Paper Naar een prijsindex voor commercieel vastgoed...Naar een prijsindex voor commercieel vastgoed...
Transcript of Paper Naar een prijsindex voor commercieel vastgoed...Naar een prijsindex voor commercieel vastgoed...
Naar een prijsindex voor commercieel vastgoed Een verkenning van de mogelijkheden Edwin Buitelaar Or Levkovich Jan Rouwendal
2016 – 04 Augustus 2016
ASRE research papers ISSN 1878-4607
ASRE Research Center | Amsterdam School of Real Estate | Postbus 140 | 1000 AC Amsterdam |
T 020 – 668 1129 | F 020 – 668 0361 | [email protected]
Naar een prijsindex voor commercieel vastgoed Een verkenning van de mogelijkheden
Edwin Buitelaar
Or Levkovich
Jan Rouwendal
Naar een prijsindex voor commercieel vastgoed Een verkenning van de mogelijkheden
Inhoudsopgave
Samenvatting 2
1 Aanleiding en probleem 4
2 Beschrijving van de dataset(s) 7
2.1 Beschrijving van de datasets 7 2.2 Verrijking van de dataset 15
3 Verschillende indexmethoden vergeleken 18
3.1 Mediane index 18 3.2 Hedonische index 18 3.3 Repeat-sales index 21 3.4 Hybride index 22 3.5 Overige methoden 23
4 Prijsindices op basis van verschillende methoden 25
4.1 Vastgoedprijsindices per methode 25 4.2 Vergelijking prijsindices 35 4.3 De hedonische en repeat-sales index bij verschillende frequenties 37 4.4 De hedonische en repeat-sales index per vastgoedsegment 38 4.5 Regionale prijsindices 39
5 Discussie: naar een prijsindex voor commercieel vastgoed? 44
Bijlage 1: Aanwezigen expertmeeting 13 mei 2016 48
Literatuur 49
Naar een prijsindex voor commercieel vastgoed Een verkenning van de mogelijkheden
Amsterdam School of Real Estate 2
Samenvatting
In tegenstelling tot de woningmarkt beschikken de markten voor commercieel vastgoed nog
niet over accurate indices die de prijsontwikkelingen monitoren. Een prijsindex meet de
‘temperatuur’ van de markt. Dit is met name van belang voor het verkrijgen van een
macrobeeld van commercieel vastgoed ten behoeve van een beter inzicht in de economische
ontwikkeling en de risico’s en stabiliteit van het financiële systeem. Hiermee is het dus ook
van belang voor organisaties als CPB, DNB, AFM en verschillende ministeries.
NVM Business heeft de ASRE gevraagd om een dergelijke index te construeren. Op basis
van de beschikbare data (van NVM Business en Strabo) en statistische methoden kan op
nationaal niveau een representatieve index worden geconstrueerd voor winkels, kantoren en
bedrijfsruimten op grond van transacties tussen zowel beleggers als eigenaar-gebruikers. De
meest geschikte methode hiervoor achten wij de hedonische-prijsmethode. Andere methoden
zoals de mediaan, repeat-sales en de hybride index kennen meer tekortkomingen, zo
concludeert de ASRE op basis van deze verkenning.
In onderstaande figuur worden de resultaten van de (hedonische) index gepresenteerd en
afgezet tegen de prijsontwikkeling op de koopwoningmarkt (NVM). De drie commerciële-
vastgoedsegmenten laten een opvallend vergelijkbare ontwikkeling zien: een relatief steile
prijsstijging tot 1999/2000, het jaar van de internetbubbel. Daarna volgt een afvlakking tot
ongeveer 2004, vervolgens weer steil doorstijgend tot 2007/2008 (het crisisjaar), waarna een
vrije val plaatsvindt tot ongeveer 2013 wanneer de prijsdaling (van met name kantoren en
bedrijfsruimten) afvlakt. Er doet zich een opvallend verschil met de koopwoningmarkt voor.
Daar waar het woningprijsniveau na 2008 nooit verder is gezakt dan het niveau van 2003 en
in 2015 alweer op het niveau van 2005 zat, zijn de drie commerciële segmenten veel verder in
prijs gedaald: naar het niveau van 1997-1998. In 2015 lagen de prijzen nog niet veel hoger
dan toen.
Amsterdam School of Real Estate 3
De ASRE streeft er naar om de komende jaren elk half jaar (begin van het jaar en halverwege
het jaar, te beginnen met augustus 2016) een update van de index te publiceren om zo een
bijdrage te leveren aan de door velen zo gewenste vergroting van de markttransparantie.
Daarnaast is het mogelijk (gelet op het aantal transacties) om jaarlijks voor twee specifieke
regio’s een index te maken: de Noordvleugel en de Zuidvleugel (van de Randstad).
Amsterdam School of Real Estate 4
1 Aanleiding en probleem
Transparantie van de markt voor commercieel vastgoed1 is een belangrijk en actueel
onderwerp. Sinds de crisis hebben onder andere de toezichthouders (DNB en AFM) hier
buitengewone belangstelling voor. Het ontbreekt vooralsnog aan voldoende en betrouwbare
marktinformatie die rekening houdt met het sterk heterogene karakter van de markt. Mede
hierdoor heeft het onderzoek naar de markt voor commercieel vastgoed een achterstand op
het woningmarktonderzoek. Het zou goed zijn als die achterstand voor een deel wordt
ingelopen.
Een belangrijke stap in het proces van het vergroten van de markttransparantie zou gezet
kunnen worden door het opzetten en periodiek publiceren van een prijsindex voor
commercieel vastgoed. Door anderen is gewezen op het belang daarvan: “The accurate
measurement of real estate price change is important to our understanding of aggregate
wealth and investment behavior” (Meese & Wallace, 1997). En: “Commercial Property Price
Indicators and, more particularly Commercial Property Price Indices, are required by
Governments for economic analysis in order to understand and track the economy and for
formulating economic policy and also by official agencies and institutions charged with
overseeing and regulating the health of the financial system and the investment industry”
(Eurostat, 2016, te verschijnen, p. 6). Een prijsindex meet de ‘temperatuur’ van de markt. Dit
is met name van belang voor het verkrijgen van een macrobeeld van commercieel vastgoed –
en dus minder voor individuele investeringsbeslissingen – ten behoeve van een beter inzicht
in de economische ontwikkeling en de risico’s en stabiliteit van het financiële systeem2.
Voor de woningmarkt bestaan dergelijke indices. De NVM publiceert elke kwartaal een
mediane prijsindex. Daarnaast publiceren het CBS en het Kadaster gezamenlijk een
maandelijkse prijsindex voor bestaande koopwoningen gebaseerd op de zogenoemde SPAR-
methode (de mogelijkheden voor een index voor nieuwe koopwoningen worden verkend). Het
zijn inmiddels belangrijke en niet meer weg te denken indicatoren voor het meten van de
temperatuur van de woningmarkt.
1 Commercieel vastgoed wordt hier opgevat als vastgoed dat gebruikt wordt voor commerciële functies, oftewel het geheel
van kantoor-, winkel- en bedrijfsruimtes, ongeacht de vraag of partijen (beleggers) met het bezit ervan inkomsten
(rendement) willen genereren. Woonruimtes (dus ook huurwoningen) blijven hierdoor buiten beschouwing. We beschikken
wel over informatie over eigenaarschap; er wordt een onderscheid gemaakt tussen eigenaar-gebruikers en beleggers. In de
prijsanalyses houden we hier rekening mee (hoofdstuk 3 en 4). 2 Zo’n index moet niet uitsluitend op zichzelf worden bekeken (Eurostat, te verschijnen, p. 63). Aanvullend is informatie over
de verandering in het transactievolume ook relevant (zie bijvoorbeeld Buitelaar & Van Dongen, 2016).
Amsterdam School of Real Estate 5
Een accurate op transactieprijzen gebaseerde index voor commercieel vastgoed bestaat in
Nederland op het moment van schrijven nog niet. Wel is er de appraisal-based index van
IPD/ROZ (onderdeel van MSCI), waar een beperkt aantal (grote) beleggers aan deelnemen.
Op transactieprijzen gebaseerde indices zijn te prefereren boven op taxaties gebaseerde
indices, omdat eerstgenoemde marktontwikkelingen directer observeren en minder last
hebben van de subjectiviteit van taxaties. Echter, databeschikbaarheid is vaak een probleem
(Eurostat, 2016, te verschijnen). NVM Business heeft eerder wel (zoals in de jaarrapportage
Vastgoedmarkt in Beeld 2013) een mediane index op basis van transactieprijzen
gepubliceerd. Er bestaat echter twijfel over hoe accuraat mediane indices zijn. De markten
voor commercieel vastgoed zijn namelijk ‘dunne’ markten, oftewel markten met weinig
transacties. Het gevolg is dat de mediaan sterk afhankelijk is van en wisselt door de jaarlijkse
samenstelling van de transactiepopulatie. Daarnaast zijn er de prijsindices van Calcasa op
basis van data van PropertyNL. Deze indices zijn echter gebaseerd op huurtransacties, niet
op koop- / beleggingstransacties.
Er zijn recent twee initiatieven geweest om te komen tot een index die rekening houdt met het
geringe aantal transacties. Het CBS heeft verkend of het mogelijk is om, net als bij de
woningmarkt, een index op grond van de SPAR-methode op te stellen. Dit heeft (vooralsnog)
niets opgeleverd. Daarnaast hebben Francke, Van Gool & Van der Minne (2014) de database
van StiVAD (Stichting Vastgoeddata)3 gebruikt om met behulp van een zogenoemd
‘hiërarchisch trendmodel’ te komen tot een prijsindex. Ze beschikken over een kleine 400
observaties4, verdeeld over verschillende vastgoedsegmenten, voor de periode 2011-2013.
Deze index is voorlopig niet geschikt voor het analyseren van lange-
termijnprijsontwikkelingen. Bovendien is het aantal deelnemingen aan StiVAD, en daardoor de
dekking, tot op heden beperkt.
Kortom, er is ruimte voor en behoefte aan een transactieprijsindex voor een langere periode
die rekening houdt met het relatief (ten opzichte van de woningmarkt) geringe aantal
transacties. NVM Business heeft de ASRE gevraagd een dergelijke index te construeren.
Voorliggend onderzoeksrapport vormt een verkenning van de (on)mogelijkheden van de data
en de geëigende onderzoeksmethoden5. Op basis hiervan wordt een besluit genomen over of
en hoe prijsindices zullen worden uitgebracht. In samenhang met een keuze voor de methode
zullen ook keuzes moeten worden gemaakt over de frequentie (jaarlijks of frequenter?)
waarmee en het schaalniveau (alleen Nederland of zijn regionale indices ook mogelijk?)
3 http://stivad.nl/ 4 Op het moment van schrijven bestaat de StiVAD-dataset uit ruim 1000 transacties (sinds 2011), waarvan ruim de helft
woningtransacties. 5 Er doet zich nu tevens een unieke ‘window of opportunity’ voor doordat er een grote hoeveelheid data beschikbaar is door
de koppeling van data van NVM Business en Strabo en door dat de Stichting Wetenschappelijk Onderzoek en Onderwijs in
de Vastgoedkunde (SWOOV) en NVM Business geld beschikbaar hebben gesteld om prijsindices voor commercieel
vastgoed tot stand te brengen.
Amsterdam School of Real Estate 6
waarop de indices worden gepubliceerd. De keuzes die zijn gemaakt op basis hiervan zijn
voorgelegd aan een groep experts (bijlage 1) en een drietal referenten6.
Het rapport is als volgt opgebouwd. In hoofdstuk 2 worden de datasets van NVM Business en
Strabo en enkele beschrijvende statistieken besproken. Hoofdstuk 3 worden verschillende
methoden voor het construeren van prijsindices besproken en beoordeeld. In hoofdstuk 4
staan de resultaten centraal. We kijken naar de jaarlijkse nationale indices op basis van de
verschillende methoden en bespreken de resultaten als de publicatiefrequentie zou worden
verhoogd en wanneer er ook op regionaal niveau zou worden gekeken. In het laatste
hoofdstuk (5) trekken we enkele conclusies ten aanzien van de te kiezen indices die
implicaties hebben voor toekomstige publicaties.
6 Daarnaast is het conceptrapport voorgelegd aan drie referenten: Martijn Droës, Marc Francke en Frans Schilder. De
auteurs danken hen voor het zeer bruikbare commentaar. Ook danken de auteurs Klaartje Asselbergs en Guido Raven van
de NVM voor hun hulp bij de totstandkoming van dit onderzoeksrapport.
Amsterdam School of Real Estate 7
2 Beschrijving van de dataset(s)
In dit hoofdstuk wordt de samenstelling van de datasets besproken en geanalyseerd (2.1).
Daarnaast hebben we de (gecombineerde) dataset verrijkt met een tweetal variabelen die
nodig zijn voor een tweetal prijsindexmethoden (de hedonische en de hybride index):
bouwjaar en bereikbaarheid.
2.1 Beschrijving van de datasets
Het is van belang om te kijken naar de ontwikkeling van het aantal observaties en de
samenstelling ervan, via beschrijvende statistieken, alvorens te komen tot prijsindices. Dit
geeft meer gevoel voor de spreiding en representativiteit. Tot onze beschikking staan de
datasets van kooptransacties van Strabo en NVM Business. Beide sets worden afzonderlijk
en gecombineerd geanalyseerd. Gecombineerd bestaat de dataset uit 60.181 observaties
waarvan ongeveer 70 procent beschikbaar is gesteld door NVM Business7. Ongeveer 16
procent van de observaties is afkomstig uit Strabo VTIS (gebruikerstransacties) en de laatste
14 procent komt uit Strabo BTIS (beleggingstransacties). De dataset bevat transacties van
commercieel vastgoed in heel Nederland tussen 1990 en 2015 (juli). Wij verwachten dat we
met de combinatie van beide datasets de markt voor commercieel vastgoed goed afdekken.
Bij de NVM Business zijn vrijwel alle kleine bedrijfsmakelaars aangesloten en een enkele
grote (zoals Colliers)8. Strabo baseert zich op de informatie van Vastgoedmarkt en
PropertyNL waar vrijwel alle grotere transacties, gemiddeld door grotere makelaarskantoren
(zoals C&W, CBRE, DTZ en Jones Lang Lasalle), worden aangemeld9.
Uit een eerste vergelijking van de transacties van de verschillende bronnen wordt duidelijk dat
de verschillende bronnen verschillende prijsverdelingen bevatten. De dataset van NVM
Business bevat relatief veel transacties, de Strabo-dataset heeft gemiddeld een hoger
prijsniveau. Zie Figuur 1.
7 Dit aantal is het resultaat van het totaal aantal observaties (79.563) na samenvoeging van beide datasets verminderd met
outliers (qua prijs, oppervlak), irrelevante observaties (transacties buiten Nederland, en andere vastgoedobjecten dan
winkels, kantoren en bedrijfsruimten) en dubbeltellingen. Ook portefeuilletransacties (150 in totaal, waarvoor geen
geografische informatie beschikbaar is) hebben we buiten beschouwing gelaten. 8 Ongeveer 700 bedrijfsmakelaars zijn aangesloten bij NVM Business. 9 De omvang van de som van alle beleggingstransacties is vergelijkbaar met het jaarlijkse beleggingsvolume dat zowel
PropertNL als Cushman & Wakefield registreren en met de auteurs hebben gedeeld.
Amsterdam School of Real Estate 8
Figuur 1 - Verdeling van de transactieprijzen per bron (beide Strabo-datasets zijn
samengevoegd)
De prijs per vierkante meter is veel meer vergelijkbaar, en lijkt bijna hetzelfde in beide
datasets (zie figuur 2). Dit betekent dat beide bronnen min of meer dezelfde prijzen voor
commercieel vastgoed weerspiegelen, ondanks een groter aandeel transacties van een
hogere prijs en een groter aantal vierkante meters in de Strabo-data.
Amsterdam School of Real Estate 9
Figuur 2 - Verdeling van transactieprijzen per vierkante meter per bron (beide Strabo-
datasets zijn samengevoegd).
Het aantal transacties per jaar (figuur 3) lijkt voldoende voor het ontwikkelen van betrouwbare
prijsindices via verschillende methoden, uitgesplitst voor verschillende segmenten van de
vastgoedmarkt. Wel zien we in figuur 3 dat het aantal transacties wat dunner is in de
beginjaren. Om het basisjaar van de index niet te veel invloed te laten hebben, kiezen we
verderop in het rapport het jaar 2000 in plaats van het jaar 1990 als basisjaar (index = 100).
Amsterdam School of Real Estate 10
Figuur 3 – Transactiefrequentie per jaar
Naast een verdeling van de transacties over tijd kijken we ook naar de ruimtelijke verdeling
(figuur 4). Dit is conform verwachting. De kantorentransacties concentreren zich vooral in de
Randstad, met name Amsterdam. De retailtransacties zijn, vanwege het bevolkingsvolgende
karakter van winkels, meer gelijkmatig gespreid en in lijn met het typisch Nederlandse
polycentrische verstedelijkingspatroon. Tot slot zien we dat het patroon van transacties van
bedrijfsruimten minder aansluit bij het patroon van bevolkingsconcentraties. Dit is gelet op de
meer suburbane dan wel perifere ligging van veel bedrijventerreinen ook goed verklaarbaar.
Amsterdam School of Real Estate 11
Figuur 4 – De geografische spreiding van transacties per vastgoedsegment
Amsterdam School of Real Estate 12
Een vergelijking van de prijsverdelingen van de verschillende segmenten (bedrijf, kantoor en
winkel) laat de heterogeniteit van de data zien en daarmee een deel van de uitdaging om tot
accurate indices te komen. Kantoren zitten meer in de hogere prijscategorieën, gevolgd door
bedrijfsruimten en winkels (figuur 5). Dit is niet verbazingwekkend aangezien kantoren en
bedrijfsruimte over het algemeen groter zijn dan winkels. In 2015 was de gemiddelde
winkelgrootte ‘slechts’ 284 m2 winkelvloeroppervlak (wvo) (www.clo.nl). Wanneer we de prijs
per vierkante meter bekijken dan verandert het beeld (figuur 6). Dan zijn de winkels
oververtegenwoordigd in de hogere prijsklassen. Hierbij moet wel aangetekend worden dat
vastgoed niet alleen verschilt door het segment waartoe het behoort. Additionele
heterogeniteit wordt veroorzaakt door andere kenmerken van de verhandelde objecten die in
de Figuurn 5 en 6 niet zijn meegenomen (denk aan locatie, timing, etc.). In hoofdstuk 4 en 5
staan we daar verder bij stil.
Amsterdam School of Real Estate 13
Figuur 5 - Verdeling van transactieprijzen per vastgoedsegment
Amsterdam School of Real Estate 14
Figuur 6 - Verdeling van transactieprijzen (per m2) per vastgoedsegment
Figuur 7 laat enkele beschrijvende statistieken zien over de ontwikkeling van de prijs en het
aandeel per vastgoedsegment. Ten eerste zien we de dat de prijsontwikkeling van de
verschillende segmenten min of meer vergelijkbaar zijn. Wel zijn er duidelijke
niveauverschillen met winkelruimte als het duurste segment en bedrijfsruimte als het
goedkoopste. Daarnaast is het opvallend dat het aandeel transacties van bedrijfsruimtes in de
tijd sterk is toegenomen.
Beide geven aan dat het heel belangrijk is om te corrigeren voor de heterogeniteit (en de
veranderingen daarin) van de populatie.
Amsterdam School of Real Estate 15
Figuur 7 – Mediane prijs per m2 en het aandeel per vastgoedsegment in het totaal aantal
transacties
2.2 Verrijking van de dataset
BAG-koppeling ten behoeve van bouwjaar
De NVM-dataset bevat slechts ten dele informatie over het bouwjaar. Deze informatie is voor
een aantal methoden (zoals de hedonische) echter wel van groot belang. Daarom hebben we
de datasets10 via GIS (Geografische Informatiesystemen) verrijkt met bouwjaarinformatie uit
het BAG (Basisadministratie Gemeenten). De verdeling per vastgoedsegment zien we in
figuur 8. Het BAG bevat alleen bouwjaarinformatie voor huidige gebouwen en dus niet voor
gebouwen die inmiddels zijn gesloopt maar nog wel gedurende onze onderzoeksperiode zijn
verhandeld. Hierdoor, maar ook door overige ontbrekende informatie en koppelingsproblemen
verliezen we een aantal observaties maar houden we nog altijd 51.042 transacties (85% van
het totaal) over voor de meer geavanceerde indexmethoden; voor de mediaan wordt wel
gebruik gemaakt van de grotere populatie.
10 Strabo was reeds goed gevuld ten aanzien van bouwjaar. Wanneer die informatie toch ontbrak hebben we gebruik
gemaakt van de BAG-informatie.
Amsterdam School of Real Estate 16
Figuur 8 – Verdeling van de objecten naar bouwjaar per segment
Bereikbaarheidsmaat
Een essentiële locatievariabele is de bereikbaarheid van een plek of object. De datasets van
Strabo en NVM Business bevatten die informatie niet maar lenen zich (door de
adresinformatie) wel voor het bepalen van de bereikbaarheid van elk verhandeld object. Wij
hebben voor elk vierpositiepostcodegebied (PC4) de bereikbaarheid berekend. Hierbij hebben
we gebruik gemaakt van de zogenoemde Economic Potential Index (EPI) (zie Gutiérrez
(2001). De formule hiervan luidt als volgt:
/ ,
Waarbij de bereikbaarheidsindex van PC4-gebied is, de indicator van economische
activiteit (de activity factor in de literatuur) van alle andere PC4-gebieden , en , is de
afstand (impedance factor) tussen en . We gebruiken hier bevolkingsaantal als de indicator
van economische activiteit en de hemelsbrede afstand tussen de centroïden van gebied en
als de maat voor afstand. Conform de literatuur kiezen we voor een impedance factor van
1 (Bruinsma & Rietveld, 1998;, Gutiérrez ,2001; Gutiérrez et al. 2010). De interne afstand
voor elke PC4 (waarbij ) is, zoals in Koopmans et al. (2012), als volgt berekend:
Amsterdam School of Real Estate 17
12 /
Waarbij geldt dat de oppervlakte van PC4-gebied is, en is de gemiddelde interne
reissnelheid in elk postcodegebied, vastgezet op 30 km/h hetgeen gebruikelijk is als de
reissnelheid op stedelijke wegen in bereikbaarheidsanalyses (Bruinsma & Rietveld, 1998).
Amsterdam School of Real Estate 18
3 Verschillende indexmethoden vergeleken
Het doel van deze studie is om te komen tot een transaction-based constant quality index
(Eurostat, 2016, te verschijnen, p. 26). Dit houdt in dat een prijsindex wordt gebaseerd op
transactiedata (dus geen taxatiedata) waarbij de kwaliteit van de objecten zoveel mogelijk
constant wordt gehouden zodat prijsveranderingen daadwerkelijk veranderingen in de prijs
zijn en niet het gevolg van veranderingen in de kwaliteit van de verhandelde objecten,
bijvoorbeeld als gevolg van veroudering. Om hiertoe te komen verkennen we verschillende
methoden. De verschillende indexmethodes bespreken en beoordelen we aan de hand van
een aantal criteria. Een gezaghebbende index is er een die de marktontwikkelingen goed
weerspiegelt en corrigeert voor kwaliteitsverschillen (dus accuraat is), die niet al te hoge eisen
stelt aan het aantal en het type observaties, die corrigeert voor veroudering, die begrijpelijk en
uitlegbaar is en die periodiek geactualiseerd kan worden zonder dat de waardes voor
voorgaande periodes (veel) veranderen (robuustheid).
3.1 Mediane index
Bij de mediane index wordt gebruik gemaakt van de jaarlijkse mediane transactieprijs, oftewel
de transactie precies in het midden van de transactieprijsverdeling. Tot nu toe wordt deze voor
commercieel vastgoed gebruikt door NVM Business. Hierbij kan de keuze worden gemaakt
voor een gewogen mediane index, oftewel een index waarbij wordt gecorrigeerd voor het
aantal vierkante meters waarop het betrekking heeft. Gelet om de heterogeniteit van
commercieel vastgoed is dit te prefereren. Wanneer we het in dit rapport hebben over de
mediane index dan betreft het de mediane prijs per m2.
Voordelen:
- Een groot voordeel is dat mediane index makkelijk te berekenen, te herhalen/actualiseren en
te interpreteren is.
- Door te kiezen voor de mediaan is deze methode redelijk ongevoelig voor extreme waarden
(outliers).
Nadelen:
- Een groot nadeel is dat de mediane index geen rekening houdt met de heterogeniteit van het
vastgoed. Effectief controleren voor vastgoedkenmerken en kwaliteitsverschillen is niet
mogelijk (zie ook Schilder & Conijn, 2010). Zo kan in een neergaande markt sprake zijn van
een overschatting van (mediane) prijzen, omdat er dan voornamelijk nog wordt gehandeld in
aantrekkelijke objecten. Er is sprake van een ‘flight to quality’ (Eurostat, 2016, te verschijnen,
p.57).
3.2 Hedonische index
Een hedonische index gaat uit van de gedachte dat de heterogeniteit van vastgoed
beschreven kan worden door de kenmerken ervan, zoals het marktsegment en het aantal
vierkante meters. De relatie tussen de kenmerken van het vastgoed en de prijs kan, met
behulp van statistische methoden, worden beschreven door middel van een hedonische
Amsterdam School of Real Estate 19
prijsfunctie. Op deze manier kan een hedonische index rekening houden met de heterogeniteit
van vastgoed en wordt het bijvoorbeeld mogelijk te corrigeren voor het feit dat in een
bepaalde periode veel transacties op toplocaties plaatsvonden.
De hedonische prijsindex kan worden gemotiveerd vanuit een economische theorie die de
markt voor vastgoed beschouwt als een samenhangend geheel van deelmarkten voor de
kenmerken van dat vastgoed. Dat leidt tot het idee dat er een (impliciete) prijs is te verbinden
aan de kenmerken van verhandelde objecten die gezamenlijk de totale transactieprijs van dat
object bepalen (Rosen, 1974).
Binnen de hedonische methode bestaan twee varianten: de time-dummy (pooled) en de
imputed variant. Bij de eerste variant wordt één regressiemodel geschat, waarbij de prijsindex
gebaseerd is op de coëfficiënten van de tijdsdummies. De coëfficiënten van andere
objectkenmerken worden over de tijd constant verondersteld. Dit is waarschijnlijk niet
helemaal reëel: ze kunnen in de tijd variëren. Daardoor bestaat het gevaar dat door
het toevoegen van nieuwe observaties (van een nieuw jaar bijvoorbeeld) de coëfficiënten van
de tijdsdummies van voorgaande jaren veranderen. Om deze problemen te
ondervangen kiezen sommigen voor de tweede variant (imputed), waarin per tijdsperiode
(bijvoorbeeld per jaar) nieuwe regressies en dus nieuwe coëfficiënten worden geschat. Wij
kiezen vooralsnog voor de eerste en niet voor de tweede variant omdat de coëfficiënten van
de objectkenmerken per tijdsperiode te veel kunnen gaan veranderen (bij imputed) vanwege
de heterogeniteit van één tijdsperiode en omdat een gevoeligheidsanalyse heeft uitgewezen
(zie verderop in het empirische deel) dat onze index nauwelijks revisiegevoelig is.
Een eenvoudige specificatie van de hedonische prijsfunctie is een loglineaire. Mede gelet op
de beschikbare data gebruiken we die hier:
ln , ln , ,
, ∗ , ∗ , , , ,
In deze vergelijking is ln , ) het natuurlijk logaritme van de transactieprijs van commercieel
vastgoed of een segment op moment , ln ) is het natuurlijk logaritme van de
Amsterdam School of Real Estate 20
oppervlakte van het object11, is de bereikbaarheidsmaat, slaat op de vraag of
het gaat om een gebruiks- of een beleggingsobject, is de leeftijd van het verhandelde object, is een dummy variabele voor de bouwperiode12, , is een set
dummyvariabelen die aangeven wat het commerciële gebruik is (kantoor, bedrijfsruimte, winkel), , is een set dummyvariabelen13 dat aangeeft in welke COROP-regio het
verhandelde object gelegen is, , is een set van dummyvariabelen die het jaar van de
transactie weergeven, en , is de errorterm van het model. Daarnaast is een
interactievariable opgenomen ( ∗ , ∗ , om te corrigeren voor de veroudering
van het vastgoed, waarbij er van wordt uitgegaan dat de veroudering verschilt per bouwperiode14. De coëfficiënten van de jaardummies ( , ) vormen de datapunten van de
prijsindex zoals weergegeven in figuur 10.
Voordelen:
- Deze index houdt meer rekening met de heterogeniteit van vastgoed dan de mediane index.
- De index maakt gebruik van alle beschikbare informatie van de transacties (in tegenstelling
tot de repeat-sales-methode – zie hierna). Er is dus een grote mate van data-efficiëntie.
- Door het gebruik van controlevariabelen zijn hedonische indices makkelijker te gebruiken
voor kleinere ruimtelijke eenheden, zoals regio’s (Eurostat, 2016, te verschijnen, p. 62).
Nadelen:
- Het rekening houden met vastgoedkenmerken is nooit perfect, er is altijd het probleem van
omitted variable bias (vertekening van de index door ontbrekende controlevariabelen).
- De index is afhankelijk van een groot aantal van observaties, met een goede spreiding (o.a.
geografisch).
- Bij de time-dummy (pooled) variant worden de coëfficiënten van de objectkenmerken
constant verondersteld, terwijl ze in werkelijkheid kunnen veranderen.
- De time-dummy (pooled) variant kan revisiegevoelig zijn.
11 We hebben ook nog gekeken naar een variant waarin we vloeroppervlak niet als continue variabele meenemen maar als
in groepen / categoraal (0-100, 100-200, 200-300, 300-400, 400-500, 500-750, 750-1000, 1000-2500, 2500+) maar dit
maakt voor de indices geen verschil. 12 De gekozen bouwjaarperiodes (<1920; 1920-1944; 1945-1959; 1960-1973; 1974-1990; 1991-1997; >1998) zijn in lijn met
wat gangbaar is en hangen samen met belangrijke economische veranderen dan wel veranderingen in het
volkshuisvestingsbeleid. 13 Een dummyvariabele is een variabele die de waarde 0 of 1 aanneemt. 0 betekent niet van toepassing, 1 betekent wel van
toepassing. 14 Dit hoeft geen lineair verband te zijn (hoe ouder hoe lager de prijs). Voor sommige (vooroorlogse) perioden kan sprake
zijn van vintage effects: hoe ouder, hoe meer waard.
Amsterdam School of Real Estate 21
3.3 Repeat-sales index
De repeat-sales index is gebaseerd op de vergelijking van de transactieprijs van dezelfde
objecten in verschillende perioden. Door de informatie te beperken tot prijsveranderingen van
objecten wordt automatisch rekening gehouden met de kenmerken van die gebruikte
objecten.15 Het is echter niet nodig om te beschikken over informatie over al die kenmerken,
zoals in de hedonische methode. Dat vormt een groot voordeel van een repeat-sales index.
Daar staat tegenover dat een waarneming slechts kan worden meegenomen in de berekening
van deze index als die een gebouw betreft waarvan ook op een ander tijdstip een verkoop is
waargenomen. Dat is, zeker bij een kortere waarnemingsperiode, slechts voor een klein deel
van de observaties het geval. Dat betekent dat een groot deel van de informatie uit de data
niet kan worden meegenomen in een repeat-sales index.
Voordelen:
- Door het vergelijken van dezelfde objecten op verschillende momenten is er geen behoefte
aan informatie over de kenmerken van elke transactie. In dit geval is het gevaar van omitted
variable bias behoorlijk kleiner. Daarom kan deze methode de meest accurate prijsindex
geven (Bailey, Muth, & Nourse, 1963).
- De repeat-sales index is relatief eenvoudig te schatten.
Nadelen:
.- De index is afhankelijk van de beschikbaarheid van een enorm aantal transacties omdat elk
goed ten minste twee keer moet worden gekocht. Er is dus een beperkte data-efficiëntie.
- Verder is het vaak niet realistisch om te onderstellen dat gedurende de tijdsperiode het
vastgoed niet veranderd is. Er kan niet worden gecorrigeerd voor veroudering (of
opwaardering, door bijvoorbeeld renovatie) waardoor de kans op onderschatting wordt
vergroot.
- Een bijkomend nadeel is dat transacties van nieuw commercieel vastgoed voor een deel
genegeerd moeten worden, waardoor ook een bias in de schatting ontstaat (Francke, 2009).
- Indexwaarden zijn nooit definitief; door nieuwe observaties veranderen ook de coëfficiënten
van eerdere jaren. In dit opzicht is de methode niet robuust.
- Tot slot kunnen herhaalde transacties dermate specifiek zijn (het kan bijvoorbeeld gaan om
het meer aantrekkelijke vastgoed) dat ze de schattingen ongewenst beïnvloeden. Er is dan
sprake van sample selection bias.
15 Althans: voor zover die niet veranderen tussen de waargenomen transacties.
Amsterdam School of Real Estate 22
3.4 Hybride index
De hybride index probeert de voordelen van de hedonische en repeat-sales methoden te
combineren. Hierbij volgen we de methode die eerst is ontwikkeld door Quigley (1995) en
verder is uitgewerkt door Carter Hill et al (1997). Bovendien maakt het gebruik van zowel de
informatie van herhaalde transacties (repeated sales) als transacties die gedurende de
periode slechts eenmaal hebben plaatsgevonden. Het model is gebaseerd op een
gezamenlijke schatting van het hedonische en het repeat-sales model en kent de volgende
formele structuur:
Δ 0
(…)
Waarbij de eerste vergelijking het hedonische model voorstelt ( is de afhankelijke
variabele) en de tweede is het repeat-sales model (met Δ als de afhankelijke variabele).
is een vector van de objectkenmerken, is het bouwjaar, is een vector van de
tijdsdummies, is het aantal tijdsperiodes tussen de eerste en de tweede transactie (van
herhaalde transacties), en is een vector van tijdsvariabelen die de waarde 1 aannemen
voor het moment van de tweede verkoop, -1 voor het moment van de eerste verkoop en 0
voor alle andere jaren waarin het object niet werd verhandeld. Tot slot, is het residu van de
hedonische regressie, het residu van het repeated-sales model16. De bouwjaarvariabele in
het hedonische model ( ) en het aantal tijdsperioden tussen twee herhaalde transacties in het
repeat-sales model ( ) worden beide geschat met de coëfficiënt die moet worden
geïnterpreteerd als een parameter van depreciation (veroudering/afwaardering). is de
coëfficiënt voor de objectkenmerken en is de coëfficiënt van de tijdsvariabelen in beide
modellen.
Voordelen:
- In tegenstelling tot het repeat-sales model maakt deze methode gebruik van alle beschikbare
informatie over elke transactie (Quigley, 1995). Er is dus sprake van efficiënt datagebruik.
Er wordt relatief goed gecorrigeerd voor de heterogeniteit van de data.
- In tegenstelling tot de repeat-sales methode, en overeenkomstig de hedonische methode,
kan via de hybride methode een depreciatieparameter worden geschat. Dit is van belang om
dat veroudering effect kan hebben op de prijs.
Nadelen:
- De methode is relatief ingewikkeld om uit te voeren (Carter Hill et al., 1997; Meese &
Wallace, 1997; Quigley, 1995; Wang & Zorn, 1999).
In tabel 1 wordt een samenvattend overzicht gepresenteerd van de voor- en nadelen van de
vier methoden.
16 Schatting van deze vergelijking vindt gelijktijdig plaats onder de veronderstelling dat de hedonische residuen serieel
gecorreleerd zijn voor dezelfde objecten, met een autocorrelatieparameter |1|. Wij hebben die autocorrelatieparameter
gefixeerd op 0.5. We hebben daarnaast nog een gevoeligheidsanalyse uitgevoerd met waarden variërend tot 0,099,
maar we vonden geen significante veranderingen in het jaar en de depreciatiecoëfficiënten.
Amsterdam School of Real Estate 23
Tabel 1 – Samenvattend overzicht van de ‘prestaties’ van verschillende methoden
Mediane index Hedonische
index
Repeat-
sales
Hybride
Data-efficiënte Zeer groot Groot Beperkt Groot
Belang beschikbaarheid
objectkenmerken
Beperkt Zeer groot Beperkt Zeer groot
Correctie voor
heterogeniteit
Beperkt/niet Groot Volledig Zeer groot
Correctie voor
veroudering
Niet Wel17 Niet Wel18
Uitvoerbaarheid /
communiceerbaarheid
Zeer groot Groot Groot Beperkt
Robuustheid bij
actualisatie
Zeer groot Groot Beperkt Groot
3.5 Overige methoden
Een andere gangbare methode voor het maken van prijsindices is de zogenoemde SPAR-
methode die het CBS en het Kadaster ook gebruiken voor de maandelijkse prijsindex
bestaande koopwoningen (de Vries, de Haan, van der Wal, & Mariën, 2009).
De SPAR-index vergelijkt de transactieprijs met de taxatiewaarde. De index kan worden
beschouwd als een repeat-sales index, waarbij een van de waarnemingen de taxatie betreft.
Deze index is dus deels appraisal-based (Eurostat, 2016, te verschijnen), daar waar ons
streven is (zie ook hoofdstuk 1) om tot een transactie-index te komen zodat daadwerkelijk
waargenomen prijzen als referentiemateriaal voor onder andere taxaties kunnen worden
gebruikt en niet (wederom) taxaties. Bovendien zijn die taxaties vaak niet beschikbaar zijn of
niet accuraat (bijvoorbeeld in het geval van WOZ-taxaties van niet-woningen).
Francke et al. (2014) hebben op basis van data uit de StiVAD-database een zogenoemd
‘hiërarchisch trendmodel’ geschat (zie ook Francke & De Vos, 2000). Dit model is geschikt
wanneer er zeer weinig data voorhanden zijn. Voor dit moment laten we deze methode buiten
beschouwing omdat we over ten minste 50.000 observaties beschikken (zie hoofdstuk 2). Ook
de door Francke (2010) ontwikkelde repeat-sales index voor dunne markten laten we in deze
studie buiten beschouwing. Op een later moment, wanneer we mogelijk meer specifieke
indices willen ontwikkelen, zullen we deze methoden verder verkennen.
17 Mits het bouwjaar bekend is. 18 Mits het bouwjaar bekend is.
Amsterdam School of Real Estate 24
Amsterdam School of Real Estate 25
4 Prijsindices op basis van verschillende methoden
In dit hoofdstuk gaan we eerst (4.1) in op de resultaten van de vier verschillende methoden en
de verschillen daartussen (4.2). Het gaat daarbij om jaarindices. In paragraaf 4.3 kijken we
hoe de hedonische index en de repeat-sales index preteren wanneer de publicatiefrequentie
wordt verhoogd. In paragraaf 4.4 wordt de commerciële-vastgoedindex opgesplitst naar de
drie vastgoedsegmenten winkels, kantoren en bedrijfsruimte. Tot slot verkennen we in
paragraaf 4.5 de mogelijkheden om, naast een nationale index, te komen tot regionale
prijsindices.
4.1 Vastgoedprijsindices per methode
Mediaan
De eerste index die we laten zien is de mediane index (zie figuur 9)19. Figuur 9 laat de
mediane prijsindex zien voor de volledige populatie, zonder rekening te houden met de
heterogeniteit ervan. Het beeld dat naar voren komt uit de figuur is conform verwachting.
Vanaf de tweede helft van de jaren ’90 zien we een scherpe stijging van de mediane
transactieprijs met een piek rond 2007-2009. Sinds 2009 zijn de transactieprijzen scherp
gedaald tot 2014, toen de daling afvlakte. In 2015 was de mediane prijs per vierkante meter
vergelijkbaar met het niveau van 1998.
19 Betrouwbaarheidsintervallen zijn berekend door gebruik te maken van zogenoemd bootstrap sampling. Dat
houdt in dat er een willekeurige steekproef wordt getrokken en waarvan de mediaan wordt bepaald. Doordat dit
een groot aantal maal wordt herhaald (in dit geval 100) kan de standaardfout worden berekend.
Amsterdam School of Real Estate 26
Figuur 9 - Mediane prijsindex
Hedonische prijsindex
De hedonische prijsindex is afgebeeld in figuur 10. In tegenstelling tot de mediane index wordt
bij de hedonische index wel gecontroleerd voor verschillende kenmerken van de transacties,
hetgeen zou moeten zorgen voor een accurater resultaat. Toch zien we grote
overeenkomsten in het verloop van de prijsindex. Ook de hedonische index laat een stijging
zien tot 2007-2008, gevolgd door een daling tot dit moment. Ook in deze index is het
prijsniveau van 2015 vergelijkbaar met dat gedurende eind jaren ’90.
Amsterdam School of Real Estate 27
Figuur 10 – Hedonische prijsindex
Van de regressieanalyse zijn de coëfficiënten van de tijdsvariabelen gebruikt voor het
construeren van de hedonische prijsindex (figuur 10). Daarnaast is relevant om te kijken naar
de coëfficiënten van de andere variabelen; die kunnen ons wat leren over de algehele
marktbeeld en de plausibiliteit van de resultaten (zie tabel 2).
Amsterdam School of Real Estate 28
Tabel 2 – Resultaten hedonische regressie
Ln(prijs)
Oppervlakte (ln) 0.665968*** (0.002378)
Belegger (ref. eigenaar-gebruiker) 0.290329*** (0.006642)
Bereikbaarheid 0.000827*** (0.000055)
Vastgoedsegment (ref. bedrijfsruimte)
Kantoor 0.605893*** (0.014113)
Winkel 0.570327*** (0.016818)
bouwjaar< 1920 0.019011 (0.016894)
bouwjaar1921< < 1944 0.049924 (0.065699)
bouwjaar1945< < 1959 0.090621 (0.057914)
bouwjaar1960< < 1973 0.144182*** (0.032100)
bouwjaar1974< < 1981 0.234595*** (0.029356)
bouwjaar1982< < 1990 0.271972*** (0.021653)
bouwjaar1991< < 1997 0.228847*** (0.017410)
Leeftijd, bouwjaar < 1920
Bedrijfsruimte 0.001491*** (0.000171)
Kantoorruimte 0.000339*** (0.000117)
Winkelruimte 0.000835*** (0.000099)
Leeftijd, bouwjaar1920 < < 1944
Bedrijfsruimte 0.001300 (0.000942)
Kantoorruimte -0.001589* (0.000920)
Winkelruimte -0.000877 (0.000924)
Leeftijd, bouwjaar1945< < 1959
Bedrijfsruimte -0.003506*** (0.001185)
Kantoorruimte -0.005347*** (0.001186)
Winkelruimte -0.001612 (0.001157)
Leeftijd, bouwjaar1960< < 1973
Bedrijfsruimte -0.005682*** (0.000855)
Kantoorruimte -0.010116*** (0.000908)
Winkelruimte -0.006125*** (0.000894)
Leeftijd, bouwjaar1974< < 1981
Bedrijfsruimte -0.008471*** (0.001140)
Kantoorruimte -0.015485*** (0.001280)
Winkelruimte -0.010368*** (0.001430)
Leeftijd, bouwjaar1982< < 1990
Bedrijfsruimte -0.007612*** (0.001264)
Amsterdam School of Real Estate 29
Kantoorruimte -0.015906*** (0.001427)
Winkelruimte -0.015357*** (0.001898)
Leeftijd, bouwjaar1991< < 1997
Bedrijfsruimte -0.006538*** (0.001281)
Kantoorruimte -0.019121*** (0.001759)
Winkelruimte -0.015056*** (0.002533)
Leeftijd, bouwjaar1998<
Bedrijfsruimte 0.008809*** (0.001516)
Kantoorruimte -0.015471*** (0.002500)
Winkelruimte -0.002661 (0.004757)
Constante 7.966841*** (0.033504)
SSE 13024.4
Observaties 50,306
R2 0.746963
Adjusted R2 0.746459
Residual Std. Error 0.509338 (df = 50205)
F Statistic 1,482.046000*** (df = 100; 50205)
*p<0.1; **p<0.05; ***p<0.01
Tijds- en COROP-dummies toegevoegd
Zoals verwacht is de elasticiteit van de prijs ten opzichte van het vloeroppervlak positief en
significant. Wel is de elasticiteit kleiner dan 1, hetgeen impliceert dat de prijs per m2 daalt. Dit
wil zeggen dat een stijging van 1% in het vloeroppervlak leidt tot minder dan 1% prijsstijging.
Objecten door eigenaar-gebruikers wordt gemiddeld bijna 30% goedkoper verhandeld dan die
voor beleggingsdoeleinden. De prijzen van kantoren en winkels liggen gemiddeld ongeveer
60% hoger dan de prijzen van bedrijfsruimten. De interpretatie van de bereikbaarheidsmaat is
minder eenvoudig aangezien het hier gaat om indexwaarden, maar er is sprake van een
positief significant effect op vastgoedprijzen. Daarnaast zien we inderdaad vintage effects
voor gebouwen van voor 1920 – hun hogere leeftijd zorgt voor een positief prijseffect – terwijl
voor naoorlogse gebouwen veelal geldt dat een toename van de leeftijd leidt tot een daling
van de prijs.
Repeat-sales
Nog meer dan de hedonische index probeert de repeat-sales index te controleren voor
kwaliteitsverschillen tussen objecten. De dataset bevat 9001 observaties van herhaalde
transacties van 4208 objecten (ruim 17% van het totaal aantal observaties). Toch lijkt de
verdeling van overgebleven observaties sterk op die van de totale populatie (zie figuur 11).
Amsterdam School of Real Estate 30
Figuur 11 – De herhaalde transacties ten opzichte van eenmalige transacties naar bouwjaar
De resulterende index komt overeen met de hedonische index (figuur 12). Beide laten een
scherpe stijging van de prijzen gedurende de jaren ’90 zien, gevolgd door een vertraging
tussen 2003 en 2005, een piek in 2007-2008, gevolgd door een daling en een stabilisatie
sinds 201420.
20 Conform verwachting (hoofdstuk 3) veranderen de coëfficiënten van voorgaande jaren wanneer nieuwe observaties /
jaren worden toegevoegd.
Amsterdam School of Real Estate 31
Figuur 12 - Repeat-sales index
Hybride model
De hybride index vertoont ook sterke overeenkomsten met de waarden van de andere indices
(figuur 13), ondanks de relatief grote standaardfouten. Ook de andere geschatte coëfficiënten
lijken sterk op die van de hedonische index.
Amsterdam School of Real Estate 32
Figuur 13 - Hybride prijsindex
Amsterdam School of Real Estate 33
Tabel 3 – Resultaten van de hybride regressie
Ln(prijs)
Oppervlakte (ln) 0.65472* * * (0.00590)
Belegger (ref. eigenaar-gebruiker) 0.30779* * * (0.01687)
Bereikbaarheid 0.00073* * * (0.00013)
Vastgoedsegment (ref. bedrijfsruimte)
Kantoor 0.58383* * * (0.03444)
Winkel 0.56295* * * (0.04069)
bouwjaar< 1920 0.02619 (0.04093)
bouwjaar1921< < 1944 0.03152 (0.15798)
bouwjaar1945< < 1959 0.11175 (0.13910)
bouwjaar1960< < 1973 0.15640* * (0.07883)
bouwjaar1974< < 1981 0.23864* * * (0.07217)
bouwjaar1982< < 1990 0.26665* * * (0.05387)
bouwjaar1991< < 1997 0.23970* * * (0.04322)
Leeftijd, bouwjaar< 1920
Bedrijfsruimte 0.00160* * * (0.00040)
Kantoorruimte 0.00036 (0.00028)
Winkelruimte 0.00077* * * (0.00023)
Leeftijd, bouwjaar1921< < 1944
Bedrijfsruimte 0.00184 (0.00226)
Kantoorruimte -0.0010 (0.00221)
Winkelruimte -0.0005 (0.00221)
Leeftijd, bouwjaar1945< < 1959
Bedrijfsruimte -0.0033 (0.00282)
Kantoorruimte -0.0056* * (0.00285)
Winkelruimte -0.0018 (0.00277)
Leeftijd, bouwjaar1960< < 1973
Bedrijfsruimte -0.0053* * * (0.00207)
Kantoorruimte -0.0096* * * (0.00221)
Winkelruimte -0.0058* * * (0.00218)
Leeftijd, bouwjaar1974< < 1981
Bedrijfsruimte -0.0073* * * (0.00277)
Kantoorruimte -0.0147* * * (0.00312)
Winkelruimte -0.0101* * * (0.00349)
Leeftijd, bouwjaar1982< < 1990
Amsterdam School of Real Estate 34
Bedrijfsruimte -0.0058* (0.00312)
Kantoorruimte -0.0149* * * (0.00348)
Winkelruimte -0.0150* * * (0.00475)
Leeftijd, bouwjaar1990< < 1997
Bedrijfsruimte -0.0052* (0.00310)
Kantoorruimte -0.0183* * * (0.00426)
Winkelruimte -0.0135* * (0.00609)
Leeftijd, bouwjaar1998<
Bedrijfsruimte 0.01203* * * (0.00367)
Kantoorruimte -0.0139* * (0.00595)
Winkelruimte -0.0005 (0.01113)
(Intercept) 8.02337* * * (0.04740)
Log Liklihood -51857.7
*p<0.1; **p<0.05; ***p<0.01
Tijds- en COROP-dummies toegevoegd
Amsterdam School of Real Estate 35
4.2 Vergelijking prijsindices
Figuur 14 – Vergelijking van de indices
Figuur 14 and tabel 4 bevatten een vergelijking van de vier indices die hierboven zijn
besproken. Wat opvalt is dat de mediane index over vrijwel de gehele periode fors onder de
andere indices ligt. Dit komt door het grote aandeel bedrijfsruimtetransacties, waarvoor bij de
mediane index niet gecorrigeerd wordt. Dit laat zien dat het niet in ogenschouw nemen van de
heterogeniteit van de populatie de prijsindex kan beïnvloeden. De andere drie indices, maar
met name de hybride en de hedonische index, laten een zeer vergelijkbaar verloop zien: een
scherpe stijging in de jaren ’90, een piek in 2007, gevolgd door een daling tot 2014-2015 toen
een licht herstel zichtbaar werd.
Amsterdam School of Real Estate 36
Tabel 4 – Vergelijking van prijsindices
Jaar Mediaan Hedonisch Repeat-sales Hybride
1990 59.370 49.680 53.715 49.728
1991 57.601 49.335 50.358 49.396
1992 58.668 51.618 52.850 51.056
1993 62.100 53.224 50.253 53.298
1994 65.456 57.723 56.761 57.995
1995 58.501 59.702 59.205 58.656
1996 65.315 64.484 58.982 65.168
1997 76.128 70.905 68.631 71.406
1998 80.002 77.180 75.987 77.447
1999 90.912 89.065 88.030 89.565
2000 100 100 100 100
2001 109.052 106.417 102.492 108.022
2002 112.714 110.338 109.805 110.513
2003 111.442 110.357 103.434 110.826
2004 107.931 110.240 105.642 110.472
2005 110.899 118.141 113.914 119.041
2006 116.960 119.151 124.528 120.278
2007 123.178 134.849 131.429 134.852
2008 120.277 134.196 131.141 135.069
2009 121.648 131.027 126.954 131.436
2010 115.214 122.917 119.280 122.529
2011 103.430 113.338 119.665 114.057
2012 93.730 101.598 102.947 100.835
2013 81.098 91.236 85.274 91.155
2014 81.635 90.445 86.496 90.329
2015 78.657 89.089 84.466 88.678
Op basis van het bovenstaande kunnen we stellen dat de mediane index de prijsontwikkeling,
met name het prijsniveau, onderschat en daardoor minder geschikt is. De hybride index levert
een beeld op dat nagenoeg gelijk is aan de hedonische index maar wel veel ingewikkelder is
om uit te voeren en te interpreteren. Om die reden valt deze in het vervolg af en gaan we door
met het verkennen van de hedonische index en de repeat-sales index.
Amsterdam School of Real Estate 37
4.3 De hedonische en repeat-sales index bij verschillende frequenties
Figuur 15 laat de hedonische en de repeat-sales indices zien voor een jaarlijks, halfjaarlijks en
kwartaalinterval. Een hogere frequentie biedt mogelijkheden om specifieke trends te tonen en
het inzicht in de vastgoedmarkten te vergroten. Aan de andere kant leidt de verhoging van de
frequentie tot schattingen op basis van minder observaties met daardoor een groter risico op
bias en grotere standaardfouten (en dus wijdere betrouwbaarheidsintervallen). Dit geldt vooral
voor de repeat-sales index die van minder dan 20% van de observaties gebruik maakt. De
hedonische kwartaalindex presteert qua statistische significantie vergelijkbaar met de
jaarlijkse repeat-sales index.
Figuur 15 – Prijsindices bij verschillende tijdsintervallen
Amsterdam School of Real Estate 38
4.4 De hedonische en repeat-sales index per vastgoedsegment
Figuur 16 laat de verschillen tussen de drie vastgoedsegmenten zien per indexmethode. Wat
meteen opvalt is het grillige verloop en de grote betrouwbaarheidsintervallen van de grafieken
van de repeat-sales index. Dit heeft hoogstwaarschijnlijk te maken met het geringe aantal
herhaalde transacties per segment. De hedonische index kent in alle drie de gevallen een veel
geleidelijker verloop.
Figuur 16 – Prijsindices en betrouwbaarheidsintervallen per vastgoedsegment
Opvallend zijn de resultaten van de repeat-sales methode voor wat betreft bedrijfsruimten. Die
laten een veel lager niveau en mindere stijging zien dan de andere segmenten bij repeat-sales
maar óók ten opzichte van de hedonische schattingen (en die van de andere twee – hier niet
meer weergegeven) voor bedrijfsruimten. Dit kan niet met de steekproefgrootte te maken
hebben aangezien de transacties binnen dit segment de grootste groep vormen (ruim 28.000
transacties, ofwel 1000-1200 per jaar). Een hypothese kan zijn dat repeat-sales nieuwe
transacties veronachtzamen, daar waar de andere methoden die wel meenemen.
Verhandelde bedrijfsruimten zijn relatief vaak nieuw (figuur 8), waardoor een prijsindex die
deze observaties niet meeneemt snel vertekent. Echter, aangezien nieuwe gebouwen (na
1990 gebouwd) ruim vertegenwoordigd zijn in de steekproef (zie histogram in figuur 11) is
deze verklaring minder waarschijnlijk. Een alternatieve verklaring zou kunnen zijn dat er
bepaalde variabelen ontbreken die leiden tot ongeobserveerde heterogeniteit die bij de andere
Amsterdam School of Real Estate 39
minder speelt en die alleen door de repeat-sales index wordt opgepikt. Het zou zo kunnen zijn
dat die ruime vertegenwoordiging van nieuwe objecten een prijsdrukkend effect heeft.
Bedrijfsvastgoed is vaak voor een specifieke gebruiker gebouwd en daarmee incourant,
waardoor het sneller dan kantoren en winkels zijn waarde verliest (PBL, 2009). Het repeat-
sales model controleert niet voor veroudering waardoor het een neerwaartse bias heeft
(Eurostat, 2016, te verschijnen, p. 67), mogelijk met name dus bij bedrijfsruimte.
Wanneer we de frequentie van de hedonische index per segment verhogen van jaarlijks naar
halfjaarlijks dan presteert die nog steeds goed. Vanaf 1993 zijn alle coëfficiënten significant.
Dit geeft aan dat het goed mogelijk is om ieder half jaar een index te publiceren.
Tot slot hebben we nog gekeken naar de mate waarin beide indices revisiegevoelig zijn, dat
wil zeggen de mate waarin het toevoegen van nieuwe observaties de coëfficiënten van
eerdere tijdsperiodes verandert. Dit hebben we gedaan door eerst de indices te schatten op
grond van de observaties tot en met 2013 en daarna dit te herhalen door toevoeging van 2014
en 2015. Het resultaat is conform verwachting (zie hoofdstuk 3): indices van de repeat-sales
index veranderen behoorlijk, terwijl die van de hedonische prijs nagenoeg gelijk blijven. Naar
verwachting zal de revisiegevoeligheid van de hedonische index verder afnemen bij een
toename van het aantal observaties. Bij toekomstige actualisaties zal dit worden getest.
4.5 Regionale prijsindices
Markten voor commercieel vastgoed zijn net als de woningmarkt regionale markten: de
confrontatie van vraag en aanbod vindt plaats op regionaal niveau. COROP-niveau is een
gangbaar regionaal niveau. Daarom kijken we in eerste instantie of het mogelijk is om indices
op COROP-niveau te construeren. Voor we over kunnen gaan naar regionale indices is het
belangrijk te kijken naar het aantal transacties (zie tabel 5). De markten voor commercieel
vastgoed zijn (niet verwonderlijk) vertonen de meeste activiteit in de COROP-regio’s rond de
vier grote steden met een gemiddeld aantal transacties per jaar van 169 en 144, 135 en 178.
Zelfs wanneer wordt uitgesplitst naar segment, dan komen deze regio’s boven gemiddeld 30
transacties per jaar uit (met uitzondering van winkelruimtes in Rotterdam).
Tabel 5 – Het gemiddeld aantal transacties per jaar per COROP-gebied 1990-2015
COROP-regio’s Bedrijfsruimte Kantoorruimte Winkelruimte Totaal
Achterhoek 26 12 22 60
Agglomeratie Haarlem 19 14 17 50
Agglomeratie Leiden en Bollenstreek 30 13 18 60
Agglomeratie 's-Gravenhage 44 48 43 135
Alkmaar en omgeving 28 13 14 54
Arnhem/Nijmegen 42 36 33 112
Delft en Westland 20 6 7 32
Delfzijl en omgeving 2 2 3 7
Flevoland 32 11 3 46
Groot-Amsterdam 80 57 32 169
Groot-Rijnmond 76 38 29 144
Amsterdam School of Real Estate 40
Het Gooi en Vechtstreek 17 12 17 46
IJmond 24 6 11 41
Kop van Noord-Holland 38 11 14 62
Midden-Limburg 9 7 7 23
Midden-Noord-Brabant 42 18 19 79
Noord-Drenthe 14 7 8 29
Noord-Friesland 21 17 19 57
Noord-Limburg 10 4 7 20
Noordoost-Noord-Brabant 36 18 16 69
Noord-Overijssel 20 10 18 48
Oost-Groningen 7 3 6 16
Oost-Zuid-Holland 23 13 13 48
Overig Groningen 25 23 22 70
Overig Zeeland 11 7 10 28
Twente 40 19 26 86
Utrecht 76 56 46 178
Veluwe 44 21 28 93
West-Noord-Brabant 52 27 26 104
Zaanstreek 23 7 8 39
Zeeuws-Vlaanderen 1 2 2 5
Zuid-Limburg 16 13 14 44
Zuidoost-Drenthe 12 4 5 21
Zuidoost-Friesland 15 7 7 28
Zuidoost-Noord-Brabant 37 17 15 70
Zuidoost-Zuid-Holland 23 10 9 42
Zuidwest-Drenthe 13 4 7 24
Zuidwest-Friesland 12 5 7 25
Zuidwest-Gelderland 14 7 5 27
Zuidwest-Overijssel 10 7 8 24
Totaal 1083 610 622 2315
Toch blijkt dit (met de huidige methoden) niet te leiden tot betrouwbare indices. In figuur 17
zoomen we in op de Amsterdamse agglomeratie, de COROP met de meeste observaties. Wat
opvalt is dat zelfs daar de hedonische en de repeat-sales index niet tot betrouwbare resultaten
leiden. De repeat-sales index laat een grote mate van volatiliteit zien, nauwelijks significantie
en grote betrouwbaarheidsintervallen. De repeat-sales index voor winkelruimtes ontbreekt
zelfs volledig door een gebrek aan herhaalde transacties in sommige jaren. Het beeld bij de
hedonische indices is weliswaar robuuster, maar ook hier zijn de betrouwbaarheidsintervallen
groot en lang niet alle jaardummies significant (op COROP-niveau).
Amsterdam School of Real Estate 41
Figuur 17 – Prijsindices en betrouwbaarheidsintervallen per vastgoedsegment in
Groot-Amsterdam
Vervolgens hebben we gekeken of het mogelijk is om een niveau tussen COROP en landelijk
te kiezen21, in het bijzonder of het mogelijk is om tot een Noordvleugel- en/of Zuidvleugelindex
te komen. In onderstaande Figuurn staan de resultaten22.
21 Daarbij is afgezien van het provinciale niveau, omdat de begrenzing van provincies primair administratief en historisch
van karakter is en niet veel te maken heeft met het territorium waarin zich allerlei activiteiten, zoals
vastgoedmarktactiviteiten, manifesteren. 22 De Noordvleugel bestaat hier uit de volgende COROP-regio’s (met tussen haken de COROP-nummers): (7) Utrecht, (20)
IJmond, (21) Agglomeratie Haarlem, (22) Zaanstreek, (23) Groot-Amsterdam, en (24) Het Gooi en Vechtstreek. De
Zuidvleugel wordt gevormd door: (25) Agglomeratie Leiden en Bollenstreek, (26) Agglomeratie ’s-Gravenhage, (27) Delft en
Westland, (28) Oost-Zuid-Holland, (29) Groot-Rijnmond, en (30) Zuidoost-Zuid-Holland.
Amsterdam School of Real Estate 42
Figuur 18 – Prijsindices en betrouwbaarheidsintervallen per vastgoedsegment in de
Noordvleugel
Amsterdam School of Real Estate 43
Figuur 19 – Prijsindices en betrouwbaarheidsintervallen per vastgoedsegment in de
Zuidvleugel
Net als bij repeat-sales van Groot-Amsterdam (figuur 17) ontbreekt de repeat-sales index voor
winkels in de Zuidvleugel (figuur 19) doordat in sommige jaren er geen panden voor de
tweede keer worden verhandeld. Ook zijn de betrouwbaarheidsintervallen van de repeat-sales
indices die wel gemaakt konden worden voor de Noordvleugel en de Zuidvleugel (figuur 18 en
19) wederom erg groot. Ook op deze relatief hoge regionale schaal zijn er dus onvoldoende
herhaalde transacties om betrouwbare uitspraken te kunnen doen. De hedonische indices
(wederom figuur 18 en 19) zien er wel vertrouwenwekkend uit. De intervallen zijn relatief smal,
waardoor wij menen dat het mogelijk moet zijn om met de hedonische methode jaarlijks (niet
vaker) een index voor zowel Noord- als Zuidvleugel te maken.
Amsterdam School of Real Estate 44
5 Discussie: naar een prijsindex voor commercieel vastgoed?
Op basis van de verkenning in dit rapport komen we tot de conclusie dat een hedonische
prijsindex per vastgoedsegment (bedrijfsruimten, winkels en kantoren) het beste presteert, dat
wil zeggen dat de empirische patronen plausibel overkomen en dat de coëfficiënten
doorgaans significant zijn en de betrouwbaarheidsintervallen klein. Dit komt met name omdat
deze methode van veel meer observaties gebruikt maakt dan de repeat-sales index. De
hoogst mogelijke publicatiefrequentie van de landelijke hedonische index waarbij nog
betrouwbare resultaten overlegd kunnen worden is halfjaarlijks. We maakten in deze
reportage gebruik van de time-dummy variant van de hedonische index. De coëfficiënten
bleken redelijk stabiel waardoor het toevoegen van nieuwe observaties geen grote gevolgen
had voor de schatting van de coëfficiënten van voorafgaande tijdsperioden. Bij toekomstige
publicaties zullen we testen of dat zo blijft of dat er alternatieve methoden gebruikt moeten
worden.
Vooralsnog zijn geen regionale indices op COROP-niveau mogelijk, daarvoor zijn meer
geavanceerde methoden noodzakelijk (bijvoorbeeld die van Francke, 2010, en Francke & De
Vos, 2000). Dit gaan we in de nabije toekomst verder verkennen. Wel kunnen we jaarlijks
indices voor de Noordvleugel en de Zuidvleugel (van de Randstad) construeren.
In de toekomst willen we ook meer aandacht besteden aan de duiding en de verklaring van de
gevonden prijsontwikkelingen. Hierop vooruitlopend hebben we de prijsindex afgezet tegen de
prijsontwikkeling op de koopwoningmarkt (op basis van NVM-cijfers) (figuur 20) en de IPD-
index voor indirecte rendementen (de waardeontwikkeling) (figuur 21).
Amsterdam School of Real Estate 45
Figuur 20 - De prijsontwikkeling voor commercieel vastgoed t.o.v. koopwoningen
Er doet zich een opvallend verschil met de woningmarkt voor. Daar waar het
woningprijsniveau na 2008 nooit verder is gezakt dan het niveau van 2003 en in 2015 alweer
op het niveau van 2005 zat, zijn de drie commerciële segmenten veel verder in prijs gedaald:
naar het niveau van 1997-1998. In 2015 lagen de prijzen nog niet veel hoger dan toen.
Amsterdam School of Real Estate 46
Figuur 21 – De jaar-op-jaarveranderingen in de hedonische prijsindex ten opzichte van de
IPD-index voor indirect rendement 1995-2015
Bron: IPD/ROZ, bewerking auteurs
Wat meteen opvalt in figuur 21 is dat de prijsindex zoals wij die hebben geconstrueerd veel
volatieler is dan die van IPD. Dit blijkt ook uit de standaarddeviatie over tijd: 4,4 voor de IPD-
index en 6,9 voor onze hedonische index (overall). Dit is ook niet verwonderlijk aangezien de
IPD een appraisal-based index is, waardoor lagging (vertraging) en smoothing (afvlakking)
plaatsvindt (Van Gool et al., 2007; McAllister et al., 2003). Toch bestaat er voor kantoren en
bedrijfsruimten een sterke correlatie tussen beide indices (respectievelijk 0,91 en 0,87). Voor
winkels is die een stuk kleiner (0,37). Dit heeft vermoedelijk te maken met het feit dat binnen
de IPD-dataset vooral grotere winkelcentra voorkomen van bijvoorbeeld Kleppière (voorheen
Corio) en Unibail-Rodamco, daar waar met name de dataset van NVM Business ook veel
individuele (kleine) winkels in handen van eigenaar-gebruikers bevat. Meer algemeen geldt
dat IPD vooral bestaat uit relatief grote objecten in handen van (grotere) beleggers. Juist
daarom is het ook interessant om te kijken of er in onze index veel verschil zit tussen
beleggingsobjecten en gebruiksobjecten. Figuur 22 laat zien dat tot ongeveer 2004
beleggingsobjecten een ten minste 50% hogere prijs hadden dan gebruiksobjecten
(gecorrigeerd voor andere kenmerken, zoals omvang), maar dat het prijsverschil sindsdien
naar bijna 0% is getendeerd. Wat dit verklaart hebben we nog niet goed kunnen bepalen.
Amsterdam School of Real Estate 47
Figuur 22 – De prijspremie van beleggingsobjecten t.o.v. gebruiksobjecten
Amsterdam School of Real Estate 48
Bijlage 1: Aanwezigen expertmeeting 13 mei 2016
Naast de auteurs waren aanwezig:
Klaartje Asselbergs (NVM Business)
Roel van der Bilt (FGH Bank)
Martijn Droës (UvA / ASRE)
Simon van der Gaast (IVBN)
Peter van Gool (SPF / ASRE / UvA)
Rob Nijskens (DNB)
Ed Nozeman (RUG / ASRE)
Guido Raven (NVM Business)
Leo Uittenbogaard (ASRE)
Björn Volkerink (Ministerie van EZ)
Matthieu Zuidema (Kadaster)
Het onderzoek is daarnaast op 17 mei 2016 gepresenteerd bij de Werkgroep Strategie &
Research van IVBN waarbij vertegenwoordigers van de volgende organisaties aanwezig
waren: Altera, a.s.r., Bouwinvest, CBRE Global Investors, FGH Bank, SPF Beheer, PGGM
Investments, Syntrus Achmea Real Estate & Finance en Vesteda.
Amsterdam School of Real Estate 49
Literatuur Bailey, M. J., Muth, R. F., & Nourse, H. O. (1963), ‘A regression method for real estate price
index construction’, in Journal of the American Statistical Association.
Bruinsma, F., & Rietveld, P. (1998), ‘The accessibility of European cities: theoretical
framework and comparison of approaches’, in Environment and Planning A.
doi:10.1068/a300499.
Buitelaar, E. & F. van Dongen (2016), ‘Toenemende kantorenleegstand: over divergentie
tussen de gebruikers en beleggers’, in TPEdigitaal, 10(2): 42-53.
Carter Hill, R., Knight, J. R., & Sirmans, C. F. (1997), ‘Estimating Capital Asset Price Indexes’,
in The Review of Economics and Statistics, 79(2), 226–233.
Eurostat (2016, te verschijnen), Handbook on commercial property price indicators. Brussel:
Eurostat.
Francke, M. K. (2010), ‘Repeat Sales Index for Thin Markets’, in The Journal of Real Estate
Finance and Economics, 41(1), 24–52.
Francke, M. K., P. van Gool & A.M. van de Minne (2014), ‘Prijsindex voor commercieel
vastgoed’, in Real Estate Research Quarterly, 13 (4), 47-57.
Francke, M. K. & A. F. de Vos (2000), ‘Efficient Computation of Hierarchical Trends’, in
Journal of Business & Economic Statistics, 18(1), 51-57.
Gool, P., D. Brounen, P. Jager en R.M. Weisz (2007), Onroerend goed als belegging.
Groningen / Houten: Wolters-Noordhoff.
Gutiérrez, J. (2001), ‘Location, economic potential and daily accessibility: an analysis of the
accessibility impact of the high-speed line Madrid–Barcelona–French border’, in Journal of
Transport Geography, 9(4), 229–242.
Gutiérrez, J., Condeço-Melhorado, A., & Martín, J. C. (2010), ‘Using accessibility indicators
and GIS to assess spatial spillovers of transport infrastructure investment’, in Journal of
Transport Geography, 18(1), 141–152.
Koopmans, C., Rietveld, P., & Huijg, A. (2012), ‘An accessibility approach to railways and
municipal population growth, 1840–1930’, in Journal of Transport Geography, 25, 98–104.
McAllister, P. A. Baum, N. Crosby, P. Gallimore en A. Gray (2003), ‘Appraisal behaviour and
appraisal smoothing: some quantitative and qualitative evidence’, in Journal of Property
Research, 20(3), 261-280.
Meese, R. A., & Wallace, N. E. (1997), 'The Construction of Residential Housing Price Indices:
A Comparison of Repeat-Sales, Hedonic-Regression, and Hybrid Appr oaches', in Journal
of Real Estate Finance and Economics, 73, 51–73.
Amsterdam School of Real Estate 50
Nagaraja, C. H., Jones, L. D., & Watchter, S. M. (2014), 'Repeat sales house price index
methodology', in SSRN Electronic Journal.
Quigley, J. M. (1995), 'A simple hybrid model for estimating real estate price indexes', in
Journal of Housing Economics, 4(1), 1–12.
Schilder, F., & Conijn, J. (2010), De prijsontwikkeling van de Nederlandse koopwoning.
Amsterdam: ASRE.
Vries, P. de, de Haan, J., van der Wal, E., & Mariën, G. (2009), 'A house price index based on
the SPAR method', in Journal of Housing Economics, 18(3), 214–223.
Wang, F. T., & Zorn, P. M. (1999), 'Estimating house price growth with repeat sales data :
What’s the aim of the game ?', 118, 1–24.
Neem voor vragen of opmerkingen contact met ons op of bezoek onze website. bezoekadres Jollemanhof 5 1019 GW Amsterdam postadres Postbus 140 1000 AC Amsterdam www.asre.nl e [email protected] t 020 668 11 29 f 020 668 03 61
De activiteiten van de Amsterdam School of Real Estate zijn
mede mogelijk dankzij de financiële steun van de Stichting voor
Wetenschappelijk Onderzoek en Onderwijs in de
Vastgoedkunde (SWOOV)
Onze donateurs I 3W New Development I ACM Vastgoed Groep BV I Ahold Vastgoed BV I Altera Vastgoed I AM BV I AMVEST I a.s.r. vastgoed vermogensbeheer I BOEKEL I BDP Europe BV I Bouwinvest I Brink Groep I CBRE Global Investors | CBRE Netherlands I Colliers International l Corio I De Brauw Blackstone Westbroek I DELA Vastgoed BV I Deloitte | DTZ Zadelhoff I Dura Vermeer Groep NV
I DVP I FGH Bank NV I Funda NV | G&S Vastgoed I Grond- en Ontwikkeling Gemeente Amsterdam I Haags Ontwikkelingsbedrijf I Houthoff Buruma I Hurks Vastgoedontwikkeling I ING Real Estate Finance I IPMMC Vastgoed I IVBN | JLL I Lexence NV I Loyens & Loeff NV | MAB Development I MN I MVGM International Advisory I NS Vastgoed BV I NVM
I PGGM I Propertize I Provast I PwC I Rechtstaete vastgoedadvocaten &belastingadviseurs I SADC I Schiphol Real Estate BV I SPF Beheer BV I Strabo BV I Syntrus Achmea Real Estate & Finance I TBI Holding B.V. I The IBUS Company I Wereldhave NV I WPM Groep I Yardi Systems BV