Het rendement van verduurzaming Een onderzoek naar het rendement van de verduurzamingsopgave van huurwoningen onder de Europese wetgeving
Auteur:
L. Werkman – Vaneveld
Opleiding:
Amsterdam School of Real Estate Master of Science in Real Estate (MSRE)
Datum:
6 juni 2015
Eerste begeleider:
Drs. A. Marquard
Tweede begeleider:
Drs. W. van der Post
Samenvatting Het realiseren van een volledig duurzame energievoorziening in 2050 is politiek en maatschappelijk de wens. Deze wens is verankerd in het Energieakkoord voor duurzame groei, waarin de basis is gelegd voor een toekomstbestendig energie- en klimaatbeleid. In het akkoord vormt energiebesparing een kernpunt. Voor de gebouwde omgeving is het streven een energie-neutrale gebouwde omgeving in 2050, voorafgegaan door gemiddeld label A voor gebouwen in 2030 en opbouwende maatregelen in 2020. Voor de particuliere huursector is het doel voor 2020 om minimaal label C te halen voor 80% van de particuliere verhuur. Hiermee zal een investering gemoeid zijn van € 500 mln. De resulterende besparing is onderdeel (6,5-12%) van de totale energiebesparing van de huursector in 2020. De voortgang wordt beoordeeld in 2016 en 2018, waarbij reeds aanvullende, meer verplichtende maatregelen zijn aangekondigd bij het achterblijven. Ondersteunende maatregelen zijn onvoldoende en bedoeld ter ondersteuning van corporaties. De benodigde investeringen moeten dus, onder de beperkingen van de verhuurderheffing, uit eigen middelen betaald worden. Op deze investeringen moet rendement gemaakt worden, anders neemt de drijfveer tot verduurzaming af en worden de gestelde doelen zeker niet gehaald. En om het doel te halen, moet het tempo nu al omhoog. Het terugverdienmodel van een particuliere woningbelegger bestaat uit huurinkomsten (direct rendement) en verkoopopbrengsten (indirect rendement). Hieruit moeten de benodigde investeringen dus worden terugverdiend, maar is dit ook mogelijk? Ofwel, kunnen de investeringen benodigd voor het behalen van de doelstelling minimaal 80% van de huurwoningen (in particulier eigendom) op minimaal label C of hoger in 2020 worden terugverdiend uit de (normale) bedrijfsvoering / exploitatie van deze huurwoningen? In dit kwantitatief, deels kwalitatief verkennende onderzoek wordt antwoord gegeven op deze vraag. Op basis van het theoretisch kader was het verwachte resultaat van het onderzoek tweeledig: 1. De huur voor groene woningen ligt hoger dan voor woningen met een lagere energieprestatie. 2. De netto contante waarde van de investeringen benodigde voor het behalen van de doelstelling minimaal 80% van de huurwoningen op minimaal label C of hoger in 2020 is negatief. Door het bepalen van de relatie tussen energieprestatie en huur (regressie) en het maken van een rendementsberekening (DCF-model) zijn deze verwachtingen getoetst.
1
Regressieanalyse In het WoON Energiemodule 2012, ter beschikking gesteld door het Ministerie van Binnenlandse Zaken, is de energetische kwaliteit van 4.790 woningen bepaald. Een uitgebreide dataselectie en een controle op “outliers” heeft geresulteerd is een database van 1.877 woningen. Deze dienen als input voor het onderzoek naar de relatie tussen energieprestatie en huur (regressie). In het onderzoek zijn huur en Energie-Index de belangrijkste variabelen. De huur is echter niet alleen afhankelijk van de energieprestatie. Aangetoond is dat de ene helft van de (huur)waarde wordt bepaald door fysieke woningkenmerken (kwaliteit) en de andere door omgevingskenmerken (locatie). Aan het model zijn dan ook additionele variabelen toegevoegd om de verklarende kracht te versterken. Om de homogeniteit te bewaken, zijn de variabelen zo geaggregeerd mogelijk opgenomen: bouwperiode, oppervlakte, aanwezigheid van bad, aantal kamers, woningtype en stedelijkheid met een onderscheid tussen grondgebonden woningen en appartementen. Zowel de variabelen als de uitkomsten voldoen (na bewerking) bij benadering aan de assumpties voor lineaire regressie. De regressie is verdeeld over drie modellen: 1. exclusief energieprestatie, 2. inclusief energieprestatie en 3. exclusief bouwjaar. Op deze wijze is de invloed van de variabelen op de huur weergegeven. DCF-model Conform het IPD (2013) bestaat het totaal rendement uit direct en indirect rendement. Het totaal rendement kan worden berekend in een DCF-model. In dit onderzoek is ervoor gekozen aan te sluiten bij de algemeen geaccepteerde taxatierichtlijnen (2013) van de IPD. In het voor dit onderzoek ontworpen DCF-model is de netto contante waarde van de verduurzamingsopgave bepaald. Het model is gevoed met een database van 4.029 woningen ter beschikking gesteld door drie woningbeleggers. Kanttekening is, dat een DCF-model (zeer) gevoelig is voor uitschieters door het grote aantal aannames. Op de modelaannames heeft dan ook tevens een gevoeligheidsanalyse plaatsgevonden. Net als bij de regressieanalyse is onderscheid gemaakt tussen grondgebonden woningen en appartementen. Bevindingen Uit analyse en vergelijking van de twee datasets woningen blijkt, dat woningen met een groen label in vergelijking met rode labels een hogere maandhuur hebben, een groter oppervlakte, een hogere
2
WOZ waarde en dat ze gemiddeld jonger zijn. Groene woningen liggen gemiddeld minder stedelijk dan rode woningen, met name doordat eengezinswoningen gemiddeld minder stedelijk liggen. Van de groene woningen is ruim 80% gebouwd na 1975. Van de rode woningen ligt ruim 80% voor 1975. Dit gaf aanleiding om aan te nemen, dat de bouwjaarklasse een grote invloed heeft op het label. Ook bij het onderscheid tussen eengezinswoningen en meergezinswoningen laat de huur per maand een stijgende lijn zien naarmate het bouwjaar jonger wordt. Conclusies In de beschrijvende analyses en de regressieanalyse is aangetoond, dat er voor woningen met een betere energieprestatie een hogere huur betaald wordt. Dit wordt tevens duidelijk uit de Nederlandse wet- en regelgeving, waarin geregeld is dat een beter label meer WWS punten inhoudt, waardoor de maximaal redelijke huur per maand stijgt. Hierdoor bestaat, uiteraard onder voorwaarden, de mogelijkheid om de huur bij woningverbetering te verhogen. De grootste determinant van de huurstijging als gevolg van een betere energieprestatie is niet de Energie-Index, maar de bouwperiode. Dit is het gevolg van steeds strengere bouwbesluiten en blijkt uit de standaard labels bij verschillende bouwperioden. Hoe jonger de woning, hoe groener. De investeringen benodigd om de doelstelling minimaal 80% op minimaal label C in 2020 te halen kunnen wel terugverdiend worden. Hieraan verbonden is de voorwaarde dat er voldoende woningen aan het einde van de DCF-periode worden verkocht. Investeringen worden niet contant gemaakt als er geen verkopen zijn en waarde is geen liquiditeit. Het DCF-model blijkt zeer gevoelig voor de aannames van de disconteringsvoet en de verkoop mutatiegraad. Beide hebben sterk te maken met het rendement. Bovenstaande leidt tot de overall-conclusie, dat ondanks dat de huur voor groene woningen hoger ligt dan voor rode woningen en er mogelijkheden zijn voor het verhogen van de huur bij labelverbetering, deze extra huurinkomsten niet opwegen tegen de benodigde investeringen. Een particuliere belegger is voornamelijk afhankelijk van de verkopen om de investeringen terug te kunnen verdienen. Zonder verkopen wordt op de investering geen rendement gemaakt.
3
Voorwoord What? Voor u ligt de scriptie “Het rendement van verduurzaming. Een onderzoek naar het rendement van de verduurzamingsopgave van huurwoningen onder de Europese wetgeving.” In het onderzoek is getracht antwoord te geven op de vraag of de mogelijk verplichte verduurzamingsopgave voor particuliere woningbeleggers rendement kan opleveren. Who? Deze scriptie is geschreven door Lisette Werkman – Vaneveld in het kader van mijn afstuderen aan de opleiding MSRE aan de Amsterdam School of Real Estate. Sinds 2005 ben ik werkzaam bij het Real Estate Clients team van ABN AMRO, waar hard gewerkt wordt aan het opbouwen en behouden van een risicomatig verantwoorde lening portefeuille op commercieel onroerend goed. Why? Bij ABN AMRO staat het duurzaamheidsvraagstuk hoog op de agenda. Vanuit Real Estate Clients zijn diverse onderzoeken naar duurzaamheid bij commercieel onroerend goed reeds uitgevoerd. Er was echter nog geen onderzoek naar duurzaamheid bij de commerciële (particuliere) woningbeleggers. In het kader van het Energieakkoord en de Europese Energy Performance of Buildings Directive wordt verwacht, dat verduurzaming van huurwoningen in de komende jaren verplicht zal worden. Woningbeleggers zullen (alsdan) geconfronteerd worden met aanzienlijke investeringsopgaven, waarop wellicht externe financiering gevraagd zal worden. In dit kader is het interessant om te onderzoeken of er rendement te behalen valt aan de verduurzamingsopgave. Thanks! Allereerst, Berry, Liv, Kaj en Mieke, bedankt voor het geduld en steun! Het is klaar! Daarnaast wil ik Arthur bedanken voor zijn begeleiding en positieve / motiverende feedback. Verder dank aan ABN AMRO voor de mogelijkheid deze studie te volgen. Ten slotte dank aan het Ministerie van Binnenlandse Zaken voor het ter beschikking stellen van de gegevens van het WoON 2012 en aan de (op verzoek) niet nader te noemen woningbeleggers voor de ontvangen gegevens, hulp en toelichting.
Lisette Werkman - Vaneveld Utrecht, 6 juni 2015
4
Inhoudsopgave Samenvatting..................................................................................................................................1 Voorwoord ......................................................................................................................................4 1
2
Onderzoeksopzet.....................................................................................................................8 1.1
Aanleiding .......................................................................................................................8
1.2
Probleemstelling ............................................................................................................10
1.3
Doelstelling....................................................................................................................11
1.4
Vraagstelling .................................................................................................................11
1.5
Methodologie en conceptueel model..............................................................................12
1.6
Wetenschappelijke relevantie ........................................................................................12
1.7
Maatschappelijke relevantie...........................................................................................13
1.8
Afbakening ....................................................................................................................13
1.9
Leeswijzer .....................................................................................................................13
Institutionele context ..............................................................................................................14 2.1
Inleiding.........................................................................................................................14
2.2
Energielabel en Energie-Index .......................................................................................14
2.2.1
Energieprestatiecertificaat voor woningen ..................................................................14
2.2.2
Wijzigingen vanaf 1 januari 2015................................................................................14
2.2.3
Wet- en regelgeving...................................................................................................15
2.3
Energetische kwaliteit huurwoningvoorraad Nederland ..................................................15
2.4
Huurbeleid bij energieprestatieverbetering .....................................................................16
2.4.1
Wet- en regelgeving huur van woonruimte .................................................................17
2.4.2
Basishuurverhoging ...................................................................................................17
2.4.3
Energielabel en niet-geliberaliseerde (sociale) huurwoningen.....................................18
2.4.4
Wetgeving omtrent huurverhoging bij woningverbetering............................................19
2.4.5
Energielabel en geliberaliseerde huurwoningen .........................................................21
2.5
Investeringsbereidheid particuliere woningbelegger: rendement.....................................22
2.5.1
Invloed van energieprestatie op huurprijzen van woningen.........................................23
2.5.2
Invloed van energieprestatie op de waarde van woningen..........................................23
2.6
Overige (markt)factoren: WOZ en verhuurderheffing ......................................................25
5
3
2.7
Samenvattend ...............................................................................................................27
2.8
Hypothesen ...................................................................................................................27
Methodologie .........................................................................................................................28 3.1
Inleiding.........................................................................................................................28
3.2
Bepalen invloed Energieprestatie op de huur: Regressieanalyse ...................................28
3.2.1
Data en respresentativiteit .........................................................................................28
3.2.2
Dataselectie...............................................................................................................29
3.2.3
Inputvariabelen regressieanalyse...............................................................................31
3.2.4
Methodiek: Regressieanalyse ....................................................................................32
3.3 3.3.1
Terugverdienmodel particuliere woningbeleggers.......................................................32
3.3.2
Steekproef .................................................................................................................33
3.3.3
Methodiek: Discounted Cash Flow-methode ..............................................................33
3.3.4
Inputvariabelen DCF-model .......................................................................................35
3.4 4
Bepalen invloed Energieprestatie op de waarde: DCF-model .........................................32
Samenvattend ...............................................................................................................43
Onderzoeksresultaten ............................................................................................................44 4.1
Inleiding.........................................................................................................................44
4.2
Regressieanalyse ..........................................................................................................44
4.2.1
Assumpties lineaire regressieanalyse ........................................................................44
4.2.2
Beschrijvende statistiek: groene en rode labels ..........................................................45
4.2.3
Beschrijvende statistiek: huurverdeling per woningtype ..............................................46
4.2.4
Hypothese .................................................................................................................48
4.2.5
Resultaten regressieanalyse ......................................................................................48
4.2.6
Bevindingen en conclusies regressieanalyse .............................................................49
4.3
DCF-model....................................................................................................................51
4.3.1
Beschrijvende statistiek: groene en rode labels ..........................................................51
4.3.2
Beschrijvende statistiek: huurverdeling per woningtype ..............................................54
4.3.3
Hypothese .................................................................................................................55
4.3.4
Resultaten DCF-model ..............................................................................................56
4.3.5
Bevindingen en conclusies.........................................................................................57
4.3.6
Gevoeligheidsanalyse ................................................................................................58
6
5
Conclusies en aanbevelingen.................................................................................................60 5.1
Conclusies.....................................................................................................................60
5.2
Beperkingen onderzoek .................................................................................................61
5.3
Aanbevelingen voor nader onderzoek ............................................................................62
Literatuurlijst .................................................................................................................................64 Bijlage 1:
Logboek dataselectie .................................................................................................70
Bijlage 2:
Inputvariabelen DCF-model .......................................................................................79
Bijlage 3:
Assumpties lineaire regressie ....................................................................................86
Bijlage 4:
Normaliteit .................................................................................................................89
Bijlage 5:
Lineariteit.................................................................................................................100
Bijlage 6:
Homoscedasticiteit...................................................................................................104
Bijlage 7:
Casewise diagnostics ..............................................................................................106
Bijlage 8:
Uitkomsten regressiemodel 1...................................................................................107
Bijlage 9:
Uitkomsten regressiemodel 2...................................................................................111
Bijlage 10:
Uitkomsten regressiemodel 3 ...............................................................................115
Bijlage 11:
Netto contante waarde berekening exclusief verduurzamingsopgave ...................118
Bijlage 12:
Netto contante waarde berekening inclusief verduurzamingsopgave ....................120
Bijlage 13:
Netto contante waarde berekening verduurzamingsopgave..................................122
7
1
Onderzoeksopzet
1.1
Aanleiding
Energieakkoord voor duurzame groei Zowel politiek als maatschappelijk leeft de wens tot verduurzaming van de energievoorziening. Vanuit de politiek blijkt dit onder andere uit steun voor de Tweede Kamermotie Verburg / Samson (april 2011), dat door het kabinet-Rutte / Asscher is vertaald naar de doelstelling om in internationaal verband een volledig duurzame energievoorziening te realiseren in 2050. In het Energieakkoord voor duurzame groei (SER, 2013) hebben diverse partijen, waaronder Rijksoverheid, de basis voor een toekomstbestendig energie- en klimaatbeleid vastgelegd.
Energiebesparing in de gebouwde omgeving Het Energieakkoord voor duurzame groei is opgebouwd uit tien pijlers, waarvan energiebesparing de eerste is en een kernpunt vormt. De afspraken onder de eerste pijler energiebesparing richten zich op de gebouwde omgeving en industrie, agrarische sector en bedrijfsleven. Het akkoord is gericht op een jaarlijkse besparing van gemiddeld 1,5% van het finale energieverbruik (SER, 2013).
De doelstellingen voor energiebesparing in de gebouwde omgeving hebben betrekking op de koopen huursector voor woningen en vastgoedsector in het algemeen (SER, 2013). Partijen betrokken bij het Energieakkoord streven naar een energie-neutrale gebouwde omgeving in 2050. De doelstelling van 2050 is vertaald in doelstellingen voor 2030 en 2020. De doelstelling voor 2030 is een gemiddeld label A voor gebouwen. Voor 2020 geldt, conform Europese Energy Performance of Buildings Directive (EPBD), voor bestaande gebouwen de realisatie van (SER, 2013): 1. de doelstellingen uit de Europese energie-efficiëntie richtlijn (EED), de herziening van de richtlijn energieprestatie van gebouwen (EPBD) en de richtlijn Ecodesign en; 2. de doelstellingen uit de convenanten voor energiebesparing in de gebouwde omgeving: a. Bestaande bouw:
300.000 bestaande woningen en andere gebouwen per jaar minimaal twee labelstappen laten maken;
b. Nieuwbouw:
bijna energieneutraal vanaf 2020 (en vanaf 2018 reeds voor overheidsgebouwen) conform EPBD-richtlijn;
c.
Huur:
gemiddeld label B in de sociale verhuur en minimaal label C voor 80% van de particuliere verhuur in 2020.
8
Van de doelstellingen dient eind 2016 ten minste 35% en eind 2018 ten minste 65% te zijn bereikt (SER, 2013). Indien blijkt dat tussentijdse doelen niet gehaald worden, zullen er aanvullende meer verplichtende, fiscale maatregelen en/of andere vrijwillige of niet-vrijwillige maatregelen worden genomen (SER, 2013).
Doelstellingen energiebesparing in de huursector Aan de doelstellingen voor energiebesparing in de huursector ligt het Convenant Energiebesparing Huursector ten grondslag. In dit convenant zijn Rijksoverheid, Aedes en de Nederlandse Woonbond voor corporaties de doelstelling overeengekomen van gemiddeld label B in 2020 (Min. BiZa, 2012). In ditzelfde convenant heeft Vastgoed Belang, de vereniging van particuliere beleggers in vastgoed, als doelstelling laten opnemen om 80% van het bezit van de leden in 2020 op label C of beter te hebben (Min. BiZa, 2012). Genoemde partijen hebben daartoe in 2012 een programma opgesteld tot 2020. Hieraan kan worden toegevoegd de doelstelling van leden van IVBN: in 2015 zal 75% van de energielabels groen (label A-B-C) zijn (IVBN, 2011). Partijen ontwikkelen een visie hoe zo effectief mogelijk aan de besparingsdoelstellingen kan worden voldaan. Uitgangspunt is dat (niet-groene) labels D t/m G ongewenst zijn (SER, 2013).
Het Energieakkoord: wat gaat dat betekenen? Van de effecten voor 2020-2023 van het Energieakkoord hebben het Energy Research Centre for the Netherlands (ECN) en het Planbureau voor de Leefomgeving (PBL) een kwantitatieve doorrekening gemaakt. Van de totale 100 PJ (Petajoule) besparing gepland in het finale energieverbruik in 2020 zal de grootste bijdrage moeten komen van de gebouwde omgeving (22-60 PJ), waarvan 6,5-12 PJ van de (sociale) huursector (ECN/PBL, 2013). In de doorrekening voor de huursector worden 4 hoofdmaatregelen onderscheiden (ECN/PBL, 2013): -
Het huurconvenant: Voor het halen van de doelstelling uit het Convenant Energiebesparing Huursector, wordt door de ECN ingeschat dat een versnelling nodig is ten opzichte van het investeringstempo in de afgelopen jaren (ECN/PBL, 2013). Mede door de verhuurderheffing is de investeringsruimte afgenomen, waardoor de uitvoering van dit convenant onder druk is komen te staan (ECN, 2013).
-
€ 400 mln Rijksbijdrage ter ondersteuning van het Convenant: In het Energieakkoord heeft het Rijk € 400 mln subsidie voor verhuurders in de sociale huursector toegezegd om hen tegemoet te komen (ECN/PBL, 2013). Uit berekeningen blijkt dat alleen voor gemiddeld label B voor corporaties al ca. € 700 mln per jaar nodig is. De rijksbijdrage lijkt dus onvoldoende.
9
-
Green Deal Stroomversnelling 111.000 E-nota loze woningen in 2020: De renovatie van 111.000 bestaande woningen naar energie nota nul door € 16.000 extra per woning (boven label B) te investeren (ECN, 2013). Alleen tegen deze lage investeringskosten is het energie nota nul concept rendabel voor de corporaties. Renovaties naar energie nota nul zijn op dit moment echter duurder (ECN, 2013).
-
Het Revolverend fonds: Hierin stopt het Rijk € 185 mln (Min. BiZa, 2013). Marktpartijen moeten dit aanvullen tot minimaal € 600 mln. Daarvan gaat 50% naar corporaties in de vorm van een lening van € 300 mln om de investeringsruimte te vergroten (ECN, 2013).
ECN/PBL heeft op basis van bovenstaande maatregelen berekend, dat voor het behalen van het Convenant Energiebesparing Huursector de (sociale) huursector € 800-3.500 mln dient te investeren in de periode 2014-2020 (ECN, 2013). Hiervan zal € 500 mln geïnvesteerd moeten worden door de particuliere huursector (ECN, 2013).
Particuliere woningbeleggers Minimaal label C voor 80% van de particuliere verhuur in 2020… … dat is de doelstelling, vastgelegd in het Convenant Energiebesparing Huursector. Een ambitieuze doelstelling die op het huidige tempo niet wordt gehaald. Aanvullende maatregelen zijn al aangekondigd in 2016 en 2018 bij het niet halen van de doelstellingen. Het tempo moet omhoog en een verplichting tot investeren ligt op de loer! De benodigde investering voor het behalen van de doelstelling bedraagt € 500 mln voor de periode 2014-2020. Ondersteunende maatregelen zijn naar verwachting onvoldoende en initieel bedoeld ter ondersteuning van de investeringen bij sociale woningverhuurders (corporaties). De benodigde investeringen zullen dus, onder afgenomen financieringsruimte door de verhuurderheffing, uit eigen middelen betaald moeten worden. Het terugverdienmodel voor een particuliere woningbelegger bestaat uit huurinkomsten en verkoopopbrengsten. Hieruit moeten de benodigde investeringen dus worden terugverdiend. De vraag rijst dan ook: wat is het rendement van de benodigde en mogelijk verplichte investeringen? 1.2
Probleemstelling
Verschillende onderzoeken (Brounen en Kok (2011), Salvi (2008), Martens (2012)) zijn gedaan naar de relatie tussen energiebesparende maatregelen en de invloed hiervan op de waarde van
10
woningen. Ook is er de laatste jaren veel bekend geworden over de voordelen van energiebesparing voor gebruikers (huurders) / bewoners van deze woningen. Toch is er beperkt informatie over de voordelen voor de eigenaren van woningen voor de verhuur. De stijging van de waarde van het bezit bij verduurzaming is in diverse onderzoeken aangetoond, echter komt deze waarde pas vrij bij de verkoop van de woning. Bij woningen die niet verkocht worden, dient de investering dus op een andere wijze terugverdiend te worden, te weten via de huurstijging als gevolg van woningverbetering. De huurstijging is echter door een regelgeving beperkt, waardoor de vraag rijst of de benodigde investeringen wel terugverdiend kunnen worden uit deze mogelijke huurstijging. De verwachting is dan ook, dat het een grote uitdaging wordt om de investeringen terug te verdienen uit de (normale) exploitatie van huurwoningen bij particuliere beleggers. 1.3
Doelstelling
Het eindproduct van deze studie is een berekeningsmethodiek (DCF-methode) waarmee berekend kan worden of de investeringen benodigd voor de verduurzaming van woningen kunnen worden terugverdiend uit de (normale) exploitatie van particuliere woningbeleggers in Nederland.
1.4
Vraagstelling
Hoofdvraag Kunnen de investeringen benodigd voor het behalen van de doelstelling minimaal 80% van de huurwoningen (in particulier eigendom) op minimaal label C of hoger in 2020 worden terugverdiend uit de (normale) bedrijfsvoering / exploitatie van deze huurwoningen? Deelvragen 1. Hoe kan woningverbetering worden verwerkt in de aanpassing van de huur? 2. Hoe worden de huurinkomsten doorgerekend naar de beleggingswaarde? 3. Wat is de relatie tussen energieprestatie en de (huur)opbrengsten? 4. Wat bedragen de investeringskosten bij de diverse labelsprongen? 5. Welke conclusies kunnen worden getrokken ten aanzien van het terugverdienen van de investeringen?
11
1.5
Methodologie en conceptueel model
Het onderzoek is voornamelijk kwantitatief, deels kwalitatief van aard met een verkennende onderzoeksfunctie. Door middel van het stellen van een theoretisch kader en aanvullend empirisch onderzoek zal antwoord worden gegeven op de deelvragen en aansluitend op de hoofdvraag. Financiële aspecten: - Eigen vermogen - (Bank)financiering - Subsidie - Fiscale maatregelen - Heffingen
Energiebesparende maatregelen /
Investeringen
energieprestatie
Hst. 2.
Hst. 4 Kostprijs
Beleggingswaarde
Overwaarde bij Afschrijvingen
verkoop
Rendement
Verkoopprijs
woningbelegger
Hst. 4.
Huurinkomsten: huurprijs per m²
Regulering
Hst. 2. Figuur 1.1: Conceptueel model, Bron: eigen bewerking, 2015
1.6
Wetenschappelijke relevantie
Waar voorgaande studies stoppen bij het calculeren van de meerwaarde van energiebesparende maatregelen en het vergelijken van deze meerwaarde met de investeringskosten gaat deze thesis verder in op het totaal terugverdienmodel voor de particuliere woningbelegger. Het onderzoek zal antwoord geven op de vraag of de benodigde investeringen, om de in het Energieakkoord afgesproken doelstellingen te halen, terugverdiend kunnen worden uit de (normale) exploitatie van een particuliere woningbelegger.
12
1.7
Maatschappelijke relevantie
Nederland heeft met het Energieakkoord het beleid gepresenteerd ten aanzien van de reductie van CO2. Van de totale besparing gepland in het finale energieverbruik in 2020 zal de grootste bijdrage moeten komen van de gebouwde omgeving (22-60%), waarvan 6,5-12% van de (sociale) huursector. Met name in de particuliere huursector is de energetische woningkwaliteit niet best. Hier is dus veel potentieel voor verbetering. Met deze verbetering zijn investeringen gemoeid. Inzicht in de financiële haalbaarheid van deze investeringen en terugverdienmodellen is dan ook van groot belang. Immers, indien op de investeringen geen rendement behaald kan worden, neemt de drijfveer tot verduurzaming af en zal het afgesproken doel wellicht niet (op tijd) gehaald worden. 1.8
Afbakening
Het onderzoek zal als volgt worden afgebakend: -
Het onderzoek zal alleen betrekking hebben op bestaande huurwoningen in Nederland;
-
In eigendom van particuliere woningbelegggers en;
-
Verduurzaming is beperkt tot het doorvoeren van energiebesparende maatregelen.
1.9
Leeswijzer
Het eerste deel van dit onderzoek (Hst. 2) schept een institutioneel kader. Dit theoretisch gedeelte behandelt de volgende onderwerpen: 1. het energieprestatiecertificaat, 2. de energetische kwaliteit van de Nederlandse woningvoorraad, 3. de wet- en regelgeving op het gebied van huur(verhoging), 4. de investeringsbereidheid van een belegger en 5. overige marktfactoren. Aan het eind van dit onderdeel worden de hypothesen voor dit onderzoek gepresenteerd. Het tweede deel (Hst.3) beschrijft de methodologie voor het empirisch onderzoek: 1. de dataselectie als input voor een regressieanalyse, 2. het bepalen van de inputvariabelen voor het DCF-model. De methodologiekeuze wordt ondersteund door aanvullend literatuuronderzoek. Het theoretisch kader en de methodologie geven input voor het derde deel (Hst. 4): het empirisch onderzoek. In dit hoofdstuk is eerst middels een regressieanalyse de invloed van energieprestatie op de huur van woningen onderzocht. Vervolgens zijn in het DCF-model de specificaties van (gedeelten) van de woningportefeuilles van diverse particuliere woningbeleggers ingevoerd. Op basis van de modeluitkomsten kan worden geconcludeerd of de benodigde investeringen voor de doelstelling: minimaal label C voor 80% van de particuliere verhuur in 2020, kunnen worden terugverdiend uit de “normale” exploitatie van de woningen. Het laatste deel (Hst. 5) wordt afgesloten met een conclusie en aanbevelingen.
13
2
Institutionele context
2.1
Inleiding
De institutionele context dient ter bespreking van relevante theorieën benodigd voor het empirisch onderzoek. In paragraaf 2.2 wordt het energielabel besproken met de bijbehorende wet- en regelgeving. Paragraaf 2.3 beschrijft de energetische kwaliteit van de Nederlandse woningvoorraad. Paragraaf 2.4 bespreekt de huurwetgeving, waarbij is ingezoomd op de basishuurverhoging en het huurbeleid bij energieprestatieverbetering. In paragraaf 2.5 wordt ingegaan op de investeringsbereidheid van de particuliere woningbelegger in termen van rendement. Paragraaf 2.6 bespreekt een aantal andere (markt)factoren van invloed op de huurinkomsten. Het hoofdstuk wordt in paragraaf 2.8 samengevat en in paragraaf 2.7 afgesloten met een tweetal hypothesen.
2.2 2.2.1
Energielabel en Energie-Index Energieprestatiecertificaat voor woningen Het energieprestatiecertificaat of energielabel voor woningen geeft met klassen (A++ tot en met G) en kleuren (donkergroen (zeer zuinig) tot en met rood (zeer onzuinig)) de energiezuinigheid van een huis aan in vergelijking met vergelijkbare woningen (www.energielabel.nl/woningen). Bij de bouw, verkoop of verhuur van
woningen en utiliteitsgebouwen is het hebben van een certificaat sinds 1 januari 2008 verplicht.
2.2.2
Wijzigingen vanaf 1 januari 2015
Het energieprestatiecertificaat is per 1 januari 2015 overgegaan in de Energie-Index: een getal voor energieprestatie. De Energie-Index geeft een exactere bepaling van de energieprestatie van een woning. Aan de Energie-Index worden financiële instrumenten, zoals het woningwaarderingsstelsel (WWS), gekoppeld (www.rvo.nl). De Energie-Index bepaalt de energieklasse van een woning.
De vorige energielabelsystematiek was te arbeidsintensief en daarom (te) weinig interessant voor marktpartijen. De overheid heeft daarom besloten om voor woningen vanaf 1 januari 2015 dan ook
14
twee verschillende routes in te voeren (www.isso.nl): 1.
Het vereenvoudigde energielabel voor particuliere woningbezitters: De Tweede Kamer vindt het energielabel voor particuliere woningbezitters te ingewikkeld en heeft daarom een voorlopig energielabel ontwikkeld. Elke woningbezitter krijgt na 1 januari 2015 een voorlopig label toegestuurd. Dit label kan men in een definitief label laten omzetten (www.isso.nl).
2.
De exact berekende Energie-Index voor verhuurders van woningen: Professionele woningbezitters behouden een meer onderbouwde energieprestatiebepaling, dat vanaf 1 januari 2015 alleen nog in de Energie-Index wordt uitgedrukt. Alleen via deze Energie-Index kunnen verhuurders de huurpunten vaststellen op basis waarvan zij de huren kunnen bepalen (www.isso.nl). Marktpartijen kunnen op basis van de Energie-Index een definitief label krijgen. Zonder dit label zijn woningtransacties vanaf 1 januari 2015 niet meer mogelijk (www.rvo.nl).
2.2.3
Wet- en regelgeving
De Nederlandse wet- en regelgeving over de energieprestatie van gebouwen is gebaseerd op de Europese richtlijn de Energy Performance of Buildings Directive (EPBD), waaronder het Besluit energieprestatie gebouwen (BEG), de Regeling energieprestatie gebouwen (REG) en het Activiteitenbesluit (www.rvo.nl). In 2010 is in Europa een herziene EPBD verschenen om de Europese klimaatdoelen te kunnen bereiken. De minister voor Wonen en Rijksdienst werkt momenteel aan nieuwe Nederlandse wetgeving.
Voor woningen moeten Energielabels per 1 januari 2015 aan nieuwe eisen voldoen, conform de REG. Het huidige Energielabel wordt bepaald middels de KvINL-certificeringsregeling BRL9500-01, het Opnameprotocol in ISSO-publicatie 82.1 en de geattesteerde rekentool (RVO, 2014). Voor particuliere eigenaren geldt vanaf 1 januari 2015 een aangepaste rekenmethodiek gebaseerd op NEN 7120 en het Nader Voorschrift, die de energetische prestatie op basis van een aantal woningkenmerken vaststelt (RVO, 2014). Voor professionele eigenaren blijft de uitgebreide methode, conform de ISSO-publicatie 82.1, methode 2011, gehandhaafd, maar wel aangepast op het Nader voorschrift (RVO, 2014). 2.3
Energetische kwaliteit huurwoningvoorraad Nederland
Nederland telde per 1 januari 2012 16,7 mln inwoners. Deze vormen gezamenlijk 7,52 mln huishoudens, waarvan 95,8% woningen. Van de 7,14 mln (hoofdbewoner)woningen bestaat 40,7% (2,91 mln) uit huurwoningen (WoOn, 2012).
15
In de huursector wordt onderscheid gemaakt tussen de corporaties en de particuliere huursector. In 2012 bezaten woningcorporaties 77% van het totale aantal huurwoningen (2,24 mln). De particuliere verhuurmarkt bezit gezamenlijk ca. 662.000 huurwoningen. Van deze woningen bestaat 30% (207.000 woningen) uit vrije sector huurwoningen en 70% (455.000 woningen) uit gereguleerde (sociale) woningen (WoOn, 2012). In 2012 had 36% van de Nederlandse huurwoningen label E-F-G. De Nederlandse woningvoorraad bestaat voornamelijk uit C en D labelwoningen.
WoON 2012 Energiemodule Iedere 6 jaar wordt onderzoek gedaan naar de energetische kwaliteit van de Nederlandse woningmarkt als onderdeel van het Woon Onderzoek Nederland (WoON). Uit onderzoek onder 4.790 woningen blijkt dat sinds 2006 de Energie-Index in de sociale huur afgenomen is van 2,09 (gemiddeld label E) naar 1,86 (gemiddeld label D) in 2012. Ondanks deze verbetering moet het besparingstempo verder omhoog om de doelstelling van 1,25 in 2020 te kunnen halen. Op het huidige tempo zal de gemiddelde Energie-Index uitkomen op 1,55 (label C) (ECN, 2013). In de particuliere huursector is de energetische kwaliteit nog minder goed (Energie-Index: 2,13, gemiddeld label E). In het huurconvenant is overeengekomen in 2020 minimaal 80% op label C (Energie-Index minimaal 1,6) of hoger te hebben. Hier is veel potentieel voor verbetering (ECN, 2013).
2.4
Huurbeleid bij energieprestatieverbetering
Energielasten zijn onderdeel van de totale woonlasten. Woningen met een betere energetische kwaliteit verbruiken minder energie met een lagere energierekening tot gevolg. Onderzoeken van onder andere Van Eck (2008), Bouwfonds Ontwikkeling (2010) en Tighelaar en Leidelmeijer (2013) tonen aan, dat woonconsumenten (beperkt) bereid zijn te betalen voor energiezuinige maatregelen. De belangrijkste motivatie hiervoor is niet de milieugedachte, maar het economisch voordeel gevolgd door wooncomfort. Hierbij moet de kanttekening geplaatst worden, dat de onderzoeken allen betrekking hebben op koopwoningen. In de theorie is gezocht naar onderzoek over de betalingsbereidheid van huurders voor een energiezuinige huurwoning, maar dat is niet gevonden. Huurverhoging staat echter los van betalingsbereidheid. Voor huurverhoging bij energetische verbetering van woningen is het dan ook van belang te weten wat er wettelijk is toegestaan.
16
2.4.1
Wet- en regelgeving huur van woonruimte
De Nederlandse Wet- en regelgeving omtrent de huur van woonruimte staat beschreven in het Burgerlijk Wetboek - boek 7 - bijzondere overeenkomsten, Titel 7.4, Afdeling 5, Art. 232 t/m 282. In Onderafdeling 2. Huurprijzen en andere vergoedingen, Art. 246 t/m 265, is de regelgeving met betrekking tot huurprijzen geregeld.
2.4.2
Basishuurverhoging
Het basishuurverhogingspercentage wordt vastgesteld als gevolg van Art. 10 lid 2 Uitvoeringswet huurprijzen woonruimte. Op 26 januari 2015 heeft het Directoraat-Generaal Wonen en Bouwen het huurprijsbeleid voor de periode 1 juli 2015 tot en met 30 juni 2016 middels een circulaire gecommuniceerd (Min. BiZa, 2015). De circulaire geeft de maximale huurverhoging per 1 juli 2015. Deze geldt alleen voor zelfstandige woningen (met eigen toegang, keuken en toilet).
De basis voor de huurverhoging is het inflatiecijfer over het voorgaande kalenderjaar. Het CBS heeft dit op 8 januari 2015 gepubliceerd in het Statistisch Bulletin. Het inflatiecijfer bedraagt 1% en is het laagste in 25 jaar. De gemiddelde huurstijging (boven-inflatoir) in 2014 van woningen met 4% droeg het meeste bij aan de inflatie. Zonder de huur- en belastingverhoging zou de inflatie -0,1 procent zijn geweest (www.cbs.nl).
De huren mogen in 2015 wederom harder stijgen dan de inflatie. Hiermee tracht de overheid de huur in overeenstemming te brengen met de kwaliteit van de woning. Om doorstroming te bevorderen en scheefwonen tegen te gaan mogen voor hogere inkomens de huren nog sneller stijgen. Deze maatregel moet de vraag-aanbod verhouding op de woningmarkt weer in lijn brengen. Een verhuurder is niet verplicht om deze inkomensafhankelijke huurverhoging toe te passen (www.rijksoverheid.nl).
De maximale huurverhoging is afhankelijk van het huishoudinkomen voor zelfstandige woningen. Het maximale basishuurverhogingspercentage voor deze woningen is inflatie + 1,5% = 2,5%. Om doorstroming te bevorderen bij inkomens boven € 34.229 is een hogere huurverhoging toegestaan: -
Voor huishoudens met een inkomen tot en met € 34.229 geldt het basishuurverhogingspercentage (per 1 juli 2014 was dit 4%).
-
Voor huishoudens met een inkomen boven € 34.229 maar niet boven € 43.786 wordt een maximale huurstijging toegestaan van inflatie + 2% = 3% (per 1 juli 2014 was dit 4,5%).
17
-
Voor huishoudens met een inkomen boven € 43.786 wordt een maximale huurstijging toegestaan van inflatie + 4% = 5% (per 1 juli 2014 was dit 6,5%).
-
Voor geliberaliseerde huurovereenkomsten geldt geen maximale huurverhoging.
De (sociale) huur mag bij verhoging niet uitkomen boven de maximale huurprijs op basis van het WWS (www.rijksoverheid.nl). De huur is echter meestal geen 100% van de huur die men zou kunnen vragen op basis van het woningwaarderingsstelsel (ECN, 2013). De feitelijke huurprijs ligt in Nederland gemiddeld op 73% van de maximaal toegestane huur (Woonbond, 2011).
De overheid heeft als hoofdregel gesteld dat een verhuurder de huur 1 keer per 12 maanden mag verhogen (meestal per 1 juli). Dit moet de verhuurder minstens 2 maanden van tevoren schriftelijk laten weten. In drie situaties mag de verhuurder afwijken van deze hoofdregel. Een van deze situaties is het geval waarin de verhuurder verbeteringen of nieuwe voorzieningen aan de woning aangebracht heeft waardoor het wooncomfort is gestegen (www.rijksoverheid.nl).
Het uitvoeren van de boven-inflatoire huurverhoging heeft voor de verhuurders, de huurders, de huurcommissie, de belastingdienst en de rechter behoorlijke consequenties. Het gaat hierbij in het bijzonder om de uitwisseling van inkomensgegevens en de inkomenstoets (Min. BiZa, 2011).
2.4.3
Energielabel en niet-geliberaliseerde (sociale) huurwoningen
Liberalisatiegrens Sociale huurwoningen hebben een maximale huur van € 710,68 in per 1 januari 2015, de zogenaamde huurliberalisatiegrens. Het gaat hier om kale huur zonder servicekosten en kosten voor gas, water en licht. Is de huur op de begindatum van het huurcontract hoger dan € 710,68 dan betreft het een geliberaliseerde huurwoning (www.rijksoverheid.nl). De liberalisatiegrens van € 710,68 is tot 1 januari 2019 bevroren. Als gevolg van jaarlijkse verhogingen en verandering van het WWS-puntenaantal kan de huur wel boven de liberalisatiegrens stijgen. Sociale huurwoningen zijn primair bedoeld voor mensen met een inkomen tot € 34.229 in 2015 (Min. BiZa, 2015).
Woningwaarderingsstelsel (WWS) Het WWS bepaalt de maximale huurprijs voor een sociale huurwoning. Dit puntensysteem geeft de kwaliteit van een huurwoning in punten weer. Elk van de 15 onderdelen van de woning krijgt
18
punten, die opgeteld de maximale huurprijs opleveren. Deze wordt elk jaar opnieuw vastgesteld (www.rijksoverheid.nl).
Woningwaarderingsstelsel en energielabel De aangepaste methode voor het vaststellen van het Energielabel zal per 1 januari 2015 worden gebruikt om de Energie-Index te bepalen in het kader van het WWS (RVO, 2014). Verhuurders mogen vanaf 1 januari extra huurpunten vaststellen op basis van de Energie-index (RVO, 2014). Een beter Energielabel verhoogt dus de maximale huur van een sociale huurwoning. Het aantal WWS-punten per Energielabel en Energie-Index staan weergegeven in onderstaande tabel. Energie-Index
Energielabel
(afgegeven ná 1-1-
(afgegeven vóór 1-
2015)
1-2015)
Energieprestatie
Energieprestatie
overeenkomend
overeenkomend
met
met
EI • 0,6 0,6 < EI • 0,8
WWS-punten
Huurwaarde per maand o.b.v. gemiddelde puntprijs
Eengezins
Meergezins
Eengezins
Meergezins
Label A++
44
40
€ 209
€ 190
Label A+
40
36
€ 190
€ 171
0,8 < EI • 1,2
Label A
36
32
€ 171
€ 152
1,2 < EI • 1,4
Label B
32
28
€ 152
€ 133
1,4 < EI • 1,8
Label C
22
15
€ 105
€ 71
1,8 < EI • 2,1
Label D
14
11
€ 67
€ 52
2,1 < EI • 2,4
Label E
8
5
€ 38
€ 24
2,4 < EI • 2,7
Label F
4
1
€ 19
€5
EI > 2,7
Label G
0
0
€0
€0
Tabel 2.1: Energielabel en puntensysteem, Bron: Rijksoverheid, 2015 / ECN, 2013 / eigen bewerking, 2015
Uit bovenstaande tabel blijkt, dat de huurwaarde ofwel de maximaal toegestane huur hoger is bij een beter energielabel als gevolg van extra huurpunten. De maximale huurprijs van de woning kan dus veranderen bij het vaststellen van de energieprestatie. De verhuurder mag echter niet zomaar op basis van een hogere maximale huurprijs de huur verhogen.
2.4.4
Wetgeving omtrent huurverhoging bij woningverbetering
Onder woningverbetering wordt verstaan: alle uitgevoerde werkzaamheden die een verhoging van het woongerief tot gevolg hebben, niet zijnde onderhoud of grootonderhoud (Huurcommissie, 2011). De wet- en regelgeving met betrekking tot de invloed van woningverbetering op de huur(verhoging) van een woning is geregeld middels twee artikelen in het Burgerlijk Wetboek.
19
In Art: 7:243 BW is geregeld, dat indien een woning voorzieningen nodig heeft, zoals beschreven onder lid 2 (thermisch isoleren en vervangen van de verwarmingsinstallatie) kan de rechter bepalen dat de verhuurder verplicht is deze investering op eigen kosten te doen, mits de huurder akkoord gaat met het betalen van een huurverhoging die in redelijke verhouding staat tot deze kosten.
Art. 7:255 BW regelt, dat voor woonruimte waarin of waaraan door de verhuurder veranderingen of toevoegingen zijn aangebracht, waardoor het woongerief is gestegen, de huurprijs verhoogd mag 1
worden. Dit bedrag moet conform Art. 10 lid 1 van de Uitvoeringswet huurprijzen woonruimte in redelijke verhouding staan tot de door de verhuurder gemaakte kosten van deze ingrepen, veranderingen of toevoegingen. In het Beleid Huurverhoging na Woningverbetering (Huurcommissie, 2011) is vastgelegd, dat de huurverhoging bij woningverbetering niet hoger mag zijn dan wat volgens een financiering met annuïteitenhypotheek en een redelijke afschrijvingstermijn benodigd is voor een investering. De huur mag tevens niet boven de maximale huur conform het WWS uitkomen. Aedes (2014) stelt in de Woonlastenwaarborg bij energiebesparing, dat het treffen van energiebesparende maatregelen mag leiden tot een redelijke huurverhoging, maar die moet lager zijn dan de gemiddelde daling op de energierekening, zodat de bewoner hier voordeel van ondervindt. Dit houdt verband met het split-incentive probleem, waarbij de baten en lasten niet bij dezelfde persoon terechtkomen. De daling van de energielast komt toe aan de huurder en slechts gedeeltelijk aan de verhuurder door de (beperkte) stijging van de huur na woningverbetering (SER, 2013).
Op basis van de wettelijke artikelen is het de verhuurder dus wel toegestaan om een redelijke vergoeding te vragen voor woningverbetering. De huur mag echter alleen verhoogd worden als de verhuurder ook daadwerkelijk investeringen gedaan heeft om de woning te verbeteren en niet op basis van de toekenning van het energielabel. Deze huurverhoging staat los van de jaarlijkse huurverhoging en gaat pas in na het afronden van de woningverbetering. Dit kan dus op een andere datum zijn dan de jaarlijkse huurverhoging.
Bij woningverbetering krijgt de verhuurder tevens te maken met Art. 7:220 BW. Onder lid 2 is beschreven, dat bij renovatie met voortzetting van de huurovereenkomst de verhuurder huurder een redelijk (schriftelijk) voorstel doet. Daarbij is ook lid 1 van toepassing 1
Art. 10 lid 1 bepaalt voor woningen in de gereguleerde sector dat regels worden gegeven voor de waardering van de kwaliteit van een woonruimte, van de redelijkheid van de huurprijs en van wijziging daarvan ofwel de toepassing van het woningwaarderingsstelsel.
20
waarin gesteld is, dat de huurder aanspraak kan maken op vermindering van de huurprijs, ontbinding van de huurovereenkomst en schadevergoeding. De huurder moet dus akkoord gaan met de renovatie en de redelijke vergoeding / huurverhoging. In lid 3 van hetzelfde artikel is geregeld, dat indien de renovatie tien of meer woningen betreft het voorstel wordt geacht redelijk te zijn, wanneer 70% of meer van de huurders daarmee heeft ingestemd. Minimaal 70% van de bewoners dient dus akkoord te gaan met het voorstel tot woningverbetering en huurverhoging. Dit moet aantoonbaar zijn door getekende overeenkomsten. Lid 5 tot en met lid 7 regelen aanvullend de verplichting van de verhuurder om bij te dragen in de verhuis- en inrichtingskosten van de huurder bij noodzakelijke verhuizing wegens renovatie.
Het vaststellen van de (voorlopige) energielabels kan een verandering inhouden voor de maximale huurprijs van een woning. Dit heeft meestal geen gevolg voor de feitelijke huurprijs. De huurprijs mag namelijk, zoals reeds beschreven, alleen verhoogd worden bij daadwerkelijke investeringen en met akkoord van de huurder. De wijziging kan wel gevolgen hebben voor woningen met een lager energielabel. Bij deze woningen kan de feitelijke huur boven de nieuwe maximale huur uitkomen, waardoor de huur verlaagd dient te worden. Bij mutatie mag de verhuurder de huur wel direct gelijk stellen aan de maximaal toegestane huur.
2.4.5
Energielabel en geliberaliseerde huurwoningen
Art. 7:247 BW regelt dat een aantal bepalingen niet geldt voor woningen met een huur boven een bepaalde grens (de liberalisatiegrens); dit wordt de vrije sector of geliberaliseerde sector genoemd.
Een huurovereenkomst is geliberaliseerd wanneer: -
de huurovereenkomst is ingegaan vanaf 1 juli 1994 of later, en;
-
het een zelfstandige woning betreft, en;
-
de (kale) aanvangshuurprijs boven de toenmalige liberalisatiegrens ligt.
Bij deze huurwoningen bepalen verhuurder en huurder zelf de huurprijs en is er dus geen maximale huurprijs (www.rijksoverheid.nl). De verhuurder heeft dus meer vrijheid om de huurprijs te bepalen.
Om te bepalen of het een geliberaliseerde woning betreft moet de huur gesplitst zijn in kale huur, servicekosten en (indien te bepalen) kosten voor gas, licht en water. Bij all-in huur is namelijk onduidelijk of de kale huur boven de liberalisatiegrens ligt. De huurprijs mag net als bij
21
gereguleerde woningen eenmaal per jaar worden verhoogd. Bij verbetering van de woning, zoals verduurzaming, is een tussentijdse huurverhoging tevens toegestaan.
De grootste voordelen voor een verhuurder zijn, dat er geen maximale huurverhoging is, de verhuurder geen termijn voor huurverhoging in acht hoeft te nemen en de verhuurder de huurovereenkomst mag opzeggen bij weigering van de huurverhoging (www.rijksoverheid.nl).
De Huurcommissie kan de aanvangshuurprijs bij geliberaliseerde woningen ook toetsen. Als de overeengekomen huurprijs dan eigenlijk op of onder de liberalisatiegrens hoort te liggen, dan zal de Huurcommissie de huurprijs verlagen. Blijft de huurprijs daarboven, dan is de Huurcommissie niet bevoegd om uitspraak te doen, maar zal een uitspraak door de rechter gedaan moeten worden.
2.5
Investeringsbereidheid particuliere woningbelegger: rendement
Bij woningverbetering ten behoeve van het verbeteren van het energielabel zijn veelal investeringen gemoeid. De investeringsbereidheid van een belegger is afhankelijk van het te behalen rendement. Dit wordt onder andere duidelijk uit de definities van investeren, beleggen en rendement (www.dikkevandale.nl): -
Investeren is het beleggen van gelden in een onderneming.
-
Beleggen is geld aan iets besteden waarvan je hoopt dat het in waarde zal stijgen; rendement zal opleveren.
-
Rendement is opbrengst, winst of het nuttig effect van iets.
Het rendement voor een particuliere woningbelegger bestaat enerzijds uit huurinkomsten (direct rendement) en anderzijds uit de overwaarde bij verkoop van woningen (indirect rendement). Op basis van de wet- en regelgeving omtrent woningverbetering is het dus mogelijk om bij investeringen in de energieprestatie van een woning de huur te verhogen. Hierbij is de belegger nog wel afhankelijk van de toestemming van de huurder. Door de mogelijke stijging van de huurinkomsten wordt een gedeelte van het (directe) rendement op de investering behaald. Voor de investeringsbereidheid van de belegger is tevens de invloed van de investering op de waarde van de woning (indirect rendement) van belang. Door het bepalen van deze invloed kan worden beoordeeld of de investeringen opwegen tegen een mogelijk hogere waarde.
22
Investeren in de energieprestatie van een woning kent tevens een maatschappelijk rendement: de milieugedachte. De ervaring leert echter, dat het maatschappelijk rendement van ondergeschikt belang is bij het nemen van investeringsbeslissingen. Een investering wordt voornamelijk gedaan om hiermee economisch voordeel te behalen.
De investeringsbeslissing van een belegger hangt dus af van het te behalen rendement. Om op deze investeringen geen verlies te maken, dienen de investeringen voor de belegger minimaal kostenneutraal te zijn.
2.5.1
Invloed van energieprestatie op huurprijzen van woningen
ECN (2013) toont aan dat de netto huur in de energetisch betere huurwoningen gemiddeld hoger is, met name bij label A of B. De verschillende labelstappen zijn een aantal WWS-punten waard, waardoor bij iedere stap de huur verhoogd zou kunnen worden (zie tabel 2.1, p.19). 2.5.2
Invloed van energieprestatie op de waarde van woningen
Diverse onderzoeken (Brounen en Kok (2011); Salvi (2008)) tonen aan, dat er een relatie is tussen de waarde en energieprestatie van een woning. Het onderzoek van Brounen en Kok (2011) is een van de eerste onderzoeken naar de invloed van het energielabel op de waarde van de Nederlandse koopwoningen. De onderzoeksperiode betrof de periode 2008-2010. Het onderzoek is gebaseerd op de transactiecijfers van de Nederlandse Vereniging van Makelaars (NVM) en de energielabelinformatie van de Rijksdienst voor Ondernemend Nederland (RVO). De invloed van het energielabel op de prijs wordt bestudeerd op basis van een gevalideerd onderzoeksmodel. Brounen en Kok hebben dit onderzoeksmodel beschreven in “On the economics of energy labels in the housing market”, gepubliceerd in de Journal of Environmental Economics and Management (2011). De invloed van het energielabel op de koopwoningmarkt wordt vanaf 2008 ieder kwartaal bekeken door onderzoekers van het vastgoedLAB binnen TiasNimbas Business School onder leiding van prof.dr. Dirk Brounen. Figuur 2.1, p. 24 geeft de onderzoeksresultaten vanaf Q1-2008 tot en met Q3-2014.
In Q3 van 2014 zijn 3.114 label A en B transacties onderzocht. De woningen hadden een meerwaarde van gemiddeld 2,2%, gecorrigeerd voor locatie en kwaliteit (TiasNimbas, 2014). De marktwaardepremie van 2,2% is gelijk aan het langere-termijngemiddelde. Bij een gemiddelde woning staat dit gelijk aan een meerwaarde van ruim € 4.500 per transactie (TiasNimbas, 2014).
23
6 5 4 3 2 1 0 -1 -2
2014Q3
2014Q2
2014Q1
2013Q4
2013Q3
2013Q2
2013Q1
2012Q4
2012Q3
2012Q2
2012Q1
2011Q4
2011Q3
2011Q2
2011Q1
2010Q4
2010Q3
2010Q2
2010Q1
2009Q4
2009Q3
2009Q2
2009Q1
2008Q4
2008Q3
2008Q2
2008Q1
Figuur 2.1: Verwacht effect van Groene Labels op huizenprijzen, Bron: TiasNimbas, 2014 / eigen bewerking, 2015
In een aantal aanvullende research papers is onderzocht of de waardestijging hoger is dan de benodigde investering voor de verbetering. De onderzoeken geven tegengestelde conclusies. 2
Martens (2012) concludeert op basis van zijn onderzoek, dat de waardestijging inderdaad hoger is dan de investering, waardoor de investering zichzelf zou terugbetalen. 3
Het onderzoek van De Jong (2012) leidt tot vrijwel dezelfde transactieprijzen als die van Brounen en Kok. De Jong geeft in zijn onderzoek aan dat gezien de beperkte mogelijkheden om de marktwaardepremie te vergelijken met de investeringskosten er over deze verhouding geen uitspraken gedaan kunnen worden. De Jong geeft echter wel het vermoeden aan dat de investeringskosten bij energieprestatieverbetering niet opwegen tegen de marktwaardepremie. Dan is er nog het onderzoek van Berkhout en De Wildt (2011): “Ontmasker de waarde van het energielabel”, waarin zij een kanttekening maken bij het onderzoek van Brounen en Kok (2011). De conclusie van Brounen en Kok is dat een woning met een groen energielabel meer waard is. In 2010 werd namelijk, volgens het onderzoek, een marktwaardepremie behaald van € 6.000 voor een woning met een A of B label. Volgens Berkhout en De Wildt zijn in de onderzoeksresultaten van Brounen en Kok de investeringen niet meegenomen. Berkhout en De Wildt berekenen, dat de investeringen benodigd om van een rood naar een groen label te gaan € 10.000 tot € 15.000 per woning bedragen, tegenover een door Brounen en Kok berekende waardepremie van € 6.000. Berkhout en De Wildt concluderen dan ook dat in deze gevallen feitelijk verlies wordt gemaakt. Op basis van het bovenstaande mag voor bestaande commerciële huurwoningen niet zomaar worden geconcludeerd dat de investeringskosten opwegen tegen de marktwaardepremie.
2 3
Martens: master thesis ter afronding van studie Vastgoedkunde aan de Faculteit der Ruimtelijke Wetenschappen Rijksuniversiteit Groningen De Jong: master thesis ter afronding van studie Bedrijfseconomie aan de Universiteit van Amsterdam
24
Bovengenoemde onderzoeken richten zich voornamelijk op de koopwoningsector. Dergelijke onderzoeken zijn er niet of nauwelijks voor de huurwoningsector. Wat de verhouding is tussen mogelijke marktwaardepremies en investeringen bij woningverbetering is dan ook niet bekend.
2.6
Overige (markt)factoren: WOZ en verhuurderheffing
WOZ waarde en WWS Aan het Woonakkoord wordt door het kabinet invulling gegeven door een voorstel te doen voor de modernisering en vereenvoudiging van het WWS. De woonomgeving en woonvorm van een zelfstandige huurwoning zullen worden gewaardeerd op basis van de WOZ-waarde. De gewildheid en de locatie krijgen hiermee invloed op de maximale huurprijs. Het investeren in nieuwe woningen zou hierdoor aantrekkelijker moeten worden en dit is belangrijk voor de doorstroming (Blok, 2013). Door de regeling vervallen de schaarstepunten ('Donnerpunten') in de 10 schaarsteregio's. Door de aanpassingen kan de maximale huurprijs variëren op basis van de WOZ-waarde. De huur mag echter niet verder stijgen dan het jaarlijks vastgestelde wettelijke percentage. De WOZ-waarde zal waarschijnlijk voor ongeveer een kwart meewegen in het puntentotaal (www.aedes.nl). De nieuwe regels moeten medio 2015 ingaan na akkoord van de Eerste en Tweede Kamer (www.rijksoverheid.nl). Het kabinet voert hiermee een afspraak uit het Woonakkoord uit. Door deze wijziging kan dus de maximale huur van een woning hoger worden. Hiervoor geldt ook, dat de verhuurder deze verhoging niet gelijk in rekening mag brengen. Het geeft voor een aantal woningen wel extra ruimte om middels het basishuurverhogingspercentage de huur verder te verhogen waar eerder al het plafond van de maximale huurprijs op basis van WWS werd bereikt.
Verhuurderheffing Door het kabinet wordt aan verhuurders een financiële bijdrage gevraagd voor het verminderen van de nationale schuld in de vorm van de verhuurderheffing. De heffing maakt deel uit van de maatregelen in het Woonakkoord met als doel de woningmarkt beter te laten functioneren (www.rijksoverheid.nl). Het Regeerakkoord bevat twee belangrijke maatregelen (CFV, 2011): 1. Een (verhuurder)heffing ten behoeve van de huurtoeslag. Deze heffing is direct gekoppeld aan de WOZ-waarde van een huurwoning. 2. Een verruiming van het huurbeleid: -
Huishoudens met een hoger belastbaar inkomen krijgen een hoger boven-inflatoire jaarlijkse huurverhoging.
25
-
Het aantal punten per woning volgens het WWS wordt in schaarstegebieden met maximaal 25 verhoogd. Deze regeling zal dus medio 2015 (naar verwachting) worden vervangen.
Verhuurders met meer dan 10 verhuurde sociale huurwoningen (• € 710,68 per maand (prijspeil 2015)) betalen een heffing. Deze wordt berekend over de totale WOZ-waarde van de woningen, verminderd met 10 x de gemiddelde WOZ-waarde. De verhuurderheffing is in 2015 0,449%, in 2016 0,491% en in 2017 0,536% over de grondslag voor de heffing (www.rijksoverheid.nl).
Het kabinet gaat er, gebaseerd op de doorrekening van het Centraal Fonds voor de Volkshuisvesting (CFV), vanuit dat de heffing wordt gecompenseerd door de aanvullende maatregelen op de huurmarkt (CFV, 2011). Doorrekening van de effecten is door het CFV gedaan voor corporaties en is deels toepasbaar op particuliere woningbeleggers. Een aantal deelconclusies zijn: -
De heffing betekent voor de sector een vermogensverlies van ruim € 9 miljard.
-
Uit de scenario’s in de doorrekening blijkt, dat de heffing volledig gecompenseerd wordt door de verruiming van het huurbeleid.
-
De compensatie is bijzonder gevoelig voor de mate waarin de verwachte huurstijgingen worden gerealiseerd. Het grootste risico ligt dan ook bij het achterblijven van verwachte huurstijgingen.
-
Huurders met een inkomen hoger dan € 43.000 zullen voornamelijk opdraaien voor de extra huurstijgingen. CFV heeft berekend dat de gemiddelde reële huurstijging tussen 2012 en 2019 ca. 30% zal bedragen voor deze groep.
Verder stelt het CFV (2011), dat de vermogenspositie verder verbeterd kan worden door een verlaging van de beheerkosten, intensivering van de verkoop van woningen en een verkleining van het nieuwbouwprogramma. Hiermee wordt de indruk gewekt, dat het terugverdienen van de verhuurderheffing toch gedeeltelijk uit besparingen en verkopen dient te komen.
Het betalen van de verhuurderheffing is een feit. Het terugverdienen van deze heffing is afhankelijk van de inspanningen van de verhuurder. Zoals reeds aangegeven heeft het uitvoeren van de boven-inflatoire huurverhoging behoorlijke consequenties. De huur kan pas verhoogd worden na ontvangst van inkomensgegevens van de huurders. Deze zijn echter regelmatig niet juist of niet beschikbaar, waardoor een correcte huurverhoging niet kan worden doorgevoerd.
26
2.7
Samenvattend
De energetische kwaliteit van de particuliere sector ligt gemiddeld op label E (EI: 2,13). Deze moet in 2020 verbeterd zijn naar gemiddeld label C (EI: 1,6 of lager). Er is dus veel verbeterpotentieel. Voor de (sociale) woningsector geldt een jaarlijkse basisverhoging van de huur. Deze is boveninflatoir om de doorstroming op de woningmarkt te bevorderen en scheefwonen tegen te gaan ofwel ter dekking van de verhuurderheffing. Voor deze basisverhoging geldt de maximaal redelijke huur op basis van het aantal WWS-punten. Bij een beter energielabel geldt een hogere maximaal redelijke huur. Voor het daadwerkelijk verhogen van de huur is toestemming nodig van de huurder. De verhoging geldt alleen als er een daadwerkelijke investering heeft plaatsgevonden, deze redelijk is en binnen de maximaal redelijke huur ligt, deze niet hoger is dan een annuïteit met afschrijving en deze het besparingspotentieel voor de bewoner niet overstijgt. Om het label te verbeteren en dus een hogere huur te kunnen vragen moet er geïnvesteerd worden. In het licht van de recente ontwikkelingen in de wetgeving is te verwachten, dat investeren in de energieprestatie van woningen op korte termijn zelfs verplicht zal worden. Om op deze investeringen geen verlies te maken, dienen de investeringen voor de belegger minimaal kostenneutraal te zijn. Inzicht in het mogelijk rendement (direct en indirect) van deze (verplichte) investeringen is nodig voor het bepalen van het benodigd investeringsvermogen van de belegger. De investeringsbeslissing van een belegger hangt af van het te behalen rendement. Diverse onderzoeken tonen aan dat zowel de huur als de waarde van woningen hoger is bij een betere energieprestatie. Dit geldt echter voor met name A en B woningen. De huurpremie en marktwaardepremie voor label C woningen is niet bekend. 2.8
Hypothesen
Op basis van het institutioneel kader en de onderzoeksvragen zijn de verwachte uitkomsten van het onderzoek geformuleerd in een tweetal hypothesen: 1. De huur voor groenere woningen ligt hoger dan voor woningen met een lagere energieprestatie. 2. De investeringen benodigd voor het behalen van de doelstelling minimaal 80% van de huurwoningen (in particulier eigendom) op minimaal label C of hoger in 2020 kunnen niet worden terugverdiend uit de (normale) bedrijfsvoering / exploitatie van deze woningen. Door het bepalen van de relatie tussen energieprestatie en huur (regressie) en het maken van een rendementsberekening (DCF-model) zullen deze verwachtingen worden getoetst.
27
3
Methodologie
3.1
Inleiding
Dit onderzoek wordt geleid door een tweetal grote vraagstukken: 1. Wat is de relatie tussen energieprestatie en huuropbrengsten? en 2. Kan de investering voor het verbeteren van de energieprestatie worden terugverdiend uit de (normale) exploitatie van een huurwoning? Ten behoeve van deze twee vragen wordt in dit hoofdstuk Methodologie de methode van onderzoek besproken. In paragraaf 3.2 worden ten behoeve van de eerste vraag de voorbereidingen voor een regressieanalyse getroffen. Aansluitend beschrijft paragraaf 3.3 de inputvariabelen voor een DCF-model ten behoeve van de tweede ofwel de hoofdvraag.
3.2
Bepalen invloed Energieprestatie op de huur: Regressieanalyse
Naar de relatie tussen de energieprestatie en de huurprijs van woningen is door Martens (2012) eerder onderzoek gedaan. Martens heeft zijn onderzoek gebaseerd op de uitkomsten van het WoON 2006 Energiemodule. Inmiddels zijn de onderzoeksresultaten van het WoON 2012 Energiemodule bekend. Om te bepalen wat op basis van de latere onderzoeksresultaten de invloed is van de energieprestatie op de huurprijzen van woningen zal worden aangesloten bij het onderzoek van Martens, echter gebaseerd op de gegevens van 2012.
3.2.1
Data en respresentativiteit
De Rijksoverheid voert elke 3 jaar het Nederlands Woononderzoek (WoON) uit met iedere 6 jaar aanvullend het WoON Energiemodule. De laatste resultaten van het WoON en het WoON Energiemodule zijn gepubliceerd in 2012. Het WoON 2015 is reeds gestart. De resultaten verschijnen in de loop van 2015. Het volgende WoON Energiemodule zal in 2018 gereed zijn.
Het onderzoek naar de relatie tussen de energieprestatie en de huurprijzen van woningen is gebaseerd op de gegevens van het WoON Energiemodule 2012. In het WoON Energiemodule zijn de energetische aspecten van de onderzochte woningen in beeld gebracht. Het onderzoek bestaat uit drie delen: een bewonersenquête, een woningopname en een controleopname. De gegevens van het WoON 2012 en het WoON Energiemodule 2012 zijn beide ter beschikking gesteld door het Ministerie van Binnenlandse Zaken. De resultaten uit het WoON 2012 Energiemodule zijn inmiddels 3 jaar oud, maar nog steeds de meest recente gegevens. Aangezien de relatie tussen de variabelen wordt onderzocht, zijn de
28
gegevens nog representatief en bruikbaar voor dit onderzoek. De meeste variabelen in dit onderzoek zijn constante variabelen (oppervlakte, bouwjaar, type woning, enz.). De niet constante variabelen betreffen de kale huur per maand en de EI. Van de huurprijzen is bekend, dat deze sinds 2012 met gemiddeld 3,97% (CBS, 2015) per jaar gestegen zijn. Indien sinds 2012 wijzigingen hebben plaatsgevonden in de Energie-Index van de diverse woningen is het aannemelijk, dat deze wijzigingen hun invloed hebben gehad op de huurprijzen. Hierdoor is de verwachting dat de relatie tussen energielabel en huurprijs gelijk is gebleven.
3.2.2
Dataselectie
In het WoON 2012 zijn 776 variabelen onderzocht van 69.339 woningen. De Energiemodule is hierop een aanvulling, waarbij 4.790 woningen energetisch beoordeeld zijn. Niet alle 4.790 woningen onderzocht in het WoON 2012 Energiemodule zijn bruikbaar voor dit onderzoek. Aangezien het een onderzoek onder huurwoningen betreft, vallen de 2.784 woningen in particulier eigendom af. Van de resterende 2.006 huurwoningen zijn er 1.551 in eigendom van een corporatie en 455 in eigendom van particuliere verhuurders.
Voor een onderzoek naar de invloed van de energieprestatie op de huurprijzen zijn de variabelen huur en Energie-Index de belangrijkste variabelen, waarbij de huur de te verklaren variabele is. Er wordt verondersteld, dat er een relatie is tussen de Energie-Index en de hoogte van de huur. De huur is echter niet alleen afhankelijk van de Energie-Index, maar ook in grote mate van andere variabelen. Deze zijn aan het model toegevoegd om de verklarende kracht te versterken.
Energie-Index: ISSO-methodiek De bepaling van de Energie-Index in het WoON 2012 Energiemodule heeft plaatsgevonden op basis van de tot 1 januari 2015 gehanteerde methode (ISSO-publicatie 82.1, methode 2011). Onder de 1.112 variabelen bevinden zich veel variabelen betreffende de energetische kwaliteit. De uitkomsten van deze variabelen zijn door middel van de EPBD-software doorgerekend naar de Energie-Index. De Energie-Index is het uitgangspunt bij dit onderzoek. De verklarende variabelen achter de opbouw van de Energie-Index zijn derhalve niet relevant voor dit onderzoek.
Overige verklarende variabelen van de huurprijs De meeste van de onderzochte woningen betreffen sociale huurwoningen, waarvoor de huur wordt bepaald middels het WWS. Het betreft hier resultaten uit 2012, waarbij de huren middels het
29
puntensysteem per 1 juli 2011 zijn vastgesteld. Per die datum zijn de punten voor de warmteisolatie en bepaalde technische installaties vervangen door het energielabel. Zelfstandige woningen krijgen daarnaast punten voor: de oppervlakte van vertrekken en overige ruimten, c.v. verwarmde vertrekken, keukenuitrusting, sanitaire voorzieningen, grootte van balkon/tuin/terras, soort woning (eengezinswoning of etagewoning), gehandicaptenvoorzieningen, woonomgeving, hinderlijke situaties (aftrek), extra punten bij een serviceflat en de zogenaamde schaarstepunten (afhankelijk van de WOZ). Een monumentenstatus heeft tevens een huurprijsverhogend effect. De belangrijkste determinanten voor huurbepaling bij het WWS zijn oppervlakte en kwaliteit van de voorzieningen.
De huurprijs van geliberaliseerde woonruimte is de prijs die verhuurder en huurder afspreken op basis van vraag en aanbod: hoe groter de vraag naar de betreffende woonruimte, hoe hoger de prijs. Marktwerking en de waarde van de woning bepalen dus de geliberaliseerde huur. Brounen en Kok (2011) en Salvi (2008) tonen aan, dat er een relatie is tussen de waarde en de energieprestatie van een woning. Deze waarde heeft weer invloed op de huur van geliberaliseerde woningen. Om de invloed van de energieprestatie op de waarde te achterhalen, wordt in de beide onderzoeken de waarde gecorrigeerd voor hedonische karakteristieken, zoals woning- en omgevingskenmerken ofwel kwaliteit en locatie. Visser en van Dam (2006) hebben een uitgebreid onderzoek gedaan naar de effecten van woningen omgevingskenmerken op de waarde / prijs van een woning. In dit onderzoek worden diverse karakteristieken onderverdeeld in vier categorieën: Kenmerken
Karakteristieken (niet-limitatief)
Fysieke woningkenmerken
woningtype, bouwperiode, oppervlakte, inhoud, aantal kamers, aanwezigheid van cv, tuin of garage, staat van onderhoud, isolatie
Fysieke omgevingskenmerken
hoeveelheid groen en water, bebouwingsdichtheid in de buurt, aard en kwaliteit van de gebouwde omgeving en kwaliteit van de openbare ruimte in de buurt
Sociale omgevingskenmerken
bevolkingssamenstelling, werkloosheidscijfer, percentage huur- en koopwoningen, gemiddeld inkomen in de buurt
Functionele omgevingskenmerken
bereikbaarheid van en afstand tot voorzieningen, infrastructuur, werkgelegenheid vanuit de woning
Tabel 3.1: Woning- en omgevingskenmerken, Bron: Visser en van Dam, 2006 / eigen bewerking, 2015
Visser en van Dam (2006) concluderen, dat circa de helft van de woningwaarde wordt bepaald door de fysieke woningkenmerken en de andere helft wordt bepaald door de omgevingskenmerken. Bij de laatste zijn het vooral de sociale en functionele omgevingskenmerken, die een grote invloed hebben op de prijs.
30
De prijsbepaling van een woning is deels een subjectieve aangelegenheid. Voorkeuren zijn voor iedereen verschillend. Het is daarom noodzakelijk om bij onderzoek onder woningen de gegevens zoveel mogelijk in te delen in homogene, vergelijkbare groepen.
De meeste variabelen in het WoON 2012 Energiemodule zijn variabelen betreffende de fysieke woningkenmerken. Voor de omgevingskenmerken zijn geen volledig aansluitende variabelen aanwezig. Om de homogeniteit in de indeling te bewaken, worden de omgevingskenmerken benaderd door de variabele: stedelijkheid.
Uit het onderzoek van Visser en van Dam (2006) blijkt, dat bij de prijsbepaling grote verschillen bestaan tussen grondgebonden woningen en appartementen en dat dit ook zeer regioafhankelijk is. Aangezien deze variabelen invloed hebben op de waarde van de woning is het logisch dat deze ook invloed hebben op de huurwaarde van de woning. 3.2.3
Inputvariabelen regressieanalyse 4
Het resultaat van de dataselectie is een dataset van 1.956 woningen. Van deze woningen zijn de onderstaande variabelen opgenomen ten behoeve van het onderzoek. Variabele
Code
Omschrijving
Meetniveau
Type variabele
De kale huurprijs (per m²)
Bhuurii(m)
Basishuur huidige woning, inclusief HT (per m²)
Ratio
Afhankelijk
De Energie_Index
EI
Energie Index conform actuele definitie ISSO
Ratio
Onafhankelijk
De oppervlakte van de woning
opptBAG
Oppervlakte volgens BAG
Ratio
Onafhankelijk
Het bouwjaar
Bouwjaar
Bouwjaar
Ratio
Onafhankelijk
De bouwperiode
bjrwon
Bouwperiode
Ordinaal
Onafhankelijk
Aanwezigheid van een bad
tapbad
Bad aanwezig
Nominaal
Onafhankelijk
Het aantal kamers
Kamers
Aantal kamers
Nominaal
Onafhankelijk
Het woningtype
Vormwo
Type woning
Nominaal
Onafhankelijk
De stedelijkheid
hwmbrt
Huidige woonmilieu op buurt niveau
Ordinaal
Onafhankelijk
Tabel 3.2: Inputvariabelen regressieanalyse, Bron: eigen bewerking, 2015
Bij een analyse van de inputvariabelen zijn voor de variabelen huurprijs en oppervlakte afwijkende waarden geconstateerd. De zogenaamde “outliers” zijn gedefinieerd door middel van het vaststellen van de z-waarden van de variabelen. De “outliers” zijn vervolgens vergeleken met de standaarddeviatie van de z-waarden. Alleen de woningen die vallen binnen een betrouwbaarheidsinterval van 95% (-1 x sd • +1 x sd) zijn behouden voor het onderzoek. 4
De dataselectie is verder uitgewerkt in bijlage 1: Logboek dataselectie
31
1. Van de variabele oppervlakte vallen 4 woningen buiten het betrouwbaarheidsinterval (99,8% van de woningen valt er binnen). Deze woningen zijn uit de dataselectie verwijderd. 2. Van de variabele huurprijs vallen 72 woningen buiten het betrouwbaarheidsinterval (96,3% van de woningen valt er binnen). Deze woningen zijn uit de dataselectie verwijderd. 3. Ter laatste controle is een “outlier” analyse gedaan op de huurprijs per m². Daaruit blijkt dat nog 3 woningen buiten het betrouwbaarheidsinterval vallen (99,8% van de woningen valt er binnen). Deze woningen zijn tevens uit de dataselectie verwijderd. Een en ander resulteert in een werkbare dataset van 1.877 woningen.
3.2.4
Methodiek: Regressieanalyse
Door middel van een multipele regressieanalyse wordt nagegaan wat de invloed is van de inputvariabelen op de uitkomstvariabele huurprijs per m². De formule van een multiple regressieanalyse is als volgt: Y = • + (•1 * x1) + (•2 * x2) + ……. + (•n * xn) + •
Waarbij: Y
= afhankelijke variabele
•
= constante *B1
x1
= onafhankelijke variabele
•1, •2
= parameters die worden geschat / regressiecoëfficiënt
•
= error term
3.3
Bepalen invloed Energieprestatie op de waarde: DCF-model
In het theoretisch kader is beschreven, dat het mogelijk is bij verbetering van de energieprestatie de huur van een woning te verhogen (direct rendement). De geprognosticeerde kasstromen zullen daardoor toenemen naarmate de energieprestatie van de portefeuille verbeterd. De algemene waarderingstheorieën stellen dat hogere kasstromen een hogere waarde inhouden, waardoor woningverbetering een waarde verhogend effect moet hebben (indirect rendement). Het rendement van de particuliere woningbelegger op basis van de hogere geprognosticeerde kasstromen kan worden berekend met een DCF-model. 3.3.1
Terugverdienmodel particuliere woningbeleggers
Het terugverdienmodel voor een particuliere woningbelegger bestaat uit huurinkomsten (direct rendement) en verkoopopbrengsten (indirect rendement).
32
Er is gesteld, dat de waarde van een huurwoning na verduurzaming hoger is als gevolg van de huurstijging. Of deze huurstijging en waardestijging tezamen hoger zijn dan de benodigde investering blijft onduidelijk, omdat in diverse onderzoeken geen rekening is gehouden met het terugverdienen van de investeringen. De meerwaarde van de woning wordt namelijk pas aangetoond bij de verkoop van de woning. Aangezien de woningbelegger de woning pas verkoopt bij leegkomst (uitponden) en niet direct na verduurzaming zal in veel gevallen de investering terugverdiend moeten worden uit alleen de huur(stijging).
3.3.2
Steekproef
Voor het onderzoek middels het DCF-model zijn diverse particuliere woningbeleggers benaderd. Dit heeft geresulteerd in de medewerking van drie beleggers, waardoor een database beschikbaar is van 4.029 huurwoningen (0,6% van de totale woningvoorraad in particulier eigendom). De woningen zijn ten behoeve van het onderzoek verdeeld in woningen en appartementen. 3.3.3
Methodiek: Discounted Cash Flow-methode
Marktwaarde Een berekening van de waarde is nodig voor een investerings- of desinvesteringsbeslissing (Vlek, 2009). Er zijn echter veel definities van waarde. De Nijenrode Business Universiteit heeft in 2009 een aanbeveling gedaan één waardebegrip te hanteren: de marktwaarde. De definitie van marktwaarde is overgenomen uit de International Valuation Standards (IVS) (Ten Have et al, 2013):
“Marktwaarde is het geschatte bedrag waartegen een object zou worden overgedragen op de waardepeildatum tussen een bereidwillige koper en een bereidwillige verkoper in een zakelijke transactie, na behoorlijke marketing waarbij de partijen met kennis van zaken, prudent en niet onder dwang zouden hebben gehandeld.” 5
Deze definitie is opgenomen in het RICS Red Book (2012) en de Taxatierichtlijnen IPD Nederlandse Vastgoedindex (2013)6.
5 6
RICS: beroepsorganisatie voor vastgoedprofessionals. IPD is gespecialiseerd in vastgoedbenchmarks.
33
Methoden voor waardebepaling van commerciële huurwoningen Er worden drie taxatiebenaderingen onderscheiden, waaronder weer verschillende waarderingsmethoden vallen (Ten Have et al, 2013). Taxatiebenadering
Waarderingsmethoden
Wijze van uitwerken
Comparatieve benadering
-
Vergelijkingsmethode
De waarde wordt ontleend aan de gerealiseerde prijzen
-
Regressiemethode
van andere objecten (vergelijking).
-
Kapitalisatiemethode
De waarde vloeit voort uit de netto-opbrengsten van
-
Discounted Cash Flow-methode
toekomstige exploitatie.
-
Draagkrachthuurmethode
-
GOP-methode
-
Residuele methode
-
Vervangingswaardemethode
Inkomstenbenadering
Kostenbenadering
De marktwaarde wordt bepaald op basis van de totale kosten van vervanging (nieuwbouw).
Tabel 3.3: Taxatiebenaderingen en waarderingsmethoden, Bron: Ten Have, 2013 / eigen bewerking, 2015
Bij het begrip marktwaarde uit de International Valuation Standards (IVS) sluiten de comparatieve benadering en inkomstenbenadering het best aan (IPD, 2013).
In het kader van de IPD Nederlandse Vastgoedindex worden de aan de index verbonden complexen jaarlijks getaxeerd. Het IPD heeft geconcludeerd dat taxaties onderling verschillen (IPD, 2013). Het doel bepaalt mede de vaststelling van de waarde. Daarnaast zijn er verschillen in gedetailleerdheid en methodiek. Om complexen onderling te kunnen vergelijken zijn taxatierichtlijnen voorgeschreven. Deze regels zijn algemeen geaccepteerd en geven regels met betrekking tot de waarderingsmethode en inhoudelijke onderbouwing. Met als resultaat een toetsbare inzichtelijke financiële berekening (IPD, 2013). In dit onderzoek is er dan ook voor gekozen om aan te sluiten bij de algemeen geaccepteerde taxatierichtlijnen (2013) van de IPD.
De rendementsberekening voor vastgoedobjecten staat centraal bij de IPD Nederlandse Vastgoedindex. Het totaal rendement bestaat uit het direct rendement (de netto huurinkomsten gerelateerd aan het geïnvesteerd vermogen) en het indirect rendement (de waardeverandering gerelateerd aan het geïnvesteerd vermogen) (IPD, 2013). Deze berekening van het rendement komt overeen met de berekeningswijze van het rendement van een particuliere belegger.
34
Discounted Cash Flow-methode Met ingang van Indexjaar 2011 heeft de IPD de DCF-methode verplicht gesteld bij iedere taxatie
7
(IPD, 2013). Bij woningwaardering is de richtlijn uit te gaan van de waarde op basis van complexgewijze verkoop aan een derde (IPD, 2013). De effecten van individuele verkoop van woningen (uitponden) worden hier dus in meegenomen. De taxateur dient echter zowel het uitpondscenario als het doorexploitatiescenario te berekenen om zo tot de hoogste waarde te komen (IPD, 2013).
De DCF-methode is een rendementsberekening, omdat deze methode uitgaat van het contant maken van de cashflows uit exploitatie (direct rendement) en uit verkoop (indirect rendement) (Van Gool, 2013). De DCF-methode stelt de waarde vast door de contante waarde te berekenen van alle netto kasstromen over een periode van minimaal 10 jaar. Dit contant maken dient per halverwege het jaar te geschieden (IPD, 2013).
De algemene formule voor woningen ziet er als volgt uit (IPD, 2013). n Waarde k.k. =
•
Ut + NHt
t=1
(1+r)¹
+
EWn
/
(1 + %KK)
(1+r)n
Waarbij: U
= Uitpondopbrengsten in jaar 1
NH
= Netto huuropbrengsten in jaar t
EW
= eindwaarde op tijdstip n
n
= Aantal termijnen
r
= Disconteringsvoet
t
= periode
3.3.4
Inputvariabelen DCF-model
In de taxatierichtlijnen van het IPD (2013) worden voorwaarden gegeven voor de inputvariabelen van een DCF-model. Voor de uitwerking van de inputvariabelen is achtereenvolgens gekeken naar de inkomstenvariabelen, de uitgavenvariabelen en de modelaannames. Per woning zijn in de database onderstaande gegevens opgenomen:
7
Met uitzondering van solitaire winkelobjecten.
35
Gegevens Type
Energie-Index (indien definitief)
Peildatum WOZ-waarde
Plaats
Oppervlakte
Sociaal of geliberaliseerd
Adres
Bouwjaar
Waarde in verhuurde staat (iindien beschikbaar
Huisnummer
Maandhuur
Leegwaarde (indien beschikbaar)
Postcode
Jaarhuur
Leegwaarderatio (indien beschikbaar)
(Voorlopig) energielabel
WOZ-waarde
Tabel 3.4: Gegevens woningbestand DCF-berekening, Bron: diverse woningbeleggers, 2015 / eigen bewerking, 2015
Een toelichting op deze gegevens en de modelaannames staan in bijlage 2. Onderstaand zijn de modelaannames toegelicht die betrekking hebben op de verduurzamingsopgave, alsmede de disconteringsvoet en de exit yield. Het betreft hier allen basisaannames. In de analyse van de resultaten (Hst. 4) zal de gevoeligheid van verschillende aannames worden getest.
Aanname (markt)huurgroei Conform de IPD-richtlijnen (2013) betreft dit de nominale (markt)huurtoename (%) tijdens de DCF periode, beschouwd over de gehele periode (niet op jaarbasis). Hierbij moet uitgegaan worden van een doorexploitatiescenario. Door uitponden kan de (markt)huurwaarde aan het einde van de periode lager zijn dan aan het begin (IPD, 2013). Aanname markthuurgroei = ((Mt – Mt-1) / Mt-1) x 100%
Waarbij: Mt
= (Markt)huur einde beschouwingsperiode
Mt-1
= (Markt)huur begin beschouwingsperiode
De huurgroei voor de onderzochte woningportefeuille is tweeledig: 1. Basishuurverhogingspercentage: Het hervormen van de woningmarkt zal naar verwachting jaren in beslag nemen, waardoor is aangenomen, dat de basisverhoging de komende jaren boven-inflatoir zal blijven. In het DCFmodel is derhalve uitgegaan van inflatie (voorgaand kalenderjaar) vermeerderd met het door de Rijksoverheid vastgestelde boven-inflatoire percentage, zoals weergegeven in § 2.4.2, p. 17-18. De woningen zijn, conform opgave van de woningbeleggers, voor 70% verhuurd aan inkomensklasse 1 (tot € 34.229), voor 20% aan inkomensklasse 2 (€ 34.229 – € 43.786) en voor 10% aan inkomensklasse 3 (> € 43.786). Aangezien de geliberaliseerde woningen bedoeld zijn voor de hogere inkomensklassen (90% van de sociale huurwoningen dient verhuurd te zijn aan de
36
inkomensklasse tot € 34.229) wordt de huurverhoging van deze woningen eerst gebaseerd op de huurverhoging van inkomensgroep 3 gevolgd door respectievelijk inkomensgroep 2 en 1. 2. Huurverhoging bij woningverbetering De maximale huurverhoging bij verbetering van het label is vastgesteld door de Rijksoverheid (2015), zie tabel 2.1, p. 19. Voor dit onderzoek is de huurverhoging bij verbetering naar label C voldoende. In het DCF-model is de huurverhoging per jaar opgenomen. Verder zijn in het DCF-model ten aanzien van deze huurverhoging drie aannames gedaan: 1. De verhuurder zal de volledige mogelijke huurverhoging doorvoeren bij woningverbetering. 2. De mogelijke huurverhoging bij woningverbetering blijft gelijk over de DCF-periode. 3. De woningen worden verbeterd conform de in de EPBD vastgelegde richtlijnen voor particuliere woningbelegger: minimaal 80% van de portefeuille op label C in 2020.
Tussentijdse investeringen (geactiveerde uitgaven) De IPD taxatierichtlijnen schrijven voor dat als er binnen 5 jaar grote investeringen te verwachten zijn dat deze verwachte uitgaven apart in de taxatie worden opgenomen (IPD, 2013). De investeringen in dit onderzoek zijn te verdelen over drie posten: 1. De reguliere onderhoudskosten voor de woningen (meegenomen in de exploitatielasten). 2. In het model zijn tevens onderhoudskosten meegenomen bij mutatie ter voorbereiding op de verkoop. Deze bedragen zijn gebaseerd op door taxateurs aangehouden bedragen. 3. De investeringskosten benodigd voor woningverbetering met als gevolg een verbetering van de energieprestatie. In het DCF-model zijn de investeringen ten behoeve van woningverbetering gelijk verdeeld over de periode heden tot 2020. De investeringsbedragen zijn gebaseerd op de uitkomsten van de energielabelverkenner.
Energielabelverkenner De RVO heeft in opdracht van het ministerie van Binnenlandse Zaken en Koninkrijkrelaties en in 8
samenspraak met marktpartijen de Energiemaatregelverkenner ontwikkeld. Door middel van de Energiemaatregelverkenner kunnen de energiebesparingsmogelijkheden van individuele woningen worden bepaald op basis van de bestaande bouwkundige en installatietechnische staat van de woning. De Energiemaatregelverkenner geeft inzicht in de mogelijke besparingsmaatregelen, investeringskosten en de financiële voordelen van deze investeringen op maandbasis. Deze laatste 8
www.energiebesparingsverkenner.nl
37
zijn niet relevant, omdat de financiële voordelen als gevolg van energiebesparing toekomen aan de huurder (split-incentive problematiek). Stap 1: Invoeren van het woningtype, bouwperiode, gebruiksoppervlakte en aantal bewoners. Het woningtype is in de onderzochte portefeuille niet exact gespecificeerd, maar onderverdeeld in eengezinswoningen en appartementen. Bij woningtype is voor de eengezinswoningen uitgegaan van een rijtjeswoning (tussen). Voor de meergezinswoningen is gekozen voor galerijwoning (tussen-midden). Dit zijn de meest voorkomende varianten in de onderzochte woningportefeuille. De bouwperiode en gebruiksoppervlakte zijn overeenkomstig de individuele woning. Het maakt geen verschil hoeveel bewoners er zijn. Dit is alleen van invloed op het financiële voordeel, niet op de investering. Daarom is huishoudensgrootte 1 aangehouden. Stap 2: Invoeren huidige woningkenmerken Per type woning en bouwjaar zijn bepaalde specifieke woningkenmerken te definiëren. Bouwjaar
Energetische
Isolatie
Verwarming
Warmtapwater
Beglazing
Nee
Collectieve
Elektrische boilers of
Enkel
conventionele CV-ketels
keukengeisers
Collectieve
Collectieve conventionele
Enkel, later
conventionele CV-ketels
CV-ketels
dubbel
Collectieve
Collectieve conventionele
Enkel, later
conventionele CV-ketels
CV-ketels
dubbel
(individuele of
(individuele of collectieve)
Dubbel
collectieve) VR-ketel
VR-ketel
Centrale verwarming met
Centrale verwarming met
HR-ketel
HR-ketel
bepalingen Meergezinswoningen • 1965
1966 - 1975
Nee
Ja, verhoogd in 1975,
Matig, later beter
1979 en 1983 1976 - 1988
Ja, verhoogd in 1979
Matig, later beter
en 1983 1989 - 2000
2001 - heden
Ja, verhoogd in 1992
Ja
Goed
Zeer goed
HR-glas
Eengezinswoningen < 1945
Nee
Nee
Lokale gaskachels
Elektrische boilers
Enkel
1946 - 1965
Nee
Nee
Lokale gaskachels
Elektrische boilers
Enkel
1966 - 1975
Ja
Matig
Lokale gaskachels,
Lokale gaskachels,
Enkel
centrale verwarming
centrale verwarming
Centrale verwarming
Centrale verwarming met
Dubbel, in de
met een VR-ketel
een VR-ketel
woonvertrekken
Centrale verwarming
Centrale verwarming met
Dubbel, in de
met een VR-ketel
een VR-ketel
woonvertrekken
Centrale verwarming
Centrale verwarming met
Dubbel
met een VR-ketel
een VR-ketel
Centrale verwarming
Centrale verwarming met
met een HR-ketel
een HR-ketel
1976 - 1979
1980 – 1988
1989 - 2000
2000 - heden
Ja
Ja
Ja
Ja
Redelijk
Redelijk
Goed
Zeer goed
HR-glas
Tabel 3.5: Bouwkundige en installatietechnische woningkenmerken, Bron: RVO, 2015 / eigen bewerking, 2015
38
Na het invoeren van de kenmerken wordt door de Energiemaatregelverkenner het energielabel vastgesteld. Deze komt zo goed als geheel overeen met de voorlopige of reeds vastgestelde energielabels van de onderzochte woningen. Indien het label afwijkt, zijn de kenmerken aangepast, waardoor de energielabels overeenkomen. Uit het onderzoek naar de benodigde investeringskosten om van het huidige label naar label C te komen, blijkt dat de bouwperiode een sterke invloed heeft op het huidige label. Dit komt door de bouwkundige en installatietechnische kenmerken per bouwperiode. Tevens is er een groot verschil tussen de investeringen voor appartementen en eengezinswoningen en variëren de investeringskosten per oppervlakte categorie.
Kostenstijging Voor het bepalen van de kostenstijging is een vergelijking gemaakt tussen de inflatie over de periode 2005-2015 en de bouwkostenindex over dezelfde periode. 7 6 5 4 Inflatie %
3 2
Bouwkosten totaal %
1 0
Lineair (Inflatie %)
-1 -2
2015 januari 2014 augustus 2014 maart 2013 oktober 2013 mei 2012 december 2012 juli 2012 februari 2011 september 2011 april 2010 november 2010 juni 2010 januari 2009 augustus 2009 maart 2008 oktober 2008 mei 2007 december 2007 juli 2007 februari 2006 september 2006 april 2005 november 2005 juni 2005 januari
Lineair (Bouwkosten totaal %)
Figuur 3.1: Vergelijking inflatie en bouwkostenstijging 2005-2014, Bron: CBS, 2015 / eigen bewerking, 2015
Voor de vergelijking is gebruik gemaakt van de inputindex CBS (2015) voor nieuwbouwwoningen, waarin uitsluitend de directe kosten (arbeid en materiaal) zijn opgenomen. Vaste algemene kosten en economisch afhankelijke percentages winst en risico hebben geen invloed hebben op de index. Deze index wordt gebruikt voor het beschouwen van de prijsontwikkelingen van reeds gegunde opdrachten. De beschouwde particuliere woningbeleggers werken veelal met vaste ondernemers, waarmee prijsafspraken zijn gemaakt voor onderhoud en renovatie van de woningen.
39
Op basis van de vergelijking tussen het inflatiepercentage en de bouwkostenindex kan worden geconcludeerd, dat de bouwkosten pré crisis hoger lagen dan de inflatie. Vanaf 2009 liggen ze echter grotendeels onder de inflatie. Sinds begin 2015 liggen de bouwkosten weer ca. 0,9% boven inflatie. De verwachting is dat met het verder aantrekken van de markt en de bouw dit zo zal blijven. Voor het model is dan ook uitgegaan van een kostenstijging die 1% boven inflatie ligt.
Groei leegwaarde als gevolg van labelverbetering Uit eerder onderzoek blijkt een marktwaardepremie van gemiddeld 2,2% voor label A en B woningen. De marktwaardepremie voor woningen met label C is niet bekend. Voor het rekenmodel dient dan ook een aanname te worden gedaan. Als basisscenario wordt gekozen voor een waardepremie van 1% voor woningen met een naar C verbeterd label.
Disconteringsvoet In het DCF-model wordt gerekend met een disconteringsvoet. In het meest ideale geval wordt deze gebaseerd op referentietransacties. Indien deze niet aanwezig zijn, wordt disconteringsvoet geschat (IPD, 2013). De disconteringsvoet is een optelsom van onderstaande elementen: Disconteringsvoet Risicovrij rente
Effectieve rendement op 10-jaars staatsleningen of swap rente
Toeslag voor categorie-risico
Afhankelijk van de categorie onroerend goed
Toeslag voor object-risico
Afhankelijk van specifieke objectrisico’s
Tabel 3.6: Opbouw disconteringsvoet, Bron: IPD, 2013 / eigen bewerking, 2015
De basis voor de disconteringsvoet is de 10-jaars staatslening ofwel de risicovrije rente. Conform 9
het Handboek Modelmatig Waarderen Marktwaarde (2015) bepaalt het 24-maands historisch gemiddelde van de 10-jaars EURO IRS de hoogte van de gehanteerde risicovrije rente. Hierdoor worden incidentele pieken in de rente op de peildatum van de waardering voorkomen.
In figuur 3.3 is de ontwikkeling van de 10-jaars EURO IRS rente weergegeven over de periode 2005-2015. Per 1 april 2015 is het 24-maands gemiddelde 1,793%. Dit is laag in vergelijking met het 10-jaars gemiddelde (3,105%) en het 5-jaars gemiddelde (2,27%). Dit vangt wel het (incidentele) dal op van de 10-jaars EURO IRS van 0,302% per 1 april 2015.
9
Het handboek dient als een bouwsteen om corporaties houvast te geven bij het bepalen van de actuele waarde.
40
6.000 5.000 4.000 3.000 10 jaars staatslening
2.000 1.000
1-7-2014 1-2-2015
1-7-2007 1-2-2008 1-9-2008 1-4-2009 1-11-2009 1-6-2010 1-1-2011 1-8-2011 1-3-2012 1-10-2012 1-5-2013 1-12-2013
1-3-2005 1-10-2005 1-5-2006 1-12-2006
0
Figuur 3.2: Rente 10 jaars staatslening 2005-2015, Bron: IEX, 2015 / eigen bewerking, 2015
De toeslag voor categorie-risico dient ter compensatie van het risico dat wordt gelopen voor het investeren in de categorie woningen. Het Handboek Modelmatig Waarderen Marktwaarde (Buffing, 2015) veronderstelt een opslag van 4,9% op basis van gegevens uit 2013. Sinds april 2014 laat de woningmarkt weer een positieve ontwikkeling zien, waardoor het aannemelijk is dat het categorierisico gedaald is. In het basisscenario wordt uitgegaan van een toeslag van 4,5%.
In de toeslag voor het object-risico worden de exploitatierisico’s van het object geschat op basis van het gebied en de markt waar het object in is gelegen (Buffing, 2015). Conform het Handboek Modelmatig Waarderen Marktwaarde (2015) wordt de toeslag bepaald aan de hand van een drietal meetbare kenmerken: Kenmerk
Verdeling
Locatie
Sterk
0,00%
De portefeuille is verspreid over Nederland gelegen, waardoor wordt uitgegaan van
Midden
0,25%
een toeslag in de categorie midden.
Zwak
0,50%
Eengezinswoningen
0,00%
De portefeuille bestaat voor 42,1% uit eengezinswoningen en voor 57,9% uit
Appartementen
0,10%
appartementen. Gewogen gemiddeld geeft dit 0,06% extra toeslag.
Kwaliteit
• 15 jaar
0,50%
Het gemiddelde bouwjaar van de woningen is 1974. Voor de levensduur van een
(resterende
15 – 30 jaar
0,25%
woning wordt uitgegaan van minimaal 75 jaar, waardoor de resterende levensduur
levensduur)
> 30 jaar
0,00%
groter is dan 30 jaar. Er wordt dan ook geen toeslag gehanteerd.
Type
Opslag
Bepaling toeslag object-risico
Tabel 3.7: Bepaling toeslag object-risico, Bron: Ortec Finance, 2015 / eigen bewerking, 2015
41
Een en ander resulteert in onderstaande samenstelling van de disconteringsvoet. Disconteringsvoet Risicovrij rente
1,793%
Toeslag voor categorie-risico
4,500%
Toeslag voor object-risico
0,310%
Totaal disconteringsvoet
6,603%
Tabel 3.8: Samenstelling disconteringsvoet DCF-model, Bron: eigen bewerking, 2015
De disconteringsvoet is vergeleken met gegevens beschikbaar in 110 woningtaxaties uit 2014. Gemiddeld is de disconteringsvoet in deze taxaties 6,69%. Dit verschil kan bijna geheel verklaard worden uit de daling van het 24-maands gemiddelde van de 10-jaars EURO IRS sindsdien.
Exit yield De exit yield is het marktrendement bij desinvestering ofwel het BAR aan het einde van de DCFperiode. De exit yield wordt bepaald door de jaarhuur aan het einde van DCF-periode te delen door de eindwaarde. Middels deze yield wordt de mate van veroudering van het vastgoed en de potentie van het bezit aan het eind van de DCF-periode aangegeven. Door veroudering geldt een hogere rendementseis bij de mogelijke verkoop aan het einde van de DCF-periode.
IPD (2013) schrijft voor dat de exit yield dient te worden onderbouwd. Dit blijkt lastig, waardoor ervoor gekozen is de exit yield de resultante te laten zijn van de eindwaardeberekening. De eindwaarde is de waarde van de resterende woningen aan de einde van de DCF-periode. Er worden in de markt en literatuur meerdere methoden gehanteerd voor de eindwaardebepaling. Onderstaande methode is gebaseerd op de handreiking Richtlijn 645 voor de Jaarverslaglegging voor Toegelaten instellingen volkshuisvesting (ofwel corporaties). Het model ziet er als volgt uit:
Eindwaarde (jaar 10) =
Netto operationele kasstroom (t+1) - Verouderingskosten (t) (Disconteringsvoet - Groeifactor)
/ (1 + %KK)
Waarbij: Netto operationele kasstroom(t)
= het saldo van de totale huursom minus de totale exploitatiekosten aan het einde van de DCFperiode
Verouderingskosten
= een percentage van de leegwaarde per peildatum geïndexeerd met de bouwkostenstijging in het laatste jaar van de DCF-periode
Disconteringsvoet
= disconteringsvoet voor DCF-model (reeds bepaald)
Groeifactor
= het gemiddelde van de inflatiereeksen welke zijn gehanteerd in de bepaling van de netto operationele kasstroom in de DCF-periode
42
De verouderingskosten geven een benadering van de veroudering van de woningen. Het betreft een percentage van de leegwaarde op de peildatum van de waardering, dat wordt geïndexeerd met de bouwkostenstijging in het laatste jaar van de DCF-periode. De norm is 0,5% van de leegwaarde en is gebaseerd op een gemiddelde investering per woning, per jaar van € 750 (CiP, 2013).
De eindwaardeberekening resulteert in een exit yield van 8,76%. De exit yield is vergeleken met de gegevens in 110 woningtaxaties uit 2014. Deze geven een gemiddeld exit yield van 7,64%.
3.4
Samenvattend
Op basis van de door het Ministerie van Binnenlandse Zaken beschikbaar gestelde gegevens van het WoON 2012 Energiemodule is een database samengesteld. Deze database dient als input voor het onderzoeken van een mogelijke relatie tussen energieprestatie en huur. Van de woningen in de database is de Energie-Index vastgesteld conform de toen geldende ISSO normering, waardoor gedetailleerde gegevens beschikbaar zijn. In de database is een selectie gemaakt op alleen huurwoningen. Naast de variabelen huur en Energie-Index zijn op basis van diverse onderzoeken overige verklarende variabelen vastgesteld. De database is voorafgaand aan de regressieanalyse gecontroleerd op afwijkende waarden (outliers) met als norm een betrouwbaarheidsinterval van 95%. Het terugverdienmodel voor een particuliere woningbelegger bestaat uit huurinkomsten (direct rendement) en verkoopopbrengsten (indirect rendement). Op basis van de theorie kan worden gesteld, dat investeren in verduurzaming een hogere huur tot gevolg heeft met als resultante een hogere waarde. Of de optelsom van de huurstijging en de marktwaardepremie voldoende zijn voor het dekken van de investering is niet bekend. Het rendement van de investering is dus niet bekend. De DCF-methode is een rendementsberekening, omdat deze methode uitgaat van het contant maken van de cashflows uit exploitatie (direct rendement) en uit verkoop (indirect rendement). Door deze methode te hanteren bij verduurzaming van de woningen kan op basis van de netto contante waarde bepaald worden wat het rendement is van deze investeringen. Het voor dit onderzoek ontworpen DCF-model, dat wordt gevoed door een database van 4.029 woningen, is opgesteld conform de taxatierichtlijnen van IPD (2013). Een DCF-model is en blijft (zeer) gevoelig door het grote aantal aannames dat als input voor het model geldt. Het inschatten van de inputgegevens is een onzekere factor, waardoor ervoor gekozen is om in de analyse van de resultaten van het DCF-model (Hst. 4) tevens een gevoeligheidsanalyse op te nemen op basis van verschillende scenario’s.
43
4
Onderzoeksresultaten
4.1
Inleiding
Het terugverdienmodel van investeringen bij woningverbetering bestaat uit huurverhoging en verkoopopbrengsten. Deze laatste worden pas gerealiseerd bij woningverkoop en zijn dus onzekere en geen vaste inkomsten. De nadruk in het terugverdienmodel zal dan ook liggen op de huurverhoging. Om deze reden is het interessant om te onderzoeken of er in een bestaande woningportefeuille, waarvan de Energie-index (professioneel) is vastgesteld, een relatie te vinden is tussen de Energie-index en de huurprijs (per m²). Ofwel wordt er een huurpremie behaald bij een beter energielabel. Hiertoe is in paragraaf 4.2 een regressieanalyse uitgevoerd. Deze analyse wordt gevolgd door de analyse en interpretatie van de resultaten van het DCF-model in paragraaf 4.3. In deze paragraaf is tevens een gevoeligheidsanalyse opgenomen. 4.2
Regressieanalyse
4.2.1
Assumpties lineaire regressieanalyse
Voorafgaand aan de regressieanalyse is onderzocht of de variabelen in de dataset voldoen aan de voorwaarden (assumpties) voor een lineaire regressie. In onderstaande tabel zijn de assumpties weergegeven met gehanteerde controlemethoden. Assumpties
Methoden voor controle
Onafhankelijkheid van de
Controle op onafhankelijkheid van respondenten en woningen in de steekproef
variabelen Interval data
Ordinale categorieën hercoderen middels dummy variabelen
Normaliteit
Check middels histogram met normale verdeling, P-P plots, skewness & Kurtosis, Kolmogorov-Smirnov test
Lineariteit
Scatterplots en scatterplots met vergelijking van Regression Standardized Residuals (*ZRESID) en Regression Standardized Predicted Value (*ZPRED), aangevuld met een lineaire regressielijnen
Homoscedasticiteit
Scatterplots met vergelijking van Regression Standardized Residuals (*ZRESID) en Regression Standardized Predicted Value (*ZPRED)
Tabel 4.1: Assumpties variabelen lineaire regressie, Bron: eigen bewerking, 2015
De controle op de assumpties en de resultaten hiervan zijn weergegeven in bijlage 3 (deel 1) - 6. Samenvattend kan gesteld worden dat de variabelen (na bewerking) bij benadering voldoen aan de assumpties voor een lineaire regressie.
44
4.2.2
Beschrijvende statistiek: groene en rode labels
Voor het maken van een analyse van de mogelijke verbanden tussen de woningen is de dataset onderverdeeld in woningen met groene (Label A, B en C) en rode labels (Label D, E, F en G). In tabel 4.2 wordt een overzicht gegeven van de dataset met de genoemde onderverdeling.
Algemene woningkenmerken
Totaal
Groen label
Rood label
N = 1.877
N = 745
N = 1.132
Mean
Huur
St. Dev
Mean
St. Dev
Mean
St. Dev
477,23
121,27
504,19
115,83
459,98
121,62
88,26
27,98
89,28
26,81
87,58
27,71
Huur per m²
5,78
1,95
5,99
1,76
5,64
2,05
Energie-index
1,91
0,62
1,36
0,16
2,27
0,54
1966,88
26,94
1985,04
18,00
1954,92
25,11
Woonoppervlak
Bouwjaar Aantal kamers WOZ waarde
Type woning
3,61
1,03
3,48
1,00
3,7
1,05
165.235,42
58.765,13
171.021,78
51.470,80
161.427,26
62.839,31
N
%
N
%
N
%
Eengezinswoningen
946
50,4
373
50,1
573
Meergezinswoningen
931
49,6
372
49,9
559
Bouwjaar
N
%
N
%
50,6 49,4
N
%
t/m 1945
292
15,6
18
2,4
274
24,2
1946 t/m 1964
432
23,0
49
6,6
383
33,8
1965 t/m 1974
397
21,2
67
9,0
330
29,2
1975 t/m 1982
234
12,5
133
17,9
101
8,9
1983 t/m 1987
193
10,3
161
21,6
32
2,8
1988 t/m 1991
94
5,0
90
12,1
4
0,4
1992 t/m 1999
129
6,9
121
16,2
8
0,7
2000 t/m 2005
54
2,9
54
7,2
0
0,0
2006 of later
52
2,8
52
7,0
0
Stedelijkheid
N
%
N
%
0,0
N
%
Landelijk wonen
99
5,3
42
5,6
57
5,0
Centrum-dorps
404
21,5
188
25,2
216
19,1
Groen-stedelijk
178
9,5
74
9,9
104
9,2
Buiten-centrum
1048
55,8
385
51,7
663
58,6
Centrum-stedelijk Energielabel
148 N
7,9 %
56 N
7,5 %
92
8,1
N
%
A
41
7,9
41
5,5
-
-
B
195
12,2
195
26,2
-
-
C
509
16,2
509
68,3
-
-
D
450
24,0
-
-
450
39,8
E
304
27,1
-
-
304
26,9
F
229
10,4
-
-
229
20,2
G
149
2,2
-
-
149
13,2
Tabel 4.2: Vergelijking groene en rode labels dataset 1, Bron: eigen bewerking (SPSS), 2015
45
Op basis van deze gegevens kan worden geconcludeerd dat: 1. Voor woningen met een groen label de maandhuur € 44,21 hoger ligt dan bij woningen met een rood label (€ 0,35 per m² per maand). 2. De oppervlakte van groene woningen 1,7 m² groter is dan van woningen met een rood label. 3. Een woning met een groen label gemiddeld 30,12 jaar jonger is dan een rode woning. 4. De WOZ waarde van een groene woning gemiddeld € 9.594,52 hoger ligt dan van een rode. 5. De dataset ongeveer voor 36,3% uit groene en voor 63,7% uit rode woningen bestaat. 6. Van de woningen is 82,6% gebouwd in de perioden tot 1987. De woningen met een groen label zijn het sterkst vertegenwoordigd in de bouwjaarklassen vanaf 1975 (82%). Van de rode woningen ligt 87,2% in de bouwjaarklassen voor 1975. Dit geeft aanleiding om aan te nemen, dat de bouwjaarklasse een grote invloed heeft op het label. 7. De verdeling tussen de locatie ligt voor groene en rode labels ongeveer gelijk met een wat grotere afwijking op centrum-dorps (25,2% groen / 19,1% rood) en buiten-centrum (51,7% groen / 58,6% rood). Groene woningen liggen gemiddeld minder stedelijk dan rode woningen. Op basis van tabel 4.3 (p. 47) kan hieraan toegevoegd worden dat dit verschil met name verklaard wordt doordat eengezinswoningen gemiddeld minder stedelijk liggen (45,9% van de eengezinswoningen en 66% van de meergezinswoningen). 8. Van de woningen met een groen label heeft 68,3% een label C. Slechts 31,7% heeft dus label B of A. Van de rode labels heeft 66,7% label D of E. 4.2.3
Beschrijvende statistiek: huurverdeling per woningtype
Bovenstaande vergelijking toont aan dat huurprijzen voor groene labels hoger liggen dan voor rode labels en dat bouwjaar waarschijnlijk een grote factor van invloed is op het energielabel. Aanvullend is onderstaand een onderscheid gemaakt tussen eengezinswoningen (EGW) en meergezinswoningen (MGW). Uit tabel 4.3 kunnen de volgende conclusies worden getrokken: 1. De huur van EGW ligt per maand gemiddeld € 22,64 hoger dan van MGW. Dit is het gevolg van een groter gemiddeld oppervlak van de eengezinswoningen, aangezien de huur per m² voor MGW € 1,63 per m² per maand hoger ligt dan voor EGW. 2. De huur per m² per maand laat een licht stijgende lijn zien naar de jongere bouwjaarklassen, waarbij opgemerkt moet worden dat verschillende klassen ook een daling laten zien. 3. Bij EGW loopt de huur per m² per maand op naarmate het woonmilieu stedelijker wordt. Bij MGW ligt de hoogste huur per m² per maand bij groen-stedelijk.
46
4. Voor zowel de EGW als de MGW in de dataset geldt dat ca. 40% een groen label heeft. 5. Voor MGW laat de huur per m² per maand een stijgend beeld zien naarmate de woning groener wordt (huurpremie van label G naar A is 30,3%). Dit doet vermoeden dat voor groenere MGW een hogere huur gevraagd zou kunnen worden. 6. Bij EGW geldt dit vanaf label F tot label B. De huur per m² per maand voor label A ligt lager dan voor label B en de huur per m² per maand voor label G ligt hoger dan voor label F.
Algemene woningkenmerken
Totaal
EGW
MGW
N = 1.877
N = 946
N = 931
Mean
Huur
St. Dev
Mean
St. Dev
Mean
St. Dev
477,23
121,27
488,76
112,74
466,12
128,42
88,26
27,98
102,20
25,93
74,09
22,29
Huur per m²
5,78
1,95
4,97
1,44
6,60
2,05
Energie-index
1,91
0,62
1,86
0,53
1,96
0,69
1966,88
26,94
1968,09
23,34
1965,65
30,13
Woonoppervlak
Bouwjaar Aantal kamers WOZ waarde Huur per m² / Bouwperiode
3,61
1,03
4,11
0,93
3,10
0,87
165.235,42
58.765,13
179.488,49
55.146,16
150.752,71
58.816,02
Mean
St. Dev
Mean
St. Dev
Mean
St. Dev
t/m 1945
120¹
172²
5,67
2,61
4,72
1,86
6,33
2,85
1946 t/m 1964
216¹
216²
5,51
1,81
4,87
1,77
6,15
1,63
1965 t/m 1974
246¹
151²
5,36
1,61
4,67
1,03
6,49
1,76
1975 t/m 1982
141¹
93²
5,83
1,72
5,18
1,12
6,81
2,00
1983 t/m 1987
87¹
106²
6,17
1,64
5,35
1,07
6,84
1,73
1988 t/m 1991
45¹
49²
6,47
1,60
5,72
1,14
7,16
1,67
1992 t/m 1999
48¹
81²
6,52
1,54
5,66
1,24
7,03
1,47
2000 t/m 2005
21¹
33²
6,16
1,78
4,73
1,57
7,08
1,21
2006 of later
22¹
30²
6,64
2,97
5,07
1,62
7,79
Stedelijkheid
Mean
St. Dev
Mean
St. Dev
3,22
Mean
St. Dev
Landelijk wonen
89¹
10²
4,59
1,23
4,47
1,13
5,69
1,53
Centrum-dorps
305¹
99²
5,18
1,59
4,72
1,11
6,57
1,99
Groen-stedelijk
94¹
84²
5,94
2,01
4,99
1,26
7,01
2,15
Buiten-centrum
434¹
614²
5,97
1,87
5,17
1,40
6,53
1,97
24¹
124²
6,69
2,72
6,30
4,00
6,77
Centrum-stedelijk
Huur per m² / Energielabel
Mean
St. Dev
Mean
St. Dev
2,42
Mean
St. Dev
A
19¹
22²
6,43
3,06
5,06
1,69
7,61
3,50
B
83¹
112²
6,24
1,79
5,25
1,40
6,97
1,70
C
271¹
238²
5,85
1,59
5,14
1,14
6,67
1,63
D
250¹
200²
5,80
1,85
4,95
1,16
6,85
2,01
E
163¹
141²
5,65
2,03
4,94
1,60
6,47
2,17
F
119¹
110²
5,41
2,35
4,58
2,07
6,30
2,31
G
41¹
108²
5,51
2,14
4,64
1,58
5,84
2,23
¹ Aantal EGW per klasse ² Aantal MGW per klasse Tabel 4.3: Vergelijking EGW en MGW dataset 1, Bron: eigen bewerking (SPSS), 2015
47
4.2.4
Hypothese
Op basis van de literatuur en de beschrijvende statistiek kan worden verondersteld, dat de huur voor groenere woningen hoger ligt dan voor woningen met een lagere energieprestatie. Als nulhypothese is echter gesteld: De regressiecoëfficiënt van de Energie-Index is gelijk aan nul.
4.2.5
Resultaten regressieanalyse
In onderstaande tabel worden de resultaten van de regressieanalyse weergegeven. De regressie is verdeeld over drie modellen. In het eerste model is de energieprestatie buiten beschouwing gelaten en wordt de invloed van de overige variabelen op de huurprijs bekeken. Het tweede model geeft de invloed van de Energie-index op de huurprijs van woningen weer. In het derde model is de invloed van het bouwjaar op het model weergegeven door deze variabele te verwijderen uit de analyse. In de bijlagen 8 t/m 10 zijn de (ruwe) uitkomsten van de regressieanalyse opgenomen. Model
1 Beta
Std.
2 Sig.
Beta
error
Std.
3 Sig.
Beta
error
Std.
Sig.
error
Totaal oppervlakte
-,658
,000
,000
-,658
,000
,000
-,613
,000
,000
Aantal kamers
,015
,006
,484
,016
,006
,000
,008
,007
,698
Type woning
-,075
,013
,000
-,077
,013
,460
-,111
,013
,000
Bad
0,70
,016
,000
,080
,016
,000
0,86
,016
,000
Bouwjaar -
2006 of later
,163
,033
,000
,157
,039
,000
-
-
-
-
2000 t/m 2005
,148
,033
,000
,142
,038
,000
-
-
-
-
1992 t/m 1999
,197
,023
,000
,190
,028
,000
-
-
-
-
1988 t/m 1991
,157
,026
,000
,151
,030
,000
-
-
-
-
1983 t/m 1987
,154
,021
,000
,147
,024
,000
-
-
-
-
1975 t/m 1982
,196
,020
,000
,190
,022
,000
-
-
-
-
1965 t/m 1974
,199
,018
,000
,195
,019
,000
-
-
-
-
1946 t/m 1964
,054
,017
,019
,052
,017
,025
-
-
-
Stedelijkheid -
Centrum-stedelijk
,156
,030
,000
,156
,030
,000
,131
,031
,000
-
Buiten-centrum
,203
,024
,000
,202
,024
,000
,182
,024
,000
-
Groen-stedelijk
,156
,028
,000
,156
,028
,000
,160
,029
,000
-
Centrum-dorps
,089
,025
,005
,089
,025
,005
,098
,025
,000
-
-
-
-,013
,025
,581
-,199
,017
,000
Energie-index (ln) Steekproefomvang Contstante
1.877 2,116
,034
1.877 ,000
2,127
,040
1.877 ,000
2,346
,033
R
,729
,729
,703
R²
,531
,531
,495
R² Adjusted
,527
,527
,492
,000
Tabel 4.4: Gestandaardiseerde uitkomsten regressieanalyse, Bron: SPSS / eigen bewerking, 2015
48
Algemene analyse van de resultaten en assumpties -
De R geeft de correlatie aan tussen de geobserveerde waarden van huurprijs per m² en de voorspelde waarden van de huurprijs aan de hand van het regressiemodel. Het eerste en tweede model voorspellen 72,9% van de geobserveerde waarden, waarbij 100% een perfecte voorspelling voorstelt.
-
R² geeft de grote van de variantie in de afhankelijke variabele ofwel hoeveel van de variabiliteit van de afhankelijke variabele wordt voorspeld door de onafhankelijke variabelen in het model. De variabelen in het eerste en tweede model verklaren 53,1% van de huurprijs per m².
-
De R² Adjusted geeft de generaliseerbaarheid van het model. Het verschil tussen R² en R² Adjusted is 0,004. Dit verschil houdt in, dat als de gehele populatie in het model opgenomen zou zijn, dit ten opzichte van de steekproef een variantie in de uitkomsten zou geven die 0,4% lager zou liggen. Het model kan dus zo goed als generalistisch gebruikt worden.
Direct aansluitend aan de regressieanalyse is onderzocht of de uitkomsten voldoen aan de assumpties voor een lineaire regressie. In onderstaande tabel zijn de assumpties weergegeven met gehanteerde controlemethoden. Assumpties
Methoden voor controle
Geen correlatie tussen de onafhankelijke variabelen
Pearson’s correlation matrix
Onafhankelijkheid van de errors
Durbin-Watson
Non-zero variance
F-test
T-toets
t-toets
Multicollineariteit
VIF en Tolerance
Tabel 4.5: Assumpties uitkomsten lineaire regressie, Bron: eigen bewerking, 2015
De controle op de assumpties en de resultaten hiervan zijn weergegeven in bijlage 3 (deel 2). Samenvattend kan gesteld worden dat de uitkomsten bij benadering voldoen aan de assumpties voor een lineaire regressie.
4.2.6
Bevindingen en conclusies regressieanalyse
Bevindingen -
Het eerste model laat zien dat de grootste determinant voor de huurprijs de oppervlakte van de woning is, waarbij geldt hoe groter de woning, hoe lager de huurprijs per m². Deze conclusie is in de beschrijvende analyse en het correlatieonderzoek reeds gevonden en wordt met het regressiemodel bevestigd. Het aantal kamers is niet significant (p = ,484). Het eerste model
49
geeft tevens aan, dat de bouwperiode en de stedelijkheid een behoorlijke bijdrage leveren aan 10
de huurprijs per m². Dit effect berust niet op toeval (p < 0,05) . -
In het tweede model is de Energie-Index aan het model toegevoegd. De Energie-Index is niet significant (p = ,581). De kleine bijdrage aan de huurprijs heeft dus een grote kans op toeval. Dat de Energie-Index geen bijdrage levert, blijkt ook uit de variantie, die in het tweede model gelijk blijft aan het eerste model (53,1%).
-
Om het vermoedelijk sterke verband tussen Energie-Index en bouwperiode te testen is in het derde model de bouwperiode uit het model gehaald. Het gevolg hiervan is dat de Energie-Index een grote bijdrage gaat leveren aan het model (• -,199, p = ,000).
Conclusie Op basis van de regressieanalyse en bovenstaande bevindingen wordt de nulhypothese aangenomen. De regressiecoëfficiënt van de Energie-Index is (zo goed als) nul. De Energie-Index heeft geen verhogend effect op de huur per m². Toch is de huur van groenere woningen, zo blijkt uit de beschrijvende analyse, hoger dan voor rode woningen. Uit het regressieonderzoek (model 3) blijkt, dat dit niet het gevolg is van de Energie-Index, maar van de bouwperiode.
Het betreft hier een zeer logische uitkomst. De regressieanalyse laat zien dat er een nauwe aansluiting bestaat tussen bouwperiode en Energie-Index. De verklaring ligt in het feit, dat de verschillende bouwperioden steeds meer op energieprestatie gerichte bouwbesluiten kennen (zie tevens § 3.3.4, p. 38). Naar mate de woning jonger wordt, worden de energetische bepalingen in de bouwbesluiten strenger en de woningen dus groener. Om deze conclusie te onderbouwen is per bouwperiode de gemiddelde Energie-Index bepaald met het bijbehorende label. Totaal Bouwperiode
Eengezinswoningen
EI
N 52
Meergezinswoningen
EI
N
EI
N
B
1,06
22
B
1,06
30
2006 of later
B
1,06
2000 – 2005
B
1,18
54
B
1,11
21
B
1,21
33
1992 - 1999
C
1,33
129
C
1,34
48
C
1,33
84
1988 – 1991
C
1,38
94
C
1,37
45
C
1,39
49
1983 – 1987
C
1,48
193
C
1,47
87
C
1,48
106
1975 – 1982
D
1,61
234
D
1,61
141
D
1,61
93
1965 - 1974
E
2,02
397
D
1,93
246
E
2,17
151
1946 - 1964
E
2,25
432
E
2,16
216
E
2,34
216
t/m 1945
F
2,49
292
F
2,42
120
F
2,54
172
Tabel 4.6: Energie-Index en standaard energielabel per bouwperiode, Bron: eigen bewerking (SPSS), 2015 10
De variabelen bouwjaar en stedelijkheid zijn beide significant bij een betrouwbaarheidsinterval van 95-99%.
50
Bovenstaande tabel onderschrijft de eerdere conclusie, dat de bouwperiode reeds (grotendeels) bepaalt wat het energielabel van een woning is. De tabel bevestigt tevens, dat eengezinswoningen doorgaans iets groener zijn dan meergezinswoningen.
Door de woning te verjongen zal de verklarende kracht van het bouwjaar afnemen. De energieprestatie wordt namelijk beter, maar het bouwjaar blijft gelijk. Het “elimineren” van het bouwjaar wordt, zoals blijkt uit model 3, overgenomen door de Energie-Index. Door het upgraden van een woning vindt feitelijk een verjonging van de woning plaats. Een jaren ’30 woning met een hedendaagdse HR-ketel en HR++ glas kan niet meer worden bestempeld als een jaren ’30 woning met bijbehorend (standaard) energielabel. Door energetische verbetering vindt dus eigenlijk een verbetering van het bouwjaar plaats. De woning gaat immers voldoen aan een ander bouwbesluit. Om de verklarende kracht van het bouwjaar te behouden na energetische verbetering, zouden woningen ingedeeld moeten worden op renovatiejaar in plaats van bouwjaar.
Aansluitend, en tevens op basis van de kleine op toeval beruste verklarende kracht van de EnergieIndex, kan worden geconcludeerd dat de onderzochte woningen tussentijds nauwelijks energetisch zijn verbeterd. Hierdoor is de bouwperiode nog steeds de meest verklarende factor.
Samenvattend kan worden geconcludeerd, dat uit de regressieanalyse zeer duidelijk naar voren komt, dat de bouwperiode met het bijbehorende bouwbesluit grotendeels de energieprestatie met het bijbehorende label bepaalt, die op zijn beurt weer bepalend is voor de huurprijs per m². Woningen met een groen label hebben dus een hogere huur, maar niet als gevolg van een betere Energie-Index. Dit geldt zolang de woning niet tussentijds energetisch verbeterd is.
4.3 4.3.1
DCF-model Beschrijvende statistiek: groene en rode labels
Voor de dataset dienend als input voor het DCF-model is net als in de vorige paragraaf een onderverdeling gemaakt in woningen met groene (A, B en C) en rode labels (D, E, F en G)11.
11
De gegevens van Energie-Index, aantal kamers en stedelijkheid zijn niet beschikbaar in deze database.
51
Totaal
Groen label
Rood label
N = 4.029
N = 1.721
N = 2.308
Algemene woningkenmerken
Mean
Mean
Mean
Huur
678,25
727,71
641,40
Woonoppervlak
96,51
105,63
89,73
Huur per m²
7,03
6,89
7,15
1974,62
1983,94
1967,66
158.874,53
169.115,02
151.323,01
1.910
665
Bouwjaar WOZ waarde Aantal woningen met definitief label Type woning
1.245
N
%
N
%
N
%
Eengezinswoningen
1.700
42,1%
1.251
72,6%
449
19,4%
Meergezinswoningen
2.329
57,9%
470
27,3%
1.859
80,6%
N
%
N
%
N
%
130
3,2%
1
0,1%
129
5,6%
1946 t/m 1964
545
13,5%
10
0,6%
535
23,2%
1965 t/m 1974
1.373
34,1%
201
11,7%
1.172
50,8%
1975 t/m 1982
722
17,9%
519
30,2%
203
8,8%
1983 t/m 1987
651
16,2%
474
27,5%
177
7,7%
1988 t/m 1991
374
9,3%
285
16,6%
89
3,9%
1992 t/m 1999
167
4,1%
164
9,5%
3
0,1%
2000 t/m 2005
18
0,4%
18
1,0%
0
0,0%
2006 of later
49
1,2%
49
2,8%
0
0,0%
Energielabel
N
%
N
%
N
%
A
62
1,5%
61
4,9%
-
-
B
408
10,1%
142
11,4%
-
-
C
1.251
31,0%
1.048
83,8%
-
-
D
719
17,8%
-
-
719
31,2%
E
1.011
25,1%
-
-
1011
43,8%
F
375
9,3%
-
-
375
16,2%
G
203
5,0%
-
-
203
8,8%
Bouwjaar t/m 1945
Tabel 4.7: Vergelijking groene en rode labels dataset 2, Bron: eigen bewerking (Excel), 2015
Op basis van deze gegevens kan worden geconcludeerd dat: 1. Voor woningen met een groen label de maandhuur € 86,31 hoger ligt dan bij woningen met een rood label. De huurprijs per m² per maand is echter lager bij groene woningen dan bij rode woningen, omdat groene woningen gemiddeld 15,9 m² groter zijn. 2. Een woning met een groen label gemiddeld 16,3 jaar jonger is dan een rode woning. 3. De WOZ waarde van een groene woning gemiddeld € 17.792,01 hoger ligt dan van een rode. 4. De dataset voor ongeveer 42,7% uit groene en voor 57,3% uit rode woningen bestaat. 5. Van de woningen 84,9% is gebouwd in de perioden tot 1987. De woningen met een groen label zijn het sterkst vertegenwoordigd in de bouwjaarklassen vanaf 1975 (88,5%). Van de rode
52
woningen ligt 79,5% in de bouwjaarklassen voor 1975. Hieruit kan wederom worden geconcludeerd, dat bouwjaar de voornaamste bepalende factor is van de energieprestatie. 6. Van de woningen met een groen label heeft 83,8% een label C. Slechts 16,2% heeft dus label B of A. Van de rode labels heeft 75% label D of E. Parameter Particuliere verhuurder Huur per maand voor groen label Oppervlakte groene woning Huurprijs per m² voor groen label
Dataset 1: Regressie
Dataset 2: DCF-model
22,6%
100%
+ 44,21 12
+ 86,31
+ 1,7
+ 15,9
+ 0,35
- 0,26
+ 9.594,52
+ 17.792,01
% groene woningen
36,3%
42,7%
Gebouwd t/m 1987
82,6%
84,9%
82%
88,5%
Rood voor 1975
87,2%
79,5%
Label A-B
31,7%
16,2%
Label C
68,3%
83,8%
Label D-E
66,7%
75%
Label F-G
33,3%
25%
WOZ waarde groene woning
Groen na 1975
Tabel 4.8: Vergelijking dataset regressie en dataset DCF-model, Bron: eigen bewerking, 2015
In bovenstaande tabel staan vergelijkende statistieken voor de beide datasets (regressie en DCF). Het belangrijkste verschil is dat dataset 1 voor 22,6% in eigendom is van particuliere verhuurders en dataset 2 volledig. De particuliere verhuurder heeft meer geliberaliseerde woningen in bezit, waarvoor de markt grotendeels de huur bepaalt en niet het WWS. Dit blijkt ook uit de hogere maandhuur. De woningen van de particuliere verhuurder zijn ook groter (8,25 m² per woning). Uit het onderzoek naar de energetische kwaliteit van de Nederlandse woningmarkt (zie § 2.3, p. 15) kwam naar voren, dat de energetische kwaliteit van de woningen in particulier eigendom minder goed zou zijn dan in de sociale sector. Op basis van bovenstaande vergelijking kan deze conclusie niet worden onderschreven. Dataset 2 heeft namelijk meer woningen met label C en minder woningen met label F en G dan dataset 1. Ook zijn de woningen in dataset 2 beduidend jonger (7,74 jaar) dan de woningen in dataset 1. Op basis van de voorgaande conclusie, dat een jonger bouwjaar een grote invloed heeft op de energetische kwaliteit van de woning, is de verwachting hier ook dat dataset 2 een betere Energie-Index zou hebben. Beide datasets betreffen echter een steekproef en geen populatie. Om het verschil in energetische kwaliteit definitief vast te kunnen stellen, zou een vergelijking tussen de Energie-Index van beide datasets uitkomst bieden. De 12
De huur in dataset 1 is gebaseerd op gegevens uit 2012. De correctie op de huur sinds 2012 is 3,97% (§ 3.2.1, p. 28). Deze correctie dekt echter het verschil niet.
53
gegevens hiervoor zijn echter niet beschikbaar, omdat slechts 47,4% van de woningen in dataset 2 een definitief energielabel heeft en de rest een voorlopig label zonder Energie-Index. 4.3.2
Beschrijvende statistiek: huurverdeling per woningtype
Tevens is onderscheid gemaakt tussen eengezinswoningen (EGW) en meergezinswoningen 13
(MGW). Er zijn geen statistische analyses van deze gegevens , waardoor wordt volstaan met gemiddelden. Totaal
EGW
MGW
N = 4.029
N = 1.700
N = 2.329
Algemene woningkenmerken
Mean
Mean
Mean
Huur
678,25
766,52
613,82
Woonoppervlak
96,51
115,90
82,35
Huur per m²
7,03
6,61
7,45
1974,62
1.981,48
1.969,61
Bouwjaar WOZ waarde
158.874,53
183.878,25
140.709,53
Huur per m² / Bouwperiode
Mean
Mean
Mean
t/m 1945
6,67
5,25
6,74
1946 t/m 1964
7,13
6,51
7,18
1965 t/m 1974
7,36
6,32
7,74
1975 t/m 1982
6,98
6,55
7,39
1983 t/m 1987
7,19
7,12
7,80
1988 t/m 1991
7,41
6,98
7,95
1992 t/m 1999
7,91
6,30
9,62
2000 t/m 2005
12,91
14,51
9,71
6,34
6,34
-
Mean
Mean
Mean
2006 of later Huur per m² / Energielabel A
3,6%¹
0,0%²
7,97
7,95
8,88
B
8,4%¹
11,4%²
7,70
7,07
8,03
C
61,6%¹
8,7%²
6,89
6,65
8,13
D
21,8%¹
15,0%²
6,92
6,71
7,13
E
3,5%¹
40,9%²
7,60
7,09
7,63
F
1,0%¹
15,4%²
7,68
7,85
7,68
G
0,2%¹
8,6%²
7,04
8,27
7,02
¹ % EGW per klasse ² % MGW per klasse Tabel 4.9: Vergelijking EGW en MGW dataset 2, Bron: eigen bewerking (SPSS), 2015
1. De huur van EGW ligt per maand gemiddeld € 33,55 hoger dan van MGW. Dit is het gevolg van een groter gemiddeld oppervlak van de eengezinswoningen, aangezien de huur per m² voor MGW € 0,84 per m² per maand hoger ligt dan voor EGW. 13
De database is niet middels SPPS geanalyseerd. Tevens zijn voor deze database minder variabelen beschikbaar.
54
2. De huur per m² per maand laat ook in deze dataset een stijgende lijn zien naar de jongere bouwjaarklassen, waarbij tevens in een aantal bouwjaarklassen een lichte daling te zien is. 3. Voor de EGW geldt dat 73,6% een groen label heeft. Voor MGW is dat 20,1%. 4. Voor MGW laat de huur per m² per maand een stijgend beeld zien naarmate de woning groener wordt (huurpremie van label G naar A is 26,4%). 5. Bij EGW heeft de label C-klasse de laagste huur per m². De hoogste huur per m² wordt gehaald in de klassen F en G. Een verklaring hiervoor kan wellicht gezocht worden in de combinatie bouwjaar en locatie, bij ouder centrum-stedelijk bezit. Parameter
Dataset 1: regressie
Dataset 2: DCF-model
Particuliere verhuurder
22,6%
100%
Huur per maand EGW
+ 22,64
+ 33,55
Groen label EGW
39,4%
73,6%
Groen label MGW
38,8%
20,1%
Tabel 4.10: Vergelijking dataset regressie en dataset DCF-model (2), Bron: eigen bewerking, 2015
Een aantal vergelijkende statistieken laten een duidelijk verschil zien in de huur per maand voor EGW bij beide datasets, die in dataset 2 beduidend hoger ligt. Het belangrijkste verschil is echter de labelverdeling over EGW en MGW in de verschillende datasets. In dataset 1 hebben zowel EGW als MGW ca. 40% groene labels. In dataset 2 zijn de groene labels met name voorbehouden aan de EGW (73,6%). Van de MGW heeft slechts 20% een groen label. Het hoge aantal groene EGW spreekt tevens de slechtere energetische prestatie van particulier bezit tegen. 4.3.3
Hypothese
In dit laatste gedeelte van het onderzoek wordt antwoord gegeven op de hoofdvraag: Kunnen de investeringen benodigd voor het behalen van de doelstelling minimaal 80% van de huurwoningen (in particulier eigendom) op minimaal label C of hoger in 2020 worden terugverdiend uit de (normale) bedrijfsvoering / exploitatie van deze huurwoningen? De verwachting is dat de investeringen niet kunnen worden terugverdiend uit de (normale) exploitatie van de particuliere woningbeleggers. Als nulhypothese voor de DCF-analyse wordt gesteld: De netto contante waarde van de investeringen bij verduurzaming is negatief (NCW < 0).
55
4.3.4
Resultaten DCF-model
Op basis van de in Hst. 3 uiteengezette methodiek is een DCF-model ontworpen waarin rekening gehouden kan worden met de investeringen benodigd voor het verduurzamen van woningen. Om een goede analyse te kunnen maken van de consequenties van de verduurzamingsopgave is in eerste instantie de netto contante waarde berekend van de situatie as-is (exclusief). Een weergave van deze DCF-berekening is opgenomen in bijlage 11. Aansluitend is een netto contante waarde berekening gemaakt van de woningportefeuille inclusief de verduurzamingsopgave (bijlage 12). Onderstaande tabel geeft een samenvatting van beide modellen. Exit waarden Huuropbrengsten jaar 11 totaal Exit yield v.o.n. Exit waarde v.o.n. Correcties erfpacht
Exclusief 20.167.956
Inclusief 20.673.019
8,95%
8,76%
225.299.748
235.944.622
-
-
Exit waarde totaal v.o.n.
225.299.748
235.944.622
Som van de contante waarden (waarde v.o.n.)
725.691.571
724.369.929
Kosten koper Marktwaarde k.k. (afgerond) Marktwaarde per m²
21.136.648
21.098.153
704.555.000
703.272.000
1.812
1.809
Marktwaarde per woning
182.047
181.715
Marktwaarde per appartement
125.656
125.427
4,34% 75,30% 5,77%
4,36% 75,30% 5,79%
BAR k.k. (leegwaarde) Leegwaarderatio BAR k.k. (verhuurde staat)
Tabel 4.11: Vergelijking netto contante waarde modellen, Bron: eigen bewerking, 2015
In onderstaande tabel staan de uitkomsten van alleen de verduurzamingsopgave. Exit waarden Huuropbrengsten jaar 11 totaal Exit yield v.o.n. Exit waarde v.o.n. Correcties erfpacht Exit waarde totaal v.o.n. Som van de contante waarden (waarde v.o.n.) Kosten koper Marktwaarde k.k. (afgerond)
Verduurzaming 1.017.096 8,76% 11.608.287 11.608.287 674.463 19.645 655.000
Marktwaarde per m²
6,90
Marktwaarde per woning
693
Marktwaarde per appartement
479
BAR k.k. (leegwaarde) Leegwaarderatio BAR k.k. (verhuurde staat)
5,34% 75,30% 7,09%
Tabel 4.12: Samenvatting netto contante waarde model verduurzaming, Bron: eigen bewerking, 2015
56
4.3.5
Bevindingen en conclusies
Bevindingen Op basis van de modellen en uitkomsten zijn een aantal belangrijke bevindingen te vermelden: 1. Als gevolg van verduurzaming nemen de huuropbrengsten (gecorrigeerd voor leegstand en verkopen gedurende de DCF-periode) conform verwachting toe. De netto contante waarde van de extra huur bedraagt € 4.575.587. 2. De totale netto contante waarde van de investeringsopgave bedraagt € -7.179.198. Alleen al op basis van deze twee bevindingen kan worden geconcludeerd, dat de huurstijging alleen niet voldoende is voor het terugverdienen van de investering. 3. De toename van de huurinkomsten resulteert in een hogere exit waarde v.o.n. en een lagere exit yield. 4. De som van de contante waarden ligt echter na verduurzaming lager als gevolg van de fikse investeringen. Deze hebben een negatieve invloed op de netto kasstromen. Een en ander resulteert in een lagere marktwaarde k.k. na verduurzaming voor de gehele portefeuille. 5. De verhuurderheffing heeft een zeer negatieve invloed op het investeringsvermogen. De netto contante waarde van de verhuurderheffing over 10 jaar bedraagt € 11.558.290. 6. Alleen kijkend naar de verduurzamingsopgave leidt dit tot een extra huurinkomst van € 1.017.096 met een exit waarde van € 11.608.287 en een kleine positieve netto contante marktwaarde k.k. van € 655.000. 7. Het aanvangsrendement bij verduurzaming ligt hoger dan op de totale portefeuille door de hoge invloed van de kosten.
Conclusie Op basis van de resultaten van het DCF-model en de bevindingen kan worden geconcludeerd dat de netto contante waarde van de verduurzamingsopgave positief is. De nulhypothese zal daarmee worden verworpen. De investeringen benodigd voor het behalen van de doelstelling minimaal 80% van de huurwoningen (in particulier eigendom) op minimaal label C of hoger in 2020 kunnen worden terugverdiend uit de (normale) bedrijfsvoering / exploitatie van deze huurwoningen, mits de woningen aan het einde van de DCF-periode worden verkocht. Het rendement wordt namelijk bepaald op basis van het verschil tussen het geïnvesteerde vermogen en het terugontvangen vermogen. Als het vermogen niet wordt terugontvangen, wordt er geen rendement gerealiseerd.
57
De netto contante waarde van de verduurzamingsopgave is positief door de positieve eindwaarde als gevolg van de hogere huur. Indien de woningen aan het einde van de DCF-periode niet worden verkocht, ontvangt de belegger geen liquiditeiten en hebben deze woningen dus geen terugverdiencapaciteit. Waarde is tenslotte geen liquiditeit.
Gecorrigeerd voor de eindwaarde is de netto contante waarde van de verduurzaming € -5.485.000, waardoor gesteld kan worden dat zonder verkopen aan het einde van de periode de investeringen niet terugverdiend kunnen worden. Indien er gedurende de DCF-periode geen woningen worden verkocht, worden de investeringen alleen terugverdiend uit huurstijging na verduurzaming. De netto contante waarde van de kasstromen (k.k.) is dan € 104.000 negatief. Hiermee wordt de eerdere conclusie, dat alleen huurstijging onvoldoende is voor het dekken van de investeringen, bevestigd. Tevens gecorrigeerd voor de eindwaarde resulteert dit in een contante waarde van € -6.243.000. Voor het behalen van een break-even situatie op de verduurzamingsopgave is een minimale verkoopmutatie van 6,06% benodigd alsmede een verkoop van de (verduurzaamde) woningen aan het einde van de DCF-periode.
Al met al kan geconcludeerd worden, dat de investeringen benodigd voor het behalen van de doelstelling minimaal 80% van de huurwoningen (in particulier eigendom) op minimaal label C of hoger in 2020 kunnen worden terugverdiend. Dit kan echter niet alleen uit de stijging van de huurinkomsten als gevolg van deze investeringen (binnen de DCF-periode). De belegger is voor het grootste gedeelte van de terugverdiencapaciteit afhankelijk van (onzekere) verkoopopbrengsten. Deze zijn in die zin onzeker, omdat niet op voorhand te voorspellen valt hoeveel woningen er verkocht zullen worden een ook niet tegen welke prijs.
4.3.6
Gevoeligheidsanalyse
Omdat een DCF-model (zeer) gevoelig is voor uitschieters door het grote aantal aannames is een gevoeligheidsanalyse uitgevoerd. Hierbij is voor zowel de totale portefeuille als alleen de verduurzamingsopgave gekeken naar de invloed van het wijzigen van (cruciale) modelaannames. In tabel 4.13 zijn hiervan de uitkomsten opgenomen.
In de tabel zijn de (dikgedrukte) middelste waarden de uitkomsten van de basisaannames in het model. De uitkomsten van het DCF-model zijn het meest gevoelig voor de discontertingsvoet en de verkoop mutatiegraad.
58
Variabele Waarde
Marktwaarde k.k. totaal
Marktwaarde •
k.k.
•
verduurzaming
BAR k.k.
Exit yield
totaal
totaal
5,6%
776.743.000
10,45%
3.009.000
359,39%
3,95%
6,6%
703.272.000
0,00%
655.000
0,00%
4,36%
8,76%
7,6%
649.526.000
-7,64%
-811.000
-223,82%
4,72%
10,60%
0,5%
678.625.000
-3,50%
675.000
3,05%
4,52%
8,64%
1,9%
703.272.000
0,00%
655.000
0,00%
4,36%
8,76%
3,4%
731.817.000
4,06%
627.000
-4,27%
4,19%
8,92%
5%
593.265.000
-15,64%
-536.000
-181,83%
5,23%
10,40%
7,5%
703.272.000
0,00%
655.000
0,00%
4,36%
8,76%
10%
815.719.000
15,99%
1.615.000
146,56%
3,71%
7,79%
0%
702.513.000
-0,11%
-104.000
-115,88%
4,36%
8,76%
Groei leegwaarde
1%
703.272.000
0,00%
655.000
0,00%
4,36%
8,76%
labelverbetering
2%
704.031.000
0,11%
1.414.000
115,88%
4,35%
8,76%
+0,5%
717.643.000
2,04%
1.084.000
65,50%
4,27%
8,01%
0%
703.272.000
0,00%
655.000
0,00%
4,36%
8,76%
-0,5%
691.218.000
-1,71%
326.000
-50,23%
4,43%
9,50%
-1%
708.458.000
0,74%
1.262.000
92,67%
4,33%
8,40%
0%
703.272.000
0,00%
655.000
0,00%
4,36%
8,76%
+1%
697.642.000
-0,80%
14.000
-97,86%
4,39%
9,20%
Disconteringsvoet
Waardegroei
Verkoop mutatiegraad
Inflatieprognose
Bouwkostenindex
6,91%
Tabel 4.13: Gevoeligheidsanalyse DCF-model op inputparameters, Bron: eigen bewerking, 2015
Indien de belegger genoegen neemt met een lager rendement zal de waarde ten positieve wijzigen. Het behalen van een goed rendement is, zoals in § 2.5, p. 23 beschreven, het doel van investeren. De belegger kan met de verduurzaming dus alleen een positieve netto contante marktwaarde k.k. behalen door genoegen te nemen met een lager rendement. Een stijging van de rente is een stijging van de disconteringsvoet en dus een daling van de waarde. Hier zit voor de belegger een aanzienlijk risico in, tenzij men alsnog genoegen neemt met een lager rendement. Een omgekeerde werking en het grootste effect heeft de verkoop mutatiegraad. Door een hogere mutatiegraad worden verkoopopbrengsten zeker. Dit heeft een positieve invloed op de netto kasstromen en dus de netto contante waarde. Zoals in de conclusie in § 4.3.5, p. 57-58 gesteld is het aantal te verkopen woningen alsmede de verkoopopbrengst alsdan niet te voorspellen.
59
5 5.1
Conclusies en aanbevelingen Conclusies
Nulhypothesen De investeringen benodigd voor het behalen van de doelstelling De huur voor groenere woningen ligt hoger dan voor woningen met een lagere energieprestatie.
minimaal 80% van de huurwoningen (in particulier eigendom) op minimaal label C of hoger in 2020 kunnen niet worden terugverdiend uit de (normale) bedrijfsvoering / exploitatie van deze woningen.
Regressie -
Aangetoond is, dat er voor woningen met een betere energieprestatie een hogere huur betaald wordt. Dit is de conclusie uit de beschrijvende analyses op beide in dit onderzoek gebruikte datasets en wordt bevestigd door de regressieanalyse.
-
Bovenstaande wordt tevens duidelijk uit de Nederlandse wet- en regelgeving, waarin geregeld is dat een beter label meer WWS punten inhoudt, waardoor de maximaal redelijke huur per maand stijgt. Hierdoor bestaat, uiteraard onder voorwaarden, de mogelijkheid om de huur bij woningverbetering te verhogen.
-
De grootste determinant van de huurstijging als gevolg van een betere energieprestatie is niet de Energie-Index, zoals werd verwacht, maar de bouwperiode. Doordat jongere woningen steeds strengere op energieprestatie toeziende bouwbesluiten kennen, worden de woningen steeds groener, hebben daardoor een beter label en dus een hogere huur.
-
Deze conclusie is bevestigd door te onderzoeken welk standaard label verbonden is aan bepaalde bouwperiodes. Hoe jonger de woning, hoe groener en eengezinswoningen zijn doorgaans iets groener zijn dan appartementen.
DCF-model -
Het op basis van het DCF-model gevonden resultaat is, dat de investeringen benodigd om de doelstelling minimaal 80% op minimaal label C in 2020 te halen wel terugverdiend kunnen
60
worden. Aan het terugverdienen zit wel de voorwaarde dat er voldoende woningen aan het einde van de DCF-periode worden verkocht. -
Het rendement wordt namelijk bepaald op basis van het terugontvangen vermogen ten opzichte van het geïnvesteerde vermogen. Waarde is geen liquiditeit, dus zonder verkopen blijven de investeringen in de woningen en is er dus geen rendement.
-
De uitkomsten laten na verduurzaming weliswaar een hogere exit waarde en een lagere exit yield zien, echter als gevolg van de aanzienlijke investeringen is de netto contante marktwaarde k.k. lager na verduurzaming. De netto contante waarde van de verduurzamingsopgave is het gevolg van de positievere eindwaarde als gevolg van hogere huur.
-
Het DCF-model blijkt zeer gevoelig voor de aannames van de disconteringsvoet en de verkoop mutatiegraad. Beide hebben te maken met het rendement. Bij de eerste moet een belegger genoegen nemen met een lager rendement om de marktwaarde k.k. te laten stijgen. Waarde is echter, zoals eerder geconcludeerd, geen rendement. Door een hogere mutatiegraad worden verkoopopbrengsten zeker. Met als gevolg een positieve invloed op de netto kasstromen en dus de netto contante waarde. Het aantal te verkopen woningen alsmede de verkoopopbrengst zijn echter niet te voorspellen, waardoor het rendement onzeker blijft.
Bovenstaande leidt tot de overall-conclusie, dat ondanks dat de huur voor groene woningen hoger ligt dan voor rode woningen en er mogelijkheden zijn voor het verhogen van de huur bij labelverbetering, deze extra huurinkomsten niet opwegen tegen de benodigde investeringen. Een particuliere belegger is voornamelijk afhankelijk van de verkopen om de investeringen terug te kunnen verdienen. Zonder verkopen wordt op de investering geen rendement gemaakt.
5.2
Beperkingen onderzoek
1. In het onderzoek is rekening gehouden met een evenredige verduurzaming van alle aanwezige labels. De door de overheid gestelde verduurzamingsopgave werkt het zoveel mogelijk eerst verbeteren van de betere rode labels (D en E) in de hand. Voor het verbeteren van deze labels zijn de investeringskosten lager. Het risico is een enorme scheiding in de woningmarkt in 2020 tussen hele groene en hele rode woningen. Deze benadering geeft ook een andere uitkomst van het model. 2. In de regressieanalyse is de invloed van het energielabel op de huur bepaald, waarbij slechts een aantal additionele (op basis van literatuur bepaalde) variabelen zijn meegenomen. Met deze variabele is 53,1% van de huurbepaling te voorspellen. Het reikt te ver om alle variabelen
61
die van mogelijke invloed zouden kunnen zijn op de huurbepaling te bepalen en in het model mee te nemen. De analyse is tevens gedaan op basis van een steekproef. De R en de R² geven weliswaar een goede voorspelling van de populatie, echter kan dit niet een populatie onderzoek vervangen. 3. De in het DCF-model verwerkte woningen zijn ook op basis van een steekproef bepaald. Uit onderzoek van de ECN (2013) blijkt, dat de energetische kwaliteit van woningen in particulier eigendom lager ligt. Dit kan niet worden geconcludeerd uit analyse van de steekproef. Een populatieonderzoek zal dus wellicht een ander resultaat geven. 4. In het onderzoek is de aanname gedaan, dat alle huurders akkoord gaan met een huurverhoging bij woningverbetering en dat hierbij de ruimte onder de maximaal redelijke huur volledig gebruikt wordt voor huurverhoging. De afspraken over huurverhoging zullen echter tussen belegger en huurder op individueel niveau gemaakt worden. 5. Mogelijk worden een aantal woningen met label D t/m G reeds verkocht voordat deze verbeterd zijn, waardoor het percentage groene labels toeneemt. Hier kan in het model geen rekening mee gehouden worden. 6. Het blijft lastig de toekomst / komende 10 jaar op basis van aannames te voorspellen. Het DCFmodel verschaft dan ook meer inzicht, dan feiten. 7. De waarde van de woningen is gemiddeld genomen, waardoor dus geen rekening is gehouden met een mogelijk hogere waarde van woningen met een nu al een betere energieprestatie.
5.3
Aanbevelingen voor nader onderzoek
1. De Rijksoverheid zal zich moeten realiseren dat de verhuurderheffing in combinatie met de (verplichte) investeringen in verduurzaming van woningen een behoorlijke wissel trekt op het rendement van een particuliere woningbelegger. Aan de inkomstenkant zijn regels getroffen door de boven-inflatoire huurstijging ter dekking van de verhuurderheffing en de hogere maximaal redelijke huur bij woningverbetering. Deze maatregelen zijn echter niet voldoende voor het dekken van deze kosten. De investeringen kunnen dus niet worden terugverdiend uit de huurinkomsten alleen. Het laten slagen van de verduurzaming van woningen is daardoor mede afhankelijk van de huurwetgeving. De huidige mogelijke verhoging van de huur als gevolg van labelverbetering is niet toereikend. Wellicht is er meer ruimte beschikbaar binnen de besparing op de energierekening van de bewoner, waardoor de huur bij labelverbetering verder kan stijgen zonder dat de huurder hier op achteruit gaat.
62
2. Aansluitend op de mogelijkheid dat de huurverhoging benodigd voor de verduurzaming van woningen door de huurder kan worden terugverdiend uit de energielastenverlaging van de bewoner kan worden gekeken naar een all-in huurcontract. Hiermee wordt de belegger feitelijk energieleverancier en is het aan de belegger om dit zo efficiënt mogelijk in te regelen. De down side hiervan is, dat de belegger geen invloed heeft op het stookgedrag van de bewoner. 3. De hogere waarde als gevolg van labelverbetering komt de financierbaarheid van de portefeuille ten goede, echter op basis van marktconforme Loan-to-Values kan hierop niet voldoende gefinancierd worden om de investeringen te dekken. De investeringen moeten vooraf (aan de huurstijging en waardestijging) worden gedaan en dus worden voorgefinancierd. Onderzoek naar de financierbaarheid van de investeringen is het vervolg op dit onderzoek. 4. Een langere DCF-termijn geeft de belegger langer de tijd de investeringen terug te verdienen. Dit gaat wel ten koste van de exit yield, omdat de veroudering van de woningen met het jaar toeneemt. Met een break-even-analyse kan de ideale beleggingstermijn bepaald worden. 5. Verdere uitbouwing van het DCF-model op basis van specificaties en details is mogelijk, waardoor enkele eerder genoemde beperkingen wellicht kunnen worden opgelost. Het model gaat daarnaast uit van minimaal label C voor 80% van de portefeuille. Het model kan worden uitgebouwd naar elke willekeurige labelverdeling. 6. Uit eerdere onderzoeken blijkt dat een bewoner bereid kan zijn te betalen voor een woning met een betere energieprestatie (met uiteraard een plafond). Mogelijk kan naast het economisch voordeel een waarde gegeven worden aan het extra wooncomfort, waardoor het huurverhogingsplafond wordt verhoogd. Bewezen is reeds, dat de milieugedachte geen doorslaggevende reden is bij de afweging extra te betalen voor een groenere woning. 7. Onderzoek naar de opbouw van de Energie-Index binnen de bouwperioden zou aanvullend inzicht kunnen geven. Door middel van een paneldata analyse zou de variantie van de EnergieIndex binnen de bouwperioden onderzocht kunnen worden. De steekproef moet echter wel van voldoende omvang zijn om de onderzochte variantie tussen de verschillende bouwperioden te kunnen verklaren. De huidige steekproef van 1.877 woningen met een maximale steekproefomvang van 432 woningen voor de bouwperiode 1946-1964 is hiervoor te klein. 8. Door de woning energetisch te verbeteren klopt feitelijk het bouwjaar niet meer. Hierdoor zou de verklarende kracht van het bouwjaar moeten afnemen. Dit zal overgenomen worden door de Energie-Index. De invloed van de Energie-Index zou kunnen worden onderzocht op basis van een dataset met energetisch verbeterde woningen, waarbij onderscheid wordt gemaakt tussen het bouwjaar en het renovatiejaar.
63
Literatuurlijst Aedes (2014), Woonlastenwaarborg bij energiebesparing. Beschikbaar via: http://www.aedes.nl/content/artikelen/bouwen-en-energie/energie-enduurzaamheid/instrumenten/instrumenten-voor-corporaties--huurgarantie-met-wo.xml. AgentschapNL (2012), Kosteneffectief Verduurzamen Bestaande Woningbouw in Nederland. Houten: BBN Adviseurs. Geraadpleegd via: http://www.rvo.nl/sites/default/files/Kosteneffectief%20verduurzamen%20bestaande%20woningbou w%20in%20Nederland.pdf. Arnhem, P.C. van, Berkhout, T.M. & Have, ten G.G.M. (2013), Taxatieleer Vastgoed 1. Groningen/Houten: Noordhoff Uitgevers. Berkhout, P. en De Wildt, R. (2011), Ontmasker waarde van energielabel. Geraadpleegd via: http://www.rigo.nl/nl-NL/Publicaties/Publicatie/_p/itemID/2519/Ontmasker-de-waarde-van-hetenergielabel.aspx. Blok, S.A. (2013), Integrale visie op de woningmarkt. Verslag van een schriftelijk overleg. Geraadpleegd via: http://www.eerstekamer.nl/behandeling/20130213/brief_regering_afspraken. Bosse, van P.P., Rust, W.N.J. & Salemi, A. (2005), Vastgoed – Rekenen met spreadsheets. Management Producties, Vlaardingen. BouwendNederland.nl, geraadpleegd op 15-03-2015: http://www.bouwendnederland.nl/feiten-encijfers/28724/inputprijsindex-bouwkosten-nieuwbouwwoningen. Bouwfonds Ontwikkeling (2010), NAW Dossier, april 2010, speciale uitgave. Geraadpleegd via: http://www.bpd.nl/media/83735/bpd_consument-en-duurzaamheid_naw_dossier_baat_lr_2.pdf. Brounen, D. & Kok, N. (2011), Het Energielabel op de Koopwoningmarkt. Beschikbaar via: http://www.rijksoverheid.nl/documenten-en-publicaties/rapporten/2011/04/11/het-energielabel-opde-koopwoningmarkt.html. Brounen, D., Kok, N. (2010), On the economics of energy labels in the housing market, Journal of Environmental Economics and Management. University of California, Berkeley: Institute of Business and Economic Research. Buffing, S., Achterveld, W. en Conijn, J. (2015), Handboek Modelmatig Waarderen Marktwaarde. Rotterdam: Ortec Finance.
64
Buijs, A. (2008), Statistiek om mee te werken. Groningen/Houten: Noordhoff Uitgevers. Burgerlijk Wetboek. CBS Statine, geraadpleegd op 15-03-2015: http://statline.cbs.nl/Statweb/publication/?DM=SLNL&PA=80444NED&D1=a&D2=12,77,142,207,27 2,285,298-325&HDR=T&STB=G1&VW=T. CBS Statine, geraadpleegd op 15-03-2015: http://statline.cbs.nl/StatWeb/publication/?VW=T&DM=SLNL&PA=70936NED&D1=0&D2=(l-34)l&HD=081020-1258&HDR=T&STB=G1. CBS Statline, geraadpleegd op 28-4-2015: http://statline.cbs.nl/Statweb/publication/?DM=SLNL&PA=81884NED&D1=0,2&D2=16,186,203,220, 237,254,271,288,305,322-325,327-329,331-333,335-337,340-342&HDR=T&STB=G1&VW=T. CBS Statline, geraadpleegd op 5 februari 2015: http://statline.cbs.nl/StatWeb/publication/?DM=SLNL&PA=70675NED CFV (2011), Doorrekening effecten Regeerakkoord voor de corporatiesector. Geraadpleegd via: http://www.cfvpublicaties.nl/FbContent.ashx/Downloads/2011-Doorrekening-effectenRegeerakkoord-voor-de-corporatiesector.pdf. Dalen, P. van (2015), Kwartaalbericht Woningmarkt: Groei Nederlandse woningmarkt zet door in 2015, Utrecht: Kennis en Economisch Onderzoek (KEO) Rabobank. Geraadpleegd via: https://economie.rabobank.com/publicaties/2015/februari/groei-nederlandse-woningmarkt-zet-doorin-2015/#. Dikke van Dale, geraadpleegd op 1 maart 2015: http://www.vandale.nl/opzoeken?pattern=investeren&lang=nn. http://www.vandale.nl/opzoeken?pattern=beleggen&lang=nn. http://www.vandale.nl/opzoeken?pattern=rendement&lang=nn. Eck, A. van (2008), De ‘willingness to pay’ voor een energiezuinige nieuwbouw woning. Master thesis, Technische Universiteit Delft. Field, A. (2009), Discovering Statistics Using SPSS. Londen, Groot Brittanië, SAGE Publications Ltd. Gerritsen, S. (2009), Schrijfgids voor economen. Bussum: Uitgeverij Coutinho.
65
Gool, P. van, Jager, P., Theebe, M. en Weisz R. (2013), Onroerend goed als belegging. Groningen / Houten: Wolters Noordhoff BV. Het ministerie van Binnenlandse Zaken en Koninkrijksrelaties (2013), Cijfers over Wonen en Bouwen 2013. Den Haag: Rijksoverheid. Beschikbaar via: http://www.rijksoverheid.nl/documentenen-publicaties/rapporten/2013/04/11/cijfers-over-wonen-en-bouwen-2013.html. Huurcommissie (2011), Beleid Huurverhoging na Woningverbetering. Geraadpleegd via: http://www.huurcommissie.nl/uploads/media/Beleid_huurverhoging_na_woningverbetering.pdf IEX.nl, geraadpleegd op 25-4-2015: http://www.iex.nl/Rente-Koers/190118356/Nederland-10jaar.aspx. IPD (2013), Taxatierichtlijnen IPD Nederlandse Vastgoedindex. Almere: IPD BeNeLux. IVBN (2011), Naar een vrije sector huurmarkt. Geraadpleegd via: http://www.ivbn.nl/viewer/file.aspx?FileInfoID=342. Jong, D. de, (2012), Is de markt bereid te betalen voor een energiezuinige woning? Onderzoek naar de waarde van energielabels in relatie tot de kosten van een labelsprong. Master thesis, Universiteit van Amsterdam. Malpezzi, S., Ozanne, L., Thibodeau, T. (1987), Microeconomic Estimates of Housing Depreciation. Land Economics, 1987, Vol. 63, Iss: 4, pp. 372-185. Martens, E. (2012), Energieprestatie en beleggingswaarde. De meerwaarde van energiezuinige huuwoningen voor beleggers. Groningen: RUG. Beschikbaar via: http://builddesk.nl/wpcontent/uploads/2012/09/Definitief_Master_Thesis_Erik_Martens.pdf. Menkveld, M. & Tigchelaar, C. (2013), Achtergronddocument bij doorrekening SER Energieakkoord – sector Gebouwde omgeving. Amsterdam: ECN. Geraadpleegd via: http://www.pbl.nl/sites/default/files/cms/publicaties/E13045.pdf. Min, BiZa e.a. (2015), Huurprijsbeleid voor de periode 1 juli 2015 tot en met 30 juni 2016. Den Haag: Directoraat-Generaal Wonen en Bouwen. Beschikbaar via: http://www.rijksoverheid.nl/documenten-en-publicaties/circulaires/2015/01/26/huurprijsbeleid-voorde-periode-1-juli-2015-tot-en-met-30-juni-2016.html.
66
Min. BiZa e.a. (2011), Huurprijsbeleid voor de periode 1 juli 2011 tot en met 30 juni 2012. Den Haag: Directoraat-Generaal Wonen en Bouwen. Beschikbaar via: http://www.rijksoverheid.nl/documenten-en-publicaties/circulaires/2010/01/25/mg-2010-01.html. Min. BiZa e.a. (2012), Convenant Energiebesparing Huursector. Beschikbaar via: http://www.google.nl/url?url=http://www.rijksoverheid.nl/bestanden/documenten-enpublicaties/convenanten/2012/06/28/convenant-huursector/convenant-huursector.pdf. Min. BiZa e.a. (2012), Koepelconvenant Energiebesparing Gebouwde Omgeving. Beschikbaar via: http://www.rijksoverheid.nl/documenten-en-publicaties/convenanten/2012/06/28/koepelconvenantenergiebesparing-gebouwde-omgeving.html. Min. BiZa e.a. (2013), Parameters huurtoeslag, inkomensgrenzen staatssteun, verkoopregels en inkomensafhankelijke huurverhoging en liberalisatiegrens 2014. Beschikbaar via: http://www.rijksoverheid.nl/documenten-en-publicaties/circulaires/2013/11/19/mg-2013-03parameters-huurtoeslag-inkomensgrenzen-staatssteun-verkoopregels-en-inkomensafhankelijkehuurverhoging-en-liberalisatiegrens-2014.html. Min. BiZa e.a. (2014), Huurprijsbeleid voor de periode 1 juli 2014 tot en met 30 juni 2015. Den Haag: Directoraat-Generaal Wonen en Bouwen. Beschikbaar via: http://www.rijksoverheid.nl/onderwerpen/huurwoning/documenten-enpublicaties/circulaires/2014/01/22/huurprijsbeleid-voor-de-periode-1-juli-2014-tot-en-met-30-juni2015.html. Min. BiZa e.a. (2014), Parameters huurtoeslag, inkomensgrenzen staatssteun, verkoopregels en inkomensafhankelijke huurverhoging en liberalisatiegrens 2015. Beschikbaar via: http://www.rijksoverheid.nl/documenten-en-publicaties/circulaires/2014/11/18/arametershuurtoeslag-inkomensgrenzen-staatssteun-verkoopregels-en-inkomensafhankelijke-huurverhogingen-liberalisatiegrens-2015.html. Ministerie van Binnenlandse Zaken en Koninkrijksrelaties (2013), Wonen in ongewone tijden. De resultaten van het Woononderzoek Nederland 2012. Den Haag: Rijksoverheid. Beschikbaar via: http://www.rijksoverheid.nl/documenten-en-publicaties/rapporten/2013/03/01/wonen-in-ongewonetijden.html.
67
Planbureau voor de Leefomgeving (2013), Het Energieakkoord: wat gaat dat betekenen? Amsterdam: ECN/PBL. Beschikbaar via: http://www.rijksoverheid.nl/documenten-enpublicaties/rapporten/2013/09/01/het-energieakkoord-wat-gaat-het-betekenen.html. RICS (2012), RICS-taxatiestandaarden Nederlandse editie. Coventry, Groot Brittanië: The Royal Institution of Chartered Surveyors. Rijksdienst voor Ondernemend Nederland (2014), Handleiding voor de erkend deskundige energielabel woningbouw. Beschikbaar via: http://www.rvo.nl/sites/default/files/2014/11/RVO%20Handleiding%20erkend%20deskundige_0.pdf. Rijksoverheid, geraadpleegd op 28-4-2015: http://www.rijksoverheid.nl/onderwerpen/huurwoning/verhuurderheffing. Salvi, M., Horejájová, A. & Müri, R. (2008), Minergie macht sich bezahlt. Zürich, CCRS en Zürcher Kantonalbank. Sociaal-Economische Raad (2013), Energieakkoord voor duurzame groei. Den Haag: SER. Beschikbaar via: http://www.energieakkoordser.nl/energieakkoord.aspx. Stevens, J.P. (1984), Outliers and Influential Data Points in Regression Analysis. Cincinnati USA, Psychological Bulletin 1984, Vol. 95, No. 2, 334-344. TiasNibas (2014), Hogere transactieprijs koopwoning dankzij gunstig energielabel. Geraadpleegd via: http://www.tias.edu/kennisgebieden/detail/vastgoed/detail/hogere-transactieprijs-koopwoningdankzij-gunstig-energielabel. Tigchelaar, C. & Leidelmeijer, K. (2013), Energiebesparing: Een samenspel van woning en bewoner – Analyse van de module Energie WoON 2012. Amsterdam: ECN. Beschikbaar via: http://www.rijksoverheid.nl/documenten-en-publicaties/rapporten/2013/12/02/energiebesparing-eensamenspel-van-woning-en-bewoner-analy-se-van-de-module-energie-woon-2012.html. Visser, P., Dam, F. van, (2006), Prijs van de plek. Rotterdam: NAi Uitgevers. Vlek, P.J. e.a. (2009), Investeren in Vastgoed, Grond en Gebieden. Vlaardingen: Management Producties. Woningmarktcijfers.nl, geraadpleegd op 28-4-2015: http://www.woningmarktcijfers.nl/downloads/20150421-PB-q1.pdf.
68
Woonbond (2011), Energielabel onderdeel van het woningwaarderingsstelsel. Geraadpleegd via: http://www.bespaarenergiemetdewoonbond.nl/art/uploads/Informatieblad%20energielabel%20in%2 0het%20WWS%20DEFINITIEF(3).pdf.
Websites: www.aedes.nl www.cbs.nl www.dikkevandale.nl www.energiebesparingsverkenner.nl www.energielabel.nl/woningen www.isso.nl www.rijksoverheid.nl www.rvo.nl
69
Bijlage 1:
Logboek dataselectie
Actie
Variabelen
Beschrijving (variabelen)
1
Alle
Start data-analyse met 1.112 variabelen
Verantwoording14
Keuze 54 variabelen
Op basis van de eerste selectie zijn de volgende variabelen uit de dataselectie verwijderd: -
de opnamevariabelen (de variabelen die middels woningopname conform de ISSO 82.1 methode doorrekenen in de Energie Index). Deze variabelen zijn samengevat in de uiteindelijke doorrekening / uitkomst van de Energie-Index. Deze variabelen zijn verklarende variabelen van de Energie-Index en voor het onderzoek niet relevant.
-
de variabelen betreffende de persoonlijke gegevens van de bewoners. Deze gegevens hebben geen invloed op de energetische waarde van de woning noch zijn ze relevant voor dit onderzoek.
Van de 1.112 variabelen resteren na eerst selectie 54 variabelen. • Dataselectie 1 2
3
54 variabelen
54 variabelen betreffende:
13 categorieën
De 54 verschillende resterende variabelen zijn onderverdeeld in
1.
RESPNR
13 categorieën.
2.
Eigendom
Aangezien de eerste categorie RESPNR alleen dient ter
3.
Energie_Index / label
identificatie van de onderzoeksresultaten per woning is hier
4.
Oppervlakte
geen verdere data-analyse op gedaan.
5.
Kale huur per maand
• Dataselectie 2
6.
Bouwjaar
7.
Type woning
8.
Aantal kamers
9.
Aanwezigheid bad
10.
Gemeente / provincie stedelijkheid
11.
Bedrijfsruimte
12.
Huurpunten
13.
WOZ waarden
eigendom
Eigendom van de huidige woning
Eigendom
Voor het onderzoek zijn alleen de huurwoningen van belang.
huko
huurder of koper
-
Een nadere selectie hierop wordt uitgevoerd middels de
hukowo
HUKO obv WO bestand
-
volgende stappen:
HUKO3WO
Eigendom WO
-
1.
verhwie
Verhuurder
-
dhuko3
VLAGVARIABELEN Huko3
-
De uitkomsten van de variabelen hukowo en HUKO3WO zijn gelijk, derhalve wordt de variabele HUKO3WO verwijderd.
2.
Voor de variabelen eigendom, huko en hukowo geldt dat de antwoordcode 1 koopwoningen betreft. De respondentuitkomsten met waarde 1 op eigendom, huko en hukowo zijn daartoe uit de selectie verwijderd (in totaal 2.784 koopwoningen).
3.
14
Ter controle is bekeken of voor de als koop gemarkeerde
In de verantwoording zijn de namen van de variabelen schuingedrukt opgenomen.
70
Actie
Variabelen
Beschrijving (variabelen)
Verantwoording14
Keuze
woningen ook daadwerkelijk geen huur wordt ontvangen. 4.
Aangezien de koopwoningen zijn verwijderd uit de dataselectie kan de variabele huko (1. koop of 2. Huur) tevens worden verwijderd uit de dataselectie.
5.
Een vergelijking tussen eigendom (resultaat uit WoON Energiemodule) en hukowo (resultaat uit WoON) geeft middels de vlagvariabele dhuko3 204 verschillen. Deze verschillen zijn geanalyseerd: -
In 22 situaties geeft het eigendom huur corporatie aan en de hukowo koop. In al deze situaties wordt wel huur ontvangen, waardoor deze worden behouden.
-
In 93 situaties geeft het eigendom huur particulier aan en de hukowo koop. In twee gevallen wordt geen huur ontvangen. Deze twee gevallen zijn uit de dataselectie verwijderd.
-
In 96 situaties geeft het eigendom huur corporatie aan en de hukowo huur particulier. In één situatie wordt tevens geen huur gerekend. Deze is verwijderd uit de dataselectie. Voor de overige situaties geldt de kwalificatie huurwoning.
-
In 114 situaties geeft het eigendom huur particulier en de hukowo huur corporatie. In twee situaties wordt tevens geen huur gerekend. Deze zijn verwijderd uit de dataselectie. Voor de overige situaties geldt de kwalificatie huurwoning.
6.
Door de vergelijking tussen eigendom en hukowo door middel van de vlagvariabelen kunnen de variabelen hukowo en dhuko3 uit de dataselectie worden verwijderd.
7.
Wie deze woningen verhuurt is geen factor van invloed op het onderzoek (variabele verhwie is derhalve uit de selectie verwijderd).
• Dataselectie 3 4
bhuuii
Basishuur huidige woning, inclusief HT
bhuurii
Uit een analyse van de uitkomsten onder bhuurii blijkt, dat in drie gevallen geen huur wordt gerekend. Deze drie gevallen zijn uit de dataselectie verwijderd. • Dataselectie 4
5
ei_wo
Energie index
-
In het databestand van het WoON Energiemodule staan twee
EI
Energie Index conform actuele definitie ISSO
EI
variabelen betreffende de Energie Index: ei_wo en EI. De ei_wo
Label
Label conform actuele definitie ISSO
Label
is de Energie Index zoals opgenomen in het WoON. Voor de EI is in het WoON Energiemodule de Energie Index vastgesteld conform het opnameprotocol van het Kennisinstituut voor de installatiesector. Een analyse van de verschillen geeft de volgende uitkomsten: -
De gemiddelde Energie Index onder ei_wo is 1,99.
71
Actie
Variabelen
Beschrijving (variabelen)
Verantwoording14
Keuze -
De gemiddelde Energie Index onder EI is 1,91.
-
Het gemiddeld label van de ei_wo en EI is D.
-
De labels komen in 807 van de 1.999 gevallen niet overeen.
-
Het verschil is dat de labels onder EI gemiddeld 1 label hoger ligt dan de labels bij ei_wo.
Er is gekozen voor het hanteren van de EI methode voor dit onderzoek om de volgende redenen: -
Het DGMR heeft in opdracht van BZK/DGWB per woning meerdere begrippen met betrekking tot theoretisch energieverbruik, de Energie Index en het energielabel berekend volgens de meest actuele (ISSO) normen. Het betreft hier een beproefde methode van het vaststellen van de Energie Index.
-
Voor de uitkomsten van EI in de onderzoeksresultaten wel een bijbehorend Label opgenomen en voor de uitkomsten van ei_wo niet.
-
Het WoON Energiemodule heeft later plaatsgevonden. In de tijd tussen het WoON en het WoON Energiemodule kunnen wellicht energetische verbeteringen hebben plaatsgevonden aan de woningen, waardoor deze uitkomsten gemiddeld één label hoger liggen.
De uitkomsten van ei_wo zijn uit de dataselectie verwijderd. • Dataselectie 5 6
opptbin
Totale woonoppervlakte
-
Voor de woonoppervlakte zijn in de onderzoeksresultaten twee
oppBAG
Oppervlakte volgens BAG
opptBAG
variabelen opgenomen. De opptbin is de totale woonoppervlakte volgens opgave van de bewoner. De oppBAG betreft de oppervlakte geregistreerd in de Basisregistratie Adressen en Gebouwen (BAG) van de Overheid. Een analyse van de verschillen geeft de volgende uitkomsten: -
De gemiddelde oppervlakte van opptbin is 84,1.
-
De gemiddelde oppervlakte van oppBAG is 94,3.
Voor dit onderzoek is ervoor gekozen de variabele oppBAG te hanteren om de volgende redenen: -
De BAG bevat gemeentelijke basisgegevens van alle adressen en gebouwen in een gemeente. Kopieën van al deze gegevens zijn verzameld in een Landelijke Voorziening (BAG LV).
-
De Nederlandse Overheid baseert zich op het BAG.
-
Het DGMR heeft in opdracht van BZK/DGWB per woning en de oppervlakte volgens de BAG opgenomen in de onderzoeksresultaten.
-
De oppervlakte volgens opgave van de bewoner kunnen schattingen van de bewoner zelf betreffen.
De uitkomsten van opptbin zijn uit de dataselectie verwijderd.
72
Actie
Variabelen
Beschrijving (variabelen)
Verantwoording14
Keuze
Onder de uitkomsten van oppBAG bevinden zich 41 Missing Values (0,02%). Voor deze waarden is de opgave van de bewoner overgenomen. • Dataselectie 6 7
bjaar
Bouwjaar conform WoON 2012
-
In de onderzoeksresultaten zijn diverse variabelen aanwezig
bjrwon
Bouwperiode conform WoON 2012
bjrwon
voor het bouwjaar: bjaar, bouwjaar en bjBAG. De eerste twee
bouwjaar
Bouwjaar conform WoON Energiemodule 2012
-
variabelen zijn conform opgave van de bewoner. De bjBAG
bwjrbron
Bouwjaar bron conform WoON Energiemodule 2012
betreft het bouwjaar zoals geregistreerd in de Basisregistratie -
Adressen en Gebouwen van de overheid. Deze zijn, door het
bwjrkwo
Bouwjaarklasse obv WoON 2012 bestand
bjbag
Bouwjaar volgens BAG
-
DGMR in opdracht van BZK/DGWB, aan het einde van het onderzoek toegevoegd aan de onderzoeksresultaten.
dbjaark
VLAGVARIABELEN Bouwjaar
-
1.
Wat opvalt is dat de waarden bij de drie verschillende
Bouwjaar
variabelen behoorlijk van elkaar afwijken.
(nieuw)
-
Een vergelijking tussen bouwjaar (resultaat uit WoON Energiemodule) en bjaar (resultaat uit WoON) geeft middels de vlagvariabele dbjaark 473 verschillen.
-
Een vergelijking tussen bouwjaar (resultaat uit WoON Energiemodule) en bjBAG geeft 1.010 verschillen. In 1.477 van de 1.999 woningen is het verschil maximaal 2 jaar. Dit kan worden verklaard door de bouwtijd vs. oplevering.
-
Een vergelijking tussen bjaar (resultaat uit WoON) en bjBAG geeft 1.613 verschillen. Omdat in deze categorie de grootste verschillen naar voren komen en de data uit WoON 2012 ouder zijn dan uit WoON Energiemodule 2012 is ervoor gekozen om de variabele bjaar te verwijderen uit de dataselectie. Hiermee is ook de vlagvariabele dbjaark overbodig geworden.
2.
Verder valt op dat in de resultaten uit de Basisregistratie Adressen en Gebouwen 41 Missing Values naar voren komen. Voor deze Missing Values zijn de waarden van de variabele bouwjaar overgenomen. Tevens staan er in de resultaten van bjBAG 14 zeer afwijkende waarden, te weten 1005 tot en met 1774. Deze waarden wijken ver af van de waarden onder de variabele bouwjaar. Omdat deze waarden allen in dezelfde bouwjaarklasse (<1945) vallen, zijn hier tevens de waarden van de variabele bouwjaar opgenomen.
3.
Het bouwjaar is in de onderzoeksresultaten verder op een ordinale schaal onderverdeeld in bouwjaarklassen. De aangehouden bouwjaarklassen wijken echter af van de bouwjaarklassen zoals gebruikt bij de per 01-01-2015 geïntroduceerde “nieuwe procedure” voor het vaststellen
73
Actie
Variabelen
Beschrijving (variabelen)
Verantwoording14
Keuze
van een voorlopig energielabel en de door de overheid aangehouden algemene woningkenmerken om de woning te identificeren. Om altijd de vergelijking te kunnen maken zijn voor deze analyse de bouwjaarklassen aangepast naar de “nieuwe bouwjaarklassen” en opnieuw ingedeeld. Hierbij is de klasse 2006-2013 aangepast naar 2006 of later en de categorie 2014 t/m heden is verwijderd, aangezien het onderzoek in 2012 heeft plaatsgevonden. De nieuwe indeling is gemaakt voor zowel de variabele bouwjaar als voor bjBAG. Door deze aanpassing kan de variabele bwjrkwo worden verwijderd uit de dataselectie. 4.
Aansluitend zijn de variabelen bouwjaar en bjBAG met elkaar vergeleken. Dit leidt tot 955 verschillen. Op basis van de bouwjaarklassen zijn dit er 262.
5.
De RVO heeft op basis van 180 referentiesituaties een indeling gemaakt van energielabels, waarbij bouwjaarklasse en woningtype worden vergeleken. Voor de 262 verschillen in bouwjaarklasse is (op basis van het woningtype) een vergelijking gemaakt tussen het energielabel in de onderzoeksresultaten en het energielabel conform de tabel van de RVO. -
Voor de gevallen waarin het label uit de onderzoeksresultaten van bjBAG overeenkomt met het label conform de RVO zijn deze bouwjaren overgenomen (29 gevallen).
-
Voor de gevallen waarin het label uit de onderzoeksresultaten van bouwjaar overeenkomt met het label conform de RVO zijn deze bouwjaren overgenomen (55 gevallen).
-
Voor de overige 149 gevallen is het bouwjaar gekozen op basis van het kleinste verschil tussen de labels, waarbij bij een gelijk verschil is gekozen voor de uitkomsten van bjBAG (115 gevallen bjBAG en 63 gevallen bouwjaar).
6.
De bron van de opgegeven bouwjaren bestaat voor 55% uit de gegevens uit de Basisregistratie Adressen en Gebouwen. De bron van de overige uitkomsten is niet relevant voor onderhavig onderzoek. De variabele bwjrbron is dan ook verwijderd uit de dataselectie.
• Dataselectie 7 8
vormwo
Type woning
vormwo
vorm_mg2
Type meergezinswoning
vorm_mg2
1.
De variabelen vormwo (WoON 2012 Energiemodule en vorm (WoON 2012) hebben dezelfde
vorm_eg5
Type eengezinswoning
vorm_eg5
antwoordmogelijkheden. De twee variabelen kennen op
type31
woningtype module Energie (31 klassen)
-
basis van de vlagvariabele dvorm 58 verschillen. In 34
type30wo
woningtype module Energie (30 klassen) obv WO
-
gevallen wordt de meergezinswoning later bestempeld als
74
Actie
Variabelen
Beschrijving (variabelen)
Verantwoording14
Keuze
bestand
eengezinswoning en in 24 gevallen andersom. Een
soortwon
Type woning functioneel
-
verdere onderverdeling in soort woning is gegeven met de
vorm
een-/meergezins huidige woning (2 klassen)
-
variabelen vorm_eg5 en vorm_mg2 voor de antwoorden
typwon
een-/meergezins en type eengezins (6 klassen)
-
onder vormwo en met soortwon en typwon voor de
dvorm
VLAGVARIABELEN Vorm
-
variabele vorm. De variabelen vorm_eg5 zijn goed te
dtype30
VLAGVARIABELEN Type30
-
vergelijken met de variabelen onder typwon, waarvan keuze 6 etagewoning in beperkte mate te vergelijken is met vorm-mg2. Aangezien bij beide onderverdelingen in type woning de keuze overeenkomt met de gemaakte keuze tussen eengezins- of meergezinswoning is geen verificatie van de 58 verschillen mogelijk. Voor het onderzoek wordt ervoor gekozen de meest recente informatie vormwo, vorm_eg5 en vorm_mg2 aan te houden. Hierdoor zijn de variabelen vorm, soortwon en typwon alsmede de vlagvariabele dvorm uit de dataselectie verwijderd. 2.
In de onderzoeksresultaten zijn tevens twee dezelfde variabelen voor de keuzemogelijkheden combinatie eigenaar – bouwjaarklasse: type31 en type30wo. Type31 (gebaseerd op het WoON 2012 Energiemodule) heeft tevens keuze nr. 31: niet woning (deze komt echter niet voor). Type30wo is gebaseerd op het WoON 2012 bestand en betreft dus oudere informatie dan type31. Vergelijking van de twee variabelen geeft 638 verschillen aangegeven middels de vlagvariabele dtype30. Beide onderzoeksresultaten zijn vergeleken met de eerder bepaalde variabele eigenaar. Type31 blijkt volledig aan te sluiten bij de onderverdeling sociale huur en particuliere huur. Bij type30wo komen in de resultaten 199 verschillen met de eigendomssituatie voor, waaronder 40 gevallen van koop. Voor onderhavig onderzoek is er dan ook voor gekozen type30wo uit de dataselectie te verwijderen. Hiermee komt tevens de vlagvariabele dtype30 te vervallen.
3.
In 479 gevallen komt het bouwjaar niet overeen met de bouwjaarklasse onder type31. Aangezien het type woning, de eigenaar, het bouwjaar en de bouwjaarklasse reeds gedefinieerd zijn, lijkt het samenvoegen hiervan in type31 overbodig. Er is dan ook voor gekozen deze variabele eveneens te verwijderen uit de dataselectie.
• Dataselectie 8 9
kamers
Aantal kamers
Het aantal kamers is gedefinieerd in twee verschillende
vormkam
een-/meergezins en aantal kamers huidige woning
variabelen, beide resultaat van het WoON 2012. In de variabele
(5 klassen)
kamers zijn het aantal kamers opgenomen (ratio). De variabele vormkam geeft een nominale schaal met de combinatie
75
Actie
Variabelen
Beschrijving (variabelen)
Verantwoording14
Keuze
eengezins- of meergezinswoning en een klasse in aantal kamers. Eerst is het type woning vergeleken met de variabele vormwo, waaruit blijkt dat in 58 gevallen het type van de woning niet overeenkomt met de typeindeling onder de variabele vormwo. De indeling van het aantal kamers is verdeeld over 1-3 of 4 en meer. Deze indeling is onvoldoende specifiek voor dit onderzoek. Aangezien reeds variabelen aanwezig zijn voor type woning vormwo en voor het aantal kamers is ervoor gekozen de variabele vormkam uit de dataselectie te verwijderen. • Dataselectie 9 10
tapbad
Bad aanwezig
tapbad
Voor de aanwezigheid van een bad in de woning zijn twee
BADAANW
Ligbad in de woning aanwezig
-
variabelen opgenomen in de onderzoeksresultaten. Ondanks dat beide onderzoeksresultaten verkregen zijn in hetzelfde onderzoek (WoON 2012 Energiemodule) laten de uitkomsten 46 verschillen zien. De variabele BADAANW is conform opgave van de bewoners en de resultaten onder variabele tapbad zijn het resultaat van de woningopname conform de ISSO methode. In 25 gevallen is er geen bad aanwezig volgens de woningopname en in 21 gevallen geen bad conform opgave van de bewoner. Aangezien de bepaling van de aanwezigheid van een bad door officiële woningopname conform ISSO-normering heeft plaatsgevonden is ervoor gekozen deze onderzoeksresultaten te hanteren voor onderhavig onderzoek. • Dataselectie 10
11
gemce
Gemeentecode energiemodule
-
Het eindbestand is aangevuld met gebiedsinformatie op hogere
prove
Provincie energiemodule
prove
niveaus, gebaseerd op het adres (postcode) waar de
schaarse
Schaarstegebied energiemodule
schaarse
woningopname uiteindelijk heeft plaatsgevonden. Dit heeft
gemgre
Gemeentegrootte energiemodule
gemgre
ertoe geleid dat voor de ligging van de woningen in totaal 12
gemcode
GEMCODE basismodule
-
verschillende variabelen zijn opgenomen. De variabelen
corop
COROP basismodule
-
gemcode, corop, prov, sg, stedgem, ggk8 en g4_3 zijn voor de
prov
PROV basismodule
-
verschillende woningen overgenomen uit het WoON 2012. Om
sg
SG basismodule
-
te kunnen segmenteren in homogene groepen zijn een aantal
stedgem
STEDGEM basismodule
-
variabelen niet geschikt voor het onderzoek: gemce, gemcode,
ggk8
GGK8 basismodule
-
corop en sg (te specifiek) en g4_3 (te weinig specifiek).
g4_3
G4 basismodule
-
Een aantal variabelen meten hetzelfde:
hwmbrt
Huidige woonmilieu op buurt niveau
hwmbrt
1.
De variabelen prov (WoON 2012) en prove (WoON 2012 Energiemodule) betreffen dezelfde keuzemogelijkheden, waarbij prov tevens de mogelijkheid heeft voor het invullen van onbekend. Dit komt echter niet voor. Een vergelijking van de twee variabelen geeft echter 8 verschillen. In 3 gevallen (0,15%) betreft het ook geen aangrenzende provincies. De meest recente onderzoeksresultaten prove worden behouden. De
76
Actie
Variabelen
Beschrijving (variabelen)
Verantwoording14
Keuze
variabele prov wordt daarmee uit de dataselectie verwijderd. 2.
De variabelen gemgre (WoON 2012 Energiemodule) een ggk8 (WoON 2012) meten beide de gemeentegrootte. Een vergelijking laat 1.023 verschillen zien, waarvan het in 895 gevallen slechts verschil in één categorie zit. Door het tijdsverschil tussen de verschillende onderzoeken kan een wijziging in categorie plaatsvinden. De resultaten onder de meest recente variabele gemgre worden aangehouden en de variabele ggk8 wordt uit de dataselectie verwijderd.
3.
De variabelen hwmbrt en stedgem zijn tevens met elkaar te vergelijken. Beide geven de mate van stedelijkheid aan van de locatie, echter in andere bewoordingen. Ook onder deze variabelen zitten veel verschillen. Ten aanzien van de locatie is tot nu toe gekozen voor het aanhouden van de meest recente gegevens. De variabele hwmbrt zijn worden behouden en de variabele stedgem wordt uit de dataselectie verwijderd.
• Dataselectie 11 12
HUKO3BE
Eigendom BE
-
BEDRRUIM
Afzonderlijke bedrijfsruimte aanwezig in of bij uw
-
1.
Onder de variabele HUKO3BE (WoON 2012) worden 40 koopwoningen vermeld, echter voor deze woningen wordt
woning
huur ontvangen. De woningen worden dan ook behouden voor de analyse. De variabele wordt dan ook uit de dataselectie verwijderd. 2.
De variabele BEDRRUIM geeft aan, dat er in 43 gevallen afzonderlijke bedrijfsruimte aanwezig is. Een vergelijking met de oppervlakten van de woningen en de huur per maand geeft een aantal afwijkende huren en oppervlakten. Er kan echter niet achterhaald worden of door de respondent de huur en de oppervlakte voor de bedrijfsruimte zijn meegenomen in de variabelen bhuurii en oppBAG. Om de analyse zuiver op de woningen te houden is er dan ook voor gekozen alle 43 gevallen van bedrijfsruimten uit de dataselectie te verwijderen. Hierdoor kan ook de variabele BEDRRUIM uit de dataselectie worden verwijderd.
• Dataselectie 12 13
huurpnt_
Geimputeerde huurpunten
huurpnt_
In dataselectie 12 zijn tevens opgenomen de huurpunten en de
wozwaard
WOZ waarde (registratie peildatum 1 januari 2011)
wozwaard
WOZ waarde van de woningen. Het betreffen geen verklarende variabelen. Er zal dan ook geen analyse plaatsvinden op basis van deze variabelen. Het betreffen alleen variabelen ter beschrijving van de woningen. • Dataselectie 12
Tabel B.1.1: Dataselectie, Bron: eigen bewerking, 2015
77
Uit de eerste dataselectie komen onderstaande inputvariabelen voor de regressieanalyse: Variabele
Code
Omschrijving
Type variabele
Kenmerk
Afhankelijke variabele:
-
-
-
-
De kale huurprijs
bhuurii
Basishuur huidige woning, inclusief HT
Ratio
-
Onafhankelijke variabelen:
-
-
-
-
De Energie_Index
EI
Energie Index conform actuele definitie ISSO
Ratio
-
Label
Label
Label conform actuele definitie ISSO
Ordinaal
-
De oppervlakte van de woning
opptBAG
Oppervlakte volgens BAG
Ratio
Woningkenmerk
Het bouwjaar
Bouwjaar
Bouwjaar
Ratio
Woningkenmerk
(nieuw) De bouwperiode
bjrwon
Bouwperiode
Nominaal
Het aantal kamers
Kamers
Aantal kamers
Nominaal
Woningkenmerk
Het woningtype
Vormwo
Type woning, onderverdeeld in:
Nominaal
Woningkenmerk
vorm_mg2
Type meergezinswoning
vorm_eg5
Type eengezinswoning
Aanwezigheid van een bad
tapbad
Bad aanwezig
Nominaal
Woningkenmerk
De provincie
prove
Provincie energiemodule
Nominaal
Omgevingskenmerk
Mogelijk schaarstegebied
schaarse
Schaarstegebied energiemodule
Nominaal
Omgevingskenmerk
De stedelijkheid
hwmbrt
Huidige woonmilieu op buurt niveau
Nominaal
Omgevingskenmerk
De bevolkingsdichtheid
gemgre
Gemeentegrootte energiemodule
Nominaal
Omgevingskenmerk
Beschrijvende variabelen:
-
-
-
-
Respondentnummer
RESPNR
Respondentnummer
Nominaal
-
Eigendom van de woning
Eigendom
Eigendom van de huidige woning
Nominaal
-
Aantal huurpunten
huurpnt_
Geimputeerde huurpunten
Nominaal
-
WOZ waarde
wozwaard
WOZ waarde (registratie peildatum 1-1-2011)
Nominaal
-
Tabel B.1.2: Samenvatting variabelen dataselectie, Bron: eigen bewerking, 2015
Op basis van deze variabelen is een verdere verfijning gemaakt: -
De kale huurprijs per maand (bhuurii) wordt opgenomen als kale huurprijs per m² per maand om een verdere specificatie te maken.
-
De Energie-index (EI) en het Label (Label) geven beide hetzelfde weer, waarbij de Energieindex gespecificeerder is, waarvoor dan ook is gekozen.
-
Van het woningtype is het voor het onderzoek tot op heden alleen van belang om het onderscheid te maken tussen eengezinswoningen en meergezinswoningen. Een verdere onderverdeling naar type woning kan mogelijk onderwerp zijn voor aanvullend onderzoek.
-
Voor de locatie zijn vier variabelen opgenomen: provincie (prove), mogelijk schaarstegebied (schaarse), bevolkingsdichtheid (gemgre) en stedelijkheid (hmwbrt). Aangezien geen onderzoek wordt gedaan naar onderscheid tussen provincies of gebieden is gekozen voor de laatste variabele stedelijkheid.
De definitieve variabelen voor het regressieonderzoek zijn opgenomen in tabel 3.2, p. 29.
78
Bijlage 2:
Inputvariabelen DCF-model
Waarderingsmethode Indien de DCF-methode wordt gehanteerd, dient aangegeven te worden of de waardering is verricht middels het uitpondscenario of het doorexploitatiescenario (IPD, 2013). Het betreft hier een onderzoek onder particuliere woningbeleggers, die hun verdienmodel hebben gebaseerd op het uitpondmodel. De waardering van de portefeuilles is dan ook op basis van het uitpondscenario.
DCF-periode De DCF-periode is de beschouwde periode waarvoor de jaarlijkse kasstromen worden gegeven. Conform de IPD taxatierichtlijnen is de beschouwingsperiode minimaal 10 jaar. Voor dit onderzoek wordt gekozen voor een beschouwingsperiode van 10 jaar, omdat de variabelen voor een (nog) lange(re) periode (nog) moeilijk(er) in te schatten zijn. Inkomsten De inkomsten voor een particuliere woningbelegger bestaan uit de huurinkomsten en de verkoopopbrengsten bij complexgewijze verkoop (uitponden).
Huurinkomsten Het DCF-model voor commercieel onroerend goed rekent met de brutomarkthuurwaarde. Dit is de maximaal mogelijke jaarhuur voor het gehele object op de peildatum (IPD, 2013). Huurconsessies
15
worden hierop niet in mindering gebracht, maar worden apart in de kasstromen opgenomen. Het in dit onderzoek opgenomen DCF-model zal dienen voor het waarderen van woningen van particuliere woningbeleggers, waarvoor de brutomarkthuurwaarde niet zal worden gebruikt. Voor de geanalyseerde woningportefeuilles geldt namelijk, dat bij leegkomst van de woningen geen wederverhuur plaatsvindt, maar verkoop van de woning conform het uitpondscenario. Bij leegkomst wordt de huur dus niet opgetrokken naar actuele markthuurwaarde. Daardoor is huidige contracthuur gelijk aan de markthuurwaarde. Dit wordt tevens bevestigd, doordat de woning ook niet tussendoor aan iemand anders kan worden verhuurd tegen een marktconforme huur. Voor het model in dit onderzoek geldt dan ook: Huidige contractuur (jaar 1) = markthuurwaarde (jaar 1) = theoretische jaarhuur (jaar 1) 15
Onder ander huurvrijeperioden, incentives, bijdragen voor inrichting
79
Ten aanzien van de huurinkomsten zijn tevens een aantal aannames gedaan: -
De huurpremie als gevolg van het huidige (voorlopige) energielabel is bij sociale huurwoningen reeds middels huurpunten in de huur verwerkt.
-
De huurpremie als gevolg van het huidige (voorlopige) energielabel is bij geliberaliseerde huurwoningen reeds in de huur verwerkt.
-
Gezien de schaarste op de woningmarkt en het grote aandeel sociale huurwoningen zijn huurconcessies niet gewoon. Deze worden dan ook buiten beschouwing gelaten.
-
Vanwege het gelijkstellen van de contracthuur aan de markthuur is geen sprake van huurverschillen, die contant gemaakt dienen te worden gemaakt in het DCF-model.
Verkoopopbrengsten bij complexgewijze verkoop (uitponden) De onderhandse verkoopwaarde vrij van huur en gebruik van de individuele woningen (leegwaarde) zou in theorie de opbrengst bij individuele verkoop kunnen zijn (IPD, 2013). Van 1.425 woningen (35,4%) in de database is een leegwaarde per woning bekend (peildatum: diverse data in 2014). Deze leegwaarden zijn door verschillende gerenommeerde RICS gecertificeerde taxateurs berekend conform de IPD taxatierichtlijnen. Deze waarden worden als input genomen voor de onderhandse verkoopwaarde vrij van huur en gebruik. Op basis van deze 1.425 getaxeerde woningen is een gemiddeld BAR berekend. Dit BAR is 6,68%. De marktwaarde in verhuurde staat van de niet getaxeerde woningen is bepaald op basis van dit BAR. Middels de gemiddelde leegwaarderatio over 1.425 woningen van 75,3% is ook de leegwaarde berekend voor de niet getaxeerde woningen. Een kanttekening bij de gehanteerde leegwaarden is dat deze tevens zijn vastgesteld middels de DCF-methoden en dus onderhavig zijn aan eerder gedane aannames. Om de leegwaarden te verifiëren zijn verkoopopbrengsten over de afgelopen maanden vergeleken met de door taxateurs bepaalde leegwaarden. Hieruit blijkt dat deze goed overeenkomen.
Waardebelemmerende factoren Indien er sprake is van verkoopbelemmerende maatregelen kan voor deze woningen geen individuele verkoop worden meegenomen en is het doorexploitatiescenario van toepassing (IPD, 2013). Voor deze woningen dient dan ook de marktwaarde in verhuurde staat gehanteerd te worden. Op basis van de leegwaarderatio en de onderhandse verkoopwaarde vrij van huur en gebruik kan deze marktwaarde in verhuurde staat worden berekend.
80
Bij uitpondbelemmerende factoren voor een woningcomplex kan gedacht worden aan een antispeculatiebeding van de vorige eigenaar, een ongesplitst (erfpacht) perceel of verhuur van het woningcomplex als één geheel aan één huurder. De verschillende particuliere woningbeleggers is gevraagd om verkoopbelemmerende factoren te specificeren in de huurgegevens. In de verschillende uitpondportefeuilles zijn vrijwel geen verkoopbelemmerende factoren aanwezig.
Leegstand Voor leegstand geldt een bijzondere richtlijn. Bij DCF-taxaties dient leegstand namelijk bij de inkomsten opgenomen te worden, en niet bij de exploitatiekosten (IPD, 2013). Er zijn verschillende typen leegstand (structurele leegstand, mutatieleegstand, aanloopleegstand). Om de leegstand in een portefeuille te meten is de bezettingsgraad van de portefeuille een goede benadering. Op de bezettingsgraad wordt teruggekomen in de aannames. Uitgaven Exploitatiekosten Volgens de IPD Taxatierichtlijnen (2013) bestaan de exploitatiekosten uit: Exploitatielasten Onderhoudskosten
Verzekeringskosten
Marketing en promotiekosten
Beheerkosten
Overige kosten
Verkoopcourtages
OZB (eigenaar deel)
Erfpachtcanon
Verhuurcourtages
Waterschapsbelasting
Mutatiekosten
VVE administratiekosten
Rioolrecht
Servicekosten leegstand voor rekening eigenaar
BTW-verlies
Tabel B.2.1: Onderverdeling exploitatielasten, Bron: IPD, 2013 / eigen bewerking, 2015
De taxateur dient een eigen inschatting te maken van marktconforme exploitatielasten. Bij de DCFmethode worden de geprognosticeerde exploitatiekosten berekend als percentage van de geprognosticeerde huurinkomsten over de verwachte beschouwingsperiode. Exploitatiekosten als % theoretische huur = (Exp / H) x 100%
Waarbij: Exp = Totale exploitatiekosten exclusief erfpachtcanon H = Totaal theoretische jaarhuur
81
Op basis van beschikbare woningtaxaties van 1.425 woningen is een overzicht verkregen van de exploitatielasten van deze woningen. Een gemiddelde van deze exploitatielasten is opgenomen in het DCF-model. Voor de exploitatiekosten geldt, dat het van belang is om onderscheid te maken tussen exploitatielasten voor eengezinswoningen en meergezinswoningen. Bij meergezinswoningen is sprake van een VVE, waarvoor jaarlijks een VVE-bijdage wordt betaald. In deze bijdrage zit meestal reeds een reservering voor groot onderhoud. De exploitatielasten voor meergezinswoningen liggen volgens opgave van diverse woningbeleggers tussen de 25% en 30%. Voor eengezinswoningen liggen de exploitatielasten gemiddeld tussen 15% en 20%. Deze exploitatiekosten zijn inclusief VVE-bijdragen (10%), zakelijke lasten (5%), regulier onderhoud (6,5%) en overigen (7%), waaronder de verhuurderheffing. Op basis van de taxaties liggen de exploitatielasten voor eengezinswoningen op 18,11% en voor meergezinswoningen op 28,11%. Modelaannames Inflatie Inflatie is de stijging van het prijspeil (ook wel geldontwaarding genoemd). Conform de taxatierichtlijnen van het IPD (2013) moet het inflatiescenario verwerkt worden in de DCF-modellen. Het betreft hier (bij voorkeur) het flexibel inflatie scenario (en niet het gemiddeld inflatiescenario). 16
Het inflatiescenario wordt gepubliceerd door Consensus Forecast . Er dient te worden opgemerkt dat de gepubliceerde inflatiecijfers een half jaar achterlopen op de publicatiedatum van IPD. Inflatiescenario 2015
2016
2017
2018
2019
2020-2024
1,3%
1,9%
1,9%
2,0%
1,6%
2,1%
Tabel B.2.2: Inflatiescenario 2015-2024, Bron: Consensus Forecast, april 2014 / eigen bewerking, 2015
Bij huurverhoging van woningen en indexering van onderhoudskosten en exploitatiekosten mogen andere percentages gebruikt worden (markthuurontwikkeling, bouwkostenindex) (IPD, 2013). De Nederlandse huurwoningmarkt bestaat echter voor een groot gedeelte uit sociale huurwoningen, waarbij het inflatiescenario de basis is voor het basishuurverhogingspercentage.
16
Consensus Economics, opgericht in 1989, is de grootste internationale economische enquête organisatie van de wereld.
82
Groei leegwaarde In het DCF-model dient een aanname te worden gedaan voor de waardegroei van de (niet verkochte) woningen. Conform de IPD richtlijnen (2013) gaat het hier om de toename voor de gehele periode en niet op jaarbasis. Aangezien het hier een uitpondscenario betreft, wordt de waardegroei doorgerekend naar het moment van verkoop. De groeiverwachting voor de eindwaarde is meegenomen in de exit yield.
De afgelopen 10 jaar hebben de woningprijzen zich als volgt ontwikkeld: 6 4 2 0 -2 -4
Ontwikkeling t.o.v. een jaar eerder
-6 -8
2015 maart 2015 februari 2015 januari 2014 december 2014 november 2014 oktober 2014 september 2014 augustus 2014 juli 2014 juni 2014 mei 2014 april 2014 maart 2014 februari 2014 januari 2013 2012 2011 2010 2009 2008 2007 2006 2005 Figuur B.2.1: Ontwikkeling huizenprijzen 2005-2015, Bron: CBS, 2015 / eigen bewerking, 2015
In het eerste kwartaal 2015 worden meer transacties en een licht stijgende gemiddelde koopsom geregistreerd (CBS, 2015). Het eerste kwartaal telt 34.527 woningtransacties. Dit is ten opzichte van het eerste kwartaal van 2014 een stijging van 19,2% en daarmee het beste kwartaal sinds 2009 (Woningmarktcijfers, 2015). In vergelijking met het eerste kwartaal van 2014 is de gemiddelde koopsom toegenomen met 2,7% tot € 221.600 (CBS, 2015). Ten opzichte van het derde en vierde kwartaal van 2014 is echter sprake van een lichte daling. Sinds april 2014 laten de huizenprijzen weer een stabiele stijgende lijn zien. Over de periode april 2014 tot en met maart 2015 is de gemiddelde stijging van de prijzen ca. 1,9% ten opzichte van een jaar eerder. Het 10-jaars gemiddelde ligt op -0,4%. Voor de ontwikkeling van de prijzen wordt in het DCF-model uitgegaan van een basisscenario van 1,9%.
83
Verhuurderheffing De verhuurderheffing is door de Rijksoverheid vastgesteld tot en met 2017. Aangezien deze tevens verband houdt met de hervorming van de woningmarkt wordt aangenomen, dat de heffing over 2017 doorgetrokken kan worden over de resterende DCF-periode. Onderstaande tabel geeft de verhuurderheffing over de DCF-periode als input voor het DCF-model. Verhuurderheffing 2015
2016
2017
2018
2019
2020-2024
0,449%
0,491%
0,536%
0,536%
0,536%
0,536%
Tabel B.2.3: Verhuurderheffing 2015-2014, Bron: Rijksoverheid, 2015 / eigen bewerking, 2015
De WOZ-waarde van de woningen wordt gecorrigeerd voor verkopen. In de berekening van de verhuurderheffing wordt er verder vanuit gegaan, dat: 1. De WOZ waarde met stijgt met hetzelfde percentage groei als de leegwaarde. 2. De verkopen gelijkwaardig verdeeld zijn over sociale en geliberaliseerde woningen.
Bezettingsgraad De bezettingsgraad over het eerste jaar is reeds verwerkt in de ontvangen huurgegevens. In de geanalyseerde woningportefeuille staan bij aanvang 414 woningen leeg (10,28%). Deze bezettingsgraad is van de woningen is 93% en van de appartementen 96%. Deze bezettingsgraad is als uitgangspunt voor het DCF-model genomen en wordt constant gehouden. Hierdoor zijn er te allen tijde woningen beschikbaar voor de verkoop. De woningen voor de verkoop staan leeg. De huurderving van deze woningen is verwerkt middels de bezettingsgraad. Dit is tevens de correctie voor huurderving gedurende de verkooptermijn.
Mutatiegraden De mutatiegraad bij woningen bestaat uit een huurmutatiegraad en een verkoopmutatiegraad. De huurmutatiegraad wordt gehanteerd in het doorexploitatiescenario. In dit onderzoek staat het uitpondscenario centraal, waarbij woningen bij leegkomst niet opnieuw worden verhuurd, maar worden verkocht. Er is om deze reden geen huurmutatiegraad aangenomen. De verkoopmutatiegraad is de mutatiegraad bij het uitpondscenario bestaande uit de reguliere mutatiegraad en de extra verkoopmutatiegraad aan zittende huurders bij aanvang van het uitponden. De taxateur moet bepalen of er reeds wordt uitgepond (IPD, 2013). Indien dit het geval is, zal de verkoopmutatiegraad doorgaans lager liggen dan bij aanvang.
84
Conform het Handboek Modelmatig Waarderen Marktwaarde (2015) wordt de mutatiegraad bij uitponden gebaseerd op de mutatiegraad bij doorexploitatie. Voor zelfstandige eenheden zou deze moeten liggen tussen 4% en 20%. De portefeuilles van de woningbeleggers betreffen voornamelijk aangebroken uitpondpakketten, waardoor geen extra verkoopmutatiegraad wordt opgenomen. Voor de mutatiegraad wordt ervan uitgegaan, dat 75% van het leegstaande bezit binnen een jaar wordt verkocht. De mutatiegraad wordt in het basisscenario dan ook gesteld op 7,5%. Dit percentage komt overeen met gegevens verkregen van de woningbeleggers.
Overige inputgegevens WOZ-waarde Taxatiewaarde in het kader van de Wet Onroerende Zaken, zoals afgegeven door de Gemeente waarin het object zich bevindt, op basis van de laatst beschikbare taxatie.
Kosten koper Deze kosten bestaan uit de wettelijke overdrachtsbelasting en indicatief 1 % additionele kosten (notariskosten, makelaarscourtage) en komen voor rekening van de koper. Het tarief voor overdrachtsbelasting van woningen is vastgesteld op 2%. De kosten koper bedragen derhalve 3%.
Overige aannames / kanttekeningen 1. Er is ruimte voor de huur om te stijgen onder de maximale huurprijs op basis van het WWS. 2. Er is geen sprake van erfpachtcanon c.q. er wordt uitgegaan van eigen grond. De te betalen canon wordt alleen opgenomen als deze niet eeuwigdurend is afgekocht. Een aantal woningen in de portefeuille kent een erfpachtconstructie, echter allen eeuwigdurend afgekocht. 3. De woningverbetering vindt geleidelijk over de periode 2015-2020 plaats. 4. De additionele kosten als gevolg van woningverbetering (huurvergoeding, vergoeding voor verhuizing) zijn op nihil gesteld. Deze kosten zijn de uitkomst van individuele onderhandelingen tussen huurder en verhuurder en zijn derhalve niet in te schatten. 5. Er is geen rekening gehouden met subsidies omdat deze er op dit moment voor particuliere woningbeleggers niet zijn. 6. Er zijn geen parkeerplaatsen en/of garages meengenomen in de berekeningen. 7. Er is geen sprake van een lager geaccepteerd rendement indien woning een beter label heeft.
85
Bijlage 3:
Assumpties lineaire regressie
Deel 1: Assumpties lineaire regressie: variabelen De eerste controle betreft de normaliteit van de variabelen. Hierbij is op basis van diverse analyses (bijlage 4) geconstateerd, dat de variabelen huurprijs per m², Energie-index en bouwjaar niet voldoen aan de voorwaarde van normale distributie. De (voor het model belangrijkste) variabelen voor huurprijs per m² en Energie-index zijn middels de berekening van het natuurlijk logaritme getransformeerd. De variabele bouwjaar is vervangen door de variabele bouwjaarklasse. Hierdoor voldoen de alle variabelen nu bij benadering aan de assumptie van normaliteit. Ten tweede is de lineariteit van de parameters bekeken (bijlage 5) voor en na transformatie van bovengenoemde parameter. Voorafgaand aan de transformatie was er sprake van een lichte afwijking van de lineariteit bij de variabelen Energie-index en woonoppervlakte. Door bovengenoemde transformatie voldoen alle variabelen bij benadering aan de assumptie van lineariteit. Op basis van de scatterplots onder lineariteit is ook de derde check gedaan: homoscedasticiteit ofwel constante variantie (bijlage 6). Hieruit blijkt dat er geen sprake is van heteroscedasticiteit de varialen (R² Linear = 0).
Ten behoeve van de regressieanalyse is nog een extra analyse gedaan op de dataset middels Casewise diagnostics (bijlage 7) om de invloed van afwijkende woningen op de regressieparameters te bepalen. Van de 1.877 woningen zijn er alsnog 44 die buiten het betrouwbaarheidsinterval van 99% vallen en 95 die buiten het betrouwbaarheidsinterval van 95% vallen. 17
Voor deze 95 woningen is gekeken naar Cook’s distance . Geen van de variabelen heeft een Cook’s distance > 1, waardoor deze geen buitensporige invloed hebben op het regressiemodel. 18
Vervolgens is gekeken naar de Centered Leverage Value
(k+1/n = 16+1/1.877 = 0,00905701). De
cases die boven 3 maal de Leverage Value liggen zijn mogelijk van grotere invloed op de regressieparameters. In de dataset betreft dit 8 woningen. 19
Aanvullend zijn de woningen nog bekeken aan de hand van de Mahalanobis Distance . Bij een steekproef boven de 500 met 5 of meer onafhankelijke variabelen wordt een waarde van 28,62 als 17
Cook’s distance is een maat voor de totale invloed van een variabele van het model en Cook en Weisberg (1982) hebben gesuggereerd dat hogere waarden dan 1 zijn reden tot bezorgdheid (Field, 2009, p 217). 18 Centered Leverage Value is de tweede maatregel van invloed (hat values) die de invloed meet van de waargenomen waarde van de uitkomstvariabele over de voorspelde waarden (Field, 2009, p. 217).
86
critical value aangehouden. In de dataset hebben 15 woningen een waarde boven deze critical value. De dataset en het aantal variabelen zijn echter vele malen groter dan de maxima gehanteerd in de Mahalanobis Distance. Middels de DFBeta
20
is vervolgens bekeken of de verschillende woningen een grote invloed hebben
op de regressieparameters. Leidraad is dat alle waarde tussen – en + 1 dienen te liggen. Dit is het geval voor alle woningen, waardoor geconcludeerd kan worden dat geen van de opvallende woningen een buitensporige invloed heeft op de regressieparameters. Als laatste is voor de woningen de Covariance bekeken. Deze moet voor deze dataset liggen tussen (1 –/+ 3 x Centered Leverage Value) 0,97282898 en 1,02717102. Van de woningen vallen 66 woningen onder de minimale Covariance criteria. Voor 8 woningen (0,43%) geldt een overschrijding van de DFBeta, Mahalanobis Distance en de Coveriance. Er is echter middels Cook’s Distance tevens vastgesteld, dat deze woningen geen buitensporige invloed hebben op de regressieparameters. De dataset zal dan ook in stand worden gehouden (er worden geen woningen verwijderd).
Deel 2: Assumpties lineaire regressie: uitkomsten Pearson’s correlatiematrix laat geen overschrijdingen zien. De grootste correlatie bestaat tussen woonoppervlakte en de huurprijs per m² (r = -,649, p = ,000). Tussen de overige variabelen wordt ook geen grote correlatie teruggevonden, waardoor multicollineariteit feitelijk al uitgesloten kan worden. Het uitsluiten van multicollineariteit heeft tevens plaatsgevonden aan de hand van de metingen van VIF (Variance Inflation Factor) en de Tolerance onder de Collinearity Statistics. Als vuistregel geldt dat waarden van VIF > 10 en een Tolerance niveau < 0,2 reden geven voor nadere analyse. De maximale waarde van VIF voor het model bedraagt 5,471 en de minimale Tolerance is ,183. De laatste ligt echter nog ver boven het niveau van 0,1, wat een aanzienlijk probleem met de variabele impliceert. Tezamen met Pearson’s correlatieuitkomsten kan multicollineariteit worden uitgesloten. Het testen van de onafhankelijkheid van de errors kan worden gedaan aan de hand van de Durbin21
Watson score (1,047). Voor de steekproef wordt door Durbin-Watson een Lower bound
19
Gerelateerd aan de Centered Leverage Value zijn de Mahalanobis Distances die de afstand meten tussen de variabelen en de gemiddelden van de verklarende variabelen (Field, 2009, p. 217). 20 Het verschil tussen een parameter schatting van alle variabelen en een schatting indien één geval is uitgesloten is bekend als DFBeta en wordt berekend voor alle gevallen en voor elk van de parameters in het model (Field, 2009, p. 218). 21 De Durbin-Watson score test de nulhypothese op autocorrelatie tussen de errors van een regressieanalyse. De Durbin-Watson statistiek (D) kan een waarde tussen 0 en 4 aannemen. Als de uitkomst van de toets rond de 2 ligt, kan men zeggen dat er geen sprake is van autocorrelatie. Een waarde richting 0 indiceert een positieve autocorrelatie (Field, 2009, p. 220).
87
gehanteerd van 1,87640 en een Upper bound van 0,191033. Aangezien de score lager ligt dan de Lower bound wordt de nulhypothese: geen autocorrelatie verworpen en wordt de hypothese van positieve (first-order) correlatie aangenomen. Als (conservatieve) vuistregel geldt dat waarden kleiner dan 1 reden geven voor nader onderzoek. De Durbin-Watson waarde valt echter net binnen de zekerheidsgrens. De F-ratio geeft aan of het model een verbetering van de voorspelbaarheid van de uitkomsten geeft ten opzichte van het gemiddelde. Een goed model heeft een grote F-ratio (minimaal > 1). De F-ratio van het regressiemodel is 131,594 (p = ,000). Hieruit kan geconcludeerd worden dat het model de voorspelling van de variabele huurprijs per m² significant verbeterd heeft. De T-waarden meten of de onafhankelijke variabele een significante bijdrage levert aan het model ofwel toetst de hypothese dat de beta-waarde gelijk is aan 0. Hoe kleiner de waarde van de significantie en hoe groter de waarde van t, hoe groter de contributie aan het model. De kleinste twaarde wordt gevonden voor het aantal kamers (t = ,700, p = ,484). Geconcludeerd kan worden dat de onafhankelijke variabele aantal kamers geen significatie bijdrage aan het model levert.
88
Bijlage 4:
Normaliteit
Huurprijs per m² Eerste analyse
Na transformatie
89
Eerste analyse
Na transformatie
Statistics
Statistics
Huurprijs per m²
Ln_bhuuriim
Valid
1877
Valid
N
1877
N Missing
0
Missing
0
Mean
5,7785
Mean
1,7036
Std. Error of Mean
,04490
Std. Error of Mean
,00732
Median
5,5000
Median
1,7047
Mode
5,00
Std. Deviation
Mode
1,94531
1,61
Std. Deviation
Variance
3,784
Variance
Skewness
1,787
Skewness
Std. Error of Skewness
,056
Kurtosis
-,073 ,056
Kurtosis
,113
Range
,101
Std. Error of Skewness
7,886
Std. Error of Kurtosis
,31705
22,60
1,812
Std. Error of Kurtosis
,113
Range
3,26
Minimum
,90
Minimum
-,10
Maximum
23,50
Maximum
3,16
Tests of Normality Kolmogorov-Smirnov Statistic Huurprijs per m²
,088
df 1877
a
Shapiro-Wilk
Sig.
Statistic
,000
df
,897
Sig.
1877
,000
a. Lilliefors Significance Correction Tests of Normality Kolmogorov-Smirnov Statistic Ln_bhuuriim
df
,029
1877
a
Shapiro-Wilk
Sig. ,001
Statistic ,986
df
Sig.
1877
,000
a. Lilliefors Significance Correction
90
Eerste analyse
Na transformatie
Energie-index Eerste analyse
Na transformatie
91
Eerste analyse
Na transformatie
Statistics
Statistics
Energie-index
Ln_EI Valid
1877
N
Valid
1877
N Missing
0
Missing
Mean
1,9086
Mean
Std. Error of Mean
,01427
Std. Error of Mean
Median
1,7600
Median
Mode Std. Deviation
1,36 ,61826
Mode Std. Deviation
0 ,5980 ,00709 ,5653 ,31 ,30701
Variance
,382
Variance
,094
Skewness
,983
Skewness
,304
Std. Error of Skewness
,056
Std. Error of Skewness
,056
Kurtosis
,699
Kurtosis
Std. Error of Kurtosis
,113
Std. Error of Kurtosis
,113
Range
3,44
Range
1,63
-,489
Minimum
,84
Minimum
-,17
Maximum
4,28
Maximum
1,45
92
Eerste analyse
Na transformatie
Tests of Normality Kolmogorov-Smirnov Statistic Energie-index
,104
df 1877
a
Shapiro-Wilk
Sig. ,000
Statistic
df
,931
Sig.
1877
,000
a. Lilliefors Significance Correction Tests of Normality Kolmogorov-Smirnov Statistic Ln_EI
,063
df 1877
a
Shapiro-Wilk
Sig. ,000
Statistic ,985
df
Sig.
1877
,000
a. Lilliefors Significance Correction
93
Bouwjaar Eerste analyse
Na transformatie
94
Eerste analyse
Na transformatie
Statistics
Statistics
Bouwjaar
Bouwperiode Valid
1877
Valid
N
1877
N Missing
Mean
0
Missing
1966,88
Std. Error of Mean
,622
Median
1971,00
Mode
1972
Std. Deviation
725,851
Skewness
-1,491
Std. Error of Skewness
,056
Kurtosis
Mean
3,52
Std. Error of Mean
,048
Median
3,00
Mode
26,942
Variance
1
4,481
2
Std. Deviation
2,094
Variance
4,383
Skewness
,848
Std. Error of Skewness
,056
Kurtosis
-,056
Std. Error of Kurtosis
,113
Std. Error of Kurtosis
,113
Range
211
Range
8
Minimum
1800
Minimum
1
Maximum
2011
Maximum
9
Tests of Normality Kolmogorov-Smirnov Statistic Bouwjaar
,109
df 1877
a
Shapiro-Wilk
Sig. ,000
Statistic
df
,906
Sig.
1877
,000
a. Lilliefors Significance Correction Tests of Normality Kolmogorov-Smirnov Statistic Bouwperiode
,196
df 1877
a
Shapiro-Wilk
Sig. ,000
Statistic ,900
df
Sig.
1877
a. Lilliefors Significance Correction
95
,000
Eerste analyse
Na transformatie
Oppervlakte
96
Statistics Woonoppervlakte Valid
1877
N Missing
0
Mean
88,26
Std. Error of Mean
,646
Median
86,00
Mode
80
Std. Deviation
27,978
Variance
782,746
Skewness
1,204
Std. Error of Skewness
,056
Kurtosis
4,581
Std. Error of Kurtosis
,113
Range
271
Minimum
12
Maximum
283
Tests of Normality Kolmogorov-Smirnov Statistic Woonoppervlakte
,056
df 1877
a
Shapiro-Wilk
Sig. ,000
Statistic ,941
df 1877
Sig. ,000
a. Lilliefors Significance Correction
97
Aantal kamers
Statistics Aantal kamers Valid
1877
N Missing
0
Mean
3,61
Std. Error of Mean
,024
Median
4,00
Mode
4
Std. Deviation
1,033
Variance
1,066
Skewness
,221
Std. Error of Skewness
,056
Kurtosis
,554
Std. Error of Kurtosis
,113
Range
8
Minimum
1
Maximum
9
98
Tests of Normality Kolmogorov-Smirnov Statistic Aantal kamers
,204
df 1877
a
Shapiro-Wilk
Sig. ,000
Statistic ,913
df 1877
Sig. ,000
a. Lilliefors Significance Correction
99
Bijlage 5:
Lineariteit
Basishuur per m² (Y), Energie-index (X) Eerste analyse
Na transformatie
100
Basishuur per m² (Y), Bouwjaar (X) Eerste analyse
Na transformatie
101
Basishuur per m² (Y), Woonoppervlakte (X) Eerste analyse
Na transformatie
102
Basishuur per m² (Y), Aantal kamers (X) Eerste analyse
Na transformatie
103
Bijlage 6: Eerste analyse
Homoscedasticiteit Na transformatie
Energie-index Eerste analyse
Na transformatie
104
Oppervlakte
Bouwjaar
Aantal kamers
105
Bijlage 7:
Casewise diagnostics
106
Bijlage 8:
Uitkomsten regressiemodel 1
Descriptive Statistics Mean Ln_bhuuriim
Std. Deviation
N
1,7036
,31705
1877
88,26
27,978
1877
3,61
1,033
1877
Type woning
,50
,500
1877
Bad aanwezig
,12
,328
1877
2006 of later
,0277
,16417
1877
2000 t/m 2005
,0288
,16720
1877
1992 t/m 1999
,0687
,25306
1877
1988 t/m 1991
,0501
,21817
1877
1983 t/m 1987
,1028
,30381
1877
1975 t/m 1982
,1247
,33043
1877
1965 t/m 1974
,2115
,40849
1877
1946 t/m 1964
,2302
,42104
1877
Centrum-stedelijk
,0788
,26958
1877
Buiten-centrum
,5583
,49672
1877
Groen-stedelijk
,0948
,29306
1877
Centrum-dorps
,2152
,41110
1877
Woonoppervlakte Aantal kamers
107
108
109
110
Bijlage 9:
Uitkomsten regressiemodel 2 Descriptive Statistics Mean
Ln_bhuuriim
Std. Deviation
N
1,7036
,31705
1877
88,26
27,978
1877
3,61
1,033
1877
Type woning
,50
,500
1877
Bad aanwezig
,12
,328
1877
Ln_EI
,5980
,30701
1877
2006 of later
,0277
,16417
1877
2000 t/m 2005
,0288
,16720
1877
1992 t/m 1999
,0687
,25306
1877
1988 t/m 1991
,0501
,21817
1877
1983 t/m 1987
,1028
,30381
1877
1975 t/m 1982
,1247
,33043
1877
1965 t/m 1974
,2115
,40849
1877
1946 t/m 1964
,2302
,42104
1877
Centrum-stedelijk
,0788
,26958
1877
Buiten-centrum
,5583
,49672
1877
Groen-stedelijk
,0948
,29306
1877
Centrum-dorps
,2152
,41110
1877
Woonoppervlakte Aantal kamers
111
a
ANOVA Model
1
Sum of Squares
3
Mean Square
Regression
90,781
5
18,156
Residual
97,794
1871
,052
188,575
1876
Regression
97,089
13
7,468
Residual
91,486
1863
,049
Total
188,575
1876
Regression
100,139
17
5,891
88,436
1859
,048
188,575
1876
Total
2
df
Residual Total
F
Sig. b
347,364
,000
152,086
,000
123,824
,000
c
d
a. Dependent Variable: Ln_bhuuriim b. Predictors: (Constant), Ln_EI, Bad aanwezig, Type woning, Aantal kamers, Woonoppervlakte c. Predictors: (Constant), Ln_EI, Bad aanwezig, Type woning, Aantal kamers, Woonoppervlakte, 1975 t/m 1982, 1988 t/m 1991, 2000 t/m 2005, 1965 t/m 1974, 2006 of later, 1983 t/m 1987, 1992 t/m 1999, 1946 t/m 1964 d. Predictors: (Constant), Ln_EI, Bad aanwezig, Type woning, Aantal kamers, Woonoppervlakte, 1975 t/m 1982, 1988 t/m 1991, 2000 t/m 2005, 1965 t/m 1974, 2006 of later, 1983 t/m 1987, 1992 t/m 1999, 1946 t/m 1964, Groen-stedelijk, Centrum-stedelijk, Centrum-dorps , Buitencentrum
112
113
114
Bijlage 10: Uitkomsten regressiemodel 3 Descriptive Statistics Mean Ln_bhuuriim
Std. Deviation
N
1,7036
,31705
1877
88,26
27,978
1877
3,61
1,033
1877
Type woning
,50
,500
1877
Bad aanwezig
,12
,328
1877
Ln_EI
,5980
,30701
1877
Centrum-stedelijk
,0788
,26958
1877
Buiten-centrum
,5583
,49672
1877
Groen-stedelijk
,0948
,29306
1877
Centrum-dorps
,2152
,41110
1877
Woonoppervlakte Aantal kamers
a
ANOVA Model
1
Sum of Squares
Mean Square
Regression
90,781
5
18,156
Residual
97,794
1871
,052
188,575
1876
Regression
93,258
9
10,362
Residual
95,317
1867
,051
188,575
1876
Total
2
df
Total
F
Sig. b
347,364
,000
202,964
,000
c
a. Dependent Variable: Ln_bhuuriim b. Predictors: (Constant), Ln_EI, Bad aanwezig, Type woning, Aantal kamers, Woonoppervlakte c. Predictors: (Constant), Ln_EI, Bad aanwezig, Type woning, Aantal kamers, Woonoppervlakte, Groen-stedelijk, Centrum-stedelijk, Centrum-dorps , Buiten-centrum
115
116
117
Bijlage 11:
Netto contante waarde berekening exclusief verduurzamingsopgave
Netto Contante Waarde - berekening Jaar
Jaar
Jaar
Jaar
Jaar
Jaar
Jaar
Jaar
Jaar
Jaar
Jaar
Jaar
0
1 2015
2 2016
3 2017
4 2018
5 2019
6 2020
7 2021
8 2022
9 2023
10 2024
11 2025
15.637.040
78.185 93.822 81.698 15.890.746 -1.112.352 14.778.394
84.221 104.879 92.987 16.172.832 -1.132.098 15.040.734
95.420 126.148 114.917 16.509.317 -1.155.652 15.353.665
97.405 128.773 117.308 16.852.802 -1.179.696 15.673.106
101.117 134.822 123.270 17.212.012 -1.204.841 16.007.171
96.387 123.926 111.509 17.543.835 -1.228.068 16.315.767
107.017 143.859 131.991 17.926.703 -1.254.869 16.671.834
109.353 146.999 134.872 18.317.927 -1.282.255 17.035.672
111.739 150.207 137.815 18.717.688 -1.310.238 17.407.450
114.178 153.485 140.823 19.126.174 -1.338.832 17.787.342
116.670 156.835 143.896 19.543.574 -1.368.050 18.175.524
17.154.979
63.255 92.723 420.194 17.731.152 -709.246 17.021.906
69.302 95.838 434.307 18.330.598 -733.224 17.597.374
79.756 99.078 448.990 18.958.422 -758.337 18.200.085
82.487 102.471 464.368 19.607.748 -784.310 18.823.438
86.758 105.981 480.272 20.280.759 -811.230 19.469.529
83.754 109.618 496.757 20.970.889 -838.836 20.132.053
94.336 113.349 513.661 21.692.235 -867.689 20.824.545
97.581 117.248 531.330 22.438.394 -897.536 21.540.858
100.938 121.281 549.606 23.210.218 -928.409 22.281.809
104.410 125.452 568.511 24.008.592 -960.344 23.048.248
108.001 129.768 588.067 24.834.427 -993.377 23.841.050
1.700 2.329 1.700 2.329 100% 100%
127 174 1.573 2.155 1.637 2.242 96% 96%
117 161 1.456 1.994 1.515 2.075 89% 89%
109 149 1.347 1.845 1.402 1.920 82% 82%
101 138 1.246 1.707 1.297 1.776 76% 76%
93 128 1.153 1.579 1.200 1.643 71% 71%
86 118 1.067 1.461 1.110 1.520 65% 65%
80 109 987 1.352 1.027 1.407 60% 60%
74 101 913 1.251 950 1.302 56% 56%
68 93 845 1.158 879 1.205 52% 52%
63 86 782 1.072 814 1.115 48% 48%
48% 48%
-
96,26%
89,08%
82%
76%
71%
65%
60%
56%
52%
48%
48%
32.792.019
30.612.433
29.074.358
27.658.447
26.307.308
25.029.777
23.793.378
22.648.717
21.557.472
20.523.700
19.544.888
20.167.956
Onroerende zaak belasting Rioolrecht Verzekeringskosten Erfpachtcanon Waterschapsbelasting BTW-verlies VVE-bijdrage Verhuurdersheffing
654.320 628.862 269.342 387.393 415.326 1.715.498 1.517.709
644.366 619.295 265.244 381.500 409.007 1.689.400 1.754.490
613.569 589.696 252.567 363.266 389.459 1.608.657 1.809.155
584.222 561.491 240.487 345.891 370.832 1.531.715 1.862.226
556.714 535.053 229.164 329.605 353.371 1.459.595 1.755.592
528.434 507.874 217.523 312.862 335.421 1.385.450 1.655.042
504.097 484.483 207.504 298.453 319.973 1.321.642 1.560.442
480.889 462.178 197.951 284.712 305.241 1.260.795 1.471.274
458.703 440.856 188.819 271.577 291.159 1.202.629 1.387.064
437.627 420.600 180.143 259.099 277.781 1.147.373 1.307.931
417.620 401.371 171.908 247.254 265.082 1.094.918 1.233.608
Subtotaal vaste lasten
5.588.449
5.763.301
5.626.369
5.496.864
5.219.095
4.942.605
4.696.594
4.463.040
4.240.808
4.030.554
3.831.761
Beheerkosten Verhuurcourtage
751.235 -
739.807 -
704.448 -
670.755 -
639.173 -
606.704 -
578.762 -
552.116 -
526.645 -
502.447 -
479.477 -
Subtotaal beheerkosten
751.235
739.807
704.448
670.755
639.173
606.704
578.762
552.116
526.645
502.447
479.477
Onderhoudskosten
2.832.783
2.789.688
2.656.357
2.529.305
2.410.213
2.287.779
2.182.414
2.081.937
1.985.889
1.894.644
1.808.026
Totaal exploitatielasten Exploitatiekosten als % theoretische huur
9.172.468 -
9.292.795 30%
8.987.175 31%
8.696.924 31%
8.268.481 31%
7.837.087 31%
7.457.769 31%
7.097.092 31%
6.753.342 31%
6.427.646 31%
6.119.264 31%
Eengezinswoningen Basishuurverhoging inkomensgroep 3 Basishuurverhoging inkomensgroep 2 Basishuurverhoging inkomensgroep 1 Extra huur woningen als gevolg van energieprestatieverbetering Bruto huuropbrengsten Correctie als gevolg van geleidelijk ontvangen huur na verbetering Correctie als gevolg van leegstand woningen Bruto huuropbrengsten totaal woningen Meergezinswoningen Basishuurverhoging inkomensgroep 3 Basishuurverhoging inkomensgroep 2 Basishuurverhoging inkomensgroep 1 Extra huur appartementen als gevolg van energieprestatieverbetering Bruto huuropbrengsten appartementen (obv alle woningen) Correctie als gevolg van geleidelijk ontvangen huur na verbetering Correctie als gevolg van leegstand appartementen Bruto huuropbrengsten totaal appartementen Aantal verkochte woningen gedurende jaar Aantal verkochte appartementen gedurende jaar Aantal woningen in exploitatie einde jaar Aantal appartementen in exploitatie einde jaar Gemiddeld aantal woningen in exploitatie Gemiddeld aantal appartmenten in exploitatie Gemiddeld aantal woningen t.o.v. oorspronkelijk Gemiddeld aantal appartementen t.o.v. oorspronkelijk Aantal verbeterde woningen per jaar Aantal verbeterde appartementen per jaar Aantal verkochte verbeterde woningen gedurende jaar Aantal verkochte verbeterde appartementen gedurende jaar Aantal verbeterde woningen in exploitatie einde jaar Aantal verbeterde appartementen in exploitatie einde jaar
Totaal bruto huurinkomsten (gecorrigeerd voor verkopen)
15.637.040
17.154.979
Desinvestering woningen (uitponden) Desinvestering appartementen (uitponden) Martkwaardepremie agv labelverbetering woningen Marktwaardepremie agv labelverbetering appartementen Verkoopkosten Investeringen voor energieprestatieverbetering woningen Investeringen voor energieprestatieverbetering appartementen Mutatieonderhoud bij wederverhuur Mutatieonderhoud bij verkoop Exploitatielasten leegstand voor rekening eigenaar
-
23.810.432 25.793.880 -595.252 -4.618.845 -552.969
24.262.830 26.283.964 -606.562 -4.389.621 -576.590
24.723.824 26.783.359 -618.086 -4.191.962 -601.835
25.193.576 27.292.243 -629.830 -3.999.749 -617.294
25.672.254 27.810.796 -641.797 -3.794.674 -631.253
26.160.027 28.339.201 -653.991 -3.611.362 -647.848
26.657.068 28.877.645 -666.417 -3.449.541 -665.115
27.163.552 29.426.321 -679.078 -3.293.034 -682.866
27.679.660 29.985.421 -691.981 -3.123.509 -701.103
28.205.573 30.555.144 -705.129 -2.980.313 -719.844
Totale correcties
-
43.837.246
44.974.021
46.095.300
47.238.946
48.415.326
49.586.027
50.753.641
51.934.894
53.148.487
54.355.432
Huurinkomsten begin jaar 11 Exit yield Waarde v.o.n. Correctiepost erfpacht
-
-
-
-
-
-
-
-
-
-
20.167.956 8,95% 225.299.748 -
Eindwaarde v.o.n.
-
-
-
-
-
-
-
-
-
-
225.299.748
118
Recapitulatie kasstromen Totaal bruto huurinkomsten (gecorrigeerd voor verkopen) Totaal exploitatielasten Totale correcties Eindwaarde k.k.
-
30.612.433 9.292.795 43.837.246 -
29.074.358 8.987.175 44.974.021 -
27.658.447 8.696.924 46.095.300 -
26.307.308 8.268.481 47.238.946 -
25.029.777 7.837.087 48.415.326 -
23.793.378 7.457.769 49.586.027 -
22.648.717 7.097.092 50.753.641 -
21.557.472 6.753.342 51.934.894 -
20.523.700 19.544.888 6.427.646 6.119.264 53.148.487 54.355.432 225.299.748
Totaal netto kasstromen
-
83.742.474
83.035.554
82.450.670
81.814.735
81.282.190
80.837.175
80.499.450
80.245.708
80.099.833 305.319.331
Netto contante waarde kasstromen
-
81.107.511
75.441.436
70.270.109
65.409.155
60.958.318
56.869.483
53.124.107
49.676.514
46.514.835 166.320.105
Som van de contante waarden (waarde v.o.n.) Kopers kosten
725.691.571 21.136.648
Waarde k.k. Afgerond:
704.554.923 704.555.000
Bar k.k.
Eindwaardeberekening Huurstroom begin jaar 11 Minus: exploitatielasten jaar 10 Netto huurstroom einde DCF-periode Verouderingskosten Subtotaal Disconteringsvoet Gemiddeld inflatiepercentage DCF-periode Eindwaarde v.o.n.
Exit yield v.o.n.
4,34%
-
-
-
-
-
-
-
-
-
-
20.167.956 -6.119.264 14.048.692 -3.358.970 10.689.722 6,60% 1,86% 225.299.748
8,95%
119
Bijlage 12:
Netto contante waarde berekening inclusief verduurzamingsopgave
Netto Contante Waarde - berekening Jaar
Jaar
Jaar
Jaar
Jaar
Jaar
Jaar
Jaar
Jaar
Jaar
Jaar
Jaar
0
1 2015
2 2016
3 2017
4 2018
5 2019
6 2020
7 2021
8 2022
9 2023
10 2024
11 2025
15.637.040
78.185 93.822 81.698 6.115 15.896.861 -3.057 -1.112.566 14.781.237
84.253 104.919 93.022 10.912 16.189.968 -5.456 -1.132.916 15.051.596
95.521 126.282 115.038 10.912 16.537.721 -5.456 -1.157.259 15.375.006
97.573 128.994 117.509 10.912 16.892.709 -5.456 -1.182.108 15.705.146
101.356 135.142 123.562 10.912 17.263.681 -5.456 -1.208.076 16.050.150
96.677 124.299 111.844 10.912 17.607.413 -5.456 -1.232.137 16.369.820
107.405 144.381 132.470 17.991.668 -1.259.417 16.732.252
109.749 147.532 135.361 18.384.310 -1.286.902 17.097.408
112.144 150.751 138.315 18.785.520 -1.314.986 17.470.534
114.592 154.041 141.333 19.195.486 -1.343.684 17.851.802
117.092 157.403 144.418 19.614.399 -1.373.008 18.241.391
17.154.979
63.255 92.723 420.194 66.940 17.798.092 -33.470 -710.585 17.054.037
69.564 96.200 435.947 147.268 18.547.069 -73.634 -738.937 17.734.498
80.697 100.248 454.292 147.268 19.329.575 -73.634 -770.238 18.485.703
84.102 104.477 473.459 147.268 20.138.881 -73.634 -802.610 19.262.637
89.108 108.852 493.282 147.268 20.977.391 -73.634 -836.150 20.067.607
86.631 113.384 513.820 147.268 21.838.494 -73.634 -870.594 20.894.265
98.239 118.038 534.912 22.589.684 -903.587 21.686.096
101.618 122.098 553.312 23.366.712 -934.668 22.432.044
105.114 126.298 572.345 24.170.469 -966.819 23.203.650
108.730 130.642 592.032 25.001.872 -1.000.075 24.001.798
112.470 135.136 612.396 25.861.874 -1.034.475 24.827.399
1.700 2.329 1.700 2.329 100% 100%
127 174 1.573 2.155 1.637 2.242 96% 96%
117 161 1.456 1.994 1.515 2.075 89% 89%
109 149 1.347 1.845 1.402 1.920 82% 82%
101 138 1.246 1.707 1.297 1.776 76% 76%
93 128 1.153 1.579 1.200 1.643 71% 71%
86 118 1.067 1.461 1.110 1.520 65% 65%
80 109 987 1.352 1.027 1.407 60% 60%
74 101 913 1.251 950 1.302 56% 56%
68 93 845 1.158 879 1.205 52% 52%
63 86 782 1.072 814 1.115 48% 48%
48% 48%
-
10 116 10 116 96,26%
20 256 8 31 364 89,08%
20 256 2 27 49 593 82%
20 256 3 44 66 804 76%
20 256 4 60 83 1.000 71%
20 256 6 75 97 1.181 65%
-
-
-
-
7 88 90 1.093 60%
6 81 84 1.012 56%
6 75 78 937 52%
5 70 73 867 48%
48%
32.792.019
30.646.101
29.206.194
27.911.503
26.666.694
25.482.093
24.326.336
23.205.682
22.089.988
21.032.971
20.032.049
20.673.019
Onroerende zaak belasting Rioolrecht Verzekeringskosten Erfpachtcanon Waterschapsbelasting BTW-verlies VVE-bijdrage Verhuurdersheffing
654.320 628.862 269.342 387.393 415.326 1.715.498 1.517.709
644.366 619.295 265.244 381.500 409.007 1.689.400 1.754.490
613.569 589.696 252.567 363.266 389.459 1.608.657 1.809.155
584.222 561.491 240.487 345.891 370.832 1.531.715 1.862.226
556.714 535.053 229.164 329.605 353.371 1.459.595 1.755.592
528.434 507.874 217.523 312.862 335.421 1.385.450 1.655.042
504.097 484.483 207.504 298.453 319.973 1.321.642 1.560.442
480.889 462.178 197.951 284.712 305.241 1.260.795 1.471.274
458.703 440.856 188.819 271.577 291.159 1.202.629 1.387.064
437.627 420.600 180.143 259.099 277.781 1.147.373 1.307.931
417.620 401.371 171.908 247.254 265.082 1.094.918 1.233.608
Subtotaal vaste lasten
5.588.449
5.763.301
5.626.369
5.496.864
5.219.095
4.942.605
4.696.594
4.463.040
4.240.808
4.030.554
3.831.761
Beheerkosten Verhuurcourtage
751.235 -
739.807 -
704.448 -
670.755 -
639.173 -
606.704 -
578.762 -
552.116 -
526.645 -
502.447 -
479.477 -
Subtotaal beheerkosten
751.235
739.807
704.448
670.755
639.173
606.704
578.762
552.116
526.645
502.447
479.477
Onderhoudskosten
2.832.783
2.789.688
2.656.357
2.529.305
2.410.213
2.287.779
2.182.414
2.081.937
1.985.889
1.894.644
1.808.026
Totaal exploitatielasten Exploitatiekosten als % theoretische huur
9.172.468 -
9.292.795 30%
8.987.175 31%
8.696.924 31%
8.268.481 31%
7.837.087 31%
7.457.769 31%
7.097.092 31%
6.753.342 31%
6.427.646 31%
6.119.264 31%
Eengezinswoningen Basishuurverhoging inkomensgroep 3 Basishuurverhoging inkomensgroep 2 Basishuurverhoging inkomensgroep 1 Extra huur woningen als gevolg van energieprestatieverbetering Bruto huuropbrengsten Correctie als gevolg van geleidelijk ontvangen huur na verbetering Correctie als gevolg van leegstand woningen Bruto huuropbrengsten totaal woningen Meergezinswoningen Basishuurverhoging inkomensgroep 3 Basishuurverhoging inkomensgroep 2 Basishuurverhoging inkomensgroep 1 Extra huur appartementen als gevolg van energieprestatieverbetering Bruto huuropbrengsten appartementen (obv alle woningen) Correctie als gevolg van geleidelijk ontvangen huur na verbetering Correctie als gevolg van leegstand appartementen Bruto huuropbrengsten totaal appartementen Aantal verkochte woningen gedurende jaar Aantal verkochte appartementen gedurende jaar Aantal woningen in exploitatie einde jaar Aantal appartementen in exploitatie einde jaar Gemiddeld aantal woningen in exploitatie Gemiddeld aantal appartmenten in exploitatie Gemiddeld aantal woningen t.o.v. oorspronkelijk Gemiddeld aantal appartementen t.o.v. oorspronkelijk Aantal verbeterde woningen per jaar Aantal verbeterde appartementen per jaar Aantal verkochte verbeterde woningen gedurende jaar Aantal verkochte verbeterde appartementen gedurende jaar Aantal verbeterde woningen in exploitatie einde jaar Aantal verbeterde appartementen in exploitatie einde jaar
Totaal bruto huurinkomsten (gecorrigeerd voor verkopen)
15.637.040
17.154.979
Desinvestering woningen (uitponden) Desinvestering appartementen (uitponden) Martkwaardepremie agv labelverbetering woningen Marktwaardepremie agv labelverbetering appartementen Verkoopkosten Investeringen voor energieprestatieverbetering woningen Investeringen voor energieprestatieverbetering appartementen Mutatieonderhoud bij wederverhuur Mutatieonderhoud bij verkoop Exploitatielasten leegstand voor rekening eigenaar
-
23.810.432 25.793.880 -595.252 -80.769 -931.283 -4.618.845 -552.833
24.262.830 26.283.964 15.284 -606.745 -149.401 -2.108.237 -4.389.621 -575.997
24.723.824 26.783.359 3.894 52.562 -618.764 -153.733 -2.169.376 -4.191.962 -600.587
25.193.576 27.292.243 5.951 87.285 -630.949 -158.345 -2.234.458 -3.999.749 -615.397
25.672.254 27.810.796 8.086 121.286 -643.349 -162.462 -2.292.554 -3.794.674 -628.707
26.160.027 28.339.201 12.359 154.488 -655.993 -167.499 -2.363.623 -3.611.362 -644.638
26.657.068 28.877.645 14.693 184.710 -668.809 -3.449.541 -661.521
27.163.552 29.426.321 12.833 173.248 -681.311 -3.293.034 -679.178
27.679.660 29.985.421 13.077 163.463 -694.099 -3.123.509 -697.316
28.205.573 30.555.144 11.105 155.464 -707.127 -2.980.313 -715.957
Totale correcties
-
42.825.331
42.732.076
43.829.217
44.940.158
46.090.676
47.222.961
50.954.245
52.122.430
53.326.695
54.523.889
Huurinkomsten begin jaar 11 Exit yield Waarde v.o.n. Correctiepost erfpacht
-
-
-
-
-
-
-
-
-
-
20.673.019 8,76% 235.944.622 -
Eindwaarde v.o.n.
-
-
-
-
-
-
-
-
-
-
235.944.622
120
Recapitulatie kasstromen Totaal bruto huurinkomsten (gecorrigeerd voor verkopen) Totaal exploitatielasten Totale correcties Eindwaarde k.k.
-
30.646.101 9.292.795 42.825.331 -
29.206.194 8.987.175 42.732.076 -
27.911.503 8.696.924 43.829.217 -
26.666.694 8.268.481 44.940.158 -
25.482.093 7.837.087 46.090.676 -
24.326.336 7.457.769 47.222.961 -
23.205.682 7.097.092 50.954.245 -
22.089.988 6.753.342 52.122.430 -
21.032.971 20.032.049 6.427.646 6.119.264 53.326.695 54.523.889 235.944.622
Totaal netto kasstromen
-
82.764.227
80.925.445
80.437.644
79.875.333
79.409.856
79.007.066
81.257.019
80.965.760
80.787.312 316.619.823
Netto contante waarde kasstromen
-
80.160.045
73.524.310
68.554.469
63.858.643
59.554.144
55.581.989
53.624.050
50.122.266
46.914.061 172.475.951
Som van de contante waarden (waarde v.o.n.) Kosten koper
724.369.929 21.098.153
Waarde k.k. Afgerond:
703.271.776 703.272.000
Bar k.k.
Eindwaardeberekening Huurstroom begin jaar 11 Minus: exploitatielasten jaar 10 Netto huurstroom einde DCF-periode Verouderingskosten Subtotaal Disconteringsvoet Gemiddeld inflatiepercentage DCF-periode Eindwaarde v.o.n.
Exit yield v.o.n.
4,36%
-
-
-
-
-
-
-
-
-
-
20.673.019 -6.119.264 14.553.756 -3.358.970 11.194.786 6,60% 1,86% 235.944.622
8,76%
121
Bijlage 13:
Netto contante waarde berekening verduurzamingsopgave
Netto Contante Waarde - berekening Jaar
Jaar 0
Eengezinswoningen Basishuurverhoging inkomensgroep 3 Basishuurverhoging inkomensgroep 2 Basishuurverhoging inkomensgroep 1 Extra huur woningen als gevolg van energieprestatieverbetering Bruto huuropbrengsten Correctie als gevolg van geleidelijk ontvangen huur na verbetering Correctie als gevolg van leegstand woningen Bruto huuropbrengsten totaal woningen Meergezinswoningen Basishuurverhoging inkomensgroep 3 Basishuurverhoging inkomensgroep 2 Basishuurverhoging inkomensgroep 1 Extra huur appartementen als gevolg van energieprestatieverbetering Bruto huuropbrengsten appartementen (obv alle woningen) Correctie als gevolg van geleidelijk ontvangen huur na verbetering Correctie als gevolg van leegstand appartementen Bruto huuropbrengsten totaal appartementen Aantal verkochte woningen gedurende jaar Aantal verkochte appartementen gedurende jaar Aantal woningen in exploitatie einde jaar Aantal appartementen in exploitatie einde jaar Gemiddeld aantal woningen in exploitatie Gemiddeld aantal appartmenten in exploitatie Gemiddeld aantal woningen t.o.v. oorspronkelijk Gemiddeld aantal appartementen t.o.v. oorspronkelijk Aantal verbeterde woningen per jaar Aantal verbeterde appartementen per jaar Aantal verkochte verbeterde woningen gedurende jaar Aantal verkochte verbeterde appartementen gedurende jaar Aantal verbeterde woningen in exploitatie einde jaar Aantal verbeterde appartementen in exploitatie einde jaar
-
1.700 2.329 1.700 2.329 100% 100% -
Jaar
Jaar
Jaar
Jaar
Jaar
Jaar
Jaar
Jaar
Jaar
Jaar
1 2015
2 2016
3 2017
4 2018
5 2019
6 2020
7 2021
8 2022
9 2023
10 2024
11 2025
6.115 6.115 -3.057 -214 2.843
32 40 36 10.912 17.136 -5.456 -818 10.862
101 134 122 10.912 28.404 -5.456 -1.606 21.342
168 222 202 10.912 39.907 -5.456 -2.412 32.039
239 319 292 10.912 51.670 -5.456 -3.235 42.979
289 372 335 10.912 63.578 -5.456 -4.069 54.053
388 521 478 64.965 -4.548 60.418
396 533 489 66.383 -4.647 61.736
405 544 499 67.832 -4.748 63.083
414 556 510 69.312 -4.852 64.460
423 568 521 70.825 -4.958 65.867
66.940 66.940 -33.470 -1.339 32.131
262 362 1.640 147.268 216.471 -73.634 -5.713 137.124
942 1.170 5.302 147.268 371.153 -73.634 -11.901 285.618
1.615 2.006 9.091 147.268 531.133 -73.634 -18.300 439.199
2.350 2.871 13.010 147.268 696.632 -73.634 -24.920 598.078
2.877 3.765 17.063 147.268 867.605 -73.634 -31.759 762.212
3.903 4.689 21.251 897.449 -35.898 861.551
4.037 4.851 21.982 928.319 -37.133 891.186
4.176 5.018 22.738 960.251 -38.410 921.840
4.320 5.190 23.520 993.281 -39.731 953.550
4.468 5.369 24.329 1.027.447 -41.098 986.349
98% 79%
1.700 2.329 1.700 2.329 100% 100%
8 1.700 2.321 1.700 2.325 100% 100%
2 27 1.698 2.294 1.699 2.308 100% 99%
3 44 1.695 2.250 1.697 2.272 100% 98%
4 60 1.691 2.190 1.693 2.220 100% 95%
6 75 1.685 2.115 1.688 2.153 99% 92%
7 88 1.678 2.027 1.682 2.071 99% 89%
6 81 1.672 1.946 1.675 1.987 99% 85%
6 75 1.666 1.871 1.669 1.909 98% 82%
5 70 1.661 1.801 1.664 1.836 98% 79%
10 116 10 116 100,00%
20 256 8 31 364 99,91%
20 256 2 27 49 593 99,51%
20 256 3 44 66 804 98,67%
20 256 4 60 83 1.000 97,45%
20 256 6 75 97 1.181 95,86%
-
-
-
-
7 88 90 1.093 93,92%
6 81 84 1.012 91,91%
6 75 78 937 90,06%
5 70 73 867 88,34%
88%
147.967
306.595
469.550
636.582
806.789
905.900
930.738
956.724
983.892
1.017.096
Totaal bruto huurinkomsten (gecorrigeerd voor verkopen)
-
34.975
Onroerende zaak belasting Rioolrecht Verzekeringskosten Erfpachtcanon Waterschapsbelasting BTW-verlies VVE-bijdrage Verhuurdersheffing
-
-
-
-
-
-
-
-
-
-
-
Subtotaal vaste lasten
-
-
-
-
-
-
-
-
-
-
-
Beheerkosten Verhuurcourtage
-
-
-
-
-
-
-
-
-
-
-
Subtotaal beheerkosten
-
-
-
-
-
-
-
-
-
-
-
Onderhoudskosten
-
-
-
-
-
-
-
-
-
-
-
Totaal exploitatielasten Exploitatiekosten als % theoretische huur
-
0%
0%
0%
0%
0%
0%
0%
0%
0%
0%
Desinvestering woningen (uitponden) Desinvestering appartementen (uitponden) Martkwaardepremie agv labelverbetering woningen Marktwaardepremie agv labelverbetering appartementen Verkoopkosten Investeringen voor energieprestatieverbetering woningen Investeringen voor energieprestatieverbetering appartementen Mutatieonderhoud bij wederverhuur Mutatieonderhoud bij verkoop Exploitatielasten leegstand voor rekening eigenaar
-
-80.769 -931.283 -
15.284 -183 -149.401 -2.108.237 -
3.894 52.562 -677 -153.733 -2.169.376 -
5.951 87.285 -1.119 -158.345 -2.234.458 -
8.086 121.286 -1.552 -162.462 -2.292.554 -
12.359 154.488 -2.002 -167.499 -2.363.623 -
14.693 184.710 -2.393 -
12.833 173.248 -2.233 -
13.077 163.463 -2.118 -
11.105 155.464 -1.999 -
Totale correcties
-
-1.012.051
-2.242.538
-2.267.331
-2.300.686
-2.327.196
-2.366.276
197.010
183.848
174.421
164.570
Huurinkomsten begin jaar 11 Exit yield Waarde v.o.n. Correctiepost erfpacht
-
Eindwaarde v.o.n.
-
-
-
-
-
-
-
-
-
1.017.096 8,76% 11.608.287 -
11.608.287
122
Recapitulatie kasstromen Totaal bruto huurinkomsten (gecorrigeerd voor verkopen) Totaal exploitatielasten Totale correcties Eindwaarde k.k.
-
34.975 -1.012.051 -
147.967 -2.242.538 -
306.595 -2.267.331 -
469.550 -2.300.686 -
636.582 -2.327.196 -
806.789 -2.366.276 -
905.900 197.010 -
930.738 183.848 -
956.724 174.421 -
983.892 164.570 11.608.287
Totaal netto kasstromen
-
-977.077
-2.094.571
-1.960.736
-1.831.135
-1.690.614
-1.559.487
1.102.910
1.114.586
1.131.145
12.756.748
Netto contante waarde kasstromen
-
-946.333
-1.903.009
-1.671.073
-1.463.954
-1.267.891
-1.097.109
727.845
689.990
656.868
6.949.130
Som van de contante waarden (waarde v.o.n.) Kosten koper
674.463 19.645
Waarde k.k. Afgerond:
654.818 655.000
Bar k.k.
5,34%
123
