Regiokantoren Een indicatie van de groeivoet van de huur en de waarde van kantoren
+ + + + +
+ + + + +
+ +
+ + + + + + + +
+ + + + + + + + + +
+ + + + + + + + +
+ + 3 + 2 + + + +
+ + + + + + + + + + + +
+ + + + + + + + + + + + + + + + +
+ + + + + + + + + + + + + + + +
MSRE-scriptie Amsterdam School of Real Estate Niels van Wonderen augustus 2008
+ + + + + 1 + + + + + + + + + +
+ +
+ + + 4 + + + 8 + + + +
+ + + + + + + + + + + + +
+ + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + 5 + + + + + + + + + + + + + + + + 9 +
+ + + + + + + + + + + 7 + + + + + +
+ + + + + + + + + + + + + + + + + +
+ + + + + + + + +
+
+ + + + + + + + + + + + + + + + + +
+ + + + + + + + + + + + + + + + +
+ + 6 + + + + + + + + + + + + + +
+ + + + + + + + +
+ + + + + + + + + + +
+ + + + + +
Scriptiebegeleiders: Prof. dr. P. van Gool MRICS SPF Beheer BV/Amsterdam School of Real Estate Hoofd onroerend goed/Hoogleraar Vastgoedkunde Drs. M. Wolters CB Richard Ellis Senior Researcher
Inhoudsopgave Voorwoord __________________________________________________________2 Samenvatting_________________________________________________________4 Hoofdstuk 1. De aanleiding en onderzoeksvraag _____________________________6 1.1. Inleiding en toelichting ___________________________________________6 1.2. Doelstelling, hypothese en onderzoeksvraag___________________________7 1.3. Onderzoeksopzet ________________________________________________9 1.4. Leeswijzer ____________________________________________________10 Hoofdstuk 2. Beleggingsbeleid institutionele beleggers_______________________12 2.1. Inleiding ______________________________________________________12 2.2. Beleggingsbeleid onderzochte fondsen ______________________________12 2.3. Conclusies beleggingsbeleid onderzochte fondsen _____________________14 Hoofdstuk 3. Rendement op beleggingen in kantoren ________________________16 3.1. Inleiding ______________________________________________________16 3.2. BAR- en/of NAR-methode _______________________________________16 3.3. DCF-methode__________________________________________________17 3.4. Verband BAR- en/of NAR-methode en DCF-methode__________________18 3.5. Conclusie _____________________________________________________19 Hoofdstuk 4. Methoden om kantorenvraag te prognosticeren __________________20 4.1. Inleiding ______________________________________________________20 4.2. Meest gebruikte methoden ________________________________________20 4.3. Tekortkomingen huidige methoden _________________________________21 4.4. De regiokantoren-methode________________________________________22 Hoofdstuk 5. Ontwikkeling opname op de kantorenmarkt_____________________24 5.1. Vraagontwikkeling op de kantorenmarkt_____________________________24 5.2. Vervangings- en uitbreidingsvraag _________________________________27 5.3. Gevolgen voor de beleggers_______________________________________28 Hoofdstuk 6. Relevante trends onder kantoorgebruikers ______________________30 6.1. Reorganisatie –en concentratietendens ______________________________30 6.2. Geografische trend ______________________________________________30 6.3. Conclusie _____________________________________________________34 Hoofdstuk 7. Regiosteden______________________________________________36 7.1. Inleiding ______________________________________________________36 7.2. Onderzoek NVM _______________________________________________36 7.3. Eigen onderzoek________________________________________________38 7.4. Conclusie _____________________________________________________44 Hoofdstuk 8. Invloed regiofunctie op de kantorenmarkt ______________________46 8.1. Inleiding ______________________________________________________46 8.2. Relatie regiostad en netto opname __________________________________46
8.3. Relatie regiostad en groeivoet waarde kantoren _______________________52 8.4. Relatie regiostad en groeivoet van de huurprijzen______________________54 Hoofdstuk 9. Afsluiting en conclusie _____________________________________58 Bijlage 1. Bedrijven en instellingen in de steekproef _________________________62 Bijlage 2. Correlatie regiokantoren – in gebruik zijnde voorraad _______________64 Bijlage 3. Correlatie aantal inwoners – in gebruik zijnde voorraad ______________65 Bijlage 4. Berekening correctie op ROZ-rendement _________________________66 Bibliografie _________________________________________________________67
Voorwoord Sinds 1998 ben ik in de vastgoedwereld actief. Vanwege uiteenlopende redenen, zoals verhuizingen en de drang om steeds iets nieuws te doen, heb ik bij geen werkgever langer dan drie jaar gewerkt. Als gevolg hiervan heb ik reeds meerdere werkgevers gehad, waarbij ik steeds in een ander segment in de vastgoedwereld actief ben geweest. Achtereenvolgens heb ik gewerkt bij een adviesbureau dat gericht was op vastgoedvraagstukken (Kolpron Consultants), bij een gemeentelijke dienst (Economische Zaken, Amsterdam), bij een Nederlandse vastgoedbelegger (Altera Vastgoed) en tot slot bij de afdeling vastgoed van een pensioenfonds (Doctors Pension Funds). Het voordeel van deze brede werkervaring is dat ik de vastgoedwereld op diverse manieren heb mogen ervaren en daarmee ook diverse zwaktes in deze wereld heb leren kennen. Adviesbureaus hebben bijvoorbeeld relatief veel junioren vers van de universiteit in dienst, die zeer bedreven zijn in het produceren van grafieken, tabellen en lappen tekst, maar vaak nog niet de ervaring hebben om tot de kern van de zaak te komen en de informatie te geven waar de opdrachtgever het meest op zit te wachten. Veel ambtenaren lijken moeite te hebben om marktwerking in de vastgoedsector te begrijpen, en bedenken steeds weer nieuwe regeltjes omdat ze het idee hebben dat ze anders de grip verliezen. En tot slot is het mij opgevallen dat beleggers vaak op hun intuïtie vertrouwen en ze zich (te) weinig laten leiden door gedegen onderzoek. Weliswaar is er de laatste jaren sprake van een professionaliseringsslag in de vastgoedbeleggingswereld, maar dit proces is mijns inziens nog lang niet voltooid. Ik hoop met mijn scriptie beleggers van een extra stukje informatie te voorzien, waarop zij hun beleggingsbeleid kunnen baseren. Dit heb ik gedaan op basis van de onderzoeksvaardigheden die mij bij Kolpron Consultants zijn ingepeperd, maar waarbij ik hopelijk beter dan toentertijd als junior kan inschatten welke informatie een belegger wel wil weten, en op welke lappen tekst (lees: bladvulling) een belegger niet zit te wachten. Dit is ook de reden dat ik niet voor een literatuurstudie heb gekozen over een ‘uitgekauwd’ onderwerp, maar gepoogd heb om iets nieuws op papier te zetten. Laat de anderen oordelen of ik geslaagd ben in mijn opzet, maar ik wil het in ieder geval geprobeerd hebben. Hierbij kan ik een parallel trekken met het EK-voetbal dat tijdens het schrijven van een groot deel van mijn scriptie is gespeeld. Ik zie liever een team dat fris en aanvallend voetbal speelt, maar mogelijk tegen een paar counters oploopt (zoals Rusland), dan een team dat risicoloos een balletje breed speelt, in de wetenschap dat een kleine overwinning of gelijkspel ook kan volstaan (zoals Griekenland). Afsluitend wil ik graag de heren Wolters en Van Gool bedanken voor de nuttige adviezen die zij mij hebben gegeven.
2
3
Samenvatting De centrale onderzoeksvraag van de scriptie luidt als volgt: is er sprake van een bovengemiddelde groeivoet van huren en waarde van kantoren in steden die veel regiokantoren aan zich weten te binden? Het doel van deze scriptie is om institutionele beleggers een extra handvat te geven voor het opstellen van een geografisch beleid. Een analyse van de beleggingsplannen van negen Nederlandse kantoorbeleggers heeft namelijk geleerd dat institutionele beleggers met name beleggen in de grootste steden, terwijl een diepgaande analyse die deze keuze onderbouwt meestal ontbreekt. Daarnaast blijkt de voorspellingskracht van de gebruikte analysemethoden veelal beperkt. In deze scriptie wordt gepoogd om te komen tot een aanvullende methode waarop beleggers de keuze voor steden, waarin ze willen beleggen, kunnen baseren. Mijns inziens wordt het de komende jaren namelijk voor de beleggers steeds belangrijker om de juiste kantoorsteden te selecteren. De kantorenmarkt transformeert namelijk steeds meer van een uitbreidings- naar een vervangingsmarkt. In tegenstelling tot de afgelopen decennia zullen daarom niet meer alle kantorenmarkten een groei van de in gebruik zijnde voorraad tegemoet kunnen zien, hetgeen de rendementen onder druk zet. Behalve de overgang naar een vervangingsmarkt, is er op de kantorenmarkt nog een belangrijke trend gaande. Vanwege een steeds verdergaande concentratie- en reorganisatietrend onder kantoorgebruikers, zullen kantoorgebruikers hun activiteiten steeds meer gaan clusteren in bepaalde steden. Sommige steden zijn vanwege hun ligging, imago, omvang en/of arbeidspotentieel namelijk geschikter dan andere steden om kantoren aan zich te binden. Ik verwacht dat de combinatie van deze ontwikkelingen leidt tot steden die de komende jaren nog wel een positieve netto opname tegemoet kunnen zien, en steden waarbij de in gebruik zijnde voorraad juist gaat afnemen. Het is zodoende belangrijk om een inschatting te kunnen maken van de ‘winnende’ kantorensteden. Ik verwacht dat deze inschatting kan worden verbeterd door aandacht te besteden aan de ‘regiofunctie’ van de kantorenmarkt van een stad. Door de concentratie- en reorganisatietrend onder kantoorgebruikers worden kantoren steeds meer gehuisvest in steden van waaruit een gehele regio of landsdeel kan worden bediend. Sommige steden met een grote regiofunctie slagen er beter in dan andere steden om regiokantoren aan zich te binden. Om tot een objectieve vergelijking tussen alle Nederlandse steden te komen, is er alleen naar kantoorgebruikers gekeken die landelijk gespreid zijn gehuisvest. Deze kantoorgebruikers hebben namelijk de mogelijkheid om voor hun huisvesting te kiezen uit 483 Nederlandse gemeenten. Zij maken uit al deze gemeenten een selectie om hun (regio-)kantoren te huisvesten. Op basis van de vestigingskeuzes van deze landelijk gespreide kantoorgebruikers is een database met de hiërarchie van regiosteden opgesteld.
4
Op basis van deze database is bepaald welke steden, in vergelijking tot de totale kantorenvoorraad van de stad, veel regiokantoren hebben. Volgens de hypothese hebben deze steden een hogere positieve netto opname van kantoorruimte dan steden met weinig regiokantoren. Dit zal leiden tot een gunstigere ontwikkeling van de leegstand. De verwachting is dat daardoor in deze steden de groeivoet van de huren en de waardeontwikkeling van de objecten hoger ligt dan in andere steden. Hierbij is verondersteld dat de ontwikkeling van de voorraad overal gelijk is. Uit de scriptie komt naar voren dat er inderdaad een positief verband is tussen het aandeel van de regiokantoren in de kantorenvoorraad en de ontwikkeling van de in gebruik zijnde voorraad. Naarmate het aandeel van regiokantoren in de kantorenvoorraad toeneemt, stijgt de groei van de in gebruik genomen voorraad. In de hypothese werd verwacht dat de leegstand zich hierdoor in steden met veel regiokantoren beter ontwikkeld dan in steden met weinig regiokantoren, met als gevolg dat de waarde- en huurgroei daardoor hoger uitvalt. De verhuurders kunnen namelijk in een markt met minder leegstand meer eisen gaan stellen dan in een markt met veel leegstand. Uit de analyse van de lokale ROZ-data blijkt er echter geen onderbouwing te zijn voor de veronderstelling dat het aantal regiokantoren een positief effect heeft op de waardegroei. Zoals echter in de scriptie is aangegeven kleven er zoveel bezwaren aan het gebruik van de lokale ROZ-data voor deze scriptie, dat de conclusies met betrekking tot de waardegroei op basis van het gebruik van deze database met de nodige voorzichtigheid moeten worden betracht. Er lijkt echter wel een duidelijke relatie te bestaan tussen het aandeel van regiokantoren in de voorraad en de ontwikkeling van de huren. Zowel uit de lokale ROZ-data als het VTIS2000 bestand blijkt dat de huren in steden met veel regiokantoren gemiddeld jaarlijks ongeveer 3% zijn gegroeid, terwijl in steden met weinig regiokantoren de gemiddelde huurgroei jaarlijks ongeveer driekwart procentpunt minder bedroeg. In combinatie met reeds bestaande onderzoeksmethoden kan de ´regiosteden´ methode een redelijk beeld opleveren van interessante kantorenmarkten om in te beleggen. Als bijvoorbeeld blijkt dat een stad slecht scoort op zowel reeds bestaande methoden, als de ´regiosteden´ methode, dan is er recht om te twijfelen aan het groeipotentieel van de in gebruik zijnde voorraad. De ´theorie van de regiosteden´ geeft op beleidsniveau een indicatie van welke steden voor een belegger mogelijk meer interessant zijn als andere steden. Indien echter een object wordt geacquireerd blijft een analyse op locatieniveau onontbeerlijk.
5
Hoofdstuk 1. De aanleiding en onderzoeksvraag 1.1. Inleiding en toelichting Het in Nederlands vastgoed belegde vermogen van Nederlandse institutionele beleggers bedraagt ongeveer € 50 miljard. Op basis van cijfers van de bij de Vereniging van Institutionele Beleggers in Vastgoed Nederland (IVBN) aangesloten beleggers blijkt dat dit vermogen voornamelijk is belegd in woningen (44% van dit vermogen), kantoren (27%) en winkels (24%). Daarnaast is 3% in bedrijfsruimten en 2% in overig vastgoed belegd (IVBN, 2008). In deze scriptie wordt alleen aan de kantorensector aandacht besteed. De cijfers van de IVBN zijn representatief voor de gehele Nederlandse institutionele markt: de IVBN vertegenwoordigt 90% van het vermogen dat door Nederlandse institutionele beleggers in Nederlands vastgoed is belegd. De doelstelling van deze beleggers is het beheren van vermogen voor de deelnemers, teneinde in de toekomst uitkeringen te kunnen doen (Van Gool e.a., 2007). Hiertoe wordt het geld belegd met het doel om een hoog rendement te behalen tegen een in de ogen van de deelnemers aanvaardbaar risico. Meestal geldt een outperformance van de ROZ/IPD benchmark als belangrijkste beleggingsdoelstelling. Om deze doelstelling te behalen stellen de beleggers beleggingsplannen op. Deze plannen beginnen normaliter met informatie over de visie van de belegger op het beleggen in vastgoed en de verwachte marktontwikkelingen. Op basis hiervan wordt een beleggingsbeleid opgesteld. In dit beleggingsbeleid staat omschreven in welke sectoren, segmenten, regio’s en locaties men wil beleggen. Daarnaast staan er vaak criteria genoemd waaraan de beleggingsportefeuille moet voldoen. Te denken valt aan bepaalde maxima van marktwaarde naar regio, leeftijdseisen van de objecten en het type object (zoals single en multi-tenant gebouwen). Een analyse van de beleggingsplannen van negen Nederlandse kantoorbeleggers1 leert dat de beleggers op zoek gaan naar de markten die in hun ogen de meest interessante rendements-risicoverhoudingen kennen. Als meest interessante gebieden worden in veel gevallen de Randstad, het KANgebied en de grootste Brabantse steden aangemerkt. De argumentatie is veelal dat in de grote steden zich doorgaans minder schommelingen in de vraag voordoen dan in kleinere steden, de markten meer liquide zijn en dat deze steden betere economische toekomstverwachtingen hebben. Opvallend is dat veel beleggers hierbij over het algemeen alleen kijken naar kwantiteit: een stad met veel inwoners en/of grote kantorenmarkt lijkt per definitie interessant te zijn. Dit lijkt echter meer te zijn gebaseerd op een soort ‘onderbuikgevoel’ dan dat er een gedegen onderzoek aan ten grondslag ligt. Mijns inziens kan de onderbouwing van de keuze voor steden waarin belegd wordt, worden verdiept. Weliswaar is de grootte van een stad en/of kantorenmarkt van belang, maar een grote stad behoeft niet automatisch een hoge liquiditeit en een positieve toekomstverwachting met betrekking tot de kantorenmarkt te hebben. In
1
Altera Vastgoed NV, Annexum, ING Real Estate Investment Management, Nieuwe Steen Investments, KFN, VastNed Groep, Syntrus Achmea Vastgoed, Generali Vastgoed en Corio.
6
plaats van alleen de omvang van een stad en/of kantorenmarkt als uitgangspunt te nemen, zijn er andere variabelen die eveneens een rol spelen. In het verleden zijn al diverse onderzoeken verricht, waarin op basis van een breed palet aan variabelen is onderzocht welke steden de beste kantoormarkten hebben om in te beleggen. Veelal wordt in deze onderzoeken gebruik gemaakt van werkgelegenheidscijfers, opnamecijfers van de kantorenmarkt en de ontwikkeling van de bereikbaarheid. De verklaringsgraad van deze onderzoeken is echter vaak beperkt (Witlox en DeRudder, 2005). In mijn scriptie wil ik op een andere manier naar het groeipotentieel van kantoorsteden kijken, namelijk via ‘regiosteden’. Ik hoop hiermee een bijdrage te leveren aan een verbetering van de toekomstprognose met betrekking tot de ontwikkelingen van kantorenmarkten en daarmee aan een verbetering van de beleggingsstrategie van vastgoedbeleggers.
1.2. Doelstelling, hypothese en onderzoeksvraag De doelstelling van de scriptie is om een ‘instrument’ te ontwikkelen dat kantoorbeleggers handvatten biedt om tot een juist geografisch beleggingsbeleid te komen. Mijns inziens is de huidige onderbouwing van het geografische beleid door Nederlandse beleggers (te) beperkt. In mijn optiek wordt het steeds belangrijker om de ‘winnende’ kantoorsteden van de toekomst in te kunnen schatten. Dit komt door de volgende ontwikkelingen: • De kantorenmarkt zal steeds meer transformeren van een uitbreidings- naar een vervangingsmarkt (DTZ, Jones LangLasalle, FGH-bank, diverse jaren) • Landelijk gezien zal de netto opname van kantoorruimte de komende jaren afnemen (Zuidema, 2006). • Er is sprake van een concentratie- en reorganisatietrend onder kantoorgebruikers, waarbij kantoorgebruikers hun activiteiten steeds meer gaan clusteren in bepaalde steden. Sommige steden zijn vanwege hun ligging, imago, omvang en/of arbeidspotentieel geschikter als andere steden om kantoren aan zich te binden. Ik verwacht dat de combinatie van deze ontwikkelingen leidt tot steden die de komende jaren nog wèl een positieve netto opname tegemoet kunnen zien en steden waarbij de in gebruik zijnde voorraad juist gaat afnemen. Het is zodoende belangrijk om een inschatting te kunnen maken van de ‘winnende’ kantorensteden. Ik verwacht dat deze inschatting kan worden verbeterd door aandacht te besteden aan de ‘regiofunctie’ van de kantorenmarkt van een stad. Door de concentratie- en reorganisatietrend onder kantoorgebruikers worden kantoren steeds meer gehuisvest in steden van waaruit een gehele regio of landsdeel kan worden bediend. Sommige steden met een grote regiofunctie slagen er beter in dan andere steden om regiokantoren aan zich te binden, waarbij onder een regiokantoor wordt verstaan “een kantoor van een landelijk gespreid gehuisveste instelling of bedrijf met in totaal minimaal drie kantoren”. Ik heb dan ook de hypothese geformuleerd dat kantorenmarkten met (absoluut en relatief) een meer dan gemiddeld aantal regiokantoren de komende jaren nog een significante positieve netto opname van kantoorruimte tegemoet kunnen zien. Zij zijn
7
namelijk klaarblijkelijk geschikt als vestigingsplaats voor regiokantoren. Dit in tegenstelling tot kantorenmarkten met minder regiokantoren, die volgens mijn hypothese niet meer op een positieve netto opname hoeven te rekenen. Ik wil opmerken dat deze positieve netto opname niet alleen op het conto komt van (samengevoegde) regiokantoren. Populaire vestigingsplaatsen voor landelijk gespreide kantoorgebruikers hebben waarschijnlijk ook voor andere kantoorgebruikers concurrentievoordelen ten opzichte van andere plaatsen (zoals bereikbaarheid en het opleidingsniveau van de bevolking). Daardoor zullen deze steden ook interessant kunnen zijn voor andere, niet landelijk gespreide kantoorgebruikers. Om tot een objectieve vergelijking tussen alle Nederlandse steden te komen, heb ik er voor gekozen om alleen naar kantoorgebruikers te kijken die landelijk gespreid zijn gehuisvest. Deze kantoorgebruikers hebben namelijk de mogelijkheid om voor hun huisvesting te kiezen uit 483 Nederlandse gemeenten. Uiteindelijk zullen zij uit deze gemeenten een selectie maken om hun (regio-)kantoren te huisvesten. Op basis hiervan wordt een hiërarchie van regiosteden opgesteld. Het vervolg van de hypothese is dat verwacht wordt dat in de kantoorsteden met veel regiokantoren, als gevolg van de relatief hoge netto vraag, de leegstand zich gunstiger ontwikkelt dan in andere steden. Aangezien er een negatieve correlatie is tussen leegstand en de groeivoet van de huren en de waarde, zal er volgens mijn hypothese in kantoorsteden met veel regiokantoren sprake zijn van een snellere groeivoet van de huren en de waarde van kantoren dan in andere steden. Nadrukkelijk wordt hierbij gesteld dat in deze scriptie uit wordt gegaan van een in alle steden relatief gelijke uitbreiding van de voorraad. Kort samengevat luidt de centrale onderzoeksvraag als volgt: is er sprake van een bovengemiddelde groeivoet van huren en waarde van kantoren in steden die veel regiokantoren aan zich weten te binden? Het doel is om institutionele beleggers hiermee een handvat te geven voor het opstellen van een geschikt geografisch beleid. Ik spreek bewust van een groeivoet van huren en waarde van een kantoor en niet van rendement. Een hoge groeivoet is namelijk niet automatisch hetzelfde als een hoog rendement (zie § 3.4.). Om de vraagstelling zo goed mogelijk te beantwoorden zijn de volgende subvragen geformuleerd: • Wat is de huidige onderbouwing van het geografische beleggingsbeleid van institutionele beleggers? • Waar hebben deze institutionele beleggers nu belegd? • Wat zijn de relevante ontwikkelingen op de kantorenmarkt? • Wat is het belang van de groeivoet van de huren en de waarde van kantoren voor beleggers? • Wat is de relatie tussen een positieve netto opname en de groeivoet van huren en de waarde van kantoren? • Welke mogelijke schijncorrelaties zijn er? • Wat is de verklaringskracht van de hypothese?
8
Schematisch kan de hypothese als volgt worden weergegeven: Figuur 1.1.: Opbouw hypothese
Komende jaren nog maar beperkte netto opname op de kantorenmarkt.
Er is sprake van concentratietrends bij kantoorgebruikers, waarbij (grotere) regiokantoren ontstaan.
Alleen steden die geschikt zijn voor huisvesting regiokantoren zullen nog een substantiële netto opname kennen.
Deze geschikte steden zijn de ‘regiosteden’, d.w.z. steden met een bovengemiddeld aantal regiokantoren in de kantorenvoorraad
Hypothese
Positief verband aandeel regiokantoren in de kantorenvoorraad en de groeivoet van de huren en waarde van de kantoren.
1.3. Onderzoeksopzet Om de regiosteden te kunnen benoemen is er voor deze scriptie een database aangemaakt van 326 instellingen en bedrijven met in totaal 3172 regiokantoren. Alleen kantoorgebruikers die met minimaal drie kantoren gespreid over Nederland zijn gehuisvest, zijn in de database opgenomen. Zoals in de vorige paragraaf is vermeld hebben deze kantoorgebruikers de mogelijkheid om voor hun huisvesting te kiezen uit 483 Nederlandse gemeenten. Uiteindelijk zullen zij uit deze gemeenten een selectie maken om hun (regio-)kantoren te huisvesten. Dit geeft daarmee een goed beeld van de concurrentiekracht van de Nederlandse kantorensteden. Op basis van deze database kan worden bepaald welke steden absoluut en/of relatief (in vergelijking tot de totale kantorenvoorraad van de stad) veel regiokantoren hebben. Volgens de hypothese zullen met name deze steden een netto opname van kantoorruimte tegemoet kunnen zien. Het onderzoek komt vervolgens terecht bij de beantwoording van de centrale onderzoeksvraag: is er sprake van een bovengemiddelde groeivoet van huren en waarde van kantoren in steden die veel regiokantoren aan zich weten te binden?
9
Voor de beleggers is dit met het oog op de rendementsberekeningen een belangrijke input voor het Internal Rate of Return-model. Deze vraag wordt op basis van deskresearch en de eigen database beantwoord. Ik hoop beleggers hiermee inzicht te geven in de meest kansrijke kantorensteden.
1.4. Leeswijzer Het onderzoek is in verschillende fases verdeeld. Allereerst is gekeken naar de argumentatie achter het huidige geografische beleggingsbeleid van kantorenbeleggers (hoofdstuk 2). In hoofdstuk 3 wordt vervolgens stilgestaan bij verschillende vormen om het rendement op een belegging te bepalen. Hierbij wordt speciale aandacht geschonken aan het belang van de groeivoet van de huren en de waarde van de kantoren. Het bepalen van deze groeivoet staat namelijk centraal in deze scriptie. Uiteraard ben ik niet de eerste die een analyse opstelt van kantorensteden die het meest interessant zijn voor een belegger. Er zijn al diverse analyse-methoden ontwikkeld. De meest gehanteerde methoden worden omschreven in hoofdstuk 4. Mijns inziens kleven er echter veel tekortkomingen aan deze methoden. Deze tekortkomingen worden eveneens in dit hoofdstuk opgesomd. Het hoofdstuk wordt afgesloten met een paragraaf waarin wordt aangegeven waarom de methode van de ‘regiokantoren’ in mijn optiek een waardevolle aanvulling is Zoals in de vorige paragraaf aangegeven vormen de ontwikkelingen van een uitbreidings- naar een vervangingsmarkt en de concentratie- en reorganisatietrend de fundamenten van mijn hypothese. De ontwikkelingen van een uitbreidings- naar een vervangingsmarkt komt aan de orde in hoofdstuk 5, terwijl de concentratie- en reorganisatietrend in hoofdstuk 6 aan bod komt. In het eerste gedeelte van hoofdstuk 7 wordt een bestaand onderzoek naar de regionale rol van kantoormarkten nader bekeken. In het tweede gedeelte van dit hoofdstuk wordt het eigen onderzoek naar ‘regiosteden’ behandeld. De invloed van de regiofunctie op de lokale kantorenmarkt staat in het achtste hoofdstuk omschreven. Hierbij wordt met name aandacht besteed aan de invloed van de mate van de regiofunctie van een stad op de netto opname van kantoorruimte en de groeivoet van huren en de waarde. De scriptie wordt in hoofdstuk 9 afgesloten met de conclusies.
10
11
Hoofdstuk 2. Beleggingsbeleid institutionele beleggers 2.1. Inleiding Op de Nederlandse kantorenmarkt zijn bijna 40 Nederlandse institutionele beleggers actief. Op basis van data van de Vereniging van Institutionele Beleggers in Vastgoed Nederland (IVBN) kan worden ingeschat dat de waarde van de kantoren in handen van deze beleggers ongeveer 13 à 14 miljard Euro groot is. Het totale vloeroppervlakte dat de beleggers verhuren is ongeveer 6,5 miljoen m² groot. Om inzicht te krijgen in het beleggingsbeleid van de grote institutionele beleggers, heb ik van een negental grote beleggers het beleggingsbeleid geanalyseerd, te weten Altera Vastgoed NV, Annexum, ING Real Estate Investment Management, Nieuwe Steen Investments, KFN, VastNed Groep, Syntrus Achmea Vastgoed, Generali Vastgoed en Corio.
2.2. Beleggingsbeleid onderzochte fondsen Voor deze negen grote beleggers heb ik gekozen omdat hun beleggingsbeleid openbaar is en op basis van deskresearch te achterhalen viel. Deze negen beleggers vormen mijns inziens een goede dwarsdoorsnede van de Nederlandse institutionele vastgoedbeleggers, zowel naar omvang als specialisatie (pure kantoorbeleggers versus meer generieke vastgoedbeleggers). Daarnaast maken ze gezamenlijk een significant deel van de markt uit: ongeveer 45% van de waarde van de Nederlandse kantorenmarkt die in handen is van Nederlandse institutionele beleggers, en ongeveer 40% van het vloeroppervlak. Hierdoor kunnen op basis van deze negen fondsen uitspraken over het beleid van Nederlandse institutionele kantoorbeleggers gedaan worden. Tabel 2.1: Fondsen waarvan het beleggingsbeleid is geanalyseerd
Kantorenfonds Nederland Achmea Vastgoed (alleen Office Property Fund) Annexum Generali Vastgoed Nieuwe Steen Investments Altera Vastgoed Vastned Offices/Industrials ING Real Estate (alleen Dutch Office Fund I) Corio Offices Totaal
Fondsgrootte (in miljoen €) 1.600 370 90 150 730 275 500 1.700 500 5.915
Vloeroppervlak fonds (m²) 586.000 142.000 45.000 60.000 407.000 114.000 295.000 726.000 291.000 2.666.000
Aantal kantoren 91 27 16 8 94 19 95 64 28 442
Bron: diverse websites en jaarverslagen
Onderstaand staat kort per fonds de strategie omtrent de vestigingsplaatsvoorkeur weergegeven. Indien staat aangegeven hoe groot het aandeel van een stad in de beleggingsportefeuille is, dan is dit gebeurd op basis van metrage. Gegevens over de marktwaarde van de objecten zijn namelijk meestal niet openbaar.
12
Kantorenfonds Nederland 2 KFN concentreert zich op stedelijke knooppunten in de 16 economisch meest sterke en dynamische agglomeraties in Nederland. Het accent ligt op de Randstad, waarbinnen Amsterdam het zwaartepunt vormt (KFN, 2007). De portefeuille kende (ultimo 2007) grote posities in Amsterdam (18%) en Rotterdam (13%). Als gevolg van het feit dat KFN is ontstaan uit de vastgoedportefeuille van het in Heerlen gevestigde ABP is de regio zuidoost Nederland (Maastricht, Heerlen en Eindhoven) relatief fors vertegenwoordigd. Namelijk 20% versus 5% gemiddeld bij de andere acht fondsen (KFN, 2008). Achmea Vastgoed (Office Property Fund) Achmea Vastgoed omschrijft in het jaarverslag 2007 haar strategie als volgt: “Aims are diversification over regions (…). The emphasis is on office districts in or near the four big cities.” Slechts een deel van de portefeuille van Achmea Vastgoed, namelijk het Office Property Fund, is in het kader van deze scriptie onderzocht. Dit fonds streeft naar een vastgoedportefeuille die geografisch is gespreid, naar rato van de grootte van de lokale markten en de lokale economie (Achmea Vastgoed, 2008). Bijna 40% van de portefeuille is gesitueerd in Amsterdam (14%) en in de relatief kleine steden Den Bosch (12%) en Maastricht (12%). Annexum Annexum heeft als strategie om te beleggen in de Randstad. De gehele portefeuille is hier belegd. Enige uitzonderingen zijn een kantoor in Arnhem en een kantoor in Enschede. Bijna 40% van de portefeuille is belegd in Amsterdam en Rotterdam (Annexum, 2008). Nieuwe Steen Investments Nieuwe Steen Investments volgt een opportunistische strategie, die vooral gericht is op een hoog direct rendement en die de gebieden met de hoogste prijzen mijdt. Dit fonds heeft daarom in vergelijking met de meeste andere fondsen een afwijkend profiel van de kantorenportefeuille (Brouwer, 2007). ‘Slechts’ 29% van de portefeuille is gevestigd in de vier grote steden, terwijl bij de andere acht fondsen deze steden gemiddeld meer dan de helft van de portefeuille uitmaken. Kantoren in middelgrote steden met tussen de 50.000 en 150.000 inwoners (zoals Ede, Apeldoorn en Amersfoort) maken daarentegen relatief een groot gedeelte uit van de portefeuille (NSI, 2008). Generali Vastgoed Generali Vastgoed geeft op haar website aan alleen te willen beleggen in gebieden met een minimale kantorenvoorraad van ongeveer 150.000 m². De helft van de kantoren van Generali Vastgoed bevindt zich in Amsterdam (Generali Vastgoed, 2008).
2 Het pensioenfonds ABP en ING Real Estate hebben in januari 2008 overeenstemming bereikt over een transactie met betrekking tot KFN. Volgens de overeenkomst zal de KFN-portefeuille worden ondergebracht in twee kantorenfondsen die zijn geïnitieerd en worden beheerd door ING Real Estate.
13
Altera Vastgoed NV Altera Vastgoed NV omschrijft in het jaarverslag 2007 haar strategie als volgt: “Overweging ten opzichte van het ROZ/IPD universum in de vier grote steden in de Randstad (Amsterdam, Utrecht, Den Haag, Rotterdam) plus enkele regionale kernsteden (Eindhoven, Breda, Den Bosch, Amersfoort, Arnhem, Nijmegen en Zwolle). Het fonds richt zich bewust minder op de stedelijke overloopgebieden.” Altera Vastgoed kent een duidelijke overweging van Amsterdam en Utrecht. Deze twee steden maken samen de helft uit van de portefeuille. VastNed Offices/Industrials VastNed Offices/Industrials wenst te beleggen in grote liquide kantoormarkten. (VastNed Offices/Industrials, 2008). De portefeuille is over veel steden gespreid. Slechts in één stad is meer dan 8% van de portefeuille belegd, namelijk Amsterdam (20%). ING Real Estate (Dutch Office Fund) Het ING Dutch Office Fund heeft een duidelijke overweging in de vier grote steden (84% ten opzichte van 45% in de andere acht fondsen). Het fonds verwacht in de grootste steden op lange termijn de meeste economische dynamiek en een outperformance van de kantorenmarkt (ING Dutch Office Fund, 2008). Corio Offices Corio Offices heeft een focus op de Randstad. Ruim 90% van de portefeuille is hier geconcentreerd. De overige 10% is gesitueerd in Breda en Arnhem (Corio Offices, 2008). Door het project Hoog Catharijne is Utrecht oververtegenwoordigd in de portefeuille.
2.3. Conclusies beleggingsbeleid onderzochte fondsen Op basis van de negen onderzochte fondsen blijkt dat de meeste beleggers een voorkeur hebben voor de grote steden. In tabel 2.2 is van de negen portefeuilles het gewogen gemiddelde berekend van het aandeel van een stad in de beleggingsportefeuille3. Dit is vergeleken met het aandeel van de steden in de totale kantorenvoorraad. In onderstaande tabel zijn alleen kantorensteden met een metrage groter dan 300.000 m² opgenomen. Vooral de vier grote steden Amsterdam, Den Haag, Rotterdam en Utrecht maken gezamenlijk absoluut en relatief een groot deel uit van de portefeuilles van Nederlandse institutionele beleggers. Gezamenlijk vertegenwoordigen zij 38% van de kantorenvoorraad,en 53% van de beleggingsportefeuilles. Hierbij wordt opgemerkt dat de ‘satellietsteden’ zoals Diemen, Rijswijk, Capelle aan den IJssel en Maarssen nog niet zijn meegerekend. Binnen de vier grote steden is Den Haag een opvallende uitzondering: het aandeel in beleggingsportefeuilles is kleiner dan op basis van de kantorenvoorraad mocht worden verwacht. De grote invloed van overheidsinstellingen (veelal in handen van de Rijksgebouwendienst) is hier waarschijnlijk debet aan. 3
Op basis van metrages
14
Tabel 2.2: Aandeel per stad in totale kantorenvoorraad en in beleggingsportefeuille van de 9 onderzochte fondsen. gemeente Amsterdam
aandeel kantorenvoorraad 14%
aandeel beleggingsportefeuille 21%
gemeente Leeuwarden
aandeel kantorenvoorraad 1%
aandeel beleggingsportefeuille 0%
Den Haag
10%
7%
Nieuwegein
1%
2%
Rotterdam
8%
13%
Almere
1%
1%
Utrecht
6%
12%
Maastricht
1%
3%
Eindhoven
3%
3%
Haarlem
1%
0%
Haarlemmermeer
3%
4%
Tilburg
1%
0%
Arnhem
3%
1%
Capelle a/d IJssel
1%
1%
Den Bosch
2%
3%
Heerlen
1%
2%
Groningen
2%
2%
Nijmegen
1%
0%
Rijswijk
2%
1%
Leiden
1%
1%
Amersfoort
2%
2%
Enschede
1%
0%
Zwolle
2%
2%
Delft
1%
0%
Breda
2%
2%
Alkmaar
1%
0%
Apeldoorn
2%
1%
Deventer
1%
0%
Amstelveen
2%
1%
Zeist
1%
1%
Zoetermeer
2%
3%
Gouda
1%
2%
Hilversum
2%
0%
Totaal
84%
91%
Bron: diverse jaarverslagen, websites en Bak, 2007. Eigen bewerking.
De voorkeur van de institutionele beleggers gaat dus uit naar de grootste steden. Opvallend is dat de keuze van de fondsen voor bepaalde regio’s en steden meestal maar beperkt is onderbouwd. Soms wordt er aangegeven dat de grootste markten het meest liquide zijn en de beste (economische) groeivooruitzichten hebben, maar een echte onderbouwing lijkt in veel gevallen te ontbreken. Er wordt op stedelijk niveau slechts in beperkte mate gekeken naar het groeipotentieel van de huren en de waarde van de kantoren. Dat is opvallend aangezien het groeipotentieel een belangrijke rol speelt bij het te verwachten rendement. In het volgende hoofdstuk wordt op deze relatie verder ingegaan.
15
Hoofdstuk 3. Rendement op beleggingen in kantoren 3.1. Inleiding Als definitie van ‘beleggen’ gebruik ik de definitie die Van Gool e.a. hanteren in hun boek ‘Onroerend goed als belegging’ (2007, p.19): “Onder beleggen in onroerend goed wordt het –direct dan wel indirect – vastleggen van vermogen in onroerend goed verstaan, met het doel om uit de exploitatie en verkoop van het onroerend goed een toekomstige stroom geldelijke opbrengsten te realiseren”. Voor institutionele beleggers in onroerend goed doet deze definitie opgeld. Door middel van het beleggen in onroerend goed streven zij naar een zo hoog mogelijk rendement tegen een in hun ogen aanvaardbaar risico. Indien de belegger direct in vastgoed belegt, dus zelf panden in eigendom heeft, dan dient voordat een pand wordt geacquireerd, ingeschat te worden of het pand een toegevoegde waarde heeft voor de rendements/risicoverhoudingen van de portefeuille. Indien indirect wordt belegd, hetzij via vastgoedaandelen, hetzij via nietbeursgenoteerde fondsen, dan kan de belegger proberen in te schatten of de door het fonds geprognosticeerde rendementen realistisch zijn. In dit hoofdstuk sta ik alleen stil bij directe beleggingen. Er zijn verschillende manieren waarmee beleggers kunnen bepalen of een investering mogelijk interessant is. De meest gebruikte methoden zijn de netto en/of brutoaanvangsrendementmethode (NAR- en/of BAR-methode) en de discounted cashflowmethode (DCF-methode). In de volgende paragrafen ga ik kort in op deze twee methodes.
3.2. BAR- en/of NAR-methode Het bruto aanvangsrendement (BAR) is een in de vastgoedwereld veel gebruikt instrument om de (markt)waarde en de kwaliteit van een (koop)object uit te drukken. Rust e.a. geven de volgende definitie: “Onder het BAR wordt verstaan het aanvangsrendement, waarop een koper geacht wordt het project bij oplevering cq. aan het begin van de beheer- en exploitatieperiode te verwerven. Het BAR geeft dus de algemene opinie ten aanzien van de verhouding tussen markthuur en investering weer” (Rust e.a., 2000). Het BAR wordt verder gedefinieerd als: “het op het moment van verwerving geraamde te behalen beleggingsresultaat gedurende het eerste volledige jaar van exploitatie op een vastgoedinvestering” (Rust e.a., 2000). Het BAR wordt uitgedrukt als percentage van de bruto huuropbrengsten bij volledige verhuur tegen markthuurniveau ten opzichte van de totale verwervingskosten van het vastgoedobject. Dit wordt samengevat in de volgende formule: BAR =
Markthuur bij volledige verhuur jaar 1 Totale investering
16
Een groot voordeel van de BAR-methode is, dat het een relatief eenvoudige methode betreft met een beperkt aantal variabelen. Daarnaast is het resultaat van de waardebepaling goed communiceerbaar. Probleem is dat het BAR alleen het rendement weergeeft van het eerste jaar. De methode geeft echter geen inzicht in kasstromen van de daarop volgende jaren. De BAR-methode is dan ook vooral geschikt om het rendement te bepalen van langdurig verhuurd vastgoed met relatief stabiele kasstromen. Bij het bepalen van het bruto aanvangsrendement wordt geen rekening gehouden met de exploitatielasten. Het netto aanvangsrendement houdt hier wel rekening mee. Voor de berekening van het NAR wordt de volgende formule gebruikt: NAR =
Markthuur bij volledige verhuur jaar 1 - exploitatiekosten Totale investering
In feite zijn het BAR en NAR geen rendementen, maar zijn het parameters om de marktprijs van een object te bepalen (Rust, 2001). Een discounted cashflowmethode (DCF-methode) geeft daarentegen het effectieve rendement over de beschouwingsperiode.
3.3. DCF-methode Bij de DCF-methode zijn de inkomsten en uitgaven over de hele looptijd van een project meegenomen. Dit is een groot voordeel ten opzichte van de BAR- en/of NARmethode. Bij investeringen, waar de kasstromen gedurende de beschouwingsperiode aanzienlijk afwijken van het eerste jaar (te denken valt aan een jaar met groot onderhoud), valt een DCF-methode te prefereren boven een BAR- en/of NARmethode. De meest gebruikte DCF-methode is de Internal Rate of Return-methode (IRR-methode). In de DCF methode worden alle kasstromen (inclusief de investering) van een project in de tijd uitgezet. Vervolgens worden alle kasstromen contant gemaakt tegen een disconteringsfactor. De IRR is de disconteringsfactor (ofwel het rendement) waarmee de contante waarde van alle kasstromen gelijk aan nul zijn. Een aangekocht vastgoedobject dient dan, over de beschouwde exploitatieperiode genomen, een IRR te hebben dat minimaal gelijk is aan het vereiste rendement. Dit minimaal vereiste rendement van een belegging is normaliter opgebouwd uit een risicovrij rendement (meestal het effectieve rendement op 10-jarige staatsleningen), een premie voor het te lopen marktrisico, en een overige risicopremie voor de risico’s die de vastgoedbelegger verwacht. In de vastgoedwereld geldt de IRR als het rendement op de belegging (Rust e.a., 2000). De belangrijkste voordelen van het toepassen van de IRR-methode zijn: • De methode houdt rekening met de tijdswaarde van geld. • De methode houdt rekening met het moment waarop kasstromen beschikbaar komen.
17
De belangrijkste nadelen van de IRR-methode zijn: • De methode gaat er vanuit dat alle vrijkomende kasstromen tegen het IRRrendement kunnen worden herbelegd. • De methode geeft alleen een betrouwbaar beeld indien de vrijkomende kasstromen gelijkmatig zijn verdeeld over de looptijd van het fonds (Rust e.a., 2000). Om de IRR te kunnen berekenen, zijn er diverse variabelen nodig. De belangrijkste zijn: -eindwaarde c.q. de exit yield -contracthuurstijging (in % per jaar) -veronderstelde ontwikkeling van de leegstand -exploitatielasten -kosten van groot onderhoud en/of renovatiekosten -veronderstelde exploitatieperiode De belegger moet dus naar de toekomst kijken. Het doel van deze scriptie is om beleggers handvatten te bieden om de drie eerst genoemde variabelen beter te kunnen inschatten. 3.4. Verband BAR- en/of NAR-methode en DCF-methode Er bestaat een verband tussen de BAR- en/of NAR-methode en de DCF-methode. Indien wordt uitgegaan van een IRR-methode, dan kan grosso modo het verband tussen de BAR en/of NAR en de IRR worden versimpeld tot de volgende vergelijking, waarbij met ‘groeivoet’ de groeivoet van alle kasstromen (huren en waarde) wordt bedoeld (Hogeschool van Utrecht, 2001). IRR = (BAR x (1- (exploitatiekosten/brutohuur))) + groeivoet of IRR = NAR + groeivoet Het komt er dus op neer dat hoe lager de groeiverwachting is van een langdurig verhuurd object, des te hoger het BAR/NAR moet zijn dat de belegger eist om tot een zelfde IRR te komen (Den Heijer e.a., 1997). Deze relatie tussen NAR (of BAR) en de IRR geldt alleen als de inkomsten, de uitgaven en de waarde van het vastgoed jaarlijks met eenzelfde percentage groeien (de groeivoet). Dit zal echter meestal niet exact het geval zijn. Wel geeft de NAR+groeivoet benadering meestal een goede indicatie van de IRR die ongeveer verwacht kan worden. Een laag NAR (of BAR) in relatie tot een hoge IRR duidt erop dat een hoge waardegroei van het vastgoed en de huurinkomsten wordt verondersteld. In deze scriptie wordt alleen ingegaan op de groeivoet van de huren en de waarde van kantoren, en niet specifiek op het rendement. Voor het bepalen van het uiteindelijke rendement moet naast de groeivoet namelijk ook het aanvangsrendement bekend zijn. Deze scriptie gaat niet in op aanvangsrendementen, aangezien beleggers zelf op basis van groeivoet verwachtingen moeten kunnen bepalen welk aanvangsrendement ze voor een kantoor over hebben.
18
Opgemerkt wordt dat een hoge groeivoet niet een hoog rendement hoeft te betekenen. Rust (2000) geeft het voorbeeld van Frankfurt. Deze stad heeft zeer lage aanvangsrendementen van ongeveer 4%. Dit houdt in dat de kantoren een stabiele groeivoet van 5% moeten hebben om tot een rendement van 9% te komen. In perifeer gelegen steden, met een aanvangsrendement van bijvoorbeeld 8%, zal bij een huur- en waardestijging die ‘slechts’ de inflatie volgen het rendement hoger uitkomen dan in Frankfurt. Uiteraard wel onder voorwaarde dat de kantoren continu zijn verhuurd. 3.5. Conclusie Bij de acquisitie van een kantoor valt het BAR/NAR te bepalen. Voor de berekening van het IRR speelt naast het BAR/NAR het groeipotentieel een belangrijke rol. In deze scriptie probeer ik na te gaan welke steden in Nederland het beste groeipotentieel bieden, met andere woorden: waar de groeivoet van alle kasstromen (huren en waarde) het hoogste is. Gecombineerd met de momenteel geldende aanvangsrendementen kunnen de regio’s met de beste IRR verwachtingen worden gevonden. Hierbij ga ik uitgegaan van een stabiele groeivoet. Het beste groeipotentieel bieden steden waar de kantorenmarkt het krapst is, oftewel waar de vraag in vergelijking tot het aanbod het hoogst is (De Wit, 2007). Theoretisch gezien zijn in deze steden zowel de huurgroei als de waardegroei van een object het hoogst. Belangrijk is dus om te weten, wat de vraag naar kantoorruimte de komende jaren op lokaal niveau is. Het volgende hoofdstuk gaat hier op in.
19
Hoofdstuk 4. Methoden om kantorenvraag te prognosticeren 4.1. Inleiding Door diverse instituten en onderzoeksbureaus is reeds uitvoerig onderzoek gedaan naar de manieren waarop de kantorenmarkten met de beste groeivooruitzichten gedetecteerd kunnen worden. Bekende rapporten zijn ‘Kijk op kantoren 2003’ van Nyfer (2003) en ‘Ontwikkelingen en prognoses regionale kantorenmarkt’ van Bureau Louter (2007). Er zijn verschillende methoden om tot een prognose van de toekomstige vraag naar kantoorruimte te komen. In de volgende paragraaf wordt bij de meest gebruikte methoden kort stilgestaan. Alle methoden hebben echter een of meer tekortkomingen. Hier wordt eveneens kort aandacht aan besteed (paragraaf 4.3.).
4.2. Meest gebruikte methoden In deze paragraaf beschrijf ik kort de zes meest gebruikte methoden om de vraag naar kantoorruimte te detecteren. Extrapolatiemethode Een veel gebruikte methode voor een eerste inschatting van de toekomstige vraag naar kantoorruimte is de extrapolatiemethode. Hierbij wordt de opnametrend uit het verleden naar de toekomst doorgetrokken. Veel onderzoeksbureaus passen de extrapolatie aan op basis van inschattingen of de stad in de toekomst beter of minder goed in staat is om kantoorgebruikers te binden. Indien een stad bijvoorbeeld beter bereikbaar wordt door een nieuwe snelweg, dan wordt de geëxtrapoleerde opname verhoogd. Vice versa kan de verwachte opname worden verlaagd, als bijvoorbeeld de congestie rondom een stad toeneemt. Beroepsbevolkings-terreinquotiëntenmethode Bij de beroepsbevolkings-terreinquotiëntenmethode liggen prognoses van de omvang van de beroepsbevolking ten grondslag aan de raming van de vraag naar kantoorruimte. De logica is dat uit het toekomstige bevolkingsaanbod en de ontwikkeling van de participatiegraad via een quotiënt de behoefte aan kantoorruimte kan worden afgeleid. De quotiënt is het aantal vierkante meters kantoorruimte per (potentiële) werknemer. De werkgelegenheid volgt hierbij de bevolkingsontwikkeling. Deze demografische methode kan nog worden verfijnd of aangepast door bijvoorbeeld de te verwachten pendelsaldi bij het bepalen van de toekomstige beroepsbevolking te betrekken (Peters, 2003). Werkgelegenheids-terreinquotiëntenmethode Veel modellen steunen op de veronderstelling dat de vraag naar kantoorruimte het beste kan worden voorspeld op basis van een schatting van het ruimtegebruik per werknemer per sector (de terreinquotiënt) en de evolutie in het aantal banen per sector. In deze methode worden de regionale werkgelegenheidsprognoses, al dan niet uitgesplitst naar sector, als basis gebruikt. Er wordt hierbij een positief lineair verband verondersteld tussen de ontwikkeling van de werkgelegenheidsontwikkeling en ruimtevraag (CPB, 2002).
20
Uit vergelijkende studies blijkt dat de werkgelegenheids-terreinquotiëntenmethode betere resultaten oplevert dan de beroepsbevolkings-terreinquotiëntenmethode. Daarom wordt deze methode ook steeds vaker toegepast (Witlox en DeRudder, 2005). Economische terreinquotiëntenmethode De economische terreinquotiëntenmethode steunt op het idee dat ruimtegebruik kan worden verklaard op basis van economische ‘vitaliteitscijfers’, zoals verkregen uit de jaarrekeningen op individueel bedrijfsniveau. Te denken valt aan bijvoorbeeld de groei van de omzet. De redenering die aan de basis van deze methode ligt, is dat ruimtegebruik van een kantoor samenhangt met de economische vitaliteit van de onderneming. Hoe ‘vitaler’ een onderneming, hoe groter de kans op uitbreidingen (Witlox en DeRudder, 2005). Economische methode In de economische methode worden nationale economische prognoses, zoals gemeten aan de hand van de ontwikkeling van de bruto toegevoegde waarde en de arbeidsproductiviteit per bedrijfstak, doorvertaald naar het regionale niveau om de aard en de omvang van de regionale werkgelegenheidsontwikkeling per bedrijfstak te kunnen bepalen. Vervolgens wordt door middel van een terreinquotiënt per sector de verwachte vraag naar kantoren vastgesteld (NEI en BCI, 1997). Bedrijvenconsultatiemethode In de bedrijvenconsultatiemethode wordt het bedrijfsleven door middel van interviews of enquêtes benaderd. Kantoorgebruikers wordt gevraagd naar de toekomstig te verwachten ruimtebehoefte. Op grond hiervan wordt een prognose van de behoefte aan kantoorruimte gemaakt.
4.3. Tekortkomingen huidige methoden Aan de bovenstaande methodes kleven diverse bezwaren, die de bruikbaarheid ervan beperken. De belangrijkste zijn: 1. De beperkte verklaringsgraad van de meeste methoden. Alhoewel bijvoorbeeld de werkgelegenheids-terreinquotiëntenmethode theoretisch logisch lijkt, blijkt dat de resultaten beperkt zijn. De verklaringsgraad van deze methode binnen één bedrijfssector bijvoorbeeld is slechts 24% (CPB, 2002). Dus minder dan een kwart van de variantie in het ruimtegebruik wordt verklaard door een mutatie van het aantal werknemers. Bij de beroepsbevolkings-terreinquotiëntenmethode ligt de verklaringsgraad nog lager. De suggestie dat de ontwikkeling van beroepsbevolking één op één doorvertaald kan worden naar een toenemend aantal banen en kantorenvraag is dus niet correct. De beperkte werkgelegenheid en in gebruik genomen kantorenvoorraad in groeikernen zoals Lelystad en Purmerend is hier een voorbeeld van. 2. Veelal wordt aangenomen dat ontwikkelingen in het verleden zonder meer doorzetten in de toekomst. Dit is niet correct. Dit is dé zwakte van de extrapolatiemethode. Eventuele correcties op basis van kwalitatieve aspecten (zoals een betere bereikbaarheid) zijn een verbetering, maar extrapolatie gaat voorbij aan te veel andere
21
ontwikkelingen die kantoorgebruik bepalen. Te veel parameters worden bij de extrapolatie- en anderen methoden over de tijd heen constant gehouden. In de meeste ramingen wordt bijvoorbeeld uitgegaan van een ongewijzigd overheidsbeleid. Met een ruimtelijk beleid dat sterk van de historische trend afwijkende ruimtelijkeconomische effecten heeft, wordt meestal geen rekening gehouden (Dekkers en Koomen, 2006). 3. Het ontbreken van een goede theoretische onderbouwing van de samenhang van de ruimtevraag als de te verklaren variabele en de verzameling met verklarende variabelen (Witlox en DeRudder, 2005). 4.Veel van de methoden hebben een grote bandbreedte van de voorspellingen, waarbij er met name een grote onzekerheid is naar de regionale vertaling van de landelijke uitkomsten. Dit is bijvoorbeeld de grote zwakte van de economische methode. 5. De matige beschikbaarheid van goede werkgelegenheidscijfers per sector en per regio. Dit ondermijnt met name de resultaten van de werkgelegenheidsterreinquotiëntenmethode. Hoewel diverse onderzoeksbureaus onderbouwde inschattingen maken (zoals Bureau Louter, Buck Consultants International, Stec Groep en Ecorys)4, vallen zeker op lokaal niveau de voorspellingen niet beter te omschrijven als een zeer globale indicatie. 6. Sommige van deze methoden hebben een laag gebruiksgemak en vergen veel onderzoek, hetgeen veel geld en tijd kost. De economische terreinquotiënten-methode en de bedrijvenconsultatiemethode kunnen weliswaar redelijk betrouwbare resultaten opleveren, maar het probleem is dat voor uitspraken op lokaal niveau voor alle gemeentes zeer veel jaarverslagen doorgespit moeten worden respectievelijk kantoorgebruikers geënquêteerd moeten worden. 7. Het is moeilijk in te schatten hoe groot de consequenties zijn van fouten in de ramingen van de inputgegevens op de uiteindelijke ruimteramingen (Witlox en DeRudder, 2005). 8. Over het algemeen wordt uitgegaan van een lineair verband tussen ruimtebeslag als afhankelijke variabele en de onafhankelijke verklarende variabelen (CPB, 2002). Dit is niet correct. Reeds intuïtief kan worden beargumenteerd dat bij een toenemende bedrijfsomvang zuiniger omgesprongen zal worden met het gebruik van ruimte.
4.4. De regiokantoren-methode De kritiek op de meest gebruikte onderzoeksmethoden heeft dus vooral betrekking op het gemis aan een goede theoretische onderbouwing, op de beperkte verklaringsgraad, de matige beschikbaarheid aan bruikbare gegevens en het statisch karakter van sommige technieken. Om dit te ondervangen combineren veel onderzoeksbureaus diverse methodes. Aan de hand van de verschillende uitkomsten worden vervolgens bandbreedtes opgesteld.
4 Bureau Louter hanteert bijvoorbeeld het Opera-model, dat is gebaseerd op het aantal arbeidsplaatsen (combinatie van CBSRARBON en CBS-Landbouwtellingen) en LISA (cijfers over werkgelegenheid en economische activiteit per bedrijfsvestiging), sectorale ontwikkeling per scenario, toekomstige ontwikkeling van het aantal inwoners per gemeente en verklarende variabelen (locatiefactoren) plus parameterschattingen. De methode is een shift-share analyse. De ‘share’ (het structuureffect) wordt bepaald op gemeenteniveau, de ‘shift’ (het differentieel effect) wordt bepaald met behulp van een verklarend model, waarbij gemeentelijke ‘shifts’ uit het verleden via een regressiemodel verklaard worden uit de scores op een grote set locatiefactoren. Kortom, het model trekt in feite oude trends door naar de toekomst op basis van verwachtingen over inwonerontwikkeling. De methodes van andere onderzoeksbureau komen in grote mate hiermee overeen, zoals het PROVEST-model van BCI en Sinfore van Ecorys.
22
Weliswaar leidt dit tot een verbetering, maar de uiteindelijke voorspelkracht blijft beperkt. In deze scriptie probeer ik een aanvulling op de gebruikte methoden te formuleren. Daarbij ga ik voor landelijk gespreid gehuisveste bedrijven en instellingen na waar hun regiokantoren zijn gehuisvest. Op basis van deze geografische analyse formuleer ik een verwachting met betrekking tot de groeisnelheid van de in gebruik genomen voorraad in diverse steden. In hoofdstuk 7.3. wordt deze methode verder uitgelegd. Het voordeel van de regiokantoren-methode is dat het in tegenstelling tot de meeste andere methoden is gebaseerd op de voorkeuren van de bedrijven en instellingen zelf. Uiteindelijk maken zij de keuze voor de vestigingslocatie van hun kantoren. Aan deze keuze liggen veel (verschillende) oorzaken aan ten grondslag. Deels gaat het om de geijkte redenen zoals bereikbaarheid, de beschikbaarheid van adequaat opgeleid personeel en imago van een stad. Deels gaat het om persoonlijke en intuïtieve redenen van de directie, of om redenen die met de bedrijfscultuur te maken hebben. Dit zorgt ervoor dat niet alles in theorie valt te vatten. In deze scriptie ligt daarom de nadruk op de praktijk. Uiteraard is deze aanpak ook niet zaligmakend, maar het levert wel extra informatie op. In combinatie met andere methoden kan een verwachting worden uitgesproken in welke steden de vraag naar kantoren, en daarmee mogelijk de groeivoet van de huren en de waarde, het snelst groeit. De regiokantoren-methode begint met de (historische) vraagverwachtingen en beschrijvingen van de relevante trends op de kantorenmarkt. Dit zijn namelijk de fundamenten voor de regiokantoren-methode. Vervolgens wordt de methode verder uitgewerkt, en worden conclusies getrokken.
23
Hoofdstuk 5. Ontwikkeling opname op de kantorenmarkt 5.1. Vraagontwikkeling op de kantorenmarkt Belangrijk voor beleggers in de kantorensector zijn de vraag-aanbodontwikkelingen op deze markt. Als de vraag het aanbod overtreft, zal dit een positief effect hebben op het rendement, terwijl in perioden dat het aanbod groter is dan de vraag dit een negatieve uitwerking zal hebben (De Wit, 2007). De vraag-aanbodverhoudingen zijn cyclisch, periodes met overaanbod worden afgewisseld door periodes met krapte op de markt. Zo was er eind jaren negentig sprake van een krapte op de kantorenmarkt. Sinds 2001 is het aanbod echter aanzienlijk gestegen, met een piek in 2005. Figuur 5.1: Bruto opname en aanbod kantoorruimte in Nederland (m²)
Bron: CB Richard Ellis, 2008
Op basis van bovenstaande grafiek kan op het eerste gezicht niet de conclusie worden getrokken dat een tegenvallende vraag aan het overaanbod ten grondslag ligt. De opname lag in de periode 2001 t/m 2007 namelijk rond het langjarige gemiddelde van de periode 1990 t/m 2007, namelijk op bijna 1.500.000 m² per jaar. Op basis van de grafiek zal al snel de conclusie kunnen worden getrokken dat aan het overaanbod iets anders ten grondslag ligt, namelijk bijvoorbeeld te veel nieuwbouw in korte tijd. Bovenstaande grafiek geeft echter een vertekend beeld. Dit komt doordat de Nederlandse makelaarskantoren rapporteren over de bruto opname. Dat is het aantal vierkante meters kantoorruimte dat in een jaar contractueel wordt opgenomen op de vrije markt. In die rapportages worden ook verhuisbewegingen die niet tot een groter ruimtegebruik leiden meegenomen (Van Gool en Vos, 2002). Als een kantoorgebruiker bijvoorbeeld naar een even groot kantoor elders verhuist, is er weliswaar sprake van een bruto opname, maar als het kantoor dat de kantoorgebruiker achterlaat niet wordt opgevuld, dan is er netto gezien geen sprake van een opname. Een hoge bruto opname hoeft dus niet te betekenen dat de in gebruik zijnde voorraad daadwerkelijk toeneemt.
24
Als proxy voor de jaarlijkse netto opname kan de ontwikkeling van de in gebruik zijnde voorraad worden genomen. De in gebruik zijnde voorraad houdt het gedeelte van de voorraad in dat niet leeg staat. Onderstaande grafiek geeft de ontwikkeling van deze voorraad weer. Figuur 5.2: Totaal in gebruik zijnde kantoorvoorraad, 1990 t/m 2007 (in mln. m² bvo) 50
45
40
35
30
25
2007
2006
2005
2004
2003
2002
2001
2000
1999
1998
1997
1996
1995
1994
1993
1992
1991
1990
20
Bron: Bureau Louter, 2008
In de periode 1990 t/m 2002 was er sprake van een snelle groei van de in gebruik zijnde voorraad kantoorruimte. In deze periode nam deze voorraad met 50% toe. Deze snelle stijging van het aantal in gebruik zijnde vierkante meters kantoorruimte kwam enerzijds door een verschuiving in de bedrijfstakstructuur in de richting van activiteiten met een betrekkelijk hoog percentage kantoorgebonden werkgelegenheid (de ‘verdienstelijking’ van de economie), anderzijds door een stijging van het percentage kantoorgebonden werkgelegenheid in de afzonderlijke bedrijfstakken (de ‘verkantorisering’ van de economie). Deze steeds verdergaande verdienstelijking en verkantorisering werd gefaciliteerd door een snel toenemende beroepsbevolking in deze periode (CPB, 2005). In het jaar 2002 trad een trendbreuk op in de ontwikkeling van de hoeveelheid in gebruik zijnde voorraad. In het decennium daarvoor nam de in gebruik zijnde voorraad jaarlijks met 1,2 miljoen m² toe. De opname was in deze periode relatief stabiel. In de vijfjaarsperiode 2003 t/m 2007 is de totale in gebruik zijnde voorraad met minder dan 1 miljoen m² toegenomen, hetgeen inhoudt dat er jaarlijks gemiddeld minder dan 0,2 miljoen m² aan de in gebruik zijnde voorraad is toegevoegd. Dit betekent dat er over de periode 2003 t/m 2007 gemiddeld genomen jaarlijks ruim 1 miljoen m² minder netto door de kantorenmarkt is opgenomen dan in het decennium ervoor. Een reden van de trendbreuk is dat de groei van de werkgelegenheid en het tempo van verdienstelijking en verkantorisering van de economie de laatste jaren aanzienlijk lager ligt dan in de periode 1990 t/m 2002. Het CPB verwacht dat de komende jaren de snelheid van verdienstelijking en verkantorisering steeds verder afzwakt, aangezien
25
het aandeel kantoorwerkgelegenheid in de totale werkgelegenheid tegen zijn grenzen aan begint te lopen (CPB, 2005). Daarnaast is er nog een (mogelijke) reden dat het groeitempo van de in gebruik zijnde voorraad zal afnemen: door sommige wetenschappers, waaronder Eichholz en Brounen, wordt verwacht dat de beroepsbevolking de komende jaren minder snel zal groeien en over een decennium zelfs gaat afnemen. Dit heeft volgens Eichholz en Brounen negatieve consequenties voor de vraag naar vastgoed (Eichholz en Brounen, 2004). Als gevolg hiervan zal de uitbreidingsvraag de komende jaren naar verwachting aanzienlijk lager uitvallen dan in de periode 1990 t/m 2002. Het Centraal Planbureau heeft hier een uitvoerige studie naar uitgevoerd, getiteld ‘De vraag naar ruimte voor economische activiteit tot 2040’. In deze studie presenteert het CPB vier economische scenario's voor Europa tot aan het jaar 2040: • Strong Europe • Global Economy • Regional Communities • Transatlantic Market. De scenario's zijn ontwikkeld rond twee sleutelonzekerheden: internationale samenwerking en institutionele hervormingen. In de scenario's Strong Europe en Global Economy neemt internationale samenwerking een prominente rol in, terwijl dat niet het geval is in de twee andere scenario's. Overheidsinstituties zijn belangrijk in Strong Europe en Regional Communities, hetgeen leidt tot een hogere werkloosheid en een lagere arbeidsmarktparticipatie. In Global Economy en Transatlantic Market is de rol van de publieke sector beperkt. In deze laatste scenario's is meer ruimte voor private initiatieven. In de scenario’s wordt op diverse andere ontwikkelingen verder ingegaan, zoals bevolkingsontwikkeling, immigratie, effecten van handelsliberalisatie en economische integratie, hoogte van de spaarquote en ontwikkeling van de reële rente. Uiteindelijk heeft het CPB op basis van de ontwikkelingen per scenario zowel voor bedrijfsruimte als voor kantoren een ruimtevraag opgesteld. In alle scenario’s valt de jaarlijkse netto opname die wordt geprognosticeerd voor de periode 2002 t/m 2020 aanzienlijk lager uit dan in het voorafgaande decennium (zie figuur 5.3). De jaarlijkse netto opname varieert tussen ongeveer 200.000 m² (Regional Communities) en 800.000 m² (Global Economy). Bij de twee andere varianten ligt deze opname rond de 500.000 m². Uitgaande van een gemiddelde netto opname van 500.000 m², ligt de jaarlijkse netto opname in de periode 2002 t/m 2020 op minder dan de helft van de periode 1990 t/m 2002. Voor de periode 2021 t/m 2040 is de netto opname in twee scenario’s (Regional Communities en Transatlantic Market) zelfs negatief, en in het scenario Strong Europe is het te verwaarlozen. Alleen in het scenario Global Economy is er nog sprake van enigszins een substantiële netto opname: 240.000 m² per jaar. Maar dit is ook nog maar slechts 1/5e deel van de netto opname die de kantorenmarkt in de periode 1991 t/m 2001 kende.
26
Figuur 5.3: Gemiddeld jaarlijkse netto opname van kantoorruimte in vier CPB-scenario’s
Bron: CPB, 2005
5.2. Vervangings- en uitbreidingsvraag Als gevolg van de hierboven omschreven ontwikkelingen, is het de verwachting dat de vervangingsvraag een steeds belangrijkere rol gaat spelen in de totale opname. De vervangingsvraag is de opname die wordt gegeneerd door kantoorgebruikers die naar een ander, ongeveer even groot kantoor verhuizen. Aan de verhuizing kunnen diverse redenen ten grondslag liggen, zoals bijvoorbeeld technische veroudering, het kwalitatief niet meer voldoen aan de nieuwe eisen van de gebruiker en veranderende locatiewensen (Zuidema, 2006). De vervangingsvraag zal de komende jaren in vergelijking tot de uitbreidingsvraag aan belang winnen. Ten eerste komt dit door de hierboven reeds beschreven afnemende uitbreidingsvraag. Ten tweede is de kantorenvoorraad steeds verder toegenomen, waardoor de absolute vervangingsvraag verder toeneemt. Als een soort vuistregel bedraagt de vervangingsvraag jaarlijks 1,5% van de voorraad. De Nederlandse kantorenvoorraad is momenteel (inclusief kantoren kleiner dan 500 m²) ongeveer 53 miljoen m² groot. Beduidend meer dan de 35 miljoen m² in 1990 (Zuidema, 2006). Afgezet tegen het vervangingspercentage van 1,5% zal de vervangingsvraag in de periode 2006 t/m 2015 gemiddeld op 0,8 miljoen m² liggen, tegen ongeveer 0,55 miljoen m² gemiddeld in de periode 1990 t/m 2005. Op basis van deze ontwikkelingen komt het Economisch Instituut voor de Bouwnijverheid tot het volgende aandeel van de uitbreidings- en vervangingsvraag binnen de totale opname van kantoorruimte: Tabel 5.1: Gemiddelde aandeel uitbreidings- en vervangingsvraag in totale opname van kantoorruimte Periode 1991 t/m 2005 2006 t/m 2015 (prognose)
Aandeel uitbreidingsvraag 67% 45%
Jaarlijks metrage gemiddeld 1,10 mln² 0,65 mln²
Aandeel vervangingsvraag 33% 55%
Jaarlijks metrage gemiddeld 0,55 mln² 0,80 mln²
Bron: M. Zuidema, eigen bewerking
De uitbreidingsvraag zal dus dalen van 1,1 miljoen m² jaarlijks gemiddeld over de periode 1991 t/m 2005 tot 0,65 miljoen m² jaarlijks gemiddeld over de periode 2006
27
t/m 2015. De inschatting van de uitbreidingsvraag ligt tussen de Strong Europe en Global Economy/Transatlantic Market scenario-prognoses van het CPB in. Opgemerkt wordt dat het gemiddeldes betreft. Indien van een lineaire trend wordt uitgegaan, dan maakte de uitbreidingsvraag in 1991 nog driekwart uit van de totale opname, terwijl het in 2015 er nog maar ongeveer 40% deel uit van zal maken.
5.3. Gevolgen voor de beleggers Voor kantoorbeleggers is de netto opname van meer belang dan de bruto opname. Er kan weliswaar sprake zijn van een hoge bruto opname, maar als de netto opname nihil is, dan blijft de ‘koek’ aan in gebruik zijnde kantoorruimte, die wordt verdeeld tussen de beleggers, even groot. De analyse in dit hoofdstuk duidt er op dat de netto opname structureel aan het afvlakken is. Uit de beleggingsstrategieën van de negen in deze scriptie onderzochte institutionele beleggers blijkt echter dat de meeste van deze fondsen streven naar een uitbreiding van de portefeuille. Hierdoor zal de concurrentie tussen beleggers verder toenemen. Kantoorgebruikers moeten dan nog meer dan nu worden verleid om bij een belegger te gaan huren. Hier hangt een prijskaartje aan (bijvoorbeeld in de vorm van huurkortingen), hetgeen het rendement onder druk zal zetten. Voor beleggers is het van belang om de markten te vinden, waar nog wel sprake zal zijn van een substantiële netto opname. Dit zijn markten waar sprake is van een autonome uitbreidingsvraag en/of een vervangingsvraag van bedrijven/instellingen die momenteel elders zijn gehuisvest. Het volgende hoofdstuk gaat in op deze vervangingsvraag, en dus op relevante (verhuis-) trends onder kantoorgebruikers.
28
29
Hoofdstuk 6. Relevante trends onder kantoorgebruikers 6.1. Reorganisatie –en concentratietendens Het laatste decennium is er sprake geweest van een reorganisatie- en concentratietendens op de Nederlands kantorenmarkt. Er zijn in een aantal specifieke deelsectoren flinke reorganisaties doorgevoerd. Met name accountants- en advocatenkantoren, financiële dienstverleners en verzekeraars hebben verschillende vestigingen op centrale plekken geconcentreerd (FGH Bank, 2008). Als gevolg van de reorganisatie– en concentratietendens ontstaat steeds meer schaalvergroting. Als belangrijkste reden voor het samenvoegen van kantoren wordt door Nederlandse bedrijven en instellingen meestal allereerst kostenvoordelen genoemd. Andere overwegingen zijn vaak: een hogere efficiëntie en het uitdragen van één cultuur en merkstrategie (FGH Bank, 2008). Daarnaast zijn er nog een tal van andere mogelijke factoren te noemen. In het kader op de volgende pagina zijn op basis van deskresearch enkele berichtgevingen verzameld omtrent reorganisatie, vestigingsplaatsvoorkeur, bedrijfsverplaatsing, of samenvoeging van activiteiten. Zoals uit het kader blijkt, worden er diverse factoren genoemd, zoals de dynamiek in het verzorgingsgebied, omvang van het personeel per kantoor en de omvang van het verzorgingsgebied.
6.2. Geografische trend Landelijk gezien is er een trend gaande, waarbij kantoorgebruikers naar de dichtstbevolkte gebieden trekken, met name naar de Randstad. Dit blijkt uit diverse onderzoeken die zijn gebaseerd op het mutatieregister van de Kamer van Koophandel. Met name het noorden van het land verliest kantoorgebruikers aan gebieden die dichter bevolkt zijn. Kaart 6.1: Bestemming van vertrekkende kantoorgebruikers, aggregatie jaren 2001, 2003 en 2005 (excl. overheid en non-profit) in %
89 1
3
1
95 6
5 90 6
4
2
93
2 2
2 1
Bron: Inbo Adviseurs (2001, 2003, 2005); eigen bewerking
30
31
Een gevolg van de reorganisatie– en concentratietendens is dat organisaties steeds meer worden opgesplitst in back-offices en hoofdkantoren. Hierbij is een trend zichtbaar dat het hoofdkantoor relatief vaak in de Randstad wordt gevestigd. Voor de Randstad wordt vaak gekozen omdat het bij de vestigingsplaatskeuze van hoofdkantoren van belang is dat het goed is gesteld met de leefomgeving, kwaliteit van de arbeidsmarkt, infrastructuur en nabijheid van andere (internationale) hoofdkantoren. Binnen Nederland biedt alleen de Randstad een dergelijk klimaat. Overige activiteiten (met name back-offices) worden steeds vaker geconcentreerd in regiosteden in de overige delen van het land. Voor regiokantoren en call centra zijn namelijk met name de beschikbaarheid van personeel, goede bereikbaarheid, en arbeids- en huisvestingskosten van belang (Stec Groep, 2002). De verwachting is dat er de komende jaren een verdergaande concentratietendens van kantoren gaat plaatsvinden. De trend is dat bedrijven en instellingen zich steeds meer vestigen in de grotere steden met meer dan 100.000 inwoners. Dit gaat ten koste van kleinere en middelgrote steden (FGH Bank, 2008). Opgemerkt wordt dat bij deze trend onderscheid gemaakt moet worden tussen het schaalniveau waarop organisaties werkzaam zijn. Kantoorhoudende organisaties met een lokaal werkveld maken geen afweging op het niveau van regionale vestigingsplaatsen, maar zoeken huisvesting in de gemeente waar ze actief zijn. Regionaal en nationaal opererende organisaties maken vaak wel de keuze tussen twee of meerdere steden (Inbo, 2007). De trend van de verplaatsing van (hoofd-)kantoren naar dichtbevolkte gebieden wordt bevestigd door de Database Bovenregionale Locatiebeslissingen van de Stec Groep. Sinds 2000 houdt de Stec Groep deze database bij. De database geeft een overzicht van (aangekondigde) strategische locatiebeslissingen in Nederland met een omvang van ten minste 50 arbeidsplaatsen. De database onderscheidt vijf typen locatiebeslissingen: • eerste vestiging in Nederland van een buitenlands bedrijf; • een bedrijfsuitbreiding binnen Nederland door middel van een nieuwe locatie elders in Nederland (> 25 km); • een bedrijfsverplaatsing over grotere afstand binnen Nederland (> 25 km) • een samenvoeging over grotere afstand van verschillende bedrijfsactiviteiten op één nieuwe locatie (> 25 km); • toevoeging van nieuwe activiteiten op bestaande locatie na stedenselectie (Stec Groep, 2008). De Stec Groep houdt deze database voor diverse sectoren bij, zoals onder andere voor ‘distributie’, ‘productie/assemblage’ en ‘research & development’. Van alle sectoren is voor deze scriptie de sector ‘verkoop-, marketing en consultancykantoren’ het meest interessant, aangezien het in deze sector gaat om kantoorgebruikers pur sang. In de meeste andere sectoren speelt bedrijfsruimte in de huisvesting een belangrijke rol. Een bijkomend voordeel van de sector ‘verkoop-, marketing en consultancykantoren’ is dat dit kantoorgebruikers zijn met over het algemeen relatief veel landelijk gespreide kantoren.
32
In mijn analyse heb ik alleen de kantoorgebruikers binnen de sector ‘verkoop-, marketing en consultancykantoren’ betrokken, die aan minimaal één van onderstaande voorwaarden voldoen: -een bedrijfsuitbreiding binnen Nederland door middel van een nieuwe locatie elders in Nederland (> 25 km) -een bedrijfsverplaatsing over grotere afstand binnen Nederland (> 25 km) -een samenvoeging over grotere afstand van verschillende bedrijfsactiviteiten op één nieuwe locatie (> 25 km). Het blijkt dat op basis van bovenstaande criteria sinds 2000 in de ‘verkoop, marketing en consultancy’ 51 kantoren zijn gesloten en 32 nieuw zijn geopend. In totaal waren hier ruim 7900 banen mee gemoeid. Uitgaande van een gemiddeld ruimtegebruik van 25 m² per medewerker, betreft het een ruimtegebruik van ongeveer 200.000 m². Hiermee geeft de database van de Stec Groep een goede indicatie van de migratiebewegingen van kantoorgebruikers. Onderstaande kaart geeft het patroon weer van het openen en sluiten van kantoren. Kaart 6.2: Nieuwe en gesloten kantoren als gevolg van bedrijfsuitbreiding, bedrijfsverplaatsing en samenvoeging verschillende bedrijfsactiviteiten (n=83)
Nieuw kantoor Gesloten kantoor
Bron: Stec Groep, 2008. Eigen bewerking
De concentratietendens waarbij bedrijven en (overheids-)instellingen zich steeds meer vestigen in de grotere steden, ten koste van kleinere en middelgrote komt ook uit de database van de Stec Groep naar voren. Wel wordt opgemerkt dat de database eveneens laat zien dat deze tendens niet voor alle steden opgeld doet. Sommige grote steden verliezen kantoorgebruikers, terwijl enkele kleinere steden juist in staat zijn om meer kantoorgebruikers aan zich te binden.
33
Indien wordt gekeken naar de grootte van een stad op basis van het aantal inwoners en de omvang van de kantorenvoorraad, dan blijkt er –ondanks de uitzonderingen- er grosso modo een verschuiving gaande te zijn naar de grote steden. In onderstaande tabel staat behalve een gemiddelde ook de mediaan gegeven. Dit omdat door het relatief beperkte aantal waarnemingen een uitschieter het gemiddelde kan vertekenen. Tabel 6.1: Kenmerken steden waar kantoren gesloten en geopend zijn Kenmerken stad Gesloten kantoren Nieuwe kantoren Gemiddelde bevolkingsomvang 180.000 inw. 257.000 inw. Mediaan bevolkingsomvang 110.000 inw. 142.000 inw. Gemiddelde kantorenvoorraad 1.103.000 m² 1.702.000 m² Mediaan kantorenvoorraad 476.000 m² 705.000 m² Bron: Bak, 2007; Stec Groep, 2008; CBS, 2008. Eigen bewerking
De FGH Bank gaf aan dat steden met minimaal 100.000 inwoners de winnaars zijn van de concentratietendens. Deze stelling lijkt op basis van de database van de Stec Groep opgeld te doen. Bijna de helft (45%) van door reorganisaties gesloten kantoren stond in steden met minder dan 100.000 inwoners, terwijl slechts 28% van de nieuwe kantoren terecht kwam in steden onder de 100.000 inwoners. In steden met meer dan 100.000 inwoners is het beeld omgedraaid. Met name steden met meer dan 200.000 inwoners hebben een aanzienlijk groter aandeel in het totaal aantal nieuwe kantoren dan in het totaal aantal gesloten kantoren. Tabel 6.2: Inwonertal steden waar kantoren gesloten en geopend zijn <100.000 inwoners 100.000-200.000 inw. >200.000 inwoners Gesloten kantoren 45% 33% 22% Nieuwe kantoren 28% 41% 31%
totaal 100% 100%
Bron: Stec Groep, 2008; CBS, 2008. Eigen bewerking
6.3. Conclusie Het is voor beleggers belangrijk om te weten wat de ‘winnende’ steden van morgen zijn. Hiermee worden steden bedoeld, waar naar verwachting de groeivoet van de huren en waarde van de kantoren het hoogst is. Een van de drijvende krachten achter deze groeivoet is een gunstige vraag-/aanbodverhouding. Zoals geconstateerd in hoofdstuk 5, zal de nettovraag de komende decennia naar verwachting beperkt zijn. Gezien de concentratietendens die in dit hoofdstuk is beschreven, zullen bepaalde steden er waarschijnlijk in slagen om ook de komende jaren nog een stevige groei van de in gebruik zijnde voorraad te realiseren. Dit zal ten koste gaan van andere steden, waar de in gebruik zijnde voorraad mogelijk kan afnemen. Dit hoofdstuk heeft laten zien dat tendensen waarneembaar zijn, waarbij met name de dichtbevolkte regio’s en de grotere steden er het beste in lijken te slagen om kantoorgebruikers (die kantoren samenvoegen, verhuizen of een extra kantoor openen) aan zich te binden. Een analyse van de database van de Stec Groep heeft echter laten zien dat deze tendens niet voor alle steden opgeld doet. Sommige grote steden verliezen kantoorgebruikers, terwijl enkele kleinere steden juist in staat zijn om meer kantoorgebruikers aan zich te binden. Mogelijk zijn er nog andere verklarende factoren. In deze scriptie wordt er één onderzocht. De hypothese van deze scriptie is dat de winnende steden de ‘regiosteden’ zijn. Dit zijn de steden die naast lokale kantoorgebruikers ook relatief veel bedrijven/instellingen weten te strikken met een bovenregionaal verzorgingsgebied. Het volgende hoofdstuk gaat hier dieper op in.
34
35
Hoofdstuk 7. Regiosteden 7.1. Inleiding Zoals in het vorige hoofdstuk omschreven is er een tendens gaande, waarbij met name landelijk opererende kantoorgebruikers vestigingen samenvoegen. Hierbij is een trend zichtbaar dat instellingen en bedrijven voor bepaalde steden meer een voorkeur hebben dan voor andere steden. Verschillende redenen kunnen hieraan ten grondslag liggen. Te denken valt aan imago, ligging, verzorgingsgebied en bereikbaarheid van een stad en/of vestigingsplaats-richtlijnen van het bedrijf of instelling. Zo hebben enkele makelaarskantoren bijvoorbeeld als richtlijn dat kantoren alleen mogen worden geopend in steden met meer dan 50.000 inwoners. In dit hoofdstuk wordt onderzocht welke steden (relatief) meer regiokantoren aan zich weten te binden dan andere steden. De steden die hier het best in slagen worden in deze scriptie ‘regiosteden’ genoemd. Dit zijn de steden waar volgens de hypothese van de scriptie de uitbreidingsvraag het grootst is, en waar beleggers kunnen rekenen op de hoogste groeivoet van de huren en de waarde van de kantoren. In paragraaf 7.2. geef ik een eerste indeling in de hiërarchie van regiosteden. Deze indeling is gebaseerd op de perceptie van makelaars en ambtenaren. Vervolgens wordt in paragraaf 7.3. een indeling gemaakt op basis van eigen research. Dit hoofdstuk wordt afgesloten met een vergelijking tussen perceptie en werkelijkheid.
7.2. Onderzoek NVM In 2005 heeft NVM een onderzoek uitgevoerd naar de kenmerken van de kantorenvoorraad van de 70 grootste kantoorsteden in Nederland (NVM, 2005). In het kader hiervan hebben 61 gemeenten en 94 makelaars hun visie gegeven op deze steden. Een van de onderzoeksvragen was om aan te geven in hoeverre de gebruikers van de kantorenmarkt van een desbetreffende stad lokaal, regionaal, nationaal of internationaal operationeel zijn. Het blijkt dat de respondenten de kantoorgebruikers met name als lokaal en/of regionaal opererend beschouwen. Het deel van de kantorenvoorraad dat wordt gebruikt door kantoorgebruikers met een nationale of internationale functie wordt aanzienlijk lager ingeschat. Tabel 7.1: Typering kantoorgebruikers( in perceptie makelaars en ambtenaren) Lokaal Regionaal Nationaal Internationaal
43% 31% 17% 9%
Bron: NVM, Top 70 kantoorsteden van Nederland, 2005
Voor deze scriptie zijn met name de kantoorgebruikers die regionaal en nationaal operationeel zijn van belang. Dit zijn namelijk de organisaties met veelal meerdere kantoren die ervoor kunnen kiezen om kantoren samen te voegen. Een probleem is de niet geheel eenduidige vraagstelling binnen het onderzoek van de NVM. Een regiokantoor van bijvoorbeeld PriceWaterhouseCoopers kan zowel nationaal als regionaal worden beschouwd. Nationaal omdat PWC een landelijke speler is, regionaal omdat het verzorgingsgebied van het regiokantoor de desbetreffende regio is.
36
Onderstaande kaart geeft aan hoe de grootste kantorensteden worden getypeerd. Een groene kleur geeft het aandeel van nationaal opererende spelers aan, de gele kleur duidt op regionale spelers en rood op lokale spelers. De grootte van de cirkels geeft aan hoe groot de kantorenvoorraad exclusief de internationale kantoorgebruikers is5. Hierdoor is bijvoorbeeld de omvang van de voorraad van de gemeente Haarlemmermeer relatief klein geworden. Satellietsteden zoals Capelle aan den IJssel, Rijswijk en Diemen zijn samengevoegd met de grote stad waar ze tegen aan liggen. Dit omdat ze gezamenlijk functioneren als één grootstedelijke kantorenmarkt.
Kaart 7.1: Kantorenmarkten naar voorraad en typering
Lokaal Regionaal Nationaal
Bron: NVM (2005), eigen bewerking
5 Onderhavige scriptie is toegespitst op de concurrentie tussen kantoorsteden binnen Nederland. Vaak hebben internationaal georiënteerde bedrijven maar één of twee kantoren in Nederland, die zich op zeer specifieke locaties bevinden (rondom Schiphol, Rijnmond). Van concurrentie binnen Nederland is amper sprake. Het gaat meer om concurrentie tussen Europese steden. Daarom zijn deze kantoren buiten dit onderzoek gehouden.
37
Onderstaande tabel geeft weer in welke steden in de perceptie van de gemeenteambtenaren en makelaars de kantorenvoorraad het meest bovengemiddeld regionaal/nationaal is georiënteerd. Tabel 7.2: Aandeel regionale en nationale spelers in kantorenvoorraad ( in perceptie makelaars en ambtenaren) Gemeente
%
Hilversum Zoetermeer Maastricht Den Haag Alkmaar Hengelo Leeuwarden Breda Assen
89% 84% 83% 82% 76% 72% 70% 69% 68%
Gemeente Amsterdam Utrecht Rotterdam Arnhem Eindhoven Heerlen Zeist Sittard-Geleen Nederland gemiddeld
% 66% 62% 61% 60% 59% 59% 58% 57% 48%
Bron: NVM 2005; eigen bewerking
Het NVM-onderzoek is gebaseerd op inschattingen van makelaars en gemeentes. Voor een belangrijk deel gaat het hierbij om subjectieve inschattingen van de respondenten. De belangrijke rol van Hilversum kan worden verklaard door de aanwezigheid van de landelijke media. Opvallend is dat in Noord-Nederland de ingeschatte regionale/nationale rol van de stad Groningen in verhouding tot de lokale voorraad beperkt is in vergelijking tot Leeuwarden en Assen. In het oosten wordt Arnhem gezien als dé stad met de grootste nationale en regionale functie. In het zuiden is het beeld minder eenduidig. Maastricht, Heerlen, Eindhoven, Breda en Den Bosch krijgen allemaal een meer dan gemiddelde regionale/nationale functie toegewezen. In de Randstad zijn uiteraard de vier grote steden de belangrijkste regionaal en landelijk verzorgende steden, aangevuld door centraal gelegen steden zoals Zoetermeer en Zeist. In de volgende paragraaf wordt door een eigen kwantitatief onderzoek op een andere wijze een hiërarchie van regiosteden opgesteld.
7.3. Eigen onderzoek 7.3.1. Inleiding Het doel van het onderzoek is om per gemeente een indicatie te verkrijgen over de regiofunctie van de stad. Deze indicatie is verkregen door te inventariseren hoe de vestigingen van bedrijven en instellingen die heel Nederland willen dekken, over Nederland zijn verspreid. Het aantal vestigingen in een stad in combinatie met het aantal vestigingen van deze instellingen en bedrijven in Nederland, geeft een beeld van de regiofunctie van een stad. Naarmate een bedrijf/instelling landelijk verspreid meer kantoren heeft, zal de grootte van het verzorgingsgebied afnemen. Zo zijn de regiokantoren van bedrijven met meer dan 15 vestigingen in Nederland overwegend regionaal opererend en met 8-15
38
vestigingen bovenregionaal. Bedrijven/instellingen met 7 en minder kantoren in Nederland hebben grosso modo een landsdelig verzorgingsniveau. Deze indeling geeft een indicatie van de kracht van de regiofunctie. Een stad met bijvoorbeeld 20 landsdeeldekkende kantoren staat hoger in de hiërarchie dan een stad met 20 regionaal opererende kantoren. Want op basis van de verdergaande concentratietrend ligt het voor de hand dat de steden met meer landsdeelverzorgende bedrijven de winnaars zijn. Deze steden zijn klaarblijkelijk geschikt om landsdeelverzorgende kantoren (die door fusies ontstaan) te huisvesten.
7.3.2. Populatie Als criterium voor landsdekkende bedrijven en instellingen wordt gehanteerd dat er minimaal een uur rijden tussen de twee meest uiteenlopende kantoren van het bedrijf of instelling ligt. In het onderzoek worden alleen kantoorgebruikers met minimaal 3 regiokantoren meegenomen. Dit omdat in het onderzoek wordt nagegaan voor welke steden bedrijven/instellingen kiezen als ze een regio willen bedienen. Vaak is het hoofdkantoor historisch gegroeid, zonder dat er een echte keuze voor de locatie is geweest. Te denken valt aan de woonplaats van de oprichter enz. Om zoveel mogelijk kantoren in de database te hebben waar een strategische keuze met het oog op het verzorgingsgebied aan ten grondslag ligt, is deze restrictie doorgevoerd. Een andere restrictie is dat alleen bedrijven/instellingen met regiokantoren die min of meer dezelfde rol vervullen zijn geselecteerd. Kantoorgebruikers die weliswaar landelijk gespreid zijn, maar waarvan de regiokantoren zeer uiteenlopende functies hebben, zijn niet in de database opgenomen. Te denken valt aan een kantoorgebruiker met op een locatie de ICT-afdeling, op een andere locatie de administratieafdeling en op een derde locatie het hoofdkantoor.
7.3.3. Steekproef De selectie van landelijk gespreid gehuisveste instellingen en bedrijven is als volgt tot stand gekomen: • Op basis van het VTIS2000 bestand van Strabo. In deze database is een groot deel van de kantorentransacties over de laatste 20 jaar opgenomen. Van alle instellingen en bedrijven die twee of meer keer in deze transactiedatabase voorkwamen is onderzocht of het meerdere kantoren heeft. Dit is gebeurd via de website van het desbetreffende bedrijf of instelling. In totaal zijn op deze wijze 2470 bedrijven/instellingen onderzocht. Dit heeft 295 geschikte kantorengebruikers opgeleverd. • Via ‘Google’ is gezocht op relevante zoektermen, te denken valt aan “regiokantoren”, “landelijk verspreide kantoren” en “kantoren met een regiofunctie”. Dit heeft nog 31 kantoren opgeleverd. De totale omvang van de steekproef bedraagt daarmee 326 instellingen en bedrijven (zie bijlage 1) met in totaal 3172 kantoren.
39
7.3.4. Representativiteit van de steekproef In de database van VTIS 2000 is van de 3172 kantoren uitgezocht hoe groot ze zijn. Ruim 30% van de regiokantoren viel te traceren in dit bestand (981 kantoren). Er zijn enkele redenen waarom bijna 70% van de regiokantoren niet te traceren viel in het VTIS-bestand: • Het VTIS-bestand is niet volledig. • Een deel van de regiokantoren was mogelijk al aangehuurd of aangekocht voordat Strabo begon met het verzamelen van transacties. • Veel bedrijven/instellingen hebben in de loop der tijd hun naam veranderd. Sommige kantoren die onder de oude naam zijn aangehuurd of aangekocht zijn nog wel getraceerd. Te denken valt aan Coopers & Lybrand (momenteel PricewaterhouseCoopers) en Sells & Touche Ross (momenteel Deloitte), maar het vermoeden is dat een groot gedeelte hierdoor niet is achterhaald. De in de VTIS-database getraceerde 981 kantoren hebben gezamenlijk een vloeroppervlakte van ruim 2,1 miljoen m². Op basis hiervan kan een inschatting worden gemaakt van de totale omvang van de steekproef: • De gemiddelde grootte van de getraceerde kantoren is 2.165 m². Als uitgegaan wordt van dit gemiddelde voor alle 3172 kantoren in de steekproef van de 326 instellingen/bedrijven, dan bedraagt de omvang van de steekproef bijna 6,9 miljoen m². • Als bij de niet getraceerde 70% wordt uitgegaan van de mediaan van de 981 getraceerde kantoren, namelijk 918 m², dan bedraagt de omvang van de steekproef 4,6 miljoen m². Dit houdt een gemiddelde kantoorgrootte in van 1.450 m². • Als bij de niet getraceerde 70% wordt uitgegaan van slechts een beperkt metrage, bijvoorbeeld een gemiddelde metrage van 500 m² per kantoor (ongeveer de helft van de mediaan), dan bedraagt de omvang van de steekproef bijna 3,5 miljoen m². Dit houdt een gemiddelde kantoorgrootte in van 1.100 m². Realistisch is om het te veronderstellen dat de omvang van de steekproef tussen de 4 en 6 miljoen m² groot is. Dit betekent dat ruwweg 10% van de totale omvang van de kantorenvoorraad van kantoren groter dan 500 m² in Nederland in de database aanwezig is. Het is niet bekend hoe groot de populatie is van landelijk gespreide regiokantoren. Op basis van het onderzoek van NVM (zie de vorige paragraaf) blijkt dat de voorraad regionale en nationale spelers op ongeveer 50% van de voorraad wordt ingeschat. Uitgaande van deze cijfers, beslaat de steekproef dus ongeveer 20% van het vloeroppervlak in gebruik zijnde door regionale en landelijke spelers. De omvang van de kantorenvoorraad van landelijk gespreide kantoorgebruikers met minimaal drie vestigingen is niet bekend. Het aandeel van de steekproef binnen deze doelgroep zal naar verwachting nog aanzienlijker hoger liggen dan deze 20%. Op basis van de algemeen gangbaar gewenste betrouwbaarheid van 95% is deze steekproefomvang qua nauwkeurigheid en spreiding ruim voldoende (op basis van de website van Polaris Market Research, 2008).
40
7.3.5. Afspiegeling steekproef ten opzichte van de totale populatie In onderstaande tabel staat aangegeven hoe groot het aandeel van een sector, gemeten naar vierkante meters, is in respectievelijk de steekproef van deze scriptie en de database van VTIS. In deze scriptie wordt er vanuit gegaan dat de dekking van de VTIS-database dusdanig is, dat het een betrouwbare afspiegeling vormt van de Nederlandse kantorenmarkt. Tevens wordt er vanuit gegaan dat van de niet getraceerde 70% van de kantoren, een kantoor gemiddeld 500 m² groot is. Grosso modo komt de samenstelling van de steekproef naar sector redelijk overeen met de database van VTIS transacties. Wel blijken de zakelijke diensverleners in de steekproef te zijn oververtegenwoordigd ten opzichte van het VTIS-bestand en de handel en industrie te zijn ondervertegenwoordigd. Een verklaring kan zijn dat handel en industrie geen typische kantoorgebruikers zijn, en meestal geen landelijk netwerk aan kantoren hebben. Zakelijke dienstverleners zijn juist kantoorgebruikers pur sang. Een landelijk netwerk aan kantoren ligt bij deze kantoorgebruikers aanzienlijk meer voor de hand. Tabel 7.3: Vergelijking steekproef en VTIS-database naar sector bank- en verzekeringswezen bouwnijverheid en installatiebedrijven communicatiebedrijven financieel- economisch zakelijke dienstverlening groothandel en tussenhandel industrie en openbare nutsbedrijven onderwijs en gezondheidszorg openbaar bestuur, defensie wettelijk sociale verzekering overige instellingen en bedrijven overige zakelijke dienstverlening totaal
Steekproef 9% 4% 10% 20% 1% 1% 5% 16% 8% 27% 100%
VTIS 11% 2% 15% 7% 5% 8% 8% 16% 12% 16% 100%
Bron: VTIS2000 en eigen database, 2008
Gezien bovenstaande tabel en de omvang van de steekproef, is het realistisch om te veronderstellen dat de steekproef een goed beeld geeft van de totale populatie. Een mogelijke vertekening kan voortvloeien uit het feit dat sommige typen bedrijven/instellingen (te denken valt aan kantoren met een baliefunctie) meer informatie op hun website plaatsen over de adressen van regiokantoren dan andere bedrijven/instellingen (zoals kantoren met alleen een backoffice), waardoor ze oververtegenwoordigd kunnen zijn in de gecreëerde database. Aan deze mogelijke vertekening wordt in de rest van dit onderzoek voorbij gegaan.
7.3.6. Kaart van Nederland Op basis van de database kan een kaart van Nederland worden opgesteld. De grootte van de cirkels geeft aan hoeveel kantoren er in de steekproef zitten, waarbij net zoals in paragraaf 7.2. de satellietsteden zijn samengevoegd met de grote stad waar ze tegen aan liggen. Groen is het aandeel landsdeeldekkende kantoren, geel de bovenregionale kantoren en rood de regionale kantoren.
41
Kaart 7.2: Aantal regiokantoren, naar landsdeeldekkende en (boven-)regionale functie
Bron: Eigen database, 2008
Bovenstaande kaart kan ook in tabelvorm worden weergegeven. In de volgende tabel staat van de 60 grootste kantooragglomeraties weergegeven, hoe de verdeling is tussen landsdeeldekkende (3 t/m 7 regiokantoren) bovenregionale (8 t/m 15 regiokantoren) en regionale kantoren (16 of meer regiokantoren). Aan de hand van de kleuren wordt duidelijk hoe de betreffende gemeenten ten opzichte van het landelijke gemiddelde hebben gescoord. Groen verwijst naar een bovengemiddelde score (meer dan 1,25 keer het landelijk gemiddelde). Geel heeft betrekking op min of meer een gemiddelde score (tussen 0,75 en 1,25 keer het landelijk gemiddelde), terwijl rood op een relatieve ondervertegenwoordiging wijst (minder dan 0,75 keer het landelijk gemiddelde).
42
Tabel 7.4: Aantal regiokantoren, naar landsdeeldekkende en (boven-)regionale functie
Agglomeratie Amsterdam Rotterdam Eindhoven Utrecht Den Haag Groningen Arnhem Zwolle Den Bosch Breda Maastricht Amersfoort Leeuwarden Apeldoorn Tilburg Nijmegen Alkmaar Enschede Assen Almere Zoetermeer Deventer Leiden Roermond Haarlem Heerlen Lelystad Sittard-Geleen Goes Haarlemmermeer Hengelo Venlo Doetinchem Dordrecht Hilversum Emmen Heerenveen Gouda Delft Zaanstad Bergenopzoom Helmond Hoorn Harderwijk Middelburg Ede Veenendaal Zeist Almelo Hoogeveen Ijmond Smallingerland Zutphen Meppel Terneuzen Woerden Roosendaal Waalwijk Weert AlphenaandenRijn
Kantoorgebruikers met 3 t/m 7 regiokantoren (landsdeeldekkende funtie) 48% 44% 44% 38% 34% 29% 26% 38% 30% 17% 18% 34% 14% 33% 30% 13% 14% 19% 32% 24% 35% 39% 3% 22% 19% 21% 14% 32% 11% 22% 7% 8% 8% 13% 25% 9% 22% 5% 33% 11% 12% 13% 13% 27% 0% 29% 36% 7% 0% 15% 15% 23% 23% 17% 8% 58% 0% 9% 27% 10%
Kantoorgebruikers met 8 t/m 15 regiokantoren (bovenregionale functie) 28% 27% 30% 33% 36% 35% 39% 26% 26% 40% 39% 27% 31% 24% 22% 35% 24% 40% 27% 18% 21% 27% 22% 19% 19% 21% 25% 25% 15% 44% 44% 8% 8% 13% 25% 17% 26% 23% 19% 22% 18% 19% 19% 7% 20% 7% 43% 43% 8% 8% 8% 15% 0% 17% 8% 0% 9% 9% 36% 0%
Kantoorgebruikers met 16 of meer regiokantoren (regionale functie) 24% 29% 26% 30% 30% 35% 35% 36% 44% 43% 42% 39% 56% 44% 48% 52% 62% 40% 41% 59% 44% 33% 75% 59% 61% 59% 61% 43% 74% 33% 48% 85% 84% 75% 50% 74% 52% 73% 48% 67% 71% 69% 69% 67% 80% 64% 21% 50% 92% 77% 77% 62% 77% 67% 83% 42% 91% 82% 36% 90%
Totaal (%) 100% 100% 100% 100% 100% 100% 100% 100% 100% 100% 100% 100% 100% 100% 100% 100% 100% 100% 100% 100% 100% 100% 100% 100% 100% 100% 100% 100% 100% 100% 100% 100% 100% 100% 100% 100% 100% 100% 100% 100% 100% 100% 100% 100% 100% 100% 100% 100% 100% 100% 100% 100% 100% 100% 100% 100% 100% 100% 100% 100%
Totaal (#) 207 202 168 162 145 113 95 95 90 82 71 59 59 55 54 52 50 47 37 34 34 33 32 32 31 29 28 28 27 27 27 26 25 24 24 23 23 22 21 18 17 16 16 15 15 14 14 14 13 13 13 13 13 12 12 12 11 11 11 10
Bron: Eigen database, 2008
43
7.4. Conclusie Het blijkt dat de vijf grootste steden in Nederland (Amsterdam, Rotterdam, Den Haag, Utrecht en Eindhoven) absoluut gezien met afstand de meeste regiokantoren hebben. Deze steden hebben tevens relatief veel landsdeelverzorgende kantoren. Groningen en Zwolle bevestigen hun landsdeeldekkende en bovenregionale positie in het noordoosten van Nederland, waarbij Leeuwarden een belangrijke regionale rol heeft. Zwolle scoort beter dan Groningen, waarschijnlijk omdat Zwolle het voordeel heeft dat ook nog Oost-Nederland kan worden bediend. Vervolgens kan globaal worden gesteld dat Arnhem dé regiostad van het oosten is, dat Eindhoven dé regiostad is van zuid en zuidoost Nederland en dat de rest van het land wordt bediend door de vier grote steden, waarbij Rotterdam zuidwest Nederland bediend, Den Haag de noordkant van de zuidvleugel, Utrecht centraal Nederland, en Amsterdam noordwest Nederland. Middelgrote steden in de Randstad staan in de schaduw van de grote steden. Leiden, Haarlem, Dordrecht, Gouda, Zaanstad en Alphen aan den Rijn hebben nauwelijks landsdeeldekkende of bovenregionale kantoren. Zoals de ambtenaren en makelaars uit het onderzoek van de NVM reeds dachten: een uitzondering is Zoetermeer. Deze stad telt veel landsdeeldekkende en bovenregionale kantoorgebruikers. Middelgrote steden in overig Nederland hebben veelal door het ontbreken van een grote stad in de nabijheid wel meer dan gemiddeld landsdeeldekkende/bovenregionale kantoren (zoals Deventer, Weert, Sittard-Geleen, Assen en Apeldoorn). Steden zoals Veenendaal, Woerden en Amersfoort profiteren van hun centrale ligging. Afgelegen regio’s zoals Zeeland, Twente en de Achterhoek weten nauwelijks landsdeeldekkende kantoren aan zich te binden. In vergelijking tot de perceptie die er heerst bij de makelaars en gemeenteambtenaren (zie de vorige paragraaf) zijn er in de praktijk enkele grote afwijkingen waarneembaar. De rol van regiostad is voor de volgende steden beduidend minder dan werd gesuggereerd door het NVM-onderzoek: • Ede 6 • Hilversum • Doetinchem • Almelo • Alphen aan den Rijn • Venlo Voor andere steden geldt dat de rol van regiostad juist aanzienlijk groter is dan werd gesuggereerd door het NVM-onderzoek: • Nijmegen • Groningen • Tilburg • Apeldoorn • Zwolle • Enschede 6
Voor Hilversum geldt dat het weliswaar veel landelijk opererende kantoorgebruikers binnen haar gemeentegrenzen heeft (met name de media), maar dat het veelal kantoorgebruikers betreft met weinig landelijk gespreide regiokantoren. Vanuit één kantoor in Hilversum wordt heel Nederland bediend. Hierdoor komt deze stad uit het eigen onderzoek als minder belangrijk naar voren. Dit kan ook de verklaring zijn voor het feit dat enkele andere steden beter uit het onderzoek van NVM naar voren komen dan uit het eigen onderzoek. Wat bijvoorbeeld geldt voor de impact van de media op de kantorenmarkt in Hilversum is, geldt in Venlo voor de logistieke sector.
44
45
Hoofdstuk 8. Invloed regiofunctie op de kantorenmarkt 8.1. Inleiding Zoals omschreven in paragraaf 3.3. is het voor beleggers van belang om de groeivoet te weten van de huren en de waardegroei van de kantoren. Belangrijk voor een huuren waardegroei is een voldoende uitbreidingsvraag naar kantoren. Bij een voldoende uitbreidingsvraag (in verhouding tot het aanbod en de pijplijn) zullen de huren en de waardes van de kantoren stijgen. In dit hoofdstuk wordt stilgestaan bij de conclusies die getrokken kunnen worden uit de ten behoeve van deze scriptie gecreëerde database van de regiokantoren. Getoetst wordt of de regiofunctie van een kantorenstad van invloed is op de netto opname van kantoorruimte en op de ontwikkeling van de waarde en huurprijzen van kantoren.
8.2. Relatie regiostad en netto opname 8.2.1. Correlatie ontwikkeling in gebruik zijnde voorraad en regiokantoren Inleiding Zoals aangegeven in hoofdstuk 1 wordt in deze scriptie verondersteld dat er een correlatie is tussen het aantal regiokantoren in een stad en de ontwikkeling van de in gebruik zijnde voorraad. In deze paragraaf wordt deze hypothese getoetst. Hierbij wordt opgemerkt dat de groei van de in gebruik zijnde kantorenvoorraad uiteraard niet alleen op conto komt van de regiokantoren. Steden met veel regiokantoren zullen namelijk ook interessant kunnen zijn voor kantoorgebruikers die niet over heel Nederland gespreid zijn gehuisvest. Er is echter voor gekozen om in de analyse alleen gebruik te maken van landelijk gespreide kantoorgebruikers. Dit omdat deze kantoorgebruikers een objectieve keuze moeten maken uit steden die gespreid zijn over geheel Nederland en zich daarbij relatief weinig laten leiden door persoonlijke motieven. Iets dat bijvoorbeeld bij bedrijven en instellingen die maar één kantoor hebben veel meer geldt. Van de in gebruik zijnde voorraad op gemeenteniveau zijn er bij benadering historische data beschikbaar. ‘Bij benadering’, omdat voor een inschatting van de in gebruik zijnde voorraad het beste de totale kantorenvoorraad (gebaseerd op cijfers van R. Bak) verminderd kan worden met leegstandscijfers. Deze leegstandscijfers zijn op gemeenteniveau echter niet op een betrouwbare, consistente manier voorhanden. Daarom is als proxy voor de leegstand het aanbod genomen dat het maandblad Vastgoedmarkt jaarlijks publiceert (Bak, diverse jaren). Deze data zijn op lokaal niveau voorhanden, en de criteria van wat aanbod is, is door Vastgoedmarkt al decennia lang niet gewijzigd. In paragraaf 7.3. is de verwachting uitgesproken dat steden met de meeste regiokantoren de snelste groei van de in gebruik genomen voorraad kennen. Om deze hypothese te toetsen is als eerste het aandeel van regiokantoren in de voorraad per stad bepaald. Er is ervoor gekozen om alleen de landsdeeldekkende en bovenregionale kantoren te selecteren, dus alleen landelijk gespreide kantoren met 3 t/m 15
46
regiokantoren. De reden voor deze selectie is dat over het algemeen verwacht wordt dat de concentratietrend van kantoren zich doorzet. Hierbij zullen regiokantoren worden samengevoegd tot bovenregionale of landsdeeldekkende kantoren. Belangrijk is dus om te weten welke steden goed in dit segment scoren. Onderstaande analyse gaat uit van een correlatie tussen de ontwikkeling van de in gebruik zijnde voorraad en het aandeel van regiokantoren in de kantorenvoorraad. Het aandeel van landsdeeldekkende en bovenregionale regiokantoren binnen de kantorenvoorraad is bepaald door het aantal kantoren van kantoorgebruikers met landelijk 3 t/m 15 kantoren te delen door de voorraad. Het betreft hier de voorraad ultimo 2007. Om een beter gevoel te krijgen bij de omvang van deze regiokantoren ten opzichte van de totale voorraad, is het aantal regiokantoren vermenigvuldigd met 10.000 m². Dit getal is een ruwe inschatting, die is gebaseerd op de omvang van de regiokantoren (zie paragraaf 7.3.4.) en de grootte van de steekproef ten opzichte van de totale voorraad (zie eveneens paragraaf 7.3.4.). Zoals gezegd betreft het slechts een ruwe inschatting. Voor de mate van correlatie maakt het echter niet uit of deze inschatting correct is. In plaats van 10.000 m² mag het aantal regiokantoren met elk willekeurig ander getal worden vermenigvuldigd. De correlatie is namelijk onafhankelijk van de schaal van de twee variabelen (Kok, 2008). Er is echter gekozen om het te vermenigvuldigen met 10.000 m² omdat hiermee het aandeel van regiokantoren binnen de voorraad bij benadering correct is, waardoor de cijfers makkelijker te interpreteren zijn.
Berekenen correlatie Voor het berekenen van de samenhang tussen de ontwikkeling van de in gebruik zijnde voorraad en het aandeel van regiokantoren in de kantorenvoorraad is de Pearson-correlatie berekend7. Bij deze correlatie wordt zowel gebruik gemaakt van de som (Σ) van x en x², van y en y² als van x vermenigvuldigd met y (Baarda en De Goede, 2006). In deze scriptie is van de 20 grootste kantoorsteden de Pearson-correlatie berekend, waarbij geldt: x = het aandeel van regiokantoren in de kantorenvoorraad y = de ontwikkeling van de in gebruik zijnde kantorenvoorraad. Almere en Haarlemmermeer zijn buiten beschouwing gelaten omdat deze twee steden a-typische kantorenmarkten hebben. Almere is een dermate snel groeiende gemeente, dat het met geen andere Nederlandse gemeente vergeleken kan worden. De kantorenmarkt in de Haarlemmermeer wordt voor een groot gedeelte beïnvloed door buitenlandse spelers die rondom Schiphol zijn gehuisvest.
Het symbool voor de Pearson-correlatie is de letter r. Het aantal waarnemingen wordt aangegeven met n. De formule luidt:
7
De database met regiokantoren kent slechts één peildatum, namelijk april 2008. Daarom wordt het aantal regiokantoren in de loop der tijd constant verondersteld.
47
r=
nΣxy-ΣxΣy
√(nΣx²-(Σx²))(nΣy²-(Σy²))
In onderstaande tabel is de correlatie uitgerekend voor het aandeel van regiokantoren in de kantorenvoorraad van de 20 grootste regiosteden (excl. Almere en Haarlemmermeer) en de ontwikkeling van de gebruikte voorraad voor de periode 1998 t/m 2002. De twintig grootste kantorensteden zijn geselecteerd op basis van het volume van de kantorenvoorraad. Tabel 8.1: Berekening Pearson-correlatie van aandeel van regiokantoren in de kantorenvoorraad en de ontwikkeling van de in gebruik zijnde voorraad voor de periode 1998 t/m 2002.
Agglomeratie
Regiostad x
Hilversum 5% Haarlem 6% Den Haag 7% Heerlen 7% Amsterdam 7% Zoetermeer 8% Amersfoort 11% Rotterdam 12% Apeldoorn 12% Utrecht 12% Leeuwarden 12% Den Bosch 13% Nijmegen 14% Tilburg 15% Arnhem 15% Breda 18% Groningen 20% Maastricht 21% Zwolle 21% Eindhoven 23% Totaal 258% Bron: eigen database, 2008
x²
Ontwikkeling gebruikte voorraad y
0% 0% 0% 0% 0% 1% 1% 1% 1% 1% 2% 2% 2% 2% 2% 3% 4% 4% 5% 5% 39%
18% 1% 13% 17% 16% 12% 31% 14% 25% 11% 17% 20% 9% 29% 17% 21% 12% 15% 34% 28% 357%
y² 3% 0% 2% 3% 3% 1% 10% 2% 6% 1% 3% 4% 1% 8% 3% 4% 1% 2% 12% 8% 76%
xy 1% 0% 1% 1% 1% 1% 4% 2% 3% 1% 2% 3% 1% 4% 3% 4% 2% 3% 7% 6% 50%
Aan de hand van de formule kan de Pearson-correlatie worden uitgerekend: r=
20 X 0,50 – 2,58 X 3,57
√(20 X 0,39 – 2,58²)(20 X 0,76 – 3,57²)
= 0,43
Op basis van deze formule zijn ook de correlaties berekend voor de 30 grootste kantoorsteden over de periode 1998 t/m 2002 en voor zowel de 20 als 30 grootste kantoorsteden voor de periode 2003 t/m 2007. Tabel 8.2: Pearson-correlatie van aandeel van regiokantoren in de kantorenvoorraad en de ontwikkeling van de in gebruik zijnde voorraad Aantal regiosteden Tijdsperiode Pearson-correlatie 20 1998 t/m 2002 0,43 30 1998 t/m 2002 0,31 20 2003 t/m 2007 0,54 30 2003 t/m 2007 0,45 *. Correlation is significant at the 0.05 level (2-tailed).
Sig. (2-tailed) ,057 ,091 ,015* ,013*
Bron: eigen database, 2008
Bovenstaande correlatiecijfers sluiten aan bij de hypothese van de scriptie. Hoe groter het aandeel van regiokantoren in de kantorenvoorraad des te groter de groei van de in
48
gebruik genomen kantorenvoorraad. Met name na 2002 zijn de steden met de meeste regiokantoren ‘de winnaars’. De correlatie is in de periode 2003 t/m 2007 ten opzichte van de periode 1998 t/m 2002 namelijk verder toegenomen. Dit is conform hetgeen verwacht mocht worden. Vanaf 2002 is de uitbreidingsvraag namelijk grotendeels stilgevallen. De groei van de in gebruik zijnde kantorenvoorraad op lokaal niveau wordt daarom voor een steeds belangrijker gedeelte afhankelijk van de vervangingsvraag van kantoorgebruikers die eerst in een andere gemeente waren gehuisvest. Door de reorganisatie –en concentratietendens op de kantorenmarkt groeit daarom met name de in gebruik zijnde voorraad van de meest populaire regiosteden. In de laatste kolom van tabel 8.2. staat de overschrijdingskans gegeven. Wanneer deze kans groter is dan de waarde van ,05 (dus 5%), dan wordt de hypothese dat er een verband is tussen het aandeel van regiokantoren in de kantorenvoorraad en de ontwikkeling van de in gebruik zijnde voorraad verworpen. Er is gekozen voor een 2-tailed test in plaats van een 1-tailed test, aangezien niet bekend is of eventuele uitschieters juist een kleinere dan wel een grotere groei van de in gebruik genomen voorraad laten zien dan verwacht. De uitschieters kunnen zich dus aan beide kanten van het gemiddelde bevinden. De correlaties geven aan dat er sprake is van een positieve samenhang tussen het aandeel van regiokantoren in de kantorenvoorraad en de groei van de in gebruik genomen kantorenvoorraad. Naarmate het aandeel van regiokantoren in de kantorenvoorraad toeneemt, stijgt de groei van de in gebruik genomen voorraad. De asterisken (*) geven aan dat de correlatie significant is, wat betekent dat het zeer onwaarschijnlijk is dat de samenhang op toeval berust. De kans is dan kleiner dan 5% dat de correlatie op toeval berust. Voor de periode 2003 t/m 2007 geldt dus dat er sprake is van een significante samenhang. Voor de periode 1998 t/m 2002 geldt een toetsuitkomst (Sig. 2-tailed) van 0,057 voor de 20 grootste steden en van 0,091 voor de 30 grootste steden. Dit betekent dat de kans dat de correlatie op toeval berust 5,7% respectievelijk 9,1% groot is. Er is weliswaar een redelijk grote kans dat de correlatie niet op toeval berust, maar de kans is te klein om de correlatie als significant te beschouwen. De twee figuren op de volgende bladzijde geven de correlatie weer tussen het aandeel van regiokantoren in de kantorenvoorraad (de ‘oorzaak’-variabele) en de groei van de in gebruik genomen kantorenvoorraad van de twintig grootste kantorensteden (de ‘gevolg’-variabele). In bijlage 2 staan de figuren die zijn gebaseerd op de dertig grootste kantorensteden. Het eerste figuur op de volgende bladzijde geeft de periode 1998 t/m 2002 weer, het tweede figuur de periode 2003 t/m 2007.
49
Figuur 8.1: Correlatie tussen het aandeel van regiokantoren in de kantorenvoorraad per primo 2007 en de groei van de in gebruik genomen kantorenvoorraad, 20 grootste steden, periode 1998 t/m 2002 40%
A msterdam Den Haag
Ontwikkeling in gebruik zijnde voorraad
35%
Ro tterdam Utrecht
30%
Eindho ven A rnhem den bo sch
25%
Gro ningen A mersfo o rt
20%
Zwo lle B reda
15%
A peldo o rn Zo etermeer
10%
Hilversum Leeuwarden
5%
M aastricht Haarlem
0%
Tilburg
0%
5%
10%
15%
20%
25%
Regiokantoren
Heerlen Nijmegen
Bron: eigen database (2008)
Figuur 8.2: Correlatie tussen het aandeel van regiokantoren in de kantorenvoorraad per primo 2007 en de groei van de in gebruik genomen kantorenvoorraad, 20 grootste steden, periode 2003 t/m 2007 12%
A msterdam Den Haag Ro tterdam
Ontwikkeling in gebruik zijnde voorraad
10%
Utrecht Eindho ven
8%
A rnhem den bo sch
6%
Gro ningen A mersfo o rt
4%
Zwo lle B reda A peldo o rn
2%
Zo etermeer Hilversum
0%
Leeuwarden
0%
5%
10%
15%
-2%
20%
25%
M aastricht Haarlem Tilburg Heerlen
-4% Regiokantoren
Nijmegen
Bron: eigen database (2008)
50
De mate waarin de mate van regiostad de relatie met de in gebruik genomen kantorenvoorraad weergeeft komt tot uiting in de zogenoemde R-kwadraat (R²). Hoe hoger deze R², des te groter is de verklaringskracht van het model van de regiosteden voor de kantorenvraag. Een volledig dekkende verklaring komt tot uitdrukking in de maximumwaarde van de R² van 1. De regressiegrootheid R² is het kwadraat van de correlatiecoëfficiënt. Over de periode 1998 t/m 2002 werd 19% van de totale variantie in de afhankelijke variabele (de groei van de in gebruik genomen kantorenvoorraad) verklaard door de onafhankelijke variabele (het aandeel van regiokantoren in de kantorenvoorraad). Over de periode 2003 t/m 2007 was dat gestegen tot 29%, hetgeen wederom een indicatie is dat sinds 2002 de groei van de in gebruik genomen kantorenvoorraad meer met het aandeel van regiokantoren in de kantorenvoorraad samenhangt, dan in de jaren daarvoor. Hiermee is de voorspellingskracht ongeveer gelijk aan de werkgelegenheidsterreinquotiëntenmethode (zie § 4.3.). Weliswaar is de zeggingskracht bescheiden, maar mijns inziens geeft het een goede aanvulling op de bestaande methoden om de vraag naar kantoren te prognosticeren (zie § 4.2.). Te meer omdat de insteek van de analyse anders is dan bij de meest gebruikte methoden. In de figuren 8.1 en 8.2 staat de formule van de lineaire regressielijnen gegeven. In de periode 2003 t/m 2007 houdt dat bijvoorbeeld in dat een 10 procentpunt toename van het aandeel van regiokantoren in de kantorenvoorraad leidt tot een stijging van 3,8% van de in gebruik zijnde voorraad. Indien in plaats van twintig de dertig grootste steden worden geselecteerd (bijlage 2) dan blijft het beeld grosso modo hetzelfde. Wel wordt de verklaringskracht minder doordat de kleinere kantorenmarkten meer uitbijters kennen. Een opvallende uitbijter bij de grotere steden is Breda. In deze stad is de in gebruik zijnde voorraad in de periode 2003 t/m 2007 aanzienlijk sneller gestegen dan op basis van het aandeel van regiokantoren in de kantorenvoorraad mocht worden verwacht. Deze stad profiteert echter van het ‘Beneluxeren’: regiokantoren uit de Benelux worden samengevoegd, en kiezen vaak voor Breda. Te denken valt aan ExxonMobil (samenvoeging van kantoren in Den Haag en Brussel) en Opel (samenvoeging van diverse kantoren in Nederland en België). In onderhavig onderzoek wordt echter alleen aandacht besteed aan landelijk gespreide kantoorgebruikers. De internationale concentratietrend waarvan Breda profiteert, valt echter buiten het onderzoek, waardoor de regiofunctie van Breda enigszins wordt onderschat. Zoals in paragraaf 6.2. werd geconstateerd, zijn de grote steden de winnaars van de concentratietendens die momenteel op de kantorenmarkt plaats vindt. Mogelijk is er bij de relatie ‘aandeel van regiokantoren in de kantorenvoorraad’ en ‘groei van de in gebruik genomen kantorenvoorraad’ sprake van een schijncorrelatie, en is de echte verklarende factor de omvang van de stad. Deze mogelijke schijncorrelatie is geanalyseerd (zie bijlage 3). Er blijkt bij de 20 grootste kantorenmarkten geen positief verband te zijn tussen de grootte van de steden en de omvang van de in gebruik zijnde kantorenvoorraad. Sterker nog, deze correlatie blijkt licht negatief te zijn, met een verwaarloosbare R-kwadraat: over de periode
51
1998 t/m 2007 bedroeg de R² minder dan 3% en over de periode 2003 t/m 2007 ongeveer 7%. De reden dat de grootte van de steden geen rol lijkt te spelen, is dat in de analyse alleen de 20 grootste kantorensteden zijn meegenomen. Er is feitelijk geen sprake van ‘kleine’ steden. Zoals uit paragraaf 6.2. bleek, ligt de scheidslijn tussen kleine steden die de verliezers zijn van de concentratietrend en grote steden die juist de winnaar zijn ruwweg rond de 100.000 inwoners. Indien bijvoorbeeld 50 steden in de analyse worden opgenomen, dan heeft de helft van de steden een inwonertal van onder de 100.000 inwoners. In dat geval blijkt er wel sprake te zijn van een (licht) positieve correlatie tussen de omvang van de stad en de groei van de in gebruik zijnde voorraad. 8.3. Relatie regiostad en groeivoet waarde kantoren Zoals uit de vorige paragraaf blijkt, lijkt er een positieve relatie te bestaan tussen het aandeel van regiokantoren in de voorraad enerzijds, en de ontwikkeling van de netto vraag naar kantoorruimte anderzijds. In zijn dissertatie ‘Performance and performance drivers in global property markets’(2007) heeft De Wit rendementscijfers van wereldwijd 46 kantorenmarkten geanalyseerd. Het betreft kwartaaldata over een 14-jaarsperiode, dus 56 kwartalen. Uit deze dissertatie kan worden afgeleid dat een positieve netto vraag positief uitwerkt op de waardegroei van kantoren. De Wit concludeert dat een verandering in de leegstand een significante impact heeft op de waardegroei. Leegstand heeft namelijk een negatieve correlatie van 0.23 met de waardeontwikkeling van objecten. De impact van de verandering van de totale voorraad op de waardegroei is daarentegen te verwaarlozen. De reden hiervoor is dat de waardegroei niet zozeer afhangt van de omvang van de voorraad, maar meer van de verhouding van de in gebruik zijnde voorraad en de totale voorraad. Aangezien het aantal onttrekkingen aan de kantorenvoorraad te verwaarlozen is, is een positieve nettovraag dé manier om leegstand te beteugelen, en bij te dragen aan een positieve waardegroei. Tabel 8.3: Wereldwijde correlaties (gebaseerd op 46 kantorenmarkten) 1. ∆ Capital Value 2. ∆ Rent 3. Total returns 4. ∆ Stock 5. ∆ Vacancy
(1) 1.00 0.75* 0.91* -0.03 -0.23*
(2)
(3)
(4)
1.00 0.69 -0.16* -0.27*
1.00 -0.07* -0.24*
1.00 0.29*
(5)
1.00
This table gives correlations. The symbol * indicates that a correlation is significant from zero at the five per cent level using the two-sided test methodology.The symbol ∆ indicates that the growth rate of the variable is used. Bron: De Wit, 2007
In zijn dissertatie heeft De Wit vervolgens ook door middel van een regressieanalyse gekeken naar de samenhang tussen leegstand en de waardegroei. Hij concludeert: “The parameter estimate for the vacancy rate variabele shows an increase in available office space has a relatively strong and significantly negative effect on capital rents” (De Wit, 2007, p. 28). Het zou mooi zijn om de bovenstaande theorie in de praktijk te toetsen. Dé database in Nederland voor vastgoedrendementen is de database van de ROZ-Vastgoedindex, gepubliceerd door de Stichting ROZ-Vastgoedindex. Deze jaarindex voor Nederlands
52
vastgoed heeft volgens de Stichting ROZ-Vastgoedindex een marktdekking van circa 85% van het in Nederland belegd vastgoed door Nederlandse institutionele beleggers. Hierdoor is het mogelijk om ‘Local Market Performance Reports’ te publiceren. Dit zijn rapporten met vastgoed performance-cijfers op gemeenteniveau. Vanwege de vertrouwelijkheid van de data wordt alleen een ‘Local Market Performance Report’ gemaakt, wanneer er minstens tien objecten binnen een marktgebied vallen en er tenminste vier verschillende eigenaren zijn. Belangrijk is om te vermelden dat bij de onderstaande analyse op basis van de ROZdata gepoogd wordt om verschillen tussen steden in de ontwikkeling van de kantorenvoorraad er uit te filteren. In mijn ‘theorie van de regiosteden’ wordt voor alle steden namelijk de uitbreiding van de voorraad in verhouding tot de bestaande voorraad als even groot ingeschaald. Uitgaande van deze veronderstelling zullen steden met de relatief hoogste netto opname ten opzichte van de voorraad daardoor de grootse afname van de leegstand kennen. In de praktijk is er echter de afgelopen decennia tussen verschillende steden een groot verschil in nieuwbouw geweest, hetgeen een impact heeft gehad op verschillen in leegstand en daarmee op de waardegroei. In Den Haag bedroeg bijvoorbeeld het afgelopen decennium de uitbreiding van de voorraad 16%. In Amersfoort nam de voorraad daarentegen met ruim de helft toe, vierkante meters die niet geheel door de markt zijn opgenomen. Onderzoek van De Wit heeft laten zien dat de impact van leegstand op de ontwikkeling van de waarde- en huurgroei groot is (regressiecijfers van -0,231 respectievelijk -0,256). In een ruime markt met veel leegstand (een zogeheten ´vragersmarkt´), is de positie van de huurders namelijk sterker dan in een markt met weinig leegstand (een ´aanbiedersmarkt´). In een vragersmarkt zullen door de eisen die de huurders kunnen stellen normaliter de waarde- en huurgroei beperkter zijn dan in een aanbiedersmarkt. De ROZ-data zijn voor deze scriptie daardoor dus niet één op één te gebruiken. Daarom is op basis van de regressiecijfers van De Wit en de ontwikkeling van de voorraad een correctie toegepast op de ROZ-cijfers (zie bijlage 4). Het is evident dat er enige ruis optreedt in de analyse van de relatie tussen de mate van regiostad en de waardegroei van kantoren. Enerzijds zijn de voorraadcijfers niet altijd geheel betrouwbaar, anderzijds is het wereldwijd gevonden regressiecijfer voor de impact van leegstand op de waardegroei uiteraard niet exact het regressiecijfer voor een Nederlandse (provincie-)stad. Daarnaast zijn de lokale ROZ-data, zeker voor de kleinere steden, aan grote schommelingen onderhevig, aangezien het aantal objecten in de database beperkt is. Ter indicatie, in de lokale database van 2006 waren er bijvoorbeeld slechts 56 objecten in Den Haag gesitueerd en in kleinere steden navenant nog minder. Tot slot is er bij de ROZ-datareeks nog het probleem van ‘smoothing’ en ‘lagging’, waardoor niet adequaat gereageerd wordt op marktontwikkelingen8, hetgeen de ROZ-data voor deze analyse minder bruikbaar maakt.
8
Een probleem van het bepalen van rendementen van vastgoed komt door het taxeren. Het rendement van vastgoed wordt samengesteld uit huurinkomsten en de waardering van het vastgoed. De waarderingen zijn echter niet een continue proces, waardoor marktveranderingen vertraagd, afgezwakt of niet plaatsvinden, dit noemt men met een Engelse term ‘lagging’. Een ander probleem zit bij de taxatie zelf, makelaars baseren hun taxatie vaak op voorgaande taxaties, waardoor er geen grote verschillen optreden. Dit noemt men ‘smoothing’.
53
Ondanks al deze ‘mitsen en maren’ is er een korte analyse uitgevoerd op basis van de lokale ROZ-data. Uit de ROZ-database zijn de lokale gegevens betrokken van de tien grootste kantorenmarkten9. Van de andere steden is het aantal objecten in de database te beperkt om er voor deze analyse gebruik van te maken. Deze tien steden zijn ingedeeld in twee categorieën: steden met relatief veel regiokantoren en steden met relatief weinig regiokantoren in de kantorenvoorraad. Het criterium waarop deze onderverdeling is gemaakt is het aantal regiokantoren van landelijk gespreide bedrijven/instellingen met 3 t/m 15 regiokantoren in verhouding tot de kantorenvoorraad (zie ook paragraaf 8.2.1.). De steden met relatief veel regiokantoren zijn: Arnhem, Amersfoort, Eindhoven, Groningen en Zwolle. De steden met relatief weinig regiokantoren zijn: Den Bosch, Rotterdam, Utrecht, Amsterdam en Den Haag. Zoals eerder vermeld zijn de ROZ-data gecorrigeerd voor de aanname in deze scriptie dat elke stad een gemiddeld even grote uitbreiding kent van de kantorenvoorraad. In bijlage 4 staan de methodiek en berekeningen verder toegelicht. Op basis van de ROZ-data en de voorraadcijfers is het mogelijk om een datareeks van 1996 t/m 2006 op te stellen. Uit de analyse blijkt, anders dan verwacht op basis van de hypothese, er geen verschil te zijn in de waardegroei van de objecten. Zowel in de steden met veel regiokantoren als in de steden met weinig regiokantoren bedroeg de jaarlijkse gemiddelde waardegroei over de periode 1996-2006 ongeveer 2,7%. Nogmaals wordt echter benadrukt dat deze cijfers vanwege alle ‘mitsen en maren’ met de nodige voorzichtigheid moeten worden betracht.
8.4. Relatie regiostad en groeivoet van de huurprijzen De bovenstaande exercitie is ook uitgevoerd voor de huurwaardegroei. Op basis van de ROZ-data is hier wel sprake van een duidelijk verschil. In steden met veel regiokantoren bedroeg de jaarlijkse gemiddelde huurstijging over de periode 19962006 ongeveer 2,9%. In de steden met weinig regiokantoren bedroeg dit jaarlijks ongeveer 2,3%. Daarnaast is in de steden met veel regiokantoren sinds 2003 steeds de huurgroei hoger geweest dan in steden met weinig regiokantoren. Dit is conform de verwachting dat met name na 2002 door het wegvallen van de uitbreidingsvraag er verschillen zouden optreden in de groeivoet tussen steden met veel en weinig regiokantoren (zie § 8.2.1.). Wel wordt opgemerkt dat de tekortkomingen in de analyse die in de vorige paraaf werden gesignaleerd ook voor de huurwaardegroei opgeld doen, waardoor ook deze cijfers met de nodige voorzichtigheid moeten worden betracht. Over de ontwikkeling van de huurprijzen is echter veel meer bekend dan over de waardegroei van kantoren. Behalve de ROZ-data over de getaxeerde markthuurstijging, zijn er ook diverse databases die, op basis van daadwerkelijk 9
Haarlemmermeer wordt buiten beschouwing gelaten, zie paragraaf 8.2.1.
54
gerealiseerde transacties, de huurprijzen vermelden. In de analyse hieronder is gekozen voor de VTIS2000 database. Een bijkomend voordeel is dat het aantal objecten op jaarbasis in de VTIS2000 database ongeveer twee keer zo groot is als in de ROZ-database. Zoals uit de tabel 8.3. in de vorige paragraaf blijkt, hangt de ontwikkeling van de huur significant negatief samen met de ontwikkeling van de leegstand (-0.27). Ook uit de door De Wit uitgevoerde regressieanalyse blijkt dat dit verband negatief is (-0,26). Op basis van mijn hypothese mag daarom worden verwacht dat steden met een groot aandeel regiokantoren een hogere groeivoet van de huren kennen dan steden met een kleiner aandeel van deze kantoren. Uiteraard uitgaande van de veronderstelling dat de ontwikkeling van de voorraad overal gelijk is. Uit paragraaf 8.2. is namelijk gebleken dat de steden met veel regiokantoren relatief de grootste netto opname kennen van kantoorruimte, waardoor de leegstand relatief kleiner wordt dan in steden met weinig regiokantoren. Hierdoor ontstaat er meer concurrentie tussen kantoorgebruikers, waardoor de huren hoger zullen uitvallen. De 30 grootste kantorenagglomeraties zijn in gelijke mate onderverdeeld in steden met ‘weinig regiokantoren’, met een ‘gemiddeld aantal regiokantoren’ en ‘veel regiokantoren’: Relatief veel regiokantoren: Amersfoort, Alkmaar, Apeldoorn, Nijmegen, Den Bosch, Hengelo, Leeuwarden, Rotterdam, Utrecht en Zoetermeer. Relatief gemiddeld aantal regiokantoren: Arnhem, Assen, Breda, Deventer, Eindhoven, Enschede, Groningen, Maastricht, Tilburg en Zwolle. Relatief weinig regiokantoren: Dordrecht, Heerlen, Amsterdam, Delft, Gouda, Haarlem, Hilversum, Leiden, Den Haag en Zeist. Voor de berekening van de huurniveaus zijn uit het VTIS bestand alleen kantoren geselecteerd met een metrage tussen 700 m² en 5.000 m². De reden is dat dit de meest marktconforme kantoren zijn. Bij grotere kantoren wordt de huurprijs vanwege het grote metrage gedrukt, terwijl bij kleinere kantoren juist het omgekeerde geldt. Onderstaande grafiek geeft de ontwikkeling van de huren van deze categorieën weer. Bij elke groep is het gemiddelde genomen van de gemiddelde huurniveaus per stad. Er is dus geen sprake van een gewogen gemiddelde, omdat de vier grote steden dan de ontwikkeling te veel zouden vertekenen. De doorgetrokken lijn geeft de daadwerkelijk gerealiseerde huur aan. De stippellijn geeft de correctie voor de groei van de voorraad weer. De impact hiervan is bij de steden met veel regiokantoren bescheiden. De huurgroei van de steden met weinig regiokantoren zou iets lager zijn uitgekomen, en in de steden met een gemiddeld aantal regiokantoren iets hoger. Dit komt omdat groei van de kantorenvoorraad in de steden met weinig regiokantoren relatief iets lager is geweest dan de andere steden, waardoor er een kleine negatieve correctie plaats vindt (zie bijlage 4 voor de methodiek), terwijl dit effect in steden met een gemiddeld aantal regiokantoren precies andersom werkt.
55
Figuur 8.3.: Ontwikkeling huren van de steden met weinig, gemiddeld en veel regiokantoren (1993 = 100) 160 150 140 130 120 110 100
weinig weinig (gecorrigeerd)
gemiddeld gemiddeld (gecorrigeerd)
2007
2006
2005
2004
2003
2002
2001
2000
1999
1998
1997
1996
1995
1994
1993
90
veel veel (gecorrigeerd)
Bron: VTIS2000. Eigen bewerking, 2008
Het blijkt dat de steden met in verhouding tot de kantorenvoorraad relatief de meeste regiokantoren in de periode 1993 t/m 2002 gemiddeld de grootste huurgroei hebben gekend. Over deze periode zijn de huren met ongeveer de helft toegenomen. Bij steden met een gemiddeld aantal regiokantoren is de huur met ruim eenderde toegenomen, terwijl in steden met relatief de minste regiokantoren de huren met slechts een kwart zijn toegenomen10. Dit houdt in dat in steden met relatief veel regiokantoren over de periode 1993 t/m 2007 de huren jaarlijks gemiddeld met 3% zijn toegenomen. In steden met relatief weinig regiokantoren heeft de huurstijging (jaarlijks gemiddeld 1,6%) de inflatie niet bij kunnen houden. Het jaar 2002 betekende een trendbreuk in de netto opname van kantoorruimte. Vanaf dat jaar lag deze opname aanzienlijk lager dan het decennium ervoor, met een snel oplopend aanbod als gevolg (zie hoofdstuk 5). Dit zien we terug in de ontwikkeling van de huren. Over de periode 1993 t/m 2002 was er sprake van een gestage huurstijging in alle drie de type steden. In 2007 lagen de huren in de steden met ‘veel’ en ‘een gemiddeld aantal’ regiokantoren echter niet hoger dan het niveau van 2002. De steden met weinig regiokantoren werden over deze periode zelfs geconfronteerd met een huurdaling van ongeveer 10%. Op basis van bovenstaande kan worden opgemaakt dat de hypothese dat de groeivoet van de huren van steden met veel regiokantoren hoger kan worden ingeschat dan steden met weinig regiokantoren opgeld lijkt te doen.11
10
Hierbij wordt voorbij gegaan aan eventuele huur-incentives die niet in het VTIS-bestand zijn opgenomen. Ook bij de analyse van de huren is gekeken of er mogelijk sprake was van een schijncorrelatie veroorzaakt door de grootte van de steden. Dit blijkt niet het geval te zijn, het verschil van de mediaan van de omvang van de kantorenvoorraad en de bevolking blijkt tussen de drie groepen slechts beperkt te zijn. 11
56
57
Hoofdstuk 9. Afsluiting en conclusie Door middel van een zelf gecreëerde database met informatie over het locatiepatroon van regionale kantoren van landelijke opererende bedrijven en instellingen is gepoogd om de centrale onderzoeksvraag van deze scriptie te beantwoorden: Is er sprake van een bovengemiddelde groeivoet van huren en waarde van kantoren in steden die veel regiokantoren aan zich weten te binden? Op basis van de database is bepaald welke steden, in vergelijking tot de totale kantorenvoorraad van de stad, veel regiokantoren hebben. Volgens de hypothese hebben deze steden een hogere positieve netto opname van kantoorruimte dan steden met weinig regiokantoren. Dit zal leiden tot een gunstigere ontwikkeling van de leegstand. Hierbij is verondersteld dat de ontwikkeling van de voorraad overal gelijk is. In paragraaf 8.2.1. is gebleken dat er inderdaad een positief verband is tussen het aandeel van de regiokantoren in de kantorenvoorraad en de ontwikkeling van de in gebruik zijnde voorraad. Naarmate het aandeel van regiokantoren in de kantorenvoorraad toeneemt, stijgt de groei van de in gebruik genomen voorraad. In de hypothese werd verwacht dat de leegstand zich hierdoor in steden met veel regiokantoren beter ontwikkeld dan in steden met weinig regiokantoren, met als gevolg dat de waarde- en huurgroei daardoor hoger uitvalt. De verhuurders kunnen namelijk in een markt met minder leegstand meer eisen gaan stellen dan in een markt met veel leegstand. De Wit heeft in zijn dissertatie aangetoond dat er een negatief verband bestaat tussen leegstand enerzijds en de huur- en waardegroei anderzijds (De Wit, 2007). Uit de analyse van de lokale ROZ-data blijkt er echter geen onderbouwing te zijn voor de veronderstelling dat het aantal regiokantoren een positief effect heeft op de waardegroei. Zoals echter in de scriptie aangegeven kleven er zoveel bezwaren aan het gebruik van de lokale ROZ-data voor deze scriptie, dat de conclusies op basis van het gebruik van deze database met de nodige voorzichtigheid moeten worden betracht. Er lijkt echter wel een duidelijke relatie te bestaan tussen het aandeel van regiokantoren in de voorraad en de ontwikkeling van de huren. Zowel uit de lokale ROZ-data als het VTIS2000 bestand blijkt dat de huren in steden met veel regiokantoren gemiddeld jaarlijks ongeveer 3% zijn gegroeid, terwijl in steden met weinig regiokantoren de gemiddelde huurgroei jaarlijks ongeveer driekwart procentpunt minder bedroeg. Tot zover mijn analyse met betrekking tot de vraag of er sprake is van een bovengemiddelde groeivoet van huren en waarde van kantoren in steden die veel regiokantoren aan zich weten te binden. Een belangrijke vraag die overblijft is natuurlijk: wat heeft een belegger in Nederlandse kantoren aan deze scriptie. Ik zal onderstaand deze vraag op een eerlijke wijze proberen te beantwoorden.
58
De ervaring leert dat een prognose van de (netto) opname van kantoorruimte op nationaal en lokaal niveau moeilijk valt te maken. Iemand die oude onderzoeken erbij haalt, ziet dat de voorspellingskracht bijna per definitie teleurstellend is geweest. Ik verwacht dan ook niet dat deze scriptie het ´Ei van Columbus´ is, en dat over een xaantal jaar blijkt dat het een perfecte voorspellingskracht heeft gehad. Wel verwacht ik dat deze scriptie een goede aanvulling is op bestaande onderzoeken. Veelal worden prognoses ingestoken vanuit bevolkings- en werkgelegenheidsgroei, een extrapolatie uit het verleden en/of economische prognoses. Deze scriptie is vanuit een andere hoek ingestoken, waarbij een combinatie is gemaakt van landelijke vraagontwikkelingen, (concentratie-)trends in de kantorenmarkt, en vestigingsplaatsvoorkeuren door landelijk opererende bedrijven en instellingen. In combinatie met reeds bestaande onderzoeksmethoden kan de ´regiosteden´ methode mijns inziens een redelijk beeld opleveren van interessante steden om in te beleggen. Als bijvoorbeeld blijkt dat een stad slecht scoort op zowel de bevolkingsals werkgelegenheidsgroeimethode, als de extrapolatie- als de ´regiosteden´-methode (zoals bijvoorbeeld Haarlem), dan is er recht om te twijfelen aan het groeipotentieel van de in gebruik zijnde voorraad. Zoals in mijn scriptie is vermeld, ga ik uit van een in alle steden relatief gelijke ontwikkeling van de kantorenvoorraad. Aangezien dit in de praktijk niet het geval is heb ik een schema gemaakt met op de X-as het aandeel van regiokantoren in de voorraad en op de Y-as de pijplijn van vierkante meter kantoorruimte in verhouding tot de huidige voorraad12. De X-as en Y-as zijn gebaseerd op de gemiddelden van deze twee variabelen. Figuur 9.1.: Aandeel regiokantoren in de voorraad en pijplijn van vierkante meter kantoorruimte in verhouding tot de huidige voorraad 50%
A msterdam Den Haag
45%
Ro tterdam Utrecht
Pijplijn in verhouding tot huidige voorraad
40%
Eindho ven A rnhem
35%
den bo sch Gro ningen
30%
A mersfo o rt
25% 0%
5%
10%
Zwo lle
15% 20%
20%
25%
B reda A peldo o rn Zo etermeer
15% 10% 5%
Hilversum Leeuwarden M aastricht Haarlem Tilburg
0% Regiokantoren
Heerlen Nijmegen
Bron: Neprom, 2008 en eigen database, 2008.
12 Betreft projecten in de planfase, of projecten waarvoor een bouwvergunning is afgegeven, of projecten in aanbouw (bron: Neprom, 2008).
59
Op basis van deze scriptie over de regiosteden kunnen de steden in de twee rechtse kwadranten rekenen op de grootste groeivoet van de huren en (tot dusver alleen volgens de theorie) op de waarde. Indien echter rekening wordt gehouden met de pijplijn aan nieuwbouw, zijn met name Eindhoven, Zwolle en Groningen het meest interessant. Dit neemt niet weg dat er ook in de andere steden belegd kan worden, maar met het oog op de meer beperkte groeivoet van de waarde en de huren, moeten objecten tegen een hoger BAR worden aangekocht, om uiteindelijk hetzelfde rendement te halen. Uiteraard kan het een en ander niet zo letterlijk worden genomen: een object op de Zuidas in Amsterdam zal waarschijnlijk een hogere groeivoet van de waarde en huren laten zien dan een object in een buitenwijk van Eindhoven, Zwolle of Groningen. In deze scriptie is echter alleen naar het geaggregeerde stedelijke niveau gekeken. Er is niet gekeken naar een lager schaalniveau. De ´theorie van de regiosteden´ geeft dus op beleidsniveau een indicatie van welke steden voor een belegger mogelijk meer interessant zijn als andere steden. Indien echter een object wordt geacquireerd blijft een analyse op locatieniveau onontbeerlijk.
60
61
Bijlage 1. Bedrijven en instellingen in de steekproef Bedrijf/instelling Aan De Stegge Abab Accountants Abb Lummus Global Abc Vastgoed Abp Pensioenfonds Abva/Kabo Ambtenarenbond Accon Accountants & Adviseurs Accountemps Uitzendbureau Ace Ingenieurs Actys Wonen Vastgoedmanagement Agens Begeleiding Voor Herintr Agis Zorgverzekering Ags Architecten & Planners Ahrend Akd Prinsen V Wijnen Alexander Calder Arbeidsintegratie Aon Assurantie-Advies Appm Organisatieadvies Appoint It-Bedrijf Arag Rechtsbijstand Verzekering Arbeidsinspectie Arboduo Arboned Arcadis Advies & Ingenieurs Ardyn Arbo & Advies Arep Belastingadviseurs Argonaut Adviesbureau Herintreding Arnold&Siedsma Athlon Car Lease Atos Origin Aveco De Bondt Ingenieurs Avensus Automatisering Awvn B&A Outplacement & Career Ballast Nedam Infra Bam Civiel BAM Infraconsult, BU Wegen en Gebiedsinfra Bam Infratechniek Bam Techniek Bam Utiliteitsbouw Banque Artesia Barneveld Schevers Accountants Bartels Ingenieursbureau Bbn Adviseurs Bdo Be Value Ict-Bedrijf Belastingdienst Bemog Projectontwikkeling Berk Accountants & Belastingadviseurs BFB Bouw- En Bouwkostenadviseurs Bg Communicatie Bmc Adviesbureau Bmg Detachering Boag Bouw Advies Groep Borrie & Co Registeraccountant Bpf Bouwinvest Brink Ingenieurs Bro Brunel Detachering Bureau Jeugdzorg Bureau Rechtshulp Bureau Veritas Cad Accountancy Campina Melkunie Cap Gemini Cauberg-Huygen Ingenieurs Cba CBR Rijvaardigheidsbewijzen Cco Computerbedrijven Ciber Nederland Cimsolutions Software Cnv Chr Ned Vakvereniging Commit Arbo Conquaestor Detachering Consolid Corgwell CZ Groep Zorgverzekeringen Das Rechts-Verzekeringen Dda Bouwengineering De Haan Advocaten De Zeeuw & De Keizer Accountants
Totaal 3 18 4 3 13 7 52 5 3 6 29 32 3 13 4 32 11 4 3 3 7 38 61 12 14 3 4 8 7 9 3 3 6 3 5 5 3 6 13 17 9 12 10 3 28 4 25 3 18 4 3 3 5 3 4 3 3 3 9 14 6 4 3 17 3 5 4 5 12 3 5 6 24 3 8 4 4 4 8 4 3
Bedrijf/instelling Deen Werving & Selectie Deerns Adviesbureau Deloitte & Touche Accountants Delta Lloyd Verzekeringen Derks Star Busmann Advocaten Dhg Reïntegratie Dhv Advies- en Ingenieursbureau Diepens & Okkema Advieskantoor Dit Detachering Douane Dtz Zadelhoff Makelaardij Eds Electronic Data Systems In Elsevier Bedrijfsinformatie Emn Expertise Ernst & Young Accountants Eurojurist Fead Assist Administratiekantoor Fgh Bank Flanderijn En Eliens Deurwaard Fme Cwm Werkgeversorganisatie Fmt Fnv Federatie Nederlandse Vakbeweging Focus Nederland Foederer Accountantsgroep Friesland Bank Fugro Ingenieurs Gab Robins Takkenberg Gelder Groep Adviesbureau Geofox Milieuonderzoek Getronics Groep Software Gibo Groep Accountants & Adviseurs Gimd Maatsch Dienstverl Gitp Gliagg Global Knowledge Network Goudappel Coffeng Advies Goudsticker Ingenieurs Greenock Engineering Groenewegen Deurwaarders Grontmij Gti Guo Gem Uitvoeringsorgaan Habitask Hagemeyer Hanselman Expertisebureau Haskoning Ingenieursbureau Hays Personnel Werving & Selectie Hcn Callcenter Heijmans Bouw Heijmans Vastgoed Exploitatie Hendriks Makelaars Holland Van Gijzen Advocaten Home@ Telecommunicatie Houdringe Rentmeesters Houthoff Buruma Advocaten Hsk Groep Organisatie-Advies Human Capital Care Arbodienst Human Company Humanistisch Verbond Ibm Nederland Ictivity Imk Immigratie- & Naturalisatiedie Imtech Technische Installaties Inbo Architectenbureau Informatie Beheer Groep Inspectie Van Het Onderwijs Inspectie Voor De Gezondheidszorg Inter Access Software Consultants Interlink Adviseurs Internationale Organisatie Voor Migranten Interwork Isah Software Iss Schoonmaakbedrijf Iza Zorgverzekeraar Jacobus Recourt Vastgoedmanagement Jones Lang Lasalle Js Consultancy Kadaster Kafi Advies Kamer van Koophandel
Totaal 5 6 28 4 3 8 9 3 21 16 12 6 6 4 22 19 4 8 9 3 3 7 9 9 11 8 4 11 3 15 58 21 13 3 9 4 5 3 11 18 7 9 5 16 4 17 8 5 14 4 10 5 8 6 3 22 11 6 42 4 3 3 9 3 7 26 8 5 3 4 4 4 3 4 8 3 5 5 16 3 46
62
Bedrijf/instelling Kats Waalwijk Bouwadvies Kaw Architecten Keuringsdienst Van Waren Knvb Kon Ned Voetbal Bond Kon Ned Lawn Tennis Bond Koophuis Makelaars Kp & T Projectadvies Kpmg Accountants Kropman Installatietechniek KWS Wegenbouw Landbouw Econ Instituut Lee Hecht Harrison L'invité Horeca Uitzendbureau Lodder & Co Accountants Logica It-Bedrijf Logical Management Solutions Loodswezen Nederland Loyalis Verzekeringen Loyens & Loeff Belastingadvocaten Ltb Accountantsgroep Ltp Adviesbureau Luba Uitzendbureau Maandag Maetis Arbo Marsh & Mclennan Nederland Maters & Hermsen Journalistiek Mazars Accountants Mecal Medital Keuringsinstituut Mees Pierson Meeùs Groep Meeuwsen Ten Hoopen Accountants Menzis Verzekeringen Mepros Bedrijfsgezondheidsdienst Mercer Hrm-Consultancy Mercuri Urval Michael Page Adviesbureau Microbais Automatisering Mirabeau Internet Mkb-Overname Movares Mt & V Werving en Selectie Nashuatec/Nrg Ncb Projecten Nederlands Bijwerkingen Centrum Lareb New Horizon Computeropleidinge Nibag Nob Wegtransport Nysingh Advocaten Olympia Uitzendbureau Opg Pharmaceutische Gr-Handel Oranjewoud Ingenieursbureau Ordina Automatisering Page Uitzendbureau Partners In Perspective Penta Scope Adviesbureau Philip vd Hurk Hypotheekadvies Pink Roccade Automatisering Piramide Pkf Wallast Pno Consultants Prevend Arbo Services Price Waterhouse Coopers Prisma Facility Management Procensus Proost & Brandt Pruijn & Vd Bergh Deurwaarders Quality Select Secr Uitzendbureau Quinto Groep Raad V Rechtsbijstand Raad Voor De Kinderbescherming Raet Automatisering Re/Max Makelaars Regus Business Center Right Management Consultants Rijksdienst Vee En Vlees Rijksdienst vh Wegverkeer Rijkswaterstaat Robert Half International Robert Walters Recruitmentbureau Robidus Adviesgroep Rosier En Weggemans Deurwaarder Rug-Adviescentrum
Totaal 5 3 5 6 5 19 4 16 7 13 3 4 3 7 11 7 4 13 4 23 4 38 10 5 4 3 15 3 32 12 61 16 4 6 5 6 5 3 4 9 5 6 3 3 5 5 3 4 3 94 3 8 12 4 3 6 4 16 3 4 8 5 16 3 3 4 13 8 14 5 22 8 66 15 9 5 18 10 5 3 3 3 10
Bedrijf/instelling Sab Project & Proces Sabel Communicatie Sagenn Reïntegratie Schoeman Makelaars Schreiner & Van Bockel Reclame Schretlen & Co Schreuder Ingenieursbureau Secretary Plus Detachering Senter Serin Sg Automatisering Siod Snt Telemarketing Sociale Verzekerings Bank Sogeti Automatisering St Centr Indicatiestelling Zorg St Het Juridisch Loket St Kenteq Technisch Kenniscent St Koninklijke Auris Groep Staal Bankiers Staatsbosbeheer Staff Planning Uitzendbureau Stevens & Van Dijk Ingenieursbureau Stichting Akj Strukton Bouw, Strukton Bouw & Onderhoud Bv Strukton Worksphere Studentlinq Uitzendbureau Susa Uitzendbureau SVF Schuldhulp En Budgetbeheer Syntens Advies Taminiau Business Service Tauw Infra Consult Tcn Property Projects Tebodin Ingenieursbureau Ten Kate & Huizinga Accountant Tijhuis Deurwaarderskantoor TNO Tog Taxatiebureau Top Care Towers Perrin Pensioenadvies Tressunt Uitzendbureau Tribase Ict-Bedrijf Trifoor Troostwijk Taxaties T-Systems Ict Twice It Training Udm Adviesbureau Unie Vakbond Van Industrie Unie Van Waterschappen Uni-Invest United Capacity Univé Verzekeringen Uticon Dynatherm Uwv Uitvoering Werknemersverz V Diepen Vd Kroeff Advocaten Valid Ict Van Braak Accountants Van Ede & Partners Advies Van Lanschot Bankiers Van Mens & Wisselink Advocaten Van Wijnen Bouw Vd Meer & V Tilburg Innovatie Vereniging Natuurmonumenten Vesteda Vesting Finance Group Vicoma Ingenieursbureau Viro Engineering Vitalis Woningen Vitens Waterbedrijf Vno/Ncw Werkgevers-Organisatie Volker Stevin Vvaa Accountants Vwa Voedsel Waren Autoriteit Watson Wyatt Brants Actuarissen Wea Accountants Witteveen & Bos Ingenieurs Wolter & Dros Ingenieurs Wpm Xcent Yacht Group Yer
Totaal 3 3 17 8 4 5 6 22 4 31 3 6 4 10 5 49 30 3 4 7 5 11 4 6 7 15 4 11 8 15 11 6 3 9 9 10 14 4 5 3 10 4 4 3 4 4 5 7 27 4 10 4 4 28 8 3 7 11 32 3 17 4 6 6 6 7 4 7 5 6 4 12 6 7 16 8 18 4 6 14 11
Eindtotaal
3172
63
Bijlage 2. Correlatie regiokantoren – in gebruik zijnde voorraad Figuur bijlage 2.1.: correlatie tussen het aandeel van regiokantoren in de kantorenvoorraad per primo 2007 en de groei van de in gebruik genomen kantorenvoorraad, 30 grootste steden, periode 1998 t/m 2002 100%
Ontwikkeling in gebruik zijnde voorraad
90% 80% 70% 60% 50% 40% 30% 20% 10% 0% 0%
5%
10%
15%
20%
25%
Regiokantoren
A msterdam Den Haag Ro tterdam Utrecht Eindho ven A rnhem den bo sch Gro ningen A mersfo o rt Zwo lle B reda A peldo o rn Zo etermeer Hilversum Leeuwarden M aastricht Haarlem Tilburg Heerlen Nijmegen Leiden Enschede Delft A lkmaar Deventer Zeist Go uda Do rdrecht Hengelo A ssen
Bron: eigen database (2008)
Figuur bijlage 2.2: correlatie tussen het aandeel van regiokantoren in de kantorenvoorraad per primo 2007 en de groei van de in gebruik genomen kantorenvoorraad, 30 grootste steden, periode 2003 t/m 2007
Ontwikkeling in gebruik zijnde voorraad
20%
15%
10%
5%
0% 0%
5%
10%
15%
-5% Regiokantoren
20%
25%
A msterdam Den Haag Ro tterdam Utrecht Eindho ven A rnhem den bo sch Gro ningen A mersfo o rt Zwo lle B reda A peldo o rn Zo etermeer Hilversum Leeuwarden M aastricht Haarlem Tilburg Heerlen Nijmegen Leiden Enschede Delft A lkmaar Deventer Zeist Go uda Do rdrecht Hengelo A ssen
Bron: eigen database (2008)
64
Bijlage 3. Correlatie aantal inwoners – in gebruik zijnde voorraad Figuur bijlage 3.1.: correlatie tussen het aantal inwoners per primo 2008 en de groei van de in gebruik genomen kantorenvoorraad, 20 grootste steden, periode 1998 t/m 2002 40%
A msterdam
Ontwikkeling in gebruik zijnde voorraad
Den Haag
35%
Ro tterdam Utrecht
30%
Eindho ven A rnhem den bo sch
25%
Gro ningen A mersfo o rt
20%
Zwo lle B reda
15%
A peldo o rn Zo etermeer
10%
Hilversum Leeuwarden
5%
M aastricht Haarlem
0%
Tilburg
0
100000
200000
300000
400000
500000
600000
700000
800000
Inw oners
Heerlen Nijmegen
Bron: eigen database (2008)
Figuur bijlage 3.2: correlatie tussen het aantal inwoners per primo 2008 en de groei van de in gebruik genomen kantorenvoorraad, 20 grootste steden, periode 2003 t/m 2007 12% A msterdam Den Haag
10% Ontwikkeling in gebruik zijnde voorraad
Ro tterdam Utrecht
8%
Eindho ven A rnhem den bo sch
6%
Gro ningen A mersfo o rt
4%
Zwo lle B reda
2%
A peldo o rn Zo etermeer Hilversum
0% 0
100000
200000
300000
400000
500000
600000
700000
800000
Leeuwarden M aastricht
-2%
Haarlem Tilburg Heerlen
-4% Inw oners
Nijmegen
Bron: eigen database (2008)
65
Bijlage 4. Berekening correctie op ROZ-rendement In de scriptie wordt er van uitgegaan dat de groei van de voorraad in elke stad relatief gelijk is. Daarom is per stad berekend hoe groot de voorraad zou zijn geweest, als de groei gelijk was geweest aan het landelijke gemiddelde. Als een kantorenmarkt bijvoorbeeld in een jaar met minder of meer vierkante meters toenam dan op basis van de ontwikkeling van het landelijke gemiddelde mocht worden verwacht zijn de ROZdata als volgt aangepast: Groeivoet waarde of huur * (regressiecijfer, -0,231 voor de waardeontwikkeling en -0,256 voor de huurwaardegroei * percentueel verschil in ontwikkeling van de voorraad in theorie en in praktijk). Dus als de groeivoet van de huur 4% bedroeg en de toename van de kantorenvoorraad 10 procentpunt hoger lag dan het landelijke gemiddelde, wordt de groeivoet opgehoogd met 2,31%. De voorraad is namelijk meer dan gemiddeld verruimd, hetgeen in theorie een drukkend effect zou hebben gehad op de huurgroei. Daarom wordt de huurprijs opgehoogd, omdat in scriptie wordt uitgegaan van een voorraadontwikkeling die in elke stad relatief gelijk is. Kantorenvoorraad * 1.000 m² (Bron Vastgoedmarkt/Bak, diverse jaren)
Kantorenvoorraad * 1.000 m² , op basis van landelijk gemiddelde uitbreiding (=theorie)
Verschil theorie en praktijk als % van de. daadwerkelijke kantorenvoorraad
Waardegroei (in %), (bron ROZ)
Huurwaardegroei (in %), (bron ROZ)
Regressie: -0,231 Waardegroei (in %), gecorrigeerd voor verschil voorraadgroei
Regressie: -0,256 Huurwaardegroei (in %), gecorrigeerd voor verschil voorraadgroei
66
Bibliografie Achmea Vastgoed (2008). Jaarverslag 2007 Achmea Vastgoed (2008). Factsheet Office Property Fund Altera Vastgoed NV (2008). Jaarverslag 2007 Baarda, D.B. en M.P.M. de Goede (2006). Basisboek Methoden en Technieken. Handleiding voor het opzetten en uitvoeren van kwantitatief onderzoek. [WoltersNoordhoff] Bak, R.L. (diverse jaren). Kantoren in cijfers. Statistiek van de Nederlandse kantorenmarkt. [Kantorenfonds Nederland; CB Richard Ellis] Bijkerk W.O., W.I.J. de Boer, G.A. Marlet en C.M.C.M. van Woerkens. Kijk op kantoren 2003. De ontwikkeling op de kantorenmarkt tot 2011 (2003). [Utrecht, Nyfer] Brouwer, H.J. (2007). Kantoren als belegging. Syllabus Module Investeringsanalyse. [ASRE, Amsterdam] Bureau Louter (2007). Ontwikkelingen en prognoses regionale kantorenmarkt. Bureau Louter (2008). Kantoren op de kaart. Centraal Planbureau (2002). Bedrijfslocatie-monitor. De BLM: opzet en recente aanpassingen. [‘s-Gravenhage, Centraal Planbureau] Centraal Planbureau (2005). De vraag naar ruimte voor economische activiteit tot 2040. [‘s-Gravenhage, Centraal Planbureau] Dekkers, J. en E. Koomen (2006). De rol van sectorale inputmodellen in ruimtegebruiksimulatie. [Vrije Universiteit, Amsterdam] Eichholtz, P.M.A. en D. Brounen (2004). Vastgoedmarkt kraakt onder demografische druk. In Economisch Statistische Berichten nr. 4430. FGH Bank (2008). Investeren in verandering. FGH Vastgoedbericht 2000. [Utrecht, FGH Bank] Gool, P. van, D. Brounen, P. Jager en R.M. Weisz (2007). Onroerend goed als belegging. [Wolters-Noordhoff] Gool, P. van, en G.A. Vos (2002). Naar rapportage over de netto opname van kantoorruimte. Varkenscyclus weer terug op de kantorenmarkt! [SBV Research] Heijer, A.C. den, W.N.J. Rust, J.P. Soeter, F. Seyffert (1997). Vastgoed Financieel. Theorie en toepassing van de financiële rekenkunde in de vastgoedpraktijk [Management Studiecentrum] Hogeschool van Utrecht, afdeling Bouwnijverheid. Financieel-Economische aspecten van de planvorming (2001) Hulst, A.F. van (2004). De disconteringsvoet voor taxaties: DV-tax. Een nadere kennismaking. [Scriptie ASRE] Inbo Adviseurs (2001, 2003 en 2005). Kantoorgebruikers in beweging. [Woudenberg] ING Dutch Office Fund (2008). Annual Report 2007 Kantorenfonds Nederland (2007). Jaarverslag 2006 Kok, N. (2008). Kwantitatief Onderzoek. Reader t.b.v. college 6 maart 2008. [Amsterdam, ASRE] Nederlands Economisch Instituut (NEI) & Buck Consultants International (BCI) (1997). Bedrijfslokatieplanning in Nederland. Deel I: Praktische tips bij keuze methodiek; Deel II: Methoden en praktijk in Nederland. [Rotterdam en Nijmegen, Nederlands Economisch Instituut & Buck Consultants International] NVM (2005). Top 70 kantoorsteden van Nederland. [Hardinxveld-Giessendam, Grafisch Bedrijf Tuijtel] Peters, J. (2003). Ruimtebehoefteraming voorbedrijven. [Nijmegen, Buck Consultants International].
67
Rust, W.N.J., S.H.C. van den Berg en C.J.C. van Benthum (2001). Vastgoed. Financiële vraagstukken. [Management Studiecentrum] Rust, W.N.J., E.M. in het Veld en P.P. van Bosse (2000). Vastgoed. Rekenen met Spreadsheets. [Management Studiecentrum] Stec Groep (2001). Logica in locatiepatronen. [Nijmegen, Stec Groep] Tazelaar, P.A.C. (2002). Risico als maat voor rendement. Een onderzoek naar de rendementseisen van vastgoed. [Scriptie ASRE] VastNed Offices/Industrial (2008). Jaarverslag 2007. Website Annexum 2008: www.annexum.nl (16 februari). Website Centraal Bureau voor de Statistiek 2008: www.cbs.nl (15 april) Website Corio Offices 2008: www.corio-eu.com (18 februari) Website DTZ Zadelhoff 2008: www.dtz.nl (19 mei) Website Generali Vastgoed 2008: www.generalivastgoed.nl (17 februari) Website Jones Lang LaSalle 2008: www.joneslanglasalle.nl (20 mei) Website KFN 2008: www.kfn.nl (2 januari) Website Neprom 2008: www.neprom.nl (22 juni) Website Nieuwe Steen Investments 2008: www.nsi.nl (16 februari). Website Polaris Market Research 2008: www.polarismr.com (22 mei) Website Vereniging van Institutionele Beleggers in Vastgoed 2008: www.ivbn.nl (10 april) Wit, I. de (2007). Performance and performance drivers in global property markets. [Universitaire Pers, Maastricht] Witlox, F. en B. DeRudder (2005). Ruimtebehoefteraming van bedrijven aan de hand van een economische terreinquotiëntenmethode. In: Kwartaalschrift Economie, Nummer 4, 2005. Zuidema, M. (2006). Vraag naar Kantoren tot 2015. [Economisch Instituut voor de Bouwnijverheid]
68
