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


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


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.


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).


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).


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.


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.


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.


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.


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).


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.


Figuur 4 – De geografische spreiding van transacties per vastgoedsegment


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.


Figuur 5 - Verdeling van transactieprijzen per vastgoedsegment


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.


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.


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:


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).


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


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


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.


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.


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.


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.


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.


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.


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).


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)


Bedrijfsruimte -0.005682*** (0.000855)

Kantoorruimte -0.010116*** (0.000908)

Winkelruimte -0.006125*** (0.000894)


Bedrijfsruimte -0.008471*** (0.001140)

Kantoorruimte -0.015485*** (0.001280)

Winkelruimte -0.010368*** (0.001430)


Bedrijfsruimte -0.007612*** (0.001264)


Kantoorruimte -0.015906*** (0.001427)

Winkelruimte -0.015357*** (0.001898)


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).


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.


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.


Figuur 13 - Hybride prijsindex


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)


Bedrijfsruimte 0.00184 (0.00226)

Kantoorruimte -0.0010 (0.00221)

Winkelruimte -0.0005 (0.00221)


Bedrijfsruimte -0.0033 (0.00282)

Kantoorruimte -0.0056* * (0.00285)



Bedrijfsruimte -0.0053* * * (0.00207)

Kantoorruimte -0.0096* * * (0.00221)

Winkelruimte -0.0058* * * (0.00218)


Bedrijfsruimte -0.0073* * * (0.00277)

Kantoorruimte -0.0147* * * (0.00312)

Winkelruimte -0.0101* * * (0.00349)



Bedrijfsruimte -0.0058* (0.00312)

Kantoorruimte -0.0149* * * (0.00348)

Winkelruimte -0.0150* * * (0.00475)


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)


(Intercept) 8.02337* * * (0.04740)

Log Liklihood -51857.7

*p<0.1; **p<0.05; ***p<0.01

Tijds- en COROP-dummies toegevoegd


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.


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.


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


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


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


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).


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.


Figuur 18 – Prijsindices en betrouwbaarheidsintervallen per vastgoedsegment in de

Noordvleugel


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.


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).


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.


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.


Figuur 22 – De prijspremie van beleggingsobjecten t.o.v. gebruiksobjecten


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.


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.


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

Paper Naar een prijsindex voor commercieel vastgoed...Naar een prijsindex voor commercieel vastgoed...

Documents

Transcript of Paper Naar een prijsindex voor commercieel vastgoed...Naar een prijsindex voor commercieel vastgoed...