeft een inventarisatie gemaakt van de verschillende modellen die in Nederland in omloop zijn.3 Deze paragraaf maakt gebruik van de bevindingen in dit rapport en gaat in meer detail in op de verschillende modelvormen.

1.4 Benodigde gegevens waarderingsmodellen Waarderingsmodellen voor woningen vereisen een goede en consistente dataverzameling. Voor het goed functioneren van een model zijn de volgende gegevens nodig:  Een bestand met verkoopcijfers inclusief de waardebepalende gegevens zoals die gelden op de verkoopdatum.  Een bestand met gegevens van de te waarderen woningen met de gegevens zoals die gelden op de waarderingsdatum.

Naast gerealiseerde prijzen kan ook gebruik gemaakt worden van vraagprijzen. Deze worden vooral gebruikt om modelwaarden achteraf te toetsen; de waarde moet lager zijn dan de vraagprijs. Merk op dat dit wel afhankelijk is van de marktsituatie. In een stijgende markt komt het in Nederland regelmatig voor dat de vraagprijs wordt overboden. Als voor de verkoopgegevens gebruik wordt gemaakt van de data in het Kadaster, dan moeten de vastgoedkenmerken op een andere manier worden verzameld. Gemeenten hebben voor de

3

Zie het rapport van Boumeester et al. (2011). Overigens hebben niet alle modelleveranciers aan het onderzoek meegewerkt.


Er zijn twee landelijk dekkende bestanden met verkoopcijfers van woningen in Nederland:  Het eerste is het bestand van het Kadaster dat alle transacties binnen Nederland bevat. Het nadeel van dit bestand is dat het Kadaster slechts een beperkt aantal gegevens registreert. Het bevat nauwelijks vastgoedkenmerken. De datum van de verkoop is de datum van de juridische overdracht van de onroerende zaak.  Het tweede bestand is dat van de Nederlandse Vereniging van Makelaars (NVM). Dit bestand bevat een substantieel deel van de verkopen; het marktaandeel van de NVM bedraagt ongeveer 70%, maar regionaal kan dit percentage een stuk lager liggen. Het grote voordeel van dit bestand is dat het een groot aantal kenmerken bevat zoals die gelden ten tijde van de verkoop. De verkoopdatum is de datum van het tekenen van het voorlopig koopcontract.

7


waardering in het kader van de Wet WOZ de beschikking over een eigen database met kenmerken, die gekoppeld moet worden aan de WOZ-objecten. Deze koppeling is foutgevoelig. Niet altijd komt het verkochte object overeen met het WOZ-object. Bijvoorbeeld, een woning wordt verkocht inclusief een garage en het WOZ-object bestaat alleen uit de woning. Er worden dus in een transactie twee WOZ-objecten verhandeld. Het komt dan in de praktijk regelmatig voor dat bij de verkoop de garage niet geregistreerd wordt. De informatie uit deze gemeentelijke bestanden kan vervolgens weer aangevuld en gecontroleerd worden met informatie die via advertenties op het internet (bijvoorbeeld Funda) beschikbaar is. Andere partijen dan gemeenten hebben niet de beschikking over een database met vastgoedkenmerken en opereren vaak landelijk. Zij maken vaak gebruik van vastgoedkenmerken van Dataland, al dan niet in combinatie met informatie uit internetadvertenties. Echter, het aantal gegevens is veel beperkter dan bijvoorbeeld de gemeentelijke bestanden of die van de NVM en het betreft niet de kenmerken zoals die gelden op de verkoopdatum. Het bestand met de te waarderen woningen moet dezelfde kenmerken bevatten als in het verkopenbestand. Dit betekent dat dezelfde definities van inhoud en/of oppervlakte, woningtypering, locatie, enz. gehanteerd moeten worden.

1.5 Methode van directe vergelijking

Voor deze afzonderlijke stappen kunnen modellen worden gebruikt. Eigenlijk bestaat de hierboven beschreven methode in een AVM uit 3 verschillende modellen, namelijk een zoekmodel (1), een indexeringsmodel (2c) en een correctiemodel (2d). In de volgende paragrafen worden de afzonderlijke stappen verder besproken. De correctie voor de juridische overdracht en de verkoopomstandigheden gebeurt vooraf tijdens de marktanalyse.

1.5.1 Het zoeken van vergelijkbare woningen Bij een te waarderen woning worden verkoopcijfers van vergelijkbare woningen gezocht. Hiertoe moet gedefinieerd worden wat “vergelijkbaar” betekent. Allereerst moet worden vastgesteld welke kenmerken in de vergelijking een rol spelen. De volgende kenmerken zijn belangrijk:  Verkoopdatum: De verkoopdatum moet zo dicht mogelijk liggen bij de waarderingsdatum


De methode van directe vergelijking waardeert op basis van verkoopcijfers van zoveel mogelijk vergelijkbare verkoopcijfers. De methode bestaat uit de volgende stappen: 1. Het zoeken van vergelijkbare woningen waarvoor verkoopcijfers beschikbaar zijn. 2. Het corrigeren van de vergelijkbare verkoopcijfers voor a. de juridische overdracht b. de verkoopomstandigheden c. de prijsontwikkeling tussen verkoopdatum en waarderingsdatum d. de verschillen in kenmerken met de te waarderen woning 3. Het berekenen van een (gewogen) gemiddelde van de gecorrigeerde vergelijkbare verkoopcijfers.

8


    

 

Locatie van het object: De locatie kan op verschillende manieren worden geoperationaliseerd, bijvoorbeeld (x,y)-coördinaat, straat(kant), CBS-buurt of waardegebied Grootte van de woning in vierkante of kubieke meters Grootte van de kavel Bouwjaar van de woning Woningtype: Allereerst is er een onderscheid tussen meer- en eengezinswoningen. Daarbinnen zijn er onderverdelingen, zoals vrijstaande woningen, rijwoningen, villa, bovenwoning en maisonnette. Staat van onderhoud Aanwezigheid van bijgebouwen: Hierbij valt te denken aan dakkapellen, garages/ parkeerplaatsen, schuren en dakterrassen.

De mate van vergelijkbaarheid is dus afhankelijk van verschillende dimensies (kenmerken). Om de mate van vergelijkbaarheid vast te stellen moeten de woningen op al deze kenmerken worden vergeleken. Dat is niet eenvoudig, want wat is bijvoorbeeld meer vergelijkbaar: een woning die twee jaar geleden verkocht is, identiek aan de te waarderen woning en in dezelfde buurt, of een woning die op de waarderingsdatum is verkocht, ook identiek aan de te waarderen woning, maar in een aangrenzende buurt?

De antwoorden op deze vragen worden vastgelegd in een zoekmodel. Dit zoekmodel definieert een afstand tussen het verkochte vergelijkingsobject en het te waarderen object. Voor ieder afzonderlijk kenmerk (of combinatie van kenmerken) wordt een afstandsformule vastgelegd. De totale afstand tussen 2 objecten is dan de som van de afstanden per kenmerk. Bijvoorbeeld, iedere vierkante meter verschil in woningoppervlakte wordt “afgestraft” met 1 strafpunt. Een verschil van 25 m2 leidt dus tot een afstand van 25. Een tweede voorbeeld is de afstandsfunctie voor locatie. Deze kan er als volgt uitzien: de afstand tussen woningen in dezelfde buurt is 0, de afstand tussen woningen in aangrenzende buurten is 10, de afstand tot woningen in de buren van aangrenzende buurten is 20, enz. Een derde voorbeeld betreft de verkoopdatum. De afstandsfunctie voor de verkoopdatum kan als volgt worden vormgegeven: iedere maand verschil tussen verkoop- en waarderingsdatum leidt tot 2 strafpunten. En, verkopen met een verkoopdatum die meer dan 5 jaar afwijkt van de waarderingsdatum worden buiten beschouwing gelaten.


De volgende vragen spelen hierbij een rol:  Welk kenmerken zijn het belangrijkste in het zoeken naar vergelijkbare woningen? o Is het terecht dat locatie en woningtype de belangrijkste kenmerken zijn?  Hoe wordt een verschil in kenmerken “afgestraft”? o Hoe erg is het dat een vergelijkbare woning 25 m2 groter of 10 jaar ouder is dan de te waarderen woning? o Wordt dit verschil gemeten in absolute getallen of in procenten?  Wat is het maximaal toelaatbare verschil tussen verkoopdatum en waarderingsdatum?  Hoeveel vergelijkbare verkopen moeten gezocht worden?

9


Als nu een identieke woning is verkocht op de waarderingsdatum, dan bedraagt de afstand 0. Dit komt in de praktijk zelden voor. De – bijvoorbeeld 25 – verkopen met de kleinste afstanden worden als vergelijkbare verkopen gebruikt.4 Soms wordt nog een aanvullende eis gehanteerd, namelijk dat de totale afstand kleiner moet zijn dan een kritische grens. Merk op dat er vaak met een straffunctie wordt gewerkt. De hoogste score is dan bijvoorbeeld 100. De afstandsfuncties voor de verschillen in individuele kenmerken worden dan van de 100 afgetrokken. In dat geval worden de verkopen met de hoogste scores geselecteerd als vergelijkbare verkopen. Het zoeken van vergelijkbare verkopen vereist dus dat exact wordt vastgelegd welke kenmerken in de vergelijking een rol spelen, en er moet een afstandsmaat gedefinieerd worden voor verschillen in kenmerken. Deze kenmerken dienen zowel voor de te waarderen woning als voor alle verkopen in een bestand beschikbaar te zijn. De zoekprocedure is de basis voor het vaststellen van de waarde, maar kan ook worden gebruikt voor het zoeken naar verkoopcijfers die op een taxatieverslag worden getoond. De instellingen kunnen wel verschillen. Bijvoorbeeld, op een taxatieverslag worden alleen verkopen getoond die maximaal 2 jaar verwijderd liggen van de waarderingsdatum. Deze grens kan minder strikt gehanteerd worden voor het vaststellen van de waarde. Het is niet altijd mogelijk om goed vergelijkbare woningen te vinden. De eerste reden is dat jaarlijks slechts een klein deel van de woningvoorraad wordt verkocht, ongeveer 2 tot 3%, en niet al deze verkoopcijfers zijn bruikbaar voor de waardering. Daarnaast zijn er buurten met concentraties van sociale huurwoningen, waardoor in de nabijheid geen verkochte woningen aanwezig zijn. Een van de nadelen van de methode van directe vergelijking is dan ook dat deze methode zwaar leunt op voldoende beschikbaarheid van verkoopcijfers van goed vergelijkbare woningen.

1.5.2 Corrigeren van verkoopcijfers van vergelijkbare woningen

1.5.2.1 Correctie 1: Juridische overdracht In veel gevallen zal de volle eigendom van de woning gewaardeerd moeten worden. De verkopen kunnen betrekking hebben op verkopen met een beperkt eigendomsrecht, zoals een woning die staat op grond die is uitgegeven in erfpacht. Deze verkoopcijfers dienen dan zodanig gecorrigeerd te worden dat ze de situatie van “eigen grond” representeren.

4

De Waarderingsinstructie jaarlijkse waardebepaling. Richtlijnen voor de Wet WOZ schrijft voor dat – indien mogelijk –minimaal 25 vergelijkbare verkoopcijfers gebruikt moeten worden.


De vergelijkbare woningen waarvoor verkoopcijfers beschikbaar zijn, moeten gecorrigeerd worden voor eventuele specifieke omstandigheden en verschillen in kenmerken met het te waarderen object. De verschillende correcties worden hierna besproken.

10


Een andere mogelijkheid is dat een verkoopcijfer niet alleen een vergoeding voor de overdracht van eigendomsrechten bevat, maar ook een vergoeding voor andere rechten, zoals mestrechten en melkquota’s in het geval van agrarisch onroerend goed. Verkoopcijfers dienen van dergelijke rechten geschoond te worden. De correcties voor juridische overdracht zijn vaak erg specifiek en vinden daarom handmatig plaats.5 Dit gebeurt voorafgaand aan het waarderen tijdens de marktanalyse.

1.5.2.2 Correctie 2: Verkoopomstandigheden De term verkoopomstandigheden bevat allerlei specifieke omstandigheden die van invloed zijn op de verkoopprijs, los van de juridische overdracht, algemene marktomstandigheden en de kenmerken van onroerend goed:  verkoop van woningen in verhuurde staat;  speciale koopconstructies, zoals Koopgarant waarbij de koper in ruil voor een korting op de verkoopprijs de verplichting aangaat de woning bij toekomstige verkoop aan de huidige verkoper aan te bieden met hetzelfde kortingspercentage waarbij de koper en verkoper verlies of winst delen;  verkoop bestaande woning vrij op naam;  lange periode tussen het tekenen van het voorlopige koopcontract en de juridische overdracht;  verkoop tussen familieleden. Het laatste is een voorbeeld van een mogelijk niet marktconforme transactie. Al deze specifieke omstandigheden dienen vooraf in een marktanalyse meegenomen te zijn. Dit leidt dan tot correcties van de verkoopcijfers. Sommige van die correcties zijn triviaal, bijvoorbeeld het verschil tussen vrij op naam en kosten koper. Anderen vereisen meer interpretatie, zoals de correctie voor verhuurde staat. In het geval van grote correcties rijst de vraag of desbetreffende verkoopcijfers geschikt zijn als basis voor de vaststelling van de waarde.

tussen

verkoopdatum

en

De verkopen vinden meestal niet plaats op de waarderingsdatum en moeten daarom gecorrigeerd worden voor de prijsontwikkeling in de periode tussen verkoop- en waarderingsdatum. Er zijn twee opties voor de verkoopdatum, namelijk de datum waarop het voorlopige koopcontract wordt getekend of de datum van de juridische overdracht, zoals deze bij het Kadaster geregistreerd wordt. Er is niet duidelijk een voorkeur voor een van beide methodes. Wel is het van belang dat consequent dezelfde definitie wordt gebruikt. Gemiddeld genomen is het verschil tussen de voorlopige koopdatum en de datum van juridische overdracht ongeveer 2 tot 3 maanden, maar op individueel niveau kan dit sterk uiteenlopen.

5

Een uitzondering is de correctie voor erfpacht in gemeenten waar erfpacht relatief veel voor komt.


1.5.2.3 Correctie 3: Prijsontwikkeling waarderingsdatum

11


De prijsontwikkeling kan op verschillende manieren worden bepaald. Als voor iedere verkoop dezelfde waarde (in het verleden) beschikbaar is, bijvoorbeeld, de WOZ-waarde, dan kan de prijsontwikkeling op basis van ratio’s (verkoopcijfer gedeeld door waarde) worden bepaald. De waarde wordt dan gebruikt om te corrigeren voor de verschillen in kenmerken en locatie tussen de verkochte woningen. Als zo’n waarde niet beschikbaar is, dan moet op een andere manier gecorrigeerd worden voor de verschillen tussen de verkochte woningen. Dit kan met behulp van een statistisch model (zie paragraaf 2.7). De prijsontwikkeling kan worden berekend op basis van de gevonden vergelijkbare woningen of op basis van alle verkopen in vooraf gedefinieerde marktsegmenten, bijvoorbeeld appartementen in het centrum. In het laatste geval geldt voor iedere woning in hetzelfde marktsegment dezelfde prijsontwikkeling, in het eerste geval geldt deze beperking niet. Het nadeel van de eerste aanpak is dat er te weinig verkoopcijfers beschikbaar zijn om betrouwbaar een prijsontwikkeling vast te stellen. De ratio’s worden afgezet in de tijd en hieruit wordt – via een model – een prijsontwikkeling afgeleid. Het model kan verschillende vormen aannemen, variërend van simpele modellen zoals gemiddelden per periode tot geavanceerde tijdreeksmodellen.

Kwartaal 2008-1 2008-2 2008-3 2008-4 2009-1 2009-2

Gem Ratio 1,051 1.056 1,088 1,137 1,096 1,038

Index Gemiddelde Lineaire trend 100,0 100,0 100,4 101,5 103,5 103,1 108,2 104,7 104,3 106,3 98,8 107,9

Tabel 1 Prijsindices op basis van gemiddelde en lineaire trend


Figuur 1 laat de ratio’s zien van verkopen in de periode januari 2008 tot en met juni 2009. De waarde heeft in dit voorbeeld betrekking op januari 2007. Een eenvoudige manier om de prijsontwikkeling te berekenen is het nemen van het gemiddelde van de ratio’s per periode, bijvoorbeeld per kwartaal. Deze staan vermeld in Tabel 1. De prijsindex in het eerste kwartaal 2008 is op 100 gesteld. De indices voor de andere kwartalen volgen hieruit, bijvoorbeeld de index voor het 1e kwartaal 2009 is gelijk aan 1,096 / 1,051 x 100 = 104,3. Oftewel, de prijsstijging tussen het 1e kwartaal 2008 en het 1e kwartaal 2009 bedraagt 4,3%. Als een lineaire prijsontwikkeling wordt verondersteld – een rechte lijn – dan bedraagt de jaarlijkse prijsstijging 6,3%, een verschil van 2% punt. Een rechte lijn veronderstelt dat de prijsontwikkeling altijd gelijk is. In dit voorbeeld is dit geen goede aanname. Uit Tabel 1 blijkt dat de prijzen stijgen tot en met het 4e kwartaal van 2008 en daarna dalen. Een alternatief voor de rechte lijn is een kwadratische functie (of een hogere orde polynoom). Zo’n modelspecificatie laat toe dat prijzen eerst stijgen en vervolgens dalen, of andersom.

12


Figuur 1 Ratio van verkoopcijfers ten opzichte van de verkoopdatum

Aan beide methoden kleven voor- en nadelen. Voor beide methoden geldt dat de kenmerken tussen de verkoop- en waarderingsdatum niet gewijzigd mogen zijn en dat de waarde correct is vastgesteld. Het voordeel van het nemen van gemiddelden is dat perioden met afwisselende prijsdalingen en – stijgingen goed geanalyseerd kunnen worden. Bij het nemen van gemiddelden moet bepaald worden over welke periode gemiddeld wordt. In dit voorbeeld is dit per kwartaal. De veronderstelling is dan dat binnen deze periode de prijzen constant zijn. Niet altijd zijn er in iedere periode voldoende verkoopcijfers beschikbaar om op basis van deze gemiddelden een betrouwbare prijsontwikkeling af te leiden. Verkoopcijfers zijn een indicatie van de marktwaarde, maar wijken in de praktijk daarvan af.6 Als het gemiddelde op veel verkopen is gebaseerd, dan middelen deze afwijkingen uit. Het aantal verkopen dat per periode nodig is om met behulp van eenvoudige gemiddelden een betrouwbare prijsindex vast te stellen bedraagt minimaal 50.7

6

Zie de paragraaf Kwaliteitsbeoordeling van een model en de kenmerken, sectie 1.

7

De berekening is gebaseerd op de paragraaf Kwaliteitsbeoordeling van een model en de kenmerken, sectie 5.2.3. De standaardfout van de transactieruis is ongeveer gelijk aan 7%. Onder de aanname dat de waarde (in de noemer van de ratio) foutloos is vastgesteld, m.a.w. de getaxeerde waarde is de marktwaarde, bedraagt de standaardfout van de ratio ook 7%. Bij 49 verkoopcijfers is de standaardfout van het gemiddelde van deze 49 ratio’s gelijk aan 1%, namelijk 7% gedeeld door de wortel van 49. Dit betekent – onder aanname van normaliteit – dat bij een gemiddelde index van 1,05 het 95% betrouwbaarheidsinterval gelijk is aan (1,03;1,07).


Het voordeel van het veronderstellen van een lineaire trend (of hogere orde polynomen) is dat minder verkoopcijfers nodig zijn. Het heeft echter wel een keerzijde. Vooraf wordt aan de prijsveranderingen een bepaalde structuur opgelegd, namelijk in het geval van een rechte lijn, dat de prijzen iedere periode even veel stijgen of dalen. Daarnaast geldt dat deze modellen erg gevoelig zijn voor uitschieters. Deze modellen kunnen tot extreme stijgingen of dalingen leiden als aan het einde van de periode slechts weinig verkoopcijfers beschikbaar zijn.

13


Er zijn statistische methoden die aan de bezwaren van bovenstaande methoden – die in de praktijk het meeste worden gebruikt – tegemoet komen. Deze methoden leggen vooraf geen vast verband tussen tijd en prijs op, maar hebben de aanname dat het verwachte prijsniveau in de volgende periode afhankelijk is van dat in de huidige periode. Deze modellen zijn flexibel, hebben minder waarnemingen nodig om een betrouwbare prijsontwikkeling te berekenen en zijn minder gevoelig voor uitschieters. Een uitgebreidere beschrijving en verdere verwijzingen zijn te vinden in Francke (2010).

1.5.2.4 Correctie 4: Verschillen in kenmerken

Een veel voorkomende manier van corrigeren van verkoopcijfers is de volgende: 1. De geïndexeerde verkoopcijfers worden verminderd met de grondwaarde en de waarde van eventuele overige deelobjecten, zoals garages, parkeerplaatsen, bergingen, schuren, dakkapellen en dakterrassen. Het restant is dan een schatting van de waarde van de opstal. 2. De aldus gecorrigeerde verkoopprijzen worden gedeeld door het aantal vierkante meters woonoppervlakte. 3. Deze prijzen per m2 worden gecorrigeerd voor verschillen met de te waarderen woning. Het gaat hierbij om kenmerken van de opstal, zoals woningtype, bouwjaar en onderhoud. De correctie is altijd naar de kenmerken van de te waarderen woning toe. Bijvoorbeeld, als de te waarderen woning goed onderhouden is en een vergelijkingswoning niet, dan wordt de prijs per m2 van deze vergelijkingswoning naar boven bijgesteld. 4. De waarde van de te waarderen woning is de som van a. De grondwaarde; b. De waarde van eventuele overige deelobjecten; c. Een (gewogen) gemiddelde van de gecorrigeerde prijzen per m2 (uit stap 3) van de vergelijkingswoningen, vermenigvuldigd met het de woonoppervlakte. Deze aanpak veronderstelt dus dat er een model is voor:  de vaststelling van de grondwaarde (stap 1 en 4);  de vaststelling van de waarde van overige deelobjecten (stap 1 en 4);  de correctie van de opstalprijzen per m2 (stap 3). Het model voor de grondwaarde is voornamelijk afhankelijk van het waarderingstijdstip, de locatie en het aantal vierkante meters grondoppervlak. Er wordt vaak gewerkt met een staffelfunctie, waarbij de prijs per m2 afneemt als de oppervlakte toeneemt.


De vierde en laatste correctie betreft de locatie en kenmerken. De verkoopcijfers van de vergelijkbare woningen worden gecorrigeerd voor de verschillen met de te waarderen woning. Als bijvoorbeeld het vergelijkingsobject een woningoppervlakte van 100 m2 heeft en de te waarderen woning een woningoppervlakte van 120 m2, dan wordt het verkoopcijfer van de vergelijkingswoning naar boven gecorrigeerd voor de extra 20 m2 van de te waarderen woning. Ook voor eventuele andere verschillen wordt gecorrigeerd. Deze correcties kunnen op veel verschillende manieren worden vorm gegeven.

14


Voorbeeld: De eerste 300 m2 telt voor 100% mee, tussen 300 en 500m2 telt voor 70% mee, tussen de 500 en 1.000 m2 voor 30% en boven de 1.000 m2 voor 5%. Als de prijs voor de eerste 300 m2 gelijk is aan € 500,-, dan wordt de waarde van een kavel van 1.100m2 als volgt berekend: 300 x € 500,- + 200 x € 350,- + 500 x € 150,- + 100 x € 25,- = € 297.500,-. Tabel 2 laat deze staffelfunctie zien. Merk op dat de gemiddelde prijs per m2 langzamer daalt dan de staffelprijs per m2.

2

Kaveloppervlakte Staffelprijs per m 100 500 200 500 300 500 400 350 500 350 600 150 700 150 800 150 900 150 1.000 150 1.100 25 2.000 25 10.000 25 Tabel 2 Staffelprijzen voor kavel.

Waarde 50.000 100.000 150.000 185.000 220.000 235.000 250.000 265.000 280.000 295.000 297.500 320.000 520.000

2

Gem prijs per m 500 500 500 463 440 392 357 331 311 295 270 160 52

Tabel 3 laat een voorbeeld zien van een correctie van 5 verkoopcijfers. Voor de eenvoud wordt met een beperkt aantal kenmerken rekening gehouden, namelijk woningtype, buurt, woningen kaveloppervlakte, bouwjaar en garage. Voor de kavel geldt dat de prijs per m2 gelijk is aan € 500,in buurt A en € 600,- in buurt B. De garage vertegenwoordigt een waarde van € 10.000,-. Deze waarden gelden per januari 2010, de datum waarop de woning gewaardeerd moet worden. Allereerst worden de verkoopcijfers gecorrigeerd voor de juridische overdracht en verkoopomstandigheden, in dit geval erfpacht. Vervolgens worden deze cijfers geïndexeerd naar de waarderingsdatum. De waarde van de kavel en eventueel de garage wordt van de geïndexeerde prijs afgetrokken. De correcties voor de hoekwoning en de ouderdom zijn respectievelijk 2% (t.o.v. een rijwoning) en 2% per jaar. De laatste rij geeft de gecorrigeerde prijzen per m2 opstal.


Daarnaast kan er gecorrigeerd worden voor de vorm en ligging van de kavel. De modellen voor de overige deelobjecten zijn minder eenduidig. Zo wordt er vaak voor een berging een vaste prijs gehanteerd, soms ook per m2 of m3. De waarde van parkeerplaatsen is daarentegen afhankelijk van de locatie (centrum of buitengebied).

15


Tabel 3 Correctie van verkoopcijfers van vergelijkbare verkopen.

Het is niet altijd duidelijk waarop de correcties (voor grondwaarde, overige deelobjecten en opstal) gebaseerd zijn. Ze moeten in ieder geval in een afzonderlijke analyse worden bepaald. Waarop is bijvoorbeeld de correctie voor bouwjaar met 1% per jaar gebaseerd? En het verschil in de prijs per m2 opstal tussen rij- en hoekwoning van 2%? En de kortingspercentages en de grenzen in de staffelfunctie? En hoe is het verschil in grondwaarde tussen buurt A (€ 400,-) en B (€ 500,-) berekend?

Als alternatief is het echter ook mogelijk om deze correcties voor verschillen in kenmerken objectiever vast te stellen met behulp van een statistisch model. Dit is het onderwerp van paragraaf 2.9. Als een statistisch model wordt gebruikt is het echter niet meer nodig om de methode van directe vergelijking toe te passen; het statistisch model geeft immers al een waarde. Een ander nadeel van de beschreven methode is dat alle variatie in de verkoopcijfers wordt toegeschreven aan de opstal. De prijzen voor de kavel en de overige deelobjecten liggen immers vast. In Tabel 3 variëren de gecorrigeerde prijzen per m2 opstal tussen de € 1.749,- en de € 2.105,per m2. De prijzen per m2 kavel zijn gefixeerd op € 400,- en € 500,- voor respectievelijk buurt A en B. Misschien hadden deze prijzen wel meer moeten variëren, zodat de variatie in de opstalprijzen kleiner wordt. In extreme gevallen kan deze methode leiden tot negatieve waarden voor de opstal.


Vaak wordt hiervoor expertkennis van taxateurs en marktanalisten gebruikt. Om deze kerngetallen te destilleren worden marktcijfers geanalyseerd. Dit is veelal een ondoorzichtig proces waarbij het niet altijd duidelijk is welke aannames worden gemaakt. En het is zelden het geval dat woningen waarvan verkoopcijfers (op dezelfde datum) aanwezig zijn, verschillen in slechts één kenmerk.

16


1.6 Waarde als (gewogen) gemiddelde van gecorrigeerde prijzen In de laatste stap worden de gecorrigeerde verkoopprijzen (voor juridische overdracht, verkoopomstandigheden, verkoopdatum en kenmerken) gebruikt om de waarde vast te stellen. Iedere gecorrigeerde verkoopprijs krijgt een gewicht en de waarde is dan het gewogen gemiddelde van deze gecorrigeerde verkoopprijzen. Dit gewicht wordt gebaseerd op de mate van vergelijkbaarheid. Voorbeeld: Er zijn 3 verkoopcijfers van vergelijkbare woningen beschikbaar. De gecorrigeerde verkoopprijzen bedragen € 250.000,- , € 230.000,- en € 300.000,-. De mate van vergelijkbaarheid wordt aangegeven met een score die maximaal 100 bedraagt. Deze scores zijn respectievelijk 60, 30 en 10. Het ongewogen gemiddelde van de verkoopcijfers bedraagt € 260.000,- en het gewogen gemiddelde bedraagt 60/100*250.000,- + 30/100*230.000,- + 10/100*300.000,- = € 249.000,-. De derde verkoopprijs heeft nauwelijks invloed op het gewogen gemiddelde.


In de beschreven methode vindt de vergelijking plaats op basis van de prijzen per m 2 opstal. De waarden voor de kavel en de overige objectdelen worden op basis van een model bepaald. In het voorbeeld in Tabel 2 is de kavelprijs per m2 voor buurt A gelijk aan € 400,- en de prijs van een garage € 10.000,-.

17


Tabel 4 laat de berekende waarden zien op basis van zowel een ongewogen als een gewogen gemiddelde. Van boven naar beneden zijn de Gecorrigeerde prijzen per m2 opstal en de Vergelijkbaarheid van de score te zien. Voor deze score geldt hoe hoger hoe beter vergelijkbaar. Op de rij “Gemiddelde” is aangegeven hoeveel verkoopcijfers van vergelijkbare woningen worden gebruikt voor de berekening van de waarde, van slechts 1 tot en met 5. Bij het ongewogen gemiddelde variëren de afgeronde waarden tussen € 330.000,- (5 woningen) en € 342.000,- (2 woningen). Bij het gewogen gemiddelde is dit € 331.000,- (1 woning) en € 341.000,- (2 woningen).

Tabel 4 Waardering op basis van (gewogen) gemiddeld van vergelijkbare verkoopcijfers.

In de methode van directe vergelijking is de waarde uiteindelijk afhankelijk van het zoekmodel voor vergelijkbare woningen met verkoopcijfers, het kavel- en overige objectdelen model en de correcties voor verschillen in opstal. Een verandering in een van de onderdelen zal de uiteindelijke waarde wijzigen. Vooral wijzigingen in het zoekmodel – bijvoorbeeld, wat is belangrijker, een woning in dezelfde buurt of van hetzelfde type – leiden tot niet voorspelbare wijzigingen in de uiteindelijke waarden. Dit maakt het kalibreren van de modellen tot een complexe en arbeidsintensieve bezigheid.


De vraag is hoeveel vergelijkbare woningen gebruikt moeten worden. Hoe meer vergelijkingswoningen worden toegevoegd, hoe minder vergelijkbaar ze worden. Bij een gewogen gemiddelde hebben de minder vergelijkbare een kleine invloed op de waarde, bij een ongewogen gemiddelde heeft iedere verkoop evenveel invloed. Een gewogen gemiddelde is daarom te verkiezen.

18


1.7 Methode van statistische vergelijking 1.7.1 Inleiding De methode van statistische vergelijking is uiteindelijk een methode voor specialisten, maar een eenvoudig voorbeeld kan de werking van een statistisch waarderingsmodel voor woningen duidelijk maken. Stel dat 3 woningen verkocht zijn en een 4e woning moet gewaardeerd worden. De verkoopcijfers en de kenmerken van de woningen staan in Tabel 5. Alle overige kenmerken mogen als identiek worden beschouwd. Verkoop 1 Verkoop 2 Verkoop 3 Verkoopcijfer 240.000,350.000,360.000,Verkoopdatum 2011 2011 2011 Woningtype Appartement Penthouse Appartement Buurt A A B Woonoppervlakte 120 140 150 2 Prijs per m 2.000,2.500,2.400,Tabel 5 Verkoopcijfers van appartementen en penthouses.

Waarde

Penthouse B 125 ????

In deze berekeningen wordt een aantal aannames gemaakt, namelijk:  De prijs per m2 is onafhankelijk van de hoogte van de oppervlakte. Een realistischer aanname zou zijn dat er sprake zou zijn van afnemende meeropbrengsten, dus hoe groter de woning, hoe hoger de waarde, maar hoe lager de waarde per m2.  De buurt en woningtype effecten zijn multiplicatief (1,25 x 1,2) of additief (1 + 0,25 + 0,2). In dit voorbeeld is niet te achterhalen welke waarde (model) het beste is. In dit voorbeeld bevat het model 3 parameters, namelijk:  De prijs per m2 voor een appartement in buurt A: € 2.000,-/m2  De factor voor buurt B (t.o.v. buurt A): factorBuurt B = 1,25  De factor voor een penthouse (t.o.v. een appartement): factorPenthouse = 1,2. Dit leidt tot het model: Waarde = Oppervlakte x 2.000 x factorBuurt A x factorBuurt B x factorAppartement x factorPenthouse, waarbij de factorBuurt A en de factorAppartement gelijk zijn aan 1. Met dit model kan ook de waarde van niet verkochte woningen worden bepaald.


De woningen verschillen in oppervlakte, woningtype en buurt.  Een appartement in buurt A heeft een prijs per m2 van € 2.000,-. Een penthouse in dezelfde buurt heeft een € 500,- hogere prijs per m2, dat is 25%.  Het verschil in de prijs per m2 tussen een appartement in buurt A en B is € 400,-, dat is 20%.  De waarde van het penthouse in buurt B kan dan berekend worden als 125 m2 x € 2.000,-/m2 x 1,25 x 1,2 = 125 m2 x € 3.000,-/m2= € 375.000,-, of 125 m2 x € 2.000,-/m2 x (1 + 0,25 + 0,2) = 125 m2 x € 2.900,- = € 362.500,-.

19


In dit voorbeeld kunnen de onbekende parameters (kengetallen) handmatig worden berekend en volgen ze eenduidig uit de verkoopcijfers; er is 1 unieke oplossing waarvoor geldt dat de berekende modelwaarde precies gelijk is aan de verkoopprijs. In de praktijk zijn er veel meer verkoopcijfers die verschillen in veel meer kenmerken. Dan zijn de kengetallen niet meer handmatig te berekenen, er is geen unieke oplossing meer en niet iedere modelwaarde is gelijk aan de verkoopprijs. Met behulp van statistische technieken kunnen de parameters zodanig worden vastgesteld dat de verkoopprijzen en modelwaarden zo dicht mogelijk bij elkaar liggen.

1.7.2 Statistisch waarderingsmodel Regressieanalyse is een methode ter opsporing van systematische verbanden onder de voorwaarde van een minimale totale invloed van de toevalsvariabele. De opsporing geschiedt met behulp van de methode van de zgn. kleinste kwadraten (= de gekwadrateerde afwijkingen ten opzichte van het systematische moeten minimaal zijn). Het principe werd bedacht door Francis Galton en Karl Pearson in respectievelijk 1889 en 1896. De methode der kleinste kwadraten werkt met een wiskundige vergelijking bestaande uit regressoren (X) en parameters (a en b). De parameters worden op een dusdanige wijze geschat dat de totale toevallige invloed op de afhankelijke variabele Y minimaal is. Wanneer sprake is van slechts één onafhankelijke variabele (de regressor X) spreken we van enkelvoudige regressie. Bij meerdere regressoren hebben we te maken met multipele regressie. Enkelvoudig regressiemodel: Y=a+b*X


Meervoudig (multipel) regressiemodel: Y = a + b1 * X1 + b2 * X2 + ... + bn * Xn

20


Voorbeeldberekening enkelvoudige regressie:

Totaal Gemiddeld

X 1 3 4 6 14 3,5

Y 2 1 4 3 10 2,5

X – XGEM x -2,5 -0,5 +0,5 +2,5 0 0

Y – YGEM y -0,5 -1,5 +1,5 +0,5 0 0

x maal y 1,25 0,75 0,75 1,25 4 1,0

x2 6,25 0,25 0,25 6,25 13 3,3

Y MOD 1,73 2,35 2,65 3,27

Het doel is te komen tot een wiskundige formule voor de modelwaarden YMOD in de vorm van: YMOD = a + b * X, waarbij a en b als volgt worden berekend:

De variabele b wordt als volgt berekend: b = 4 / 13 = 0,31 De variabele a wordt als volgt berekend: a = 2,5 – 0,31 * 3,5 = 1,42 Elke waarde YMOD kan nu berekend worden via YMOD = 1,42 + 0,31 * X In de methode van statistische vergelijking worden alle verkoopcijfers met bijbehorende kenmerken tegelijkertijd geanalyseerd. Dit staat in contrast met de methode van directe vergelijking, waarbij slechts enkele verkoopcijfers in de analyse worden betrokken. Een statistisch waarderingsmodel veronderstelt een relatie tussen de prijzen en de kenmerken van de woningen. Deze relatie hangt af van een relatief beperkt aantal onbekende parameters (kengetallen). Een eenvoudig model voor de verkoopcijfers van woningen is het volgende:

Hierbij geldt het volgende:  i=1,…,n met n gelijk aan het aantal verkoopcijfers  Vi is de verkoopprijs van woning i  β0, β1 (woninginhoud ) en β2 (de kaveloppervlakte ) zijn de onbekende parameters  εi is de storingsterm Deze storingsterm representeert het onverklaarde deel in de vergelijking, omdat niet met alle kenmerken rekening is gehouden en/of de veronderstelde relatie niet helemaal correct is en/of de kenmerken en verkoopcijfers fouten bevatten. Als de parameters bekend zijn, kan voor iedere woning de modelwaarde worden berekend door de kenmerken in de formule in te vullen. Bijvoorbeeld, β0=5.000, β1=1.000 en β2=500.


Vi = β0 + WoningInhoudi x β1 + KavelOppi x β2 + ε1

21


De vraag is hoe deze parameters worden vastgesteld. Deze parameters worden zodanig bepaald dat de verschillen tussen de verkoopprijs en de modelwaarde (M) “zo klein mogelijk” zijn. In de meeste gevallen wordt “zo klein mogelijk” gedefinieerd als de som van de kwadratische relatieve verschillen. In dit geval is dat gelijk aan (V1 - M1)2 + … + (Vn - Mn)2. Dit wordt de residuele kwadratensom (RSS) 8 genoemd, waarbij Vi – Mi het residu is voor woning i, dat is het onverklaarde gedeelte. Deze methode wordt de methode van kleinste kwadraten, of ook wel (meervoudige) lineaire regressie genoemd. De onbekende parameters, in dit voorbeeld β0, β1 en β2, worden zodanig bepaald dat  de gemiddelde afwijking tussen modelwaarde en verkoopcijfer nul is (als het model een constante, in dit geval β0, bevat), en  de residuele kwadratensom minimaal is. Merk op dat de eerste eigenschap impliceert dat de gemiddelde modelwaarde gelijk is aan de gemiddelde verkoopprijs. Dit betekent dat een dergelijk model niet systematisch onder- of overwaardeert. Met behulp van de geschatte parameters kan voor iedere woning – ook de niet verkochte – een waarde worden vastgesteld.

In het bovenstaande model worden de verschillen tussen verkoopcijfers en modelwaarden geminimaliseerd. Dit betekent dat een verschil van € 10.000,- bij een verkoopcijfer van € 100.000,- even zwaar meetelt bij het schatten van de parameters als een verschil van € 10.000,bij een verkoopcijfer van € 1.000.000,-. In het eerste geval is dat een afwijking van 10%, in het laatste geval een afwijking van 1%. Dit heeft tot ongewenst gevolg dat relatieve afwijkingen van dure woningen zwaarder wegen dan relatieve afwijkingen van goedkope woningen. Een alternatief is daarom om de som van de relatieve afwijkingen te minimaliseren, dat is (M1/V1 - 1)2 + … + (Mn/Vn - 1)2. Een eenvoudige manier om dit te bereiken is om niet de verkoopprijs te verklaren, maar het natuurlijke logaritme van de verkoopprijs. Dit betekent dat aan de linkerkant van de vergelijking niet de verkoopprijs zelf staat, maar het natuurlijke logaritme van de verkoopprijs. Het natuurlijke logaritme is een wiskundige transformatie, aangeduid met ln. 10

8

RSS is een Engelse term die staat voor “residual sum of squares”.

9

Een flexibel alternatief is het gebruik van zogenaamde matrix programmeertalen waarin de schattingsprocedures geprogrammeerd kunnen worden, zoals Ox, Gauss, Matlab en R.

10

Zie bijvoorbeeld wiki logaritme. De logaritme wordt normaal aangeduid met de term log. De logaritme voor het grondtal a van een getal x is de macht waartoe men het grondtal moet verheffen om x als


De term lineair in lineaire regressie geeft aan dat de vergelijking lineair moet zijn in de onbekende parameters βi. Dit is een voorwaarde voor het toepassen van lineaire regressie. Het vaststellen van de onbekende parameters wordt het schatten van de parameters genoemd. Eenvoudige modellen kunnen bijvoorbeeld in Excel met behulp van lineaire regressie worden geschat. Voor complexere (niet-lineaire) modellen met veel waarnemingen en veel variabelen moet een gespecialiseerd statistisch pakket worden gebruikt, zoals SPSS, Stata, SAS, Eviews en OxMetrics. 9

22


Het model is dan:

ln(Vi) = β0 + ln(WoningInhoudi ) x β1 + ln(KavelOppi) x β2 + ε1

1. De te verklaren variabele is het natuurlijke logaritme van de verkoopprijs. De verkoopprijs is gecorrigeerd voor de juridische overdracht en verkoopomstandigheden. De verkopen beslaan een zo groot mogelijke periode. a. De verklarende variabelen zijn de verkoopdatum, de locatie en de kenmerken van de woning inclusief deelobjecten, zoals garages, parkeerplaatsen, bergingen, schuren, dakkapellen en dakterrassen. Het gaat om de kenmerken zoals die gelden op het tijdstip van verkoop. b. Het model moet worden gespecificeerd. Dat wil zeggen dat voor alle kenmerken moet worden vastgesteld op welke wijze ze van invloed zijn op de verkoopprijs en wat hun onderlinge afhankelijkheid is. i. Voor zowel de tijd en de locatie moet worden bepaald op welk detailniveau deze worden gemodelleerd. Bijvoorbeeld, wordt de prijsontwikkeling in maanden of kwartalen gemeten. Voor de locatie geldt eenzelfde afweging. Enerzijds geldt hoe gedetailleerder de locatie (huis, straatkant, straat, buurt, stad) wordt gemeten, hoe beter. Anderzijds moeten er voldoende verkoopcijfers beschikbaar zijn om de locatie invloeden betrouwbaar te schatten. Dit heeft ook te maken met de manier hoe de invloed van de locatie wordt gemodelleerd. Als de effecten van de individuele locaties los van elkaar worden bezien, dan zijn er veel meer waarnemingen nodig om betrouwbaar de invloed te kunnen schatten dan in het geval er verbanden tussen locaties worden verondersteld. Een dergelijk verband kan zijn dat de waarde van een buurt wordt beïnvloed door aangrenzende buurten. ii. Zowel voor de locatie- als tijdseffecten geldt dat deze gemodelleerd worden in procenten. Prijzen stijgen immers niet met een bedrag per maand, maar met een bepaald percentage. Eenzelfde redenering geldt voor locaties. De prijs per m 2 in de ene locatie is een bepaald percentage duurder dan die in een andere locatie.

uitkomst te krijgen, dus: q =loga(x), oftewel aq=x. Bijvoorbeeld, als a=10 en x=1000, dan is q=3, immers 103=1000. Het grondgetal voor de natuurlijke logaritme, aangeduid met ln, is e= 2,718281828…. Er geldt dus dat loge(x) = ln(x).


waarbij ook van de woninginhoud en de kaveloppervlakte het natuurlijke logaritme is genomen. Een realistisch model bevat meer kenmerken dan de woninginhoud en de kaveloppervlakte. Daarnaast zullen complexere relaties tussen kenmerken en verkoopcijfers verondersteld moeten worden. Het complexe van waarderingsmodellen is de afhankelijkheid van tijd en ruimte: dezelfde woning varieert in de tijd en per locatie. In het voorbeeld zijn de kengetallen (β0, β1 en β2) constant, maar in een realistisch model variëren ze over de tijd en per locatie. Het opstellen van een waarderingsmodel bevat keuzes die hierna in meer detail worden besproken:

23


Voor zowel de grootte van de woning en de kavel geldt de wet van de afnemende meeropbrengsten: de waarde neemt toe als de grootte toeneemt, maar de prijs per m3 of m2 daalt als de grootte toeneemt. iv. Vaak wordt de totale waarde opgesplitst in de waarde van de woning, de waarde van de grond en de waarde van de overige delen. Dit betekent dat sommige variabelen alleen op de woning betrekking hebben, zoals woningoppervlakte, bouwjaar en onderhoud, andere alleen op de grond, zoals grondoppervlakte en locatie en sommige variabelen op beide delen, zoals het tijdstip van verkoop. v. De combinatie van bovenstaande eisen leidt tot een model dat niet-lineair is in de parameters. c. De parameters van het model moeten worden geschat. Eenvoudige lineaire modellen kunnen worden geschat met lineaire regressie. Voor realistischere modellen zijn geavanceerdere schattingsmethoden nodig. Naast de schattingen van de parameters worden ook betrouwbaarheden van de schattingen gegeven. Bijvoorbeeld, het effect van de oppervlakte op de waarde van een woning kan in het algemeen veel betrouwbaarder worden gemeten dan het effect van onderhoud op de waarde. Verder kan er bijvoorbeeld statistisch worden getoetst of een parameter significant verschillend is van 0. d. Het beoordelen van de geschatte parameters en het eventueel aanpassen van het model. Er kunnen vier verschillende situaties voorkomen: i. De coëfficiënt heeft het verwachte teken en is significant verschillend van nul. Bijvoorbeeld, als de woonoppervlakte toeneemt, neemt de waarde toe. Dit is het ideale geval. ii. De coëfficiënt heeft het verwachte teken en is niet significant verschillend van nul. Bijvoorbeeld, het effect van ouderdom is 1%, maar statistisch niet verschillend van nul. In dat geval kan de bijbehorende variabele in het model worden gehouden. iii. De coëfficiënt heeft niet het verwachte teken en is niet significant verschillend van nul. Bijvoorbeeld, een beter onderhouden woning leidt tot een daling van de waarde. In dat geval moet de bijbehorende variabele uit het model worden verwijderd. iv. De coëfficiënt heeft niet het verwachte teken en is significant verschillend van nul. Dit is het lastigste geval. Vaak is dit onverwachte effect het gevolg van het ontbreken van andere variabelen, of van twee variabelen die min of meer hetzelfde meten. Van beide gevallen volgt een illustratie.  Stel dat uit het model volgt dat de waarde van een woning daalt naarmate de buurt waarin de woning ligt groener is. De coëfficiënt voor “groen” heeft dus het verkeerde teken. Echter, er geldt ook dat de waarde van een woning daalt naarmate de afstand tot het centrum toeneemt. Als de variabele “afstand tot het centrum” wordt toegevoegd, kan het teken voor “groen” omslaan van negatief naar positief.  In een model worden zowel kwalificaties voor onderhoud binnen en buiten opgenomen. Echter, in de praktijk zijn deze bijna altijd gelijk. Het model kan dan beide effecten niet onderscheiden. Een remedie is om een van de variabelen weg te laten (of de variabelen te middelen).


iii.

24


e. Het beoordelen van de “fit” van het model aan de hand van de standaardfout van de regressie. 11 Deze wordt gemeten als de wortel van de residuele kwadratensom gedeeld door het verschil van het aantal waarnemingen n en het aantal verklarende variabelen k. Als de residuele kwadratensom wordt gedefinieerd in relatieve termen ((M1/V1 - 1)2 + … + (Mn/Vn - 1)2) dan is de standaardfout van de regressie te schrijven als

f.

Hoe kleiner deze is, hoe beter het model. De standaardfout van de regressie is gelijk aan 0 als de residuele kwadratensom gelijk is aan 0, en dat is wanneer alle modelwaarden exact gelijk zijn aan de verkoopcijfers. Door extra variabelen op te nemen kan de RSS dalen, maar daalt ook de noemer, zodat op voorhand niet duidelijk is wat het netto-effect is. De standaardfout van de regressie s is een relatieve standaardfout, uitgedrukt in een percentage, bijvoorbeeld 10% Voor een willekeurige woning, kan een modelwaarde met bijbehorende betrouwbaarheid worden berekend op ieder tijdstip tussen begin- en einddatum van de verkopen en op iedere locatie. 12 De modelwaarde volgt door in het model de kenmerken van de woning in te vullen en deze te vermenigvuldigen met de bijbehorende geschatte coëfficiënten. Naast de modelwaarde geeft een statistisch model ook een indicatie van de betrouwbaarheid van de waarde. Deze is afhankelijk van de standaardfout van de regressie. Stel dat de modelwaarde € 100.000,- bedraagt en de standaardfout van de regressie s is gelijk aan 10%. Dan ligt met een kans van 68% (95%) de waarde tussen plus en min 1 x s (2 x s), dus tussen € 90.000,- en € 110.000,- (€ 80.000,- en € 120.000,-). 13

1.7.3 Betrouwbaarheid van statistische modellen

11

Een alternatief is het gebruik van de aangepaste (adjusted) R2, de fractie verklaarde variantie. Deze is echter gerelateerd aan de standaardfout van de regressie. Voor de R2 geldt dat deze maximaal gelijk is aan 1. Hoe hoger de (adjusted) R2, hoe beter het model.

12

De definitie van tijdstip en locatie is afhankelijk van de modelspecificatie. De tijd kan in maanden worden gemeten en de locatie op CBS-buurt niveau.

13

Deze regel gaat op als er aan een aantal statistische voorwaarden wordt voldaan. Er moet gelden dat de residuen (bij benadering) normaal verdeeld zijn.


Een statistisch model geeft dus voor iedere woning een modelwaarde met bijbehorende precisie. Dit is een voordeel ten opzichte van de methode van directe vergelijking, waar geen maatstaf voor de betrouwbaarheid van de modelwaarde wordt gegeven. De mate van betrouwbaarheid hangt af van het aantal en de kwaliteit van de kenmerken. De betrouwbaarheid van het model is te verbeteren door het opnemen van meer kenmerken. Echter, voorbij een zeker punt neemt de betrouwbaarheid nauwelijks toe (of zelfs af) door het toevoegen van extra kenmerken. Ook het kiezen van een goede functionele vorm draagt bij aan de kwaliteit.

25


Een ander punt is de kwaliteit van de kenmerken. Als de kwaliteit van de gegevens slecht is, dan zal ook de kwaliteit van het model slecht zijn. Als bij een klein aantal verkoopcijfers enkele gegevens niet juist zijn, ook als dat relatief grote fouten zijn, zal dat in het algemeen van kleine invloed zijn op de schattingen van de onbekende parameters. Wel geldt dat bij de waardering van een individuele woning een fout in de kenmerken onmiddellijk leidt tot een fout in de waarde. Als bijvoorbeeld de woningoppervlakte geregistreerd staat als 100 m2 in plaats van 200 m2, dan zal de modelwaarde grofweg een factor 2 te laag zijn. Dit is ook bij de methode van directe vergelijking het geval. Tenslotte geldt zowel voor de methode van directe vergelijking als voor statistische waarderingsmodellen dat modellen alleen rekening houden met de gegevens zoals die in de database staan. Dit betekent bijvoorbeeld dat als een bepaald essentieel gegeven mist, het model er ook geen rekening mee houdt. Bijvoorbeeld, als een woning nauwelijks daglicht heeft door een slechte ligging en kleine ramen, zou dit in de waarde tot uitdrukking moeten komen. Echter, als dit niet bekend is, zal het model de waarde overschatten.

1.7.4 Periodiek herschatten van het model

Voor een WOZ-waardering moet iedere woning ieder jaar van een waarde worden voorzien. Dat betekent dat de consistentie van de waarderingen in de loop van de tijd erg belangrijk is. Met consistentie van de waardering wordt bedoeld dat bij onveranderde kenmerken de waardeontwikkeling van een individuele woning die van het marktsegment volgt. Dit is niet van belang bij waarderingen voor de financiering van een woning, omdat deze waardering slechts eenmalig is. Voorbeeld: Stel dat een woning vorig jaar 2% onder de marktwaarde is gewaardeerd en dit jaar 2% boven de marktwaarde, dan stijgt de waarde met 4%. Deze stijging zal vragen oproepen als de marktprijzen constant zijn gebleven of zelfs zijn gedaald. In werkelijkheid weten we niet exact wat de marktwaarde is, dus kunnen we ook niet zomaar zeggen dat een woning 2% te hoog of te laag is gewaardeerd. Er is altijd een onzekerheidsmarge. Als echter de waarde met 4% stijgt in een constante markt roept dit bij de belastingplichtige vragen op, ook al zijn de afzonderlijke waarderingen niet echt fout. Dit voorbeeld illustreert het belang van consistente waarderingen in de loop van de tijd.


De schattingen van de parameters van een model zijn afhankelijk van de gebruikte data. Dit betekent dat als nieuwe verkoopgegevens aan het model worden toegevoegd, de schattingen van de parameters wijzigen. Sommige parameters blijven tamelijk constant, bijvoorbeeld de relatie tussen waarde en woningoppervlakte; hoeveel procent verandert de prijs per m2 als de woninggrootte met 10 procent toeneemt? Andere parameters zullen meer veranderen, parameters die betrekking hebben op de marktomstandigheden. Dit kan inhouden dat na toevoeging van nieuwe informatie een waardering op een datum in het verleden kan wijzigen. Of dit het geval is, hangt af van hoe het statistisch model er precies uit ziet.

26


Het is mogelijk om een statistisch waarderingsmodel zodanig vorm te geven dat het toevoegen van nieuwe verkoopcijfers in het verleden gedane waarderingen niet of nauwelijks beïnvloedt. 14 Vanuit het oogpunt van consistentie in de loop van de tijd is dat een verstandige keuze. Een ander standpunt is dat nieuwe verkoopcijfers ook extra informatie kunnen toevoegen over de waarde in het verleden. Als dat het doel is dan is het verstandig om “oude” modelwaarden aan te passen op basis van de nieuwe informatie. Statistische modellen maken het mogelijk beide keuzes te maken. Bij de methode van directe vergelijking echter is een waardering in het ene jaar onafhankelijk van een waardering in het andere jaar. Ze hangen af van de gevonden vergelijkbare verkopen. Die zullen in het ene jaar anders zijn dan in het volgende jaar en kunnen in het ene jaar iets onder het marktniveau liggen en in het andere jaar iets boven het marktniveau. 15 De consistentie van waarderingen in de loop van de tijd is dan ook niet te garanderen zonder aanvullende controles.

1.8 Tussenvormen In de voorgaande paragrafen zijn de 2 belangrijkste vergelijkingsmethoden gepresenteerd, namelijk de methode van directe vergelijking en de statistische methode. Naast deze methoden zijn er nog andere die een tussenpositie innemen, namelijk de dynamische regressiemethode en de cluster methode.

Een van de mogelijkheden is om allereerst bij een te waarderen woning een groot aantal (zeg meer dan honderd) vergelijkbare verkochte woningen te zoeken, zoals ook in de methode van directe vergelijking gebeurt. Vervolgens wordt een statistisch model geschat op basis van deze vergelijkbare verkopen. Dit betekent dus dat voor iedere woning een apart model wordt geschat. Voor het waarderen van grote hoeveelheden woningen vereist deze aanpak dat zowel het specificeren en het schatten van het model als het beoordelen van de uitkomsten volledig geautomatiseerd is. Het schatten van het model mag niet te veel tijd in beslag nemen. Het schatten van een model met enige honderden waarnemingen en tientallen verklarende variabelen kost slechts een fractie van een seconde. Echter, het schatten van complexere modellen kan oplopen tot enige minuten. Dit houdt in dat deze methode beperkingen oplegt aan de complexiteit van het statistisch model.

14

Hiervoor zijn geavanceerde tijdreeksmodellen nodig die niet meer geschat kunnen worden met lineaire regressie of kleinste kwadraten methode.

15

Hoe minder vergelijkingswoningen worden gebruikt, hoe waarschijnlijker dit effect is.


1.8.1 Dynamische regressiemethode

27


1.8.2 Cluster methode Een tweede methode maakt gebruik van clustertechnieken om “vergelijkbare” woningen in groepen in te delen. Deze clusters van vergelijkbare woningen worden voornamelijk bepaald aan de hand van de kenmerken locatie (waardegebied), woningtype, grootte en bouwjaar. Er bestaan verschillende technieken voor het creëren van clusters. De verschillende technieken en de werking ervan laten we verder buiten beschouwing. Clusters kunnen ook door experts zelf worden gemaakt, gebruikmakend van lokale marktkennis. Dat laatste gebeurt in de praktijk dan ook vaak. Het maken van clusters veronderstelt dat er een afstand berekend kan worden tussen woningen met verschillende kenmerken (zie paragraaf 2.7.1). Het is dus sterk gerelateerd aan het zoeken naar vergelijkbare woningen bij de methode van directe vergelijking. Voor woningen binnen een cluster geldt grofweg dat de afstanden tussen de woningen binnen de groep kleiner zijn dan de afstand tussen woningen uit verschillende groepen. De clusters worden zodanig vastgesteld dat er voldoende – tussen de 3 en 10 – verkopen beschikbaar zijn. Binnen een cluster wordt een aantal peilpunten – dit kunnen de verkochte woningen zijn – gewaardeerd en de waarde van de overige woningen in de groep wordt hiervan afgeleid. Het idee is dat deze overige woningen niet al te veel afwijken van de peilpunten, zodat eventuele correcties niet al te groot zijn. De peilpunten worden zorgvuldig gewaardeerd, al dan niet met een model. Ook wordt getoetst of de waardeverhoudingen tussen de peilpunten uit verschillende clusters correct zijn. Voor de correcties in de waarde van de overige objecten ten opzichte van de peilpunten kunnen ook modellen worden gebruikt. De methode van clusteren wordt vooral gebruikt voor waarderingen in het kader van de Wet WOZ, omdat deze methode erop gericht is om alle woningen van een waarde te voorzien. Voor het maken van de clusters is het noodzakelijk dat van alle woningen de kenmerken beschikbaar zijn. Dit maakt deze methode minder geschikt voor andere toepassingen, zoals hypotheektaxaties.

De methode van directe vergelijking en de statistische methode verschillen op de volgende punten van elkaar:  Voor het specificeren en schatten van statistische waarderingsmodellen is gespecialiseerde statistische kennis nodig. Deze kennis is vrijwel nooit bij gemeenten en taxatiebureaus in huis aanwezig. Dit betekent dat deze statistische modellen moeten worden ingekocht. De methode van directe waardering vereist veel minder specialistische kennis en kan daarom makkelijker door waardespecialisten worden ingericht.  De kengetallen die volgen uit een statistisch waarderingsmodel zijn in de meeste gevallen niet door een klant aan te passen. Wel is het mogelijk om in een taxatie af te wijken van de modelwaarde en deze afwijking kan in een volgende waardering opnieuw worden toegepast. Bijvoorbeeld, als vorig jaar de modelwaarde 10% te laag was, dan kan de correctie van 10% ook worden toegepast op de huidige modelwaarde.  De instellingen van methode van directe vergelijking, zoals de zoekstructuur, de correctie voor tijd (marktomstandigheden) en kenmerken zijn vrij eenvoudig door een klant aan te passen.


1.9 Vergelijking van vergelijkingsmethoden

28













De gebruiker van een model kan dus invloed uitoefenen op de uitkomst van het model. Echter, bij wijzigingen is vooraf nauwelijks in te schatten wat de effecten op de waarde van alle woningen is. Bijvoorbeeld, als in de zoekstructuur het belang van de buurt toeneemt ten koste van het woningtype, veranderen de bijgezochte vergelijkbare verkopen, met een wijziging van de uiteindelijke modelwaarde als gevolg. Kortom, er zijn veel mogelijkheden om in te grijpen, maar met onbekende gevolgen voor de waarde. Dit maakt het goed inrichten van zo’n model een tijdrovend proces van “trial and error”. In een statistische analyse is veel eenduidiger vast te stellen wat bijvoorbeeld de wijziging van een verandering van de vorm van het model is. De methode van directe vergelijking is gebaseerd op een relatief klein aantal verkoopcijfers. In een statistisch model worden bij iedere waardering alle verkoopcijfers gebruikt. Een waardering met behulp van de methode van directe vergelijking is in vergelijking met de statistische methode veel gevoeliger voor inconsistente waarderingen in de loop van de tijd. In de methode van directe vergelijking volgen correcties van de vergelijkbare verkopen voor tijd en kenmerken uit een separate analyse. In een statistisch model worden deze correcties in 1 stap “geschat”. Een statistisch waarderingsmodel geeft voor iedere waarde een indicatie van de betrouwbaarheid. Dit is niet op dezelfde manier mogelijk in de methode van directe vergelijking. Het is in een statistisch model mogelijk om te toetsen of een bepaald kenmerk van invloed is op de waarde. Als de bijbehorende coëfficiënt significant verschillend is van 0, dan is het zinvol om dat kenmerk in het uiteindelijke model op te nemen. Dit leidt tot een meer betrouwbare waarde. Er kan onmiddellijk worden vastgesteld in welke mate de betrouwbaarheid van het model verbetert. Dit is niet mogelijk bij de methode van directe vergelijking. De waarderingsmodellen worden voor verschillende doeleinden gebruikt, zoals WOZwaarderingen en hypotheektaxaties. Voor WOZ-waarderingen worden zowel de methode van directe vergelijking als de statistische methode toegepast. Wel is er een onderscheid dat te maken heeft met de grootte van de gemeente. Hoe groter de gemeente, hoe lastiger het is om modellen voor de methode van directe vergelijking goed in te richten, omdat er veel vrijheidsgraden zijn in de inrichting van het systeem. Statistische modellen lenen zich daar veel beter voor. Waarderingsmodellen die worden ingezet voor landelijke taxaties, zoals voor het verkrijgen van financiering en Nationale Hypotheek Garantie, zijn veelal gebaseerd op de methode van statistische vergelijking. Voor beide methoden geldt dat uiteindelijk de kwaliteit van de modelwaarderingen afhangt van de gebruikte data en de kennis en kunde van de modelontwikkelaar.



29


2. Communicatie Het werken met waarderingsmodellen is één zijde van het vakgebied van de marktanalist / modelmatig waardebepaler. Het communiceren van de resultaten is een vak apart. Gelet op de grote mate van specialisme en de complexiteit van de materie wordt van de MA/MWB-er niet alleen verwacht dat de informatie wordt gegenereerd maar ook dat de informatie op een heldere wijze wordt gepresenteerd.

2.1 Communicatietheorieën Communicatie is het proces waarbij mensen op een interactieve manier betekenissen creëren, ondersteunen en managen. Rapporteren is daarbij een van de belangrijkste vormen van communicatie. Rapporteren kan het best omschreven worden als het volgens een opdracht of krachtens zijn functie melden of mededelen van een toestand of toedracht. Zij die communiceren hebben iets gemeenschappelijks, er is sprake van een uitwisseling waaraan zij samen deelhebben. Daarom kan in de sfeer van de communicatie de term ‘mededelen’ gebruikt worden. In het communicatieproces wordt informatie medegedeeld. Een spel van geven en ontvangen: wat we mededelen aan anderen hebben we eerst zelf ontvangen. Bij rapporteren worden een aantal waarnemingen gedeeld met anderen. Vaak is sprake van eenrichtingsverkeer.

2.2 De communicatiemanager Doelgericht rapporteren is vaak lastig voor de MA/MWB-er, omdat hij of zij hier vrijwel zeker niet of onvoldoende voor is opgeleid. Het is een vrij nieuwe functie binnen een relatief klein vakgebied. Het vinden van goede analisten is al lastig, laat staan dat het ook nog eens goede communicatiemanagers zijn. Toch is het een noodzaak dat deze managers er in rap tempo komen.

Essentieel binnen elk team is een goede communicatie. Het team heeft de ervaringen van de coureurs op de baan nodig om tot de juiste afstellingen te komen. En als blijkt dat een deel van de auto niet functioneert zal het team dit terugkoppelen naar de ontwerper van de auto. Hetzelfde dient te gebeuren bij het toepassen van geautomatiseerde waarderingsmodellen. En de spil in dit proces is de MA/MWB-er. Naast de interne communicatie speelt de communicatiemanager ook een grote rol bij de communicatie van de resultaten naar externe partijen. Te denken valt aan de opdrachtgever (vaak een gemeente), een controlerend orgaan (bijvoorbeeld de Waarderingskamer) en aan andere direct betrokkenen (de belanghebbenden).

Hoofdstuk: Communicatie

Het vakgebied van de modelmatige waardebepaling is vergelijkbaar met een formule 1 team. Een complexe machine (het model), ontworpen door een specialist (de modelbouwer), onderhouden en afgesteld door het team (de MA/MWB-er) en bestuurd door de coureurs (de taxateurs).

30


De communicatiemanager dient te beschikken over bepaalde specifieke vaardigheden. Om doelmatig te kunnen functioneren dient de communicatiemanager te weten hoe hij kennis moet verzamelen en overdragen. Hij zal niet alleen goed op de hoogte moeten zijn van de werking van het waarderingsmodel, maar ook moet hij in staat zijn om zijn kennis op een verantwoorde manier te structureren en te presenteren. Daarnaast dient hij kennis van zaken te hebben over de verschillende communicatietechnieken. Hij zal daartoe de juiste woorden en toon moeten kiezen, afhankelijk van de doelgroep. Bovendien kan hij de kennisbehoefte van de diverse doelgroepen correct inschatten en de meest geëigende communicatietechniek toepassen.

2.3 Het opstellen van een rapportage16 Een rapportage is een nauwkeurig geselecteerde en systematisch bewerkte hoeveelheid informatie. Het doel van de rapportage is niet alleen het algemene doel van communicatie in de zin van ‘iets gemeenschappelijks krijgen’. Rapporteren is een onderdeel van elk informatiesysteem zowel intern als extern. Met de rapportage wil men bereiken dat een bijdrage wordt geleverd aan de besluitvorming dan wel dat een boodschap wordt overgebracht. Het is in dit kader van essentieel belang aan wie wordt gerapporteerd.

2.3.1 De oriëntatie Alvorens kan worden begonnen met een rapportage dient een gedegen voorbereiding plaats te vinden waarin tenminste de volgende zaken van belang zijn:  De opdracht op grond waarvan gerapporteerd dient te worden, dient goed begrepen te worden;  Datgene waarover gerapporteerd gaat worden, dient eerst waargenomen te worden;  Duidelijk dient te zijn aan welke doelgroep gerapporteerd gaat worden, zodat de rapportage kan worden aangepast aan de wensen en het behoefteniveau van inzicht en kennis.

16

Drs. G.B.M. Janzing, Wijze van rapporteren en informatie presenteren


Figuur 2 laat schematisch het rapportageproces zien.

31


Figuur 2 Het rapportageproces

17

Waarom?

geeft het doel van de rapportage aan

Waarover?

geeft het onderwerp aan

Wie?

geeft de doelgroep aan

Wat?

geeft de te behandelen informatie aan

Hoe?

geeft de wijze waarop aan

17

Marcel Heerink, 2011, Rapporteren


Een goed opgebouwde rapportage bevat het antwoord op alle of een gedeelte van onderstaande zogenaamde bezinningsvragen:

32


2.3.2 Het doel van de rapportage Een rapportage vindt plaats in opdracht of uit hoofde van een functie die iemand bekleedt. Globaal zal in elk van beide situaties zich het volgende voordoen: Fase 1

In opdracht Er is een speciale opdracht tot verslaglegging over een bepaalde situatie

Uit hoofde van functie Uit hoofd van zijn of haar functie bestaat een verplichting of een rechtvaardiging voor een rapportage

2

De verslagsituatie doet zich voor

Er treedt een situatie op waardoor tot actie wordt overgegaan

3

De situatie wordt waargenomen

De situatie wordt waargenomen, waarna wordt besloten dat gerapporteerd dient te worden

4

De waarneming wordt geformuleerd ten behoeve van de opdrachtgever

De waarneming wordt geformuleerd ten behoeve van de relevante instantie(s)

5

De opdrachtgever verneemt het verslag en reageert hierop

De relevante instantie verneemt het verslag en reageert hierop

2.3.3 Het onderwerp van de rapportage De rapportage beantwoordt de vragen die er aan ten grondslag liggen. Indien de opdracht onvoldoende duidelijk of geconcretiseerd is, dient de opdracht opnieuw geformuleerd te worden.

De rapportage is bedoeld voor diegenen die de informatie nodig hebben. Alles wat overbodig is werkt belemmerend en verstorend. De ontvanger moet begrijpen wat het nut is van de rapportage voor zijn of haar werkzaamheden en de inhoud van de rapportage moet daar dan ook op afgestemd zijn.


2.3.4 De doelgroep

33


2.3.5 De te behandelen informatie Een rapportage wordt opgesteld op basis van hetgeen is waargenomen en bevat datgene waar de ontvanger belang bij heeft. De rapporteur dient zich dus aan de opdracht te houden en zich niet laten leiden door het motto ‘de vader is de wens der gedachten’.

2.3.6 De wijze van rapporteren Er kan zowel schriftelijk als mondeling gerapporteerd worden. Er is geen vaste regel wanneer het beste mondeling en wanneer het beste schriftelijk gerapporteerd kan worden. Elke methodiek heeft zijn voor- en nadelen. De uiteindelijk keus kan bijvoorbeeld afhangen van de heersende gebruiken, de doelstelling, het belang, de complexiteit en de beschikbare tijd.

2.3.6.1 Schriftelijk rapporteren Het grote voordeel van een schriftelijke rapportage is dat alles van tevoren beter geordend kan worden, met als bijkomend gevolg dat het minder vatbaar is voor misverstanden dan een mondelinge rapportage. Daarnaast zijn schriftelijke rapportages te vermenigvuldigen, te verspreiden, aan anderen te overhandigen en te bewaren. Tenslotte leent een schriftelijke rapportage zich beter voor visuele weergaven zoals tabellen en grafieken. Tabellen en grafieken vergen immers enige tijd om alle gegevens er uit te filteren en op waarde te schatten.

Het uiterlijk van de schriftelijke rapportage mag niet bedreigend overkomen voor de doelgroep. Daarnaast moet de rapportage een logische en overzichtelijke indeling en opmaak hebben. Een goede rapportage heeft de volgende kenmerken:  Een doelgericht bovenschrift met: onderwerp, doel en aard van de rapportage, rapporteur en doelgroep;  Duidelijk ingedeelde paragrafen en een systematische nummering;  Ruimte voor aantekeningen en een betere leesbaarheid door het aanbrengen van een brede kantlijn en een ruimere regelafstand en alinea-afstand;  Accentuering van de belangrijkste informatie door gebruik te maken van hoofdletters, onderstrepingen en schuin of vetgedrukte teksten;  Een overzichtelijke en logische inhoudsopgave, verwijzingen en gemakkelijk toegankelijke bijlagen.


Nadeel is dat het koel en onpersoonlijker of officieel over kan komen. Plus dat het in verkeerde handen kan vallen of in een bureaulade kan verdwijnen. Er is geen controle in hoeverre de inhoud de doelgroep werkelijk bereikt, aangezien niet gecontroleerd kan worden in hoeverre het rapport daadwerkelijk gelezen is of in hoeverre de inhoud van het rapport op de juiste wijze is geïnterpreteerd. Het vragen om een uitleg of een toelichting is immers lastiger dan bij een mondelinge rapportage.

34


Wat de paragraafindeling betreft kan een controle op basis van negen controlevragen18 plaatsvinden:  is de indeling afgestemd op de doelstelling en de doelgroep?  komen alle facetten van het onderwerp in de juiste mate aan de orde?  is er geen sprake van mammoet- of minihoofdstukken?  is op elk niveau (hoofdstuk, (sub)paragraaf) consequent één gezichtspunt gehanteerd?  geven de titels van de hoofstukken en (sub)paragrafen duidelijk weer op welke wijze ze aan elkaar gerelateerd zijn?  zijn er niet meer dan zeven hoofdstukken?  komen er niet meer dan vier subniveaus voor?  bestaat ieder punt dat wordt onderverdeeld uit minstens twee subpunten?  overlappen de onderdelen elkaar niet? Bij voorkeur bestaat de rapportage uit de volgende opbouw: 1. Inleiding a. aanleiding b. vraag- en doelstelling 2. Conclusies en aanbevelingen 3. Toelichting a. toegepaste methode b. resultaten 4. Bijlagen a. specificaties b. gedetailleerde resultaten Punt 1 en 2 vormen samen het kernrapport en beslaan slechts 1 à 2 pagina’s. Een dergelijke opzet komt zeer krachtig over, immers direct wordt het eindresultaat of de conclusie vermeld zonder daarvoor een lange aanloop nodig te hebben. De doelgroep kan gemakkelijk de gedachtegang van de rapporteur volgen, aangezien ze direct geconfronteerd wordt met de conclusie. De overige delen van de rapportage zijn een toelichting op het reeds bekende resultaat of de reeds bekende conclusie.

Het grootste voordeel van een mondelinge rapportage is gelegen in het feit dat er interactie bestaat tussen de rapporteur en de doelgroep als gevolg van het directe contact. De doelgroep kan direct reageren of vragen stellen, terwijl de rapporteur toelichtingen kan geven op het onderzoek en de resultaten. Desgewenst kan de rapporteur zijn betoog bijstellen naar aanleiding van de reacties van de doelgroep. De mondeling rapportage kan daarnaast gevolgd worden door een tijdbesparende discussie met de doelgroep.

18

Peter Nederhoed, 2011, Helder rapporteren


2.3.6.2 Mondeling rapporteren

35


De kracht (en de zwakte) van de mondelinge rapportage is voor een groot deel verbonden aan de specifieke eigenschappen van de rapporteur. Hij of zij kan de doelgroep ‘bespelen’ door het gebruik van intonaties, handgebaren en het ten toon spreiden van zijn of haar enthousiasme.


Nadelig is dat de informatie slechts éénmalig beschikbaar is en niet kan worden nagelezen. Dit kan vanzelfsprekend opgevangen worden door de uitgifte van een schriftelijke samenvatting van het betoog of door video- of geluidsopnames te maken. Daarnaast is de woordkeuze van de rapporteur in veel gevallen spontaan en daardoor in sommige gevallen niet perfect en op meerdere wijzen uit te leggen.

36


3. Literatuur

        



  

Berkhout, T.M. en A.C. Hordijk, 2010, Standaard 1, Marktwaarde als waarderingsgrondslag, Editie 2010, Aansluiting bij International Valuation Standards, www.waarderingskamer.nl. Clapp, J.M. en P.M. O’Connor, Automated Valuation Models of Time and Space, Journal of Property Assessment & Administration¸5, 57 – 67. Boumeester, H., A. Drentje en P. de Vries, 2011, Inventarisatie Modelmatige Waardebepaling in Nederland, OTB Delft. Francke, 2010, Casametrie. De kunst van het modelleren en het voorspellen van de marktwaarde van woningen, Amsterdam: Vossius Pers UvA. Gloudemans, R.J., 1999, Mass Appraisal of Real Property,Chicago: International Association of Assessing Officers. International Association of Assessing Officers, 2010, Standard on Ratiostudies, www.iaao.org/uploads/Standard_on_Ratio_Studies.pdf. International Association of Assessing Officers, 1990, Property Appraisal and Assessment Administration. Chicago: International Association of Assessing Officers. International Association of Assessing Officers, 2003, Standard on Automated Valuation Models (AVMs), www.iaao.org/uploads/AVM_STANDARD.pdf. International Association of Assessing Officers, 2010, Standard on Mass Appraisal of Real Property, www.iaao.org/uploads/StandardOnMassAppraisal.pdf. Waarderingskamer, 2010, Beoordelingsprotocol taxaties woningen, Beoordelingsprotocol woningen waardepeildatum 1 januari 2010,vastgesteld 10 september 2010, Den Haag, www.waarderingskamer.nl. Waarderingskamer, 2011, Waarderingsinstructie jaarlijkse waardebepaling. Richtlijnen voor de uitvoering van de Wet WOZ, vastgesteld 5 november 2010, Den Haag, www.waarderingskamer.nl. Drs. G.B.M. Janzing, Wijze van rapporteren en informatie presenteren Marcel Heerink, 2011, Rapporteren Peter Nederhoed, 2011, Helder rapporteren

Hoofdstuk: Literatuur



37

Hercertificering MA-MWB 2015

Recommend Documents