Toekomst woning(beleggers)markt

Toekomst woning(beleggers)markt De effecten van de veranderende woning(beleggers)markt op het risico/rendementsprofiel van woningbeleggingen.

Amsterdam School of Real Estate Master of Real Estate Amsterdam, 14 september Henk Noordhoff Begeleider Drs. A. Marquard

Toekomst woning(beleggers)markt 2015

Voorwoord Voor u ligt mijn Masterscriptie van de opleiding Master of Real Estate aan de Amsterdam School of Real Estate. Deze scriptie vormt de afronding van mijn opleiding. Met genoegen sluit ik deze leerzame en intensieve opleiding af, welke ik met veel plezier heb gevolgd. Graag wil ik mijn werkgever Syntrus Achmea Real Estate & Finance bedanken voor de mogelijkheid die ze mij hebben geboden met het volgen van deze studie en tevens voor de vrijheid die ze mij daarin hebben gegeven. Daarnaast gaat mijn dank uit naar de medewerkers van de ASRE en speciaal naar Arthur Marquard, voor zijn enthousiaste en bereidwillige begeleiding bij de totstandkoming van dit rapport. Data-analyse is een belangrijk onderdeel van dit onderzoek. Daarvoor gaat mijn dank ook uit naar IPD en Ortec Finance voor hun bijdrage. Tot slot wil ik Kirstin, Hannah, familie en vrienden bedanken voor hun geweldige steun en eindeloze geduld de afgelopen twee jaar. Amsterdam, september 2015. Henk Noordhoff

1


Samenvatting “De komende jaren bieden demografische, economische en beleidsontwikkelingen in Nederland voldoende opgaven en kansen aan alle spelers op de Nederlandse woning(beleggers)markt” (Capital Value, 2015). Een opvallende quote uit een onderzoeksrapport van een bekend Nederlands makelaarskantoor, marktleider in de woningbeleggersmarkt, nadat de woningmarkt zware tijden heeft gehad. Maar hoe kunnen woningbeleggers hier optimaal op inspelen en in welke mate zijn beleidsvarianten daarbij van invloed? Het doel van dit onderzoek is het verschaffen van inzicht in de risico/rendementsprofielen van beleidskeuzes voor institutionele woningbeleggers. De woningmarkt is een complexe markt met veel verschillende stakeholders. Deze markt kent daarbij een sterk institutioneel karakter, waarbij vooral woningcorporaties een dominante rol spelen. De verschillende deelmarkten beïnvloeden elkaar op verschillende wijzen, maar de omvang van de commerciële beleggersmarkt is relatief vrij beperkt. Mede door de beleidsmaatregelen van de Rijksoverheid lijkt er een trendbreuk gaande. De voordelen van huren worden steeds meer onderkend. In het (recente) verleden was het vrijwel altijd zo dat voor de taxaties van woningobjecten met een uitpondvariant de hoogste waarde opleverde. Inmiddels blijkt in een toenemende mate het doorexploitatievariant de hoogste waarde bij een taxatie op te leveren. De dalende leegwaarden en stijgende huurwaarden zijn hierbij belangrijke varklaringen. Dit zou suggereren dat voor het uitponden als beleidsvariant een andere risico/rendementsprofiel kan worden gehanteerd dan voor het doorexploiteren. De Nederlandse woningbeleggingsmarkt werd decennialang gedomineerd door Nederlandse woningbeleggers (zowel institutioneel als particulier). In de loop van 2014 is hier verandering in gekomen door de toetreding van enkele internationale partijen tot de Nederlandse markt (Capital Value, 2015). De vastgoedportefeuille van institutionele beleggers maakt veelal onderdeel uit van een grotere beleggingsportefeuille. De diversificatievoordelen en kenmerken van vastgoed spelen daarbij een cruciale rol. Rendement en risico vormen binnen de financiële markt de kernbegrippen wanneer het gaat om prestatiemeting. De begrippen worden gebruikt om de efficiëntie van een beleggingsobject of een portefeuille te bepalen. De standaarddeviatie is uitgegroeid tot de maatstaf voor risico en geeft de spreiding van de rendementen rondom het gemiddelde aan. Rendementsreeksen van vastgoed zijn niet zonder meer te vergelijken met rendementsreeksen van aandelen of obligaties. Door scenarioanalyse zijn totaal rendementen (startwaarden) gekoppeld aan de volatiliteit van de markt en beleidsvarianten, om zodoende de ontwikkeling van het risicoprofiel te bepalen. Voor de bepaling van het risico/rendementsprofiel van woningbeleggingen beperkt dit onderzoek zich tot het analyseren op benchmark (portefeuille) niveau. Met behulp van de Sharpe ratio is het rendement gecorrigeerd voor risico gemeten, om meer inzicht te krijgen in de beleggingsresultaten van de beleidsvarianten. Een hoge Sharpe ratio geeft aan dat er bij weinig risico een hoog rendement behaald wordt. In dit onderzoek zijn met Crystal Ball simulaties gedaan om de forecast Sharpe ratio te analyseren. Zo zijn er vele trekkingen gedaan uit een reeks rendementen. In dit onderzoek zijn de gegevens van de IPD over de periode 1995-2014 geanalyseerd. De beschikbaar gestelde data over ‘Deeltransacties’ maakt onderdeel uit van een speciaal opgestelde benchmarkrapportage van de IPD. Aan de hand van verschillende (economische) situaties zijn uitkomsten geanalyseerd en hieruit volgen optimalisatiemogelijkheden om de allocatie te verbeteren ten behoeve van een gunstigere risico/rendementsverhouding.

2


Het onderscheid tussen de beleidsvarianten (doorexploiteren en uitponden) biedt mogelijkheden om het risico/rendementsprofiel te verbeteren. Op basis van de analyse blijkt dat uitponden in het algemeen een beter profiel heeft dan doorexploiteren. Vanwege de grote samenhang gedragen beide varianten zich in grote lijnen hetzelfde op de verschillende analyses indien de gehele tijdreeks wordt aangehouden. Op het moment dat meer ingezoomd wordt op de verschillende periodes en de daarbij behorende economische situatie, zijn er wel degelijk verschillen te zien. Door de conjuncturele veranderingen gedragen de beleidsvarianten zich anders. In crisistijd is het uitponden van woningen gunstiger, terwijl het doorexploiteren van woningen in stijgende economische tijden gunstiger is. De belegger zou hierop kunnen anticiperen. Bij de uitpondbeslissing kan hier rekening mee gehouden worden om zo sneller en makkelijker te kunnen switchen qua beleid, zodat ingespeeld kan worden op de marktomstandigheden. Veel institutionele beleggers beoordelen de beleggingen over een lange termijn en hebben belang bij spreiding. Om deze reden wordt minder actief management toegepast en kiezen beleggers veelal een bepaalde strategie (samenstelling) welke past bij de beleggingsdoelstellingen. Maar de belegger zou meer rekening kunnen houden met de verschillende gedragingen van beleidsvarianten in de besluitvorming en in de samenstelling van woningportefeuilles.

3


Inhoudsopgave 1. Inleiding ................................................................................................................. 6 1.1. Achtergrond en aanleiding onderzoek ............................................................................ 6 1.2. Probleemstelling van het onderzoek ............................................................................... 7 1.3. Onderzoeksdoelstelling .................................................................................................. 7 1.4. Onderzoeksvragen ......................................................................................................... 7 1.5. Onderzoeksaanpak ........................................................................................................ 7 1.6. Conceptueel model......................................................................................................... 8 1.7. Leeswijzer ...................................................................................................................... 9 1.8. Relevantie ...................................................................................................................... 9

2. Institutioneel kader ............................................................................................. 10 2.1. Inleiding ........................................................................................................................ 10 2.2. Structuur woningmarkt .................................................................................................. 10 2.3. (Maatschappelijke) ontwikkelingen op de woningmarkt ................................................ 12 2.4. Hervormingen en verhuurdersheffing............................................................................ 14 2.5. Commerciële beleggingsmarkt ..................................................................................... 16 2.6. Ontwikkelingen beleggingsmarkt .................................................................................. 16 2.7. Conclusie: een verbeterende woningmarkt ................................................................... 17

3. Theoretisch kader beleggersmarkt ................................................................... 19 3.1. Inleiding ........................................................................................................................ 19 3.2. De vastgoedmarkt ........................................................................................................ 19 3.3. Dynamiek op de woningmarkt....................................................................................... 20 3.3.1. De deelmarkten van de woningmarkt ..................................................................... 20 3.3.2. Inelasticiteit van het aanbod .................................................................................. 21 3.3.3. Liberalisering van de huurwoningenmarkt .............................................................. 21 3.4. Beleggen in vastgoed ................................................................................................... 22 3.4.1. Beleidsvarianten en managementstijl..................................................................... 23 3.4.2. Verhouding risico en rendement ............................................................................ 24 3.4.3. Portefeuille Theorie................................................................................................ 25 3.5. Performancevergelijking ............................................................................................... 26 3.6. Scenarioanalyse voor beleggingsportefeuilles .............................................................. 27 3.7. Conclusie ..................................................................................................................... 28

4. Woningbeleggingen in de praktijk: input voor de analyse ............................. 29 4.1. Inleiding ........................................................................................................................ 29 4.2. Beleidsvarianten van de woningbelegger ..................................................................... 29 4.3. Beschrijving onderzoeksdata ........................................................................................ 30 4.4. Kwantificeren onzekere toekomst ................................................................................. 32 4.5. Crystal Ball als simulatieprogramma ............................................................................. 32 4.6. Conclusie ..................................................................................................................... 34

5. Het risico/rendementsprofiel van beleggingsportefeuilles ............................. 35 5.1. Inleiding ........................................................................................................................ 35 5.2. Uitkomsten van de analyse ........................................................................................... 35 5.3. Een verdere analyse met Crystal Ball ........................................................................... 41 5.4. Toekomst risico/rendementprofiel ................................................................................. 43

6. Conclusies en aanbevelingen ........................................................................... 46 6.1. Conclusies .................................................................................................................... 46 6.2. Aanbevelingen .............................................................................................................. 48

4


Literatuurlijst........................................................................................................... 49 Bijlage 1 Definities en begrippen IPD ................................................................... 53 Bijlage 2 Statistische beschrijvingen ................................................................... 54

5


1. Inleiding 1.1. Achtergrond en aanleiding onderzoek “De komende jaren bieden demografische, economische en beleidsontwikkelingen in Nederland voldoende opgaven en kansen aan alle spelers op de Nederlandse woning(beleggers)markt” (Capital Value, 2015). Een opvallende quote uit een onderzoeksrapport van een bekend Nederlands makelaarskantoor, marktleider in de woningbeleggersmarkt, nadat de woningmarkt zware tijden heeft gehad. Dit vraagt om verdere verdieping. In de eerste jaren van dit decennium zit Nederland midden in de kredietcrisis. Deze heeft zich bovendien vertaald in een zware conjuncturele dip, met een sterk afgenomen consumentenvertrouwen en een gestaag oplopende werkloosheid. Mede doordat banken zelf moeilijk geld kunnen lenen op de kapitaalmarkt zijn banken terughoudend geworden met hypotheekverstrekking. Ook de woningbouw heeft forse klappen gehad. Er wordt minder dan de helft van het aantal woningen gebouwd dan in 1970. Sinds het aanbreken van de crisis zijn de (reële) woningprijzen met zo’n 20 procent gedaald, al loopt die daling regionaal flink uiteen (WoON, 2012). Oudere huiseigenaren zien daarmee een deel van de overwaarde op hun huis verdampen. Veel jonge huishoudens die op de top van de markt een woning hebben gekocht, kampen met potentiële restschulden. Het WoON-onderzoek van 2012 belicht het wonen in deze ongewone tijden, waarbij de verhuismobiliteit gering is, maar de verhuisgeneigdheid groot. In 2013 was een licht herstel zichtbaar en dit heeft zich in 2014 verder doorgezet (Binnenlandse Zaken en Koninkrijkrelaties, 2014). Mede door het Regeerakkoord in 2013 raakte het vertrouwen langzaam terug. Ook wanneer naar ontwikkelingen op de woningmarkt op de langere termijn gekeken wordt, is het sentiment positief (Capital Value, 2015). De Nederlandse woningbeleggingsmarkt werd decennialang gedomineerd door Nederlandse woningbeleggers (zowel institutioneel als particulier). Door de ontwikkelingen op de woningmarkt op de lange termijn is het sentiment onder Nederlandse en internationale partijen positief. Na de crisis heeft de aandelenmarkt een sterkte groei gehad en zijn rentepercentages dermate laag dat kasgelden of obligaties weinig opleveren. Alternatieven zoals woningbeleggingen komen dan in beeld. Dit terwijl het aanbod van kwalitatief goede woningen beperkt is en de pijplijn de afgelopen jaren drastisch is verminderd waardoor concurrentie toeneemt en prijsstijgingen waarneembaar zijn. Hoewel dit uiteraard positief is voor bestaande portefeuilles van Nederlandse institutionele beleggers, zijn eventuele uitbreidings- en verversingsdoelstellingen door toenemende concurrentie lastig te realiseren. De liberalisering van de huurmarkt leidt tot een afname van de bekende waardekloof (Conijn, 2012). Een structureel kleinere waardekloof heeft aanzienlijke gevolgen voor de woningbeleggingen. Aangezien deze ontwikkeling effect heeft op de rendementen, zullen beleggers zich verder moeten aanpassen. Enerzijds aan de nieuwe marktstructuur en anderzijds aan verdere overheidsinitiatieven die de waardekloof op termijn nog kleiner zullen maken (Buijs, 2013). Volgens Buijs (2013) zal het uitponden van woningen hierdoor minder interessant zijn (afhankelijk van de markt en locatie) en wordt het rendement voor beleggers voornamelijk gevormd door de netto huurinkomsten. Dit geeft kansen voor de belegger om hiermee rekening te houden in de beleggingsbeslissingen en -strategieën. Gezien de weergegeven ontwikkeling wordt beleggen in huurwoningen interessant, wat inmiddels ook door meer buitenlandse partijen wordt gezien. Maar welk effect hebben dalende leegwaarden en stijgende huurwaarden op de risico/rendementsverhouding? En

6


hoe kunnen (Nederlandse) woningbeleggers optimaal inspelen op de ontwikkelingen en in welke mate zijn beleidsvarianten daarbij van invloed?

1.2. Probleemstelling van het onderzoek Vanwege de structurele veranderingen op de woning(beleggers)markt is er onvoldoende inzicht in de effecten op lange termijn en specifiek voor het risico/rendementsprofiel van woningbeleggingen. De probleemstelling van het onderzoek kan als volgt worden omschreven: Hoe verhouden de totaal rendementen van beleidsvarianten risico/rendementsprofiel van Nederlandse institutionele woningbeleggers?

zich

tot

het

1.3. Onderzoeksdoelstelling Het doel van dit onderzoek is het verschaffen van inzicht in de risico/rendementsprofielen van vastgestelde beleidsvarianten voor institutionele woningbeleggers.

1.4. Onderzoeksvragen Om de probleemstelling goed te kunnen beantwoorden worden de volgende subvragen behandeld. De beantwoording van de subvragen zorgt ook voor de globale structuur en hoofdstukverdeling van dit onderzoek. De noodzakelijke subvragen • Wat bepaalt het risico/rendementsprofiel van een woningbelegging? • Welke factoren hebben invloed op de totale rendementsontwikkeling van vastgestelde beleidsvarianten? • Wat is de invloed van vastgestelde beleidsvarianten op de ontwikkeling van het risico/rendementsprofiel? • Hoe is de performance van beleidsvarianten in verschillende economische situaties en welke toekomstverwachtingen zijn daaraan te koppelen?

1.5. Onderzoeksaanpak Onderzoekselementen In de scriptie zal worden onderzocht wat de gevolgen zijn van structurele veranderingen op de woningmarkt door modelleringen op te zetten waarin relaties van invloedsfactoren op de kasstromen van vastgestelde beleidsvarianten worden aangetoond. Vervolgens zullen deze relaties met behulp van een scenarioanalyse over een langere periode worden afgezet. Hiermee wordt een reëel beeld verkregen van het risico/rendementsprofiel van de beleidsvarianten. Het onderzoek is gericht op Nederlandse institutionele woningbeleggers, welke in totaal 135.000 (Nederlandse) woningen in portfolio hebben. De structurele veranderingen bieden allerlei kansen voor dit thans kleine segment. De effecten van de veranderende woningmarkt staan centraal in het onderzoek. De afhankelijke variabele is het risico/rendementsprofiel van woningbeleggingen. Methodologische verantwoording Risico en rendement zijn kernbegrippen als het gaat om prestatiemeting en kunnen gebruikt worden om de efficiëntie van een beleggingsobject of een portefeuille te bepalen (Van Gool e.a., 2007). Bij de prestatie van een belegging speelt met name de verhouding tussen risico en rendement een grote rol. Volgens Van Gool (2007) wordt hierbij uitgegaan dat een

7


gemiddeld hoog rendement gaat in het algemeen gepaard met een gemiddeld hoog risico. Op basis van rendementen uit het verleden is de constatering gedaan dat risico en rendement een positieve relatie kennen. Vanuit deze gedachte zal een belegger een hoger rendement eisen voor een risicovollere belegging. Dit inzicht vormt een zeer belangrijk denkkader in de beleggingstheorie. De kennis over de toekomstige effecten van de woning(beleggers)markt in relatie tot het risico/rendementsprofiel van een belegging is redelijk beperkt. Aan de hand van scenario’s wordt het risico/rendementsprofiel van woningbeleggingen gekenmerkt in de tijd, waardoor financieel optimale keuzes gemaakt kunnen worden. Omwille van transparantie en eenvoud is gekozen om gebruik te maken van het simulatieprogramma Crystal Ball. De analyse in Crystal Ball is gebaseerd op kenmerken uit het verleden en de voorspelling heeft geen waarde in termen van een tijdreeks. Het doel is om de onderbouwing van strategievorming in beeld te brengen. Gelet op de uit te voeren scenarioanalyse zal het onderzoek zich kenmerken als een toetsend onderzoek, welke voornamelijk kwantitatief van aard is. Het onderzoek is opgebouwd volgens de Theorie, Praktijk en Analyse (TPA) methodiek (Gerritsen, 2009). Een visualisatie van de onderzoeksaanpak is hieronder opgenomen, waarbij de TPA is gecombineerd met veronderstelde verbanden / relaties.

1.6. Conceptueel model

8


1.7. Leeswijzer De structuur van het rapport is zodanig opgesteld dat de subvragen in verschillende hoofdstukken worden behandeld. In het hiernavolgende hoofdstuk wordt de woningmarkt, ter introductie, beschreven. Daarna volgt een theoretisch hoofdstuk waarbij wordt ingegaan op de vastgoedmarkt en de beleggingsmarkt in het bijzonder. Het praktijkhoofdstuk, hoofdstuk 4, gaat vervolgens in op het conceptuele model. Hierbij worden de gebruikte simulatiemethodiek, de geselecteerde variabelen en data behandeld, zonder diep op de mathematische modellering en de onderbouwing daarvan in te gaan. In hoofdstuk 5 worden de uitkomsten van de analyse behandeld. Het onderzoek wordt afgesloten met een hoofdstuk conclusies en aanbevelingen.

1.8. Relevantie In de vastgoedsector blijkt strategische planning vooral een praktisch vak te zijn (Uittenbogaard e.a., 2013). Het is veelal het terrein van bestuurders en hun adviseurs en worden strategieën op een organische wijze uitgestippeld. De wetenschappelijke literatuur heeft dit thema vooralsnog onderbelicht. De financiële crisis in 2008 en de nasleep ervan hebben vastgoedbeleggers gedwongen hun strategie te veranderen om hun doelstellingen te kunnen blijven realiseren (Uittenbogaard e.a., 2013). Meer in het algemeen moet de strategie worden aangepast wanneer de omstandigheden in de economie en op de vastgoedmarkten wijzigen. In deze scriptie zullen aan de hand van scenarioanalyse de mogelijkheden hiertoe voor de institutionele woningbelegger in beeld worden gebracht. Hierbij wordt aandacht besteed aan de relevante beleidsvarianten(strategieën) en theorieën. Door de wetenschappelijke benadering wordt getracht algemeen geldende conclusies te trekken.

9


2. Institutioneel kader 2.1. Inleiding De woningmarkt is een complexe markt met veel verschillende stakeholders. Deze markt kent daarbij een sterk institutioneel karakter, waarbij vooral woningcorporaties een dominante rol spelen. De verschillende deelmarkten beïnvloeden elkaar op verschillende wijzen, maar de omvang van de commerciële beleggersmarkt is relatief vrij beperkt. Mede door de beleidsmaatregelen van de Rijksoverheid lijkt er een trendbreuk gaande. De voordelen van huren worden steeds meer onderkend. In hoeverre sprake is van gelijke of efficiënte markten zal later in het rapport aan de orde komen. In dit hoofdstuk wordt eerst ingegaan op de structuur van de woningmarkt en de belangrijkste (beleids)veranderingen.

2.2. Structuur woningmarkt In deze paragraaf wordt de structuur van de Nederlandse woningmarkt besproken. In figuur 2.1 is de verandering van de structuur van de Nederlandse woningmarkt door de tijd weergegeven. Hieruit is op te maken dat in de jaren ‘ 80 de huurmarkt nog meer dan 60% was en de koopmarkt in diezelfde periode 40% van de totale woningmarkt besloeg. De verhouding is gaandeweg omgedraaid (IVBN, 2014).

Figuur 2.1: Samenstelling woningvoorraad (bron: PBL, 2014)

Op dit moment bestaat de Nederlandse woningvoorraad uit 7,5 miljoen woningen en het grootste deel, circa 57% behoort tot de koopsector. Een procent van de woningvoorraad is door het CBS niet gecategoriseerd en is toe te wijzen aan een restcategorie. De overige 42% van de woningen betreft huurwoningen, waarbij het merendeel van de huurwoningen in het bezit is van woningcorporaties. De huurdersmarkt kent daarbij twee verschillende sectoren, de zogenaamde gereguleerde sector en de vrije sector. In de gereguleerde sector zijn voornamelijk sociale huisvesters (woningcorporaties) actief, welke het doel hebben te voorzien in de woonbehoefte van huishoudens met lagere inkomens (Noordhoff, 2014).

10


Figuur 2.2: Structuur Nederlandse woningmarkt (bron: Ministerie van Binnenlandse Zaken 2013, bewerking Capital Value 2015)

In Nederland zijn in totaal 2,9 miljoen huurwoningen, waarvan 2,7 miljoen gereguleerde huurwoningen zijn. Vrijwel alle huurwoningen van woningcorporaties (2,3 miljoen van de 2,4 miljoen) vallen in deze sector. Het belegd vermogen van institutionele beleggers bedraagt in totaal circa 135.000 huurwoningen en hiervan wordt iets minder dan de helft (45%) in de gereguleerde sector verhuurd (Noordhoff, 2014). In de huurwoningenmarkt intervenieert de overheid met het maximeren van de huurprijzen, subsidies en woonruimteverdeling. Voor sociale huurwoningen zijn de maximum huurprijzen bij wet door middel van een puntensysteem geregeld. Door de algemene opzet zijn de maximale huren in veel regio’s niet marktconform te noemen (Van Gool e.a., 2007). De woningen in de gereguleerde sector mogen een maandhuur van maximaal circa € 710,68 (liberalisatiegrens) opbrengen bij aanvang van 2015, waarbij de definitieve hoogte bepaald wordt aan de hand van het woningwaarderingsstelsel (WWS) (Perquin, 2012). Anders dan in de vrije sector wordt de huurverhoging van een woning in de sociale huursector beperkt tot het jaarlijks vast te stellen indexcijfer door de Rijksoverheid. De woningen van woningcorporaties in het gereguleerde segment, zoals eerder vermeld ca. 72% van het huuraanbod, dienen sinds 1 juli 2015 jaarlijks minimaal 80% te worden toegewezen aan huishoudens met een inkomen tot € 34.911 prijspeil 2015 (Rijksoverheid, 2015). De toetsing van het inkomenscriterium wordt slechts bij aanvang van de huur getoetst (Perquin, 2012). Deze inkomensgrens wordt slechts bij aanvang van de huur beoordeeld. Volgens het onderzoek van WoOn 2012 zijn er zelfs 700.000 huishoudens die volgens het doelgroepenbeleid van de overheid niet in de sociale sector thuishoren (Blijie e.a., 2012). Dit wordt ook wel ‘scheefwonen’ genoemd. De vrije sector huurmarkt die bestaat uit huurwoningen met huurprijzen boven de liberalisatiegrens, beslaat op dit moment nog maar 235.000 woningen, wat nog geen 4,5% betreft van de gehele woningvoorraad. Naast het scheefwonen is er een aantal ontwikkelingen gaande waardoor de vrije sector huurmarkt duidelijk zal gaan groeien en een interessant speelveld zal worden voor partijen die actief zijn in deze markt zoals beleggers, beleggingsfondsen en woningcorporaties. In paragraaf 2.4. worden de belangrijkste ontwikkelingen in de vrije sector huurmarkt beschreven. 11


2.3. (Maatschappelijke) ontwikkelingen op de woningmarkt De Nederlandse woningmarkt heeft enerzijds te maken met beleid en anderzijds met maatschappelijke ontwikkelingen. De belangrijkste maatschappelijke ontwikkelingen die van invloed zijn op de woningmarkt worden in deze paragraaf beschreven. Beleid ten aanzien van de woningmarkt komt in de volgende paragraaf uitgebreid aan de orde. Demografische ontwikkelingen Demografische ontwikkelingen zijn te verdelen in de ontwikkelingen in de omvang, samenstelling en ruimtelijke verdeling van de bevolking. Volgens verschillende prognoses blijft de Nederlandse bevolking als geheel groeien. Deze groei komt mede door de toename van het aantal allochtonen, bewoners waarvan tenminste één ouder in het buitenland is geboren. Ondanks de toename van de bevolking in de afgelopen jaren, zal dit naar verwachting tussen 2035 en 2040 omslaan in krimp (CBS). Naast de omvang van de bevolking zijn de verschuivingen in de samenstelling minstens zo belangrijk: de vergrijzing neemt in het hele land toe en dat is vooral te merken in de afgelegen dorpen dan in de rest van het land. Verwacht wordt dat het hoogtepunt van de vergrijzing in 2040 wordt bereikt. Het wegtrekken van jongeren versterkt het effect. Ook de etnische samenstelling van de bevolking verandert. In 2010 bestond 20% van de bevolking uit allochtonen, dit stijgt naar 23% in 2020 en 29% in 2050. De huidige vier grote groepen niet-westerse immigranten (Turken, Marokkanen, Surinamers en Antillianen/Arubanen) zullen de komende jaren een relatief bescheiden plaats innemen door de groei van nieuwe groepen niet-westerse immigranten. Als laatste wordt opgemerkt dat de gezinssamenstelling voornamelijk in de afgelopen jaren behoorlijk is veranderd. Volgens CBS zal in 2015 het aantal huishoudens nog met 60.000 toenemen. Rond 2020 komen er nog jaarlijks 50.000 huishoudens bij, waarbij het in 2025 stijgt tot een totaal van 8,2 miljoen huishoudens. Deze groei wordt in grote mate veroorzaakt door de gemiddelde daling van de omvang van de Nederlandse huishoudens. Consumentengedrag: een groeiende vraag naar vrije sector huur Analyses van de woonvoorkeuren laten zien dat de consumentenwensen in de loop der jaren veranderen, met name onder invloed van prijzen. In hoofdlijnen volgt de consument de prijsontwikkeling, maar de balans tussen de prijzen in de huur- en koopsector blijkt wel van invloed op het percentage van de woningzoekenden dat kiest voor een huur- dan wel een koopwoning (Poulus e.a., 2014). Veel huishoudens zoeken liever een huurwoning, zonder de lasten van onderhoud en met het gemak om de huurwoning te verlaten bij verandering van baan. Volgens Van Dam en anderen (2014) is dit mede een gevolg van de flexibilisering van de arbeidsmarkt. De toename van het aantal korte en flexibele arbeidscontracten zorgt ervoor dat huishoudens ook flexibiliteit met betrekking tot wonen zoeken. Dit leidt tot een groeiende verhuisneiging. Deze ontwikkeling wordt versterkt door de verdere stijging van het aantal een of twee persoonshuishoudens de komende jaren en de voorkeur voor een huurwoning door ouderen. De koopwoningenmarkt heeft voor veel jonge mensen minder aantrekkingskracht gekregen nu er al enkele jaren sprake is van waardedaling op de koopmarkt. Daarbij komt dat er strengere eisen zijn voor hypotheekverlening en het feit dat het fiscale voordeel van de hypotheekrenteaftrek is afgenomen. Woningvoorraad en vernieuwing

12


De woningmarkt is geen ‘perfecte markt’ in economische zin (Rli, 2015). Dit komt door de specifieke kenmerken van de woningmarkt: het is een voorraadmarkt, met ‘producten’ die een lange levensduur kennen en die locatie- en ruimtegebonden zijn. Deze kenmerken leiden tot een verstarring van de markt. De nieuwbouwontwikkeling verloopt langzaam en prijzen van nieuwe woningen worden voornamelijk bepaald door prijzen in de bestaande woningvoorraad (Meijdam, 2015). Tevens zijn regionale verschillen (in volume, kwaliteit, prijsniveau) lastig te beïnvloeden. De woningmarkt in zijn geheel verandert als typische voorraadmarkt dus maar langzaam. Nederland kent al vele jaren krapte op de markt en landelijk gezien is nauwelijks sprake van leegstand. Dit komt onder andere door de bevolkingsgroei en de huishoudensverdunning. Met het aanbreken van de crisis in 2008 is deze krapte alleen maar verder toegenomen. Het woningtekort was anno 2012 nog altijd grofweg 3,5%, circa 250.000 woningen, en de verwachting is dat het tekort in de periode tot 2020 verdubbeld (Koot, 2013). De onderlinge relatie tussen koop en huur zal in de toekomst ook aan verandering onderhevig zijn, zoals hierboven is beschreven. Op basis van het onderzoek WoOn, een coproductie van het Ministerie van Binnenlandse Zaken en Koninkrijkrelaties en het Centraal Bureau voor de Statistiek, blijkt dat de totale vraag naar huurwoningen is toegenomen (Blijie e.a., 2012). Het goedkopere segment en de vrije sector zijn beiden in trek. Daarnaast is de doorstroming in de koopsector behoorlijk gestagneerd. Het is wel onzeker in hoeverre er voldoende aanbod is gezien het relatief beperkt aantal beschikbare huurwoningen in het middeldure segment in de Nederlandse woningvoorraad. Het onderzoek WoOn laat zien dat met name in het lage (circa 550 euro per maand) en het middeldure (circa 700 tot 850 euro per maand) huursegment veel ruimte ligt voor nieuwbouwproductie. Woningcorporaties zullen voor het lage segment huurwoningen moeten blijven ontwikkelen. Voor het middeldure segment is een belangrijke rol weggelegd voor de private sector. Ook uit onderzoek van Capital Value (2015) blijkt dat, ondanks de stijgende vraag, in veel gemeenten nog onvoldoende huurwoningen in het middensegment worden bijgebouwd. In het betreffende onderzoek wordt de te hoge grondprijzen als de belangrijkste oorzaak hiervan toegeschreven. Aanpassing van de grondprijzen zou noodzakelijk zijn om dit segment van de woningmarkt te stimuleren. In veel gevallen kan het hierbij gaan om een benodigde verlaging van de grondprijs van 20% tot 30%, aldus Capital Value. Woningprijzen Ten opzichte van de ‘top’ van de markt eind 2008, is de gemiddelde prijs van een koopwoning de laatste jaren met bijna 20% gedaald (Den Haag, Centraal Planbureau). Met een perspectief van weer aantrekkende huizenprijzen, met name in het westen van het land, in combinatie met de aanzet tot hervorming van de woningmarkt, lijkt de situatie in Nederland zich verder te herstellen. Huizenprijzen in Nederland zullen de komende tien jaar gemiddeld een stuk minder hard stijgen dan in het afgelopen decennia. Waar de prijs van een woning van 1970 tot 2014 jaarlijks met gemiddeld 5,6% steeg, zal dat vanaf nu tot 2025 naar verwachting slechts een procent of twee zijn (Utrecht, ING Economisch Bureau). Ook in de grotere steden keert de hausse van weleer niet terug, al zullen de prijzen daar wel een positiever beeld laten zien dan in de rest van het land. Een substantiële groep woningbezitters zal rekening moeten houden met een gelijkblijvende waarde van hun huis in het komende decennium, waardoor voor veel Nederlanders het eigen huis niet meer als investeringsobject wordt gezien (Utrecht, ING Economisch Bureau). In het verleden zijn diverse studies verricht naar belangrijke determinanten voor de huizenprijsontwikkeling. Zo toont het Centraal Planbureau aan dat de huizenprijsontwikkeling sinds 1980 wordt bepaald door de niveaus van het reëel beschikbaar looninkomen, het financiële gezinsvermogen (exclusief aandelen), de rente en het woningaanbod (Den Haag, Centraal Planbureau). De korte-termijnontwikkeling wordt bepaald door de ontwikkelingen 13


van achtereenvolgens het reëel beschikbaar looninkomen, de nominale rente, de consumentenprijsindex en de woningvoorraad. Brounen en Huij (2004) relateerden de huizenprijsontwikkeling ook aan een reeks macroeconomische variabelen. Hierbij gebruikten zij data uit de periode 1985-2003. Van alle variabelen die zij in het onderzoek gebruikten, bleken de rentestand, de beursrendementen, de krapte op de woningmarkt en het werkloosheidpercentage significant. Het model slaagde erin ruim 73 procent van de huizenprijsontwikkeling te verklaren. Bovendien kwamen Brounen en Huij ook tot de conclusie dat er grote verschillen bestaan tussen de sterkte van de gevonden relaties op regionaal niveau, mate van stedelijkheid en het type woning. Regionale verschillen In dit onderzoek worden de effecten per landsdeel onderzocht. De effecten van regionale verschillen op het risico/rendementsprofiel worden niet inzichtelijk gemaakt. Om deze reden worden de ontwikkelingen op dit gebied niet uitgebreid behandeld. Belangrijk is wel om te erkennen dat er behoorlijke regionale verschillen optreden. De woningmarkt is bij uitstek een regionale markt. Zo zijn er woningen die in prijs verschillen met vergelijkbare kenmerken. Maar regionale verschillen komen ook tot stand door de samenstelling van de woningvoorraad. Woningtype, eigendom en bouwjaren spelen daarbij een rol (Eskinasi, 2011).

2.4. Hervormingen en verhuurdersheffing De Rijksoverheid is verantwoordelijk voor de woningmarkt als systeem en streeft in die hoedanigheid naar voldoende, passende en betaalbare woongelegenheid voor haar burgers (Van Dam e.a., 2014). Door de maatschappelijke, demografische, economische en ruimtelijke omstandigheden verandert de rol van de overheidszorg. De verantwoordelijkheid ten aanzien van de programmering en de locatie van de woningvoorraad is gedecentraliseerd en ligt nu bij regionale en lokale overheden. Het Rijk is vooral nog verantwoordelijk voor de woningmarkt als systeem en voor de financiële en fiscale regelgeving, de wetgeving en de bouwregelgeving. Geldende beleidsontwikkelingen hebben invloed op de woningmarkt. Het is daarom van belang enkele van deze beleidsontwikkelingen te benoemen. Het overheidsbeleid heeft zich de afgelopen decennia achtereenvolgens gericht op het inlopen van het kwantitatieve woningtekort en op een toenemende zeggenschap en honorering van woonwensen van de burger met een daaraan verbonden stimulering van het eigenwoningbezit (Van Dam e.a., 2014). In 2013 wordt met het afsluiten van het Woonakkoord definitief de weg ingeslagen naar een meer marktconforme woningmarkt, in overeenstemming met de aanbevelingen van vele deskundigen (bijvoorbeeld SERCommissie Sociaal-Economische Deskundigen 2010). Zo heeft het Kabinet met drie oppositiepartijen in maart 2013 een Woonakkoord gesloten om de woningmarkt als systeem beter te laten functioneren. De maatregelen opgenomen in het Woonakkoord bestonden in het algemeen uit het verzachten van eerdere maatregelen uit het Regeerakkoord (Noordhoff, 2014). Daartoe is inmiddels een aantal fiscale en juridische regelingen op zowel de koopsector- als de gereguleerde huursector aangepast. Over het definitief doorgaan van een van de maatregelen, namelijk de verhuurdersheffing, was nog enige twijfel. Op 18 december 2013 heeft de Eerste Kamer het wetsvoorstel Wet maatregelen woningmarkt 2014 II aangenomen, waardoor de verhuurdersheffing per 1 januari 2013 met terugwerkende kracht is ingevoerd. De verhuurdersheffing richt zich op verhuurders van de 2,7 miljoen sociale huurwoningen waarvan de huur lager is dan de grens voor de huurtoeslag en is bedoeld om de huurtoeslag te kunnen financieren (Noordhoff, 2014). Een einddatum van de heffing is in de wet vooralsnog niet bepaald, maar in 2016 zal

14


een evaluatie gehouden worden in verband met de ingrijpende gevolgen op de huurwoningvoorraad. In de analyses over het disfunctioneren van de Nederlandse woningmarkt, spelen in de huursector de markthuren een belangrijke rol. Markthuren zijn gemiddeld genomen aanmerkelijk hoger dan de feitelijke huren. Als gevolg hiervan ontvangen huurders een impliciete subsidie, die gelijk is aan het verschil tussen de markthuur en de feitelijke huur. Deze impliciete subsidie werkt verstorend op de woningmarkt en is niet doelmatig omdat ze ook terecht komt bij huishoudens die op basis van het inkomen geen subsidie behoeven (Conijn en Schilder, 2011). Volgens het Centraal Planbureau bedraagt de totale subsidiëring in de huursector € 14,5 miljard (Romijn en Besseling, 2008). Dit is nagenoeg gelijk aan de totale subsidiëring in de koopsector. De omvang van de woonconsumptie in de koopsector is, zowel als gevolg van een groter aantal woningen als ook door een gemiddeld hogere kwaliteit, aanmerkelijk hoger. Hieruit kan worden afgeleid dat het prijsverlagende effect van de subsidiëring in de huursector veel groter is dan in de koopsector. De financiële gevolgen van de verhuurdersheffing worden verzacht door de inkomensafhankelijke huurverhoging. In het pakket van maatregelen is overeengekomen dat de huren, afhankelijk van het huishoudinkomen, ook in 2014 met maximaal 4% boven de inflatie mogen worden verhoogd (Noordhoff, 2014). Deze maatregel is door de overheid bedoelt om de doorstroming op de woningmarkt op gang te helpen en het scheefwonen tegen te gaan. Over het algemeen richten institutionele beleggers in het huurbeleid op een minimale ruimte tot de huurprijsgrens, waardoor de heffing extra zwaar drukt. Bij veel woningcorporaties werkt dit anders. De Vereniging van Institutionele Beleggers in Vastgoed, Nederland (IVBN) heeft bij de ontwikkeling van de maatregel al fors geageerd tegen deze extra belasting. In dat kader heeft de overkoepelende vereniging in 2013 aangegeven, dat het opleggen van de verhuurderheffing ook op huurwoningen van marktpartijen, de investeringsbereidheid heeft gedrukt (Noordhoff, 2014). Per 1 oktober 2015 zal een nieuwe systematiek voor het WWS ingaan. In het vernieuwde puntenstelsel gaat de WOZ-waarde gemiddeld voor een kwart meetellen. De WOZ-waarde vervangt de huidige WWS-onderdelen ‘woonvorm’ en ‘woonomgeving’ en de eventuele ‘schaarstepunten’. Met deze maatregelen streeft de overheid naar een betere balans tussen prijs en kwaliteit van bestaande huurwoningen en naar meer doorstroming van hogere inkomensgroepen. Op de koopmarkt geldt voor nieuwe hypotheken dat voortaan verplicht afgelost moet worden waardoor de financierbaarheid van koopwoningen sterk beïnvloed wordt. Verder wordt het maximale aftrektarief geleidelijk (0,5% per kalenderjaar) teruggebracht naar 38 procent op lange termijn. De leencapaciteit neemt verder terug en ten slotte hebben de zogenaamde Nibud normen voor andere uitgaven dan het wonen een beperkend effect op de maximale hypotheeksom. Tenslotte is de verlaging van de overdrachtsbelasting geïntroduceerd om verhuisbarrières te reduceren met als uiteindelijke doel bevordering van marktwerking. De voornoemde beleidsmaatregelen raken zowel de huur- als koopsector. De mate waarin de lasten in de markt verdisconteerd zijn of nog effect zullen hebben, zal later in het onderzoek aan bod komen. Volgens de IVBN (2014) zal het veelal voordeliger worden om te huren in plaats van te kopen. Maar wellicht is dit preken voor eigen parochie. Wel kan gesteld worden dat het consumentengedrag minder verstoord wordt in de huurkoopbeslissing. De keuze van huishoudens ten aanzien van huren of kopen heeft volgens Ewijk e.a. (2006) niet zozeer betrekking op de rol van huishoudens als bewoner (vragers van woondiensten), maar meer op hun rol als eigenaren (aanbieders). Door het eigenwoningbezit te subsidiëren, beïnvloedt de overheid namelijk de eigendomsstructuur van huizen. Daarentegen geldt voor lagere inkomens ook een huurtoeslag.

15


De subsidie voor de eigen woning en de huurtoeslag houden elkaar als het ware in evenwicht bij de koop-huurbeslissing (Ewijk e.a., 2006). Op lange termijn echter heeft hervorming van de woningmarkt een gunstig effect op de economie omdat het de verstoringen op de woningmarkt wegneemt en daarmee de efficiëntie van de economie bevordert.

2.5. Commerciële beleggingsmarkt De Nederlandse woningmarkt kent een sterk institutioneel karakter. In vergelijking met de andere landen is het marktaandeel van private huur in Nederland gering en heeft Nederland ook één van de laagste aandelen eigenaarbewoners (Ewijk e.a., 2006). Volgens Ewijk en anderen (2006) is dit opmerkelijk gezien de gunstige fiscale behandeling van de eigen woning en het hoogste aandeel sociale huur. Op de Nederlandse woningbeleggingsmarkt is een kleine groep institutionele beleggers actief. Deze groep institutionele beleggers investeert namens pensioenfondsen en verzekeraars in Nederlandse huurwoningen. Institutionele beleggers hebben een lange ervaring met beleggingen in Nederlandse huurwoningen en hebben daardoor ruime praktijkkennis met betrekking tot de woningmarkt. Een belangrijk voordeel voor deze beleggers is dat ze geen of maar weinig bancaire financiering nodig hebben voor hun investeringen. Het traditionele kernsegment van institutionele beleggers is het segment huurwoningen tussen €550 en €1.000 huur per maand. Circa 45% van de woningportefeuille van institutionele beleggers behoort op dit moment tot het gereguleerde huursegment. Institutionele beleggers geven aan voor de toekomst dit gereguleerde bezit verder te willen afbouwen (Capital Value, 2015). De verhuurdersheffing die begin 2014 werd ingevoerd is hier de belangrijkste oorzaak van. Daarnaast is de algemene strategie van institutionele beleggers gebaseerd op continue verjonging van de portefeuille. Een groot deel van het gereguleerde bezit van institutionele beleggers behoort tot het oudere deel van de portefeuille en zal ook om die reden eerder verkocht worden. Opbrengsten uit de verkoop worden geherinvesteerd in de acquisitie van nieuwbouwcomplexen in het vrije sector huursegment.

2.6. Ontwikkelingen beleggingsmarkt De Nederlandse woningbeleggingsmarkt werd decennialang gedomineerd door Nederlandse woningbeleggers (zowel institutioneel als particulier). In de loop van 2014 is hier verandering in gekomen door de toetreding van enkele internationale partijen tot de Nederlandse markt (Capital Value, 2015). Dit heeft in bepaalde mate een externe oorzaak: de aandelenmarkt heeft een sterkte groei gehad en rentepercentages zijn dermate laag dat kasgelden of obligaties weinig opleveren. Alternatieven zoals woningbeleggingen komen dan in beeld. Dit terwijl het aanbod van kwalitatief goede woningen beperkt is en de pijplijn de afgelopen jaren drastisch is verminderd waardoor er reeds een prijsopwekkend effect waarneembaar is. Hoewel dit uiteraard positief is voor bestaande portefeuilles van Nederlandse institutionele beleggers, zijn door de toenemende concurrentie (o.a. door buitenlandse investeerders) de eventuele uitbreidings- en verversingsdoelstellingen lastiger te realiseren. De markt voor woningbeleggingen was in 2012 en 2013 meer te typeren als een kopersmarkt dan een verkopersmarkt. Meer huurwoningen werden aangeboden dan aangekocht in deze periode. De woningbeleggingsmarkt is zich nu meer aan het diversifiëren. Dit komt mede door de toenemende aandacht van beleggers in woningvastgoed. Het risico/rendementsprofiel van woningenbeleggingen ten opzichte van andere segmenten wordt als zeer positief ervaren door beleggers (Capital Value, 2015). Het gemiddelde rendement van woningbeleggingen in 2014 is met 4% het hoogste in vergelijking 16


met andere vastgoedsegmenten, op basis van de IPD Annual Property Index (persoonlijke informatie, IPD, 2015). Met name het direct rendement van woningbeleggingen wordt door beleggers, volgens onderzoek van Capital Value (2015), als gunstig en stabiel ervaren. Verder voorzien beleggers dat de negatieve cyclus met betrekking tot het indirect rendement ten einde loopt en dat het indirect rendement op woningbeleggingen de komende jaren zal gaan stijgen. In tegenstelling tot koopprijzen van woningen wordt verwacht dat op de huurmarkt de huren blijven stijgen. Daarmee biedt ook de huurmarkt mogelijk interessante kansen voor beleggers. Een kanttekening daarbij is wel dat volume en geografische ligging van aangeboden portefeuilles bepalender worden voor de mate van interesse. In Randstedelijke gebieden en provinciesteden zijn de bruto aanvangsrendementen in 2014 gestabiliseerd. De bruto aanvangsrendementen van portefeuilles in buitenstedelijke regio’s stegen het afgelopen jaar licht. In 2015 is de markt verder aangetrokken en zijn de aanvangsrendementen in grote delen van het land aangetrokken. Tevens moet opgemerkt worden dat de exacte groeiontwikkelingen sterk afhankelijk zijn van politieke besluitvorming. Een voorbeeld van deze relatief grote invloed is het Brusselse besluit tot een level playing field, dat heeft geleid tot een beleidswijziging bij woningcorporaties. Als gevolg van deze beleidswijziging zijn diverse hervormingen doorgevoerd, waaronder de invoering van inkomensgrenzen. De verhuurdersheffing leidt ertoe dat woningbeleggers hun gereguleerde bezit willen verminderen. Dit kan – geleidelijk – door huurharmonisatie (bij mutatie), verkopen of door (grootschalige) renovaties, waarbij extra huurverhogingen mogelijk worden. Renovatie vergt relatief veel investeringskracht. Ondanks deze politieke invloed blijkt er volgens Capital Value (2015) een toenemende interesse van (internationale)beleggers in kwalitatief goede huurwoningen in Nederland.

2.7. Conclusie: een verbeterende woningmarkt In dit hoofdstuk is de structuur van de woningmarkt en de belangrijkste ontwikkelingen behandeld. Er is weinig doorstroming in de sociale huursector, het aantal transacties in de koopsector is relatief beperkt en aan de spectaculaire stijging van de woningprijzen is een einde gekomen. De woningmarkt bevindt zich momenteel op een keerpunt. In het overheidsbeleid wordt steeds meer gestreefd naar een eigendomsneutrale behandeling van het wonen. In de huurmarkt wordt met boveninflatoire, inkomensafhankelijke huurverhogingen en aanpassingen aan het puntensysteem van het woningwaarderingsstelsel gestreefd naar een betere balans tussen prijs en kwaliteit van bestaande huurwoningen en naar meer doorstroming van hogere inkomensgroepen. Met een perspectief van weer aantrekkende huizenprijzen, met name in het westen van het land, en een aantal eerste stappen op weg naar een hervorming van de woningmarkt als systeem lijkt Nederland uit het dal van de kredietcrisis te komen. De ontwikkelingen van de woningprijzen zijn evenwel nog onzeker en het herstelde consumentenvertrouwen in de woningmarkt is nog broos. Het aantal ‘goedkope scheefwoners’ (met inkomens boven de 43.000 euro) in de sociale sector neemt af, het aantal geliberaliseerde woningen neemt toe, maar de woonlasten stijgen (Den Haag, ministerie van Binnenlandse Zaken en Koninkrijkrelaties). De ingezette beleids- en stelselwijzigingen lijken voor meer duidelijkheid en rust op de woningmarkt te hebben gezorgd (Blijie e.a., 2012). Desondanks is er kritiek over de snelheid van de hervormingen. De Europese Commissie beveelt aan om, nu de economie weer aantrekt, juist het tempo van de hervormingen te verhogen (Van Dam e.a., 2014). Voor de woningbeleggersmarkt bieden demografische, economische en beleidsontwikkelingen de komende jaren in Nederland voldoende opgaven en kansen aan alle spelers op de Nederlandse woning(beleggers)markt (Capital Value, 2015). Hiermee wordt teruggegrepen naar de aanhef van het rapport. Maar hoe kunnen woningbeleggers 17


optimaal inspelen op de economische ontwikkelingen en in welke mate zijn beleidsvarianten daarbij van invloed?

18


3. Theoretisch kader beleggersmarkt 3.1. Inleiding In het vorige hoofdstuk zijn de wijzigende omstandigheden op de woningmarkt beschreven. In hoeverre de omstandigheden invloed hebben op beleggingsportefeuilles staat centraal in dit onderzoek. Hiervoor worden onderzoeksvariabelen geselecteerd, die samenhangen met de geschetste wijzigende omstandigheden op de woningmarkt. Alvorens dit te doen zal de vastgoedmarkt en met name de beleggingsmarkt worden beschreven. In deze uiteenzetting zal de volgende subvraag beantwoord worden: Wat bepaalt het risico/rendementsprofiel van een woningbelegging? Het doel van dit hoofdstuk is om een theoretisch kader neer te zetten, waardoor later in het onderzoek een vergelijking gemaakt kan worden met de praktijk.

3.2. De vastgoedmarkt Wanneer gekeken wordt naar de marktwerking, maakt men doorgaans onderscheid tussen een tweetal economische theorieën, namelijk de Neoklassieke en de Neo Institutionele verklaring voor prijsvorming (Van der Post, 2004). De mate van regelgeving dan wel interventie op de markt bepaalt het verschil tussen beide theorieën. In het geval van de Neo Institutionele economie is sprake van sterke regelgeving dan wel interventie. Dit laatste zorgt voor de link met de Nederlandse woningmarkt. Ondanks de grote mate van overheidsbemoeienis laat de vastgoedmarkt zich echter moeilijk modelmatig weergeven, aangezien de vastgoedmarkt zich kenmerkt door onvolledige informatie en marktimperfecties (Van Gool, 2013). DiPasquale en Wheaton hebben in een model (figuur 3.1.) de markttheorie ten behoeve van de vastgoedmarkt verder uitgewerkt in een modelmatige weergave, waarbij rekening is gehouden met aanwezige onvolkomenheden. Het model koppelt de dynamiek uit de markt aan de financiële ontwikkelingen. In het model is de Neoklassieke methode als uitgangspunt genomen, waarbij zij meenemen welke consequenties prijs, vraag en aanbod hebben voor toevoegingen en/of onttrekkingen aan de voorraad (Perquin, 2012).

Figuur 3.1. Vierkwadrantenmodel DiPasquale en Wheaton (bron: DiPasquale en Wheaton 1996; Eskinasi 2011)

19


Rendementen op de onroerendgoedmarkten worden gedreven door economische activiteit (via huurders), financiële markten (via beleggers) en bouwactiviteiten (via ontwikkelaars). Bovendien reageren deze actoren op elkaar. Dit wordt het onroerendgoedsysteem genoemd (Van Gool, 2013), waarop het vierkwadrantenmodel is gebaseerd. Er is sprake van een optimum als de beschikbare voorraad en bijbehorende huurprijs, de transactieprijs bij verkoop, de kosten voor ontwikkeling en het nieuwbouwproductieniveau met elkaar in evenwicht zijn. De beleggingsmarkt staat niet op zichzelf. Gezamenlijk met de andere actoren in de vastgoedmarkt zijn ze afhankelijk van elkaar. De beleggingsmarkt vertaalt het huurniveau in een prijs per vierkante meter, wat uitgedrukt wordt in het aanvangsrendement. De lijn in het beleggingskwadrant geeft op abstracte wijze het aanvangsrendement op een gegeven moment weer, door middel van de kapitalisatiecurve. Het aanvangsrendement wordt bepaald door de lange termijn rentevoet, de verwachte prijsstijgingen, risico’s en belastingen (Van Gool, 2013). De kwadranten boven de horizontale as (de huurmarkt en de beleggingsmarkt) hebben betrekking op de korte termijndynamiek in huren en prijzen. Vanwege de benodigde bouwtijd geven de onderste kwadranten (de ontwikkelkwadrant en het vierde kwadrant) en de daaruit volgende consequenties voor huren en prijzen, de veranderingen op de langere termijn weer. Het is belangrijk om te realiseren dat het vierkwadrantenmodel het langetermijnevenwicht aangeeft in de asset market en de property market. Het model is volgens de makers zelf niet geschikt om de kortetermijnontwikkelingen en de kortetermijnonevenwichtigheden te beschrijven (DiPasquale en Wheaton, 1992). Hoewel het vierkwadrantenmodel met name is ontwikkeld voor commercieel vastgoed, is het ook te gebruiken voor de woningmarkt, doordat de woningmarkt ook een plaats is waar vraag en aanbod elkaar ontmoeten. Dit sluit aan bij de gedachte van DiPasquale en Wheaton dat dé vastgoedmarkt niet bestaat, maar een resultaat is van een interactie tussen deelmarkten (Van Ginkel, 2013). Dit effect is goed zichtbaar geworden tijdens de crisis. De kredietcrisis (2007) startte in feite in de financieringsmarkt (tweede deelmarkt), en werkte meteen door in de andere twee deelmarkten (Eskinasi, 2011).

3.3. Dynamiek op de woningmarkt In deze paragraaf wordt de werking en de dynamiek op de woningmarkt verder toegelicht. De productie en het beheer van woningen vormen een complex systeem. Daarnaast hebben woningen invloed op de directe omgeving. Woningen zijn namelijk kapitaalintensief, hebben een lange levensduur en zitten vast aan de grond. Rond het eigendom, het beheer en de productie van woonvastgoed is een omvangrijke en complexe bedrijfstak ontstaan: ontwikkelaars, bouwbedrijven, toeleveranciers, beheerders, beleggers, woningcorporaties, makelaars, financiers en vele andere partijen (Van Dam e.a., 2014).

3.3.1. De deelmarkten van de woningmarkt De woningmarkt kan volgens de vierkwadrantenmodel uiteengezet worden in drie deelmarkten: de markt voor woonruimte, de markt voor financiering en belegging, en de bouw- en ontwikkelmarkt (Di Pasquale & Wheaton, 1996; Eskinasi, 2011). In de eerste markt (de markt voor woonruimte) zijn mensen bereid om periodiek te betalen voor het gebruik van een woning op een bepaalde plaats, bijvoorbeeld in de vorm van huur. Woningen zijn kapitaalintensief en niet iedereen kan of wil de kosten van eigendom dragen (Van Dam e.a., 2014). Daar komt de tweede deelmarkt (de beleggings- en financieringsmarkt) in beeld. Beleggers zijn bereid woningen in eigendom te nemen om rendementsdoelstellingen te behalen. In de derde deelmarkt (de bouw- en ontwikkelmarkt) wegen ontwikkelaars af of ze die woningen tegen die prijs kunnen realiseren. Op de particuliere koopmarkt komen ook directe transacties tot stand tussen ontwikkelaars en particulieren. 20


In het model wordt uitgegaan dat de hoogte van de huurprijs en de omvang van het aanbod worden gevormd door de actoren die dit speelveld beïnvloeden. Zij zijn allen van elkaar afhankelijk en een verandering voor één type deelmarkt heeft gevolgen voor een andere deelmarkt, wat doorwerkt in de huurprijs en het aanbod. In de figuur wordt het kwadrantenmodel met marktevenwicht weergegeven. Dit houdt in dat er sprake is van volledige marktevenwicht, waardoor het directe effect van exogene schokken in beeld wordt gebracht. De woningmarkt wordt voor een groot deel beïnvloed door het gedrag van en de wisselwerking tussen actoren die actief zijn op de deelmarkten. In Nederland worden deze deelmarkten echter sterk gereguleerd door het Rijk en lagere overheden. Lagere overheden zoals gemeenten fungeren daarbij niet alleen als scheidsrechter, maar ook als speler op die markten (Van Dam e.a., 2014). Ondanks de sterke (bepalende) invloed van overheden wordt in dit onderzoek marktevenwicht aangehouden. De voornaamste reden hiervoor is dat er relatief weinig leegstand is in de woningmarkt. De grenzen van het systeem zijn daarmee afgebakend. De onderlinge werking tussen de deelmarkten, maar ook de gevoeligheid voor externe variabelen kunnen met het model worden verklaard. In dit onderzoek heeft het vierkwadrantenmodel echter een illustratief karakter en maakt verder geen onderdeel uit van het toetsend kader.

3.3.2. Inelasticiteit van het aanbod De woningmarkt is geen ‘perfecte markt’ in economische zin. Dit komt door de specifieke kenmerken van de woningmarkt: het is een voorraadmarkt, met ‘producten’ die een lange levensduur kennen en die locatie- en ruimtegebonden zijn. Bovendien is de woonomgeving een cruciaal onderdeel van de woning(waardering). De Nederlandse overheid heeft in het verleden sterke invloed gehad op de werking van de woningmarkt door bijvoorbeeld huurregulering en ruimtelijk beleid. De politieke invloed heeft een inelasticiteit van het aanbod tot gevolg. Hierdoor is het niet mogelijk dat een veranderende vraag snel beantwoord kan worden door meer aanbod, zoals bij de werking van het vierkwadrantenmodel van DiPasquale en Wheaton. Van Ginkel (2013) geeft een drietal factoren waarom het aanbod slecht reageert op de vraag. Ten eerste is er de beperkte beschikbaarheid van bouwlocaties als gevolg van een sterk regulerende ruimtelijke ordening. Doordat er te weinig bouwlocaties zijn, is bouwgrond automatisch schaars geworden en daarmee duur. Tweede oorzaak zijn de lange procedures die moeten worden doorlopen. Een doorlooptijd van een ontwikkeling van in totaal 10 jaar is niet ongebruikelijk. Een derde oorzaak volgt uit de eerste oorzaak en is dat vanwege de redelijk strikte ruimtelijke ordening de bouwgrond schaars is en de eigenaar van de bouwgrond min of meer een machtspositie heeft. Het aanbod van woonruimte reageert traag op veranderingen in de vraag. Neemt de vraag toe, dan stijgen in eerste instantie de prijzen (met name in de bestaande voorraad) en pas enkele jaren later komt er meer woonruimte beschikbaar. Bij afname van de vraag, lijkt de reactie sneller: zowel nieuwbouw als verkoop worden uit- of afgesteld (Rli, 2015).

3.3.3. Liberalisering van de huurwoningenmarkt De huurmarkt is thans sterk in beweging. Zoals eerder is beschreven wordt in het Woonakkoord gepleit voor een verdergaande liberalisering van de huurwoningenmarkt in Nederland (Blok, 2012). In 2014 is de wet maatregelen woningmarkt aangenomen, waarbij meer marktwerking wordt verwacht en dus ook marktconforme huren. De verder gaande liberalisering op de woning(beleggings)markt leidt tot een afname van de bekende waardekloof (Schilder en Conijn, 2012). Een structureel kleinere waardekloof heeft aanzienlijke gevolgen voor de woningbeleggingen. In de management- en 21


beleggingstrategieën zullen beleggers zich moeten aanpassen aan enerzijds de nieuwe marktstructuur, door o.a. wijziging rol woningcorporaties en toetreding buitenlandse beleggers en anderzijds aan de verdere overheidsinitiatieven die de waardekloof op termijn nog kleiner zullen maken (Buijs, 2013). Volgens Buijs (2013) zal het uitponden van woningen hierdoor minder interessant zijn (afhankelijk van de markt en locatie) en wordt het rendement voor beleggers voornamelijk gevormd door de netto huurinkomsten. Dit zal ook zijn weerslag hebben op waardering van woningbeleggingen, welke in het verleden voor een groot deel werd bepaald door de leegwaarden van de woningen. De verwachtingen in de huurmarkt spelen dan een belangrijke rol. Door deze ontwikkeling wordt beleggen in huurwoningen interessanter, wat inmiddels ook door buitenlandse partijen wordt gezien. Het is de vraag welk effect dat heeft op de risico/rendementsverhouding? Alvorens verder in te gaan op de rendementen op de beleggingsmarkt, wordt eerst stil gestaan bij beleggen als activiteit.

3.4. Beleggen in vastgoed Beleggen in vastgoed wordt steeds minder een geïsoleerde bezigheid, omdat het onderdeel uitmaakt van verschillende beleggingscategorieën. De financiële benadering heeft bij beleggers steeds meer de overhand gekregen (Van Gool e.a., 2014). Elke belegger streeft natuurlijk naar een optimale uitkomst, maar om verantwoord te beleggen is het van belang om de eigenschappen van beleggingen te doorgronden. Vastgoedmarkten en vastgoedrendementen zijn cyclisch. Dat betekent dat goede en slechte jaren geclusterd voorkomen. De afgelopen vastgoedcrisis is daar een goed voorbeeld van. Met de juiste informatie en analyse kunnen beslissingen ten aanzien van (strategisch) beleggingsbeleid worden ondersteund. In de achterliggende 20 jaar kende direct unleveraged vastgoed de beste verhouding tussen rendement en risico van alle asset classes. Met vastgoedbeleggingen zijn hoge diversificatievoordelen te behalen vanwege de lage correlatie met grote andere beleggingscategorieën, met name in samenhang met aandelen (Lee, 2013). Dit is ook terug te zien in de rendementen, zoals in figuur 3.2. goed is weergegeven. Door de lage correlaties in combinatie met het risico/rendementsprofiel levert vastgoed een grote bijdrage aan het risico/rendementsprofiel van de gehele beleggingsportefeuille. De keerzijde van vastgoed is echter dat vastgoed ook nadelen kent, zoals hoge transactie- en managementkosten, schaal, illiquiditeit en een hoog uniek risico (Lee, 2013).

22


Figuur 3.2. Rendementen 1994-2013 na aftrek fees en kosten (Bronnen: IPD Nederland unsmoothed, MSCI World, Barclays World Bond Index, GPR World, bewerking Van Wetten, 2014)

Beleggers in onroerend goed kunnen worden onderscheiden in particuliere beleggers en institutionele beleggers (Van Gool e.a., 2007). Tot deze laatste categorie worden pensioenfondsen, beleggingsinstellingen en verzekeringsmaatschappijen gerekend. De belangrijkste doelstelling van institutionele beleggers is het verzekeren van de toekomstige aanspraken van zijn deelnemers, zijnde de pensioen- en verzekeringshouders (Eduard, 2007). Beperking van risico is daarom een van de belangrijkste doelstellingen bij deze institutionele beleggers. Van Gool e.a. (2007) voegt daaraan toe dat stabiele beleggingsopbrengsten en bescherming tegen de inflatie ook belangrijke doelstellingen zijn.

3.4.1. Beleidsvarianten en managementstijl Beleidsvarianten De aangehouden vastgoedstrategie per belegger leidt tot verschillende criteria voor beleggingsbeslissingen (Van Gool e.a., 2007). Deze beslissingen worden ook wel beleidsvarianten genoemd. Om economische en technische veroudering tegen te gaan, kan door middel van grootschalige renovatie (herinvestering) ingegrepen worden. Doorgaans gebeurt dat als het rendementsperspectief lager is dan het vereiste rendement. Het risico in een dergelijk geval is dat dan wel te laat tot actie wordt overgegaan. Deze problematiek speelt thans bij veel (grotendeels) leegstaande en kansloze kantoren. De belegger kan de volgende maatregelen treffen (Van Gool e.a., 2007): • Verhuur van het object in de huidige staat en wachten op betere tijden. • Renovatie van het pand door middel van upgrading of grootschalige renovatie. • Herontwikkeling, waarbij de bestemming (gedeeltelijk) verandert. In geval van woningen zal dit niet gebruikelijk zijn, omdat bij herontwikkeling vaak juist getransformeerd wordt naar woningen. Een andere mogelijkheid is sloop nieuwbouw. Dit zijn vaak langslepende en kostbare trajecten, aangezien bewoners en de herhuisvesting hierin een belangrijke rol spelen. • Verkoop van het object (dispositie). Uiteraard hangen de verkoopmogelijkheden ook samen met bovenstaande alternatieven. Om beleggingsplannen te realiseren of vanwege slechte toekomstige verwachtingen kan hiertoe worden overgegaan. Bij woningen kan ervoor gekozen worden het object complexmatig te verkopen of om de woningen individueel te verkopen (uitponden).

23


Managementstijl Gezamenlijk vormen de varianten het beleggingsproces en weegt de belegger de varianten tegen elkaar af. De uiteindelijke keuze wordt voor belangrijke mate bepaald het gewenste risico/rendementsprofiel van de belegger. Om inzicht te verschaffen in het rendement en risico van vastgoedbeleggingen worden drie categorieën risico/rendementsprofiel onderscheiden (INREV, 2008): (i) core; (ii) value-added/core-plus en (iii) opportunistisch. Deze classificaties geven een globaal beeld van de managementstijl en het daarbij behorende risico/rendementsprofiel van de belegger. Door INREV (European Association for Investors in Non-listed Real Estate Vehicles) worden deze categorieën als volgt gedefinieerd: • Core: deze managementstijl heeft het laagste risico/rendementsprofiel. Er wordt geïnvesteerd in courant vastgoed gelegen op economisch sterke locaties in sterke regio’s en dat voor een lange periode verhuurd is aan solvabele huurders. De belegger heeft een lage leverage en weinig tot geen exposure naar vastgoedontwikkelingen. Er is een verantwoorde spreiding aangebracht naar objecten en regio’s/landen. • Value added/core‐plus: deze managementstijl kent een gemiddeld risico/rendementsprofiel. Er wordt geïnvesteerd in verschillende regio’s (economisch sterk en minder sterk), verschillende vastgoedsectoren (ook alternatieve sectoren zoals hotels, golfbanen, stadions, etc.) en in ontwikkelingsprojecten. Door actief management van de portefeuille wordt getracht waarde toe te voegen. Er wordt doorgaans een hogere leverage gehanteerd dan bij de ‘core’‐managementstijl. • Opportunistisch: deze managementstijl kent de hoogste risico/rendementsverhouding. Er wordt een hoge leverage gehanteerd, er is veel exposure naar vastgoedontwikkelingsprojecten en er wordt geïnvesteerd in elke vastgoedsector en regio. Woningbeleggingen zijn voornamelijk als ‘core’ te bestempelen. Met name het gebruik van leverage geeft vastgoed een heel ander risicoprofiel. De waardeveranderingen komen immers nu geheel ten goede of ten laste van het deel eigen vermogen. Zoals eerder vermeld streeft een belegger naar een optimale uitkomst. De verhouding tussen risico en rendement is hierbij essentieel.

3.4.2. Verhouding risico en rendement Rendement en risico vormen binnen de financiële markt de kernbegrippen wanneer het gaat om prestatiemeting, welke gebruikt worden om de efficiëntie van een beleggingsobject of een portefeuille te bepalen. Het rendement van een bepaalde belegging welke gedurende een bepaalde periode op deze belegging gerealiseerd werd verwijst naar het geheel van opbrengsten, kosten en waarderingen. In tegenstelling tot het risico van een portefeuille is het rendement van een portefeuille gelijk aan het gewogen gemiddelde van de rendementen van de samenstellende aandelen. Onder risico wordt in de beleggingsleer verstaan: de bandbreedte rond het toekomstige, verwachte rendement welke wordt uitgedrukt in de standaarddeviatie van het rendement (Van Gool e.a., 2007). De standaarddeviatie geeft de spreiding van de rendementen rondom het gemiddelde aan en is daarmee uitgegroeid tot een belangrijke maatstaf voor risico. Een andere benaming voor standaarddeviatie, in relatie tot rendementen, is volatiliteit. Hoe groter de standaarddeviatie van mogelijke rendementen in de toekomst, hoe groter het risico (Geltner e.a., 2007). De klassieke modellen gaan daarbij uit van een normale verdeling over een lange periode, wat voor dit onderzoek een belangrijke basis vormt. Met name de verhouding tussen risico en rendement zegt iets over de prestatie van een belegging. Een gemiddeld hoog rendement gaat in het algemeen gepaard met een gemiddeld hoog risico (Van Gool e.a., 2007). Door middel van historische rendementsreeksen is gesteld dat risico en rendement een positieve relatie kennen. Daaruit is op te maken dat een belegger meer gecompenseerd wil worden (een hoger rendement) 24


zal eisen voor een risicovollere belegging (Geltner e.a., 2007). Dit inzicht vormt een zeer belangrijk denkkader in de beleggingstheorie. De samenhang tussen individuele beleggingen wordt gemeten aan de hand van de correlatie tussen de rendementen. Binnen beleggingsportefeuilles zorgt onvolledige samenhang voor demping van de individuele risico’s. Dit vormt de basis voor de Portefeuille theorie.

3.4.3. Portefeuille Theorie In 1990 kreeg Markowitz de Nobelprijs voor de economische wetenschap uitgereikt voor zijn befaamde artikel ‘Portfolio Selection’. Markowitz legde hiermee in 1952 de basis voor de Portefeuille theorie. Het model van de Portefeuille theorie richt zich op de strategische beslissing om het beleggingsvermogen optimaal te alloceren (Geltner e.a., 2007). Met de theorie is het mogelijk om een optimale afweging te maken tussen rendement en risico, waardoor risico kan worden gereduceerd. Markowitz (1991) definieert risico als de variantie van het rendement en benadrukt de voordelen van diversificatie. Door te beleggen in meerderde objecten kan de variantie gereduceerd worden en verkrijgt men uiteindelijk een optimale portefeuille samenstelling (De Wit, 2007). Dit wordt diversificatie genoemd. Beleggingsbeslissingen zijn een uitruil van risico en rendement en volgens Markowitz kan een optimale portefeuille op twee manieren worden bereikt door een portefeuille met een zo hoog mogelijk rendement gegeven een bepaald risico of een portefeuille met een zo laag mogelijk risico gegeven een bepaald rendement. Diversificatie treedt voornamelijk op als objecten binnen een beleggingsportefeuille niet perfect met elkaar correleren of zelfs een tegengesteld effect tonen (perfect negatieve correlatie). Geltner en Miller (2007) wijzen het gebruik van de Portefeuille theorie binnen de vastgoedsector in het algemeen af. De reden hiervoor is dat de historische data van vastgoedbeleggingen niet goed genoeg zijn en de kennis van elementen die toekomstige vastgoedrendementen bepalen te beperkt is. De illiquiditeit en ondeelbaarheid van vastgoedobjecten wordt daarnaast ook als bezwaar gezien. Dit in tegenstelling tot aandelen en obligaties. Beleggers streven naar een portefeuille waarbij risico en rendement in optimale verhouding staan. Een maatstaf voor het samenstellen van de optimale beleggingsportefeuille is de zogenaamde Sharpe ratio. Het gaat hier om het zodanig verdelen van de activa over de verschillende beleggingscategorieën dat het totaal een zo gunstig mogelijke risico/rendementsprofiel geeft. Die verhouding wordt tot uitdrukking gebracht in de Sharpe ratio (Van Gool e.a., 2007). Hieronder volgt de formule van Sharpe ratio:

In het bovenste deel van de vergelijking wordt de risico premie verkregen door het rendement van de portefeuille te reduceren met het rendement van een risicoloze investering. Voor deze laatste wordt doorgaans de rente op kortlopende staatsobligaties gebruikt. De ratio is dus een maatstaf voor het rendement boven het risicovrij rendement per 'eenheid' risico. Hoe hoger de Sharpe ratio, hoe beter de compensatie voor risico is. Op basis van de efficiënte grenslijn kan ook worden gezocht naar de meest efficiënte portefeuillesamenstelling behorende bij het gewenste risicoprofiel van de belegger. In onderstaande figuur is te zien dat de inefficiënte portefeuilles op de gekromde efficiënte grenslijn liggen. De overige portefeuilles, die in het blauwe gebied liggen, zijn niet interessant omdat deze meer risico geven bij een bepaald rendementsniveau. Ongeacht wat het rendement is van de individuele objecten, kan de portefeuille altijd ergens verbeteren door

25


iets te investeren in verschillende objecten. Volgens Versijp (persoonlijke informatie: collegesheets Real Estate Finance 23-10-2014) loont diversificatie op deze manier altijd, maar de bijdrage neemt wel steeds af. De rechte lijn die Rf (risicoloze investering) verbindt met de efficiënte grenslijn leidt, bij maximale helling, tot de hoogste Sharpe ratio.

Figuur 3.2 Maximale Sharpe ratio (bron: www.moneychimp.com)

Tevens kan de Sharpe ratio goed gebruikt worden om verschillende beleggingscategorieën te vergelijken, omdat de ratio een relatief eenvoudig prestatie maatstaf is. De ratio maakt gebruik van de standaard deviatie, die doorgaans op dezelfde manier wordt berekend wordt voor elke portefeuille, ongeacht of het over aandelen of vastgoed gaat. Mede door de opbouw van een vastgoed datareeks wordt de beeldvorming van risico’s en rendement van vastgoed geleidelijk verbeterd.

3.5. Performancevergelijking Binnen de Nederlandse vastgoedmarkt is in 1995 een officiële start gemaakt met het centraal verzamelen van prestatiegegevens van direct onroerend binnen de ROZ/IPD-index. Aan de performancemeting ligt een aantal hoofdredenen ten grondslag. In de eerste plaats is performance nodig om te beoordelen of de portefeuille nog wel efficiënt is in termen van rendement en risico. Ten tweede dient het als communicatiemiddel richting aandeelhouders, participanten of eigenaren, om de gekozen beleggingsstrategie te verantwoorden, dan wel bij te stellen op basis van de behaalde resultaten. Tot slot kan performancemeting beschouwd worden als het vergaren van empirisch materiaal om vastgoedobjecten en vastgoed in het algemeen beter te begrijpen (Van Gool e.a., 2003). Door de geleverde prestaties of de te verwachten prestaties te vergelijken met een bepaalde norm verkrijgt men de performance. De prestaties worden nu niet alleen als absoluut resultaat uitgedrukt maar ook als het relatieve resultaat. Door de performance van het vastgoedobject te meten, geeft dit een indicatie van het eigen resultaat ten opzichte van overeenkomstige vergelijkingen, bijvoorbeeld de IPD-vastgoedindex. Deze prestatienorm wordt ook wel de benchmark genoemd. Afhankelijk van de stijl en strategie van beleggers, zal de gewenste prestatie beter of vergelijkbaar zijn met de benchmark. De mate waarin een portefeuille afwijkt van de benchmark wordt tracking error genoemd, welke doorgaans gemeten wordt aan de hand van het verschil tussen rendementen van de portefeuille en de benchmark. Rendementsreeksen van vastgoed zijn niet zonder meer te vergelijken met rendementsreeksen van aandelen of obligaties. De in de IPD gemeten standaarddeviatie in de rendementen zijn een onderschatting van de werkelijke risico's en moeten om die reden

26


gecorrigeerd worden. Deze onderschatting is een gevolg van smoothing. Verschillen zorgen ervoor dat de rendementsreeksen van vastgoed een afgevlakt (gesmoothed) verloop laten zien en daardoor een te lage volatiliteit en meestal ook te lage correlaties met andere assets. In de literatuur, zoals Geltner, Quan & Quigley, worden verschillende methoden aangereikt om te corrigeren voor smoothing, waardoor de correlatie nog lager uitvalt. Gebleken is dat een hoge taxatiefrequentie leidt tot minder smoothing en dus minder correctie (Lee, 2007). Volgens Van Wetten (2014) heeft smoothing grote gevolgen voor het beleggingsbeleid. Hoe lager de volatiliteit (risico) en hoe lager de correlaties met andere assets, hoe hoger het gewicht van een asset in de portefeuille wordt. Maar als dat het gevolg is van smoothing, krijgt die asset een hoger gewicht dan het werkelijke risico rechtvaardigt (Van Wetten, 2014). De rendementsreeksen van IPD zijn doorgaans prestaties van het verleden. Het doel van dit onderzoek is om de toekomstige prestaties te optimaliseren. Het analyseren van toekomstbeelden komt daarom in de volgende paragraaf aan de orde.

3.6. Scenarioanalyse voor beleggingsportefeuilles In paragraaf 3.2. is de dynamiek van de vastgoedmarkt reeds beschreven. Er is veel onderzoek gedaan naar de verbanden tussen economische en demografische variabelen met vastgoed. Voor rendementscijfers voor vastgoedbeleggingen is dat niet het geval. Daarom is aansluiting gezocht bij algemene beleggingsmodellen en zijn kanttekeningen vermeld over het gebruik van vastgoed binnen deze modellen. Voor het bepalen van optimale beleggingssamenstellingen kan gebruik worden gemaakt van scenarioanalyse. Bij een scenarioanalyse wordt het effect van een aantal variabele op het resultaat bepaald. De bedoeling is om uiteenlopende toekomstbeelden te creëren, waarbij het risico in beeld wordt gebracht. De methode berekent het effect van een combinatie van variabelen op het projectresultaat. Door een best-case en een worst-case scenario te berekenen is het mogelijk de bandbreedte van het beleggingsresultaat te bepalen. De scenarioanalyse wordt gezien als een complexe vorm van een gevoeligheidsanalyse. Voordeel ten opzichte van de gevoeligheidsanalyse is dat de variabelen dus niet afzonderlijk worden bezien, maar in verband met elkaar. Dit betekent echter wel dat de risico-inschatting van de onderzoeker hierin terugkomt. Volgens Rosier (2012) kan deze techniek snel en eenvoudig worden toegepast en genereert objectieve resultaten. Het nadeel daarbij is dat geen uitspraak wordt gedaan over de waarschijnlijkheid van een scenario. Een gevoeligheidsanalyse geeft inzicht in de gevoeligheid van de uitkomst voor elke variabele, maar houdt geen rekening met de mogelijkheid dat risico’s elkaar dempen of juist versterken. De expected monetary value-methode is een techniek die de voordelen van een scenarioanalyse koppelt aan een kansverdeling (Rosier, 2012). Voor het onderling vergelijken van bepaalde scenario’s en/of effecten is deze techniek zeer geschikt. Aangezien een enkelvoudige uitkomst wordt gevormd is deze methode minder geschikt voor het bepalen van het uiteindelijke effect. De expected monetary value wordt berekend door per variabele het gewogen gemiddelde van de variabele en de kans te berekenen (Rosier, 2012). Om het portefeuille effect van beleidsvarianten te bepalen zal een integrale aanpak benodigd zijn. Dit kan door gebruik te maken van een scenario analyse. Zonder dat de theorie een bepaald model voorschrijft voor het analyseren van risico dan wel rendement, zal voor dit onderzoek gebruik worden gemaakt van scenarioanalyse. Het rendement dat behaald wordt op een belegging hangt zowel af van interne (beleid) als externe factoren. De onzekerheid met betrekking tot het te halen rendement op een investering wordt dan ook met name veroorzaakt door externe factoren, welke niet door de investeerder beïnvloed kan worden (Van Welie, 2014). Een set aan variabelen, die te maken hebben met externe factoren, kan worden beschouwd als een scenario. Brauers & Weber (1988) definiëren een scenario als een beschrijving van een mogelijke staat van de 27


toekomstige omgeving van een organisatie. Hierbij wordt rekening gehouden met elkaar samenhangende factoren binnen de toekomstige situatie. In het kader van woningbeleggingen kan bij deze externe factoren gedacht worden aan loonen prijsinflatie, stijging van de bouwkosten, waardeverandering van bestaande woningen en de rentestand. Volgens Van Welie (2014) dient duidelijk onderscheid gemaakt te worden tussen beleidskeuzen en externe onzekerheid. In dit onderzoek wordt een scenarioanalyse gebruikt om de volatiliteit in beeld te brengen. De analyse wordt niet zozeer ingezet om toekomstvoorspellingen te doen, maar als middel om bepaald beleid onder verschillende (hypothetische) condities te toetsen.

3.7. Conclusie De interactie tussen de verschillende deelmarkten in de vastgoedmarkt zorgt voor dynamiek en marktwerking. Daarnaast beïnvloeden externe schokken, zoals politieke invloeden, de markt. In dit onderzoek worden de ontwikkelingen op de woningmarkt en de gevolgen voor beleggingsportefeuilles in kaart gebracht. Vastgoedbeleggers functioneren naast de vastgoedmarkt ook in de beleggersmarkt. Hierdoor verandert de functie van een gebruikers gerelateerd produkt naar een financieel instrument dat een lage correlatie kent met aandelen. Het risico/rendementsprofiel van woningbeleggingen is daarbij van belang. In de beleggingsleer zijn diverse modellen en theorieën ontwikkeld die een relatie leggen tussen het risico en het rendement van een belegging. Deze zijn voornamelijk van toepassing voor efficiënte markten, wanneer sprake is van volkomen concurrentie, en blijken minder geschikt om het risico en rendement van een vastgoedbelegging te beoordelen. Ondanks de bezwaren kan de Portefeuille theorie in dit onderzoek terdege gebruikt worden. Het model is goed geschikt om de efficiënt frontier voor woningbeleggingen te analyseren. De verklaring hiervoor is dat de analyse een momentopname betreft en zich richt op woningportefeuilles. Hierdoor zijn vergelijkingen (en daarbij noodzakelijke correcties) met andere beleggingscategorieën niet noodzakelijk. Voor de bepaling van het risico/rendementsprofiel van woningbeleggingen beperkt dit onderzoek zich tot het analyseren op benchmark (portefeuille) niveau. Het wordt raadzaam geacht om projecten in een groter geheel te beoordelen vanwege het mogelijke diversificatieeffect uit de Portefeuille theorie. Diversiteit in de portefeuille leidt tot (relatieve) reductie van het totale risico. Door scenarioanalyse kunnen totaal rendementen (startwaarden) gekoppeld worden aan de volatiliteit van de markt en beleidsvarianten, om zodoende de ontwikkeling van het risicoprofiel te bepalen. Met behulp van de Sharpe ratio kan tenslotte het rendement gecorrigeerd voor risico gemeten worden, om meer inzicht te krijgen in de beleggingsresultaten van de beleidsvarianten. Aan de hand van de theorie in zijn algemeenheid is onderstaande hypothese vast te stellen. In hoeverre deze hypothese ook in de praktijk van toepassing zijn, zal uit het volgende hoofdstuk blijken. In dalende economische markten kunnen beleggers woningen beter doorexploiteren dan uitponden.

28


4. Woningbeleggingen in de praktijk: input voor de analyse 4.1. Inleiding In het voorgaande hoofdstuk is een theoretische aanknopingspunt (hypothese) voor beïnvloedbare varianten op de risico/rendementspositie van woningbeleggingen aan de orde gekomen. Kern van het praktijkonderzoek is toetsing van de theoretische bevinding aan de praktijk. Blijft het theoretische aanknopingspunt ook in werkelijkheid overeind? Concreet bestaat het praktijkonderzoek uit de volgende onderzoeksvraag: Welke factoren hebben invloed op de totale rendementsontwikkeling van vastgestelde beleidsvarianten? Doel van dit hoofdstuk is om inzicht te geven in de karakteristieke verschillen in de dynamiek op de woningmarkt tussen de verschillende beleidsvarianten. Tevens wordt de basis voor het praktijkonderzoek gelegd. In het volgende hoofdstuk komen de uitkomsten van de analyse aan bod.

4.2. Beleidsvarianten van de woningbelegger In hoofdstuk 3 zijn de verschillende beleidsvarianten van de woningbelegger reeds besproken. De belangrijkste beleidsvarianten die invloed hebben op het risico/rendementsprofiel zijn doorexploiteren en uitponden. Om deze reden beperkt het onderzoek zich tot de analyse van deze twee varianten. Deze paragraaf geeft een beschrijving van rendementsmaatstaven en de bepalende parameters. De Internal Rate of Return (IRR) is een goede maatstaf om het verschil van de beleidsvarianten op objectniveau in beeld te brengen. In de praktijk wordt de IRR ook wel het looptijdrendement genoemd en is veelal toekomstgericht. Dit rendement is een uitkomst (resultante) van alle contant gemaakte toekomstige kasstromen en leent zich ook goed om te worden vergeleken met een rendementseis van de belegger. De IRR is de discontovoet waarbij de Net Present Value (NPV) van het project gelijk is aan nul. Met de volgende formule, welke is gebaseerd op de NPV formule, kan de IRR van een belegging worden berekend:

De volgende risicofactoren zijn uit de IRR-formule te herleiden: • Huurinkomsten • Huurprijsontwikkeling (incl. huurharmonisatie) • Markthuurontwikkeling • Huurderving (leegstand, huurkorting en debiteuren) • Onderhouds-en beheerkosten (incl. verhuurdersheffing) • Zakelijke lasten (incl. verhuurdersheffing) • Kostenontwikkeling • (her)Investeringen • Leegwaarde • Leegwaardeontwikkeling • Mutatiegraad • Exit yield • Disconteringsvoet

29


Het voornaamste verschil tussen de twee beleidsvarianten is dat bij doorexploiteren wordt uitgegaan van wederverhuur van de woning en bij uitponden van de verkoop van de woning. Hierbij is de ontwikkeling van de markthuur versus de ontwikkeling van de leegwaarde het voornaamste verschil. Leegstand en onderhoudskosten zijn daarbij een afgeleide. In de IRR zal de eindwaardeontwikkeling (exit yield) voor beide beleidsvarianten gelijk zijn, aangezien de eindwaarde wordt vastgesteld op basis van de geldende marktwaarde aan het einde van de looptijd. Echter doordat het aantal woningen in de uitpondvariant is afgenomen zal de totale omvang van de eindwaarde in de uitpondvariant kleiner zijn. Daarnaast kan het object minder aantrekkelijk gevonden worden omdat er sprake is van ‘aangebroken bezit’. Uiteraard zijn de verschillen ook afhankelijk van portefeuilledoelstellingen en de beleggingsstijl van de belegger, zoals in hoofdstuk 3 is beschreven. Het onderzoek is gericht op de risico/rendementsverhouding van de Nederlandse beleggerswoningen op macro niveau. Aangezien het onderzoek zich baseert op historische data, wordt bij de analyse gebruik gemaakt van het jaarlijkse totaal rendement van woningbeleggingen. Het totaal rendement is de som van de waardegroei en netto inkomsten in een periode uitgedrukt als percentage van het gemiddeld geïnvesteerd vermogen. Op deze wijze kan het totaal rendement onderverdeeld worden in een directe (netto opbrengsten) en indirecte component (waardegroei). In bijlage 1 worden de begrippen nader gedefinieerd. In het algemeen wordt de IRR gehanteerd voor toekomstige berekeningen en het totaal rendement met onderverdeling meer gericht op gerealiseerde performance. Ten behoeve van de analyse worden gemiddelden van de tijdsreeksen berekend met de volgende formules: Het gewogen rendement wordt berekend met de volgende formule:

Het risico van een portefeuille met twee beleggingscategorieën is te berekenen met de volgende formule:

4.3. Beschrijving onderzoeksdata Voorspellen is het extrapoleren van tijdreeksen met behulp van statische technieken. Voor dit onderzoek wordt gebruik gemaakt van scenarioanalyse, waarbij de scenario’s op basis van trendmodellen tot stand komen. Deze automatisch gegenereerde techniek maakt gebruik van historische data. In dit onderzoek wordt gebruikt gemaakt van data van de Nederlandse woningbenchmark. In deze paragraaf wordt de onderzoeksdata inclusief de differentiaties beschreven. Historische data Investment Property Databank Om de effecten op woningportefeuilles in kaart te brengen, wordt gebruik gemaakt van de Investment Property Databank (IPD). Sinds 2012 is IPD onderdeel van MSCI. De historische tijdsreeksen van de Nederlandse woningbenchmark dienen als basis voor het onderzoek. De IPD gedefinieerd daarbij categorieën van objecten met dezelfde beleggingsstatus ten behoeve van de benchmarkrapportage. De definities ‘Standing Investments’ en ‘Deeltransacties’ worden in dit onderzoek één op één aangehouden. In bijlage 1 zijn hiervan enkele relevante definities opgenomen.

30


Naam bron

Standing Investment

Deeltransacties

IPD

IPD

Naam document IPD_Netherlands_ Annual_Key_Centers_2014

IPD Netherlands residential benchmark Returns part transactions only

Type document

speciaal ontwikkeld onderzoek

Gebruikte gegevens

regulier voor deelnemers • • •

jaartal tijdreeks totaal rendement per jaar landsdeel

• • •

voor

dit

jaartal tijdreeks totaal rendement per jaar landsdeel

Periode data

1995 - 2014 (jaarindex)

1995 - 2014 (jaarindex)

Datum bron

download 17 juli 2015

aanlevering 7 augustus 2015

Tabel 4.1. Data beschrijving

In tabel 4.1. staan de kenmerken van beide onderdelen overzichtelijk weergegeven. Normaliter rapporteert de IPD slechts de rendementen van ‘Standing Investments’ voor de benchmarkdeelnemers. Voor ‘Standing Investments’ (SI) is daarom gebruik gemaakt van een standaard rapportage. Door middel van verkregen toegang tot de portal van de IPD en het document wachtwoord is dit document gedownload. Voor de rendementen van ‘Deeltransacties’ is een speciaal opgestelde benchmarkrapportage door de IPD aangeleverd. Deze informatie is een zeer waardevolle aanvulling voor dit onderzoek en dat komt de uniciteit van de analyse ten goede. Belangrijk te vermelden is dat niet het gehele verkoopresultaat is verwerkt in het totaal rendement van de benchmarkrendementen ‘Deeltransacties’. De zogenaamde uitpondwinsten, verschil boekwaarde en verkoopresultaat (leegwaarde), hebben wel een positief effect op het rendement. De kapitaalswaarde is gecorrigeerd voor deelverkopen. De toegepaste dataset van IPD is vanwege de strikte gebruiksvoorwaarden niet opgenomen in dit rapport. Differentiatie naar landsdeel De tijdsreeksen over de rendementen van beleidsvarianten zijn opgesteld in 4 landsdelen. De volgende provincies vallen onder deze landsdelen. Randstad

Noord Nederland Oost Nederland Zuid Nederland

Noord-Holland Drenthe

Flevoland

Limburg

Utrecht

Friesland

Gelderland

Noord-Brabant

Zuid-Holland

Groningen

Overijssel

Zeeland

Tabel 4.1. Provincieverdeling per landsdeel

Differentiatie naar economische fase In de analyse worden de rendementseffecten van beleidsvarianten gedurende verschillende economische tijden getoetst. In de analyse zal naast de differentiatie per landsdeel ook de effecten in beeld brengen van het tijdsgewricht. Aangezien de tijdreeks per is jaar is opgebouwd, is er geen standaard opdeling in economische fasen voorhanden. Om de economische fase vast te stellen is aansluiting gevonden bij de DNB-conjunctuurindicator van De Nederlandsche Bank (DNB, 2015). De DNB-conjunctuurindicator geeft inzicht in de conjuncturele vooruitzichten op de korte termijn en heeft als doel de omslag van de

31


Nederlandse conjunctuur te signaleren. De indicator presenteert ook de realisatiereeks in de vorm van een gestandaardiseerde afwijking van de trend, welke van pas komen voor het onderzoek. De realisatie van de conjunctuur is gebaseerd op de maandelijkse cijfers van de industriële productie. Volgens de DNB is de industrie een belangrijke graadmeter voor de conjunctuur, vanwege de internationale oriëntatie. Meer informatie is te vinden op: http://www.dnb.nl/onderzoek-2/conjunctuurindicator/index.jsp. Aangezien DNB als instituut bekend staat, is gekozen om de aangehouden tijdreeks in het onderzoek te vergelijken met de conjunctuurgolf en op basis daarvan overeenkomstige fasen te selecteren. De DNB-conjunctuurindicator onderscheidt 4 conjunctuurfasen (afkoeling, laagconjunctuur, herstelfase en hoogconjunctuur). In die gevallen dat de periode meerdere fasen in de conjunctuur beslaan, is gekozen voor de fase(n) die de overhand hebben. Het omslagpunt van de perioden zijn op piekmomenten gesteld. De volgende drie fasen zijn geselecteerd: Fase 1. hoogconjunctuur, Fase 2. laagconjunctuur en Fase 3. crisis/herstel. Macro-economische variabelen In diverse geraadpleegde onderzoeken (Planbureau voor de Leefomgeving, CBS etc) komen macro-economische variabelen op een bepaalde manier terug. Voor het uitvoeren van het onderzoek is een selectie gemaakt van macro-economische variabelen. Door middel van een scenarioanalyse worden voor deze variabelen toekomstbeelden gegenereerd. De historische en toekomstige reeksen (20 jaar) van de macro-economische variabelen zijn ter beschikking gesteld door Ortec Finance te Rotterdam. Op basis van de toekomstige reeks zijn gemiddelde uitkomsten van drie variabelen (CPI, BBP, Koopprijs ontwikkeling) als uitgangspunt genomen voor de toekomstvoorspelling. Hierbij zijn aannames gedaan over bandbreedtes. Tevens zijn enkele aannames gedaan over de onder- en bovengrens van het risicovrij rendement.

4.4. Kwantificeren onzekere toekomst Bij het waarderen van woningen wordt, conform IPD-richtlijnen zowel een doorexploitatie- als een uitpondvariant doorgerekend. Het is de vraag of de kasstromen in één scenario door de grotere volatiliteit structureel nauwkeuriger kan worden ingeschat t.o.v. het andere scenario. In dat geval kan een lager risicoprofiel en dus een lagere disconteringsvoet worden gehanteerd. Juist de huidige woningmarktfactoren blijken een structureel effect te hebben op de kasstromen (IPD, 2013). In dit onderzoek wordt van een financieel optimale situatie uitgegaan, waardoor de invloed van interne factoren, anders dan beleidsvarianten, wordt uitgesloten. Hiermee wordt getracht de markt meer eenduidig te benaderen, zodat meer sprake is van efficiënte marktwerking. Op deze manier kan een vergelijking gemaakt worden met de aangehaalde theorie. In de praktijk is de markt niet eenduidig en zijn er regionale verschillen. Het doel van de analyse is om uiteindelijk de volatiliteit te koppelen aan de risico/rendementsverhoudingen. Modelmatig gezien wordt aan de hand van de standaard deviatie per beleidsvariant het risico/rendementsprofiel tot uitdrukking gebracht door de Sharpe ratio.

4.5. Crystal Ball als simulatieprogramma Bij de analyse wordt gebruik gemaakt van het simulatiemodel Crystal Ball. Met dit model worden effecten berekend van de geselecteerde varianten op de risico/rendementspositie van de beleggingsportefeuille. De gezamenlijke tijdreeksen kunnen worden gebruikt om risico/rendementspositie te bepalen voor de vastgestelde beleidsvarianten. Voor elke beleidsvariant is het mogelijk om te bepalen hoe ze scoren op de relevante maatstaven, door het model meerdere keren te runnen met verschillende inputgegevens. Voorts kunnen de beleidsvarianten met elkaar worden vergeleken door hun scores op een 32


risico/rendementsmaatstaf grafisch tegen elkaar uiteen te zetten in een twee- of driedimensionaal vlak. Werkwijze simulatie Simulaties worden gevoed met alleen startwaarden van geselecteerde varianten. In het programma Crystal Ball worden daarom zowel de gekozen variabelen (assumptions genoemd) als de bandbreedte waarbinnen deze variabelen zich kunnen bewegen, ingesteld. Op deze manier zijn de startwaarden van de simulatie gemaakt (normscenario). Vervolgens wordt aangegeven welke cel moet worden berekend, dit is de forecast of resultaat. Als bijvoorbeeld het rendement wordt gesimuleerd (als zijnde de assumption), wordt het proces meerdere keren herhaald waarna er als resultaat een distributie van de forecast ontstaat met een veelheid aan mogelijke uitkomsten. De dynamiek ontstaat vervolgens door het doorrekenen van de gelegde verbanden (storing trekken) (Van Welie, 2014). In deze stap worden beleidsingrepen (uitponden) in het model ingevoerd en doorgerekend. Op deze manier kan gezocht worden naar de gevoeligheid van de uitkomst en naar de juiste aangrijpingspunten voor een effectief beleid. Simulaties worden stap voor stap opgebouwd en gevalideerd. Ten behoeve van de eenvoud hebben de simulaties een lineaire opbouw (normaal verdeling). Dit is een symmetrische kansverdeling die beïnvloed kan worden door twee parameters, namelijk het gemiddelde en de variantie. Het gemiddelde wordt vanuit deze benadering gezien als het te verwachten rendement. De variantie is een statistische maat voor de fluctuaties rondom het gemiddelde van de gerealiseerde rendementen. In de klassieke beleggingstheorieën, zoals gehanteerd in dit onderzoek, wordt het risico gerelateerd aan deze op- en neerwaartse bewegingen in het rendement per tijdseenheid. Op deze manier kan de afwijking van het rendement gemeten worden. Scenario’s Het model genereert scenario’s op basis van de historische ontwikkeling van de relevante economische parameters en hun onderlinge interactie. De gesimuleerde scenario’s repliceren hierbij de statistische eigenschappen van de gebruikte reeksen. De uitkomst is een verdeling van mogelijke toekomstige financiële posities. De spreiding van de rendementen geeft de gevoeligheid (volatiliteit) voor de varianten weer, ofwel het risicoprofiel van de beleggingsportefeuille. De analyse baseert zich op kenmerken uit het verleden en de voorspelling heeft daarom geen waarde in termen van een tijdreeks. Zo zijn er vele trekkingen gedaan uit een reeks rendementen. De macro-gerelateerde analyse is vooral bedoeld als strategische verkenning. Het voordeel van de beschreven techniek is dat deze snel en eenvoudig toepasbaar is en een objectief beeld geeft over de bijdrage van een variabele aan het risico/rendementsprofiel. Door middel van een grafische weergave van de tijdreeksen worden de onzekerheden die verbonden zijn aan de gekoppelde beleidsvariant meteen duidelijk. Het risico/rendementsprofiel is hieruit eenvoudig af te leiden. OptQuest van Crystal Ball Simulatiemodellen geven enkel een range aan van mogelijke uitkomsten voor verschillende situaties. Met Opt Quest is het ook mogelijk de beste combinaties van decisions variables vast te stellen die leiden tot de gezochte resultaten. Op basis van Monte Carlo simulatie worden optimale uitkomsten binnen het aangemaakte simulatiemodel berekend. Eerst worden forecast cellen geselecteerd als objective welke gemaximaliseerd of geminimaliseerd moeten worden en worden vereisten (constraints) van de uitkomsten gespecificeerd. Daarna kunnen nog opties geselecteerd worden die interessant zijn voor de analyse en kan de optimalisatie gedraaid worden. In deze analyse wordt de weging van de beleidsvarianten als decisions variables ingevoerd om de gemiddelde Sharpe ratio als objective te maximaliseren. De ingevoerde wegingsmogelijkheden zijn 1% tot en met 99% (0% leidt tot een foutmelding). Door middel van de hiervoor genoemde vereisten (constraints) is de voorwaarde gesteld dat de beleidsvarianten gezamenlijk op 100% uitkomen. Op deze manier 33


wordt het optimale risico/rendementsprofiel voorspeld op basis van verschillende samenstellingen. Cholesky decompensitie Om een acceptabel model te genereren ten behoeve van de toekomstvoorspelling wordt de onderlinge samenhang van variabelen meegenomen. Met behulp van een Cholesky decompensitie wordt zowel de correlatie van de verschillende variabelen als de standaarddeviatie in het model verwerkt. In feite worden daardoor gecorreleerde storingen voor de verschillende variabelen gegenereerd. Met behulp van de onderstaande formule is het mogelijk om toekomstige rendementen te schatten aan de hand van de macroeconomische variabelen. Er wordt geen tijdreeks gemodelleerd, maar een schatting op basis van de gedane analyses. Totaal rendement = constante +(a*CPI) + (b*BBP) + (c*koopprijs ontwikkeling)

4.6. Conclusie In het (recente) verleden was het vrijwel altijd zo dat voor de taxaties van woningobjecten met een uitpondvariant de hoogste waarde opleverde. Inmiddels blijkt in een toenemende mate het doorexploitatievariant de hoogste taxatiewaarde op te leveren. De dalende leegwaarden en stijgende huurwaarden zijn hierbij belangrijke variabelen. Dit zou suggereren dat voor het uitponden als beleidsvariant een andere risico/rendementsprofiel kan worden gehanteerd dan voor het doorexploiteren. Het doel van de analyse is om uiteindelijk de volatiliteit te koppelen aan de risico/rendementsverhoudingen. In dit onderzoek wordt de invloed van beleidsvarianten op het risico/rendementsprofiel van de belegger beoordeeld. In het vorige hoofdstuk zijn theoretische aanknopingspunten voor beïnvloedbare variabelen behandeld om het risico/rendementsprofiel te meten. In de praktijk is de markt niet eenduidig en zijn er wel degelijk regionale verschillen. In dit onderzoek wordt van een financieel optimale situatie uitgegaan, waardoor de invloed van interne factoren, anders dan beleidsvarianten, wordt uitgesloten. Hiermee wordt getracht de markt meer eenduidig te benaderen, zodat meer sprake is van efficiënte marktwerking. Op deze manier kan een vergelijking gemaakt worden met de aangehaalde theorie. De genoemde hypothese in hoofdstuk drie blijft daarom van kracht. In de scenarioanalyse wordt dat verder getoetst, waarbij het risico uiteindelijk de uitkomst is van de analyse. De analyse baseert zich op kenmerken uit het verleden en de voorspelling heeft daarom geen waarde in termen van een tijdreeks. Zo zijn er vele trekkingen gedaan uit een reeks rendementen. Modelmatig gezien wordt aan de hand van de standaarddeviatie per beleidsvariant het risico/rendementsprofiel tot uitdrukking gebracht door de Sharpe ratio.

34


5. Het risico/rendementsprofiel van beleggingsportefeuilles 5.1. Inleiding Voor de scenarioanalyse is het met name interessant om te weten wat de gevoeligheid is van de totaal rendementen van woningbeleggingsportefeuilles. Bij de analyse wordt gebruik gemaakt van het simulatiemodel Crystal Ball. Met dit model wordt het verwachte verloop van de risico/rendementspositie van de beleggingsportefeuille bepaald. Concreet bestaat de scenarioanalyse uit de volgende onderzoeksvraag: Wat is de invloed van vastgestelde beleidsvarianten op de ontwikkeling van het risico/rendementsprofiel? Het doel van dit onderzoek is de invloed van beleidsvarianten op het risicoprofiel van de beleggingsportefeuille te analyseren. In dit hoofdstuk staan de uitkomsten van het onderzoek centraal. Met de analyse wordt de impact van de onderzoeksvariabelen op het risico/rendementsprofiel van de belegger in kaart gebracht. In het laatste hoofdstuk van dit onderzoek worden suggesties gegeven ter optimalisatie.

5.2. Uitkomsten van de analyse In het vorige hoofdstuk is reeds het analysemodel Crystal Ball en de daarin gebruikte Monte Carlo simulatie beschreven. De volgende stap is om het model toe te passen. Het model is niet bedoeld om een tijdreeks te voorspellen, maar wel om bepaalde samenhangen van beleidsvarianten te bepalen en verbanden te leggen op basis van historische data. In deze paragraaf worden de belangrijkste uitkomsten weergegeven en worden conclusies getrokken. Eerst wordt een analyse naar de forecast Sharpe ratio van de beleggingen uitgevoerd op basis van historische totaal rendementen. Hierbij wordt onderscheid gemaakt naar beleidsvarianten, landsdelen en economische fasen. Op basis van de analyse zullen tenslotte bepaalde verbanden gelegd worden in relatie tot de toekomst. Hiermee wordt de hypothese ook getoetst. Voor de volledigheid zijn de statistische beschrijvingen van de getoonde figuren in Bijlage 2 opgenomen. Uitkomsten rendementen De eerste analyse wordt uitgevoerd op de historische data. De uitkomsten van de rendementen worden met elkaar vergeleken. In figuur 5.1. zijn de uitkomsten grafisch weergegeven. In de spreidingsdiagram zijn de totaal rendementen voorzien van een lineaire trendlijn. Als de rendementen van beide beleidsvarianten nader worden beschouwd, valt op dat ‘Deeltransacties’ jaarlijks een hoger totaal rendement laat zien. De daling van de rendementen is duidelijk te zien, maar opvallend is dat de marge tussen beide beleidsvarianten geleidelijk afneemt. Daarbij is op te merken dat de directe rendementen uit huurinkomsten stabieler zijn dan de indirecte rendementen uit waardeontwikkelingen. Het verschil tussen de beleidsvarianten was in de beginperiode het grootst. De lineaire lijnen lijken elkaar in 2014/2015 te kruisen en blijkt er in het uiteindelijke totaal rendement geen verschil aanwezig te zijn tussen de twee beleidsvarianten. Opvallend is wel dat de indirecte rendementen bij ´Standing Investments´ vanaf de crisisjaren over het algemeen een iets grotere waardedaling laten zien. Voor ´Deeltransacties´ is het beeld over de gehele reeks meer volatiel. Dit is merkwaardig te noemen aangezien de taxatiemethodiek conform de IPD richtlijnen nagenoeg hetzelfde is.

35


Figuur 5.1. Spreiding historische rendementen

Risico/rendementsverhouding per beleidsvariant Het gemiddeld rendement op woningbeleggingen in de afgelopen 20 jaar is gemiddeld 8,36% voor ‘Standing Investments’ en 12,92% voor ‘Deeltransacties’. In principe is dit geen vreemde uitkomst. Beleggers die uitponden zijn meer gebaat bij een hogere mutatie-en verkoopsnelheid. Huren kunnen extra worden verhoogd en beleggers kunnen minder snel grote investeringen doen. Het objectbeleid is gericht op verkopen en dat verklaart een hoger direct rendement. Wat betreft het indirect rendement wordt een groot verschil verklaard door het feit dat de woningen tegen leegwaarde worden verkocht en vaak 25% lager in de boeken staan (boekwaarde). Een andere mogelijke verklaring is te vinden in het fenomeen smoothing. Deelverkopen binnen het object zorgen voor goede en actuele referenties, waardoor leegwaarden sneller worden aangepast. De marktomstandigheden leiden dan tot meer volatiliteit. Dit is ook meteen een verklaring voor het hoge risicoprofiel. Op basis van de theorie is gebleken dat een hoge taxatiefrequentie leidt tot minder smoothing en dus minder correctie van de waarden. Dit zal de volatiliteit in de toekomst goed doen. Nu de rendementen bekend zijn is het mogelijk om de standaarddeviatie per beleidsvariant te berekenen. Door gebruik te maken van de jaarlijkse index van de Nederlandse staatsobligaties1, over dezelfde periode, is een risicovrij rendement bepaald. Vervolgens is de Sharpe ratio berekend. Vanuit de theorie is het niet mogelijk om de Sharpe ratio te onderscheiden in het directe en indirecte rendement. De resultaten worden daarom in tabel 5.1. getoond over de totaal rendementen. In figuur 5.3. is per beleidsvariant ook de forecast Sharpe ratio grafisch getoond.

1

http://www.statistics.dnb.nl/index.jsp?lang=nl&todo=Rentes&data=121&type=k

36


Tijdreeks: 1995 - 2014

Standing Investments Deeltransacties

Gemiddeld totaal rendement 8,36%

12,92%

Standaarddeviatie

5,99

9,73

Sharpe ratio

0,74

0,94

Tabel 5.1 Overzicht gemiddelde uitkomsten per beleidsvariant (bron: De Nederlandsche Bank, IPD)

Figuur 5.2. Sharpe ratio beleidsvarianten

De gemiddelde Sharpe ratio ligt voor ‘Deeltransacties’ 20 basispunten hoger dan ‘Standing Investments’. Op basis van de gehele historische reeks kan de conclusies worden getrokken dat ‘Deeltransacties’ een gunstiger risico/rendementsprofiel heeft gekend. Maar geldt dat voor elke fase in de historische reeks? Het is interessant om de verschillen tussen economische fasen inzichtelijk te maken. Risico-rendementsverhouding per economische fase In het volgende onderdeel wordt de beschouwingsperiode verdeeld in 3 fases, die min of meer gelijk lopen met fasen van de conjuncturele cyclus. Op basis van de aangehouden DNB-conjunctuurindicator worden de 3 fasen ‘hoogconjunctuur’, ‘laagconjunctuur’ en

37


‘crisis/herstel’ vergeleken. Eveneens wordt het risicovrij rendement per fase gedifferentieerd en is de Sharpe ratio opnieuw berekend. De uitkomsten staan in onderstaande tabel weergegeven en zijn grafisch weergegeven in een ‘overlay’ diagram. De weergave van de gemiddelde rendementen en standaarddeviaties wordt nu achterwege gelaten omdat deze uitkomsten minder relevant zijn. Wel wordt vermeld dat de uitkomsten behoorlijke onderlinge verschillen kennen, zoals ook in figuur 5.1. is terug te zien. In zekere mate komt dit ook tot uiting in de ratio. Standing Investments

Deeltransacties Risicovrij rendement

Sharpe ratio landelijk [1995-2014]

0,74

0,94

4,10%

Sharpe ratio Fase 1. hoogconjunctuur [1995-2000]

4,37

3,67

5,55%

Sharpe ratio Fase 2. laagconjunctuur [2001-2007]

3,01

3,04

4,21%

-0,15

2,75%

Sharpe ratio Fase 3. crisis / herstel -0,51 [2008-2014]

Tabel 5.2. Overzicht Sharpe ratio in fasen per beleidsvariant (bron: De Nederlandsche Bank, IPD)

Figuur 5.3. Sharpe ratio in fasen per beleidsvariant

In grote lijnen is duidelijk waar te nemen dat de verschillende economische situaties een behoorlijke impact hebben op de Sharpe ratio. De uitkomsten variëren van 4,37 in fase 1 (hoogconjunctuur) tot -0,51 in fase 3 (crisis/herstel). Hierbij geldt dat er per fase weinig onderscheid is tussen de beleidsvarianten. Zoals ook in de theorie is aangehaald heeft de woningmarkt zeer goede tijden gekend. Exogene factoren, zoals de fiscale verruiming,

38


hebben invloed gehad op de woningmarkt en de koopprijs ontwikkeling. Zeker in de eerste fase zijn daardoor enorme rendementen behaald. Voor uitpondobjecten zijn in de eerste fase gemiddelde rendementen gehaald van circa 25% en die van ‘Standing Investments’ waren in die fase circa 15% per jaar. In de tweede fase zijn deze rendementen ongeveer gehalveerd en in de laatste fase is het rendementsgemiddelde nog slechts een aantal procenten. Daarentegen is ook sprake geweest van een woningcrisis, waardoor de ruime marge van de Sharpe ratio verklaarbaar en logisch is. In de eerste twee fasen ligt de forecast van de Sharpe ratio ongekend hoog. De standaarddeviatie en het rendement op Nederlandse Staatsobligaties waren veel stabieler. In de laatste fase is de Sharpe ratio zelfs negatief. Dat wil zeggen dat de belegger het risico onvoldoende kon compenseren. Aangezien geen relatie wordt gemaakt met andere beleggingscategorieën, is het niet mogelijk om uitspraken te doen over de doelmatigheid van de beleggingen in deze periode. In de crisistijd lijken de negatieve uitkomsten nog enigszins mee te vallen. Het is een logisch gevolg van de economische crisis. Er kan geconcludeerd worden dat ‘Standing Investments’ alleen in de herstelfase een gunstigere risico/rendementsprofiel had. In een overspannen markt en tijdens de crisis was een belegger beter af met uitponden. Een bijkomend effect voor de belegger is dat door middel van deelverkopen ook liquiditeit kan worden vergaard. Zoals in de theorie is beschreven is de illiquiditeit van vastgoed bij beleggen een nadeel. Zeker in de crisisperiode, waarbij de behoefte naar liquiditeit erg groot was, is een structurele uitstroom van individuele woningen een pre. Het is verrassend dat op basis van de analyse het uitponden in crisistijd gunstiger is. Dit sluit niet geheel aan bij de marktbeschrijving. Bij IPD-deelnemer en grootste Nederlandse woningbelegger Syntrus Achmea werd in de afgelopen crisis waargenomen dat het doorexploitatiesvariant steeds aantrekkelijker werd (stijgende huurwaarden), ten koste van de uitpondvariant (gedaalde leegwaarden en verwachte dalende leegwaarden). Op basis van deze analyse kan de conclusie getrokken worden dat de economische situatie behoorlijk effect heeft op de ratio en daarmee op het risico/rendementsprofiel. Het maakt daarbij niet veel uit welke beleidsvariant door de belegger wordt ingezet. Nu bekend is hoe beleidsvarianten presteren gedurende de verschillende (economische) fasen, kan het momentum relevant zijn om ofwel te starten met uitponden danwel het beleid on hold te zetten. Starten met uitponden aan het einde van de crisis bijvoorbeeld, zal niet bijdragen aan de meerjarige performance. In de besluitvorming kan de belegger, afhankelijk van portefeuille doelstellingen, rekening houden met de kritische waarden. Risico/rendementsverhouding per landsdeel Als laatste worden de risico/rendementsverhouding van de totaal rendementen per landsdeel getoond. Per beleidsvariant wordt de forecast Sharpe ratio van vier landsdelen weergegeven. Over het algemeen zijn institutionele beleggers landelijk actief. Door middel van deze analyse kan beoordeeld worden in hoeverre beleggers beloond worden voor geografische spreiding. In figuur 5.3 en 5.4. staan overlay diagrammen weergegeven met de forecast van de Sharpe ratio per landsdeel. Deze diagrammen geven een goed beeld in hoeverre de verschillende landsdelen van elkaar afwijken. In tabel 5.3 zijn de ratio’s volledigheidshalve opgenomen.

39


Tijdreeks: 1995 - 2014 Standing Investments Deeltransacties Randstad

0,72

0,88

Noord Nederland

0,83

1,09

Oost Nederland

0,76

0,99

Zuid Nederland

0,74

0,98

Tabel 5.3. Overzicht Sharpe ratio per landsdeel (bron: De Nederlandse Bank, IPD)

Figuur 5.4. Overlay Sharpe ratio Standing Investments per landsdeel

Figuur 5.5. Overlay Sharpe ratio Deeltransacties per landsdeel

40


Het is opvallend te noemen dat Noord Nederland het beste risico/rendementsprofiel voor beide beleidsvarianten kent. Ondanks dat de Randstad op dit moment erg gewild is onder nationale en internationale beleggers, is in deze regio de compensatie voor het risico toch het minst hoog. De prijzen zijn in dit deel van het land wellicht minder hard gestegen, waardoor prijsdalingen ook minder hard gaan. De overige landsdelen zijn gemiddeld en gelijkwaardig. Op basis van deze analyse kan de conclusie getrokken worden dat het landsdeel niet heel veel effect heeft op de ratio, maar dat er wel onderlinge verschillen zijn. In de allocatie zou de belegger rekening kunnen houden met de regionale verdeling, maar de optimalisatiemogelijkheden blijven beperkt. Aangezien de verschillende profielen relatief dicht bij elkaar liggen, is landelijke spreiding op basis van deze uitkomsten niet noodzakelijk.

5.3. Een verdere analyse met Crystal Ball Het eerste deel van de analyse was voornamelijk gericht op de ratio uitkomsten per beleidsvariant. Tevens is gedifferentieerd naar tijdsgeest en landsdeel. Er is nog geen inzage gegeven in het eventuele diversificatie-effect als beide varianten worden gecombineerd. In het model is een portefeuille (combinatie van beide beleidsvarianten) samengesteld om diversificatievoordelen te toetsen en om de optimale samenstelling (weging per variabele) te simuleren. De analyse wordt uitgevoerd in twee delen. De beschouwingsperiode betreft de gehele historische reeks (20 jaar). In deze paragraaf worden de resultaten hiervan getoond. Samenhang tussen beleidsvarianten De onderlinge samenhang tussen de beleidsvarianten is door middel van een correlatiecoëfficiënt te bepalen. Op basis van de historische data is de correlatie (0,97) tussen ‘Standing Investment’ en ‘Deeltransacties’ erg hoog te noemen. Het diversificatieeffect is hierdoor zeer beperkt. Echter kan er nog wel sprake zijn van een optimale samenstelling om zodoende het risico/rendementsprofiel te verbeteren. In het theoretische deel van het onderzoek is het effect van spreiden aan de orde gekomen. Elke extra asset vermindert het risico, al neemt de bijdrage wel steeds af. Dat geldt ook voor bovenstaande. De inzet van uitponden is meer een mogelijkheid om tactische portefeuilledoelstellingen te behalen. Optimale samenstelling van beleidsvarianten Het gewenste risico/rendementsprofiel kan bepaald worden door portefeuille samenstelling (weging per beleidsvariant). Dit is afhankelijk van het type belegger, zoals in 3.4.1. is genoemd. Het verschilt of een belegger een hoger rendement belangrijker vindt dan bijvoorbeeld het uitbreiden van een woningportefeuille. Voor deze analyse wordt gebruik gemaakt van OptQuest. Crystal Ball simuleert met de tool OptQuest een model waaruit een optimale verhouding volgt. Uit de 400 simulaties met ieder 50.000 trekkingen blijkt dat de verhouding 1% ‘Standing Investments’ en 99% ‘Deeltransacties’, met een Sharpe ratio van 1,20, gemiddeld genomen het meest gunstigst is. Dit betreft een gemiddelde waarneming, want er zijn ook trekkingen die een hogere ratio geven. Echter is de kans hiertoe lager. In figuur 5.6 is de forecast weergegeven van zowel de Sharpe ratio van de portefeuille als van de individuele beleidsvarianten. Een overzicht van de uitkomsten wordt achterwege gelaten, omdat het geen aanvullende informatie geeft. Een rapport van OptQuest is als bijlage opgenomen. Op basis van deze analyse kan de conclusie getrokken worden dat diversificatievoordelen nauwelijks optreden als een samengestelde portefeuille wordt geoptimaliseerd. Uit de analyse blijkt dat de portefeuille geheel gevuld wordt met uitpondobjecten, aangezien deze over de gehele tijdreeks een beter profiel heeft. Aangezien het profiel vergelijkbaar is aan `Deeltransacties´ en optimalisatiemogelijkheden nauwelijks invloed hebben, wordt dit niet verder geanalyseerd. Eerder is gebleken dat de economische fase wel invloed heeft op de uitkomsten. Het is de vraag in hoeverre dat ook het geval is bij een optimale samenstelling van beleidsvarianten. 41


Figuur 5.6. Overlay Sharpe ratio portefeuille en individuele varianten

Optimale verhouding van beleidsvarianten per economische fase Bovenstaande analyse is voor de gehele tijdreeks toegepast. In het laatste onderdeel van de analyse wordt het portefeuille-effect op basis van de verschillende economische fasen beoordeeld. Eerst is met behulp van OptQuest de optimale portefeuillesamenstelling bepaald en vervolgens is de forecast van deze samenstelling per fase gesimuleerd. Voor deze analyse is het aantal simulaties verhoogd naar 500 om de betrouwbaarheid te vergroten, aangezien het model zich baseert op minder data. Van elke fase zijn de bijbehorende rapporten in de bijlage opgenomen. De correlaties en de optimale samenstelling van beide varianten zijn per fase in tabel 5.4. opgenomen. Anders dan bij de gehele tijdreeks is de correlatie in de eerste plaats minder hoog (gehele tijdreeks 0,97) en ten tweede verschillen de correlaties onderling. In lijn met eerdere analyse in dit onderzoek blijkt wederom dat de economische situatie invloed heeft op het profiel van de beleidsvarianten. Echter, nu valt ook op dat de samenhang tussen de varianten per fase verschillend is. Op basis daarvan zouden opvallende uitkomsten verwacht kunnen worden in de samenstelling. Correlatie Standing Investments

Deeltransacties Sharpe ratio

Fase 1. hoogconjunctuur 0,7629 [1995-2000]

99%

1%

2,93

Fase 2. laagconjunctuur 0,795 [2001-2007]

80%

20%

2,62

Fase 3. crisis / herstel [2008-2014]

1%

99%

-0,14

0,9525

Tabel 5.4 Overzicht Sharpe ratio bij optimale portefeuillesamenstelling per fase (bron: De Nederlandse Bank, IPD)

42


Op basis van de optimale uitkomsten is te zien, dat gedurende herstel en crisis perioden een samengestelde portefeuille geen voordeel oplevert. Tijdens de periode met hoogconjunctuur loont het niet om uit te ponden, terwijl dat in crisisjaren juist een optimale risico/rendementsprofiel oplevert. Hieruit is te concluderen dat de beleidsvariant met de hoogste forecast Sharpe ratio de overhand heeft in de optimale samenstelling. Diversificatie lijkt alleen in de fase ´laagconjunctuur´ mogelijk gunstig uit te pakken. In de overige fasen blijkt dat volledige inzet van één variabele tot een optimaal resultaat leidt. In het model is een vereiste opgenomen dat minimaal een procent aan een variabele wordt toegekend. Gemakshalve wordt er vanuit gegaan dat dit in principe 0% zou moeten zijn. De forecast Sharpe ratio is vergelijkbaar met de uitkomsten van de individuele beleidsvarianten. De verschillen per fase zijn wederom duidelijk te zien, maar de hoogte van de ratio is wel minder. Dat betekent dat het combineren van de varianten negatief uitpakt. De dempende werking treedt nauwelijks op aan de onderzijde van de gemiddelde forecast. De enige verklaring die hiervoor is gevonden, is dat de correlatie tussen beide varianten in deze fase, anders dan de andere fasen, erg hoog is. In figuur 5.7. wordt de forecast Sharpe ratio van de optimale samenstelling voor de volledigheid per fase weergegeven. In vergelijking tot figuur 5.3. valt te concluderen dat optimaal samengestelde portefeuilles beperkte invloed hebben op het risico/rendementsprofiel.

Figuur 5.7. Overlay Sharpe ratio portefeuille per fase

Het is niet gebruikelijk, om allerlei redenen, dat het objectbeleid geheel omgegooid wordt als een nieuwe fase optreedt. Veel institutionele beleggers beoordelen de beleggingen over een lange termijn en hebben belang bij spreiding. Om deze reden wordt minder actief management toegepast en kiezen beleggers veelal een bepaalde strategie (samenstelling) welke past bij de beleggingsdoelstellingen. Maar de belegger kan hier wel rekening mee houden in de samenstelling van woningportefeuilles en in de besluitvorming.

5.4. Toekomst risico/rendementprofiel

43


Het laatste onderdeel van de analyse betreft een toekomstvoorspelling van het risico/rendementsprofiel, op basis van een aantal macro economische variabelen. Door middel van een regressieanalyse, waarbij gebruik is gemaakt van een Cholesky decompensitie, zijn verbanden gelegd tussen macro-economische variabelen en de rendementsuitkomsten. In Hoofdstuk 4.5 is dit verder beschreven. In onderstaande tabel zijn de regressiecoëfficiënten van de geselecteerde macroeconomische variabelen op het totaal rendement van beide beleidsvariabelen weergegeven. De coëfficiënten zijn gebaseerd op IPD data en Ortec Finance en functioneren als multiplier voor de gemiddelde toekomstige reeks. Het beleggingsresultaat is bepaald door de hoogst gemiddelde uitkomst, waarvan de kans het grootst is. Op basis van Hoofdstuk 2 (Institutioneel kader), waaruit de vermindering van de waardekloof en de toenemende interesse naar huurwoningen blijkt, is de coëfficiënt van ‘Koopprijs ontwikkeling’ voor uitponden aangepast naar 0,8. Hiermee is de impact van de variabelen op beide varianten meer gelijk gebracht, waardoor getracht wordt een realistischer beeld te creëren. Standing Investment

Deeltransacties Gemiddelde toekomstige reeks

Intercept (constante) 3,03

4,72

•

CPI

0,64

0,91

1,84

BBP

0,50

0,26

1,70

Koopprijs ontwikkeling

0,68

0,8 (1,25)

2,26

Figuur 5.5. Regressiecoëfficiënt (rendementsbijdrage) variabelen (bron: Ortec Finance, IPD)

Aan de hand van de aangemaakte formule zijn gemiddelde rendementen en standaarddeviaties berekend, welke in tabel 5.6. zijn opgenomen. Met behulp van het risicovrij rendement (aannames) zijn wederom Sharpe ratio’s berekend. Het risico/rendementsprofiel, in de vorm van de Sharpe ratio, van de beleidsvarianten is vervolgens ook grafisch weergegeven. Toekomstvoorspelling Standing Investments

Deeltransacties

Risicovrij rendement

Gemiddeld totaal rendement

6,61%

8,65%

3,35%

Standaarddeviatie

1,24

1,17

0,72

Sharpe ratio

3,31

5,36

•

Tabel 5.6 Overzicht toekomstvoorspelling per beleidsvariant

Op basis van de analyse blijkt dat ‘Deeltransacties’ een gunstiger profiel laat zijn in de toekomst. Dit is voornamelijk te verklaren door een hogere intercept. Deze constante waarde wordt beïnvloed door andere variabelen. Gezien de scope van het onderzoek is de afwijking tussen beide varianten niet onderzocht. Opvallend is dat de uitkomsten behoorlijk afwijken ten opzichte van het verleden.

44


In een worst case scenario zijn de rendementen bijgesteld, door de variabelen CPI en BBP met 1 procentpunt en koopprijs ontwikkeling met 2 procentpunt te verlagen. In tabel 5.7 is de ondergrens bepaald voor de toekomstige rendementen. Worst case scenario

Standing Investments

Deeltransacties

Risicovrij rendement

Gemiddeld totaal rendement

4,10%

5,87%

3,35%

Standaarddeviatie

0,97

1,17

0,72

Sharpe ratio

0,78

2,15

•

Tabel 5.7 Overzicht worst case scenario per beleidsvariant

Concluderend kan gesteld worden dat de gemiddelde toekomstige rendementen op zichzelf goed zijn, maar dat vanwege het lage risico woningen op het lange termijn een zeer aantrekkelijke belegging zijn en blijven. Ook in een worst case scenario is het risico/rendementsprofiel positief en leveren woningbeleggingen een positieve rendementsbijdrage in de portefeuille. Het uitponden blijft daarbij, net als in het verleden, een aantrekkelijke optimizer.

45


6. Conclusies en aanbevelingen Het doel van het onderzoek is om aan de institutionele woningbelegger inzicht te verschaffen in de risico/rendementsverhoudingen van vastgestelde beleidsvarianten. Concreet bestaat dit uit een advies met de volgende onderzoeksvraag: Hoe is de performance van beleidsvarianten in verschillende economische situaties en welke toekomstverwachtingen zijn daaraan te koppelen? In dit laatste hoofdstuk worden de belangrijkste bevindingen van het onderzoek behandeld. Tevens komt reflectie van het onderzoek aan de orde en worden aanbevelingen gedaan hoe een woningbelegger de beleidsvarianten kan optimaliseren. Tot slot worden aanbevelingen gedaan voor toekomstig onderzoek.

6.1. Conclusies De in het verleden gerealiseerde rendementen (zeker bij het uitponden van woningen) lijken, mede op basis van weergegeven (maatschappelijke) ontwikkelingen, te optimistisch voor de nabije toekomst. Door de afname van de waardekloof tussen exploitatiewaarde en marktwaarde worden de directe rendementen weer een belangrijker deel van het totale rendement en daarmee neemt het risico op woningbeleggingen af. De vastgoedportefeuille van institutionele beleggers maakt veelal onderdeel uit van een grotere beleggingsportefeuille. De diversificatievoordelen en kenmerken van vastgoed spelen daarbij een cruciale rol. Diversiteit in de portefeuille leidt immers tot (relatieve) reductie van het totale risico. De aangehaalde theorieën zijn voornamelijk van toepassing voor efficiënte markten, waarin sprake is van volkomen concurrentie en minimale prijsverschillen, en blijken minder geschikt om het risico en rendement van een vastgoedbelegging te beoordelen. In de praktijk is de markt niet eenduidig en zijn er wel degelijk regionale verschillen. Voor de bepaling van het risico/rendementsprofiel van woningbeleggingen beperkt dit onderzoek zich tot het analyseren op benchmark (portefeuille) niveau. Het wordt raadzaam geacht om projecten in een groter geheel te beoordelen vanwege het mogelijke diversificatieeffect uit de Portefeuille theorie. Diversiteit in de portefeuille leidt tot (relatieve) reductie van het totale risico. Door scenarioanalyse zijn totaal rendementen (startwaarden) gekoppeld aan de volatiliteit van de markt en beleidsvarianten, om zodoende de ontwikkeling van het risicoprofiel te bepalen. Met behulp van de Sharpe ratio is het rendement gecorrigeerd voor risico gemeten. Hierdoor is meer inzicht gekregen in de beleggingsresultaten van de beleidsvarianten. Een hoge Sharpe ratio geeft aan dat er bij weinig risico een relatief hoog rendement behaald wordt. In dit onderzoek zijn met Crystal Ball simulaties gedaan om de forecast Sharpe ratio te analyseren. Hierbij is gebruik gemaakt van de gegevens van de IPD over de periode 1995-2014. De beschikbaar gestelde data over ‘Deeltransacties’ maakt onderdeel uit van een speciaal opgestelde benchmarkrapportage van de IPD. Deze waardevolle informatie komt ten goede aan de uniciteit van het onderzoek. Aan de hand van verschillende (economische) situaties zijn uitkomsten geanalyseerd en hieruit volgen optimalisatiemogelijkheden ten behoeve van een gunstiger risico/rendementsverhouding. De analyse baseert zich op kenmerken uit het verleden en de voorspelling heeft daarom geen waarde in termen van een tijdreeks. Zo zijn er vele trekkingen gedaan uit een reeks rendementen. Het onderscheid tussen de beleidsvarianten biedt mogelijkheden om het risico/rendementsprofiel te verbeteren. Op basis van de analyse blijkt dat uitponden in het algemeen een beter risico/rendementsprofiel heeft. Bij de differentiatie naar landsdeel is

46


geen onderscheid te zien, waardoor optimalisatiemogelijkheden over het gehele land behaald kunnen worden. Dat betekent dat niet alleen de Randstedelijke omgeving een aantrekkelijk belegging hoeft te zijn. Andere landsdelen scoren minstens zo goed als de Randstad en de forecast Sharpe ratio in Noord Nederland scoort zelfs het hoogst. In de allocatie van de beleggingen kan hiermee rekening gehouden worden. Vanwege de grote samenhang (tussen doorexploiteren en uitponden) gedragen beide varianten zich in grote lijnen hetzelfde op de verschillende analyses indien de gehele tijdreeks wordt aangehouden. Op het moment dat meer ingezoomd wordt op de verschillende periodes en de daarbij behorende economische situatie, zijn er wel degelijk verschillen te zien. Door de conjuncturele veranderingen gedragen de beleidsvarianten zich verschillend. In crisistijd is het uitponden van woningen nog gunstiger, terwijl het doorexploiteren van woningen in stijgende economische tijden gunstiger is. De belegger zou kunnen anticiperen op de verschillende gedragingen. Bij de uitpondbeslissing zal hier meer rekening mee gehouden kunnen worden om zo sneller en makkelijker te kunnen switchen qua beleid, zodat sneller ingespeeld kan worden op de wisselende marktomstandigheden. In de rendementsberekeningen, in de IRR-eis of disconteringsvoet, zou hiermee ook meer rekening gehouden kunnen worden. Nu de woningmarkt hersteld lijkt te zijn en een fase van hoogconjunctuur tegemoet ziet, zou op basis van de historische reeks het doorexploiteren van woningen beter performen. Hierbij dient wel de kanttekening geplaatst te worden dat de huidige rentepercentages lager zijn dan de percentages in de eerste fase (hoogconjunctuur) van de geanalyseerde tijdreeks. De impact hiervan zou nader onderzocht moeten worden. Tevens is het verrassend dat op basis van de analyse het uitponden in crisistijd gunstiger is, terwijl bij IPD-deelnemer en grootste Nederlandse woningbelegger Syntrus Achmea in de afgelopen crisis werd waargenomen dat het doorexploitatievariant steeds aantrekkelijker werd (door stijgende huurwaarden), ten koste van de uitpondvariant (gedaalde leegwaarden en verwachte dalende leegwaarden). Het is natuurlijk wel de vraag in hoeverre de geschiedenis zich zal herhalen. De extreem goede resultaten uit het verleden zijn minder aannemelijk. Daarentegen blijft de economische situatie schommelen en daar kan de belegger op anticiperen. Belangrijk is dat bij de keuze van de beleidsvariant rekening wordt gehouden met de beleids- en portefeuilledoelstellingen. Een optimale risico/rendementsverhouding kan voor een belegger nog steeds te hoog zijn en bij een uitbreidingswens van woningbeleggingen ligt het ook niet voor de hand om volledig in te zetten op uitponden. In crisistijd is liquiditeit een pre. Zo zijn er talloze omstandigheden waarmee rekening gehouden kan worden bij het optimaliseren van het risico/rendementsprofiel. In dit onderzoek is een optimale performance nagestreefd. Het is niet gebruikelijk, om allerlei redenen, dat het objectbeleid geheel omgegooid wordt als een nieuwe fase optreedt. Veel institutionele beleggers beoordelen de beleggingen over een lange termijn en hebben belang bij spreiding van hun beleggingen. Om deze reden wordt minder actief management toegepast en kiezen beleggers veelal een bepaalde strategie (samenstelling) welke past bij de beleggingsdoelstellingen. Maar de belegger kan meer rekening houden met de verschillende gedragingen van beleidsvarianten in de besluitvorming en in de samenstelling van woningportefeuilles. Op basis van de toekomstvoorspelling blijkt dat uitponden een gunstiger profiel laat zijn, maar dat de uitkomst wordt gekleurd door de extreme uitkomsten van het verleden en de daarbij horende samenhang met macro-economische variabelen. De toekomstvoorspelling wijkt behoorlijk af ten opzichte van de gehele historische tijdreeks. Concluderend wordt gesteld dat de verwachting is dat de toekomstige rendementen goed zijn, maar dat vanwege een beter risicoprofiel dan in het verleden woningen op het lange termijn een nog aantrekkelijk belegging zijn.

47


Tenslotte wordt de uitkomst van de analyse vergeleken met de hypothese van dit onderzoek. Uit deze vergelijking blijkt dat de uitkomsten van de analyse niet overeenkomen met de hypothese van dit onderzoek. Op basis daarvan wordt de hypothese, in dalende economische markten kunnen beleggers woningen beter doorexploiteren dan uitponden, verworpen.

6.2. Aanbevelingen Vanwege de structurele veranderingen op de woning(beleggers)markt is er onvoldoende inzicht in de effecten op lange termijn en specifiek in het risico/rendementsprofiel van woningbeleggingen. Door middel van dit onderzoek is meer inzicht verkregen in het risico/rendementsprofiel van de beleidsvarianten. De analyse op macro niveau heeft een verkennend doel gehad. Het verdient aanbeveling om vervolgonderzoek te doen naar de onderliggende rendementen (direct en indirect) om daadwerkelijke effecten beter in te schatten. Vervolgens kan hierop meer geanticipeerd worden door de betreffende belegger. De scenarioanalyse is grotendeels tot stand gekomen met historische data. Door toekomstige macro economische variabelen te matchen met te behalen rendementen, is de belegger nog beter in staat om de toekomst in te schatten en om beslissingen te nemen. In de analyse is gebruik gemaakt van een grove geografische verdeling. De woningmarkt is een typische lokale markt, waardoor verfijning naar regio’s of plaatsen op zijn plaats is. Met dit onderzoek zijn de verschillen tussen de vastgestelde beleidsvarianten meer aangetoond. Hoewel de samenhang groot is, blijkt de risico/rendementspositie in veel situaties te verschillen. De belegger zou kunnen overwegen om het verschil ook tot uiting te laten komen in de IRR-eis of disconteringsvoet. De IPD (en voorgangers) zet zich vanaf 1995 in, als leverancier van vastgoeddata en analyse-instrumenten, om de transparante binnen de sector te bevorderen. In de vastgoedmarkt ontstaan steeds meer initiatieven om data beschikbaar te stellen voor derden. Een voorbeeld hiervan is de Stichting Vastgoeddata (StiVAD) met het bijhouden van een landelijk register met beleggingstransacties. Dit draagt bij aan de transparantie van de woningbeleggingsmarkt en dat komt ten goede aan een efficiënt werkende markt. Wellicht kan daardoor op den duur meer gebruik worden gemaakt van de ontwikkelde modellen en theorieën ten behoeve van efficiënte markten zoals vermeld in de conclusie.

48


Literatuurlijst Blijie, B. et al. (2009). Het inkleuren van voorkeuren, de woonconsument bekent. WoONmodule Consumentengedrag. ABF Research, i.o.v. Ministerie van VROM en de NEPROM. Blijie, B., Groenemeijer, L., K. Gopal, & R. van Hulle (2012). Wonen in ongewone tijden. De resultaten van het Woononderzoek Nederland. Blok, S. A. (2012). Kamerbrief over de aanpak van de problemen op de woningmarkt. Ministerie van Binnenlandse Zaken en Koninkrijkrelaties. Blok, S. A. (2012). Kamerbrief effecten huurbeleid kabinet verschillenanalyse. Ministerie van Binnenlandse Zaken en Koninkrijkrelaties. Brounen, D., & J. Huij (2004). De Woningmarkt bestaat niet. Economisch-Statistische Berichten (ESB), 89(4429), 126-128. Capital Value (2015). De woning(beleggers)markt in beeld 2015. Capital Value / ABF Research, Den Haag. Centraal Planbureau (2013). De Nederlandse woningmarkt - hypotheekrente, huizenprijzen en consumptie. CPB notitie. CPB, Den Haag. Conijn, J.B.S. en F.P.W. Schilder (2011). De haalbaarheid van markthuren. Real Estate Research Quarterly. Thema: Hervormingen Woningmarkt april 2011-12. Conijn, J.B.S. en F.P.W. Schilder (2012). De vraag naar woondiensten en de betaalbaarheid in de huursector. ASRE Research Paper 2012 -21, Amsterdam School of Real Estate. Dam F. van, M. Eskinasi, C. de Groot (2014). Nieuwe uitdagingen op de woningmarkt. Balans van de Leefomgeving 2014 – deel 2. Den Haag: PBL (Planbureau voor de Leefomgeving). Eduard, G. (2007). Differentiatie van het vereiste rendement: Een onderzoek voor Nederlandse institutionele woningbeleggers naar de aanleiding tot aanvangsrendementdifferentiatie alsmede de ontwikkeling van een instrument daarvoor. Amsterdam School of Real Estate. Eskinasi, M. (2011). Houdini: een systeemdynamische modellering van regionale woningmarkten Achtergrondstudies. Den Haag: PBL (Planbureau voor de Leefomgeving). Ewijk, C. V. et al. (2006). Economische effecten van aanpassing fiscale behandeling eigen woning. CPB Document, 128. Geltner, D.M. et al. (2007). Commercial Real Estate, Analysis & Investments. Thomson South-Western. Ginkel, N. van (2013). Impuls voor de woningmarkt; Op basis van heffingsvrijstellingen voor koopstarters. Amsterdam School of Real Estate. Gool, P. van, et al. (2007), Onroerend goed als belegging. Groningen / Houten: WoltersNoordhoff. Gool, P. van et.al. (2013), Onroerend goed als belegging. Noordhoff Uitgevers: Groningen.

49


Haffner M. en Van Dam F. (2011). Langetermijneffecten van de kredietcrisis op de regionale woningmarkt. Den Haag: PBL (Planbureau voor de Leefomgeving). ING Economisch Bureau (2015). Eigen huis verliest gouden glans: Visie op de Nederlandse huizenmarkt 2015-2025. Utrecht: ING Economisch Bureau. IVBN Visie: op de vrije sector huurwoningmarkt (2014). Beleggersgeld naar een verder te liberaliseren huurmarkt. Voorburg: IVBN. Kramer, B. en A.T.G. Welie, van (2012). Geavanceerde risicoanalyse. Ortec Finance. Lee, S., & Devaney, S. (2007). The changing importance of sector and regional factors in real estate returns: 1987–2002. Journal of Property Research, 24(1), 55-69. Markowitz, H.M. (1991), Portfolio Selection: Efficient Diversification of Investments. Blackwell Publishers. Ministerie van Binnenlandse Zaken en Koninkrijkrelaties (2013). Wonen in ongewone tijden. Den Haag. Noordhoff H.J. (2014). De verhuurdersheffing maakt woningen volslagen oninteressant voor beleggers. Amsterdam School of Real Estate. Perquin S.J.E. (2012). Overdracht, of niet? Een onderzoek naar de effecten van de (tijdelijke) verlaging van de overdrachtsbelasting. Amsterdam School of Real Estate. Post, W. van der, (2004). Retail, Ruimte en rendement. Een onderzoek naar de gevolgen van decentralisatie van het ruimtelijk detailhandelsbeleid in de Vijfde Nota. Poulus, C. et al. (2014). Socrates 2014. ABF Research. Poulus, C., B. Ferment, G. Van Leeuwen (2015). Gevoeligheidsanalyse – Effecten van beleid van verhuurders en externe factoren. ABF Research. Meijdam H.M. et al. (2015). Wonen in verandering. Raad voor de Leefomgeving en infrastructuur. Romijn, G. en Besseling, P. (2008). Economische effecten van regulering en subsidiëring van de huurwoningmarkt. CPB Document, No 165. Den Haag: CPB. Schilder, F.P.W. en J.B.S. Conijn (2009). De dubbele kloof tussen koop en huur- Omvang, Oorzaken en Consequenties. ASRE Research Paper 2009 -10. Amsterdam School of Real Estate. Schilder, F.P.W. en J.B.S. Conijn (2012). Kopen of huren - Een omslagpunt in de woningmarkt. Oorzaken en Consequenties. ASRE Research Paper 2013 -9, Amsterdam School of Real Estate. Uittenbogaard, L. en H. Veldman (2013). Strategie en vastgoed. Groningen / Houten: Noordhoff Uitgevers. Wetten, P. van (2014). De meerwaarde van vastgoed in de portefeuille. Syntrus Achmea Real Estate & Finance.

50


Wit, D.P.M. de (1997). Real Estate Diversification Benefits, Journal of Real Estate Research, volume 14, nummer 1/2. Overig De Nederlandsche Bank (2015). DNB-conjunctuurindicator (http://www.dnb.nl/onderzoek-2/conjunctuurindicator/index.jsp), 2 september. Rijksoverheid (2015). (https://www.rijksoverheid.nl/onderwerpen/huurwoning/inhoud/sociale-huurwoning-huren), 3 september. ROZ/IPD Vastgoedindex, Definitielijst, 15 maart 2007. Oracle Crystal Ball, versie 11.1.2.3.500, Classroom edition, licensie ASRE.

51


APPENDICES

52


Bijlage 1 Definities en begrippen IPD Standing investment Een standing investment is een object dat het gehele jaar in portefeuille was (dus van 1 januari tot en met 31 december), zonder dat er bij het object sprake was van deeltransacties (deel aankoop of deel verkoop) of (her-)ontwikkelingen. Aangehouden objecten Een aangehouden object is een object dat gedurende de gehele meetperiode een standing investment is geweest. Een meetperiode kan één jaar zijn, maar ook meerdere jaren. Deeltransactie Wanneer in een object een deelaankoop of deelverkoop plaatsvindt, wordt het volledige object uitgesloten van de standing investment resultaten van het fonds. Bij de analyse van de gewogen bijdrage van activiteiten van het fonds met betrekking tot het portefeuillerendement worden deeltransacties (voornamelijk uitponden van woningen) geïdentificeerd als een afzonderlijke categorie. Er is sprake van een deelaankoop als er aankopen van additionele eenheden of uitbreidingen van bestaande eenheden hebben plaatsgevonden. Er is sprake van een deelverkoop als er verkopen van bestaande eenheden hebben plaatsgevonden. Bij een deelverkoop dienen alle gemaakte kosten in mindering te worden gebracht op de verkoopopbrengst. Totaal rendement Het totaal rendement is de som van de waardegroei en netto inkomsten in een periode uitgedrukt als percentage van het gemiddeld geïnvesteerd vermogen. Direct rendement Het direct rendement, ook cashflow rendement en exploitatierendement genoemd, in de ROZ/IPD Vastgoedindex bestaat uit de feitelijke netto-huuropbrengsten gedurende een bepaalde periode, afgezet tegen het gemiddeld geïnvesteerd vermogen van de onderliggende vastgoed objecten (c.q. portefeuilles) over de meet periode. Indirect rendement Het indirect rendement, ook waardegroei genoemd, geeft de waardeveranderingen weer gedurende een bepaalde periode van de onderliggende vastgoedobjecten c.q. portefeuilles in de ROZ/IPD Vastgoedindex, afgezet tegen het gemiddeld geïnvesteerd vermogen van de onderliggende vastgoedobjecten c.q. portefeuilles over de meet periode.

53


Bijlage 2 Statistische beschrijvingen Forecast Sharpe ratio beleidsvarianten Sharpe ratio SI landelijk Sharpe ratio D landelijk Statistic

Forecast values

Forecast values

Trials

50.000

50.000

Base Case

0,74

0,95

Mean

0,74

0,94

Median

0,74

0,94

Mode

'---

'---

Standard Deviation 1

1

Variance

1

1

Skewness

0,0085

0,004

Kurtosis

3,01

3

Coeff. of Variation

1,34

1,06

Minimum

-3,29

-3,25

Maximum

4,91

5

Mean Std. Error

0

0

54


Overlay: Sharpe ratio Deeltransacties per landsdeel Statistic

Sharpe ratio D Randstad

Sharpe ratio D Sharpe ratio D O-Ned N-Ned

Sharpe ratio D Z-Ned

Trials

50.000

50.000

50.000

50.000

Base Case

0,88

1,09

0,98

0,98

Mean

0,88

1,09

0,99

0,98

Median

0,88

1,09

0,98

0,98

Mode

'---

'---

'---

'---

Standard Deviation

1,00

1,01

1,01

1,02

Variance

1,01

1,02

1,02

1,03

Skewness

-0,0128

-0,0084

-0,0094

0,0029

Kurtosis

2,99

3,01

2,98

3,00

Coeff. of Variation

1,15

0,9253

1,02

1,04

Minimum

-3,60

-2,80

-2,99

-2,88

Maximum

4,89

5,20

5,19

5,14

Mean Std. Error 0,00

0,00

0,00

0,00

55


Overlay: Sharpe ratio Standing Investments per landsdeel Statistic

Sharpe ratio SI Randstad

Sharpe ratio SI N-Ned

Sharpe ratio SI O-Ned Sharpe ratio SI Z-Ned

Trials

50.000

50.000

50.000

50.000

Base Case

0,72

0,82

0,75

0,74

Mean

0,72

0,83

0,76

0,74

Median

0,71

0,83

0,76

0,74

Mode

'---

'---

'---

'---

Standard Deviation

1,02

1,03

1,03

1,03

Variance

1,05

1,07

1,07

1,05

Skewness

0,0187

-0,0016

0,0142

-0,0042

Kurtosis

3,01

3,01

3,00

3,01

Coeff. of Variation

1,42

1,25

1,36

1,38

Minimum

-3,60

-3,36

-3,47

-3,46

Maximum

4,77

5,10

5,94

4,70


0,00

0,00

0,00

56


Overlay: Sharpe ratio in fasen per beleidsvariant Statistic

Sharpe ratio D fase 1



Sharpe ratio SI fase 1

Sharpe ratio SI fase 2

Sharp ratio SI fase 3

Trials

50.000

50.000

50.000

50.000

50.000

50.000

Base Case

3,67

3,04

-0,14

4,37

3,00

-0,50

Mean

3,67

3,04

-0,15

4,37

3,01

-0,51

Median

3,67

3,04

-0,14

4,38

3,01

-0,50

Mode

'---

'---

'---

'---

'---

'---

Standard Deviation

1,01

1,01

1,07

1,07

1,04

1,10

Variance

1,03

1,03

1,15

1,14

1,09

1,20

Skewness

-0,0110

0,0159

0,0052

-0,0148

0,0046

-0,0096

Kurtosis

3,03

3,01

3,04

3,01

2,97

2,99

Coeff. Variation

of 0,2763

0,3334

-7,33

0,2440

0,3465

2,15

Minimum

-0,75

-1,01

-4,95

-0,40

-1,54

-4,74

Maximum

7,80

7,96

4,28

8,80

7,39

4,25

Mean Std. Error

0,00

0,00

0,00

0,00

0,00

0,00

57


Overlay: portefeuille samenstelling Statistics

Portefeuille rendement landelijk

Portefeuillerisico

Sharpe ratio Sharpe ratio D landelijk portefeuille

Sharpe ratio SI landelijk

Trials

50000

50000

50000

50000

50000

Base Case

11,64

7,21

1,05

0,98

1,13

Mean

11,09

5,84

1,11

1,20

1,21

Median

11,12

5,84

1,11

1,21

1,22

Mode

---

5,84

---

---

---

Standard Deviation

5,67

0,00

1,01

1,00

1,03

Variance

32,11

0,00

1,01

0,99

1,05

Skewness

-0,0131

---

-0,0107

-0,0113

-0,0117

Kurtosis

2,99

---

2,96

2,98

2,98

Coeff. of 0,5110 Variation

0,00

0,9034

0,8327

0,8447

Minimum

-15,31

5,84

-3,18

-3,18

-3,29

Maximum

36,73

5,84

5,33

5,57

5,73

Range Width

52,04

0,00

8,51

8,76

9,03

Mean Std. Error

0,03

0,00

0,00

0,00

0,00

58


Overlay: Forecast optimale verhouding per fase Statistic

Sharpe ratio portefeuille Sharpe ratio portefeuille Sharpe ratio portefeuille Fase 1 Fase 2 Fase 3

Trials

50.000

50.000

50.000

Base Case

3,45

2,62

-0,15

Mean

2,93

2,62

-0,14

Median

2,94

2,62

-0,14

Mode

'---

'---

'---

Standard Deviation

0,70

0,69

1,06

Variance

0,50

0,47

1,13

Skewness

-0,0197

-0,0015

0,0023

Kurtosis

3,00

2,98

3,03

Coeff. Variation

of 0,2401

0,2630

-7,40

Minimum

0,23

-0,51

-4,40

Maximum

5,82

5,75

4,76


0,00

0,00

59


Overlay: Forecast Sharpe ratio Toekomst voorspelling Statistic

Forecast Sharpe ratio SI

Forecast Sharpe ratio D

Trials

50.000

50.000

Base Case

3,32

4,50

Mean

3,31

5,36

Median

3,30

5,36

Mode

'---

'---

Standard Deviation

1,24

1,17

Variance

1,55

1,37

Skewness

0,0061

0,0046

Kurtosis

2,99

3,04

Coeff. of Variation

0,3760

0,2185

Minimum

-1,56

-0,02

Maximum

8,45

10,81

Mean Std. Error

0,01

0,01

60


OptQuest rapporten optimale samenstelling gehele tijdreeks en per fase

61


62


63


64


65


66

Toekomst woning(beleggers)markt

Recommend Documents