REFERENTIE IS NOG EEN REFERENTIE!

DE SLECHTSTE

REFERENTIE IS NOG EEN

REFERENTIE! EEN VERKENNEND ONDERZOEK NAAR EEN MOGELIJKE STANDAARDISATIE VOOR DE BEOORDELING VAN HUURREFERENTIES

VINCENT HUIZINGA

(Leopold Willems - taxateur, 1963 – heden)

EEN VERKENNEND ONDERZOEK NAAR EEN MOGELIJKE STANDAARDISATIE VOOR DE BEOORDELING VAN HUURREFERENTIES

ir. V. Huizinga 15 oktober 2010 Amsterdam School of Real Estate MRE jaargang 2008-2010 Begeleiding ASRE: drs. G.A. Vos

De slechtste referentie is nog een referentie!

Voorwoord "De MRE moet je niet doen, maar de MRE moet je gedaan hebben …” (een ervaringsdeskundige, 2010) Het gehele onderzoek is klaar, behalve het voorwoord. Na al die maanden wetenschappelijk onderzoek, moest het voorwoord maar eens ludiek worden. Het woord ‘ludiek’ is immers niet voor niets in 1938 aan de Nederlandse taal toegevoegd door wellicht een ver familielid (Nederlandse historicus Johan Huizinga). Echter, door het drukke schema van de dagelijkse praktijk is het voornemen om een ludiek voorwoord te schrijven weer verwaterd tot het voornemen tot het halen van de deadline. Ik ga dan ook niet iedereen bedanken die in meer of mindere mate heeft bijgedragen aan de totstandkoming van deze masterthesis en aan mijn algemene welzijn. Hoe meer mensen ik bedank des te meer ik er waarschijnlijk vergeet. Derhalve zal ik alleen degenen voor het voetlicht brengen die een grote bijdrage hebben geleverd aan deze masterthesis. De thesis die voor u ligt, had hier niet gelegen wanneer Frans van Hoeken mij niet enige jaren geleden had aangespoord om toch eens na te denken over het volgen van de opleiding Master of Real Estate. “Het kost je twee jaar van je sociale leven, maar dat is het meer dan waard!”, voegde hij er wel meteen aan toe. Na voltooiing kan ik beamen dat de kennis en de kennissen die ik op heb mogen doen gedurende deze opleiding het inderdaad meer dan waard zijn geweest. Gerjan Vos wil ik graag bedanken voor de prettige samenwerking en zijn opbouwende kritieken gedurende het schrijven van deze thesis. Tenslotte wil ik Daphne bedanken die tijdens deze studie ook nog eens mijn vrouw is geworden. Dankzij haar steun en geduld in de afgelopen twee jaren en de ruimte die ze me heeft geboden, heb ik weer een van mijn ambities kunnen verwezenlijken.

Uitgeest, oktober 2010

Vincent Huizinga

Amsterdam School of Real Estate

Vincent Huizinga | 3


Inhoudsopgave 1

2

3

4

5

Inleiding ..........................................................................................................................6 1.1

Aanleiding .............................................................................................................6

1.2

Doel en afbakening................................................................................................7

1.3

Onderzoeksmethode .............................................................................................7

1.4

Leeswijzer .............................................................................................................9

Referenties in taxatierapporten ...................................................................................... 11 2.1

Het belang van referenties in taxatierapporten ..................................................... 11

2.2

Regels en voorschriften voor taxatierapporten - nationaal .................................... 12

2.3

Regels en voorschriften voor taxatierapporten - internationaal ............................. 13

2.4

Beoordelingsmethoden en technieken voor referenties ........................................ 15

2.5

Hoeveel referenties zijn er nodig? ........................................................................ 19

2.6

Bandbreedte........................................................................................................ 20

2.7

Beschouwingtijd referenties ................................................................................. 21

2.8

Resumé............................................................................................................... 22

Huurprijs bepalende aspecten voor kantoorruimten ....................................................... 23 3.1

Karakteristieken van kantoorgebouwen ............................................................... 23

3.2

De beoordelingsaspecten .................................................................................... 25

3.3

Onderbouwing en toelichting beoordelingsaspecten............................................. 27

3.4

Conclusie ............................................................................................................ 29

De beoordeling van kwaliteitsaspecten .......................................................................... 30 4.1

Kwaliteit............................................................................................................... 30

4.2

Het meten van kwaliteit........................................................................................ 31

4.3

Enquête............................................................................................................... 32

4.4

Kwaliteitsaspecten voor de cluster Gebruiker ....................................................... 33

4.5

Kwaliteitsaspecten voor de cluster Gebouw ......................................................... 35

4.6

Kwaliteitsaspecten voor de cluster Gebied ........................................................... 38

4.7

Kwaliteitsaspecten voor de cluster Markt ............................................................. 41

4.8

Resumé............................................................................................................... 44

Analyse / test van het model .......................................................................................... 46 5.1

De dataset - huurtransacties in Amsterdam ......................................................... 46

5.2

Marktsituatie Amsterdamse kantorenmarkt .......................................................... 48

5.3

Effectieve huur .................................................................................................... 50

5.4

Toepassing model - kwaliteiten van de transacties............................................... 54

5.5

Analyse – Pearsons’ test ..................................................................................... 55

5.6

Enquête versus statistische analyse .................................................................... 57

5.7

Resumé............................................................................................................... 58




6

7

Het Model ..................................................................................................................... 60 6.1

Het concept model............................................................................................... 60

6.2

Het definitieve model ........................................................................................... 61

6.3

Toepassing van het model ................................................................................... 63

6.4

Resumé............................................................................................................... 66

Conclusies en aanbevelingen ........................................................................................ 67 7.1

Conclusies .......................................................................................................... 67

7.2

Antwoord op de centrale vraagstelling ................................................................. 68

7.3

Aanbevelingen en verder onderzoek.................................................................... 68

Literatuurlijst/verantwoording ................................................................................................ 71 Bijlagen • Interviews • Model voor beoordeling kwaliteitsaspecten • Resultaten enquête • Dataset - 25 transacties in Amsterdam (2008 - 2010) • Dataset - beoordeling kwaliteiten transacties • Dataset - Pearsons’ correlatie




1

Inleiding

"De gehele wetenschap is niets meer dan een verfijning van het dagelijks denken." (Albert Einstein - natuurkundige, 1879-1955) In dit hoofdstuk wordt de onderzoeksopzet toegelicht. Paragraaf 1.1 schetst de onderzoeksaanleiding en de probleemanalyse. Hierdoor kan in 1.2 de probleemstelling worden geformuleerd en worden voorzien van een afbakening. De verantwoording van de toegepaste onderzoeksmethoden staat vermeld in 1.3 en tot slot sluit dit hoofdstuk in 1.4 af met een uiteenzetting van de opbouw van het onderzoek c.q. leeswijzer. 1.1

Aanleiding Volgens de definitie van de Dikke van Dale zou taxeren “schatten” zijn; de waarde of omvang van iets bij benadering bepalen. Dit schatten vormt de basis voor de werkzaamheden van de taxateur. In vroeger jaren werd de taxateur alleen al op zijn woord geloofd. Hij krabbelde wat op de achterkant van een sigarendoos en het op onnavolgbare wijze tot stand gekomen resultaat was waarheid. Later kwam er al iets op papier. Op één A-tje werd geschreven wat een object of goed waard zou zijn. Daarna volgde de scheiding tussen de taxateur en de makelaar. Slechts in kleinere praktijken wordt deze, vaak terecht bekritiseerde dubbelrol van makelaar/taxateur, nog vervuld. De maatschappelijke verantwoordelijkheid van de taxateur veranderd en derhalve moet ook zijn praktijk/product hierop worden aangepast. In de dagelijkse praktijk van het taxeren van onroerend goed, wordt bij alle taxaties in meer of mindere mate gebruik gemaakt van de comparatieve methode. De comparatieve ofwel vergelijkende methode, vergelijkt verkooptransacties en/of verhuurtransacties van soortgelijke objecten met elkaar. Het vergelijken vormt derhalve een essentieel onderdeel van een taxatie. Al enkele jaren wordt door diverse deskundigen gepleit om in taxatierapporten veel meer aandacht te schenken aan de referenties. Echter tot op heden ontbreekt in vrijwel alle taxatierapporten van alle taxatiebureaus in Nederland een uitgebreide toelichting, een goede vertaling van beschikbare referentietransacties en een onderbouwing van de parameterkeuze. En in de gevallen waarin dit wel gebeurt, vaak relatief beperkt, is hier geen eenduidige vorm in te herkennen. Derhalve blijven er bij gebruikers van taxatierapporten, door het ontbreken van eenduidige format en/of basisuitgangspunten, veelal vragen rijzen hoe de referentietransacties zich verhouden tot het getaxeerde en hoe een en ander geïnterpreteerd moet worden. In de wens naar het vergroten van de transparantie in de vastgoedwereld, hebben zowel de IVBN1 als de ROZ IPD2 namens hun leden in het verleden al aangegeven dat zij een sterke behoefte hebben aan een verdere onderbouwing van taxaties en dus de beoordeling van referenties. Naast deze (branche)verenigingen zijn er vele partijen - waaronder financiers, vastgoedadviseurs, maar uiteraard ook huurders - die behoefte hebben aan meer eenduidige en meer objectieve beoordeling van de referentietransacties. Dit zou kunnen leiden tot een vermindering van de subjectieve elementen bij de beoordeling van deze. 1

De Vereniging van Institutionele Beleggers in Vastgoed, Nederland - kortweg IVBN - is een belangenbehartigingsorganisatie voor institutionele beleggers in Nederlands vastgoed. Men behartigt de gezamenlijke belangen van grote pensioenfondsen, verzekeringsmaatschappijen, vermogensbeheerders en (al dan niet beursgenoteerde) vastgoedfondsen. 2 De vereniging Raad voor Onroerende Zaken (ROZ) heeft ten doel het gezamenlijk bewaken, bevorderen en verbeteren van het functioneren, de kwaliteit en het aanzien van de bedrijfstak onroerend goed. De ROZ stelt jaarlijks de Vastgoedindex samen. Deze wordt tot stand gebracht in samenwerking met de Investment Property Databank (IPD).




Ook de actualiteit vraagt om inzicht in de beoordeling van referenties. Immers hoe kan men taxeren in een markt nagenoeg zonder referentietransacties? Bij de mindere marktevidence welke ontstaat, zou de taxateur juist meer inzicht moeten verschaffen in zijn/haar keuzes en uitgangspunten. Derhalve is het voor alle partijen wenselijk dat dit voor een van de meest essentiële onderdelen van het taxatierapport - de referenties - dat dit op een eenduidige en heldere wijze wordt gedaan. 1.2

Doel en afbakening In deze masterthesis zal een verkennend onderzoek worden uitgevoerd naar de mogelijkheid om de beoordeling van huurreferenties te standaardiseren. Er zal worden onderzocht in hoeverre de overeenkomsten en verschillen tussen het getaxeerde en de als referentie gebruikte objecten op een eenduidige wijze kunnen worden geanalyseerd. Hierbij wordt gestreefd naar een in de praktijk uniform toepasbaar model en/of methodiek, waarvan de acceptatie voor alle gebruikers groot is. Afbakening Dit onderzoek zal zich toespitsen op de huurreferenties op de Nederlandse vastgoedmarkt en in het bijzonder voor de deelcategorie kantoren. Expliciet wordt gemeld dat dit onderzoek niet is gericht op het vergelijkbaar maken van beleggingsrendementen. Centrale vraagstelling Op welke wijze kunnen huurreferenties eenduidig met elkaar worden vergeleken voor de toepassing in taxatierapporten? Deze masterthesis zal meer inzicht moeten geven in de belangrijkste parameters voor de beoordeling van huurprijzen van kantoorruimten, alsmede in de mate waarin deze onderling vergeleken kunnen worden. Het eindproduct van deze masterthesis moet leiden tot een beoordelingsmethodiek voor huurreferenties die opgenomen kunnen worden in taxatierapporten. Deelvragen die in deze masterthesis zullen worden beantwoord zijn: • Bestaan er regels en/of richtlijnen ten aanzien van huurreferenties bij taxaties? (H2) • Wat vormen de belangrijkste elementen voor de vaststelling van de huurprijs voor kantoorgebouwen in Nederland? (H3) • Op welke wijze kunnen deze elementen objectief en eenduidig worden beoordeeld? (H4) • Hoe kunnen deze factoren worden gewogen op basis van de onderlinge afhankelijkheid? (H4) • Op welke wijze beoordelen de diverse actoren in de vastgoedmarkt de diverse variabelen? (H4) • In hoeverre is het mogelijk om volgens een vaste methodiek en/of door middel van een model huurreferenties onderling objectief te beoordelen? (H5)

1.3

Onderzoeksmethode Het onderzoek wordt uitgevoerd aan de hand van interviews met deskundigen en door middel van literatuuronderzoek, een enquête en een analyse van een dataset.




In de eerste fase van de masterthesis zijn interviews afgenomen bij een aantal representatieve vertegenwoordigers van participanten van de Nederlandse vastgoedmarkt. De geïnterviewden zijn allen in sterke mate direct of indirect betrokken bij de beoordeling van huurreferenties. In de interviews zijn de eerste resultaten van het literatuuronderzoek getoetst met de praktijk. Tevens is er in deze interviews, vooruitlopend op de enquête, gevraagd naar de mening van de geïnterviewden over de beoordeling/onderbouwing van referentietransacties in de huidige taxatierapporten. De resultaten zijn gebruikt bij het opstellen van de enquête en zijn tevens verwerkt in de diverse onderdelen van het onderzoek. Het tweede doel van interviews is om de huidige situatie ten aanzien van de beoordeling van referenties (o.a. kwaliteit, presentatie wijze, methode) alsmede het belang van referenties binnen de markt inzichtelijk te maken. Het literatuuronderzoek vormt de basis van het theoretisch onderzoek. Diverse nationale en internationale gepubliceerde rapporten en artikelen in vakbladen alsmede relevante websites zijn hiervoor geraadpleegd. Het literatuuronderzoek is onder te verdelen naar een viertal onderdelen waar specifieke aandacht aan is besteed. A. Taxatiespecifieke literatuur. Er is gezocht naar de voorschriften en richtlijnen die er bestaan voor taxaties en dan specifiek ten aanzien van het gebruik van referenties in taxatierapporten. B. Algemene vastgoedliteratuur. Onderzoek is er gedaan naar de karakteristieken van kantoorhuren en de belangrijkste huurprijsbepalende elementen voor kantoorgebouwen in Nederland. C. Methodologische literatuur. Dit heeft zich met name gericht op meting van kwaliteit in relatie tot vastgoed en kantoorgebouwen in het bijzonder. D. Literatuur met betrekking tot de kwaliteit van kantoren. Er is op zoek gegaan naar de verantwoording voor de keuze van en de onderbouwing voor de beoordeling van de kwaliteitsaspecten van vastgoed voor kantoorgebouwen. Globaal kan gesteld worden dat het eerste gedeelte van het literatuuronderzoek (A en B) als doel heeft om aansluiting te vinden bij de bestaande richtlijnen om het uiteindelijke resultaat (het model) bruikbaar te laten zijn voor de doelgroep binnen de bestaande praktijk. Daarna richt het literatuuronderzoek zich meer op de parameters voor (objectieve) beoordelingscriteria en of deze toegepast kunnen worden in dit onderzoek (C en D). Om de onderlinge verhoudingen en de weegfactoren te bepalen van de te beoordelen elementen, is een enquête uitgevoerd onder vastgoedprofessionals die taxatierapporten opstellen en tevens bij degene die deze rapporten gebruiken. Er is gestreefd naar een representatief aantal respondenten voor taxateurs (‘opstellers’) en beleggers en financiers (‘gebruikers’). De enquête is per email verzonden en kan online worden ingevuld. In de enquête is tevens aandacht besteed aan de huidige wijze van en de kwaliteit van de beoordeling van huurreferenties. Ook is aan de professionals gevraagd naar hun eisen en wensen ten aanzien van een voor hun bruikbaar model voor de beoordeling van huurreferenties.




Voor de data analyse is een set huurtransacties van kantoorgebouwen in de regio Amsterdam gebruikt die hebben plaatsgevonden in de periode 2008 tot 2010. Hierbij zijn de referentietransacties ‘geschoond’ van de door de eigenaar gegeven kortingen (o.a. incentives, huurvrije periode, etc.). Vervolgens zijn op basis van de resultaten uit eerdere stadia van het onderzoek (literatuuronderzoek en interviews/enquêtes) alle objecten voorzien van een objectieve ‘score’ voor de verschillende huurprijsbepalende elementen. Daarna is een analyse uitgevoerd naar de onderlinge afhankelijkheid van deze huurprijsbepalende elementen. Het doel van de data analyse is het uitvoeren van een inhoudelijke toets op de eerder in het onderzoek verkregen resultaten (uit met name de literatuurstudie en de enquête). Er is een analyse uitgevoerd in hoeverre en op welke wijze deze resultaten verwerkt kunnen worden in het uiteindelijke model. De consensus vormt de basis voor het model om objectieve beoordeling van referenties te kunnen weergeven. 1.4

Leeswijzer De leeswijzer resulteert uit het onderstaande (conceptuele) onderzoeksmodel. inleiding (H1)

referenties in taxatierapporten (H2)

huurprijzen kantoorgebouwen (H3)

literatuurstudie taxaties

literatuurstudie vastgoed

vaststellen huidige situatie enquête

randvoorwaarden en uitgangspunten voor model

(methode) meting van kwaliteit (H4 – deel I)

kwaliteiten van kantoorgebouwen (H4 – deel II)

literatuurstudie methoden

literatuurstudie kantoren weegfactoren kwaliteiten enquête

concept model

inhoudelijke test (H5)

test toepasbaarheid (H6)

data analyse

praktijk

definitieve model

conclusies (H7) Bron: eigen onderzoek, 2010




In hoofdstuk 2 wordt de huidige situatie vastgesteld met betrekking tot de beoordeling van referenties in taxatierapporten. Hoofdstuk 3 gaat in op de huurprijsbepalende elementen voor kantoorgebouwen. De resultaten uit deze twee hoofdstukken gezamenlijk vormen het vertrekpunt voor de ontwikkeling van een eventueel beoordelingsmodel. Het eerste gedeelte van hoofdstuk 4 geeft inzicht in de wijze van beoordeling van de kwaliteit van kantoorgebruikers, - gebouwen, - locaties en de markt van kantoren. In het tweede gedeelte van dit hoofdstuk worden de kwaliteitsaspecten nader uitgediept. De resultaten van de interviews, de enquête en de literatuurstudies zijn doorlopend verwerkt in de hoofdstukken 2 tot en met 4. Nadat de weegfactoren van deze kwaliteiten zijn vastgesteld, wordt het eerste conceptuele model opgesteld. In hoofdstuk 5 wordt het model inhoudelijk beoordeeld door middel van toepassing van het model op 25 huurtransacties. De relevantie van de vastgestelde kwaliteitsaspecten zal worden geanalyseerd, waarna in hoofdstuk 6 de gebruiksvriendelijkheid en toepasbaarheid van het model in taxatierapporten zal worden beoordeeld. Hierna zal het definitieve model worden vastgesteld. Het onderzoek sluit in hoofdstuk 7 af met de conclusies en aanbevelingen.




2

Referenties in taxatierapporten

“Ga niet het wiel opnieuw uitvinden.”3 Voor het opstellen van taxatierapporten gelden niet alleen wetten, maar ook andere in het maatschappelijk verkeer aanvaardbare richtlijnen. De taxateurs in Nederland krijgen steeds vaker te maken met de richtlijnen gesteld vanuit internationaal perspectief. Een groot speelveld ontstaat met daarin een complexiteit van richtlijnen. Het lijkt dan ook voor de hand te liggen dat voor een van de meest elementaire zaken van het taxeren – het vergelijken met referentie objecten – er ook regels en/of voorschriften bestaan ten aanzien van de uitvoering en de verslaglegging hiervan in taxatierapporten. In dit hoofdstuk is een analyse beschreven van deze richtlijnen en dan specifiek welke eisen en voorschriften er gelden ten aanzien van (de onderbouwing van) referenties in de taxatierapporten. Tevens is er onderzocht op welke wijze referenties op dit moment worden opgenomen in taxatierapporten. Nagegaan is of voor een eventuele standaardisatie hierbij aansluiting kan worden gevonden. 2.1

Het belang van referenties in taxatierapporten Van oudsher wordt het taxatierapport als een belangrijk document beschouwd. Om te onderzoeken welk belang er heden ten dagen nog wordt gehecht aan een taxatierapport is dit voorgelegd aan de geënquêteerden.

Bron: eigen onderzoek (enquête), 2010

Meer dan 80% van de geënquêteerden geeft aan dat zij een taxatierapport van zeer groot of groot belang achten in de vastgoedmarkt. De onafhankelijke taxateurs overschatten mogelijk iets het belang van hun product; een op de vier taxateurs geeft aan dat het taxatierapport doorslaggevend is bij beslissingen. In het licht van het toch grote belang van taxatierapporten is het des te opvallender dat 47% van de vastgoedprofessionals de kwaliteit van de toelichting, de beoordeling en/of de vertaling van huurreferenties in taxatierapporten als matig tot slecht beoordeeld.

3

Engels gezegde van onbekende oorsprong (bron: www.dulu.info, 2010). Wanneer zij beginnen op een taak, wat betekent dat een aantal fundamentele aspecten van de taak niet hoeven te worden veranderd of overgenomen, omdat dit een verspilling van tijd zou zijn.”





Dit opvallende resultaat kan zeker niet worden afgedaan als een ‘toevalligheid’. Immers, ruim tweederde van de ondervraagden geeft aan dat hij/zij per jaar meer dan 25 taxatierapporten ‘voorbij ziet komen’. Resumerend kan gesteld worden dat er dus behoefte is aan verbetering van de toelichting, de beoordeling en/of de vertaling van huurreferenties in taxatierapporten. De taxateurs zullen zich hierin actief moeten opstellen. 2.2

Regels en voorschriften voor taxatierapporten - nationaal De meest bekende richtlijnen voor het taxeren van onroerend goed in Nederland zijn de taxatierichtlijnen van de ROZ/IPD. Deze zijn opgesteld ten behoeve van de deelnemers aan de ROZ Vastgoedindex. Deze richtlijnen worden in de praktijk een op een opgelegd aan de taxateurs die de objecten waarderen van deze deelnemers. In de laatste versie van de richtlijnen d.d. 15 maart 2007 opgesteld door Stichting ROZ Vastgoedindex, waarin specifiek aandacht wordt besteed aan de vergelijkbare transacties, wordt dit als volgt beschreven: “De richtlijn luidt om in het taxatierapport minimaal drie referentietransacties op te geven voor zowel de markthuren (per m²) als de BAR (NAR). Bij de woningen dienen tevens drie referentietransacties voor de onderhandse verkoopwaarde vrij van huur en gebruik te worden gegeven. Van de referentietransacties moet onderbouwd worden dat dit vergelijkbare objecten en transacties zijn. In het geval van een kleine markt of geringe activiteit mag ook gebruik gemaakt worden van transacties in vergelijkbare steden of transacties uit het verleden (maximaal drie jaar terug met toelichting). Verwijzing naar marktrapporten worden, evenals referenties/transacties uit de eigen portefeuille, óók als referentie geaccepteerd (mits er aandacht wordt besteed aan vergelijkbaarheid van het marktbeeld en het te taxeren object). Indien het niet mogelijk is om bruikbare referenties te geven, dient dit expliciet te worden toegelicht.” Hierbij valt op dat er gevraagd wordt om een onderbouwing, maar dat enig format of een nadere toelichting (of dit bijvoorbeeld een kwalitatieve onderbouwing moet zijn) ontbreekt. In een interview in het kader van dit onderzoek met de directeur van IPD Nederland (d.d. 18 juni 2010), mevrouw drs. M. Waldmann, geeft zij aan dat dit zeker wel de wens is en dat deze richtlijn waarschijnlijk in de nabije toekomst zal worden uitgebreid door middel van een addendum op onderhavig document.




Het lijkt voor de hand te liggen dat richtlijnen en/of voorschriften met betrekking tot taxaties worden opgelegd door overkoepelende en/of toezichthoudende organen. De NVM is de grootste Nederlandse vereniging voor makelaars en vastgoeddeskundigen, maar biedt op dit gebied geen uitkomst. Ook de toezichthouder van het gedrag van de gehele financiële marktsector in Nederland, de Autoriteit Financiële Markten (AFM), geeft geen richtlijnen uit. Eerder nog was het AFM in hun rapport ‘Vastgoed-CV’s en maatschappen (verkenning)’ (2005) zeer kritisch over de markt voor vastgoed en streefde naar meer transparantie binnen de markt. De verschillende overkoepelende stichtingen (Stichting Transparantie Vastgoedfondsen – STV, Vastgoedbelang, Vereniging Vastgoed Fondsen - VVF) die met name door vastgoedfondsenaanbieders als reactie hierop zijn opgericht, hebben tot op heden ook nog niets gezegd over de beoordeling van vergelijkbare objecten. Ook de Vereniging van Institutionele Beleggers in Vastgoed, Nederland - kortweg IVBN - is gebaad bij meer transparantie in de vastgoedmarkt. Bestuurslid van de belangenbehartigingsorganisatie voor institutionele beleggers in Nederlands vastgoed, de heer drs. R.A. Vroom, geeft aan dat de IVBN dergelijke richtlijnen niet op kan leggen aan haar leden. “Wij zijn ‘slechts’ belangenbehartiger, maar wij steunen dergelijke initiatieven uiteraard, want de behoefte c.q. de wens naar transparantie in onze sector is erg groot. Een dergelijk instrument kan hiertoe zeker bijdragen.” Vroom is tevens financieel directeur bij pensioenfonds Bouwinvest en derhalve betrokken bij de taxaties van alle vastgoedbeleggingen van Bouwinvest in Nederland. Hij constateert dat bij vrijwel alle taxaties van vastgoedadviseurs in Nederland de beoordeling van referenties onderbelicht is. Ook de Erecode van de Stichting Register Taxateurs O.Z. vermeldt vrijwel niets over de referentietransacties bij taxaties. De erecode gaat veel meer in op de taak en de ethiek van de taxateur. De taxateur dient zijn werk op een eerlijke, integere en toegewijde manier uit te voeren. Verder dan een korte verwijzing naar het gebruik van externe bronnen gaat de code niet. Binnen de accountancy heeft de transparantie al enkele jaren eerder zijn intrede gedaan. Mogelijk dat er parallellen gevonden kunnen worden met de verslaglegging met betrekking tot het onroerend goed. In Richtlijn 121.3, alinea 307 van de Richtlijnen voor de Jaarverslaggeving (2006) wordt gesproken over het bepalen van de opbrengstwaarde. “ … de opbrengstwaarde gebaseerd op de best beschikbare informatie omtrent het bedrag dat een rechtspersoon zou kunnen verkrijgen, onder aftrek van de kosten van het afstoten. Bij het bepalen van dit bedrag neemt de rechtspersoon kennis van de uitkomsten van recente transacties in vergelijkbare activa binnen dezelfde branche. De opbrengstwaarde is geen weergave van een geforceerde verkoop ...” Een verdere uitleg en/of verklaring hoe om te gaan met de verschillende parameters ontbreekt ook hier. 2.3

Regels en voorschriften voor taxatierapporten - internationaal Steeds vaker krijgen taxateurs in Nederland te maken met taxaties die ook moeten voldoen aan de eisen gesteld in de International Financial Report Standards (IFRS).




International Financial Report Standards (IFRS) Vanaf 2005 moeten alle beursgenoteerde ondernemingen in de Europese Unie hun geconsolideerde jaarrekening inrichten op basis van de International Financial Report Standards (IFRS). Naast de componenten en resultaatbepaling in een jaarrekening - waarin de bedrijfsresultaten veel doorzichtiger en meer vergelijkbaar zijn dan voorheen - geeft de IFRS onder meer richtlijnen voor de waardering van de activa (onroerend goed). Daarbij is de toepassing van de Fair Value (veelal vertaald naar marktwaarde) in zeer veel gevallen verplicht of op zijn minst aanbevolen als waarderingsgrondslag. De richtlijnen die gelden voor de vaststelling van de waarde van de activa zijn als volgt beschreven. “De waarde van activa dient op een zo betrouwbaar mogelijke wijze te worden vastgesteld. De reële waarde kan worden bepaald aan de hand van een prijs op een actieve markt, als zo een markt aanwezig is. Daarbij wordt zoveel mogelijk gerefereerd aan genoteerde of afgeleide marktprijzen of vindt waardering plaats m.b.v. schattingen door, bij voorkeur, onafhankelijke deskundigen.” Er wordt vermeldt dat er gerefereerd moet worden aan de markt, maar ook hier ontbreken er kwalitatieve richtlijnen op welke wijze de vergelijking met deze referentie moet plaatsvinden. Laat staan ten aanzien van welke parameters dit zou moeten gebeuren. Internationale taxatie standaarden Op basis van de onderzochte literatuur, lijken er vooralsnog in Nederland geen vast omlijnde richtlijnen te bestaan voor een goede vertaling van beschikbare referentietransacties en een onderbouwing van de parameterkeuze. Internationaal bestaan er verschillende standaarden om vastgoed te waarderen. In dit onderzoek zullen European Valuation Standards (EVS) van The European Group of Valuers’ Associations (TEGoVA) nader worden geanalyseerd alsmede de International Valuation Standards (IVS) opgesteld door het International Valuation Standards Committee (IVSC). Het gezaghebbende Royal Institution of Chartered Surveyors (RICS) ondersteund beide organisaties en heeft haar richtlijnen verwoord in The Red Book. In de zesde editie van de European Valuation Standards (EVS) uitgegeven in januari 2009, wordt zowel aandacht besteed aan het proces als aan de rapportage van de taxatie. EVS4 - The Valuation Process “6.6. Having inspected the property, valuers should seek out and consider available comparables (for sale or for rent as appropriate) and analyse them on a common basis as to evidence of prices and/or yields.” EVS5 - Reporting the Valuation “4.1. The Valuation Report should record the instructions for the assignment, the basis and purpose of the valuation and the results of the analysis that led to the opinion of value, including, where appropriate, details of comparables used. It may also explain the analytical processes undertaken in carrying out the valuation, and present the supporting information.” In de achtste editie van de International Valuation Standards (IVS 2007) gaat men voor wat betreft de uitwerking nog iets verder. In vergelijking met de EVS moet de taxateur volgens IVS ook aangeven of de data van referenties volledig is en op welke wijze de taxateur daar mee om is gegaan in de taxatie.




“6.4 Market valuations are generally based on information regarding comparable properties. The Valuation Process requires a Valuer to conduct adequate and relevant research, to perform competent analyses, and to draw informed and supportable judgements. In this process, Valuers do not accept data without question but should consider all pertinent market evidence, trends, comparable transactions, and other information. Where market data are limited, or essentially non-existent (as for example with certain specialised properties), the Valuer must make proper disclosure of the situation and must state whether the estimate is in any way limited by the inadequacy of data. All valuations require exercise of a Valuer’s judgment, but reports should disclose whether the Valuer bases the Market Value estimate on market evidence, or whether the estimate is more heavily based upon the Valuer’s judgement because of the nature of the property and lack of comparable market data.” The Red Book – RICS Voor de Nederlandse markt is een directe vertaling gemaakt van de RICS Beoordelings- en Taxatie standaarden (The Red Book). In de geactualiseerde versie van maart 2007 worden ook geen specifieke woorden gewijd aan de beoordeling van referenties. Bij de minimuminhoud van taxatierapporten is wel beschreven dat het rapport duidelijk inzicht moet geven in de door de taxateur gegeven opinies. Verder mag het op geen enkele wijze de lezer misleiden of een onjuiste indruk geven. In de bijlage Minimuminhoud van Taxatierapporten wordt voorts aangegeven dat rapporten een verklaring moeten bevatten in hoeverre de waarden zijn onderbouwd door marktbewijs of in hoeverre de waarden schattingen zijn gebruikmakend van andere taxatietechnieken (die openbaar gemaakt zijn) vanwege het soort object, weinig transacties of eventuele combinaties van deze factoren. In deel 4 Richtlijnen geeft richtlijn 5 (RL5) Taxatieonzekerheid wordt de mate van subjectiviteit van de opinie van de taxateur, alsook de mate van ‘zekerheid’ behandeld. In voorkomende gevallen meent de RICS dat de taxateur de aandacht er op moet vestigen dat onzekerheid een wezenlijke invloed op de taxatie kan hebben, met vermelding van de oorzaak van de onzekerheid en de mate waarin deze in de gerapporteerde taxatie tot uitdrukking komt. Als voorbeeld hierop wordt in de daarop volgende paragraaf “de beschikbaarheid en de relevantie van vergelijkend marktbewijs” genoemd. 2.4

Beoordelingsmethoden en technieken voor referenties In de meer specifieke literatuur ten aanzien van het taxeren van omroerend goed, wordt meer aandacht besteed aan de wijze van vergelijk van transactie referenties. Lusht (2001) benoemt in ‘Real Estate Valuation – Principles and Applications’ de vier meest gebruikelijke manieren om de referenties te ordenen: • Enkele transacties worden binnen een raamwerk geplaatst als ‘Matched pairs’ en worden vervolgens per element gecorrigeerd op prijs. • Op basis van een zeer groot aantal referenties en dito variabelen wordt een regressie analyse uitgevoerd om de ‘onbekende’ rekenkundig vast te stellen. • Op basis van het corrigeren van (herbouw)kosten wordt de getaxeerde waarde vastgesteld. • Door middel van onderzoek in de markt vraagt de taxateur diverse partijen hoeveel ze extra bereid zijn te betalen ten opzichte van de referenties. De ‘Matched pairs’ lijkt voor dit onderzoek de meest geëigende methode als vertrekpunt. Voor de methode is geen minimale kritische massa nodig voor de data en is praktisch toepasbaar, maar bovenal ook helder, duidelijk en relatief eenvoudig te doorgronden. De matched pairs gaat uit van een raamwerk (grid) waarbij in eerste instantie alle data per object op een rij worden gezet (zie onderstaande figuur - stap 1).




Voorbeeld ‘grid’ - stap 1 data

getaxeerde

verkoopprijs eigendom

referenties 1

2

3

4

EUR 112.000

EUR 120.000

EUR 124.000

EUR 120.000

volledig

volledig

volledig

volledig

volledig

conventioneel

conventioneel

conventioneel

conventioneel

conventioneel

datum transactie

02-1993

02-1993

02-1993

02-1993

02-1992

oppervlakte (m²)

1.700

1.600

1.800

1.800

1.800

leeftijd

16

1973

1973

1975

1972

air conditioning

ja

ja

ja

ja

ja

goed

uitstekend

goed

goed

uitstekend

2

2

2

2

2

financiering

conditie parkeerplaatsen

Bron: Lusht, K.M. (2001). Real Estate Valuation: Principles and Applications.

Vervolgens worden alle data die voor zowel het getaxeerde als voor de referenties gelijk zijn, geëlimineerd. Zo blijft de variabele data over en hier zal een verdere analyse van worden gemaakt. Verschillen worden gekwantificeerd (o.a. voor transactiedatum, metrage, leeftijd van het object, etc.) en de referenties worden hiervoor gecorrigeerd (zie stap 2). Voorbeeld ‘grid’ - stap 2 data

getaxeerde

verkoopprijs

referenties 1

2

3

4

EUR 112.000

EUR 120.000

EUR 124.000

EUR 120.000

datum transactie

02-1992 + EUR 6.000

gecorr. prijs oppervlakte (m²)

1.700

gecorr. prijs

EUR 112.000

EUR 120.000

EUR 124.000

EUR 126.000

1.600

1.800

1.800

1.800

+ EUR 7.000

- EUR 7.000

- EUR 7.000

- EUR 7.000

EUR 119.000

EUR 113.000

EUR 117.000

EUR 119.000

bouwjaar

1977

1973

1973

1975

1972

conditie

goed

uitstekend

goed

goed

uitstekend


Doordat er vrijwel voor alle elementen nu gecorrigeerd is, blijft alleen de conditie (kwaliteit van het object) als variabele over. Wanneer dit bijvoorbeeld wordt uitgedrukt in de staat van onderhoud, dan kan ook hier een correctie voor plaatsvinden. Derhalve ontstaat er een grid waarbij alle referenties geobjectiveerd zijn en kan de waarde van het getaxeerde worden vastgesteld (zie stap 3).




Voorbeeld ‘grid’ - stap 3 data

getaxeerde

gecorr. prijs bouwjaar

1977

gecorr. prijs conditie

goed

referenties 1

2

3

4

EUR 119.000

EUR 113.000

EUR 117.000

EUR 119.000

1973

1973

1975

1972

+ EUR 8.000

+ EUR 8.000

+ EUR 4.000

+ EUR 8.000

EUR 127.000

EUR 121.000

EUR 121.000

EUR 127.000

uitstekend

goed

goed

uitstekend

EUR 121.000

EUR 121.000

EUR 121.000

- EUR 6.000 gecorr. prijs

EUR 121.000

- EUR 6.000


Voor commercieel onroerend goed wordt in het voorbeeld van Lusht eventueel ook nog een puur financieel element gebruikt; de Gross Income Multiplier (GIM). Deze multiplier op basis van de bruto inkomsten wordt als volgt berekend: Transactieprijs / bruto inkomsten = GIM. In de Nederlandse taxatiepraktijk is de toepassing van een dergelijke multiplier ook niet ongebruikelijk. Het BAR (bruto aanvangsrendement = bruto huurinkomsten / transactieprijs) of de reciproque ervan, de ‘factor’, wordt vaak gebruikt voor het vergelijkbaar maken van koop/beleggingstransacties. Voor het vergelijkbaar maken van huurtransacties is de facto alleen de huur per m² v.v.o. te gebruiken. Het principe van Matched pairs is uiteraard een puur theoretische benadering, die in de praktijk beperkt in Nederland wordt gebruikt. Immers er zullen nooit objecten zijn dit zo precies met elkaar ‘matchen’. Echter het principe schept wel duidelijkheid in de overwegingen en gedachtegangen van de taxateur. Daarentegen kent het principe ook enkele zwakheden. De taxateur zal altijd een aantal subjectieve keuzes en/of beoordelingen moeten blijven maken en niet voor alle transacties zal alle data beschikbaar zijn. In Nederland wordt het principe van Matched pairs gebruikt voor waarderingen in het kader van de Wet WOZ. In de Verenigde Staten wordt het principe wel toegepast bij de waardering van onroerend goed. Bovengenoemde zwakheden zijn inherent aan vastgoed en de vastgoedmarkt in het algemeen. Transacties of objecten en/of alle belangrijke elementen van deze zullen nooit voor 100% gekwantificeerd kunnen worden, omdat er altijd emotionele danwel kwalitatieve elementen een rol zullen blijven spelen. Ook de kwaliteit van de data zal te allen tijde een probleem blijven. De Nederlandse vastgoedmarkt is hierin minder ver dan de Angelsaksische vastgoedpraktijk, maar het is een illusie te denken dat de vastgoedmarkt een volledig transparante markt zal worden. Het feit dat er niet dagelijks transacties plaatsvinden, zoals bijvoorbeeld bij aandelen, speelt hierin een grote rol. In Nederland zijn er wel initiatieven om meer data van transacties voor een ieder beschikbaar te stellen. Echter, nog niet iedereen is van het nut en/of de noodzaak hiervan overtuigd.




In de ‘ideale wereld’ zou de transactiedatabase al lang bestaan … In het rapport “Taxatiebeleid Nederlandse vastgoedbeleggers en de rol van de taxateur” (2009) van Troostwijk Research stelt men dat voor een betrouwbare waardering een uitgebreide toelichting, een goede vertaling van beschikbare referentietransacties en een onderbouwing van de parameterkeuze essentieel is. Tevens zou de toelichting op de taxatie in huidige markt uitgebreider moeten zijn dan in een relatief stabiele en actieve markt. De oprichting van een database met referentietransacties zou op dit punt uitkomst kunnen bieden voor zowel beleggers als taxateurs. Een meerderheid van de beleggers zou voorstander zijn van de oprichting van een dergelijke database. In hetzelfde onderzoek geeft men ook aan dat vanuit commerciële en/of strategische belangen het voor de belegger interessant kan zijn om een transactie niet te melden of de kengetallen van de transactie niet openbaar te maken. Diverse beleggers geven dan ook aan sceptisch te staan tegenover de haalbaarheid van een dergelijke transactiedatabase. Een transactiedatabase zou volgens Troostwijk het vertrekpunt kunnen/moeten zijn voor een standaard beoordelingssysteem voor referenties en de toepassing van deze in taxatierapporten. Echter, met name de commerciële en/of strategische belangen van beleggers en adviseurs zullen er voor zorgen dat de oprichting van een hierboven genoemde volledige openbare transactiedatabase nog lang op zich zal laten wachten. Leden van de IVBN-werkgroep Waarderen (o.a. prof. dr. P. van Gool4) geven in de Discussienota ‘Naar betere taxaties, mede door een betere transactiedatabase’ (2009) een reactie op de stelling: “Met een goede database maak je het vak van makelaar en taxateur kapot; het maakt niet meer uit aan wie je de opdracht geeft, iedereen kan dan makelen of taxeren”. Men stelt dat de stelling op zich juist is, maar dat deze ook gezien moet worden in het kader van “met een automatische versnelling kan iedereen rijden”. Daarbij geeft men tevens aan dat men verwacht dat het taxeren makkelijker wordt, maar dat er daardoor ook meer tijd ontstaat om je te richten op zaken die er daadwerkelijk toe doen. “Zo vraagt de vertaling van referentiegegevens naar het te taxeren project veel aandacht en die vertaling zie je in Nederlandse taxatieverslagen zelden.” Hiermee richt men zich ook direct tot de basis van dit onderzoek. De meest bekende en geraadpleegde openbare bron voor het verkrijgen van data ten aanzien van huurtransacties in Nederland, is de database van PropertyNL. Echter, deze wordt gevoed door de makelaars die transacties aanmelden. Zoals bovenstaand aangegeven is deze derhalve niet volledig en niet 100% betrouwbaar. In dit onderzoek wordt uitgegaan van door DTZ Zadelhoff opgestelde (huur)contracten waarin de afspraken tussen huurder en verhuurder zijn vastgelegd (zie paragraaf 5.1 en bijlage ‘Dataset’). Dit betreft niet alleen de huurprijs, maar ook de aanvullende afspraken die van invloed kunnen zijn op de effectieve huurprijs. Uiteraard betreft dit unieke (en derhalve vertrouwelijke) data, maar met deze kwalitatief veel betere data zal vermoedelijke ook een meer nauwkeurige analyse kunnen worden gedaan. Bij toekomstig gebruik van het resultaat (het model) in de dagelijkse praktijk zal het maken van correcties voor incentives een stuk lastiger blijken. Het onderling vergelijken van bruto markthuren (dus exclusief incentives) zal dan zeer vermoedelijk een meer gebruikelijke praktijk worden.

4

De heer van Gool is tevens directeur van SPF Beheer.




2.5

Hoeveel referenties zijn er nodig? Commercieel onroerend goed (en dus ook kantoren) betreffen vaak relatief heterogene objecten die niet frequent worden verkocht. Dit maakt het vaak lastig om verkooptransacties te vinden die vergelijkbaar genoeg zijn om één op één gebruikt te kunnen worden als referentie voor het te taxeren object. Het uitgangspunt bij de selectie van referenties is over het algemeen “hoe dichterbij het getaxeerde, hoe beter”. Dit gaat voor ‘standaard’ objecten (bijvoorbeeld woningen) veelal wel op, maar voor minder courant onroerend goed zal deze regel relatief gezien moeten worden. Immers de referenties voor een winkelcentrum zullen over het algemeen niet direct in de nabijheid van het getaxeerde kunnen worden gevonden. Hier wordt het schaalniveau vergroot naar regionaal, danwel landelijk niveau. Nu de kaders voor afstand zijn gezet, rijst de vraag hoeveel referenties ‘genoeg’ zijn? Hier is zeker geen vaste stelregel voor, maar Lusht (2001) noemt hierbij wel het feit dat kwantiteit een functie is van kwaliteit. Hoe beter de kwaliteit van de referenties, hoe minder vaak deze noodzakelijk zijn. Uit een voor dit onderzoek gehouden enquête onder zowel gebruikers als opstellers van taxatierapporten, geeft de overgrote meerderheid (circa 59%) aan dat men het liefst 2 tot 3 referenties in taxatierapporten ziet opgenomen. 32% zou liefst 4 tot 5 referenties opgenomen zien in de taxatierapporten. Daarbij valt op dat met name de particuliere beleggers over het algemeen minder referenties benodigd achten in taxatierapporten dan de institutionele beleggers.


Bovenstaande conclusies komen overeen met de in de praktijk gehanteerde vuistregel dat er (tenminste) drie referenties moeten worden opgenomen in taxatierapporten. Hoewel eigenlijk niemand weet waar de vuistregel vandaan komt, is er wel enige empirische ondersteuning bij deze traditie. Uit studies van zowel Lusht en Pugh (1985) als van Isakson (1985) is gebleken dat de nauwkeurigheid van taxaties, gemeten als het verschil tussen de getaxeerde waarde en de gerealiseerde verkoopprijs, nauwelijks toeneemt wanneer men meer dan drie referenties gebruikt. Daarbij wordt opgemerkt dat Isakson in zijn onderzoek “Arbitrage Pricing Theory, Adjustment Grid Methods, and the Market-Data Approach to Value” zich hierbij alleen heeft gericht op referenties bij commercieel onroerend goed. Meestal hebben dergelijke onderzoeken namelijk betrekking op de taxaties van woningen. Volgens de jurisprudentie voor de wettelijke taxaties voor huurprijsaanpassing conform artikel 7:303 BW heeft de wetgever met ‘het gemiddelde’ bedoeld het gewogen gemiddelde van ongeveer drie tot zeven referentiepanden. Bij dergelijke taxaties worden zo nodig op de gevonden huurprijzen van de referentiepanden correcties toegepast ten einde de vergelijkbaarheid van de referentiepanden, ten opzichte van het litigieuze pand, te verbeteren. De praktijk leert volgens Ten Have (2003) dat voor dergelijke taxaties het meest voorkomend aantal referentiepanden vijf is. Amsterdam School of Real Estate



Ook taxaties in het kader van de Wet WOZ5 worden veelal uitgevoerd op basis van de vergelijkende methode. In de ‘Waarderingsinstructie jaarlijkse waardebepaling’ wordt volgens de Waarderingskamer (2009) bij de controle op de onderbouwing van de vastgestelde waarde het taxatieverslag beoordeeld voor een steekproef van de niet-woningen waarbij minimaal drie referentie objecten worden betrokken. Bij taxaties conform de richtlijnen van de Wet WOZ wordt ook in meer of mindere mate gebruik gemaakt van een grid6. Het aantal van drie referenties wordt ook vermeldt in de Taxatierichtlijnen voor taxaties ten behoeve van de ROZ/IPD Vastgoedindex, opgesteld door Stichting ROZ in 2007. 2.6

Bandbreedte In zijn onderzoek “Nauwkeurigheid in taxaties” (2004) concludeert Schekkerman dat de bandbreedte in afwijkingen niet als een gemiddelde van taxaties kan worden gezien en dat toepassing van de bandbreedte van 10-20% daarmee geen rationele basis heeft. Dit omdat deze bandbreedte onder meer ook afhankelijk is van courantheid, omvang en soort vastgoed. Daarbij wordt de kans op ruimere bandbreedte (tussen taxaties van een zelfde object door verschillende taxateurs ) verkleind door het maken van dezelfde ‘taxatiefouten’ door taxateurs. Taxateurs gebruiken dezelfde methodieken omdat ze grotendeels op dezelfde wijze zijn opgeleid en maken gebruik van dezelfde beperkte bronnen en informatiekanalen, zodat de kans op dezelfde inputgegevens groot is. In 2000 heeft Neil Crosby in zijn onderzoek “Valuation accuracy, variation and bias in the context of standards and expectations” deze bandbreedte nader onderzocht. Hij geeft aan dat afwijkingen beperkt blijven omdat wanneer biedingen te ver van taxatiewaarden afliggen, dat transacties dan niet gerealiseerd worden en derhalve niet als referentie kunnen gelden. Ook het feit dat de taxateur ook vaak na de taxatie betrokken is als verkopend makelaar (en derhalve een dubbelrol heeft) speelt hierbij een belangrijke rol. Verder concludeert Schekkerman dat door de rechtbanken in het Verenigd Koninkrijk en Australië wordt geaccepteerd dat taxaties niet vallen te classificeren als exacte wetenschap. De meeste discussies voor de rechtbanken gaan dan ook om de reikwijdte van de bandbreedte respectievelijk of een taxateur ook nalatig kan zijn indien een taxatie buiten de geaccepteerde bandbreedte ligt. In het VK lag 75% van de uitspraken binnen een bandbreedte van 10-15%, maar in de meest recente uitspraken wordt een bandbreedte van 15-20% al meer en meer geaccepteerd, daarmee een verruiming suggererend in de verwachtingen van nauwkeurigheid in taxaties. Hoe Nederlandse rechtbanken hiermee omgaan is niet bekend. Omdat de meeste bestaande onderzoeken ten aanzien van de bandbreedte zich met name richten op referenties van verkochte objecten, is in het kader van dit onderzoek ook een enquête uitgevoerd voor de bandbreedte van huurreferenties.

5

Wet Waardering Onroerende Zaken In de Waarderingsinstructie jaarlijkse waardebepaling - Richtlijnen voor de uitvoering van de Wet WOZ wordt dit als volgt beschreven onder de paragraaf ‘(Modelmatige) waardebepaling niet-woningen’: “Van een modelmatige waardebepaling kan bijvoorbeeld sprake zijn als alle waarderelevante kenmerken zijn te objectiveren en de invloed van elk kenmerk in een taxatiemodel/rekenmodel is geprogrammeerd. Door het invoeren van de objectkenmerken kan het taxatiemodel/rekenmodel dan de taxatiewaarden genereren.” 6





De afwijking van de huurwaarde van referenties ten opzichte van de huurwaarde van het getaxeerde is volgens 39% van de geënquêteerden maximaal +/- 10%. De 10% van de respondaten dat dit maximaal +/- 5% kan zijn, valt ook binnen de eerste ‘groep’. De resultaten uit de enquête sluiten aan bij de bovengenoemde uitspraken uit het VK. Immers, 78% van de geënquêteerden geeft aan dat de afwijking van de huurwaarde van referenties ten opzichte van de huurwaarde van het getaxeerde maximaal +/- 15% is. Ten aanzien van het gebruik van vraagprijzen (aanbod) stelt Lusht (2001) dat deze niet gebruikt moeten worden in plaats van transactieprijzen. Ze kunnen eventueel wel gebruikt worden wanneer er geen referentietransacties beschikbaar zijn of om conclusies op basis van transacties te helpen onderbouwen. In Nederland is het aanbod van te huur aangeboden commercieel onroerend goed sinds enige tijd gereguleerd middels de Stichting Realnext7. Het merendeel van het aanbod in Nederland wordt op deze manier in een database weergegeven en dit gebeurd al op een meer eenduidige wijze. Een vuistregel die in de praktijk gebruikt wordt om huuraanbod te corrigeren voor vergelijk als referentie is dat er een afslag van 10% wordt gehanteerd. Hier ligt geen onderzoek aan ten grondslag en is derhalve ook zeer arbitrair. Door de Stichting ROZ worden referenties/transacties uit de eigen portefeuille, óók als referentie geaccepteerd (mits er aandacht wordt besteed aan vergelijkbaarheid van het marktbeeld en het te taxeren object). Beide hiervoor genoemde voorbeelden betreffen uitzonderingen. In het algemeen geldt uiteraard wel dat onafhankelijke actuele transacties verreweg de grootste voorkeur genieten om te dienen als referentie bij taxaties. 2.7

Beschouwingtijd referenties De afgelopen jaren (2007 – heden) zijn de marktomstandigheden in een relatief korte tijd sterk gewijzigd. Een logische vraag is dan ook: “Hoever kun je terug in de tijd om als referentie dienst te kunnen doen?” Hierbij geldt ook voor de selectie van referenties het uitgangspunt “hoe dichterbij (in de tijd), hoe beter”. Echter, ook dit verschilt per regio. Immers, de markt op de Zuid-As in Amsterdam meer volatiel dan de huurveranderingen over de afgelopen jaren van kantoorgebouwen gelegen op bijvoorbeeld Texel. Het is dan ook niet direct te zeggen wat de beschouwingperiode mag zijn; dit verschilt per geval. Lusht (2001) geeft aan dat taxateurs volgens hem zelden langer terug gaan dan 2 jaar.

7

De onafhankelijke stichting RealNext is opgericht in 2003 om de transparantie in de markt van commercieel vastgoed te verhogen. RealNext staat voor de meest complete verzameling van beschikbare bedrijfsobjecten – kantoren, winkels en bedrijfsruimtes – in Nederland.




De Stichting ROZ geeft in haar richtlijnen aan dat in het geval van een kleine markt of geringe activiteit ook gebruik gemaakt mag worden van transacties in vergelijkbare steden of transacties uit het verleden met een maximum van drie jaar terug. Bij taxaties voor huurprijsaanpassing conform artikel 7:303 BW heeft de wetgever een referentieperiode van vijf jaar ingevoerd om enig ‘matigingseffect’ te verkrijgen. De Waarderingskamer geeft geen maximale beschouwingperiode aan. 2.8

Resumé Gesteld kan worden dat in geen van de nationale of internationale richtlijnen en voorschriften voor het uitvoeren van taxaties een duidelijke beschrijving staat op welke wijze referenties moeten worden opgenomen in taxatierapporten. In algemene kwalificaties als ‘helder’, ‘duidelijk’, ‘relevant’ wordt wel aangegeven wat het resultaat moet zijn, maar er wordt geen praktische invulling aan gegeven. In de meer specifieke literatuur ten aanzien van het taxeren van omroerend goed, wordt meer aandacht besteed aan de beoordelingsmethoden en technieken voor referenties in taxatierapporten. Vanuit deze literatuur kan geconcludeerd worden dat voor een goede beoordeling tenminste de navolgende uitgangspunten moeten worden gehanteerd: • De te hanteren systematiek of methode moet helder en duidelijk zijn en moet de overwegingen van de taxateur zo transparant mogelijk weergeven. • Er moeten tenminste drie huurreferenties worden beoordeeld. • In de meeste gevallen moeten de huurprijzen van de referenties binnen een bandbreedte van + of - 10% liggen ten opzichte van de getaxeerde huurwaarde. • De referenties moeten bij voorkeur niet verder in de tijd terug liggen dan maximaal twee jaar vanaf de waardepeildatum. Niet alle beoordelingselementen zijn direct te kwantificeren. Derhalve is het van belang om zowel de harde als zachte kwaliteiten van een referentie inzichtelijk te maken om zodoende eventuele subjectieve keuzes van de taxateur transparant te maken.




3

Huurprijs bepalende aspecten voor kantoorruimten

"Het is altijd belangrijk te weten, wat onbelangrijk is." (Ernst Hohenemser, 1870-1954) Er zijn vele factoren die de huurprijs van kantoren bepalen en/of beïnvloeden. Echter, niet alle factoren hebben in dezelfde mate invloed op deze huurprijs per vierkante meter kantoorruimte. Dit hoofdstuk is er op gericht om de belangrijkste pijlers voor kantoorhuren op hoofdlijnen vast te stellen. Vanuit de literatuur za antwoord worden gegeven op de tweede deelvraag: “Wat zijn de belangrijkste elementen voor de vaststelling van de huurprijs voor kantoorgebouwen in Nederland?” 3.1

Karakteristieken van kantoorgebouwen In het verleden zijn er binnen de vastgoedmarkt verschillende onderzoeken gedaan naar de huurprijsbepalende factoren van kantoorgebouwen. Uiteraard zijn er verschillen tussen deze onderzoeken te destilleren, maar om uiteindelijk te komen tot een standaard set van beoordelingspunten is het van belang om bij het begin vast te stellen waaraan dit gemeten wordt. In dit onderzoek wordt dit gemeten aan de betaalde (gerealiseerde) huurprijs per jaar (exclusief BTW) per vierkante meter verhuurbare vloeroppervlakte betaald bij een (ver)huurtransactie binnen de Nederlandse markt. Opgemerkt wordt hierbij dat het derhalve de gebruikersmarkt betreft en dan specifiek de gebouwdienstenmarkt8. Een van de meest recente onderzoeken uitgevoerd naar huurprijzen van kantoren is in 2009 uitgevoerd door het Planbureau voor Leefomgeving. In het zeer uitgebreide onderzoek “De waarde van de kantooromgeving; effecten van de omgevingskenmerken op de huurprijzen van kantoorpanden.” wordt onder meer de conclusie getrokken dat de omgevingskenmerken van een kantoorpand weliswaar van invloed zijn op de huurprijs van dat pand, maar dat andere factoren een groter effect hebben op de betaalde huurprijs. Hierbij worden met name de drie navolgende aspecten genoemd: 1. Vraag en aanbod. De verschillen in de huurprijzen worden grotendeels bepaald door de regionale vraag naar en het regionale aanbod van kantoorruimten. Hierbij moeten ook de (regionale) economische omstandigheden en het bestaan van regionale submarkten met hun eigen marktomstandigheden en dynamiek in acht worden gehouden. 2. Bereikbaarheid. Hoe dichter bij de op- of afrit van een snelweg, een bushalte of treinstation gelegen, hoe hoger de huurprijs. Ook de zichtbaarheid van het pand vanaf de snelweg zou een huurverhogend effect te hebben. 3. Ouderdom van het pand. Oudere panden zouden een significante lagere huurprijs hebben dan nieuwere. Hierbij moet opgemerkt worden dat hier een grenslijn ligt met panden gebouwd voor 1945. Voor deze panden zou men juist weer bereid zijn meer huur te betalen. Dit laatste punt wordt gedeeltelijk onderschreven door het onderzoek ‘Locatie, locatie, locatie’ van DTZ Zadelhoff en Nyenrode uit 2006. In deze studie kwam naar voren dat huurders bereid zijn om extra huur te betalen wanneer men een object zou kunnen huren in een statige, historische omgeving. Echter, empirisch onderzoek naar deze invloeden in de direct omgeving is nog nauwelijks gedaan tot op heden. 8

De gebruikersmarkt bestaat uit twee markten; de gebouwenmarkt en de gebouwdienstenmarkt (Louw, 2006). Op de gebouwenmarkt vinden alle soorten eigendomsoverdrachten plaats en op de markt van gebouwdiensten worden kantoorruimten te huur aangeboden.




De fysieke kwaliteiten van het object lijken in meer studies een grote relevantie te hebben ten aanzien van de huurprijs van kantoorgebouwen. Remøy e.a. (2008) geven in hun onderzoek wel aan dat er maar weinig bekend is met betrekking tot de pandkenmerken en de bereidwilligheid van huurders om hier meer huur te willen betalen. Uit studies uit de meer Angelsaksische landen, waar over het algemeen meer gegevens beschikbaar zijn ten aanzien van de vastgoedmarkt en de objecten, zou blijken dat de ouderdom van een pand wel een goede indicator kan zijn voor de kwaliteit van een pand (Dunse & Jones, 1998). Meer fysieke aspecten die tevens in hun onderzoek worden genoemd als relevante pandkenmerken zijn de vloeroppervlakten, de mogelijkheid tot flexibel inrichten, de beschikbaarheid van parkeerplaatsen en klimaatbeheersing. In toenemende mate wordt gesuggereerd dat huurders van zogenoemde ‘groene gebouwen’ bereid zijn een hogere huurprijs te betalen dan voor minder duurzame gebouwen. Cijfers en/of onderzoeken voor Nederland die dit kunnen onderbouwen, ontbreken vooralsnog. De mate van bereikbaarheid komt in veel onderzoeken uit het verleden naar voren als onderdeel van de kwaliteit van de locatie. In onderzoeken van onder meer Atzema (2001) en Van Oort e.a.(2007) is de bereikbaarheid één van de belangrijkste factoren bij de vestigingsplaatskeuze van bedrijven. Opvallend is dat empirische resultaten voor de meting van het effect op de huurprijs hierin zowel positief als negatief uitslaan. Het aspect dat naar alle waarschijnlijkheid de meeste invloed heeft op de huurprijs van kantoorruimte, heeft te maken met de (regionale) marktomstandigheden. Bewust wordt hierbij de nuancering “regio” gebruikt, omdat er duidelijke verschillen zijn waar te nemen tussen de verschillende markten in de diverse regio’s. Regionale markten kunnen qua vraag- en aanbodverhoudingen sterk van elkaar verschillen. Omdat binnen dit onderzoek de focus is gericht op kantoorruimte, worden andersoortige gebouwen/ruimten (denk aan bedrijfsruimten, winkels, woningen, etc.) uitgesloten. Echter ook deze hebben veelal hun eigen markten met hun eigen karakteristieken. DE vastgoedmarkt bestaat per definitie dan ook niet. De vastgoedmarkt, en dus ook die van kantoorruimten, opereert vaak op regionaal schaalniveau. In sommige gebieden zijn zelfs weer submarkten te onderscheiden. In Amsterdam bijvoorbeeld bestaan er duidelijke verschillen in de vraag- en aanbodverhoudingen wanneer de gebieden Zuid-As, Zuid-Oost, Sloterdijk en Centrum met elkaar worden vergeleken. Wanneer men dan ook referenties met elkaar zou willen vergelijken, lijkt het voor de hand te liggen dat dit bij voorkeur gebeurt met objecten die zich in een hetzelfde marktgebied bevinden. In het onderzoek “Verhuizingen van bedrijven en groei van werkgelegenheid” van Van Oort e.a. (2007) wordt geconcludeerd dat de meeste bedrijven, en de daarmee gepaard gaande werkgelegenheid, binnen de eigen regio verhuizen (94 procent) of zelfs binnen de eigen gemeente (75 procent). Volgens Van Gool c.s. (2007) wordt de vraag naar kantoorruimte op de huurmarkt onder andere bepaald door: • de groei van kantoorgebonden werkgelegenheid; • ondernemersvertrouwen; • ontwikkeling van de werkgelegenheid in de dienstensector; • huur- en prijsniveaus en huursystemen; • regionale politiek; • aard van de bedrijvigheid; • ontwikkeling van het aantal vierkante meters per werknemer.




Naast de economische ontwikkelingen, hangen de meeste van bovengenoemde punten vaak samen met de maatschappelijke, sociale en technologische ontwikkelingen. Het aanbod van kantoorruimte wordt met name bepaald door de vraag en de daarbij behorende verwachte verhuurmogelijkheden, de huurontwikkeling, maar ook door de beschikbaarheid van bouwlocaties en derhalve de grond- en bouwkosten, waarbij men afhankelijk is van de lokale politiek. Een standaardisatie bij de beoordeling van deze aspecten lijkt dan ook niet eenvoudig. Immers de voorspelbaarheid van genoemde aspecten is klein en afhankelijke verbanden lijken nauwelijks te bestaan. Echter, om de markt van vraag en aanbod van kantoorruimte te beoordelen is het wel van belang dat er onderkend wordt dat de vastgoedmarkt (en dus ook die van kantoorruimten) een aantal specifieke kenmerken in zicht heeft. Ten Have benoemt in het eerste deel van zijn boek Taxatieleer Vastgoed 1 (2002) een vijftal specifieke kenmerken. Er kan gesteld worden dat de markt zeker niet volledig doorzichtig is. Immers niet alle partijen beschikken over dezelfde informatie. Als gevolg hiervan treedt er een vertraging op in de kennis van (wijziging in) de markt. De prijsvorming is, naast onder andere van renteschommelingen en consumentenvertrouwen, in belangrijke mate afhankelijk van de kennis van die markt. Ook is een onroerende zaak (een gebouw) nagenoeg niet verplaatsbaar. Het gebouw is gelegen in een min of statische omgeving die qua sfeer en kwaliteit niet eenvoudig zijn aan te passen door de individuele eigenaar. Als gevolg van de relatief lange ontwikkelings- en productietijd, ontbreekt er ook consumentensoevereiniteit9 op de vastgoedmarkt. Ook in omgekeerde vorm komt dit voor. Nieuwe ontwikkelingen zijn vaak niet te stoppen wanneer het aanbod de vraag gaat overstijgen. Een niet te onderschatten kenmerk van de vastgoedmarkt is ook de emotionele binding die veelal eigenaren, maar ook huurders, op enigerlei wijze hebben met het onroerend goed. Beslissingen ten aanzien van een transactie (en dus de prijs) komen ook vaak tot stand door emotionele overwegingen. Het moge duidelijk zijn dat bovengenoemde kenmerken er voor zorgen dat de waardebepaling van vastgoed geen exacte wetenschap is. Een taxateur kan niet door middel van een wiskundige formule de (huur)prijs c.q. de waarde vaststellen. Echter, het is wel zijn taak om zoveel mogelijk andere factoren uit te sluiten en om inzicht te geven in zijn werk en/of overwegingen. 3.2

De beoordelingsaspecten Zoals eerder beschreven is men al in het verleden in diverse studies op zoek geweest naar het antwoord op de vraag: “Welke factoren bepalen de huurprijs van een kantoorpand?” Het leverde een diversiteit aan antwoorden op, maar belangrijk voor dit onderzoek, is dat deze worden gecomprimeerd tot een kort en helder overzicht. Immers, het uiteindelijke resultaat moet leiden tot de input voor een model dat werkzaam en hanteerbaar is voor taxateurs in taxatierapporten.

9

De consument heeft invloed op het aanbod van goederen. Immers door als consument de bereidheid te tonen voor goederen een prijs te betalen, lokt dat aanbod uit. Door middel van de koopkrachtige vraag heeft de consument dus invloed op de aanwending van de productiefactoren.




Alvorens een keuze of selectie te maken van de beoordelingsaspecten is het van belang om te kijken voor welk doel deze zullen worden gebruikt. De beoordelingsaspecten moeten een kwalificatie geven die kunnen worden toegepast in de comparatieve (vergelijkende) methode. Derhalve lijkt het voor de hand liggend dat ook gekeken wordt wat de inhoudelijke activiteiten zijn bij deze methode. Omdat een eenduidige definitie voor de comparatieve taxatiemethode ontbreekt, wordt in dit onderzoek de definitie gehanteerd zoals DTZ Zadelhoff deze in zijn taxatierapporten hanteert. De comparatieve ofwel vergelijkende methode, vergelijkt verkooptransacties en/of verhuurtransacties met betrekking tot soortgelijke objecten met elkaar. Deze methode wordt gebruikt voor onroerende zaken waarvan ‘voldoende’ transactiegegevens bekend zijn. De comparatieve methode stoelt op de beoordeling van de markt, van de locatie en van de onroerende zaak zelf en is gebaseerd op onder meer de onderstaande factoren: Markt • vraag en aanbod op de markt • ontwikkeling rendementen • inflatieverwachting • rentestand en –ontwikkeling Locatie • omgevingsfactoren • parkeermogelijkheden • infrastructuur • bereikbaarheid met eigen en openbaar vervoer • voorzieningen als winkels, woningen, horeca, banken en scholen • (bouw)ontwikkelingen met betrekking tot vergelijkbare onroerende zaken Onroerende zaak • zakelijke en andere lasten • bouwaard en kwaliteitsniveau • staat van onderhoud • ouderdom • stand en ligging • gebruiksmogelijkheid.

Hierbij valt direct op dat ook hier een opdeling wordt gemaakt in de aspecten die met elkaar vergeleken worden; beoordeling van de markt, de locatie en de onroerende zaak. Hierbij valt op dat de huurder en/of het huurcontract niet separaat wordt benoemd. Deze kan namelijk zeker van invloed zijn bij de hoogte van de huur (zie vorige paragraaf) en derhalve kan deze ook belangrijk zijn in de vergelijking met andere transacties. Een ander veel in de praktijk gehanteerd ‘model’ voor de ‘beoordeling’ op elementen is het 3G-model. De drie G’s staan in dit model voor: • Gebied; de directe omgeving van het gebouw, • Gebouw; de huisvesting waarin de organisatie is ondergebracht, • Gebruiker; iedereen die van het gebouw gebruik maakt. Het 3G model wordt vaak gebruikt om de complexe relaties tussen de drie genoemde componenten te analyseren en verklaren. In het model wordt het gebouw in relatie gebracht met haar omgeving en haar gebruikers. Typerend voor het gebruik van deze in de praktijk ontstane ‘wetmatigheid’ is onder meer de uitspraak van Remy Voskamp (2010), directeur Vastgoed bij Wilgenhaege Stedekroon N.V.: “Bij de aankoop van vastgoed gebruik ik altijd de 3 G’s (Gebied – Gebouw – Gebruiker). Een vuistregel waarbij mijn aandacht zeker uitgaat naar de laatste G, Gebruiker.” Bij het 3G-model valt op dat het marktelement niet wordt genoemd. Naar alle waarschijnlijkheid zal dit element verdisconteerd zitten in ieder van de drie genoemde aspecten. Amsterdam School of Real Estate



Op basis van eerdere studies komt het Planbureau voor de Leefomgeving in haar onderzoek tot een viertal categorieën. Deze opdeling is gebaseerd op aspecten die invloed uitoefenen op hetgeen een huurder bereid is te betalen voor een kantoor. De gedefinieerde categorieën zijn: • kenmerken van het huurcontract en de huurder; • kenmerken van het pand; • kenmerken van de locatie van het pand; • (regionale) marktomstandigheden. In tegenstelling tot de andere opdelingen, is hier voor het eerst het element “markt” toegevoegd als een van de categorieën. Voor de beoordeling van referenties is dit naar mijn mening een element dat te allen tijde zal moeten worden opgenomen. De huidige marktomstandigheden kunnen zeker niet een op een vergeleken worden met de marktsituatie van enkele jaren geleden. Het betreft hier dan ook uiteraard niet alleen de economische situatie op het moment van transactie (en derhalve referentie), maar tevens de meest essentiële aspecten die vraag en aanbod beïnvloeden in de regio waarin de referentie en het getaxeerde zich bevinden. Om te komen tot een zo volledig mogelijk en daarbij tevens kort en helder overzicht van de beoordelingsaspecten, is aansluiting gezocht bij de opdeling van het Planbureau voor de Leefomgeving. Echter, omdat het model tevens herkenbaar, duidelijk en praktisch toepasbaar moet worden, wordt er qua terminologie aansluiting gezocht bij het veel in de praktijk gebruikte 3G-model. De beoordelingsaspecten worden derhalve in dit onderzoek gecategoriseerd naar de navolgende vier onderdelen: • Gebruiker - kenmerken van de huurder en het huurcontract. • Gebouw - kenmerken van het gebouw. • Gebied - kenmerken van de locatie van het gebouw. • Markt - kenmerken van de marktomstandigheden met betrekking tot gebouw en de transactie. 3.3

Onderbouwing en toelichting beoordelingsaspecten Nu de beoordelingsaspecten op hoofdlijnen bekend zijn door middel van de categorieën Gebruiker, Gebouw, Gebied en Markt, is het van belang om de kwalitatieve of kwantitatieve beoordeling van deze vorm te geven. In een opvolgend hoofdstuk zal dit nader worden uitgewerkt door middel van een verdere specificatie van de belangrijkste elementen per beoordelingsaspect. Belangrijke elementen per beoordelingsaspect zijn onder andere: • duur van het huurcontract, afspraken tussen verhuurder en huurder, hoofdactiviteit van de huurder, gehuurd metrage, enige huurder of meerdere huurders in het object, overeengekomen incentives, etc. voor Gebruiker. • verhuurbare vloer oppervlakte, bouwjaar, niveau van afwerking, staat van onderhoud, parkeervoorzieningen, multitenancy, etc. voor Gebouw. • aanwezigheid groenvoorziening, invulling openbare ruimte, bebouwingstype rondom object, de aanwezigheid van andere voorzieningen, andere bedrijfsactiviteiten op locatie, de relatieve ligging object ten opzichte van centrum, bereikbaarheid, etc. voor Gebied. • economische marktsituatie, vastgoed markt: ratio vraag-aanbod, leegstand ratio, marktconforme incentives, etc. voor Markt. Alvorens de kwalitatieve of kwantitatieve beoordeling vorm te geven is het van belang een aantal nuanceringen cq. relativerende opmerkingen te plaatsen bij de beoordelingsaspecten.




Regionale verschillen Ondanks de relatief korte afstanden binnen ons land, bestaan er in Nederland toch ook sterke regionale verschillen binnen de vastgoedmarkt. De verschillen in huurprijzen van kantoren in Nederland lijken grotendeels bepaald te worden door de regionale vraag naar en het regionale aanbod. De vraag en het aanbod hangen op hun beurt samen met de regionale economie en derhalve met de regionale arbeidsmarkt. De Nederlandse kantorenmarkt bestaat uit een groot aantal geografische submarkten met verschillende marktomstandigheden. Het is dan ook van belang dat er bij kwantitatief gebruik van eventuele resultaten uit het onderzoek hiermee rekening wordt gehouden. Voor het onderzoek door middel van de data analyse zullen zoveel mogelijk transacties binnen één regionaal subgebied worden gebruikt. Indien noodzakelijk en wenselijk zal voor zover mogelijk gecorrigeerd worden voor regionale verschillen. Niet direct toepasbaar op kooptransacties Benadrukt wordt dat de in voorgaande paragraven gedestilleerde beoordelingsaspecten betrekking hebben op huurtransacties (referenties) van kantoorobjecten en dat deze niet een op een gebruikt kunnen worden voor kooptransacties. Op sommige punten zou namelijk wel een nuancering moeten worden toegepast. Uit een verkennende studie van DTZ Zadelhoff en Nyenrode (2006) zou bijvoorbeeld blijken dat de suggestie kan worden gewekt dat beleggers op de kantorenmarkt meer bereid zijn te betalen voor omgevingskenmerken dan de huurders van de kantoorpanden. In de praktijk blijkt ook dat er verschillen bestaan tussen kopers die objecten aanschaffen voor eigen gebruik en kopers die vastgoed kopen als beleggingsobject. Zo lijkt het tevens dat eigenaar-gebruikers veelal bereid zijn meer te betalen als gevolg van emotionele aspecten betrekking hebbend op het te verwerven object. Momentopname De gevonden resultaten op basis van de literatuurstudie, alsmede de te analyseren transacties vormen uiteraard een momentopname. Voor de transacties geldt, nog meer dan voor de resultaten uit de literatuurstudie, dat dit mede tot stand is gekomen binnen een bepaald tijdsgewricht. Voor zover mogelijk zal hiervoor worden gecorrigeerd in met name de huurprijs en de variabelen binnen de elementen van de Markt. Om dezelfde reden zullen de te analyseren transacties bij voorkeur liggen binnen een bandbreedte van maximaal 3 jaar (uiteraard is dit ook afhankelijk van de minimum benodigde data voor de statistische analyse). Echter, ook de kwaliteit van de vraag in de loop van de tijd is onderhevig aan verandering. Het is vrij lastig om trends ten aanzien van de kwalitatieve vraag van huurders te corrigeren. Denk hierbij aan uitval van aanbod als gevolg van wettelijke vereisten of de huidige tendensen naar het ‘verduurzamen’ van de markt. Ook door gebruik te maken van data binnen een zo kort mogelijke tijdspanne, wordt geprobeerd om deze mogelijke verschillen tot een minimum te beperken. Met onder meer de bovenstaande voorbeelden wordt ook de moeilijkheid van het kwantificeren en/of kwalificeren van het aspect Markt blootgelegd. De markt zal altijd een element in zich hebben dat zich niet laat verklaren. In dit onderzoek zal uiteraard geprobeerd worden dit element zo klein mogelijk te laten zijn. Indien elementen niet verklaard kunnen worden zou in een volledig transparante markt gesteld kunnen worden dat ‘het totaal’ wordt verklaard doordat “de markt altijd gelijk heeft”. Echter, de vastgoedmarkt is vooralsnog niet transparant.




Huurwaarde en incentives Nu beoordelingsaspecten bekend zijn moet ook een definitie voor de huurwaarde worden vastgesteld. Immers, om een statistische analyse uit te kunnen voeren, moet deze ook eenduidig worden gedefinieerd. Eerder werd al vermeld dat de huurprijs (in de transactie) in dit onderzoek wordt gemeten aan de betaalde (gerealiseerde) huurprijs per jaar (exclusief BTW) per vierkante meter verhuurbare vloeroppervlakte. Echter, de huurwaarde moet een objectieve inschatting vormen als resultaat van een analyse/beoordeling van de gerealiseerde huurprijs. Ook hiervoor bestaat wederom geen eenduidige definitie. Overkoepelende organisaties als de NVM, de ROZ-IPD en de RICS, hanteren allen verschillende definities die in grote lijnen op elkaar aansluiten, maar toch zijn er ook kleine verschillen. Zo schenkt de ROZ-IPD ook aandacht aan de incentives in relatie tot de huurwaarde. “De bruto markthuurwaarde … Hierop worden eventuele huurconcessies, zoals huurvrije perioden en bijdragen in de inrichting, niet in mindering gebracht. Eventuele huurconcessies dienen in de kasstromen opgenomen te worden.” Omdat uit eerder literatuuronderzoek ook al bleek dat de standaarden van de RICS de toekomstige regels en voorschriften voor de Nederlandse taxateur lijken te worden, geldt voor dit onderzoek ook als uitgangspunt de door het International Valuation Standards Committee gegeven en de door de RICS gehanteerde definitie van de markthuur. “Het geschatte bedrag waarvoor een object of ruimte binnen een object op de taxatiedatum verhuurd zou worden tussen een bereidwillige verhuurder en een bereidwillige huurder op passende huurvoorwaarden in een marktconforme transactie, na een behoorlijke marketing waarbij de partijen geïnformeerd, zorgvuldig en zonder dwang hebben gehandeld.” Hierbij wordt niets vermeld ten aanzien van incentives in welke vorm dan ook. Uitgangspunt in dit onderzoek ten aanzien van incentives in relatie tot de huurwaarde is dat deze bij voorkeur ‘geschoond’ moet worden. Dit behoort ook tot een van de taken van de taxateur. Wanneer het onverhoopt onmogelijk blijkt voor de taxateur (bijvoorbeeld door het niet beschikbaar zijn van deze data), dan moet de taxateur trachten hierin zo transparant mogelijk te zijn. Voor zowel de referenties als voor het te taxeren object moet dan een zelfde ‘regime’ worden gehanteerd. Zo kunnen vergelijkingen op basis van gelijke uitgangspunten worden gemaakt. 3.4

Conclusie Als antwoord op de tweede onderzoeksvraag “Wat zijn de belangrijkste elementen voor de vaststelling van de huurprijs voor kantoorgebouwen in Nederland?” kan worden gesteld dat deze zijn vormgegeven door middel van een viertal clusters: gebruiker, gebouw, gebied en markt.




4

De beoordeling van kwaliteitsaspecten

“Taxeren is geen exacte wetenschap10” versus “Meten is weten!11” Kwaliteit is een moeilijk te vatten begrip en zeker wanneer dit gerelateerd wordt aan onroerend goed. In het eerste gedeelte van het hoofdstuk zal door op zoek te gaan naar de mogelijkheden voor meting hiervan, antwoord worden gegeven op de deelvraag “Op welke wijze kunnen deze elementen objectief en eenduidig worden beoordeeld?” Het tweede gedeelte van het hoofdstuk richt zich met name op de verdieping van de kwaliteiten binnen de eerder gedefinieerde clusters: gebruiker, gebouw, gebied en markt. Er zal worden onderzocht “Hoe deze factoren kunnen worden gewogen op basis van de onderlinge afhankelijkheid.” Op basis van de resultaten van de enquête zal worden vastgesteld “Op welke wijze de diverse actoren in de vastgoedmarkt de diverse variabelen beoordelen.” 4.1

Kwaliteit Kwaliteit betekent hoedanigheid, maar wordt vaak gebruikt om aan te duiden of iets of iemand aan zijn doel beantwoordt. Het is in filosofische zin een lastig precies te definiëren begrip, dat echter op een praktisch vlak veel gebruikt wordt om bijvoorbeeld technische eigenschappen van een stof en geschiktheid voor een bepaald gebruik aan te duiden (Wikipedia, 2010). Een apart probleem, naast de uiteenlopende definities van het begrip, is de meting van kwaliteit. De definitie van een aspect van kwaliteit vereist operationalisatie; het moet meetbaar gemaakt worden. Dit betekent in de praktijk dat er een kwantitatieve uitspraak gedaan moet kunnen worden over het verschil tussen twee objecten op basis van een kwaliteitscriterium. Deze kwantitatieve uitspraak kent verschillende niveaus; onder andere relatief verschil, absoluut verschil, rangorde. Pas dan kan naar de laatste stap van meting van kwaliteit worden gegaan: het verkrijgen van data. In dit onderzoek wordt in eerste instantie aangesloten bij Philip B. Crosby’s (2000) definitie van kwaliteit: Conformance to requirements (voldoen aan specificaties). Deze specificaties zijn gelegen in de nadere definiëring van de kwaliteitsaspecten, die per cluster worden opgesteld. Derhalve wordt kwaliteit in dit onderzoek dan ook aangeduid als het voldoen aan veronderstelde eigenschappen, waarbij een rangorde is aangebracht op basis van risico. Bij de identificatie van risico’s kan er onderscheid gemaakt worden tussen de bron, de gebeurtenis en het effect (Gehner, 2003). Een bron van risico kan bijvoorbeeld de algemene economie zijn. Gebeurtenissen die daarop volgen zijn bijvoorbeeld een stijging van het aantal faillissementen. Het effect is het verlies van huurinkomsten indien de huurder failliet gaat. Het kwantificeren van risico bestaat uit het inschatten van de kans dat het geïdentificeerde risico zich kan voordoen en het effect dat het teweeg brengt. Er zijn diverse technieken om een kwantificering van risico te maken al naar gelang de beschikbaarheid van data en middelen (Gehner, 2003).

10

“Taxeren is geen exacte wetenschap” kent geen originele oorsprong. In de praktijk wordt hiermee bedoeld dat er bij een taxatie geen exact juiste waarde vastgesteld kan worden. 11 De originele uitspraak is: "Door meten tot weten" van H. Kamerlingh Onnes (1853-1913). Hij won de Nobelprijs voor de Natuurkunde. In de praktijk wordt de originele uitspraak aangepast tot “meten is weten”.




Berkhout (1997) noemt in zijn ‘Risicoanalyse van vastgoed’ als belangrijkste (en enige goede) analysemiddel voor kwantificering van het risico de toekomstige kasstromen die een vastgoedobject genereert. In dit onderzoek wordt risico uitgedrukt in de kans op uitval van cashflow. Ter illustratie: een kredietwaardige huurder verkleint de kans op uitval van cashflow (leegstand). De kwaliteit wordt hier dan ook beter beoordeeld dan wanneer een huurder mogelijk niet aan zijn betalingsverplichtingen kan voldoen. 4.2

Het meten van kwaliteit “Vastgoedprofessionals zijn net mensen” en beoordelen kwaliteit allemaal anders. Wanneer er in het algemeen gesproken wordt over kwaliteit, hebben velen hier een ‘goed’ gevoel bij. Echter wat de ene goed vindt, vindt de ander slecht. Ieder mens heeft andere kwaliteitscriteria. Anders gezegd: de perceptie van kwaliteit fluctueert. Het is dus zaak om een modus te vinden voor de doelgroep (opstellers en gebruikers van taxatierapporten) zodat dezelfde criteria gehanteerd kunnen worden. Zo kan ook een mate van belangrijkheid van kwaliteitsaspecten voor betrokkenen worden vastgesteld. Door de kwaliteit te koppelen aan risico is de mate van belangrijkheid voor alle betrokkenen (belegger, financier en taxateur) gelijk. Immers alle betrokkenen sturen hun beslissingen voornamelijk op basis van risico of juist het beperken van deze. Omdat zowel harde als zachte aspecten zullen worden beoordeeld, moet de beoordeling meer gezien worden als het voldoen aan kwaliteitscondities. In meer of mindere mate bestaat er voor de verschillende kwaliteitsaspecten een relatie met de huurprijs. Echter kwaliteit is niet het zelfde als ‘waar voor je geld’. Als een pand in een slechte staat van onderhoud verkeert en de huurprijs is vele malen lager dan het beste van het beste, dan kiezen mensen vaak voor ‘goed genoeg’ voor een meer aantrekkelijkere huurprijs. Echter, op de lange termijn ben je toch beter uit met een betere staat van onderhoud. Immers, financieel (het moet toch verbeterd worden om er een langere termijn te verblijven) en op basis van beleving (beter wordt over het algemeen toch als prettiger ervaren) kan de kwaliteit als beter worden beschouwd. Om de kwaliteitsaspecten binnen de vier clusters te kunnen meten, wordt een meetinstrument opgesteld. Een absolute voorwaarde hierbij is volgens Garvin (1984) dat onderdelen herkenbaar zijn en dat er consensus is over welke aspecten relevant en meetbaar zijn. Een algemeen geaccepteerde en veel gebruikt meetinstrument voor de kwaliteit van vastgoed is de Real Estate Norm (REN). De REN is met medewerking van DTZ Zadelhoff in 1991 ontwikkeld en is een objectieve methode om uitspraken te kunnen doen over met name de functionele kwaliteit van een gebouw. Deze tool is bedoeld voor gebruikers om de communicatie over huisvesting te vergemakkelijken en te verbeteren en de kans op interpretatieverschillen te verkleinen. De kwaliteitsaspecten vormen als het ware een weerspiegeling van de wensen en eisen van vastgoedgebruikers. Juist dit laatste maakt het verschil met dit onderzoek. Voor het eerst zal worden getracht om ook het aspect Markt mee te nemen in deze beoordeling. Naar alle waarschijnlijkheid zal dit ook van invloed zijn op de andere factoren die in de ‘standaard’ REN worden beoordeeld.




De REN bestaat in totaal uit een set van 43 criteria, verdeeld over de categorieën mobiliteit, identiteit en functionaliteit. De beoordeling van kwaliteit vindt plaats op basis van vragen die vervolgens gewaardeerd worden op een vijfpunts-schaal. In het algemeen geldt dat antwoord 1 de onderkant van de markt representeert, antwoord 3 het gemiddelde in de markt en antwoord 5 de bovenkant van de markt. Van tevoren is bepaald hoe zwaar iedere factor meeweegt door een A- (belang van grote betekenis), B- (belang van gemiddelde betekenis) of C- (belang van kleine betekenis) weging aan ieder aspect te geven. Ook kan er gekozen worden om de A,B,C-schaal los te laten en specifieke wegingpercentages aan de criteria toe te kennen. Vervolgens is bepaald wat de minimale waardering van ieder aspect idealiter zou moeten zijn. Voor de beoordeling van de kwaliteit binnen de clusters Gebruiker, Gebouw, Gebied en Markt, zullen per cluster een vijftal kwaliteitsaspecten worden vastgesteld, die vervolgens op basis van de vijfpunts-schaal zullen worden gewaardeerd. De keuze voor deze kwaliteitsaspecten komt voort uit de literatuurstudie. Omwille van de duidelijkheid en de gebruiksvriendelijkheid is er bewust voor gekozen om dit aantal per cluster maximaal te stellen op vijf kwaliteitsaspecten. De weging zal in eerste instantie plaatsvinden op basis van de resultaten die voortkomen uit een enquête uit de markt. 4.3

Enquête De respons op de in het kader van dit onderzoek uitgevoerde enquête is redelijk tot goed te noemen. Van de 537 verzonden uitnodigingen, hebben er in eerste instantie 90 gereageerd. Daarbij moet opgemerkt worden dat de relatief lange voorbereidingstijd er toe heeft geleid dat de enquête in de vakantieperiode van de meeste vastgoedprofessionals is verzonden. Maar liefst 105 ‘out of office reply’s’ werden in eerste instantie ontvangen. Aan deze mensen is na terugkeer van hun vakantie nogmaals de uitnodiging verzonden. De ervaring leert dat respons onder bedrijven meestal beduidend lager is dan onder huishoudens of personen. Een belangrijke reden is dat het moeilijk is de juiste persoon in een bedrijf te vinden. Bovendien worden enquêtes op de werkplek vaak terzijde geschoven omdat men er de tijd niet voor heeft of dat men niet bereid is er tijd voor vrij te maken. Omdat ook hier geldt “gemak dient de mens” is de enquête voor dit onderzoek zo beknopt, maar toch ook zo helder mogelijk opgesteld. Tevens is de uitnodiging voor deelname aan 537 vastgoedprofessionals persoonlijk verzonden. Uiteindelijk hebben in totaal 196 vastgoedprofessionals deelgenomen aan de enquête. De totale respons komt daarmee op, wat overeen komt met een responspercentage van 36,5%. Een responspercentage van 15% is ongeveer het ervaringsgemiddelde. Voor het onderzoek is er een onderscheid gemaakt naar de diverse doelgroepen: institutionele of particuliere belegger, financier, onafhankelijk taxateur of anders. Dit omdat de diverse doelgroepen verschillende belangen kunnen hebben ten aanzien van taxatierapporten (en de beoordeling van referenties hierin). Ook kan er onderling een rolverdeling zijn tussen de verschillende doelgroepen binnen een project. Zo zal de taxateur anders kijken naar zijn product (het taxatierapport) dan de opdrachtgever (bijvoorbeeld een institutionele of particuliere belegger of een financier).





Andere vastgoedprofessionals die hebben deelgenomen aan de enquête, maar die niet behoren tot een van eerder genoemde doelgroepen, zijn onder andere (financieel) adviseurs, researchers, gemeentelijk taxateurs, asset managers. Al deze professionals hebben wel meerdere keren per jaar direct of indirect te maken met taxatierapporten. Hun oordeel mag dan ook als representatief worden beschouwd voor dit onderzoek. Ruim tweederde van deze groep ziet meer dan 25 taxatierapporten in zijn of haar dagelijkse praktijk op jaarbasis.


Deelconclusie Nu de methode van meting is vastgesteld (op basis van een vijfpunt schaal), kan een verdieping worden gemaakt naar de kwaliteitsaspecten. Per cluster zullen vijf kwaliteitsaspecten worden vastgesteld en worden geanalyseerd. Vervolgens worden deze voorzien van een weegfactor die voortkomt uit de enquête. Alle geënquêteerden is gevraagd om de invloed (belang) per kwaliteitsaspect aan te geven als onderdeel van de totale beoordeling van een cluster. Hierbij wordt ervan uitgegaan dat bij de beoordeling van de referentie de genoemde kwaliteitsaspecten alleen op basis van de cluster onderling met elkaar worden vergeleken. 4.4

Kwaliteitsaspecten voor de cluster Gebruiker Onroerend goed kan gezien worden als een productiemiddel voor voedsel, wonen, goederen, diensten, etc. Dat het een productiemiddel is heeft als consequentie dat het gebouw een gebruiker of gebruikers nodig heeft om te kunnen functioneren als productiemiddel. Doordat de belegger zich zowel op de vastgoedmarkt in brede zin moet richten als op de huurdersmarkt in de enge zin, hebben Van Gool c.s. (2007) het dan ook over een hoog ondernemingskarakter bij een belegging in vastgoed.




De huurder (gebruiker) is bij een verhuurd gebouw een belangrijke factor. Er zal voornamelijk naar de continuïteit van de huurder worden gekeken om een inschatting te maken van de zekerheid dat huurder aan zijn betalingsverplichtingen kan voldoen. Een opmerkelijke conclusie in een onderzoek van DTZ Zadelhoff en de Universiteit Nyenrode (2006) in dit licht bezien is het feit dat beleggers een voorkeur lijken te hebben voor zakelijke dienstverleners en overheidsinstanties als huurder, maar dat ze desondanks niet bereid zijn extra te betalen voor objecten waarin deze huurders zijn gehuisvest. Het gehuurd metrage Uitgaande van een solvabele huurder kan worden verondersteld dat een groter verhuurd metrage wordt beoordeeld als minder risicovol. Wanneer kwaliteit wordt uitgedrukt in termen van risico, is minder risico dus een hogere kwaliteit. Verondersteld kan onder andere ook worden dat voor kleinere metrages relatief hogere huren zouden worden betaald. Echter dit is reeds in de huurprijs verwerkt. Het gehuurd metrage in relatie tot het totaal metrage van het object In het onderzoek ‘Een prijskaartje aan kwaliteitskenmerken voor kantoren’ concludeert de SEO (2002) dat huurders bereid zijn meer huur te betalen wanneer zij de enige huurder zijn van een gebouw in plaats van het gebouw te delen met andere huurders. Een verklaring hiervoor zou kunnen zijn dat huurders op deze manier hun identiteit ook door middel van het gehuurde tot uiting kunnen brengen. Uitgaande van een solvabele huurder kan dan worden verondersteld dat een groot verhuurd metrage in relatie tot het totaal metrage een verminderd risico op leegstand (uitval cashflow) tot gevolg heeft. Een laag risico is derhalve dan een hogere kwaliteit. Het feit dat tevens verondersteld kan worden dat voor grotere metrages relatief gezien lagere huurprijzen (door bedongen kortingen) zouden worden betaald, is reeds verwerkt in de huurprijs zelf. De looptijd van de afgesloten huurovereenkomst Uit eigen onderzoek van DTZ Zadelhoff (2005) blijkt dat huurcontracten steeds korter worden. Tegenwoordig committeren huurders zich gemiddeld niet voor langer dan voor 4 jaar aan een huurcontract (exclusief optiejaren). Deze trend gaat tegen de wensen van beleggers in. Zij zijn meer dan tevoren op zoek naar zekerheid, dus prefereren lange huurcontracten met solvabele huurders. Huurcontracten van gemiddeld 10 jaar en langer, zoals die in de vroege jaren negentig veel voorkwamen, zijn een schaars goed geworden. Midden jaren negentig was de gemiddelde contractduur al teruggelopen tot 5 jaar. In 2005 hadden nieuw afgesloten huurcontracten een gemiddelde looptijd van 4 jaar. De gemiddelde looptijd liep daarmee licht op ten opzichte van 2004, mede doordat ontwikkelaars huurders door middel van aantrekkelijke totaaloplossingen (contractsovername, incentives e.d.) steeds vaker probeerden te laten tekenen voor 10 jaar of meer. Meer recente cijfers zijn niet beschikbaar, maar de verwachting is dat de looptijd zich de afgelopen jaren alsmede voor de komende jaren rond de 4 jaar zal blijven bewegen. Immers, de kosten van een verhuizing en de inrichting van het gehuurde kunnen niet (fiscaal) sneller worden afgeschreven. Genoemde trend stelt de vastgoedbelegger bloot aan risico’s. Het korter worden van de huurperiodes gaat ten koste van de zekerheid van de huurinkomsten. Huurders hebben nu eerder en vaker de mogelijkheid de huurovereenkomst te beëindigen, waardoor de kans op leegstand sterk toeneemt. Een lang contract wordt dan ook beoordeeld als een hoge kwaliteit.




Opgemerkt wordt dat de feitelijke verblijfsperiode naar verwachting gemiddeld langer is dan de gemiddelde contractstermijn. Veel huurders maken gebruik van hun optietermijnen. Data hieromtrent is nauwelijks voorhanden. Veel beleggers en / of beheerders van kantoorgebouwen hebben deze gegevens (helaas) niet paraat of compleet. Tevens wordt opgemerkt dat er onder meer verondersteld kan worden dat bij kortere contracten, relatief hogere huurprijzen worden betaald. Echter, dit is reeds verwerkt in de huurprijs zelf. De kwaliteit van de huurder (kredietwaardigheid) In de vastgoedmarkt wordt vaak een onderscheid gemaakt tussen private en publieke huurders (Berkhout, 1997). Bij de publieke partijen is de continuïteit vaak afhankelijk van politieke processen. De kans dat bestaande verplichtingen niet worden nagekomen is bij dit type huurders uiterst klein. Bij private partijen is de financiële gezondheid van belang. Een onderneming heeft beperkte middelen en kan in nood niet of nauwelijks een beroep doen op de maatschappij. De gedifferentieerdheid en heterogeniteit van huurders ten opzichte van andere huurders in het gebouw Wanneer huurder een extra differentiatie aanbrengt (en derhalve de bedrijfskolom langer maakt) en de ongelijksoortigheid in samenstelling van de reeds bestaande huurders in het gebouw vergroot, dan vermindert dit het risico op uitval van cashflow. Een grote gedifferentieerdheid en heterogeniteit in huurders is derhalve een hogere kwaliteit. Weging op basis van enquête Ter ondersteuning van het aanbrengen van weegfactoren voor de kwaliteitsaspecten van Gebruikers is een enquête uitgevoerd waarbij de vraag is gesteld wat het belang is van de verschillende kwaliteitsaspecten wanneer huurreferenties, alleen op basis van de cluster Gebruiker, onderling met elkaar worden vergeleken. Onderstaand is de verdeling zoals die uit de enquête volgt weergegeven. Kwaliteitsaspect

weging

Het gehuurd metrage

20,2%

Het gehuurd metrage in relatie tot het totaal metrage van het object

15,7%

De looptijd van de afgesloten huurovereenkomst

30,6%

De kwaliteit van de huurder (kredietwaardigheid)

22,7%

De gedifferentieerdheid en heterogeniteit van huurders ten opzichte van andere huurders

10,8%


Analyse van de resultaten leert dat vastgoedspecialisten voor de cluster Gebruiker de looptijd van de huurovereenkomst ver uit het belangrijkst vinden bij de beoordeling van referenties. Het belang c.q. invloed van de gedifferentieerdheid en heterogeniteit van de huurders wordt met 10,8% een stuk lager ingeschat. 4.5

Kwaliteitsaspecten voor de cluster Gebouw De heterogeniteit in de vastgoedmarkt komt onder meer voort uit de verscheidenheid van (kantoor)gebouwen. Een object (opstal) is vaak al uniek door zijn grootte, hoogte, bouwstijl, kleurstelling, gebruikte materialen, etc. De verscheidenheid van vastgoed heeft een belangrijk effect op de manier waarmee in de vastgoedmarkt wordt omgegaan met gebouwen.




Het risico van een gebouw bestaat bijvoorbeeld uit de mogelijkheden voor het gebruik (en derhalve de kans op leegstand). Gebruikers van gebouwen stellen steeds nieuwe of andere eisen en indien het gebouw hier niet aan kan voldoen treedt functionele - en technische veroudering op (Berkhout, 1997). Functionele veroudering heeft te maken met het gebruik en identiteit/imago. De flexibiliteit van kantoorconcepten (bijvoorbeeld kantoortuinen of flexplekken) wordt steeds belangrijker. Technische veroudering heeft veel meer te maken met de fysieke aspecten (o.a. bouwkundige gebreken, maar ook de werking van installaties e.d.). Uit onderzoek van DTZ Zadelhoff en het Nyenrode Real Estate Center (2006) blijkt dat bij beleggers het gebouw op de tweede plaats komt. De aantrekkelijk van een gebouw is zeker van invloed, maar de redenering zou zijn dat gebouwfactoren eventueel te veranderen kunnen zijn en dat dit voor een locatie niet geldt. Daarentegen is de aantrekkelijkheid van een gebouw wel een van de belangrijkste succesfactoren bij het aantrekken van een (nieuwe) huurder. De verschijningsvorm (exterieur/identiteit) van het gebouw Van Soest (2007) komt in het onderzoek “De waardering van gebouwgebonden naamsbekendheid” tot de conclusie dat de waardevermeerdering van het ‘merken’ van een gebouw niet volledig te kwantificeren is. DTZ Zadelhoff en Nyenrode (2006) hebben onderzoek gedaan naar de invloed van en de mate waarin een gebouw onderscheidend is. Hier wordt geconcludeerd dat een onderscheidend gebouw een gematigd positief effect heeft op de huurwaarde en een relatief fors effect heeft op de waarde. In dit onderzoek wordt derhalve gesteld dat een uniek gebouw, waaraan een huurder zijn identiteit kan ontlenen, de kans op verhuur vergroot en derhalve het risico op leegstand (uitval cashflow) verlaagt. Het Planbureau voor leefomgeving (2009) concludeert dat representativiteit voornamelijk van belang is voor grote commerciële organisaties. Onder andere juristen, notarissen, accountants en makelaars, geven de voorkeur aan een statig of anderszins architectonisch aansprekend pand. Een unieke verschijningsvorm wordt derhalve uitgedrukt in een hoge kwaliteit. De staat van onderhoud van het gebouw Ten Have (2002) noemt het beoordelen van de bouwkundige staat en het inventariseren van bouwkundige gebreken één van de belangrijke taken van een taxateur. Ook stelt hij dat de kosten van het verhelpen van bouwkundige gebreken niet altijd in gelijke verhouding staat met de vermindering in waarde ten opzichte van een gebouw dat dit gebrek niet heeft. Uit diverse onderzoeken uit het verleden kan geconcludeerd worden dat de staat van onderhoud in het algemeen een significante invloed heeft op de marktwaarde, maar ook op de huurwaarde. Hoe beter de staat van onderhoud, hoe beter bruikbaar en dus hoe hoger de huur is. Echter de meting hiervan zal over het algemeen plaats vinden op basis van het feit dat een goede staat van onderhoud een minimum vereiste (‘basis’ uitgangspunt) is. Een slechte staat van onderhoud kan derhalve worden uitgedrukt als een lage kwaliteit. De kwaliteit van het gebouw Het voldoen aan de wensen van huurders is vaak subjectief en kan sterk verschillen per ondervraagde. Het gebruik van het gebouw (de kwaliteit) wordt uitgedrukt in de mogelijkheden die het biedt alsmede de aanwezigheid van gebouwvoorzieningen die het gebruik positief beïnvloeden. Hierbij valt onder meer te denken aan: • de technische kwaliteiten en prestaties van de installaties; • het afwerkingniveau; • de toepasbaarheid van (verschillende) kantoorconcepten; • de aanwezigheid en herkenbaarheid van een representatieve entree en de mogelijkheden ten aanzien van een (eigen) receptiebalie; • de aanwezigheid van restauratieve voorzieningen. Hoe meer mogelijkheden voor huurders, hoe hoger de kwaliteit. Amsterdam School of Real Estate



Er is nog relatief weinig wetenschappelijk onderzoek voorhanden over het verband tussen duurzaamheid en de huurprijs van kantoorgebouwen. De duurzaamheid zou ook tot de kwaliteit van een gebouw gerekend kunnen worden. Duurzaamheid begint een ‘mode woord’ te worden in de Nederlandse vastgoedmarkt. In de paper ’Doing Well by Doing Good? Green Office Buildings’ (Eichholtz, P., Kok, N., Quigley, J.M., 2009) zou voor het eerst een aantoonbaar verband worden gelegd tussen de mate van duurzaamheid van kantoorgebouwen en de hoogte van de huurprijs. Van 10.000 onderzocht objecten in de VS is door middel van openbare informatie, de LEED-rating12 (Leadership in Energy and Environmental Design) en de karakteristieken van deze objecten een verband gelegd tussen de huurprijs en verkoopprijzen. Hieruit kan geconcludeerd worden dat voor ‘groene’ gebouwen gemiddeld 3% meer aan huur wordt betaald in vergelijking met ‘niet-groene’ kantoorgebouwen. Op basis van effectieve huur zou dit zelfs naar + 6% gaan. Eichholz c.s. komen tevens tot de conclusie dat de bezettingsgraad van duurzame kantoorgebouwen ongeveer 7% hoger is dan niet-groene kantoorgebouwen. Een duurzaam kantoorgebouw zou dus de kans op leegstand verkleinen. Omdat er op dit moment nog relatief weinig bekend is, alsmede het feit dat er nog maar weinig gebouwen een energielabel hebben in Nederland, wordt duurzaamheid niet als apart kwaliteitsaspect gedefinieerd in dit onderzoek. De verhouding v.v.o. / b.v.o. Een ongunstige verhouding tussen de verhuurbare vloeroppervlakte (v.v.o.) en de bruto vloeroppervlakte (b.v.o.) heeft een negatieve invloed op de cashflow van de exploiatie van onroerend goed. Onder andere de servicekosten en de onderhoudskosten zijn gerelateerd aan de bruto vloeroppervlakte. Een minder gunstige verhouding heeft tot gevolg dat deze kosten stijgen. Er zijn ook diverse bedrijven die de kosten van een gebouw uitdrukken in m²’s b.v.o. per werknemer. Ook deze zullen dan minder positief uitvallen en derhalve zal in de meeste gevallen dit een negatieve invloed hebben op de verhuurbaarheid. Een ‘normale’ verhouding v.v.o. / b.v.o. voor kantoorgebouwen in Nederland beweegt zich omstreeks tussen de 85%. Een gunstige verhouding v.v.o. / b.v.o. wordt derhalve uitgedrukt in een hoge kwaliteit. De parkeervoorzieningen Er bestaat een grote variatie in parkeervoorzieningen op pandniveau. Bij steeds meer nieuwbouwontwikkelingen worden parkeergarages gebouwd. Echter, de aanleg hiervan is kostbaar. Volgens DTZ Zadelhoff en Nyenrode (2006) wordt de aanwezigheid van een parkeerkelder duidelijk positief gewaardeerd. Tevens is men relatief gezien bereid meer huur te betalen voor de bijbehorende kantoorruimte. Indien er veel parkeerruimte in de omgeving is alsmede veel parkeerruimte aanwezig is op maaiveldniveau, dan kan dit een indicatie zijn van een minder hoogwaardige omgeving. Immers, er is ruimte genoeg en doorgaans is dergelijke grond schaars en prijzig. Daarentegen is dit nog altijd beter dan dat er helemaal geen parkeervoorzieningen zijn.

12

Rating systeem van U.S Green Building Council. De performance wordt gemeten door punten toe te kennen aan zes categorieën: duurzame locaties, water efficiëntie, energie en atmosfeer, materialen en bronnen, omgevingskwaliteit binnen en innovatie en design. Certificaten die afgegeven worden zijn Certified, Silver, Gold of Platinum.




Uit een notitie van de Neprom uit 2003 blijkt dat slechts 60% van de opgeleverde kantoorgebouwen een parkeernorm van één parkeerplek per maximaal 80 meter v.v.o. heeft. Slechts 30% heeft een echt marktconforme parkeernorm van één parkeerplek per maximaal 50 meter v.v.o. Meer recente onderzoeken zijn niet voorhanden, maar de verwachting is niet dat meer dan 50% van de kantoren een marktconforme parkeernorm heeft. Voorts dient te worden opgemerkt dat de (lokale) overheid veel invloed heeft op de parkeernorm per type locatie. Goede parkeervoorzieningen vergroten dan ook de aantrekkelijkheid voor huurders en verlagen het risico op leegstand (uitval cashflow). Een lage parkeernorm wordt derhalve uitgedrukt in een lage kwaliteit. De parkeerruimte-gevoeligheid verschilt echter per locatie, zo blijkt uit onderzoek van Berkhout en Hop (2002). Van centrumlocaties weet de kantoorgebruiker dat parkeerruimte beperkt is. Een marginale afname van de parkeerruimte heeft daar weinig effect op de aantrekkelijkheid van een kantoorgebouw. Voor kantoren op bedrijfsterreinen of in randgemeenten – waar parkeerruimte doorgaans één van de belangrijkste ‘satisfaction drivers’ is – wenst de gebruiker een hoge compensatie voor beperkingen op het aantal parkeerplaatsen. Voor kantoorruimte met slechts één parkeerplaats op 10 medewerkers is op deze locaties nauwelijks animo en geldt dientengevolge een lage waardering. Weging op basis van enquête Ter ondersteuning van het aanbrengen van weegfactoren voor de kwaliteitsaspecten van het Gebouw is een enquête uitgevoerd waarbij de vraag is gesteld wat het belang is van de verschillende kwaliteitsaspecten wanneer huurreferenties, alleen op basis van de cluster Gebouw, onderling met elkaar worden vergeleken. Onderstaand is de verdeling weergegeven zoals die uit de enquête volgt. Kwaliteitsaspect

weging

De verschijningsvorm (exterieur/identiteit) van het gebouw

20,5%

De staat van onderhoud van het gebouw

20,5%

De kwaliteit van het gebouw

25,8%

De verhouding v.v.o. / b.v.o.

12,6%

De parkeervoorzieningen

20,7%


De respondenten van de enquête beoordelen het belang van de verschillende kwaliteitsaspecten voor de cluster Gebouw vrijwel allemaal gelijk. Een uitzondering hierop is de invloed van de verhouding tussen met metrage v.v.o. en b.v.o., wat met 12,6% relatief laag wordt ingeschat. Opgemerkt wordt dat de resultaten voor de verschillende doelgroepen een nagenoeg gelijk beeld laten zien. 4.6

Kwaliteitsaspecten voor de cluster Gebied Vertel iemand dat je een pand hebt gekocht en de eerste vraag zal zijn: “Waar is het?” De reden waarom er in de vastgoedwereld wordt gedacht in termen van locatie is dat panden niet verplaatsbaar zijn. Vanuit deze zelfde redenering komt ook het cliché “Locatie, locatie, locatie” over wat de belangrijkste driver is van de waarde van onroerend goed. Al werd in afgelopen jaren waarin de economische groei bijna geen ‘wetten’ kende veelal ook driemaal cashflow als waardedrager genoemd, in de huidige markt lijkt het cliché toch weer te gaan winnen. Immers, alleen de kwalitatief goede panden op de goede locaties lijken nu nog in trek bij gebruikers en beleggers.




Het kwantificeren van de invloed van de omgeving op de waarde van objecten wordt bemoeilijkt door het feit dat er lange historische datareeksen voor nodig zijn. In het onderzoek van Eichholtz (1997) waarin de Herengracht prijs-verandering Index werd gepresenteerd, laat zien wat het belang is van een goede locatie op de lange termijn. Hierin wordt aangetoond dat over een periode van bijna drie eeuwen de werkelijke reële waarde nauwelijks gewijzigd is. Uiteraard waren er ups en downs, bloeiperioden van de Nederlandse economie, maar ook mindere tijden. De overall gemiddelde groei van de waarde van de locatie betrof 0,56%. Dit voorbeeld geeft nogmaals aan dat waarden en dus ook huurwaarden van vastgoed in grote mate afhankelijk zijn van de locatie. Derhalve is het van groot belang dat voor een taxatie de omgeving van het getaxeerde nauwkeurig in kaart wordt gebracht. Het moge duidelijk zijn dat de taxateur dan ook zijn overwegingen en uitgangspunten ten aanzien van de locatie, zo transparant mogelijk zal moeten weergeven in het taxatierapport. Juist omdat een en ander zich zo lastig laat kwantificeren. Locatietype De bestendigheid tegen marktschommelingen van de binnenstad/centrum locatie (waar de combinatie werken, winkelen, wonen aanwezig is) is groot. In veel gevallen wordt (afgezien van bereikbaarheid) de binnenstad/centrumlocatie ook als meest prettige vestigingslocatie ervaren. Wanneer een object zich in een dergelijke omgeving bevindt, vergroot het de aantrekkelijk voor huurders en verlaagt het risico op leegstand (uitval cashflow). Qua locatietype is deze dan ongeëvenaard. Ook de aanwezigheid van een vestiging uit de zakelijke diensten in de directe nabijheid (veelal in kantorenwijken) draagt positief bij aan de huurprijs, terwijl de nabijheid tot een industrieel pand juist de huurprijs verlaagt. Ligging op een industrieterrein of in een woonwijk wordt voor een kantoorgebouw derhalve uitgedrukt in een lage kwaliteit. De beoordeling van het type locatie is met name gebaseerd op de soort bebouwing en de diversiteit van gebruikers in dat gebied. Kwaliteit van de omgeving / stedenbouwkundige invulling Een kantoorgebouw aan het centrale plein in de historische binnenstad of gelegen in een beschermd natuurreservaat, is qua locatie en uistraling op zijn omgeving uniek te noemen. Een object gelegen aan bijvoorbeeld de Zuid-as in Amsterdam bevindt zich ook in een bijzondere omgeving (qua zakelijke dienstverlening de top binnen Nederland), maar toch is dit niet uniek. In theorie zou een dergelijke omgeving op meerdere locaties kunnen worden ontwikkeld en derhalve wordt deze omgeving aangeduid als hoogwaardig. De onderkant van het spectrum ten aanzien van de kwaliteit van de omgeving wordt gevormd door kantoorgebouwen die zijn gelegen in gebieden die een zeer eenvoudige stedenbouwkundige invulling hebben en waarbij er geen enkele samenhang is. De kans op uitval van huurders mag dan ook in een dergelijke omgeving groter worden verondersteld. Ontwikkeling van de kwaliteit van de locatie binnen de komende 5 jaren Het niet kunnen verplaatsen van een object, maar ook de lange productietijd zorgen voor de bekende varkenscyclus. In grote lijnen kom het er op neer dat de objecten niet ontwikkeld zijn op het moment dat de behoefte zich openbaart is. De panden zijn pas gereed wanneer de behoefte mogelijkerwijs al niet meer zo sterk is. Derhalve is het van belang om bij de beoordeling op t=0 ook te kijken welke mogelijke ontwikkeling een bepaald gebied door kan gaan maken in (bijvoorbeeld) de komende 5 jaren. Hoe een locatie zich ontwikkelt in de toekomst is van invloed op de keuze voor een locatie. Dit kan variëren van het ontwikkelen tot de vestigingslocatie nummer 1 in de regio tot een afname van de kwaliteit, leidend tot een verpauperde locatie. Positieve vooruitzichten worden uitgedrukt in hogere kwaliteit.




De aanwezigheid van voorzieningen in de directe omgeving De fysieke aanwezigheid van voorzieningen in de directe omgeving van het te beoordelen object, wordt met name vanuit de menselijke kant benaderd. Het tussen de middag even een boodschap kunnen doen, extern kunnen lunchen of na werktijd in de nabijheid kunnen sporten, dragen in sterke mate bij tot een positieve beoordeling van de omgeving door gebruikers. Ook iets minder ‘harde’ gebouwgebonden voorzieningen spelen hierbij een rol. Een goed voorbeeld is de aanwezigheid van groenvoorzieningen. Uit onderzoek van het Planbureau voor Leefomgeving (2009) bleek dat van de fysieke uitzichtkenmerken dat een park of plantsoen in de buurt de huurprijs vrij sterk positief beïnvloedt. De huurprijs van kantoorpanden waar een park of plantsoen binnen 50 meter ligt, is gemiddeld 5 procent hoger dan de prijs van panden die dat niet hebben. Ook kantoorpanden met bomen of gras in de directe nabijheid hebben een wat hogere huurprijs, maar het prijseffect is lager (minder dan 2 procent). De bereikbaarheid In onderzoeken van onder meer Atzema (2001) en Van Oort e.a.(2007) is de bereikbaarheid één van de belangrijkste factoren bij de vestigingsplaatskeuze van bedrijven. Opvallend is dat empirische resultaten voor de meting van het effect op de huurprijs hierin zowel positief als negatief uitslaan. Berkhout en Hop (2002) kwantificeren de bereikbaarheid wel. Zij stellen in hun onderzoek dat kantoorgebruikers bereid zijn fors te betalen wanneer een kantoorgebouw zowel per openbaar vervoer als per auto goed bereikbaar is. De huurwaarde per m² zou in dat geval met naar schatting EUR 82 toenemen. Gesteld kan worden dat de huidige verkeerscongesties er toe leidt dat de bereikbaarheid van een locatie een steeds grotere rol gaat spelen bij de locatiekeuze. Een goede bereikbaarheid per auto en per openbaar vervoer wordt dan ook gezien als een positieve kwaliteit. Weging op basis van enquête Ter ondersteuning van het aanbrengen van weegfactoren voor de kwaliteitsaspecten van het Gebouw is een enquête uitgevoerd waarbij de vraag is gesteld wat het belang is van de verschillende kwaliteitsaspecten wanneer huurreferenties, alleen op basis van de cluster Gebied, onderling met elkaar worden vergeleken. Onderstaand is de verdeling weergegeven zoals die uit de enquête volgt. Kwaliteitsaspect

weging

Locatie type

24,8%

Kwaliteit van de omgeving / stedenbouwkundige invulling

18,6%

Ontwikkeling van de kwaliteit van de locatie binnen de komende 5 jaren

14,9%

De aanwezigheid van voorzieningen in de directe omgeving

17,4%

De bereikbaarheid

24,3%


Analyse van de resultaten leert dat vastgoedspecialisten voor de cluster Gebied met name de locatie type en de bereikbaarheid het belangrijkst vinden bij de beoordeling van huurreferenties. Deze hebben respectievelijk een aandeel van 24,8% en 24,3%. De overige kwaliteitsaspecten hebben volgens de geënquêteerden een vrijwel gelijk invloed. Een vergelijk van de resultaten gesorteerd naar de verschillende doelgroepen geeft een nagenoeg gelijk resultaat.




4.7

Kwaliteitsaspecten voor de cluster Markt De vastgoedmarkt maakt net als de markten voor goederen en diensten deel uit van de economie waardoor vastgoed onderwerp is van economisch handelen (Wheaton en DiPasquale, 1996). De door Adam Smith geformuleerde principes gelden feitelijk dan ook voor deze markt; de vraag wordt via het marktmechanisme afgestemd op het aanbod. Echter, de vastgoedmarkt heeft twee belangrijke kenmerken die dit verstoren: informatie is vaak onvolledig en de markt is imperfect (Van Gool, 2001). Dit maakt het 100% meetbaar maken en/of verklaren van dit cluster zeer lastig (zo niet onmogelijk), maar wellicht kan wel een groot deel verklaard worden. DTZ Zadelhoff (2009) toont in haar onderzoek nogmaals de correlatie aan tussen de groei van het bruto binnenlands product (BBP) en de opname van kantoorruimte. De economische groei heeft een positieve invloed op de (kantoor)werkgelegenheid. Deze werkgelegenheid is weer een belangrijke factor in de voorraad van kantoren die in gebruik is. Minder werkgelegenheid leidt tot minder werkplekken, wat uiteindelijk minder vraag naar kantoorruimte tot gevolg heeft. De economische groei wordt niet als zelfstandig te beoordelen aspect meegenomen in dit onderzoek, omdat feitelijk in alle kwaliteitsaspecten de ‘economie’ verweven zit. Grootendorst (1994) concludeert dat de markthuur van kantoorruimte, in Nederland, voornamelijk beïnvloed wordt door de gemiddelde markthuur op de regionale kantorenmarkt. Derhalve vindt de beoordeling van de kwaliteitsaspecten van de markt plaats op basis van gegevens van een bepaalde regio of gebied. Ratio opname aanbod Het blijkt moeilijk om accurate voorspellingen te doen omtrent de huurprijzen en bezettingsgraden van kantoorgebouwen. Achterom kijken geeft, in de niet transparante vastgoedmarkt waarin relatief weinig transactie plaatsvinden, veelal de meeste houvast. De daadwerkelijke vraag naar kantoorruimte is feitelijk uit te drukken in de opname. De vraag volledig inzichtelijk maken, zal in de praktijk ook zeer lastig blijken. Voor dit onderzoek worden de definities aangehouden zoals DTZ Zadelhoff deze hanteert. Onder opname wordt verstaan de kantoorruimte die op de ‘vrije markt’ verhuurd en verkocht is, met uitzondering van saleand-leaseback transacties en nieuwbouw ten behoeve van eigenaar-gebruikers (de zogenoemde ‘eigenbouw’). Transacties worden geregistreerd op het moment dat tussen betrokken partijen wilsovereenstemming bereikt is, waarbij een ondergrens van 500 m² wordt aangehouden voor kantoorruimte. Het aanbod betreft de gebouwen waarin per ultimo van elk kalenderjaar minimaal 500 m² kantoorruimte voor de verhuur of verkoop beschikbaar is. Het aanbod heeft uitsluitend betrekking op reeds opgeleverde of nog in aanbouw zijnde complexen. Projecten in voorbereiding worden niet meegeteld. Wanneer er meer vraag (opname) dan aanbod naar kantoorruimte is in een bepaald gebied, dan verkleint dit het risico op uitval in de cashflow (leegstand). De performance van deze wordt gemeten ten opzichte van het gemiddelde van alle regio’s. Een negatieve afwijking (een lagere ratio van opname en aanbod) ten opzichte van het gemiddelde wordt uitgedrukt in een hoge kwaliteit.




Leegstandsratio Een markt waarin geen leegstand bestaat is geen ‘gezonde’ markt. Onder andere vanwege het feit dat nieuw te bouwen kantoren niet direct gereed zijn en dat ‘zoekers’ keuze moeten hebben, zou er in principe altijd in bepaalde mate sprake van leegstand moeten zijn. Geltner (2007) noemt dit de ‘natuurlijke leegstand’. Wanneer de leegstand zich onder dit niveau bevindt – in een verkopers-/verhuurdersmarkt – dan zullen de huren stijgen (en nieuwe ontwikkelingen worden opgenomen). Wanneer de leegstand stijgt tot boven dit niveau – in een kopers-/huurdersmarkt – dan zullen de huren naar alle waarschijnlijkheid dalen. Wanneer gesproken wordt over het ‘probleem’ leegstand, dan is het belangrijk om in dit verband niet te spreken over een nationale of internationale markt, maar juist over een specifieke lokale markt of marktsegment. Immers, de verschillen kunnen aanzienlijk zijn tussen de verschillende regio’s en/of gebieden. Voor de Amsterdamse kantorenmarkt bijvoorbeeld, komen Remøy c.s. (2008) in hun onderzoek naar leegstand tot de conclusie dat de structurele leegstand zich met name lijkt te concentreren in gebouwen die zijn gebouwd in de periode 1980 tot 1995. De leegstandsratio wordt in dit onderzoek gemeten als het totale m²’s aanbod / totale m²’s voorraad in een bepaald gebied. De performance wordt gemeten ten opzichte van het gemiddelde binnen een bepaalde regio. Een negatieve afwijking (een lagere leegstandsratio) ten opzichte van het gemiddelde wordt uitgedrukt in een hoge kwaliteit. Gemiddelde groei van het aantal kantoorbanen Het overgrote deel van de ondernemingen in de zakelijke dienstverlening is gehuisvest in kantoorruimte; de ruimtelijk gedefinieerde kantorencomponent bedraagt bijna 100%. De bedrijfssectoren met de hoogste kantorencomponent, zowel volgens de ruimtelijke – als de functionele definitie, zijn de bank-, de verzekerings- en onroerendgoed sector. Door Amerikaanse onderzoekers worden deze sectoren de FIRE-categoriën (Finance, Insurance en Real Estate) genoemd. Volgens Grootendorst (1993) vertoont ongeveer 64% van de werkgelegenheid in de zakelijke dienstverlening karakteristieken van kantoorwerkgelegenheid; de functioneel gedefinieerde kantoorcomponent is 64%. De omvang van de ruimtelijk gedefinieerde kantoorwerkgelegenheid (en dus de vraag ernaar) kan volgens hem benaderd worden met de werkgelegenheid in de zakelijke- en overige dienstverlening. In dit onderzoek zal derhalve de groei van het aantal kantoorbanen in een regio worden gemeten. Immers, deze groei vergroot de kans op opname en verkleint dus ook het risico op uitval in de cashflow (leegstand). De groei wordt gerelateerd aan het landelijk gemiddelde. Een positieve outperforming leidt tot een hogere kwaliteit. Opgemerkt wordt dat hierbij nog niet eens rekening wordt gehouden met de extra vraag die een eventuele nieuwe huisvesting met zich meebrengt voor de omgeving. Volgens Geltner (2007) is de werkgelegenheidsmultiplier voor de opname van een kantoorgebouw tussen de 2 en 4. Dit betekent dat er door de komst van 1 kantoorgebruiker 2 tot 4 nieuwe banen worden gecreëerd. Dit betekent niet alleen huisvesting op het gebied van woningen, maar ook de aanverwante functies (goederen, service, entertainment) moeten in een gebouw plaatsvinden.




Gemiddelde groei van gemiddelde werkruimte per werknemer (in m²) Grootendorst (2003) concludeert dat de relatie tussen de hoeveelheid in gebruik zijnde kantoorruimte en de ruimtelijk gedefinieerde kantoorwerkgelegenheid kan worden verstoord door een verandering in de hoeveelheid m² kantoorruimte per kantoorarbeidsplaats (FTE), bijvoorbeeld door een indikkingsproces. Echter, daarbij moet opgemerkt worden dat het anticiperen op eventuele toekomstige groei van bedrijven juist weer een tegengestelde invloed kan hebben op het gebruik van een FTE per m² kantoorruimte. Ten gevolge van een andere manier van werken neemt het gemiddeld benodigd ruimtebeslag per werknemer FTE (full time equivalent) af. Sinds de intrede van het flexwerken en mede ten gevolge van automatisering is het ruimtegebruik per FTE in de afgelopen jaren afgenomen. Door de fors oplopende kosten van transport en de congestie op het Nederlandse vervoersnetwerk is de verwachting dat het ruimtegebruik verder zal afnemen (Zuidema, 2009). Een afname van het ruimtebeslag brengt een relatieve kostenbesparing met zich mee en wordt daarom vertaald naar een hogere kwaliteit. Verstrekte incentives Mr . Justice Henry stelde dat contracthuren die via abnormaal hoge incentives worden gerealiseerd niet mogen tellen als contracthuur en dat bovendien rekening moet worden gehouden met alle afspraken die tussen huurder en verhuurder zijn gemaakt (Jefferies, 1994). In 1991 is in Nieuw Zeeland een uitspraak geweest van het Hof dat in de Dickinson’s Case alle incentives openbaar moesten worden gemaakt (Jefferies, 1994). Echter dit zal vermoedelijk een uitzondering blijven. Huurprijzen worden vaak nog steeds niet op directe wijze verlaagd, omdat dit de beleggingswaarde van het pand kan beïnvloeden. Het verstrekken van incentives is derhalve algemeen geaccepteerd in de vastgoedmarkt. Deze incentives komen voor rekening van de projectontwikkelaar en/of (toekomstige) verhuurder/eigenaar en beperken dus het uiteindelijke resultaat. De incentives kunnen bestaan uit het verstrekken van uiteenlopende vormen van kortingen of financiële bijdragen aan potentiële gebruikers van kantoorruimten. Dit kan variëren van huurvrije perioden tot een volledige ‘turn key’ oplevering van de kantoorruimte. Ook valt te denken aan een bijdrage in de verhuiskosten en/of het overnemen van huurverplichtingen door de aanbieder. Kohsiek (2006) concludeert in zijn Masterthesis MRE13 dat in Nederland bij afsluiting van huurcontracten beperkt wordt onderhandeld over de hoogte van de contracthuur. De onderhandelingen concentreren zich voornamelijk op de incentives (huurvrije perioden). Ook liggen incentives hoger tijdens een mindere periode op de kantorenmarkt (aanbod / opname ratio > 1,5). Opgemerkt wordt daarbij dat deze mindere periode nauw samen hangt met de ontwikkeling van de economie / werkgelegenheid. Opvallend is dat ook in ‘goede tijden’ incentives worden verstrekt. In een gezonde kantorenmarkt beperkt dit zich in de regel tot huurvrije perioden of overbruggingsperioden tot de in gebruik name van de huisvesting.

13

Het risico van op risico: empirische toets van het feitelijke risico bij de speculatieve realisatie van kantoorgebouwen. Amsterdam: Masterthesis MRE




Objectieve gegevens over (gemiddeld) verstrekte incentives voor de Nederlandse vastgoedmarkt zijn niet (openbaar) voorhanden; eenvoudigweg omdat deze kortingen niet worden geregistreerd en gepubliceerd. Derhalve is wel te concluderen dat de daadwerkelijke effectieve huurprijs van sommige objecten (fors) lager ligt dan de geregistreerde huurprijs. Volgens het jaarlijkse onderzoek van Boer Hartog Hooft (We’re Amsterdam) zouden die kortingen in 2007 soms kunnen oplopen tot huurvrije perioden van twee jaar in contracten van vijf jaar. Het feit dat officiële kantoorhuren in bepaalde markten slechts maar weinig daalden, maar de incentives daarentegen toenamen, heeft overigens in het verleden al geleid tot discussies over de betrouwbaarheid van vastgoedwaarderingen in die markt. Voor de beoordeling van dit kwaliteitsaspect geldt dat het geven van kortingen op de huursom inbreuk doet op de kwaliteit van de huurinkomsten wanneer deze wordt gerelateerd aan de markthuurwaarde. Een positieve afwijking van de gemiddeld in de regio verstrekte incentives (er is dus meer korting overeengekomen) wordt beoordeeld als een negatieve invloed op de kwaliteit. Weging op basis van enquête Ter ondersteuning van het aanbrengen van weegfactoren voor de kwaliteitsaspecten van de Markt is een enquête uitgevoerd waarbij de vraag is gesteld wat het belang is van de verschillende kwaliteitsaspecten wanneer huurreferenties, alleen op basis van de cluster Markt, onderling met elkaar worden vergeleken. Onderstaand is de verdeling weergegeven zoals die uit de enquête volgt. Kwaliteitsaspect

weging

Ratio opname en aanbod

27,7%

Leegstandsratio

25,1%

Gemiddelde groei van het aantal kantoorbanen

12,8%

Gemiddelde groei van gemiddelde werkruimte per werknemer (in m²)

10,5%

Verstrekte incentives

23,8%


De resultaten van de enquête voor de cluster Markt geven aan er twee kwaliteitsaspecten beduidend minder van belang worden geacht bij de beoordeling van huurreferenties. De ‘gemiddelde groei van het aantal kantoorbanen’ en ‘gemiddelde groei van gemiddelde werkruimte per werknemer (in m²)’ zijn ‘slechts’ 12,8% en 10,5% van belang volgens de vastgoedprofessionals. De ‘ratio tussen de opname en het aanbod’ binnen de regio waar het object is gelegen, heeft de meest invloed. De ‘leegstand’ en de ‘verstrekte incentives’ zijn slechts een paar procent minder van belang bij de beoordeling. De resultaten per doelgroep wijken slechts fractioneel af van bovengenoemde resultaten. 4.8

Resumé De vier cluster zijn onderverdeeld naar een vijftal kwaliteitskenmerken waarop deze kunnen worden beoordeeld. Voor alle kwaliteitsaspecten zijn op een vijfpuntschaal antwoorden geformuleerd waarvan op basis een kwantitatieve beoordeling plaats kan vinden (zie bijlage ‘Model voor beoordeling kwaliteitsaspecten’). Voor het vaststellen van de wegingsfactoren voor zowel de clusters (zie onderstaande figuur) als wel voor de kwaliteitsaspecten onderling is gebruik gemaakt van een enquête. Deze enquête is door circa 200 vastgoedprofessionals ingevuld en geeft een representatieve afspiegeling van de vastgoedmarkt.




Cluster

weging

Gebruiker

18,2%

Gebouw

27,5%

Gebied

30,3%

Markt

24,0%


Op basis van de in dit hoofdstuk verkregen ratio’s kan in een opvolgend hoofdstuk de kwaliteit per te beoordelen object worden vastgesteld. Onderstaand is een voorbeeld weergegeven hoe een object objectief en eenduidig beoordeeld kan worden en hoe de bijbehorende score tot stand zal komen. Voorbeeld beoordeling kwaliteiten op objectniveau

20%

10%

30%

40%

Cluster

Kwaliteitsaspect

Gebruiker

A Gehuurd metrage B Gehuurd metrage versus totaal metrage

Gebouw

Gebied

Markt

weging

%

score

5

15%

3,0%

0,15

5

15%

3,0%

0,15

C Looptijd

3

25%

5,0%

0,15

D Kwaliteit huurder

4

35%

7,0%

0,28

E Gedifferentieerdheid en heterogeniteit

3

10%

2,0%

0,06

A Identiteit

4

20%

2,0%

0,08

B Bouwkundige staat

4

25%

2,5%

0,10

C Interieur

4

25%

2,5%

0,10

D Verhouding v.v.o. / b.v.o.

4

15%

1,5%

0,06

E Parkeervoorzieningen

2

15%

1,5%

0,03

A Locatie type

4

15%

4,5%

0,18

B Kwaliteit omgeving

3

20%

6,0%

0,18

C Ontwikkeling kwaliteit locatie

3

30%

9,0%

0,27

D Voorzieningen in omgeving

3

20%

6,0%

0,18

E Bereikbaarheid

5

15%

4,5%

0,23

A Opname versus aanbod

3

40%

16,0%

0,48

B Leegstand

3

20%

8,0%

0,24

C Vraag regio versus landelijk

4

10%

4,0%

0,16

D Gemiddelde werkruimte per werknemer (in m²)

4

10%

4,0%

0,16

E Incentives

2

20%

8,0%

0,16

100%

3,40

100% Totaal

72





5

Analyse / test van het model

“The proof of the pudding is in the eating”14 Met behulp van de enquête is er meer inzicht verkregen in de onderlinge verhoudingen tussen de eerder vastgestelde clusters en kwaliteitsaspecten. Op basis van de antwoorden kan een concept model voor de beoordeling van huurreferenties worden opgesteld. In dit hoofdstuk wordt het model inhoudelijk geanalyseerd en getest door het toe te passen op een dataset. De dataset zal worden gevormd door reeds gerealiseerde huurtransacties in de afgelopen jaren. In dit hoofdstuk zal antwoord worden gegeven op de deelvraag “In hoeverre is het mogelijk om volgens een vaste methodiek en/of door middel van een model huurreferenties onderling objectief te beoordelen?”. 5.1

De dataset - huurtransacties in Amsterdam Voor samenstelling van de dataset is een selectie gemaakt van huurcontracten die zijn afgesloten in de periode 2008-2010 en waarbij makelaars van DTZ Zadelhoff betrokken zijn geweest. Hierdoor kon van deze transacties ook over de huurovereenkomst worden beschikt. In de praktijk blijkt namelijk dat om diverse (veelal commerciële) redenen openbaar gepubliceerde gegevens van (huur)transacties onjuist of onvolledig zijn. Een gevolg van het gebruik van de huurcontracten is, dat een gedeelte van de verkregen data vertrouwelijk is. Om deze reden zijn objectspecifieke gegevens geanonimiseerd of worden gegevens alleen op geaggregeerd niveau gepresenteerd. Het voordeel is wel dat de in de data analyse betrokken informatie zo juist en volledig mogelijk is. Eerder in het onderzoek is geconcludeerd dat er grote verschillen kunnen bestaan in de kenmerken van diverse regionale vastgoedmarkten. Om deze reden is er voor gekozen om voor het onderzoek alleen transacties te analyseren die plaats hebben gevonden in de gemeente Amsterdam. Zoals uit paragraaf 2.7 ook blijkt is het meest optimaal om een beschouwingperiode van maximaal twee jaren aan te houden. Vanwege de economische situatie zijn er relatief weinig transacties geweest en derhalve wordt het hele jaar 2008 in dit onderzoek betrokken. Andere criteria voor de selectie van deze dataset zijn geweest: • minimaal 1.000 m² v.v.o. kantoorruimte (transacties van kleinere metrages worden nauwelijks gemeld en blijken vaak onjuist en/of onvolledig - vertroebeld - te zijn ); • object moet 100% uit kantoorruimte bestaan (ter voorkoming van een te grote mate van heterogeniteit in de populatie); • alleen ‘vaste’ huren (bijvoorbeeld omzetgerelateerde huren zijn niet controleerbaar). Opgemerkt wordt dat de in de dataset opgenomen transacties niet alle transacties zijn die zich in de genoemde periode hebben voorgedaan, maar die wel aan bovengenoemde criteria voldoen. Echter, indien transacties niet zijn opgenomen, dan kon niet over de huurcontracten worden beschikt. Wanneer gegevens van deze transacties wel zouden worden opgenomen, dan zou de betrouwbaarheid van het onderzoek nadelig kunnen worden beïnvloed. Voorts is het mogelijk dat voor een statische analyse wellicht meer transacties noodzakelijk zouden zijn geweest. Echter, in dit onderzoek betreft het gebruik van de dataset ‘slechts’ een ‘controle’ van reeds eerder uit enquête verkregen informatie. Bovendien is ervan uitgegaan dat de beoordeling van de kwaliteitsaspecten van de transacties ook fysiek haalbaar en praktisch uitvoerbaar moest blijven.

14

“The proof of the pudding is in the eating" is een Engels gezegde dat dateert van omstreeks 1600. De Nederlandse betekenis is “de ondervinding (praktijk) zal het leren” en wordt vaak gebruikt bij het testen van modellen.




Samenvatting dataset Om enigszins inzicht te geven in de dataset is onderstaand een korte samenvatting opgesteld van de dataset. Een nadere analyse zal worden gemaakt in de navolgende paragraven. Samenvatting dataset Onderdeel

verhuurd v.v.o. (in m²)

minimaal

maximaal

gemiddeld

1.035

17.284

3.300

huurprijs per m² v.v.o. (in EUR)

140

399

238

transactiedatum (meest recent)

januari 2008

juli 2010

n.v.t.

2,6

10,0

7,1

1

8

n.v.t.

lengte van de huurovereenkomst (in jaren) # transacties per deelgebied (binnen Amsterdam)

Bron: eigen onderzoek (data analyse), 2010

De totale dataset bevat 82.503 m² v.v.o. kantoorgebouw met een totale jaarhuur van EUR 22.916.739. De 25 objecten zijn verspreid over 7 deelgebieden binnen Amsterdam, waarbij overigens niet alle deelgebieden zijn vertegenwoordigd. Appels met appels vergelijken Om er voor te zorgen dat er geen ‘appels met peren’ worden vergeleken in het onderzoek, zijn er enkele uitgangspunten vastgesteld met betrekking tot de dataset. Dit alles met het doel om te komen tot een effectieve huurprijs voor de kantoorruimte in de transactie. De gehanteerde uitgangspunten zijn: • De huurprijs is de prijs per vierkante meter kantoorruimte. Genoemde metrages zijn de verhuurbare vloeroppervlakten (v.v.o.) zoals die zijn opgenomen in de huurovereenkomst. Correcties zijn gemaakt voor overige in het contract genoemde metrages, zoals bijvoorbeeld archiefruimte. • Huurprijzen zijn exclusief eventuele huurinkomsten voor parkeergelegenheid. Indien deze contractueel zijn vastgelegd in de totale huurinkomsten, dan is er een correctie gemaakt op basis van de ingeschatte marktconforme huurwaarde per plaats. • Huurprijs is exclusief BTW. Wanneer er een partij huurder is die niet BTW-plichtig is en daarvoor BTW-compensatie moet betalen, is dit apart gehouden en niet bij de huurprijs opgeteld. • Huurprijs is exclusief servicekosten. • Transacties betreffen zowel initiële contracten als huurverlengingen. • Er wordt geen rekening gehouden met break-opties. Een contract van tien jaar met een break-optie na vijf jaar, wordt beschouwd als een contract van vijf jaar. • Huurvrije perioden worden gecorrigeerd op de totale huurinkomsten, tenzij nader gespecificeerd in de huurovereenkomst. • Verondersteld wordt dat alle kantoorruimtes ‘kaal’ zijn, zoals daar ook bij elk standaard (ROZ) huurcontract vanuit wordt gegaan. Inrichtingsbijdragen worden derhalve gezien als een incentive voor de huurder en vormen dan ook een correctie op de huurprijs. • Huurprijzen worden altijd voorafgaand aan de bepaalde periode betaald. • Gerealiseerde huurprijzen in voorgaande jaren, worden gecorrigeerd door middel van de CPI index. • In de huurcontracten zijn alle tussen huurder en verhuurder gemaakte afspraken opgenomen. Verondersteld wordt dat de informatie in de overeenkomsten volledig en juist is en dat er geen andere afspraken zijn die de effectieve huurprijs zou kunnen beïnvloeden (bijvoorbeeld via side letters o.i.d.).




5.2

Marktsituatie Amsterdamse kantorenmarkt De verschillen qua marktvariabelen kunnen binnen Amsterdam al aanzienlijk zijn. Laat staan tussen gebieden die op grotere afstand tot elkaar zijn gesitueerd. Per kwaliteitsaspect wordt hierna aangegeven op basis van welke gegevens de dataset zal worden vergeleken en derhalve wordt beoordeeld. Omdat de transacties in verschillende jaren hebben plaatsgevonden, wordt het element ‘tijd’ in de huurprijzen geëlimineerd door deze te corrigeren door middel van onderstaande CPI-reeks. Consumentenprijsindex (CPI, alle huishoudens)

Nederland

2010

2009

2008

2007

2006

107

105,4

104,1

101,6

100

Bron: CBS, 2010

Opname en aanbod In paragraaf 4.7 werd gemeld dat een aanbod/opname ratio van 1,5 een ‘gezonde’ situatie zou zijn. Derhalve kan geconcludeerd worden dat de huidige markt hier ver van is verwijderd. Amsterdam in totaal kent een gemiddelde ratio van 8,9. Ratio’s kunnen enigszins vertekend worden door het volume qua aanbod, maar een verdere segmentering naar deelgebied geeft wel inzicht in de huidige staat van de Amsterdamse kantorenmarkt. Aanbod/opname/leegstand kantoren voor Amsterdam in 2009 (per deelgebied) Deelgebied

aanbod

opname

ratio

leegstand

140.500

17.000

8,3

8,0%

Amsterdam

centrum

Amsterdam

noord

17.000

1.000

17,0

11,1%

Amsterdam

west

353.000

30.500

11,6

19,2%

Amsterdam

oost

56.000

7.000

8,0

12,3%

Amsterdam

zuidoost

281.000

43.000

6,5

22,6%

Amsterdam

zuidas

156.000

16.000

9,8

18,1%

Amsterdam

zuidelijke IJ-oevers

Amsterdam

totaal

21.000

-

-!

15,7%

1.024.500

114.500

8,9

15,9%

Bron: We’re Amsterdam, 2010

Leegstand De gemiddelde leegstandsratio voor kantoorruimte in Nederland is op dit moment 13,3% (DTZ Zadelhoff, 2010). Een eerste globale verkenning van de markt leert dat er zelfs regio’s in Nederland zijn waar de leegstand is opgelopen tot 25%. Door de huidige economische situatie zal vermoedelijk het ‘probleem’ alleen maar groter worden. Sinds 2000 is het niet zo’n veel besproken onderwerp geweest. Een normaal leegstandspercentage zou zich volgens De Koning (2010) bevinden tussen de 5 en 6%. De dataset zal beoordeeld worden op de gegevens zoals die in figuur ‘Leegstand (opname/aanbod) in Amsterdam’ zijn weergegeven.




< aanbod

|

< opname

|

-- leegstandpercentage


Aantal kantoorbanen Voor de beoordeling op basis van de groei van het aantal kantoorbanen, wordt gebruikt gemaakt van de gegevens zoals DTZ Zadelhoff deze jaarlijks publiceert. Deze publiceert het aantal kantoorbanen/Banen in de industrie en leidt daarvan de geïndiceerde ontwikkeling af van het aantal banen. De gegevens voor deze grafiek zijn afkomstig van LISA (databestand met gegevens over alle vestigingen in Nederland waar betaald werk wordt verricht) en zijn bewerkt door het EIM15. Voor het onderzoek wordt de regio Amsterdam afgezet tegen de groei van het aantal kantoorbanen in heel Nederland. Aantal kantoorbanen 2010

2009

2008

2007

2006

Nederland

n.t.b.

2.268.650

2.301.299

2.225.064

2.150.758

Amsterdam

n.t.b.

227.590

229.879

221.734

212.763

10,0%

10,0%

10,0%

9,9%

Bron: DTZ Zadelhoff, 2010

Gemiddelde werkruimte per werknemer (in m²) De NFC Index16 geeft jaarlijks de gemiddelde vloeroppervlakte per werkplek voor kantoorgebouwen in Nederland. Dit getal is een belangrijke variabele voor de kosten per werkplek. Immers, indien deze substantieel stijgt of daalt dan stijgen of dalen de gebouwgerelateerde kosten naar rato. De gemiddelde verhuurbare vloeroppervlakte (v.v.o.) per werkplek bedroeg 18,7 m² in 2009. Ofwel een lichte stijging ten opzichte van 2008. Dat wil zeggen dat na enkele jaren van daling het aantal m² v.v.o. per werkplek licht stijgt. Het lijkt erop dat vloeroppervlakgebruik stabiliseert op ruim 18,5 m² per werkplek na jaren van efficiënter aanwenden van kantoren, het delen van werkplekken en het steeds meer verdwijnen van cellenkantoren ten behoeve van activiteitgerelateerde werkplekken.

15

EIM voert economisch en sociaal beleidsonderzoek uit voor overheden, beleidsinstanties en branche- en koepelorganisaties. 16 De Netherlands Facility Costs Index Coöperatie u.a., kortweg NFC Index, is een onafhankelijke coöperatie van zo’n 80 aangesloten organisaties uit overheid en bedrijfsleven.




Trend omvang werkplek in m² verhuurbaar oppervlak

Nederland

2010

2009

2008

2007

2006

n.b.

18,7

18,5

18,6

18,7

Bron: NFC Index kantoren, 2010

Incentives Dienst Belastingen Gemeente Amsterdam (DBGA) en Boer Hartog Hooft stellen in hun jaarlijks terugkerende vastgoedmarktrapportage “We’re Amsterdam” vast dat in de huidige markt steeds vaker incentives worden verstrekt aan nieuwe huurders van kantoor- en bedrijfspanden, maar dat de bruto huurprijs in 2009 nagenoeg stabiel is gebleven. Gemiddeld worden bij kantoorpanden in Amsterdam 17% aan incentives gegeven, bij bedrijfsruimten circa 10%. De meest voorkomende incentives zijn kortingen op de huisvestingslasten, het verstrekken van huurvrije perioden en het leveren van een financiële bijdrage voor de inrichting van de ruimte. Voor de diverse deelgebieden binnen Amsterdam beschikt DBGA ook over gemiddelde incentives. Echter vanwege het vertrouwelijke karakter van deze gegevens wilde DBGA deze niet beschikbaar stellen voor het onderzoek. Derhalve wordt voor de beoordeling uitgegaan van de gemiddeld verstrekte incentives over de afgelopen jaren voor heel Amsterdam (zie figuur ‘Gemiddelde incentives in Amsterdam’). Opgemerkt wordt dat dit ook redelijk unieke data betreft. Immers, er zullen niet veel gemeenten in Nederland zijn die dit op een dusdanige wijze kunnen reproduceren en publiceren.


5.3

Effectieve huur Wanneer een incentive wordt gegeven in het derde jaar van de huurovereenkomst, dan heeft dit een andere waarde dan dat dit gebeurt in jaar 1. Voor de berekening van de effectieve huur moet rekening worden gehouden met de inflatie en de contante waarde van de toekomstige huurprijs. In de literatuur zijn er ook formules die rekening houden met leegstand van objecten en belastingen. In dit onderzoek wordt hier geen rekening mee gehouden.




Van Meeuwen (2008) heeft in zijn onderzoek een nieuwe formule ontwikkelt voor de vaststelling van de effectieve huur. Hij heeft dit gedaan op basis van ruim vierhonderd vijftig huurcontracten en de formule blijkt in de praktijk vrij nauwkeurig. De effectieve huur vanuit de formule bleek maximaal 1 euro af te wijken van de echte effectieve huur, maar voor het grootste deel bevond de afwijking zich onder de 15 eurocent. Omdat bij de incentive ook rekening wordt gehouden met inflatie en het contant maken van de kasstromen, wordt daar in de formule voor gecorrigeerd. Derhalve luidt de formule voor de effectieve huur:

( Totale contracthuur - ( Incentive * ( 1,03 ^ ( Contractduur / 2 ) ) ) ) / Contractduur Oppervlakte

Totale contracthuur

= huur per m² * m²’s * contractduur

Incentive

= totaal aantal kortingen in euro’s

Contractduur

= de duur van het contract, ofwel de huurtermijn (in jaren)

1,03

= een tot door ‘trial and error’ gekomen getal, mede gebaseerd op de inflatie en de disconteringsvoet

Oppervlakte

= m²’s kantoorruimte overeengekomen in het huurcontract

Wanneer bovenstaande formule wordt toegepast op de dataset, wordt in een oogopslag duidelijk hoe de verschillende transacties zich op het gebied van incentives met elkaar verhouden. Enkele opvallendheden zijn dat de hoogste incentive circa 43% bedraagt en dat er ook een transactie in de dataset zit waar geen incentive bij is gegeven. Opmerkelijk is dat in deze transactie ook de hoogste contracthuur per m² v.v.o. is gerealiseerd. Dit kan enerzijds verklaard worden door de ‘andere’ (economische) markt die ten tijde van de transactie nog (gedeeltelijk) gold en anderzijds zou hierbij gesteld kunnen worden dat absolute top objecten een aparte categorie blijven en dat voor dergelijke objecten geen ‘markt richtlijnen’ gelden. De gemiddeld gewogen incentive die werd gegeven bij de transacties in de dataset was 19%. Contracthuur (HI) versus effectieve huur voor de dataset contract kantoorruimte

Deelgebied

contract

looptijd

effectief

incentive

jaar

m² v.v.o.

binnen Amsterdam

EUR/m²

jaren

EUR/m²

% contract

2010

2.500 - 5.000 m²

Centrum

243

10,0

191

21%

2010

1.000 - 2.500 m²

Zuidas

378

5,0

310

18%

2010

2.500 - 5.000 m²

Amstelstation/Omval

150

5,0

139

7%

2010

1.000 - 2.500 m²

Zuidoost

140

10,0

94

33%

2010

5.000 - 10.000 m²

Zuidas

335

10,0

267

20%

2010

2.500 - 5.000 m²

Centrum

200

10,0

188

6%

2010

1.000 - 2.500 m²

Westas

165

5,0

118

28%

2010

1.000 - 2.500 m²

Westas

175

5,0

105

40%

2009

1.000 - 2.500 m²

Zuidoost

190

10,0

107

43%

2009

> 10.000 m²

Zuidas

310

7,5

264

15%

2009

1.000 - 2.500 m²

Zuidas

190

5,0

149

22%

2009

1.000 - 2.500 m²

Centrum

325

10,0

286

12%

2009

2.500 - 5.000 m²

Teleport/Sloterdijk/Havens

170

3,0

111

35%

2009

5.000 - 10.000 m²

Zuidas

280

5,0

177

37%

2009

1.000 - 2.500 m²

Zuidas

360

2,6

298

17%

2009

1.000 - 2.500 m²

Zuidoost

155

5,0

120

23%




2009

1.000 - 2.500 m²


175

5,0

159

9%

2009

1.000 - 2.500 m²


175

5,0

115

34%

2009

2.500 - 5.000 m²

Zuidas

325

10,0

304

6%

2009

1.000 - 2.500 m²

Zuidoost

157

10,0

107

32%

2008

1.000 - 2.500 m²

Centrum

211

10,0

197

7%

2008

1.000 - 2.500 m²

Amstelstation/Omval

325

6,0

295

9%

2008

1.000 - 2.500 m²

Buitenveldert

275

10,0

238

13%

2008

2.500 - 5.000 m²

Westas

155

5,0

113

27%

2008

1.000 - 2.500 m²

Zuidas

399

9,2

399

0%


De populatie is te klein om ‘harde’ uitspraken te doen over eventuele verbanden die er zijn te leggen tussen de verschillende parameters. Echter, om te kijken of er eventueel enige mogelijke ‘trends’ zouden kunnen worden waargenomen, is een aantal selecties gemaakt van diverse variabelen binnen de dataset. Analyse dataset op basis van aanvangsjaar contract contract

#

% totaal HI

jaar

contract

effectief

incentive

gewogen

EUR/m²

EUR/m²

% contract

looptijd

2010

8

32%

247

196

21%

8,8

2009

12

56%

269

216

20%

7,2

2008

5

12%

252

224

11%

7,9

totaal

25

100%

260

211

19%

7,8


Ondanks het kleine aantal transacties in 2008, lijkt het er op dat er destijds relatief weinig incentives werden weggegeven bij het afsluiten van de huurovereenkomsten. Het gemiddelde van 11% uit de dataset, komt overeen met het gemiddelde dat gepubliceerd werd in “We’re Amsterdam” (zie paragraaf 5.2). De trend die daarbij werd waargenomen (toename van het aantal incentives) is tevens waar te nemen in de dataset, waarbij de stijging in de dataset sterker is. In 2010 lijkt deze trend zich voort te zetten. De gemeente Amsterdam heeft hier nog geen cijfers van gepubliceerd. Opvallend is dat de gewogen looptijd van afgesloten huurovereenkomsten in 2010 sterk toeneemt. Analyse dataset op basis van type overeenkomst type contract

#

% totaal HI

17

contract

effectief

incentive

gewogen

EUR/m²

EUR/m²

% contract

looptijd

initiële huurovereenkomst

21

71%

247

198

20%

8,1

huurverlenging

4

29%

295

248

16%

7,1


17

HI = huurinkomsten op basis van gegevens zoals die in de huurovereenkomsten zijn vastgelegd.




Onder de huidige marktomstandigheden vinden er relatief veel huurverlengingen plaats. Steeds eerder worden huurders benaderd door of namens verhuurders met de vraag te verlengen. Dit alles met het doel om zekerheden zo snel mogelijk te realiseren. Echter dit heeft uiteraard ook zijn prijs. Bij drie van de vier huurverlengingen werden er (procentueel) iets minder incentives verkregen dan ‘gemiddeld’ in het deelgebied. Het beeld van de hogere effectieve huurprijs (bij huurverlenging) wordt vertekend door één grote transactie op de Zuidas (met dus een bovengemiddelde huurprijs) die circa 25% van de totale huurinkomsten van de totale dataset bevat. Derhalve kan aan dit gegeven geen conclusie worden verbonden. Dit verklaart ook het feit dat de huurverlengingen in verhouding tot de totale huurinkomsten een groot deel van de dataset uitmaken (circa 29% op basis van 4 van de in totaal 25 contracten). Tevens valt op dat de huurverlengingen een iets kortere looptijd hebben dan de initiële huurcontracten. In de huidige marktomstandigheden is een trend zichtbaar dat de relatief geringe aantallen huurcontracten weer voor een periode van tien jaren worden afgesloten. Analyse dataset op basis van ligging van het gehuurde deelgebied

#

% totaal HI

binnen Amsterdam

contract

effectief

incentive

gewogen

EUR/m²

EUR/m²

% contract

looptijd

Centrum

4

12%

242

208

14%

10,0


3

6%

172

126

27%

4,0

Westas

3

6%

164

112

32%

5,0

Concertgebouw/Oud Zuid

0

0%

n.b.

n.b.

n.b.

n.b.

Zuidas

8

63%

317

262

17%

7,9

Buitenveldert

1

3%

275

238

13%

10,0

Amstelstation/Omval

2

5%

219

201

8%

5,6

Zuidoost

4

6%

162

105

35%

9,3

Overige

0

0%

n.b.

n.b.

n.b.

n.b.

Amstel Business Park

0

0%

n.b.

n.b.

n.b.

n.b.

Riekerpolder

0

0%

n.b.

n.b.

n.b.

n.b.


Wanneer de huurtransacties gegroepeerd worden naar de ligging binnen een deelgebied van Amsterdam, dan zijn er slechts enkele transacties per deelgebied waar te nemen. Dit aantal is te klein om op basis hiervan statische uitspraken te doen en/of eventuele trends waar te nemen. Toevallig of niet, in de gebieden Teleport/Sloterdijk/Havens, Westas en Zuidoost zijn in de dataset de hoogste incentives waar te nemen. In genoemde gebieden ligt de contractuele huurprijs per m² ook het laagst. Puur theoretisch zou in het algemeen gesteld kunnen worden dat dit ‘moeilijker’ verhuurbare gebieden betreft. In de meer ‘populaire’ gebieden liggen de incentives lager. Overigens zijn niet alle deelgebieden in de dataset vertegenwoordigd.




Analyse dataset op basis van verhuurd metrage metrage

#

% totaal HI

kantoorruimte in v.v.o.

contract

effectief

incentive

gewogen

EUR/m²

EUR/m²

% contract

looptijd

1.000 - 2.500 m²

16

30%

230

186

19%

7,4

2.500 - 5.000 m²

6

23%

218

184

16%

8,1

5.000 - 10.000 m²

2

23%

315

233

26%

8,3

meer dan 10.000 m²

1

25%

310

264

15%

7,5


Uit de analyse van de dataset op basis van metrages, valt relatief weinig op te merken. De oorzaak dat bij grote metrages gemiddeld meer huur per m² wordt gerealiseerd is meer te herleiden door het feit dat deze op de Zuid-as hebben plaatsgevonden, dan dat dit een trend zou zijn. Echter, dat voor kleinere metrages relatief meer huur zou worden betaald en/of dat er minder incentives zouden worden gegeven, ook dat kan niet worden afgeleid. 5.4

Toepassing model - kwaliteiten van de transacties In deze paragraaf zal specifiek worden ingegaan op het onderdeel ‘vaste methodiek en/of door middel van een model’ van de deelvraag “In hoeverre is het mogelijk om volgens een vaste methodiek en/of door middel van een model huurreferenties onderling objectief te beoordelen?”. Om een vaste methodiek of model te kunnen ontwikkelen is het essentieel om de juiste ‘bouwstenen’ hiervoor te hanteren. Reeds eerder zijn deze bouwstenen geformuleerd (in de vorm van kwaliteitsaspecten per cluster), maar het is van belang om de keuze en de bruikbaarheid van deze te testen. Het zoeken naar het verband tussen de kwaliteit van de clusters en de huurprijs, heeft in mindere mate tot doel om deze toe te passen op het uiteindelijke beoordelingsmodel van huurreferenties. Het moet vooral gezien worden aIs een ‘toets’ of de juiste kwaliteitsaspecten zijn gekozen voor de beoordeling van huurreferenties en/of deze op een juiste wijze worden gemeten. Het heeft meer betrekking op de relevantie van de gekozen kwaliteitsaspecten in relatie tot het vaststellen van een huurprijs. Verondersteld wordt dat indien een kwaliteitsaspect een grote correlatie heeft (kan ook negatief zijn), dat deze dan goed meetbaar is op basis van de vijfpuntsschaal. In dat geval kan deze dan ook gebruikt worden in een model als aspect om objecten onderling te vergelijken. Input Om te kunnen zoeken naar de correlatie tussen de kwaliteit van de clusters en de huurprijs, zijn voor de 25 objecten uit de dataset de kwaliteiten bepaald. Dit is gebeurd aan de hand van de vijfpuntsschaal (ordinale schaal) zoals die in paragraaf 4.4 tot 4.7 per kwaliteitsaspect zijn vastgesteld (zie ook bijlage ‘Model voor beoordeling kwaliteitsaspecten’). De resultaten van de kwaliteiten per transactie van de dataset zijn te vinden in bijlage ‘Dataset – beoordeling kwaliteiten transacties’. Tevens zijn voor de kwaliteitsaspecten, waarbij dit mogelijk is, vastgesteld op een ratioschaal. Omdat niet alle kwaliteitsaspecten kwantitatief zijn uit te drukken, geldt dit alleen voor de kwaliteitsaspecten die zijn aangeduid met ‘ratio’ (zie bijlage ‘Dataset – beoordeling kwaliteiten transacties’ – 5B). De verschijningsvorm van een gebouw laat zich bijvoorbeeld niet uitdrukken in een getal en derhalve is voor het kwaliteitsaspect ‘identiteit’ van de cluster Gebouw geen ‘ratio’ waarde vastgesteld.




Verschillende soorten huur Wanneer de kwaliteiten worden gerelateerd aan de huur, dan kan dit aan diverse ‘huren’. In dit onderzoek worden verschillende huur begrippen gehanteerd en voor deze analyse zijn de navolgende ‘huren’ gebruikt. • De contract (bruto) huur in EUR / m² v.v.o. per jaar. De huur die betaald wordt op jaarbasis zonder rekening te houden met incentives. • De effectieve huur in EUR / m² v.v.o. per jaar. De huur die betaalt wordt op jaarbasis, waarbij gecorrigeerd is voor incentives doordat deze zijn teruggerekend tot een jaarlijkse korting gedurende de looptijd van de huurovereenkomst. • De gecorrigeerde effectieve huur in EUR / m² v.v.o. per jaar. De effectieve huur, maar dan ook nog gecorrigeerd met CPI index naar 1-1-2010. Dataset: ‘slechts’ 25 objecten (het gebruik van de output) De dataset bestaat ‘slechts’ uit 25 objecten. Echter, dat alle benodigde informatie voor de totale beoordeling van de kwaliteit op basis van de resultaten uit hoofdstuk 4 beschikbaar zijn, kan redelijk uniek worden genoemd. Of je een significante correlatie daadwerkelijk een (sterk) verband kan noemen, hangt voor een groot deel ook af van het aantal waarnemingen. Bij een groot aantal waarnemingen, heb je vaak sneller een significant resultaat. Derhalve moet uiteraard voorzichtig om worden gegaan met de interpretatie van de resultaten. Het is dan ook niet per definitie zo dat wanneer uit de resultaten blijkt dat een correlatie dicht bij 0 zit, dat hier sprake is van een sterk verband. Echter, dit geeft wel een indicatie en deze analyse moet dan ook meer als oriënterende ‘steekproef’ worden gezien. 5.5

Analyse – Pearsons’ test Met behulp van het programma SPSS18 is gezocht naar het verband tussen de huurprijs en de kwaliteit van objecten (uitgezet in een REN-score). Hierbij is gebruik gemaakt van Pearson’s correlatie coëfficiënt r, ook wel de produkt-moment-correlatie-coëfficiënt (PMCC) genoemd. Dit drukt de sterkte van een lineaire samenhang tussen twee variabelen uit in een getal. Pearson’s correlatie coëfficiënt wordt veel gebruikt wanneer men geïnteresseerd is in de lineaire samenhang (= correlatie) tussen twee continue variabelen X en Y. De waarden van de coëfficiënt kunnen lopen van -1 tot +1. Is er sprake van een positieve correlatie dan neemt met een stijgende waarde van X ook de waarde van Y toe. Bij een negatieve (tegengestelde) correlatie neemt met een stijgende waarde van X, de waarde van Y juist af. Bij correlatie van +1 of -1 is er een perfect verband. In dat geval is de waarde van Y volledig te herleiden uit de waarde van X (en omgekeerd). Bij de waarde van 0 is er geen enkele lineaire samenhang. Resultaten Alvorens de resultaten van de test naar het verband tussen kwaliteit en huur te analyseren, wordt eerst bekeken op basis van welke data dit het beste kan worden uitgevoerd. Wanneer de resultaten op de ordinale schaal worden vergeleken met de resultaten gebaseerd op de kwaliteiten gemeten op een ratio schaal, dan blijkt dat deze laatste iets betere resultaten opleveren. Door toepassing van de ordinale schaal worden in het bijzonder de correlaties voor het cluster Markt hoger (zie bijlage Dataset – Pearson correlatie, ‘REN score’ versus ‘REN score en ratio waarden’). Omdat het aspect ‘markt’ juist een toevoeging vormt op alle reeds bestaande onderzoeken, is er daarvoor gekozen om de resultaten op een ratio schaal te gebruiken. Het toepassen van een ratioschaal verhoogt voor een meerderheid van kwaliteitsaspecten de correlatie en verhoogt tevens de betrouwbaarheid van de uitkomsten.

18

Het computerprogramma SPSS (oorspronkelijk Statistical Package for the Social Sciences) wordt gebruikt voor statistische doeleinden.




Vervolgens is het belangrijk om te bepalen welk huurbegrip de meeste correlaties heeft met de (scores van de) kwaliteitsaspecten. De meeste correlaties bestaan per kwaliteitsaspect (hoogste correlatie) met de effectieve huur. De ‘contracthuur’ en de ‘effectieve huur’ hebben vrijwel even vaak de hoogste correlatie voor een kwaliteitsaspect (respectievelijk 8 en 7 maal), maar de ‘effectieve huur’ heeft daarvan maar liefst vijf significante correlaties (zie onderstaande tabel ‘Statistische analyse dataset – significante correlaties’). Opgemerkt kan nog worden dat het toevoegen van een (prijs)correctie op de effectieve huurwaarde de correlatie met de kwaliteitsaspecten niet verhoogd. Hieruit kan geconcludeerd worden dat de effectieve huurprijs dus niet groeit met de CPI index. In het vervolg van het onderzoek worden dan ook de resultaten van correlatietoets van de effectieve huur met de kwaliteitsaspecten gemeten op basis van een REN score en (indien mogelijk) op een ratioschaal. Diverse kwaliteitsaspecten hebben significante correlatie Voor 9 van de 20 kwaliteitsaspecten bestaat een significante correlatie tussen de ‘score’ van de kwaliteit en de hoogte van de effectieve huurprijs. Zeven significante correlaties hebben een significantie 'at the 0.01 level (2-tailed)’19. De negatieve correlatie die bestaat met de ‘incentives’ is te verklaren door het feit dat de bij de effectieve huurprijs met name wordt gecorrigeerd voor de verkregen kortingen. De kwaliteitsaspecten ‘bereikbaarheid’ en ‘gedifferentieerdheid en heterogeniteit van de huurders’ hebben een significante correlatie 'at the 0.05 level (2-tailed)’. Voor het volledige resultaat wordt verwezen naar bijlage ‘Dataset – Pearsons’ correlatie’. Statistische analyse dataset – significante correlaties Cluster

kwaliteitsaspect

significantie

Pearsons’

(2-tailed)

correlatie

1

GEBO_1

Identiteit

.000

.770(**)

2

GEBI_3

Ontwikkeling kwaliteit locatie

.000

.750(**)

3

GEBI_2

Kwaliteit omgeving

.000

.721(**)

4

MARKT_5

Incentives

.000

-.668(**)

5

GEBO_3

Interieur

.003

.562(**)

6

GEBI_1

Locatie type

.005

.548(**)

7

GEBI_4

Voorzieningen in omgeving

.005

.541(**)

8

GEBI_5

Bereikbaarheid

.017

.472(*)

9

GEBR_5

Gedifferentieerdheid en heterogeniteit

.039

.414(*)


Bovenstaande analyse is uitgevoerd op basis van de effectieve huur. Belangrijk om te vermelden is dat de resultaten (mate van correlatie) op basis van de contracthuren slechts fractioneel lager zijn (zie bijlage ‘Pearson’s correlatie’). Omdat het in de praktijk lastig zal blijken om, met name voor de referentie objecten, de effectieve huur te bepalen, kan ook gebruik worden gemaakt van de (bruto) huurprijzen zoals deze overeen zijn gekomen in de huurovereenkomst. 19

Dit wil dit zeggen dat bij 1/100 (0.01 %) van de objecten die vallen onder de steekproef, deze variabelen geen invloed op elkaar zouden hebben en dat je van 99% van deze objecten mag zeggen dat deze variabelen wel invloed op elkaar hebben. ‘2-tailed’ betekent dat men niet weet of deze variabelen een positieve of negatieve invloed op elkaar hebben.




Opmerkingen bij resultaten Bij het gebruik van Pearson’s r moeten ook een aantal voorbehouden c.q. kanttekeningen worden geplaatst. Bij bijvoorbeeld het kwaliteitsaspect ‘Leegstand’ van de cluster Markt is de correlatie (.015) bijna gelijk aan 0 en dus is er geen lineair verband. Dat wil evenwel niet zeggen dat er geen andersoortig verband kan zijn. Ook moet er rekening mee worden gehouden dat Pearson’s r erg gevoelig is voor extreme waarden (uitbijters) in de dataset. Bij de kleine set van 25 transacties is de relatieve kans op uitbijters groter. Ook moet het begrip samenhang niet worden verward met causaliteit. X is de oorzaak van Y als een verandering in Y het gevolg is van een verandering in X. Als er een correlatie is tussen X en Y is, dan hoeft die samenhang niet causaal van aard te zijn. Er kan immers sprake zijn van wederzijdse beïnvloeding, of de correlatie tussen X en Y kan (gedeeltelijk) verklaard worden door allerlei andere factoren (bron: Wiki Statistiek20, 2010). 5.6

Enquête versus statistische analyse Het resultaat van hoofdstuk 4 is dat voor alle kwaliteitsaspecten het belang c.q. de invloed bij de beoordeling van huurreferenties is vastgesteld door bijna 200 vastgoedprofessionals. Op basis hiervan is een ranking vast te stellen voor de mate van invloed voor de verschillende kwaliteitsaspecten. Onderstaand is deze ranking naast de resultaten van de Pearsons’ test gezet. Resultaten enquête en resultaten statistische analyse dataset cluster

kwaliteitsaspect

belang

rang

correl.

signific.

enquête

rang

schaal

data

GEBR_1

Gehuurd metrage

3,70%

15

.190

.364

16

ratio

GEBR_2

Gehuurd v.v.o. vs totaal v.v.o.

2,80%

18

.121

.566

18

ratio

GEBR_3

Looptijd

5,60%

8

.224

.281

15

ratio

GEBR_4

Kwaliteit huurder

4,10%

14

.291

.158

13

REN

GEBR_5

Gedifferentieerdheid/heterogeniteit

2,00%

20

.414

.039

9

REN

GEBO_1

Identiteit

5,60%

9

.770

.000

1

REN

GEBO_2

Bouwkundige staat

5,60%

10

.341

.095

10

REN

GEBO_3

Interieur

7,10%

3

.562

.003

5

REN

GEBO_4

Verhouding v.v.o. / b.v.o.

3,50%

16

.66

.753

19

ratio

GEBO_5

Parkeervoorzieningen

5,70%

6

.249

.241

14

ratio

GEBI_1

Locatie type

7,50%

1

.548

.005

6

REN

GEBI_2

Kwaliteit omgeving

5,60%

11

.721

.000

3

REN

GEBI_3

Ontwikkeling kwaliteit locatie

4,50%

13

.750

.000

2

REN

GEBI_4

Voorzieningen in omgeving

5,30%

12

.541

.005

7

REN

GEBI_5

Bereikbaarheid

7,30%

2

.472

.017

8

REN

MARKT_1 Opname versus aanbod

6,70%

4

.185

.375

17

ratio

MARKT_2 Leegstand

6,00%

5

.15

.944

20

ratio

MARKT_3 Vraag regio versus landelijk

3,10%

17

.321

.118

11

ratio

MARKT_4 Gemiddelde v.v.o. per FTE

2,50%

19

.321

.118

12

ratio

MARKT_5 Incentives

5,70%

7

.668

.000

4

ratio


20

De wiki Statistiek is een initiatief van de Helpdesk Statistiek van de Clinical Research Unit in het AMC (http://os1.amc.nl/wikistatistiek).




De resultaten van de test laten zien dat de kwaliteitsaspecten die volgens de vastgoedprofessionals van groot belang zijn bij beoordeling huurreferenties, dat deze niet per definitie de meest significante correlatie hebben met de (effectieve) huurprijs. De drie belangrijkste kwaliteitsaspecten (te weten Locatie type, Bereikbaarheid en Interieur) op basis van de enquête hebben wel allen een significante correlatie met de huurprijs. Dat betekent dat indien er voldoende informatie beschikbaar is dat deze aspecten op basis van een REN zijn te meten. Opvallend is dat meer uitzondering dan regelt lijkt te zijn. De vanuit de enquête belangrijk geachte aspecten hebben vrijwel allemaal een hoge significantie (een lage betrouwbaarheid). Een uitzondering hierop vormen de ‘incentives’, maar wanneer deze gerelateerd worden aan de contract huurprijs dan is de correlatie al een stuk lager (.467)21. Opvallend is dat de top 3 op basis van significante correlatie (Identiteit, Ontwikkeling kwaliteit locatie en Kwaliteit omgeving) min of meer een gemiddeld van belang worden geacht door de geënquêteerden. Uit bovenstaand vergelijk kan ook worden opgemaakt dat de kwaliteitsaspecten die gemeten worden door middel van een vijfpuntschaal een hogere significante correlatie lijken te hebben. Ook hier vormt het kwaliteitsaspect ‘incentives’ hierop een uitzondering. Vanuit de resultaten van de enquete kan grofweg gesteld worden dat de clusters Gebied en Markt als belangrijkste clusters bij de beoordeling van referenties worden beschouwd. De kwaliteit van een gebied is relatief eenvoudig te meten op basis van een vijfpuntschaal. De Markt daarentegen laat zich veel minder eenvoudig meten. Hoewel juist voor dit aspect relatief veel ordinale data beschikbaar is, is van een correlatie met de kwaliteitaspecten nauwelijks sprake. Een kwalitatieve toelichting lijkt dan ook noodzakelijk. 5.7

Resumé Door het toepassing van het conceptuele beoordelingsmodel op de dataset, heeft er een ‘inhoudelijke’ toets van het model plaats kunnen vinden. Deze toets moet gezien worden aIs een ‘toets’ of de juiste kwaliteitsaspecten zijn gekozen voor de beoordeling van huurreferenties en/of deze op een juiste wijze worden gemeten. Door middel van de toekenning van het belang aan elk kwaliteitsaspect door bijna 200 vastgoedprofessionals alsmede het feit dat deze nagenoeg geen aanvullingen hebben op de genoemde kwaliteitsaspecten, kan gesteld worden dat de keuze voor de kwaliteitsaspecten juist is. Op basis van de resultaten van de Pearsons’ test kan gesteld worden dat een kwantitatieve beoordeling zeker niet voor alle kwaliteitsaspecten het meest voor de hand liggend is. Immers, er is in meer dan de helft van de gevallen nauwelijks een significante correlatie te bepalen tussen de hoogte van de huurprijs en de kwaliteitsaspecten van deze referentietransactie. Daarentegen zijn er ook kwaliteitsaspecten waar dit wel voor geldt. Vanuit deze optiek lijkt het dan ook logisch om de kwaliteitsaspecten in de basis kwalitatief te beoordelen (zie hiervoor hoofdstuk 6) en daar waar mogelijk (o.a. afhankelijk van de beschikbaarheid van data) dit kwantitatief te doen. Haalbaarheid volgens geënquêteerden Onder de bijna 200 vastgoedprofessionals is tevens gevraagd in hoeverre zij het gebruik van een kwantitatief model haalbaar achten in taxatierapporten.

21

Het ligt voor de hand dat er een hoge correlatie bestaat tussen de ‘incentives’ en de effectieve huurprijs, omdat bij de vaststelling van de effectieve huurprijs met name wordt gecorrigeerd voor de kortingen (/incentives).





Wat op basis van de resultaten van de data analyse ook beperkt lijkt te kunnen, acht 75% van de geënquêteerden wel mogelijk; de beoordeling van referenties in taxatierapporten aan de hand van een kwalitatief model (eventueel voorzien van enige voorwaarde). Wanneer deze haalbaarheid nader wordt geanalyseerd blijkt dat vrijwel alle voorwaarden kunnen worden samengevat tot “dat een dergelijke maatstaf onderhevig is aan subjectieve beoordelingen en kan derhalve niet of beperkt worden gebruikt als objectieve en gekwantificeerde maatstaf.” Kort gezegd: het is niet in één getal te vangen; er zullen waarschijnlijk altijd niet gedefinieerde en/of meegewogen aspecten blijven. Eenzelfde conclusie kan worden getrokken op basis van de resultaten van de data analyse. De haalbaarheid van een puur kwantitatief model, lijkt daardoor dan ook niet direct haalbaar voor de waardering van kantoren. Het is niet uitgesloten dat voor andere categorieën vastgoed, met name voor woningen, het kwantitatieve model wel meer toepassingsmogelijkheden kent. Echter, dit valt buiten het bereik van dit onderzoek. Opgemerkt wordt wel dat bij gebruik van elk model in ieder geval te allen tijde deze voorzien zal moeten worden van een korte kwalitatieve toelichting om zodoende de overwegingen van de taxateur nog helderder te kunnen presenteren. Wanneer antwoord wordt gegeven op de deelvraag “In hoeverre is het mogelijk om volgens een vaste methodiek en/of door middel van een model huurreferenties onderling objectief te beoordelen?”, dan kan gesteld worden dat dit mogelijk lijkt, maar dat de methodiek gebaseerd moet zijn op kwalitatieve beoordelingen die eventueel ondersteund kunnen worden door (beperkt) kwantitatief meetbare kwaliteitsaspecten.




6

Het Model

“Een wetenschappelijk model moet de complexe werkelijkheid reduceren tot hoofdlijnen.” (Rob Vreeken - columnist van de Volkskrant, 1953 - heden) In de voorgaande hoofdstukken zijn alle relevante ‘onderdelen’ vastgesteld. In dit hoofdstuk zal worden bekeken of vanuit deze onderdelen een nieuw model kan worden samengesteld. Zoals bij vele ontwikkelingen vormt het concept model het vertrekpunt om te komen tot het uiteindelijke doel: een in de praktijk toepasbaar model voor gebruik in taxatierapporten. 6.1

Het concept model In de eerdere hoofdstukken zijn de clusters (hoofdstuk 3) en de bijbehorende kwaliteitsaspecten (hoofdstuk 4) vastgesteld. Het belang c.q. de invloed bij de beoordeling van huurreferenties van zowel de clusters als de kwaliteitsaspecten is voorgelegd aan circa 200 vastgoedprofessionals door middel van een enquête. Het gemiddelde van al deze scores wordt in dit onderzoek ‘het oordeel van de markt’ genoemd. Er wordt derhalve verondersteld dat deze groep professionals een representatieve groep vertegenwoordigd voor zowel de opstellers als de gebruikers van taxatierapporten. Op basis van de wegingen die de geënquêteerden hebben gegeven aan respectievelijk de clusters als de kwaliteitsaspecten, kan per kwaliteitsaspect het relatieve aandeel c.q. belang worden vastgesteld (zie onderstaande tabel). Relatief aandeel kwaliteitaspect in totaal beoordeling referentie (‘Het oordeel van de markt’) Cluster

Gebruiker

Gebouw

Gebied

Markt

Kwaliteitsaspect

weging

weging

relatief

cluster

kwaliteit

aandeel

A Gehuurd metrage

18,2%

20,2%

3,7%

B Gehuurd metrage versus totaal metrage

18,2%

15,7%

2,8%

C Looptijd

18,2%

30,6%

5,6%

D Kwaliteit huurder

18,2%

22,7%

4,1%

E Gedifferentieerdheid en heterogeniteit

18,2%

10,8%

2,0%

A Identiteit

27,5%

20,5%

5,6%

B Bouwkundige staat

27,5%

20,5%

5,6%

C Interieur

27,5%

25,8%

7,1%

D Verhouding v.v.o. / b.v.o.

27,5%

12,6%

3,5%

E Parkeervoorzieningen

27,5%

20,7%

5,7%

A Locatie type

30,3%

24,8%

7,5%

B Kwaliteit omgeving

30,3%

18,6%

5,6%

C Ontwikkeling kwaliteit locatie

30,3%

14,9%

4,5%

D Voorzieningen in omgeving

30,3%

17,4%

5,3%

E Bereikbaarheid

30,3%

24,3%

7,3%

A Opname versus aanbod

24,0%

27,7%

6,7%

B Leegstand

24,0%

25,1%

6,0%

C Vraag regio versus landelijk

24,0%

12,8%

3,1%

D Gemiddelde werkruimte per werknemer (in m²)

24,0%

10,5%

2,5%

E Incentives

24,0%

23,8%

5,7%

Bron: eigen onderzoek, 2010




Volgens ‘het oordeel van de markt’ zou voor de beoordeling van huurreferenties de ‘Gedifferentieerdheid en heterogeniteit’ van de huurders met 2,0% het minst van belang zijn. De ‘Locatie type’ zou met 7,5% het meest van invloed zijn voor de beoordeling van deze. Opvallend is onder andere dat ‘Looptijd’ van de huurovereenkomst een relatief groot aandeel heeft binnen de van minder van invloed zijnde cluster Gebruiker. Binnen de cluster Markt is ook opmerkelijk dat de kwaliteitsaspecten ‘Vraag regio versus landelijk’ en ‘Gemiddelde werkruimte per werknemer (in m²)’ gezamenlijk nog niets eens zo veel invloed hebben als een van de andere drie kwaliteitsaspecten binnen dit cluster. Een mogelijke verklaring voor het lage aandeel van ‘Vraag regio versus landelijk’ kan zijn het bestaan van de vele sub (kantoor)markten binnen Amsterdam. Ervan uitgaande dat “de markt altijd gelijk heeft”, zou op basis van deze gegevens het model kunnen worden opgesteld. Echter, het is de vraag of de onderlinge verhoudingen tussen de verschillende kwaliteitsaspecten niet nog iets genuanceerder zouden kunnen liggen wanneer ieder kwaliteitsaspect een op zichzelf staand aspect is en geen onderdeel is van een cluster. De mate van belang alsmede de onderlinge verhoudingen worden door de opstelling in dit model wel inzichtelijk. Vanuit de reacties en resultaten van de enquête kan wel worden opgemaakt dat de keuze voor de clusters helder en duidelijk is en dat deze goed toepasbaar zijn. Een van de doelen van deze thesis is om te komen tot in de praktijk toepasbaar model en/of methodiek, waarvan de acceptatie voor alle gebruikers groot is (zie hoofdstuk 1). Het streven is om het model zodanig te ontwikkelen dat deze door alle taxateurs gebruikt kan worden en dat deze standaard wordt opgenomen in taxatierapporten. Op basis van het hierboven genoemde concept model, moeten alle referenties voor 20 kwaliteitsaspecten beoordeeld worden. Het is uiteraard ten zeerste de vraag of voor alle referenties ook daadwerkelijk alle gegevens beschikbaar zijn om een dergelijke beoordeling te kunnen uitvoeren. Tevens kan gesteld worden dat het aantal te beoordelen kwaliteitsaspecten het gebruiksgemak van het model niet ten goede komt. Daarbij geldt ook dat hoe meer variabelen er zijn, des te meer onduidelijkheid er kan zijn ten aanzien van de interpretatie van deze. Immers, de beoordeling van de kwaliteitsaspecten door de taxateur zal altijd een subjectief element behouden. Volledigheidshalve dient nog vermeld te worden dat de weging van de kwaliteitsaspecten kan variëren naarmate er sprake is van een groeiende of dalende markt. Voor dit onderzoek is uitgegaan van de markt ten tijde van het uitbrengen van dit rapport. 6.2

Het definitieve model Om toegepast te kunnen worden in alle taxatierapporten, moet het model kort en krachtig zijn. Het moet bijna op zichzelf gelezen kunnen worden. Het beoordelen van 20 afzonderlijke kwaliteitsaspecten past hier niet in. In het streven naar een voor allen zo gebruiksvriendelijk mogelijk model, wordt deze gebaseerd op de basis elementen van het (originele) model; de vier clusters (Gebruiker, Gebouw, Gebied en Markt). Voor de onderlinge verhoudingen tussen deze wordt gebruikt gemaakt van de resultaten uit de enquête (zie paragraaf 4.8). Referenties in taxatierapporten moeten onderling worden vergeleken In het onderzoek wordt er tot hier feitelijk alleen gesproken over beoordeling van separate op zichzelf staande huurreferenties. Een belangrijke nuancering die moet worden aangebracht wanneer het model moet worden gebruikt in taxatierapporten, is dat het dan de beoordeling van een huurreferentie betreft ten opzichte van het getaxeerde object. Het is dus niet zozeer de kwalitatieve beoordeling c.q. onderbouwing van de huurprijs van de referentie, maar het is veel belangrijker om inzicht te geven in verschillen en/of overeenkomsten van de referenties ten opzichte van het getaxeerde.




Reeds eerder genoemd in dit onderzoek wordt het van een steeds groter belang dat de taxateur zijn overwegingen inzichtelijk maakt in het taxatierapport. De beoordeling van referenties zal evenwel altijd subjectieve elementen bevatten (ook binnen elk te ontwikkelen model). Om dit element zo veel mogelijk te elimineren wordt aangeraden om bij gebruik van het model in taxatierapporten, de beoordeling plaats te laten vinden op een meer kwantitatieve basis. Vanuit de basisgedachte om het zo helder mogelijk te houden (en zo weinig mogelijk ruimte te laten voor interpretatieverschillen), wordt er gebruik gemaakt van de begrippen ‘beter’, ‘gelijk’ en ‘minder’. Voor de volledigheid wordt onderstaand een toelichting gegeven ten aanzien van het gebruik van de genoemde begrippen in het model: • Beter (in het model aangegeven als “+”). De taxateur beoordeelt, op basis van het totaal aan kwaliteiten van dit (specifieke) cluster, dat de totaalkwaliteit van de referentie beter is dan de totaalkwaliteit van het te taxeren object. • Gelijk (in het model aangegeven als “o”). De taxateur beoordeelt, op basis van het totaal aan kwaliteiten van dit (specifieke) cluster, dat de totaalkwaliteit van de referentie gelijk is aan de totaalkwaliteit van het te taxeren object. • Minder (in het model aangegeven als “-”). De taxateur beoordeelt, op basis van het totaal aan kwaliteiten van dit (specifieke) cluster, dat de totaalkwaliteit van de referentie minder is dan de totaalkwaliteit van het te taxeren object. Wanneer de kwantitatieve beoordeling wordt toegepast op het ‘vereenvoudigde’ model op basis van de vier clusters, dan ontstaat het navolgende model. Voorbeeld beoordeling referentie op niveau ‘cluster’ (Het ‘vereenvoudigde’ model) Referentie

[voorbeeld referentie 1]

Gebruiker

Gebouw

Gebied

Markt

Totaal

(18,2%)

(27,5%)

(30,3%)

(24,0%)

(100%)

+/-/o

+/-/o

+/-/o

+/-/o

+/-/o


Om een totaalresultaat te kunnen weergeven bij de beoordeling van de referenties, wordt gebruik gemaakt van een stelsel met min en plus één en de nul. In het model wordt dit als volgt ‘vertaald’; + = 1, o = 0 en - = -1. Vervolgens worden deze vermenigvuldigd met de wegingsfactoren (invloed/belang) zoals de markt deze heeft beoordeeld om te komen tot totale beoordeling. Ter verduidelijking is onderstaand een voorbeeld opgenomen.




Voorbeeld uitwerking gebruik ‘vereenvoudigde’ model Referentie

[voorbeeld referentie 1] ‘score’

Gebruiker

Gebouw

Gebied

Markt

Totaal

(18,2%)

(27,5%)

(30,3%)

(24,0%)

(100%)

+

+

-

-

-

18,2% * +1

+

27,5% *+1

+

30,3% * -1

+

24,0% * -1

=

-0,09

Wanneer als in bovenstaand voorbeeld de clusters Gebruiker en Gebouw beter ‘scoren’ dan het te taxeren object en de clusters Gebied en Markt minder scoren, dan zal de totaalscore toch minder zijn dan het te taxeren object. Immers, (18,2% * +1) + (27,5% * +1) + (30,3% * -1) + (24,0% * -1) = -0,09 en dat is minder dan 0 (en dus fractioneel minder dan het getaxeerde). Voor de huurwaarde van het te taxeren object kan worden gesteld dat deze zich licht onder het niveau van de referentie zal moeten bevinden. Vanwege het slechts geringe verschil in kwaliteit zou een gelijke huurwaarde van beide ook eventueel verdedigbaar zijn. Echter, wanneer door de taxateur een (hogere) huurwaarde voor het getaxeerde wordt ingeschat die niet in lijn ligt met de ‘scores’ van de kwaliteiten, dan moet hier minimaal een duidelijke kwalitatieve toelichting op worden gegeven. Voor de volledigheid wordt gemeld dat de kwaliteitsaspecten per cluster niet afzonderlijk worden beoordeeld. Het betreft hier een totaaloordeel van de taxateur over de kwaliteit van een cluster van de referentie ten opzichte van het te taxeren object. Voor de onderbouwing en/of de beoordeling van een cluster kunnen de kwaliteitsaspecten uiteraard wel als uitgangspunt c.q. aandachtspunt worden gehanteerd. De kwaliteitsaspecten hoeven dan ook niet volledig puntsgewijs te worden geanalyseerd, maar deze kunnen wel als handvaten dienen bij de totstandkoming van het totaal oordeel. Voorts kunnen de wegingsfactoren fluctueren indien er sprake is van een ander marktsentiment. Aangenomen mag worden dat in een groeimarkt andere wegingen zullen gelden dan in een dalende markt. 6.3

Toepassing van het model Een van de doelen van dit onderzoek is te komen tot een model dat door taxateurs van verschillende organisaties gebruikt en toegepast kan worden in rapporten. Derhalve is het van belang om te analyseren op welke wijze dit momenteel gebeurt en wat daarbij de belangrijkste basisgegevens zijn. Op basis van onder meer deze inventarisatie kan met name de uiteindelijke presentatie van het model worden vormgeven. Hierbij moeten de kernwaarden eenduidigheid, herkenbaarheid, kort en duidelijk in acht worden gehouden. Voor de toepassing van het model in taxatierapporten moet er onderscheid gemaakt worden tussen het publiceren/presenteren van de basisgegevens van referenties en de beoordeling van de referentie. Aan de beoordeling van referenties is in deze thesis ruimschoots aandacht besteed, maar de presentatie van de basisgegevens ontbreken nog enigszins in. Derhalve volgt hieronder een korte toelichting. Basisgegevens Uit eigen onderzoek blijkt dat relatief veel referenties voortkomen uit eigen transacties en/of uit een eigen database (zie onderstaande figuur). Uiteraard komen ook veel gegevens uit openbare bronnen.





Zoals eerder aangegeven in het onderzoek zijn openbare basisgegevens vaak niet volledig betrouwbaar. Het is voor een taxateur vrijwel onmogelijk om alle referenties fysiek te bezichtigen (slechts een klein gedeelte geeft aan dit daadwerkelijk te doen). Ook voor gebruikers van taxatierapporten is dit, mede gevoed door de vaak aanwezig zijnde tijdsdruk, vaak onmogelijk. Derhalve is een duidelijke uiteenzetting van de basisgegevens van een referentie essentieel. Om dit op een eenduidige wijze te doen, heeft er ook een inventarisatie plaatsgevonden van de wijze waarop referenties momenteel in taxatierapporten nader worden gespecificeerd. Indien referenties worden gespecificeerd, dan geven de geënquêteerden aan dat zij dit doen op basis van de navolgende onderdelen. Inventarisatie huidige wijze van specificeren van referenties %

Specificatie referentie naar huurder

62,3%

Specificatie referentie naar oppervlakte

87,0%

Specificatie referentie naar adres

75,3%

Specificatie referentie naar peildatum

67,5%

Specificatie referentie middels gebruik van foto

28,6%


Met uitzondering van het gebruik maken van een foto, worden de basisgegevens van huurreferenties door 60% of meer van de ondervraagden uiteengezet op basis van de genoemde aspecten. Uitgaande van eigen perspectief, lijken de scores aan de lage kant. Het lijkt niet meer dan logisch dat referenties tenminste op basis van bovenstaande aspecten uiteen worden gezet. De eerlijkheid gebiedt te zeggen dat ook in de huidige taxatierapporten van de meeste makelaarsorganisaties er nauwelijks foto’s worden opgenomen van referentieobjecten. In de meer Angelsaksische landen gebeurt dit al steeds vaker. De geënquêteerden gaven tevens aan dat zij in bovenstaand overzicht geen specifieke aspecten hebben gemist. Opmerkelijk is dat hierbij geen enkele keer bijvoorbeeld is genoemd het toevoegen van een locatiekaart. Wanneer de ‘lezer’ de referentie niet kent, zou de combinatie van een foto met locatiekaart zeer verhelderend kunnen werken. Mogelijk dat de ‘lezer’ van taxatierapporten momenteel ‘genoeg’ heeft aan c.q. genoegen neemt met vermelding van plaatsnaam en adres.




Voorbeeld huidige presentatie huurreferenties in ‘standaard’ taxatierapporten DTZ Zadelhoff

Huurreferenties Adres

Plaats

Aantal m²

Huur/jr

Huur/m²/jr

Datum

Adres 1

Plaats

70.000

17.500.000

250

1-1-2009

Adres 2

Plaats

250

50.000

200

2-2-2009

Adres 3

Plaats

400

200.000

500

3-3-2009

v.v.o.: verhuurbare vloeroppervlakte bron: DTZ Zadelhoff Research, 2010

Bron: taxatierapporten DTZ Zadelhoff, 2010

Wanneer gestreefd wordt naar eenduidigheid in de presentatie van (basisgegevens van) referenties, dan lijkt het logisch dat hierbij tenminste aansluiting wordt gezocht bij de in de tabel genoemde aspecten. Beoordeling Voor de presentatie van de beoordeling van de referenties wordt uitgegaan van het in paragraaf 6.2 beschrevene. Wanneer daarbij de resultaten van paragraaf 2.5 in acht worden genomen, dan moet de presentatie van de beoordeling van huurreferenties in taxatierapporten er minimaal als volgt uit zien. Beoordeling referenties per cluster (voorbeeld) Referentie

Gebruiker

Gebouw

Gebied

Markt

Totaal

(18,2%)

(27,5%)

(30,3%)

(24,0%)

(100%)

[referentie 1]

+

o

+

-

beter

[referentie 2]

o

o

o

o

gelijk

[referentie 3]

+

+

-

-

minder


Bovenstaand model heeft tot doel om de ‘lezer’ in een oogslag een beeld te geven van de mate van bruikbaarheid van referenties ten opzichte van het getaxeerde. Echter het beknopte karakter van het model heeft ook een nadeel. Zo zal er te allen tijde nog een schriftelijke toelichting moeten volgen bij de verantwoording van de beoordeling. Hierin zouden bijvoorbeeld enkele specifieke kwaliteitsaspecten kunnen worden opgenomen. Dit ter completering van de weergave van de overwegingen van de taxateur. Gebruik model in andere vorm Het uiteindelijke model betreft een basismodel dat gebruikt kan worden bij de invoering van vereisten waaraan de beoordelingen van huurreferenties moeten tenminste voldoen. Er kunnen voor andere taxateurs redenen zijn om hier aanpassingen op te doen. Het model en de daarin genoemde aspecten betreffen minimum vereisten en kunnen derhalve worden uitgebreid en/of visueel anders worden weergegeven. Ter illustratie een voorbeeld van een mogelijke toepassing van het model in een ander format. Uiteraard zijn hier vele variaties op mogelijk.




Voorbeeld visualisatie gebruik referentie in taxatierapport (fictieve gegevens) referentie 1

huurder: De blauwe lamp B.V.

datum: 1-1-2009 -

o

+

plaats

[Plaats]

Gebruiker

-

adres

[Adres]

Gebouw

m² v.v.o.

250

Gebied

huur/m²

€ 200

Markt

+

huursom

€ 50.000

Totaal

+

+ o

Toelichting [ let op: betreft fictieve tekst ] Huurder De blauwe lamp B.V. wordt beoordeeld als een kwalitatief iets mindere huurder in vergelijking met multinational Philips N.V. Het referentie object is voorzien van volledige airco, een zeer hoogwaardig afwerkingniveau en beschikt over voldoende parkeerplaatsen. Het getaxeerde heeft derhalve iets mindere gebouweigenschappen (de referentie scoort dus op het cluster Gebouw beter), maar de locaties (Gebied) waarbinnen beide objecten zijn gelegen worden als gelijk beschouwd. De huidige marktsituatie in 2010 is iets minder dan tijdens de transactiedatum van de referentie. Er was destijds sprake van een iets gunstigere verhouding tussen vraag en aanbod, alsmede iets minder leegstand. De gemiddeld verstrekte incentives waren ook iets minder dan thans het geval is.

6.4

Resumé In de praktijk zal naar alle waarschijnlijkheid blijken dat het conceptuele model (paragraaf 6.1) te arbeidsintensief is om te kunnen gebruiken in taxatierapporten. Tevens zal het vermoedelijk zeer lastig c.q. onmogelijk zijn om over alle te beoordelen gegevens te kunnen beschikken. Door gebruik te maken van het vereenvoudigde model (paragraaf 6.2) kan gesteld worden dat huurreferenties onderling objectief beoordeeld kunnen worden volgens een vast stramien. Het model geeft op een korte en duidelijke wijze de kwaliteit ‘scores’ van de referentie ten opzichte van het te taxeren object weer. De vertaling van de resultaten uit het model naar een feitelijke huurwaarde zal daarna nog plaats moeten vinden door de taxateur. Een bandbreedte voor het toekennen van een lagere huurwaarde aan het te taxeren object, wanneer de kwaliteit van de referenties beter is (en vice versa), is niet vast te stellen. Aansluiting zou kunnen worden gezocht bij de algemeen geaccepteerde bandbreedte van +/- 10% wanneer objecten vergelijkbaar zijn (zie paragraaf 2.6). Wanneer door de taxateur een afwijkende huurwaarde voor het getaxeerde wordt ingeschat die niet in lijn ligt met de ‘scores’ van de kwaliteiten, dan zal de taxateur zijn overwegingen hierbij weer moeten geven. Het uiteindelijke model zal derhalve altijd aangevuld moeten worden met minimaal een duidelijke kwalitatieve toelichting door de taxateur. Wanneer het model wordt toegepast door verschillende organisaties, dan is het belangrijk te vermelden dat het een basismodel betreft met minimum vereisten die mogelijk door gebruikers uitgebreid kunnen worden en/of anders gevisualiseerd kunnen worden.




7

Conclusies en aanbevelingen

"Elke vooruitgang geeft nieuwe hoop, opgehangen aan de oplossing van een nieuw probleem. Het dossier wordt nooit gesloten." (Claude Lévi-Strauss - Frans antropoloog, 1908 - heden) 7.1

Conclusies In de wens naar het vergroten van de transparantie in de vastgoedwereld, hebben vele partijen een sterke behoefte hebben aan een verdere onderbouwing van taxaties en dus de beoordeling van referenties door taxateurs. Daarnaast bestaat er de wens naar meer eenduidige en meer objectieve beoordeling van de referentietransacties. Ook de actualiteit van de huidige markt waarin relatief weinig transacties plaats vinden, vraagt om inzicht in de beoordeling van referenties. Uit onderzoek blijkt dat meer dan 80% van de bijna 200 ondervraagde vastgoedprofessionals het belang van taxatierapporten in de vastgoedmarkt groot tot zeer groot acht. Een van de meest essentiële onderdelen van het taxatierapport is het beoordelen van de referenties. Des te opvallender is het dan ook dat 47% van deze vastgoedprofessionals de kwaliteit van de toelichting, de beoordeling en/of de vertaling van huurreferenties in taxatierapporten als matig tot slecht wordt beoordeeld. Slechts 4% van de ondervraagde taxateurs (‘opstellers’), beleggers, financiers of andere vastgoedprofessionals (allen ‘gebruikers’) beoordeelt dit als goed. In de nationale of internationale richtlijnen en voorschriften voor de uitvoering van taxaties bestaat er geen duidelijke beschrijving op welke wijze referenties moeten worden opgenomen in taxatierapporten. Uit onderzoek blijkt dat voor de beoordeling van huurreferenties een aantal randvoorwaarden kunnen worden gehanteerd. De te hanteren systematiek of methode moet helder en duidelijk zijn zodat de overwegingen van de taxateur zo transparant mogelijk worden weergeven. Daarnaast moeten er tenminste drie huurreferenties worden beoordeeld die binnen een bandbreedte van + of - 10% liggen ten opzichte van de getaxeerde huurwaarde. Bij voorkeur moeten deze niet verder in de tijd terug liggen dan maximaal twee jaar vanaf de waardepeildatum. De aspecten voor de beoordeling van huurreferenties zijn in dit onderzoek gecategoriseerd op basis van een uitbreiding van het bestaande 3G-model. De kwaliteitsaspecten worden vormgegeven door middel van een viertal clusters: Gebruiker, Gebouw, Gebied en Markt. Voor alle kwaliteitsaspecten zijn in eerste instantie op een vijfpuntschaal antwoorden geformuleerd waarvan op basis een kwantitatieve beoordeling plaats kan vinden. Deze beoordeling op basis van een ordinale schaal schept helderheid en duidelijkheid. Het vaststellen van de wegingsfactoren voor zowel de clusters als wel voor de kwaliteitsaspecten onderling is ook gebaseerd op de resultaten van de uigevoerde enquête. Op basis van de resultaten van de Pearsons’ test, uitgevoerd op een dataset van gerealiseerde huurtransacties in de afgelopen jaren, kan gesteld worden dat een kwantitatieve beoordeling niet voor alle kwaliteitsaspecten het meest voor de hand liggend is. Immers, voor elf van de twintig te beoordelen kwaliteitsaspecten is geen significante correlatie te bepalen tussen de hoogte van de huurprijs en de kwaliteitsaspecten van deze referentietransactie. Vanuit deze optiek is het kwalitatief beoordelen van de kwaliteitsaspecten de beste methode. Daar waar mogelijk (o.a. afhankelijk van de beschikbaarheid van data) kan dit worden ondersteund door kwantitatieve vergelijkingen.




7.2

Antwoord op de centrale vraagstelling ”Op welke wijze kunnen huurreferenties eenduidig met elkaar worden vergeleken voor de toepassing in taxatierapporten?” Op basis van het onderzoek kan geconcludeerd worden dat er een model te maken is voor een eenduidige beoordeling van huurreferenties. In deze masterthesis zijn clusters van de kwaliteitsaspecten en de onderlinge verhoudingen c.q. belangen van deze benoemd en verwerkt in een model dat toegepast kan worden in taxatierapporten. Het model gaat uit van de clusters Gebruiker, Gebouw, Gebied en Markt waarbij een kwalitatieve beoordeling plaatsvindt van de huurreferenties ten opzichte van het te taxeren object. Geënquêteerden hebben in grote mate dezelfde mening over het onderlinge belang van clusters (en kwaliteitsaspecten) bij de beoordeling van huurreferenties. Derhalve zijn de resultaten opgenomen in het model. Model voor de beoordeling en presentatie van huurreferenties in taxatierapporten Referentie

Gebruiker

Gebouw

Gebied

Markt

Totaal

(18,2%)

(27,5%)

(30,3%)

(24,0%)

(100%)


+/-/o

+/-/o

+/-/o

+/-/o

+/-/o


+/-/o

+/-/o

+/-/o

+/-/o

+/-/o


+/-/o

+/-/o

+/-/o

+/-/o

+/-/o


Bovenstaand model geeft de ‘lezer’ in een oogopslag een beknopt en helder beeld van de referenties ten opzichte van het getaxeerde. Te allen tijde zal er nog een schriftelijke toelichting moeten volgen bij de verantwoording van de beoordeling ter completering van de weergave van de overwegingen van de taxateur. Specifieke kwaliteitsaspecten kunnen hierin nader worden toegelicht. De overwegingen van de taxateur bij de vertaling van de resultaten uit het model naar een feitelijke huurwaarde zal ook moeten worden weergegeven. Bandbreedten zijn hierbij niet aan te geven. Het uitgangspunt bij vaststelling moet zijn dat de afwijking van de huurwaarde in lijn moet liggen met de ‘scores’ van de kwaliteiten van het te taxeren object en de referenties. Het uiteindelijke resultaat betreft een gebruiksvriendelijk en praktisch basismodel met minimum vereisten. Het model kan mogelijk door gebruikers worden uitgebreid en/of anders worden gevisualiseerd. 7.3

Aanbevelingen en verder onderzoek De beoordeling en de presentatie van huurreferenties in taxatierapporten lijkt met dit onderzoek weer een stap verder te zijn gekomen. Echter, aanvullend onderzoek en een verbreding van dit onderzoek is van groot belang in het streven naar meer transparantie in de vastgoedmarkt en een optimale weergave van de overwegingen van de taxateur in taxatierapporten. Hieronder enkele aanbevelingen.




Andere tijden Het verdient aanbeveling om in de toekomst nogmaals onderzoek te doen naar het belang van de kwaliteitsaspecten en/of de clusters bij de beoordeling van huurreferenties van kantoren. Het uitgangspunt Gebruiker, Gebouw, Gebied en Markt is volgens mij valide en draagt bij aan een verduidelijking van de beoordeling. Meer onderzoek naar het belang van de (kwaliteitsaspecten van de) vier pijlers is wenselijk. Wanneer de enquête nogmaals wordt uitgevoerd in een opgaande markt dan is het interessant om deze resultaten te vergelijken met de resultaten in een dalende markt. De consensus zou mogelijk tot een nuancering kunnen leiden van de wegingsfactoren. Andere categorieën onroerend goed In dit onderzoek is er bewust voor gekozen om het toe te spitsen op de huurreferenties op de Nederlandse vastgoedmarkt en in het bijzonder voor de deelcategorie kantoren. Wanneer het toegepast wordt op andere deelcategorieën zoals bedrijfsruimten, winkels, woningen etc. dan zal er met name aanvullend onderzoek moeten worden gedaan naar de samenstelling van de kwaliteitsaspecten alsmede naar de onderlinge weegfactoren. Het verdient ook aanbeveling om dit onderzoek uit te breiden naar de beoordeling van referenties op basis van aanvangsrendementen. Ook hier zijn nog de nodige verbeteringen te realiseren in het transparant maken van de overwegingen van taxateurs bij de beoordeling van referenties. ‘Verplicht’ stellen gebruik model Om te realiseren dat het model tenminste door alle ‘opstellers’ zal worden gebruikt, zal onderzoek gedaan moeten worden naar mogelijkheden hiervan. In eerste instantie lijkt het ‘verplicht’ stellen van het gebruik een relatief eenvoudige en reële optie. Echter, dan moet vast worden gesteld door wie dit zal moeten gebeuren en op welke wijze dit zal moeten gebeuren. Branche organisaties lijken hier niet de meest gerede partijen voor te zijn, omdat zij ‘slechts’ belangenbehartigers zijn (Rob Vroom, 2010). Vanuit de ‘gebruikers’ zouden banken het gebruik van een dergelijk model alleen voor iedere bank individueel verplicht kunnen stellen. De stichting ROZ kan voor deelname aan de ROZ index deze eis iets harder stellen. Door de deelnemers deze eis op te leggen kunnen deze dit vervolgens ‘doorleggen’ aan de taxateurs. De RICS daarentegen zou het als richtlijn kunnen opnemen in hun Redbook. Vele internationale partijen verwijzen hier naar wanneer een minimum vereiste kwaliteit wordt voorgeschreven. Het zou mijn inziens beter zijn wanneer taxateurs hier zelf toe overgaan en pro-actief handelen om aan de wens naar verduidelijking van de beoordeling van huurreferenties tegemoet te komen. DTZ Zadelhoff onderkent het belang hiervan en zal het model opnemen in haar taxatierapporten. Uitgangspunt bij de presentatie van referenties in taxatierapporten moet volgens mij zijn dat ook wanneer men de referentie niet kent, de ‘lezer’ een beeld moet kunnen vormen van de referentie en dat het hem/haar duidelijk moet kunnen worden wat de overwegingen van de taxateur zijn geweest.




Database referentietransacties Diverse partijen hebben aangegeven zij veel waarde hechten aan de toekomstige ontwikkeling van een openbare database voor referentietransacties. Echter, zoals aangegeven in paragraaf 2.4 zullen met name de commerciële en/of strategische belangen van beleggers en adviseurs er voor zorgen dat de oprichting van een openbare transactiedatabase nog lang op zich zal laten wachten. Daarentegen zou voor interne doeleinden de reeds bestaande transactiedatabase van DTZ Zadelhoff wel uitgebreid kunnen worden met de resultaten van dit onderzoek. Het toekennen van een ordinale en/of ratio beoordeling van de transacties vergroot het gebruiksgemak van deze database. Het lijkt tevens raadzaam om hier foto’s aan toe te voegen. Opgemerkt moet worden dat de beoordeling eenduidig moet zijn en dat de scores slechts als onderbouwing gelden voor de onderlinge beoordeling en presentatie van referenties in taxatierapporten. In taxatierapporten zullen nimmer ratio scores of ordinale getallen als beoordeling worden gepresenteerd.




Literatuurlijst/verantwoording Atilla Öven, V. & D. Pekdemir (2006). Perceptions of office rent determinants by real estate brokerage firms in Istanbul. European Planning Studies, 14, (4), 557-576. Atzema, O.A.L.C. (2001). Location and local networks of ICT firms in the Netherlands. Journal of Economic and Social Geography (TESG), 92, (3), 369-378. Autoriteit Financiële Markten (2005). Vastgoed-CV’s en maatschappen: een verkennende analyse. Berkhout, P.H.G., J.P. Hop (2002). Een prijskaartje aan kwaliteitskenmerken van kantoren. Onderzoek naar de preferenties van kantoorgebruikers. Amsterdam: Stichting voor Economisch Onderzoek der Universiteit Amsterdam. Berkhout, T.M. (1997). Risicoanalyse van vastgoed: Het (proces van) inventariseren en wegen van vastgoedrisico's. SBV-reeks 13. Amsterdam: Stichting voor Beleggings- en Vastgoedkunde. Boer, M. (2009). Meerderheid beleggers voor oprichting transactiedatabase. Vastgoedjournaal, www.vastgoedjournaal.nl, 31-10-09. Crosby, Ph.B. (2000). Valuation accuracy, variation and bias in the context of standards and expectations. University of Reading, UK; Journal of Property Investment & Finance, 18, (2), 130-161. DTZ Zadelhoff (2009). Persbericht: Ondanks lagere kantooropname kansen voor bestaand vastgoed. 20 februari 2009. DTZ Zadelhoff (2010). Persbericht: Vertrouwen golft, beleggingsmarktrapport 2010. 5 januari 2010. DTZ Zadelhoff (2010). Nederland compleet. Factsheets kantoren- en bedrijfsruimtemarkt. Amsterdam: DTZ Zadelhoff v.o.f. DTZ Zadelhoff en Nyenrode (2006). Locatie, locatie, locatie! Utrecht/Breukelen: DTZ Zadelhoff v.o.f./Nyenrode. Dunse, N. & C. Jones (1998). A hedonic price model of office rents. Journal of Property Valuation & Investment, 16, (3), 297-312. Eichholtz, P.M.A. (1997). A Long Run House Price Index: The Herengracht Index, 1628-1973. Real Estate Economics, 25, (2), 175-192. Eichholtz, P., N. Kok, J.M. Quigley (2009). Doing Well by Doing Good? Green Office Buildings. Working Paper WP 192, Berkeley Program on Housing and Urban Policy, Institute of Business and Economic Research, UC Berkeley. Francke, M. (2005). Taxeren van courant onroerend goed zonder referentieverkopen. PropertyNL research quarterly, 4, 28-35. Garvin, D. (1984). What does quality really mean? Sloan management review, Fall 1984, 37. Gehner, E. (2003). Risico bij projectontwikkeling. Sun. Amsterdam




Geltner, D.M., N.G. Miller, J. Clayton, P. Eichholtz. (2007). Commercial real estate analysis & investments. Cincinnati: South‐Western Publishing. Gerritsen, S. (2006). Schrijfgids voor economen. Bussum: Uitgeverij Coutinho (3e herziene druk). Gool, P. van en G.G.M. ten Have (2006). Luchtbellen in vastgoedwaarderingen door verkeerd gebruik taxatiemethoden? Property Reseach Quarterly, maart, 18-25. Gool, P. van, P. Jager en R.M. Weisz e.a. (2007). Onroerend goed als belegging. Groningen: Wolters Noordhoff (4e druk). Grootendorst, J.H. (1993). De markthuur op kantorenmarkten in Nederland. Amsterdam: Thesis Publishers. Haan, J. de, E. van der Wal en P. de Vries (2008). The Measurement of House Prices: A Review of the Sale Price Appraisal Ratio Method. Journal of Housing Economics, 18, (3), 214-223. Have, G.G.M. ten (2007). Taxatieleer vastgoed. Groningen: Noordhoff Uitgevers B.V. Isakson, H.R. (1985). Arbitrage Pricing Theory, Adjustment Grid Methods, and the Market-Data Approach to Value. Real Estate Economics, 14, (2), 274-286. IVBN (2008). Beheersing van frauderisico’s in de institutionele vastgoedsector. Voorburg: IVBN. IVBN-werkgroep Waarderen (2009). Discussienota ‘Naar betere taxaties, mede door een betere transactiedatabase’. Voorburg: IVBN. Jefferies, R.L. (1994). Lease incentives and effective rents: a decapitalization model. Journal of Property Valuation and Investment, 12, (2), 21-42. Kohsiek, G. (2006). Het risico van op risico: empirische toets van het feitelijke risico bij de speculatieve realisatie van kantoorgebouwen. Amsterdam: Masterthesis MRE Koning, J.C.M. de (2010). Office vacancy in Amsterdam. Opportunities for investors in Southeast. Delft: Masterthesis TU Delft Lusht, K.M. (2001). Real Estate Valuation: Principles and Applications. State College, Pa: KML Publishing. Meeuwen, R. M. van (2008). Hoe inzichtelijk zijn de huurtransacties op de kantorenmarkt in Nederland? Amsterdam: Masterthesis Universiteit van Amsterdam - Real Estate Finance. Oort, F. van, R. Ponds, J. Van Vliet, H. van Amsterdam, S. Declerck, J. Knoben, P. Pellenbarg & J. Weltevreden (2007). Verhuizingen van bedrijven en groei van werkgelegenheid. Rotterdam/Den Haag: NAi Uitgevers/Ruimtelijk Planbureau. Remøy, H., P. Koppels, H. de Jonge (2008). Structural vacancy of office buildings; the influence of building- and location characteristics in the case of Amsterdam. Delft: Department of Real Estate and Housing, Faculty of Architecture, Delft University of Technology.




Schekkerman, C. (2004). Nauwkeurigheid in taxaties. Een onderzoek naar nauwkeurigheid van taxaties en (on)mogelijkheden om de betrouwbaarheid van taxaties te vergroten. Amsterdam: Masterthesis MsRE. Soest, K.W.M. van (2007). De waardering van gebouwgebonden naamsbekendheid. Amsterdam: Masterthesis MsRE. Stichting Real Estate Norm (1993). De Real Estate Norm; kantoorgebouwen, methode voor de advisering en beoordeling van kantoorlocaties en kantoorgebouwen. Utrecht: Stichting REN. The Royal Institution of Chartered Surveyors (maart 2007), RICS Taxatie standaarden Nederlandse Editie (vertaling The Red Book). Edition 5, Amendment 9. Toornend, R.A. (2007). Handleiding voor het beoordelen van de waarde van onroerend goed. Amsterdam: Uitgeverij: Hilverheuvel. Verschuren, P. en H. Doorewaard (2007). Het ontwerpen van een onderzoek. Den Haag: Boom Lemma uitgevers. Waarderingskamer (2009). Waarderingsinstructie jaarlijkse waardebepaling. Richtlijnen voor de uitvoering van de Wet WOZ, derde druk. Zuidema, M. en M. van Elp (2009). Kantorenleegstand. Probleemanalyse en oplossingsrichtingen. Eindrapport EIB in opdracht van het Ministerie van VROM.




Bijlage Interviews


Vincent Huizinga | B


Interviews In het kader van het onderzoek zijn er in de eerste fase inventariserende interviews geweest met overkoepelende en/of belangbehartigende organisaties voor beleggers en taxateurs in Nederland. Dit met het doel om meer inzicht te krijgen in de huidige stand van zaken ten aanzien van de beoordeling referenties in taxatierapporten. Onderstaand een korte weergave c.q. uitgangspunten van de interviews. Geïnterviewden R.A. Vroom - bestuurslid IVBN drs. M. Waldmann - directeur IPD Nederland ir. B. Teuben - researcher IPD Nederland ir. L.N. Willems MRE MRICS RT - lid Valuation Commissie RICS Nederland Aanleiding Huidige tij vastgoedmarkt - weinig transacties, veranderende financiële wereld - meer behoefte transparantie, eenduidigheid, verandering verantwoording taxateur, maatschappelijke verantwoording - behoefte aan richtlijnen o.a. als gevolg van fraude. Centrale vraag Op welke wijze kunnen huurreferenties eenduidig met elkaar worden vergeleken voor de toepassing in taxatierapporten? Afbakening onderzoek Commercieel onroerend goed, kantoorruimten, model voor DTZ of voor heel taxerend Nederland? Vragenlijst voor inventariserend interview • Wat zijn de belangrijkste kernwaarden voor de uw organisatie? • In hoeverre is er vanuit uw organisatie behoefte tot een standaardisatie voor de beoordeling van referenties in taxatierapporten. • Wat zijn volgens u de belangrijkste uitgangspunten voor een dergelijk ‘systeem’? (denk aan: kort, helder, eenduidig, meetbaarheid van onderdelen) • Welke punten zouden er volgens u beoordeeld moeten worden? (voorbeeld: locatie, object, huurder, markt) • Kent u voorbeelden van vergelijkbare methodieken? (bijvoorbeeld internationaal of vanuit taxatierapporten van andere taxateurs) • Zou uw organisatie een dergelijk format voor kunnen en willen schrijven aan de taxaties van haar deelnemers? • Heeft u suggesties voor de aanzet van een dergelijke methodiek? • Zijn er naar u weet in het verleden vergelijkbare initiatieven geweest? Kent u onderzoeken welke mogelijk als vertrekpunt kunnen dienen? • Welke instantie(s) kunnen er voor zorgen dat een dergelijk systeem landelijk kan worden geïntroduceerd? Uitwerking Voor een uitwerking van de interviews zie volgende pagina’s.


Vincent Huizinga | B1


Bijlage Model voor beoordeling kwaliteitsaspecten




Model voor beoordeling kwaliteitsaspecten (op basis van vijfpuntschaal) cluster: Gebruiker GEBR_1

Gehuurd metrage

Het gehuurd metrage is 5 4 3 2 1

GEBR_2

GEBR_3

GEBR_4

GEBR_5

Gehuurd metrage versus totaal metrage

Het door huurder gehuurd metrage is 5 4 3 2 1

meer dan 90% van het totaal m2 v.v.o. meer dan 50% en minder dan 90% van het totaal m2 v.v.o. meer dan 25% en minder dan 50% van het totaal m2 v.v.o. meer dan 10% en minder dan 25% van het totaal m2 v.v.o. minder dan 10% van het totaal m2 v.v.o.

5 4 3 2 1

De duur van het huurcontract is 15 jaar of langer 10 tot 15 jaar 5 tot 10 jaar 2 tot 5 jaar minder dan 2 jaar

5 4 3 2 1

Huurder is de overheid een internationaal gerenomeerd bedrijf een nationaal gerenomeerd bedrijf een regionaal operende ondernemer een lokaal operende ondernemer

5 4 3 2 1

Ten aanzien van alle huurders binnen het gebouw geldt veel differentiatie en veel heterogeniteit in soorten bedrijven als huurder weinig differentiatie en veel heterogeniteit in soorten bedrijven als huurder een huurder veel differentiatie en weinig heterogeniteit in soorten bedrijven als huurder geen differentiatie en geen heterogeniteit in soorten bedrijven als huurder

Looptijd

Kwaliteit huurder

Gedifferentieerdheid en heterogeniteit


meer dan 10.000 m2 v.v.o. van 5.000 m2 v.v.o. tot 10.000 m2 v.v.o. van 1.000 m2 v.v.o. tot 5.000 m2 v.v.o. van 500 m2 v.v.o. tot 1.000 m2 v.v.o. minder dan 500 m2 v.v.o.

Vincent Huizinga | B2 - 1


Model voor beoordeling kwaliteitsaspecten (op basis van vijfpuntschaal) cluster: Gebouw GEBO_1

GEBO_2

GEBO_3

GEBO_4

GEBO_5

Identiteit 5 4 3 2 1

De verschijningsvorm (exterieur) van het gebouw is uniek (uniek gebouw, meestal status van monument) supermodernistisch (strakke lijnen met veel glas) neomodernistisch (gebruik makend van warme materialen zoals baksteen en hout) historisch (voor WOII gebouwd) verouderde bouwstijl (niet langer toegepaste bouwstijl, na WOII gebouwd)

5 4 3 2 1

Het gebouw verkeert in een zeer goede staat van onderhoud (nieuwbouw) goede staat van onderhoud redelijke staat van onderhoud matige staat van onderhoud slechte staat van onderhoud

5 4 3 2 1

Het gebouw voldoet aan 5 kwaliteitscriteria 4 kwaliteitscriteria 3 kwaliteitscriteria 2 kwaliteitscriteria 0 of 1 kwaliteitscriterium

5 4 3 2 1

De vormfactor (v.v.o. / b.v.o.) van het gebouw is beter dan 90% beter dan 87,5% en minder dan 90% beter dan 85% en minder dan 87,5% beter dan 80% en minder dan 85% minder dan 80%

5 4 3 2 1

eigen terrein: beter dan 1:50 m2 b.v.o. | omgeving: voldoende parkeergelegenheid eigen terrein: beter dan 1:50 m2 b.v.o. | omgeving: matige parkeergelegenheid eigen terrein: minder dan 1:50 m2 b.v.o. | omgeving: voldoende parkeergelegenheid eigen terrein: minder dan 1:50 m2 b.v.o. | omgeving: matige parkeergelegenheid eigen terrein: geen | omgeving: matig tot geen parkeergelegenheid

Bouwkundige staat

Interieur airconditioning per ruimte te regelen airconditioning of topkoeling aanwezig hoogwaardig kwaliteitsniveau van afwerking gebruik als multi-tenant met meerdere kantoorconcepten mogelijkheid tot hebben van receptie bij entree restauratieve voorzieningen aanwezig Verhouding v.v.o. / b.v.o.

Parkeervoorzieningen


De parkeergelegenheid op eigen terrein en in de omgeving is



Model voor beoordeling kwaliteitsaspecten (op basis van vijfpuntschaal) cluster: Gebied GEBI_1

GEBI_2

GEBI_3

GEBI_4

GEBI_5

Lokatie type 5 4 3 2 1

De omgeving waarin het object is gelegen, kan gekenschetst worden als een binnenstad/centrum locatie (combinatie werken, winkelen, wonen) kantorenwijk perifere omgeving (overgang woonwijk- kantorenwijk) woonwijk industrieterrein

5 4 3 2 1

Het niveau van stedenbouwkundige invulling kan gekenschetst worden als uniek (door landschappelijke/historische omstandigheden) hoogwaardig (stedenbouwkundige samenhang, hoogwaardige architectuur) standaard (beperkte groenvoorzieningen, doorsnee architectuur) eenvoudig (geen groen, stedenbouwkundige samenhang ontbreekt) zeer eenvoudig (geen enkele samenhang)

5 4 3 2 1

De lokatie zal binnen 5 jaar vestigingslokatie nr. 1 zijn in de regio een sterke groei hebben doorgemaakt (infrastructurele verbeteringen), potentie top vestigingslokatie in regio te worden enkele (één of twee) concurrende lokaties hebben diverse (drie of meer) concurrende lokaties hebben in kwaliteit afnemen (verpaupering) en zal qua kwaliteit minder zijn dan concurrende lokaties

5 4 3 2 1

De aanwezigheid van voorzieningen binnen een straal van 500 meter (ca. 5 min. lopen) voldoet aan 5 criteria ten aanzien van voorzieningen voldoet aan 4 criteria ten aanzien van voorzieningen voldoet aan 3 criteria ten aanzien van voorzieningen voldoet aan 2 criteria ten aanzien van voorzieningen voldoet aan 0 of 1 criteria ten aanzien van voorzieningen

5 4 3 2 1

Per auto is afstand tot dichtstbijzijnde snelwegafrit (over de weg) Per OV is reistijd tot intercity station (via metro, trein of bus/tram) auto: minder dan 1 kilometer, OV: minder dan 10 minuten auto: minder dan 1 kilometer, OV: meer dan 10 en minder dan 20 minuten auto: meer dan 1 en minder dan 5 kilometer, OV: meer dan 10 en minder dan 20 minuten auto: meer dan 1 en minder dan 5 kilometer, OV: meer dan 20 minuten auto: meer dan 5 kilometer, OV: meer dan 20 minuten

Kwaliteit omgeving

Ontwikkeling kwaliteit lokatie

Voorzieningen in omgeving openbaar groen meer dan 5 winkels restaurants / lunchfaciliteiten geldautomaat/bankvestiging sportfaciliteiten Bereikbaarheid




Model voor beoordeling kwaliteitsaspecten (op basis van vijfpuntschaal) cluster: Markt MARKT_1

MARKT_2

Vraag versus aanbod

De afwijking van het leegstandsratio ten opzichte van het gemiddelde in deze regio bedraagt meer dan -10% meer dan -5% en minder dan -10% binnen een bandbreedte van -5% en +5% meer dan +5% en minder dan +10% meer dan +10%

5 4 3 2 1

De afwijking van de gemiddelde groei van het aantal kantoorbanen in de regio versus het landelijk gemiddelde bedraagt meer dan +0,5% meer dan +0,1% en minder dan +0,5% binnen een bandbreedte van -0,1% en +0,1% meer dan -0,1% en minder dan -0,5% meer dan -0,5%

5 4 3 2 1

De gemiddelde groei van de gemiddelde werkruimte per werknemer (in m2) ten opzichte van het voorgaande jaar bedraagt meer dan -1% meer dan -0,5% en minder dan -1% binnen een bandbreedte van -0,5% en +0,5% meer dan +0,5% en minder dan +1% meer dan +1%

5 4 3 2 1

De afwijking van de gegeven incentives (bij de transactie - als % van de huursom) ten opzichte van het gemiddelde in deze regio bedraagt meer dan -5% meer dan -2,5% en minder dan -5% binnen een bandbreedte van -2,5% en +2,5% meer dan +2,5% en minder dan +5% meer dan +5%

Gemiddelde werkruimte per werknemer (in m²) [te meten t.o.v. voorgaande jaar, transactie in 2010 = meten met gegevens van 2009]

MARKT_5

5 4 3 2 1

Vraag regio versus landelijk [te meten t.o.v. voorgaande jaar, transactie in 2010 = meten met gegevens van 2009]

MARKT_4

Het verschil van de ratio tussen vraag en aanbod ten opzichte van het gemiddelde in deze regio bedraagt meer dan -100% meer dan -50% en minder dan -100% binnen een bandbreedte van -50% en +50% meer dan +50% en minder dan +100% meer dan +100%

Leegstand [te meten t.o.v. voorgaande jaar, transactie in 2010 = meten met gegevens van 2009]

MARKT_3

5 4 3 2 1

Incentives




Bijlage Resultaten enquête




Bijlage Dataset - 25 transacties in Amsterdam (2008 – 2010) [ vertrouwelijk ]




Dataset (25 huurtransacties in Amsterdam in de periode 2008 - 2010) VERTROUWELIJKE INFORMATIE contract jaar 2009 2009 2009 2009 2009 2009 2009 2009 2009 2009 2008 2008 2008 2008 2008 2010 2010 2009 2010 2010 2009 2010 2010 2010 2010

plaatsnaam

DTZ deelgebied binnen Amsterdam

Amsterdam Amsterdam Amsterdam Amsterdam Amsterdam Amsterdam Amsterdam Amsterdam Amsterdam Amsterdam Amsterdam Amsterdam Amsterdam Amsterdam Amsterdam Amsterdam Amsterdam Amsterdam Amsterdam Amsterdam Amsterdam Amsterdam Amsterdam Amsterdam Amsterdam

Centrum Zuidas Amstelstation/Omval Zuidoost Zuidas Centrum Westas Westas Zuidoost Zuidas Zuidas Centrum Teleport/Sloterdijk/Havens Zuidas Zuidas Zuidoost Teleport/Sloterdijk/Havens Teleport/Sloterdijk/Havens Zuidas Zuidoost Centrum Amstelstation/Omval Buitenveldert Westas Zuidas


contract (HI) EUR / m² 190 310 190 325 170 280 360 155 175 175 211 325 275 155 399 243 378 325 150 140 157 335 200 165 175

looptijd jaren 10,0 7,5 5,0 10,0 3,0 5,0 2,6 5,0 5,0 5,0 10,0 6,0 10,0 5,0 9,2 10,0 5,0 10,0 5,0 10,0 10,0 10,0 10,0 5,0 5,0

effectief EUR / m² 107 264 149 286 111 177 298 120 159 115 197 295 238 113 399 191 310 304 139 94 107 267 188 118 105

gecorr EUR / m² 109 268 151 291 112 180 303 121 161 117 202 304 245 116 410 191 310 309 139 94 108 267 188 118 105

incentive % HI 43% 15% 22% 12% 35% 37% 17% 23% 9% 34% 7% 9% 13% 27% 0% 21% 18% 6% 7% 33% 32% 20% 6% 28% 40%



Bijlage Dataset - beoordeling kwaliteiten transacties




Beoordeling kwaliteiten transacties in dataset (ordinale waarden)

contract jaar 2009 2009 2009 2009 2009 2009 2009 2009 2009 2009 2008 2008 2008 2008 2008 2010 2010 2009 2010 2010 2009 2010 2010 2010 2010

plaatsnaam





GEBR_1 REN

GEBR_2 REN

GEBR_3 REN

GEBR_4 REN

GEBR_5 REN

GEBO_1 REN

GEBO_2 REN

GEBO_3 REN

GEBO_4 REN

GEBO_5 REN

3 5 3 3 3 4 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 4 3 3 3

2 5 4 2 2 2 1 3 2 1 5 1 3 4 4 3 1 3 2 5 1 4 2 2 3

3 3 2 3 2 2 2 2 2 2 3 3 4 2 3 3 2 3 2 4 3 3 3 2 2

4 4 5 4 4 4 3 4 5 3 2 4 2 3 2 5 4 3 4 3 4 4 3 3 5

5 3 4 4 4 4 5 4 4 2 3 5 4 4 5 4 5 4 2 3 5 4 4 2 4

3 4 3 5 3 3 4 3 3 3 5 4 4 3 5 3 5 4 4 3 3 4 4 4 3

4 4 3 4 4 4 4 4 4 4 4 4 4 4 4 4 4 5 4 3 4 5 5 4 4

5 5 3 4 4 4 5 4 4 4 3 5 4 3 5 4 5 5 4 3 4 5 4 4 5

5 5 4 3 5 2 3 3 4 4 2 4 4 3 3 2 2 4 5 3 2 4 4 2 4

2 3 3 2 3 3 2 3 3 2 2 3 4 3 2 3 2 2 2 4 4 2 2 3 3

Vincent Huizinga | B5A - 1


Beoordeling kwaliteiten transacties in dataset (ordinale waarden)

contract jaar 2009 2009 2009 2009 2009 2009 2009 2009 2009 2009 2008 2008 2008 2008 2008 2010 2010 2009 2010 2010 2009 2010 2010 2010 2010

plaatsnaam





GEBI_1 REN

GEBI_2 REN

GEBI_3 REN

GEBI_4 REN

GEBI_5 REN

MARKT_1 REN

MARKT_2 REN

MARKT_3 REN

MARKT_4 REN

MARKT_5 REN

3 5 5 5 4 5 5 3 4 4 5 3 2 3 5 5 5 5 3 3 3 5 5 3 3

2 4 4 4 3 4 4 2 3 3 4 3 3 2 4 4 4 4 3 2 2 4 4 2 2

2 5 5 5 2 5 5 2 2 2 5 4 3 2 5 5 5 5 4 2 2 5 5 2 2

3 4 4 5 2 4 4 3 2 2 5 3 4 3 4 5 4 4 3 3 3 4 5 3 3

4 5 5 3 4 5 5 4 4 4 3 4 4 3 5 3 5 5 4 4 4 5 3 3 3

3 3 3 3 3 3 3 3 3 3 3 1 3 1 3 1 4 3 4 3 3 4 1 2 2

3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3

5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5

1 1 1 1 1 1 1 1 1 1 4 4 4 4 4 1 1 1 1 1 1 1 1 1 1

1 3 2 5 1 1 3 1 5 1 4 3 2 1 5 2 3 5 5 1 1 2 5 1 1

Vincent Huizinga | B5A - 2


Beoordeling kwaliteiten transacties in dataset (ratio en ordinale waarden)

contract jaar 2009 2009 2009 2009 2009 2009 2009 2009 2009 2009 2008 2008 2008 2008 2008 2010 2010 2009 2010 2010 2009 2010 2010 2010 2010

plaatsnaam





GEBR_1 ratio

GEBR_2 ratio

2.468 17.284 1.035 1.805 3.512 5.745 1.158 1.061 2.135 1.278 1.678 1.940 1.960 3.497 1.533 4.647 1.274 4.994 3.000 2.441 1.738 9.679 2.500 1.727 2.414

10,5% 100,0% 64,7% 14,8% 21,4% 24,4% 3,4% 29,1% 19,6% 9,8% 100,0% 6,5% 25,1% 52,7% 76,7% 40,1% 2,1% 39,1% 10,8% 96,1% 2,3% 70,9% 14,3% 15,6% 27,4%

GEBR_3 ratio 10,0 7,5 5,0 10,0 3,0 5,0 2,6 5,0 5,0 5,0 10,0 6,0 10,0 5,0 9,2 10,0 5,0 10,0 5,0 10,0 10,0 10,0 10,0 5,0 5,0

GEBR_4 REN

GEBR_5 REN

GEBO_1 REN

GEBO_2 REN

GEBO_3 REN

GEBO_4 ratio

GEBO_5 ratio

4 4 5 4 4 4 3 4 5 3 2 4 2 3 2 5 4 3 4 3 4 4 3 3 5

5 3 4 4 4 4 5 4 4 2 3 5 4 4 5 4 5 4 2 3 5 4 4 2 4

3 4 3 5 3 3 4 3 3 3 5 4 4 3 5 3 5 4 4 3 3 4 4 4 3

4 4 3 4 4 4 4 4 4 4 4 4 4 4 4 4 4 5 4 3 4 5 5 4 4

5 5 3 4 4 4 5 4 4 4 3 5 4 3 5 4 5 5 4 3 4 5 4 4 5

91,4% 92,6% 88,0% 86,0% 90,5% 85,0% 87,0% 87,0% 89,0% 90,0% 85,0% 90,0% 88,0% 87,5% 87,0% 82,6% 83,0% 90,0% 91,0% 86,0% 85,0% 90,0% 90,0% 85,0% 90,0%

125,0 144,0 94,1 150,4 80,0 62,0 #DEEL/0! 105,0 135,0 100,0 80,0 100,0 40,0 90,0 117,9 140,0 150,0 125,0 75,0 40,0 45,0 125,0 250,0 125,0 170,0

Vincent Huizinga | B5B - 1


Beoordeling kwaliteiten transacties in dataset (ratio en ordinale waarden)

contract jaar 2009 2009 2009 2009 2009 2009 2009 2009 2009 2009 2008 2008 2008 2008 2008 2010 2010 2009 2010 2010 2009 2010 2010 2010 2010

plaatsnaam





GEBI_1 REN

GEBI_2 REN

GEBI_3 REN

GEBI_4 REN

GEBI_5 REN

MARKT_1 ratio

MARKT_2 ratio

MARKT_3 ratio

MARKT_4 ratio

MARKT_5 ratio

3 5 5 5 4 5 5 3 4 4 5 3 2 3 5 5 5 5 3 3 3 5 5 3 3

2 4 4 4 3 4 4 2 3 3 4 3 3 2 4 4 4 4 3 2 2 4 4 2 2

2 5 5 5 2 5 5 2 2 2 5 4 3 2 5 5 5 5 4 2 2 5 5 2 2

3 4 4 5 2 4 4 3 2 2 5 3 4 3 4 5 4 4 3 3 3 4 5 3 3

4 5 5 3 4 5 5 4 4 4 3 4 4 3 5 3 5 5 4 4 4 5 3 3 3

-12,69% 10,41% 10,41% -21,17% 47,22% 10,41% 10,41% -12,69% 47,22% 47,22% -45,18% 143,01% 49,96% 290,02% 12,20% 101,02% -74,28% 10,41% -52,41% -30,74% -12,69% -74,28% 101,02% 63,65% 63,65%

-0,56% 1,91% 1,91% 3,02% 3,02% 1,91% 1,91% -0,56% 3,02% 3,02% 3,32% -0,12% 0,15% 3,32% 0,15% 3,02% 1,91% 1,91% -0,56% -0,56% -0,56% 1,91% -0,56% 3,02% 3,02%

0,42% 0,42% 0,42% 0,42% 0,42% 0,42% 0,42% 0,42% 0,42% 0,42% 0,25% 0,25% 0,25% 0,25% 0,25% 0,42% 0,42% 0,42% 0,42% 0,42% 0,42% 0,42% 0,42% 0,42% 0,42%

1,08% 1,08% 1,08% 1,08% 1,08% 1,08% 1,08% 1,08% 1,08% 1,08% -0,54% -0,54% -0,54% -0,54% -0,54% 1,08% 1,08% 1,08% 1,08% 1,08% 1,08% 1,08% 1,08% 1,08% 1,08%

26,47% -2,10% 4,53% -5,11% 17,84% 19,74% 0,20% 5,84% -7,59% 17,23% -3,35% -0,89% 3,48% 16,92% -10,00% 4,25% 0,94% -10,53% -9,82% 16,11% 14,88% 3,44% -11,20% 11,34% 23,21%

Vincent Huizinga | B5B - 2


Bijlage Dataset - Pearsons’ correlatie




Pearsons’ test (op basis van dataset) REN score (ordinaal) Correlations

GEBR_1

contract (HI) EUR / m²

Pearson Correlation Sig. (2-tailed) N effectief EUR / m² Pearson Correlation Sig. (2-tailed) N gecorr EUR / m² Pearson Correlation Sig. (2-tailed) N ** Correlation is significant at the 0.01 level (2-tailed). max min 1 = contract (HI) EUR / m²

Pearson Correlation Sig. (2-tailed) 2 = effectief EUR / m²

REN score (ordinaal) en ratio Correlations

Pearson Correlation Sig. (2-tailed) N effectief EUR / m² Pearson Correlation Sig. (2-tailed) N gecorr EUR / m² Pearson Correlation Sig. (2-tailed) N ** Correlation is significant at the 0.01 level (2-tailed). Pearson Correlation Sig. (2-tailed) 2 = effectief EUR / m²

GEBR_5

GEBO_1

GEBO_2

GEBO_3

GEBO_4

GEBO_5

-.051 .210 -.198 .475(*) .807 .313 .342 .016 25 25 25 25 .019 .267 -.291 .414(*) .928 .197 .158 .039 25 25 25 25 .023 .271 -.301 .417(*) .913 .190 .144 .038 25 25 25 25 * Correlation is significant at the 0.05 level (2-tailed).

.678(**) .000 25 .770(**) .000 25 .768(**) .000 25

.320 .119 25 .341 .095 25 .333 .103 25

.641(**) .001 25 .562(**) .003 25 .556(**) .004 25

-.115 .583 25 -.079 .706 25 -.077 .714 25

-.411(*) .041 25 -.432(*) .031 25 -.426(*) .034 25

1 1 3 = gecorr EUR / m²

GEBR_1 ratio


max min 1 = contract (HI) EUR / m²

.297 .149 25 .199 .341 25 .194 .352 25

GEBR_2

.250 .228 25 .190 .364 25 .184 .379 25

GEBR_3

GEBR_4

1 1

3 3

3 3

1 1

2 2

2 2

1 1

1 1

2 2

GEBR_2 ratio

GEBR_3 ratio

GEBR_4 REN

GEBR_5 REN

GEBO_1 REN

GEBO_2 REN

GEBO_3 REN

GEBO_4 ratio

GEBO_5 ratio

.058 .161 -.198 .475(*) .782 .443 .342 .016 25 25 25 25 .121 .224 -.291 .414(*) .566 .281 .158 .039 25 25 25 25 .125 .225 -.301 .417(*) .553 .281 .144 .038 25 25 25 25 * Correlation is significant at the 0.05 level (2-tailed).

.678(**) .000 25 .770(**) .000 25 .768(**) .000 25

.320 .119 25 .341 .095 25 .333 .103 25

.641(**) .001 25 .562(**) .003 25 .556(**) .004 25

-.103 .625 25 -.066 .753 25 -.063 .765 25

.223 .296 24 .249 .241 24 .237 .266 24

3 3

3 3

1 1

2 2

2 2

1 1

1 1

2 2

'REN score' versus 'REN score en ratio waarden' correlatie ▼ ▲ ▼ significantie * ▲ ▼ ▲ * een afname van de significantie betekent een toename van de betrouwbaarheid van de uitkomsten

n.v.t. n.v.t.

n.v.t. n.v.t.

n.v.t. n.v.t.

n.v.t. n.v.t.

n.v.t. n.v.t.

▼ ▲

▼ ▲


1 1 3 = gecorr EUR / m²

3 3



Pearsons’ test (op basis van dataset) REN score (ordinaal) Correlations

GEBI_1

GEBI_2

GEBI_3

GEBI_4

GEBI_5

MARKT_1

MARKT_2

MARKT_3

MARKT_4

MARKT_5

.566(**) .003 25 .548(**) .005 25 .540(**) .005 25

.707(**) .000 25 .721(**) .000 25 .714(**) .000 25

.733(**) .000 25 .750(**) .000 25 .743(**) .000 25

.518(**) .008 25 .541(**) .005 25 .535(**) .006 25

.547(**) .005 25 .472(*) .017 25 .470(*) .018 25

.194 .352 25 .148 .479 25 .143 .495 25

.(a) . 25 .(a) . 25 .(a) . 25

.(a) . 25 .(a) . 25 .(a) . 25

.211 .312 25 .321 .118 25 .338 .098 25

.432(*) .031 25 .619(**) .001 25 .618(**) .001 25

1 1

2 2

2 2

2 2

1 1

1 1

-

-

3 3

2 2

GEBI_1 REN

GEBI_2 REN

GEBI_3 REN

GEBI_4 REN

GEBI_5 REN

MARKT_1 ratio

MARKT_2 ratio

MARKT_3 ratio

MARKT_4 ratio

MARKT_5 ratio

.566(**) .003 25 .548(**) .005 25 .540(**) .005 25

.707(**) .000 25 .721(**) .000 25 .714(**) .000 25

.733(**) .000 25 .750(**) .000 25 .743(**) .000 25

.518(**) .008 25 .541(**) .005 25 .535(**) .006 25

.547(**) .005 25 .472(*) .017 25 .470(*) .018 25

-.223 .284 25 -.185 .375 25 -.177 .399 25

.045 .831 25 -.015 .944 25 -.018 .933 25

-.211 .312 25 -.321 .118 25 -.338 .098 25

-.211 .312 25 -.321 .118 25 -.338 .098 25

-.467(*) .019 25 -.668(**) .000 25 -.666(**) .000 25

1 1

2 2

2 2

2 2

1 1

1 1

1 1

3 3

3 3

2 2

'REN score' versus 'REN score en ratio waarden' n.v.t. n.v.t. n.v.t. correlatie significantie * n.v.t. n.v.t. n.v.t. * een afname van de significantie betekent een toename van de betrouwbaarheid van de uitkomsten

n.v.t. n.v.t.

n.v.t. n.v.t.

▲ ▼

▲ ▼

▲ ▼

-

▲ ▼




REN score (ordinaal) en ratio Correlations






REFERENTIE IS NOG EEN REFERENTIE!

Recommend Documents