WOONKREDIETEN IN BELGIË VERSUS

OVERIGE EUROLANDEN EEN VERGELIJKENDE STUDIE VAN DE KREDIETCONDITIES VOOR 2003-2017

Aantal woorden: 23968

Sarah Deleye Stamnummer : 000170256218

Roosmarijn Coghe Stamnummer: 000170191954

Promotor: Prof. Dr. Jos Meir

Masterproef voorgedragen tot het bekomen van de graad van:

Master in de handelswetenschappen: Finance en risicomanagement

Academiejaar: 2018-2019

WOONKREDIETEN IN BELGIË VERSUS

OVERIGE EUROLANDEN EEN VERGELIJKENDE STUDIE VAN DE KREDIETCONDITIES VOOR 2003-2017

Aantal woorden: 23968

Sarah Deleye Stamnummer : 000170256218

Roosmarijn Coghe Stamnummer: 000170191954

Promotor: Prof. Dr. Jos Meir

Masterproef voorgedragen tot het bekomen van de graad van:

Master in de handelswetenschappen: Finance en risicomanagement

Academiejaar: 2018-2019

I

Vertrouwelijkheidsclausule

Ondergetekende verklaart dat de inhoud van deze masterproef mag geraadpleegd en/of

gereproduceerd worden, mits bronvermelding.

Naam student: Sarah Deleye

Ondergetekende verklaart dat de inhoud van deze masterproef mag geraadpleegd en/of

gereproduceerd worden, mits bronvermelding.

Naam student: Roosmarijn Coghe

II

III

Woord vooraf

De masterproef ‘Woonkredieten in België versus overige eurolanden’ vormt het sluitstuk van onze

opleiding tot het behalen van een diploma als Master in de Handelswetenschappen: Finance en

risicomanagement. De keuze voor dit onderwerp kwam voort uit een gezamenlijke interesse voor

woonkredieten, die tijdens het schrijfproces alleen maar verder gegroeid is.

In eerste instantie willen we graag onze promotor, Jos Meir, bedanken, zowel voor dit

onderwerpvoorstel als voor de feedback die we gedurende de voorbije periode van hem ontvingen.

Daarnaast willen wij ook van deze gelegenheid gebruikmaken om onze ouders en broers te bedanken.

Het is dankzij hun onvoorwaardelijke steun dat we deze studies konden aanvatten en ondertussen aan

het afronden zijn. Ook wensen wij onze dankbaarheid te uiten voor hun hulp bij het nalezen.

Wij hopen met deze masterproef alvast wat meer inzicht te bieden in deze boeiende materie en zo

een bijdrage te leveren aan de bestaande literatuur.

Sarah Deleye en Roosmarijn Coghe

IV

V

Inhoudsopgave

Lijst van gebruikte afkortingen ........................................................................................................ VII

Lijst van tabellen .............................................................................................................................. IX

Lijst van figuren ................................................................................................................................ XI

1 Inleiding ......................................................................................................................................1

2 Literatuuroverzicht .....................................................................................................................3

2.1 De rol van de hypotheekmarkt in financiële crisissen .........................................................7

2.1.1 De financiële crisis van 2007-2009 ......................................................................8

2.2 Tien jaar na de financiële crisis opnieuw bezorgdheid ...................................................... 14

2.3 Kredietcondities .............................................................................................................. 19

2.4 Determinanten van kredietcondities ................................................................................ 21

2.4.1 Looptijd ............................................................................................................ 21

2.4.2 Gemiddeld kredietbedrag ................................................................................. 25

2.4.3 DSR ................................................................................................................... 28

2.4.4 Quotiteit ........................................................................................................... 30

2.4.5 Hypotheekrente en spread ............................................................................... 32

3 Probleemstelling ....................................................................................................................... 41

3.1 Hypothesen ..................................................................................................................... 42

3.1.1 DSR ................................................................................................................... 42

3.1.2 Hypotheekrente en spread ............................................................................... 43

4 Dataset en variabelen ............................................................................................................... 45

4.1 Beschrijving dataset ......................................................................................................... 45

4.2 Beschrijving variabelen .................................................................................................... 47

4.2.1 Afhankelijke variabelen ..................................................................................... 47

4.2.2 Onafhankelijke variabelen................................................................................. 51

5 Methodologie ........................................................................................................................... 61

5.1 Stationariteit van de opgenomen variabelen ................................................................... 61

5.2 Uitschieters ..................................................................................................................... 62

5.3 Opbouw van de regressiemodellen .................................................................................. 63

5.3.1 DSR ................................................................................................................... 63

5.3.2 Hypotheekrente ................................................................................................ 64

5.3.3 Spread .............................................................................................................. 65

5.3.4 Specificatie inhoud regressiemodellen .............................................................. 66

5.4 Econometrische problemen ............................................................................................. 67

5.5 Keuze van het meest geschikte model ............................................................................. 68

VI

6 Empirische resultaten en discussie ........................................................................................... 69

6.1 Correlatiematrix .............................................................................................................. 69

6.2 Model 1 ........................................................................................................................... 73

6.3 Model 2 ........................................................................................................................... 76

6.4 Model 3 ........................................................................................................................... 79

6.5 Model 4 ........................................................................................................................... 81

6.6 Model 5 ........................................................................................................................... 84

7 Besluit ....................................................................................................................................... 87

8 Referentielijst ............................................................................................................................. I

Bijlage 1: Unit root tests ..................................................................................................................... I

Bijlage 2: VIF-testen ........................................................................................................................... I

Bijlage 3: Correlatiematrixen.............................................................................................................. I

VII

Lijst van gebruikte afkortingen

APR Annual Percentage Rate

BBP Bruto Binnenlands Product

BIB (BIS) Bank voor Internationale Betalingen (Bank for International Settlements)

BVK Beroepsvereniging van het Krediet

CDS Credit Default Swaps

CPI Consumptieprijsindex (Consumer Price Index)

DSR Debt Service Ratio

DSTI Debt-Service-to-Income ratio

DW Durbin-Watson test

EC Europese Commissie (European Commission)

ECB Europese Centrale Bank (European Central Bank)

ECSR (ESRB) Europees Comité voor Systeemrisico’s (European Systemic Risk Board)

EMF European Mortgage Federation

EMU Europese Monetaire Unie (European Monetary Union)

EURIBOR European Interbank Offered Rate

FE Fixed Effects model

(St. Louis) Fed Federal Reserve Bank (of St. Louis)

FSR Financial Stability Report

HHI Herfindahl-Hirschman index

HICP Geharmoniseerde consumptieprijsindex (Harmonised Index of Consumer Prices)

IPS Im-Pesaran-Shin test

LIBOR London Interbank Offered Rate

LTV Loan-To-Value ratio

MBS Mortgage-Backed Securities

MCD Mortgage Credit Directive

MFI Monetaire Financiële Instelling (Monetary Financial Institution)

NBB Nationale Bank van België

NCW Netto Contante Waarde

NINJA No Income, No Job, No Assets

NPL Non-Performing Loan(s)

VIII

OESO (OECD) Organisatie voor Economische Samenwerking en Ontwikkeling

(Organisation for Economic Co-operation and Development)

OLO Obligation Linéaire/Lineaire Obligatie

RE Random Effects model

SPV Special Purpose Vehicle(s)

VIF Variance Inflation Factor

VS Verenigde Staten

IX

Lijst van tabellen

Tabel 2.1: Gemiddelde looptijd - 19 eurolanden (2016) .................................................................... 23 Tabel 2.2: Dominante hypotheekrente - 19 eurolanden (2016) ......................................................... 32 Tabel 4.1: Gebruikte databronnen .................................................................................................... 46 Tabel 4.2: Beschrijving variabele DSR (in % op jaarbasis) ................................................................... 47 Tabel 4.3: Beschrijving variabele HYPOTHEEKRENTE (in % op jaarbasis) ............................................ 48 Tabel 4.4: Beschrijving variabele SPREAD (in %-punt op jaarbasis) .................................................... 49 Tabel 4.5: Beschrijving variabele HUIZENPRIJZEN (% verandering op jaarbasis) ................................. 51 Tabel 4.6: Beschrijving variabele SCHULDGRAAD (in % op jaarbasis) ................................................. 52 Tabel 4.7: Beschrijving variabele KANTORENNETWERK (in aantal per 10 000 inwoners op jaarbasis) 53 Tabel 4.8: Beschrijving variabele LT-RENTE (in % op jaarbasis) .......................................................... 54 Tabel 4.9: Beschrijving variabele HHI (op een schaal van 0 tot 10 000) .............................................. 55 Tabel 4.10: Beschrijving variabele OPLEIDING (in % op jaarbasis) ...................................................... 56 Tabel 4.11: Beschrijving variabele BBPCAPITA (% verandering op jaarbasis) ...................................... 57 Tabel 4.12: Beschrijving variabele HICP (% verandering op jaarbasis) ................................................ 58 Tabel 4.13: Beschrijving variabele D_CRISIS ...................................................................................... 59 Tabel 5.1: Resultaten White's test en Durbin-Watson test ................................................................ 67 Tabel 5.2: Resultaten F-test en Breusch-Pagan test ........................................................................... 68 Tabel 6.1: Correlatiematrix (complete dataset) ................................................................................. 72 Tabel 6.2: Resultaten pooled OLS model 1 (N = 104) met robust standard errors .............................. 73 Tabel 6.3: Resultaten pooled OLS model 2 (N = 98) met robust standard errors ................................ 76 Tabel 6.4: Resultaten pooled OLS model 3 (N = 176) met robust standard errors .............................. 79 Tabel 6.5: Resultaten pooled OLS model 4 (N = 91) met robust standard errors ................................ 81 Tabel 6.6: Resultaten pooled OLS model 5 (N = 182) met robust standard errors .............................. 84

X

XI

Lijst van figuren

Figuur 2.1: Woningbezit – 19 eurolanden (2003-2017) ........................................................................3

Figuur 2.2: Schuld van huishoudens als % van BBP – 19 eurolanden (2003-2017) ................................5

Figuur 2.3: Effective Federal Funds Rate – VS (2000-2017) ..................................................................8

Figuur 2.4: Reële huizenprijzen – 19 eurolanden (2003-2017) ........................................................... 12

Figuur 2.5: Winstgevendheid bankensector - België (2007/8-2017) ................................................... 14

Figuur 2.6: Procentuele jaarlijkse verandering van het aantal kredieten – België (2007-2018) ........... 16

Figuur 2.7: Procentuele jaarlijkse verandering van het reële BBP – België (BE) vs. eurozone (EA)

(2012-2017) ..................................................................................................................... 16

Figuur 2.8: Looptijden bij leningsuitgifte – België (2007-2017) .......................................................... 22

Figuur 2.9: Gemiddeld(e) kredietbedrag, huizenprijs en quotiteit (in duizend €) – België

(1996-2017) ..................................................................................................................... 25

Figuur 2.10: Gemiddeld kredietbedrag – 7 eurolanden (2006-2017) ................................................. 26

Figuur 2.11: Quotiteit – België (2009-2017) ...................................................................................... 30

Figuur 2.12: Rentecurve – eurozone (21 februari 2019) .................................................................... 35

Figuur 4.1: DSR – 8 eurolanden (2003-2017) ..................................................................................... 48

Figuur 4.2: Hypotheekrente – 19 eurolanden (2003-2017) ................................................................ 49

Figuur 4.3: Spread – 18 eurolanden (2003-2017) .............................................................................. 50

Figuur 4.4: Schuldgraad – 19 eurolanden (2003-2017) ...................................................................... 52

Figuur 4.5: Aantal bankkantoren per 10 000 inwoners – 19 eurolanden (2003-2017) ........................ 53

Figuur 4.6: Langetermijnrente – 18 eurolanden (2003-2017) ............................................................ 54

Figuur 4.7: HHI – 18 eurolanden (2003-2017).................................................................................... 56

Figuur 4.8: Aantal inwoners met een diploma hoger onderwijs – 19 eurolanden (2003-2017) ........... 57

Figuur 4.9: Economische groei – 19 eurolanden (2003-2017) ............................................................ 58

Figuur 4.10: Inflatie – 19 eurolanden (2003-2017) ............................................................................ 59

XII

1

1 Inleiding

Veel huishoudens kunnen het zich niet veroorloven een huis te kopen of (ver)bouwen zonder hiervoor te

lenen (European Mortgage Federation1, s.d.; Huyghebaert, 2015). Het woonkrediet vormt dan ook de

voornaamste financiële verplichting van veel huishoudens (Stinglhamber, Van Nieuwenhuyze & Zachary,

2011; Zabai, 2017) en vertegenwoordigt maar liefst 20 % van het balanstotaal van de Belgische

bankensector (Nationale Bank van België2, 2018a). Ongeveer één op vier Europese huishoudens beschikt

over een woonkrediet, maar in sommige landen, waaronder Nederland, loopt dit op tot meer dan 50 %

van de bevolking (EMF, s.d.). Dit grootschalige gebruik van woonkredieten trekt de aandacht van zowel

massamedia, analisten als beleidsmakers (Milani, 2010). Dit geldt des te meer omdat de hypotheekmarkt,

als bron van tewerkstelling, investeringen en groei, één van de belangrijkste drijfveren is van de economie

(EMF, s.d.; Europees Comité voor Systeemrisico’s3, 2016).

Desondanks kunnen woonkredieten (en dan vooral een lakse toekenning ervan) mogelijk desastreuse

gevolgen hebben voor de financiële stabiliteit van een land (Campbell, 2013).4 De potentiële problemen

blijven echter niet beperkt tot het binnenland, iets wat maar al te duidelijk werd tijdens de financiële crisis

van 2007-2009. Negatieve ontwikkelingen op de hypotheekmarkt in een bepaald land kunnen namelijk

ook spillovereffecten naar andere landen veroorzaken (ECSR, 2016). De NBB (2018a) erkent het bestaan

van deze gevaren en uitte zodoende een aantal van haar bezorgdheden in het Financial Stability Report

(FSR) van 2018. Haar ongerustheid is gegrond, aangezien ook de periode voor de financiële crisis

gekenmerkt werd door een sterke stijging van het aantal verstrekte woonkredieten en soepelere

kredietcondities (Wilcox, 2009; Scanlon, Lunde & Whitehead, 2011).

Onder kredietcondities verstaat de Europese Centrale Bank (ECB) (2009a) de interne richtlijnen of criteria

die banken in acht nemen bij de toekenning van (woon)kredieten. Het is een minder strenge toepassing

van deze criteria die gevolgen kan hebben voor de financiële stabiliteit (Febelfin, 2019). Onder financiële

stabiliteit verstaat de NBB (2018a) de weerbaarheid van het financiële systeem tegen schokken. Een goed

inzicht in de geldende kredietcondities (en in het bijzonder in hun determinanten) is dus onontbeerlijk.

1 (EMF) 2 (NBB) 3 (ECSR) 4 Om welke gevolgen het precies gaat, komt later in dit werk nog uitgebreid aan bod.

2

Dit onderzoek vergelijkt de situatie in verband met kredietcondities op de Belgische hypotheekmarkt met

deze in de overige achttien eurolanden tussen 2003 en 2017. Er wordt tevens gezocht naar de

determinanten die in staat zijn de verschillen tussen landen te verklaren. De tijdsspanne van vijftien jaar

laat toe de impact van de laatste financiële crisis op de woonkredietenmarkt te bestuderen. In de praktijk

hanteren banken een grote verscheidenheid aan kredietcondities, maar dit werk beperkt zich tot looptijd,

gemiddeld kredietbedrag, Debt Service Ratio (DSR)5, quotiteit6, hypotheekrente en spread.

Het vervolg van dit onderzoek is als volgt gestructureerd: de voornaamste literatuur wordt in sectie 2

onder de loep genomen. Hier wordt eerst een beeld geschetst van de hypotheekmarkt en zijn evolutie

tussen 2003 en 2017 in de eurozone. Gezien het sterke verband tussen de hypotheekmarkt en de

financiële crisis van 2007-2009, kon de link tussen beide in dit werk niet ontbreken (2.1). Tien jaar na de

financiële crisis maakt de NBB zich opnieuw zorgen om een aantal ontwikkelingen op de Belgische

hypotheekmarkt, die in 2.2 verder toegelicht worden. Om een goede vergelijking tussen de

kredietcondities in verschillende landen mogelijk te maken, is een diepgaander inzicht in hun cyclische

verloop zeker niet overbodig (2.3). Sectie 2.4 behandelt vervolgens een reeks determinanten die in het

verleden in staat bleken één (of meer) van de gekozen kredietcondities te verklaren. Sectie 3 verschaft

een nog beter beeld van de probleemstelling en introduceert een aantal hypotheses. Sectie 4 geeft een

beschrijving van de data en opgenomen variabelen, terwijl de methodologie in sectie 5 aan bod komt. De

empirische resultaten, aangevuld met een terugkoppeling naar de bestaande literatuur, bevinden zich in

sectie 6. Sectie 7 vormt het slotstuk van dit werk dat de voornaamste bevindingen, evenals een aantal

beperkingen en aanbevelingen voor verder onderzoek, weergeeft.

5 De DSR is een maatstaf voor de afbetalingslast van de ontlener en vormt het deel van het inkomen gebruikt voor de terugbetaling van een krediet (Drehmann & Juselius, 2012). Een uitgebreidere bespreking van deze variabele volgt ut infra. 6 De quotiteit is de verhouding tussen het kredietbedrag en de aankoopprijs van de woning en wordt later in meer detail besproken (Cunha et al., 2013; Vanbrussel, 2018).

3

2 Literatuuroverzicht

De aankoop van een huis is voor veel gezinnen een grote investering, die een aanzienlijk deel van hun

vermogen uitmaakt (ECB, 2009b; NBB, 2018a). Figuur 2.1 geeft de evolutie weer van het woningbezit in

de eurozone tussen 2003 en 2017.

Figuur 2.1: Woningbezit – 19 eurolanden (2003-2017) Bron: EMF (2015), EMF (2018) & Statista (s.d.)

In de meeste eurolanden beschikt zo’n 70 tot 80 % van de bevolking over een eigen woning, een aantal

dat, ondanks de financiële crisis, overal vrij stabiel bleef. Een uitzondering hierop is Ierland, waar de sterke

werkloosheidsgroei, lagere kredietvraag en strengere kredietcondities een forse daling van het

woningbezit teweegbrachten (Bouyon, 2015). Landen zijn op basis van hun woningbezit in drie

categorieën op te delen:

➢ landen met een huizenbezit lager dan het gemiddelde in de eurozone (73,7 % in 2017);

➢ landen met een huizenbezit tussen 73,7 % en 80 %;

➢ landen met een huizenbezit hoger dan 80 % (Bouyon, 2015).

50,00

55,00

60,00

65,00

70,00

75,00

80,00

85,00

90,00

95,00

100,00

2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017

Wo

nin

gbez

it [%

]

Jaar

BELGIË

CYPRUS

DUITSLAND

ESTLAND

FINLAND

FRANKRIJK

GRIEKENLAND

IERLAND

ITALIË

LETLAND

LITOUWEN

LUXEMBURG

MALTA

NEDERLAND

OOSTENRIJK

PORTUGAL

SLOVENIË

SLOWAKIJE

SPANJE

4

Tot de eerste groep behoren vooral Noord- en West-Europese landen, waaronder Duitsland, Oostenrijk,

Frankrijk en Nederland. Het eerder lage huizenbezit is het resultaat van beleidsdoelstellingen vanwege de

overheid, alsook van een ontwikkelde huurdersmarkt (Bouyon, 2015). Duitsland blijkt al jaren het laagste

woningbezit te hebben, wat onder andere te maken heeft met lage subsidies en een sterke voorkeur voor

huren (Voigtländer, 2009).

De tweede groep bevat, met uitzondering van België, Finland en Luxemburg, voornamelijk Zuid-Europese

landen. Hier wordt woningbezit aangemoedigd door een gebrek aan andere investeringsopportuniteiten

in vastgoed en een kleinere huurdersmarkt. Door de sterke familiebanden erven veel kinderen bovendien

het huis van hun familie, wat resulteert in minder gezinnen met nood aan een woonkrediet

(Bouyon, 2015).

Opvallend is dat het huizenbezit bijzonder hoog ligt in alle voormalig communistische landen

(Estland, Letland, Litouwen, Slovenië en Slowakije), die een derde groep vormen. Dit heeft te maken met

beleidsmaatregelen genomen in de jaren ’90 om woningbezit via subsidies te stimuleren (Bouyon, 2015).

5

Talrijke gezinnen gaan ter financiering van deze aankoop een woonkrediet aan, dat dan hun voornaamste

schuld vertegenwoordigt (ECB, 2009b; NBB, 2018a). Het grote (en toenemende) aantal woonkredieten uit

zich onder meer in de schuldgraad van huishoudens, te zien op figuur 2.2.7 Dit zijn de totale schulden van

huishoudens in verhouding tot het Bruto Binnenlands Product8 (BBP) (Eurostat, 2019a).

Figuur 2.2: Schuld van huishoudens als % van BBP – 19 eurolanden (2003-2017) Bron: Eurostat (2019a)

Vooral Nederland en Cyprus trekken de aandacht door hun hoge schuldgraad, al valt sinds 2012 in beide

landen een daling waar te nemen. De hoge Nederlandse schuldgraad heeft onder meer te maken met het

voordelige fiscale stelsel en de lage terugbetalingsgraad (Scanlon, Lunde & Whitehead, 2008; ECSR, 2016).

De schuldgraad is sinds begin jaren ’90 tot 2009-2010 in alle landen, uitgezonderd Duitsland, sterk

toegenomen. Dit is onder andere toe te schrijven aan de steeds ruimere financiële liberalisering9 en

deregulering en de hierdoor makkelijker beschikbare kredieten (Scanlon et al., 2008). In de meeste

landen, uitgenomen Finland, Frankrijk en Slowakije, daalde de schuldgraad na de financiële crisis. Zoals

blijkt uit figuur 2.2, valt tien jaar later in verschillende landen opnieuw een toename op te merken.

Centrale banken maken zich zorgen om de bedreiging die dit vormt voor de macro-economische en

financiële stabiliteit (Zabai, 2017). De schuldgraad heeft namelijk een belangrijke rol gespeeld bij de

vorming van de financiële crisis (Bańkowska, Lamarche, Osier & Pérez-Duarte, 2015).

7 Een logischere keuze zou uiteraard zijn rechtstreeks het aantal woonkredieten per land weer te geven, maar hiervoor werden geen data gevonden. 8 Het BBP is de totale waarde van alle goederen en diensten die gedurende één jaar binnen één land worden geproduceerd plus belastingen en min subsidies hierop. Het BBP wordt gebruikt als welvaartsmaatstaf (Belgium.be, s.d.; World Bank, 2017). 9 Liberalisering houdt in dat de overheid bepaalde beperkingen opheft en zo concurrentie aanmoedigt (woordenlijst.eu, s.d.).

0,00

20,00

40,00

60,00

80,00

100,00

120,00

140,00

2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017

Sch

uld

van

hu

ish

ou

den

s al

s %

van

BB

P

[%]

Jaar

BELGIËCYPRUSDUITSLANDESTLANDFINLANDFRANKRIJKGRIEKENLANDIERLANDITALIËLETLANDLITOUWENLUXEMBURGMALTANEDERLANDOOSTENRIJKPORTUGALSLOVENIËSLOWAKIJESPANJE

6

Tot de jaren ’90 was er slechts een beperkt aantal mogelijkheden met uniforme prijzen en waren banken

vrij streng bij de toekenning van woonkredieten (Al-Bahrani & Su, 2015). Zoals in voorgaande alinea

aangehaald, is de Europese hypotheekmarkt sindsdien in belangrijke mate geliberaliseerd. Hiermee werd

beoogd de concurrentie tussen kredietverstrekkers aan te wakkeren en zo de kosten voor consumenten

te verlagen (Scanlon et al., 2008).

Liberalisering en grootschalige financiële innovatie deden het aantal beschikbare alternatieven

exponentieel toenemen (Scanlon et al., 2011). Het ruime aanbod wordt door kredietnemers erg

gewaardeerd, maar verhoogt wel het markt- en kredietrisico10 voor alle betrokken partijen. Sommige

huishoudens moeten namelijk verplichtingen nakomen die eigenlijk onhaalbaar zijn bij economische

schokken (Scanlon et al., 2008). Kredieten zijn dus een stuk complexer dan vroeger, aangezien prijzen en

kredietcondities variëren van bank tot bank (Al-Bahrani & Su, 2015).

In het verleden werd vaak geopperd dat de Europese hypotheekrenten na de invoering van de euro in

2002 zouden convergeren (Stephens, 2000). Banken krijgen zo namelijk toegang tot een veel grotere

financieringsmarkt waarin wisselkoersrisico niet langer een rol speelt (Castro & Santos, 2010). Een

meerderheid van studies toonde echter aan dat enkele barrières de realisatie van een volledig

geïntegreerde hypotheekmarkt zouden verhinderen. Hierbij kan onder andere gedacht worden aan niet-

financiële barrières, waaronder wetgeving, alsook aan het feit dat sommige banken toegang hebben tot

goedkopere fondsen dan andere (Stephens, 2000). Dit alles staat haaks op één van de redenen waarom

de Europese hypothekenrichtlijn of ‘Mortgage Credit Directive’ (MCD), in 2014 in het leven geroepen werd

(Europese Commissie11, s.d.-a). De Europese Unie (EU) wil aan de hand van de MCD namelijk de integratie

van hypotheekmarkten bevorderen, gemeenschappelijke standaarden vooropstellen en de Europese

consument beschermen (EC, s.d.-b). Ut infra zal duidelijk worden dat de hypotheekmarkten in de

eurozone ook na de invoering van de euro zeer divers bleven.

10 Onder marktrisico wordt begrepen: het risico op schommelingen in de ganse financiële markt of in een bepaalde categorie van activa (o.a. wisselkoersen en beurskoersen). Kredietrisico daarentegen is het risico dat een tegenpartij niet langer in staat is zijn verplichtingen na te komen (Belgian Asset Managers Association, s.d.-a, s.d.-b). 11 (EC)

7

2.1 De rol van de hypotheekmarkt in financiële crisissen

De waarde van huizen schommelt niet zo sterk als aandelenprijzen, maar toch in grotere mate dan velen

beseffen (Wenli, 2005). Huizenprijzen blijven vaak stabiel gedurende lange periodes, maar

vastgoedmarkten zijn wel vatbaar voor zogenaamde ‘Boom-Bust cycles’. Deze komen relatief vaak voor

en hebben meestal ernstige gevolgen, zowel voor huishoudens als voor de bankensector (ECSR, 2016).

De ‘boom’-fase wordt onder andere gekenmerkt door een lage werkloosheidsgraad en optimistische

economische vooruitzichten. Dergelijke omstandigheden drijven de vraag naar woningen op, wat

onvermijdelijk leidt tot hogere huizenprijzen. Dit schept verwachtingen voor prijsstijgingen in de

toekomst, wat de huidige vraag naar woningen nog verder stimuleert. Tegelijkertijd verhoogt de waarde

van het onderpand12, wat het kredietrisico voor banken beperkt. De hogere kredietvraag en het

afgenomen kredietrisico stimuleren concurrentie tussen kredietaanbieders (i.e. banken), wat resulteert

in soepelere kredietcondities. Kortom, huishoudens worden aangemoedigd om meer schulden aan te

gaan en banken om meer kredieten te verstrekken (ECSR, 2016).

Dergelijke ‘boom’-fase wordt onvermijdelijk gevolgd door een ‘bust’-fase, getypeerd door kelderende

huizenprijzen (ECSR, 2016). Ten eerste verslechtert hierdoor de financiële toestand (en terugbetalings-

capaciteit) van gezinnen, aangezien de woning vaak een groot deel van hun vermogen vertegenwoordigt

(NBB, 2018a). Ten tweede verlagen deze de waarde van het onderpand, waardoor kredietgevers meer

verlies lijden bij wanbetaling. Tezelfdertijd worden vooruitzichten in de bouwsector negatief beïnvloed

(ECSR, 2016). Al deze zaken verminderen de economische activiteit, waardoor zowel huidige als

toekomstige economische omstandigheden verergeren. Bijgevolg, en ook door de toegenomen kans op

niet-terugbetaling, zijn kredietgevers niet langer bereid nog veel nieuwe kredieten toe te staan

(ECB, 2009b; ECSR, 2016; NBB, 2018a). Het is alvast duidelijk dat problemen op de vastgoed- en

hypotheekmarkt snel kunnen leiden tot een instabiel financieel systeem en in het ergste geval een

financiële crisis (NBB, 2018a).

12 De bank eist vrijwel altijd een waarborg, de hypotheek, die haar in staat stelt de woning (het onderpand) te verkopen als de ontlener zijn schulden niet langer terugbetaalt (Notaris.be, s.d.).

8

2.1.1 De financiële crisis van 2007-2009

De ‘Boom-Bust cycle’ op de hypotheekmarkt in de Verenigde Staten (VS) tussen 1995 en 2007 ligt aan de

basis van de wereldwijde financiële crisis van 2007-2009. Deze crisis was de ergste sinds de Grote

Depressie van de jaren ‘30 en heeft voornamelijk de bankensector sterk getroffen (Maddaloni & Peydró,

2010). Vaak wordt gewezen op de sterke groei van ‘subprime’ kredieten en securitisatie als voornaamste

oorzaken (Rosen, 2011).

Tot 2000 ondervonden veel huishoudens in de VS met een laag tot gemiddeld inkomen moeilijkheden om

een krediet te verkrijgen ter financiering van de aankoop van hun woning. Banken in de VS hanteerden

namelijk een systeem waarbij ze op basis van het historische betalingsgedrag een kredietscore aan

huishoudens toekenden. Huishoudens met een slecht betalingsgedrag (i.e. lage score) werden beschouwd

als ‘subprime’ (Analist.be, 2008). Er is geen eensgezindheid over de exacte definitie van een ‘subprime’

krediet, maar gemeenschappelijk aan alle definities is dat dergelijk krediet meer falingsrisico

vertegenwoordigt (Demyanyk & Van Hemert, 2011). Banken waren dus vrij streng en weigerden

kredietaanvragen van huishoudens die zij onvoldoende kredietwaardig achtten. Deze periode werd dus

gekenmerkt door minder wanbetalingen en een lager huizenbezit (Analist.be, 2008; Duca, 2013).

Figuur 2.3: Effective Federal Funds Rate – VS (2000-2017) Bron: Federal Reserve Bank of St. Louis (St. Louis Fed) (2019a)

Zoals figuur 2.3 aantoont, voerde de Federal Reserve Bank (Fed) tussen 2000 en 2003 een expansief

monetair beleid13 om de economische groei aan te wakkeren na de ‘dot-com bubble' en de aanslagen van

11 september 2001. De lage federal funds rate14 maakte het goedkoper voor huishoudens om een krediet

aan te gaan, omdat banken hier bij de bepaling van hun hypotheekrente rekening mee houden

(Analist.be, 2008).

13 Wat een expansief monetair beleid precies inhoudt, wordt later in dit werk verduidelijkt. 14 Banken met een overschot aan reserves bij de Fed kunnen dit geld uitlenen aan een bank met een tekort aan reserves. Dit gebeurt op korte termijn tegen de federal funds rate (Bodie, Kane & Marcus, 2017).

0,00

1,00

2,00

3,00

4,00

5,00

6,00

7,00

2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017

Effe

ctiv

e Fe

der

al F

un

ds

Rat

e [%

]

Jaar

9

Zich niet bewust van de gevaren, sloten veel Amerikanen bovendien een krediet af met variabele

hypotheekrente, aangezien dit voordelig is bij dalende hypotheekrentes (Analist.be, 2008; Michielsen,

2017). De Fed slaagde in haar opzet, want deze periode werd gekenmerkt door een sterke inkomensgroei

en lage werkloosheidsgraad. Het lage rentebeleid en de gunstige economische omstandigheden droegen

samen bij aan een sterke stijging van kredietvraag, huizenbezit en huizenprijzen (Groeneveld & de Vries,

2009).

In 2002 gaf de toenmalige president van de VS, George W. Bush, banken de toestemming om hypotheken

te verstrekken aan ‘subprime lenders’ (Analist.be, 2008). Kredietaanbieders die wilden profiteren van de

sterke kredietvraag, versoepelden hun kredietcondities en gaven meer risicovolle kredieten uit. Zo werd

het mogelijk voor gezinnen met lagere kredietscores om te lenen (Cunha, Lambrecht & Pawlina, 2013;

Kenton, 2018), onder meer door zogenaamde ‘NINJA loans’ (No Income, No Job, No Assets). Dit zijn

kredieten aan mensen zonder inkomen, zonder job en zonder eigendommen (Michielsen, 2017).

De gestegen kredietvraag werd onder meer opgevangen door securitisatie en financiële innovatie

(Groeneveld & de Vries, 2009). Securitisatie, effectisering of vertiteling is een proces waarbij

activabestanddelen van een bank, hoofdzakelijk hypothecaire kredieten, ondergebracht worden in

zogenaamde ‘Special Purpose Vehicles’ (SPV). Dit zijn vennootschappen opgericht met slechts één doel,

in dit geval bepaalde activabestanddelen buiten de balans brengen. Het SPV voegt de kredieten samen

tot verhandelbare effecten, ‘Mortgage-Backed Securities’ (MBS), die verkocht worden aan investeerders.

Het hypothecair krediet dient als onderpand voor deze effecten, vandaar de naam ‘mortgage-backed’. Dit

systeem laat kredietgevers toe een deel van hun kredietrisico over te dragen aan investeerders.

Kredietaanbieders hoeven dan niet langer bijkomend kapitaal voor deze kredieten aan te houden,

waardoor ze geneigd zijn meer risico te nemen (Rosen, 2011; Kara, Marques-Ibanez & Ongena, 2016). Het

vrijgekomen geld kan dan gebruikt worden om meer kredieten te verstrekken

(Groeneveld & de Vries, 2009; Kara et al., 2016). Tezelfdertijd werd ook een nieuw financieel instrument

uitgebracht, namelijk ‘Credit Default Swaps’ (CDS). Dit is een verzekering tegen wanbetaling door

kredietnemers, die het helaas nog onduidelijker maakte waar het kredietrisico zich precies bevond

(Michielsen, 2017).

10

In de lage renteomgeving werden investeerders (en vooral investeringsbanken) aangetrokken door het

hoge rendement op MBS (Groeneveld & de Vries, 2009), wat leidde tot een sterke toename van het aantal

‘subprime’ kredieten (Demyanyk & Van Hemert, 2011). Oorspronkelijk werden investeerders beschermd

door de stijgende huizenprijzen en dalende hypotheekrenten. Gezinnen die niet in staat waren hun

krediet terug te betalen, verkochten hun huis (dat meer waard was) of herfinancierden hun krediet tegen

een lagere hypotheekrente (Duca, 2013). Tot dit moment was het dan ook voor niemand echt duidelijk

welke gevaren precies in dit systeem schuilden. Dit werd nog versterkt door het feit dat ‘credit rating

agencies’ soms onterecht hoge credit ratings gaven aan deze verhandelbare effecten. Zelfs de

Amerikaanse overheid slaagde er niet in de toegenomen risico’s tijdig te detecteren

(Groeneveld & de Vries, 2009). Volgens Demyanyk & Van Hemert (2011) waren de problemen op de

Amerikaanse hypotheekmarkt nochtans al lang voor de uitbarsting van de financiële crisis waar te nemen.

Dit werd bemoeilijkt door de sterke stijging van de huizenprijzen tussen 2003 en 2005, maar moest

eigenlijk zeker duidelijk geweest zijn tegen eind 2005 (Demyanyk & Van Hemert, 2011).

De situatie veranderde drastisch toen de Fed, vrezend voor een oververhitte economie, besloot een

restrictief monetair beleid te voeren van midden 2004 tot midden 2006 (Centraal Planbureau, 2009), zoals

af te leiden is uit figuur 2.3. De stijgende federal funds rate en daarmee gepaard gaande hogere kosten

veroorzaakten een sterke toename van het aantal wanbetalingen. Banken beseften dat het falingsrisico

van kredietnemers toenam: huizen waarop de bank een hypotheek had, werden in beslag genomen en

verkocht. Het hieruit resulterende grote aanbod op de huizenmarkt legde een neerwaartse druk op de

huizenprijzen, die kelderden (Groeneveld & de Vries, 2009; Wilcox, 2009). Tegelijkertijd schroefden veel

banken de kredietverstrekking aan huishoudens terug door in 2007 hun kredietcondities te verscherpen.

Deze actie bemoeilijkte zowel het verkrijgen van een nieuw krediet als een herfinanciering

(Analist.be, 2008; Scanlon et al., 2011). Investeerders genoten niet langer voldoende bescherming en

trokken zich terug uit de markt, een proces dat versneld werd door de lagere credit rating van heel wat

MBS (Duca, 2013).

De eerste grote Amerikaanse speler die in de problemen kwam, was de zakenbank Bear Stearns in maart

2008. Deze leed enorme verliezen omwille van grote afschrijvingen op haar portefeuille van MBS.

Uiteindelijk werd deze bank gered door een kapitaalinjectie van de Fed en een overname door

JPMorganChase. Helaas was Bear Stearns slechts één van de vele banken die in deze periode (bijna)

gesneuveld zijn. Ook de Amerikaanse hypotheekverstrekkers Fannie Mae en Freddie Mac, samen goed

voor ongeveer 50 % van alle hypotheken in de VS, kwamen in moeilijkheden (Analist.be, 2008).

11

Ook hier greep de Fed in omwille van het systemische risico15 dat zij vertegenwoordigen. AIG, de grootste

verzekeraar ter wereld, dreigde eveneens failliet te gaan en werd genationaliseerd (Analist.be, 2008).

Het faillissement met de grootste impact is waarschijnlijk dat van de Amerikaanse investeringsbank

Lehman Brothers op 15 september 2008 (Groeneveld & de Vries, 2009). Dit was de eerste grote speler die

niet gered werd door de overheid, wat een paniekreactie op zowel Amerikaanse als Europese beurzen

teweegbracht. Het wereldwijde financiële systeem werd overschaduwd door wantrouwen en banken

weigerden nog langer interbancaire leningen toe te staan. Zo groeide de kredietcrisis uit tot een

wereldwijde bankencrisis, waaraan heel wat banken ten onder gingen. Eind september 2008 viel ook in

België een eerste slachtoffer, Fortis, dat later overgenomen werd door BNP Paribas. Zowel het

consumenten- als producentenvertrouwen kelderden nadat het nieuws over de wereldwijde bankencrisis

bekend raakte. In 2008-2009 bevond de EU zich in een diepe economische recessie, beter bekend als de

Grote Recessie (Michielsen, 2017).

Om de toekomstige stabiliteit van het financiële systeem te waarborgen, werd het bankentoezicht na de

financiële crisis een pak strenger. Banken werden door de Basel II-regelgeving16 verplicht om hogere

kapitaalbuffers aan te houden om schokken op te vangen (Michielsen, 2017). Zowel Groeneveld en de

Vries (2009) als Wilcox (2009) besluiten dat banken tijdens en na de financiële crisis inderdaad een stuk

voorzichtiger werden en strengere kredietcondities hanteerden. Dit heeft een negatieve impact gehad op

de kredietverstrekking (Hempell & Sørensen, 2010), die merkbaar terugliep na de financiële crisis

(Castro & Santos, 2010; Scanlon et al., 2011). Deze inkrimping heeft ook deels te maken met een

structurele verandering van de bankensector in diverse landen: sommige aanbieders besloten niet langer

woonkredieten te verstrekken, terwijl anderen fuseerden of failliet gingen (Scanlon et al., 2011).

15 Dit is het risico dat zich een bepaalde gebeurtenis voordoet binnen een bedrijf, sector of industrie, waardoor de ganse industrie of economie ineenstort. Meer bepaald gaat het om bedrijven (of financiële instellingen) die aangeduid worden als ‘too big to fail’ (Chen, 2018a). 16 Basel II maakt onderdeel uit van de Basel-regulering. Deze wereldwijde bankenregels werden opgesteld door het Basel-comité (Febelfin, 2013), met als doel de solvabiliteit en stabiliteit van de financiële sector te bevorderen (Aernoudt, 2016).

12

De soepele en daaropvolgende strenge kredietcondities van voor en na de financiële crisis hebben

alleszins in grote mate bijgedragen aan de stijging en daaropvolgende daling van het aantal verstrekte

kredieten en de huizenprijzen (Wilcox, 2009).

Gezien de grote rol die huizenprijzen gespeeld hebben bij de financiële crisis, verdient hun evolutie toch

wat verdere toelichting. Figuur 2.4 geeft de reële huizenprijzen weer voor de eurozone (exclusief Malta

en Cyprus) tussen 2003 en 2017. Dit zijn de nominale huizenprijzen aangepast voor inflatie volgens de

consumptieprijsindex (CPI) (Organisatie voor Economische Samenwerking en Ontwikkeling17, 2019).

Figuur 2.4: Reële huizenprijzen – 19 eurolanden (2003-2017) Bron: OESO (2019)

De sterkte van de groei van de reële huizenprijzen in de aanloop van de financiële crisis verschilde in grote

mate tussen de eurolanden. Desondanks was deze groei wel sterk gecorreleerd: in de meeste landen,

uitgezonderd Duitsland en Portugal, viel voor de financiële crisis een toename op te merken

(Scanlon et al., 2011). Deze gecorreleerde groei sinds midden jaren ’90 werd volgens McCarthy en

McQuinn (2013) ondersteund door een aantal macro-economische factoren. Deze verklaren volgens

Scanlon et al. (2008) maar liefst 40 % van de bewegingen in huizenprijzen. Uiteraard kan gedacht worden

aan de lage intrestvoeten, maar ook aan verbeterde levensstandaarden, een sterke inkomensgroei en de

stabiliteit gecreëerd in het vooruitzicht van de Europese Monetaire Unie (EMU)

(McCarthy & McQuinn, 2013).

17 (OESO)

50,00

70,00

90,00

110,00

130,00

150,00

170,00

190,00

2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017

Reë

le h

uiz

enp

rijs

ind

ex [2

015

= 10

0]

Jaar

BELGIË

DUITSLAND

ESTLAND

FINLAND

FRANKRIJK

GRIEKENLAND

IERLAND

ITALIË

LETLAND

LITOUWEN

LUXEMBURG

NEDERLAND

OOSTENRIJK

PORTUGAL

SLOVENIË

SLOWAKIJE

SPANJE

13

Tegelijkertijd zorgde financiële innovatie ervoor dat banken in staat waren steeds meer kredieten te

verstrekken. Bijgevolg hebben zowel ontwikkelingen aan vraag- als aanbodzijde gezorgd voor een

toename van de kredietverstrekking in de meeste landen. Dit resulteerde uiteindelijk in hogere

huizenprijzen, omdat steeds meer mensen in staat waren een huis te kopen (McCarthy & McQuinn, 2013).

In de meeste landen bereikten de huizenprijzen hun hoogste niveau in 2007, waarna ze kelderden

(Scanlon et al., 2011; McCarthy & McQuinn, 2013). Opvallend is echter dat de Belgische, Luxemburgse en

Oostenrijkse huizenprijzen geen neerwaartse correctie kenden tijdens en na de financiële crisis

(Vervenne, 2018). De financiële crisis had de zwaarste impact in landen waar een groot deel van de

huishoudens geleend had, de kredietverlening (en huizenprijzen) sterk was (waren) toegenomen en/of er

grote schulden waren (Scanlon et al., 2011). Dit was zeker het geval voor Ierland, waar huizenprijzen de

grootste stijging en sterkste daling kenden (McCarthy & McQuinn, 2013). Een opmerking is hierbij echter

wel op zijn plaats: de financiële crisis beperkte zich zeker niet tot landen met sterk gestegen huizenprijzen

in de eraan voorafgaande jaren. Landen met een vrij stabiele huizenmarkt, zoals Duitsland, werden

evenzeer getroffen (Scanlon et al., 2011).

Een forse afname van huizenprijzen wordt meestal onderbroken door periodes van stagnatie of zelfs

groei, wat ook na de financiële crisis het geval was in veel eurolanden. Vanaf 2009 vertraagde in veel

landen de daling en in sommige gevallen was er zelfs opnieuw een stijging. Dit heeft onder andere te

maken met centrale banken die wereldwijd intrestvoeten verlaagden, overheidsuitgaven stimuleerden

en/of landen aanmoedigden om belastingen te verminderen om de recessie te beperken

(Scanlon et al., 2011; NBB, 2018a). De laatste jaren worden vrijwel alle eurolanden opnieuw gekenmerkt

door stijgende huizenprijzen (NBB, 2018a).

14

2.2 Tien jaar na de financiële crisis opnieuw bezorgdheid

De NBB (2018b) publiceert al zeventien jaar op rij een FSR, een jaarlijkse beoordeling van de stabiliteit van

de Belgische bankensector. Het meest recente FSR van de NBB (2018a) begint alvast met een positieve

noot. Tien jaar na de financiële crisis ziet de situatie op de Belgische financiële markt er namelijk een stuk

rooskleuriger uit. De toegenomen regelgeving en supervisie heeft de financiële positie van banken zowel

op vlak van solvabiliteit, liquiditeit als winstgevendheid versterkt. De Belgische bankensector heeft in 2017

vrij goede resultaten voorgelegd, waardoor banken al een stuk beter gewapend zijn tegen een aantal

uitdagingen, waaronder de aanhoudende lage intrestvoeten (NBB, 2018a).

De lage intrestvoeten leggen ten eerste een neerwaartse druk op de winstgevendheid van de Belgische

bankensector (NBB, 2018a). Zoals te zien is aan de blauwe lijn op de linkerzijde van figuur 2.5, wordt de

intermediatiemarge (‘net interest income’), het verschil tussen de te ontvangen en te betalen rente door

banken, steeds kleiner. Dit is van groot belang, gezien uit de rechterkant van figuur 2.5 blijkt dat dit voor

Belgische banken de voornaamste inkomensbron vormt (NBB, 2014a, 2018a). De primaire functie van een

bank is namelijk haar optreden als intermediair of tussenpersoon. Mensen met een spaaroverschot

plaatsen hun geld (meestal voor een korte termijn) bij een bank onder de vorm van deposito’s

(spaarboekjes, zichtrekeningen, termijnrekeningen, kasbons …) in ruil voor een rente die zij krijgen van de

bank. Deze deposito’s vormen het werkkapitaal van de bank, waarmee zij (woon)kredieten (op lange

termijn) verstrekt aan mensen met een spaartekort die hiervoor rente aan de bank betalen

(Febelfin, 2012).

Figuur 2.5: Winstgevendheid bankensector - België (2007/8-2017) Bron: FSR 2018 (NBB, 2018a)

15

Concreet heeft het lage rentebeleid van de ECB ervoor gezorgd dat Belgische banken sinds 2016 niet

langer in staat zijn de te betalen rente op deposito’s te verlagen (NBB, 2018a). Sinds 10 maart 2016

bedraagt de herfinancieringsrente18 namelijk 0 % (Geld.nl, s.d.). De beleggingen van banken (verstrekte

kredieten) blijven echter steeds minder opbrengen. Als de rente bepaald door de ECB abrupt terug zou

stijgen, zou dit de spaarrente (te betalen rente door banken) zeer snel de hoogte injagen. Daarentegen

zou de opbrengst op haar lange termijnbeleggingen slechts geleidelijk aan volgen, aangezien deze voor

een langere periode werd vastgelegd (NBB, 2018a; Dendooven, 2018a). De zware concurrentiestrijd

tussen Belgische banken heeft alleen maar bijgedragen aan de lagere intermediatiemarges

(NBB, 2018a; Dendooven, 2018b).

Ten tweede zorgt de lage intrestvoet van de laatste jaren ook voor een zogenaamde ‘search for yield’

(NBB, 2018a). Dit houdt in dat banken continu op zoek zijn naar beleggingen (i.e. kredieten) met het

hoogste rendement (Aalbers, 2014). Rekening houdend met het feit dat er geen rendement is zonder

risico, resulteert dit in meer risicovolle beleggingen (Bodie et al., 2017; NBB, 2018a).

Ten slotte is het zo dat huishoudens zich bij de kredietvraag vaak nogal laten beïnvloeden door het

rentetarief (Dendooven, 2018b). De historisch lage hypotheekrente heeft dan ook geresulteerd in een

sterke toename van de kredietverlening (NBB, 2018a), wat de bankensector in ons land bijzonder

kwetsbaar maakt. Zoals ut supra vermeld, daalde wereldwijd het aantal verstrekte woonkredieten na de

financiële crisis (Scanlon et al., 2011). Uit figuur 2.6 valt echter af te leiden dat de Belgische

kredietverlening aan gezinnen voortdurend bleef toenemen tussen 2003 en 2017. In 2017 werden maar

liefst 243 000 woonkredieten afgesloten, goed voor een bedrag van ongeveer 31 miljard euro

(Beroepsvereniging van het Krediet19, 2018).

18 De herfinancieringsrente is de intrestvoet die banken zelf betalen voor een lening bij de ECB (Euribor-rates.eu, s.d.-a). 19 (BVK)

16

Figuur 2.6: Procentuele jaarlijkse verandering van het aantal kredieten – België (2007-2018) Bron: FSR 2018 (NBB, 2018a)

Een vergelijking van de groei van de Belgische kredietverlening met het jaarlijkse reële BBP in figuur 2.7

toont aan dat de kredietverlening in 2017 zelfs aan een sneller tempo groeide dan de economie

(Vanbrussel, 2018). Dit heeft volgens Castro en Santos (2010) onder andere te maken met de toegenomen

concurrentie en innovatie in de bankensector. Beide factoren zijn sterk gelinkt aan de liberalisering, die

onder andere gerealiseerd werd door het ontstaan van de eurozone (Scanlon et al., 2008;

Castro & Santos, 2010).

Figuur 2.7: Procentuele jaarlijkse verandering van het reële BBP – België (BE) vs. eurozone (EA) (2012-2017) Bron: FSR 2018 (NBB, 2018a)

17

In haar FSR 2018 licht de NBB (2018a) nog een aantal andere kwetsbaarheden toe, waaronder de

versoepelde kredietcondities in 2016 en (vooral) 2017. In navolging van de financiële crisis werden

Belgische banken een stuk voorzichtiger, wat tot 2015 resulteerde in vrij strenge kredietcondities. In 2017

hielden Belgische banken echter opnieuw meer risicovolle kredieten aan (NBB, 2018a). Naast de lagere

hypotheekrenten, wijst de NBB (2018a) onder meer op het feit dat in 2017 opnieuw vaker geopteerd werd

voor kredieten met lange looptijden20. Bovendien lenen Belgische huishoudens voor steeds grotere

bedragen (NBB, 2018a): in 2017 bedroeg het gemiddelde kredietbedrag maar liefst 155 100 euro

(BVK, 2018). De NBB (2018a) constateerde ook dat de Debt-Service-To-Income ratio (DSTI)21 in 2017,

ondanks de langere looptijden, lichtjes toenam. Van 8 % van de Belgische gezinnen ging namelijk meer

dan de helft van het inkomen naar de maandelijkse afbetaling (Claerhout, 2017). Een ander voorbeeld

betreffende de afbetalingslast is het feit dat 40 % van de nieuwe contracten een DSTI kent van meer dan

40 % (Dewachter & Francart, 2017). Voor sommige huishoudens wordt dit stilaan een te zware last, die

hun aflossingscapaciteit onder druk zet (Claerhout, 2017). De NBB beklemtoont ook de gevaren van een

te hoge quotiteit. In 2017 oversteeg deze in de helft van de gevallen 80 % en bij één derde zelfs 90 %

(Vanbrussel, 2018).

Ten slotte geeft de NBB (2018a) nog te kennen dat de schuldgraad van Belgische huishoudens vrij hoog

ligt: in 2017 bedroeg deze 60 % van het BBP en lag daarmee boven het Europese gemiddelde

(Vanbrussel, 2018). In dit opzicht gaf het ECSR zelfs een waarschuwing aan België (ECSR, 2016;

Dewachter & Francart, 2017). Een opmerking is hier echter wel op zijn plaats: de stijgende Belgische

schuldgraad is een stuk minder zorgwekkend rekening houdend met het feit dat veel meer gezinnen dan

vroeger een woning kunnen aankopen (Huygebaert, 2015). Aanvullend kan gesteld worden dat Belgische

huishoudens tot de meest vermogende van Europa behoren, wat maakt dat zij beter in staat zijn dergelijke

schulden te dragen (Dewachter & Francart, 2017).

De hoge schuldgraad is onder andere te wijten aan het feit dat de Belgische huizenprijzen gestaag blijven

toenemen. Vooral veel jonge gezinnen gaan zware schulden aan om de aankoop van steeds duurdere

woningen te financieren (Abbeloos, 2018; Dendooven, 2018a). De laksere kredietcondities dragen hieraan

bij en moedigen gezinnen aan om meer schulden aan te gaan dan ze anders hadden gedaan

(Cunha et al., 2013).

20 Onder een lange looptijd wordt een periode van 20 jaar of meer begrepen (NBB, 2018a). 21 De DSTI meet het percentage van het maandelijkse bruto-inkomen dat gebruikt wordt voor de maandelijkse terugbetaling van het woonkrediet (Dewachter & Francart, 2017).

18

Schulden kunnen de welvaart van huishoudens verbeteren door hen toe te laten (onverwachte) schokken

op te vangen en meer te consumeren (ECSR, 2016; Zabai, 2017). Vanaf een bepaalde grens worden de

afbetalingen voor sommige huishoudens echter te groot, waardoor te weinig ruimte overblijft voor

consumptie (Abbeloos, 2018). Dit kan uiteindelijk de economische groei negatief beïnvloeden

(Zabai, 2017).

Geert Peersman (2018, p. 1), econoom aan de UGent, wees al op de gevaren van een hoge schuldgraad:

Als er iets is wat de financiële crisis ons heeft geleerd, is dat een hoge schuldgraad van

gezinnen een land zeer kwetsbaar maakt voor renteverhogingen of het uitbreken van een

recessie. Gezinsschulden vormen op dat vlak een veel groter risico dan de overheidsschuld.

Ondanks al deze uitdagingen, dient wel opgemerkt te worden dat er de laatste jaren steeds minder

kredietnemers zijn die niet in staat zijn hun krediet terug te betalen (NBB, 2018a). Het aantal

wanbetalingen zo laag mogelijk houden, is dan ook deel van het mandaat van de NBB, die in 2014

benoemd werd tot macroprudentiële autoriteit (Dewachter & Francart, 2017). Het beleid dat zij hiertoe

voert, is erop gericht de stabiliteit van de bankensector in zijn geheel te waarborgen

(De Financiële Begrippenlijst, s.d.-a).

Niet alleen de NBB maakt zich echter zorgen om de recente ontwikkelingen in ons land. In haar beleid

werkt de NBB namelijk samen met andere autoriteiten, zoals de ECSR die België in 2016 nog een

waarschuwing gaf. De ECSR (2016) identificeerde in haar studie elf landen, waaronder België22, die de

laatste jaren kwetsbaarder zijn geworden door ontwikkelingen op de vastgoedmarkt.

Als antwoord op de waarschuwing die België toen kreeg, voerde de NBB (2018a) in 2017 een nieuwe

macroprudentiële maatregel in. Daarbij behoudt ze eerst en vooral de reeds bestaande maatregel die

voor alle hypothecaire kredieten een verhoging van het risicogewicht met 5 %-punt oplegt. Daarbovenop

komt nu een proportioneel hogere kapitaalvereiste voor banken met een risicovoller portfolio. Meer

bepaald zal voor deze banken het initiële risicogewicht nog vermenigvuldigd worden met een factor 1,33

(NBB, 2018a).

22 Ook Estland, Finland, Luxemburg, Malta, Nederland, Oostenrijk en Slowakije werden genoemd in het onderzoek van de ECSR (2016).

19

2.3 Kredietcondities

Zoals ut supra vermeld, zijn kredietcondities de interne criteria die banken in acht nemen bij de

toekenning van kredieten (ECB, 2009a). Onder een versoepeling van kredietcondities wordt begrepen:

een langere looptijd, een hoger(e) kredietbedrag, DSR of quotiteit en een lagere hypotheekrente of

spread.

Ruckes (2004) en Maddaloni & Peydró (2010) bevestigen dat de kredietcondities van banken een cyclisch

verloop kennen. Meer bepaald houdt dit in dat kredietcondities te laks zijn bij goede economische

vooruitzichten en te streng in economisch ongunstige tijden. Berlin (2009) spreekt hierbij over

zogenaamde ‘lending cycles’. Dit is een systematische tendens van banken om kredieten met een

negatieve Netto Contante Waarde (NCW)23 uit te geven tijdens economische expansies en kredieten met

een positieve NCW te weigeren tijdens recessies (Berlin, 2009).

Verschillende theorieën trachten te verklaren waarom dergelijke ‘lending cycles’ bestaan. Zo geeft Ruckes

(2004) aan dat dit te maken heeft met het feit dat de informatieverzameling en de mate van concurrentie

verschillen tijdens recessies en expansies.

Banken passen hun methode van informatieverzameling aan naargelang de economische toestand.

Tijdens recessies is het bijvoorbeeld optimaal voor banken om klanten zo min mogelijk te screenen. De

achterliggende reden hiervoor is dat de proportie kredietwaardige bedrijven in dergelijke situatie

verhoudingsgewijs kleiner is. Een screening leidt dan in de meeste gevallen tot een negatieve beoordeling.

Zulke screenings leveren banken te weinig voordeel op om de gemaakte kosten en benodigde tijd te

compenseren en worden dan ook beter achterwege gelaten. Banken beschikken in dit geval dus over

minder informatie over individuele bedrijven en baseren hun beslissingen vooral op de economische

omstandigheden. Tijdens een recessie zijn deze niet zo rooskleurig, waardoor banken bijna geen kredieten

verstrekken (Ruckes, 2004).

Als de economische vooruitzichten gunstiger worden, stijgt de proportie kredietwaardige bedrijven.

Teruggrijpend naar bovenstaande redenering, wordt het optimaal voor banken om meer te screenen.

Ruckes (2004) geeft echter aan dat dit enkel geldt als het aantal kredietwaardige bedrijven onder een

bepaalde grens blijft. Boven die grens wordt het opnieuw interessanter om minder te screenen, aangezien

in dit geval het merendeel van de bedrijven kredietwaardig is (Ruckes, 2004).

23 De NCW is de som van de verdisconteerde (positieve en negatieve) toekomstige kasstromen van een krediet (Berlin, 2009).

20

Uit het voorgaande kan geconcludeerd worden dat er een inverse U-relatie bestaat tussen economische

vooruitzichten en de mate van screening. Banken verzamelen minder informatie over individuele klanten

als het economisch ofwel zeer goed of slecht gaat en screenen meer bij een onzekere economische

toestand (Ruckes, 2004).

Ruckes (2004) geeft daarenboven aan dat minder concurrentie leidt tot strengere kredietcondities.

Tijdens recessies doet zich minder concurrentie voor, aangezien slechts weinig banken bereid zijn een

krediet toe te staan aan een bepaalde ontlener. In dit geval geldt het zogenaamde ‘winner’s curse effect’,

wat tevens bevestigd werd door Berlin (2009). Als een ontlener verschillende banken benadert en slechts

bij één bank (de winnaar) in aanmerking komt voor een krediet, komt dit misschien doordat alle andere

banken besloten hebben dat deze persoon onvoldoende kredietwaardig is. De winnende bank moet hier

in haar eigen beoordeling rekening mee houden. Als de winnende bank uiteindelijk toch beslist een

krediet toe te kennen, zal ze bijgevolg een hogere intrest aanrekenen. In het meest extreme geval kan dit

er echter toe leiden dat een bank kredietaanvragen die door haar eigen systeem positief beoordeeld

worden, toch niet accepteert (Berlin, 2009).

Berlin (2009) noemt nog een andere verklaring voor ‘lending cycles’, namelijk het feit dat bankmanagers

bezorgd zijn om hun reputatie. Dit veroorzaakt een vorm van kuddegedrag, waarbij banken geneigd zijn

hun kredietcondities allemaal in dezelfde richting aan te passen (Berlin, 2009).

21

2.4 Determinanten van kredietcondities

Banken hanteren een breed scala aan kredietcondities. Vanwege deze grote diversiteit beperkt dit

onderzoek zich tot de volgende zes kredietcondities: looptijd, kredietbedrag, DSR, quotiteit,

hypotheekrente en spread. In deze sectie worden de gekozen kredietcondities eerst algemeen toegelicht,

waarna voor elk een bespreking volgt van een selectie determinanten uit eerdere onderzoeken.

2.4.1 Looptijd

Volgens Miles (2004) baseren de meeste kredietnemers zich bij de keuze van een krediet voornamelijk,

soms zelfs uitsluitend, op de grootte van de (initiële) terugbetalingen. Dit is de voornaamste reden

waarom veel huishoudens verkiezen te lenen op langere termijn. Een lange looptijd laat namelijk toe de

terugbetaling te spreiden doorheen de tijd, wat resulteert in kleinere maandelijkse afbetalingen

(Scanlon et al., 2008; Moneytalk, 2012).

Page gaf echter al in 1964 aan dat het risico toeneemt met de looptijd, aangezien er in dat geval een

grotere kans bestaat dat een onverwachte gebeurtenis de terugbetaling van het krediet verhindert. Een

bijkomend gevaar is dat lange looptijden gezinnen ertoe aanzetten om grotere schulden aan te gaan dan

ze anders hadden gedaan. Gelijktijdig zorgen de lage maandelijkse afbetalingen ervoor dat de

schuldenlast niet snel afneemt naarmate de looptijd vordert. Bijgevolg ligt de schuldgraad vaak hoger in

landen waar banken kredieten met langere looptijden aanbieden (ECSR, 2016). Ten slotte gaat een

langere looptijd gepaard met hogere totale intrestbetalingen, wat de te dragen last zwaarder maakt

(Scanlon et al., 2008; Moneytalk, 2012).

2.4.1.1 Looptijden in België versus overige eurolanden

In tegenstelling tot in sommige andere eurolanden, is de minimale of maximale looptijd van een

woonkrediet in België niet wettelijk geregeld. Een hypothecaire inschrijving24 is echter maximaal 30 jaar

geldig, waardoor banken de looptijd meestal beperken tot 30 jaar. Een langere periode is mogelijk, maar

dan zal de bank de hypothecaire inschrijving na 30 jaar hernieuwen (Hypotheek.be, 2018).

24 Aangezien een hypotheek ingeschreven wordt op het daartoe bevoegde hypotheekkantoor, heet dit een hypothecaire inschrijving (Notaris.be, s.d.).

22

Figuur 2.8 toont aan dat de gemiddelde looptijd in België tussen 2010 en 2016 steeds korter werd, een

evolutie mede veroorzaakt door de lage rente. Belgische huishoudens betalen hun woonkrediet

gemiddeld genomen relatief snel terug, wat blijkt uit de gemiddelde looptijd van 21,4 jaar in 2016

(ECSR, 2016). In 2017 had echter opnieuw 37,6 % van de nieuwe woonkredieten een looptijd van 20 jaar

of meer, ten opzichte van 28 % één jaar eerder (EMF, 2018; NBB; 2018c). Een mogelijke verklaring hiervoor

is de daling van het aantal herfinancieringen in 2017, aangezien de looptijd hiervoor korter is dan voor

het originele krediet (NBB, 2018c). Positief is dan weer dat het aantal kredieten met een looptijd van meer

dan 25 jaar al sinds 2007 een neerwaartse trend vertoont (NBB, 2018a).

Figuur 2.8: Looptijden bij leningsuitgifte – België (2007-2017) Bron: FSR 2018 (NBB, 2018a)

De looptijd varieert tussen de verschillende eurolanden, maar ligt meestal tussen 20 en 30 jaar, wat ook

waarneembaar is in tabel 2.1. Duitsland, Nederland en Portugal vallen hier op door hun vrij hoge looptijd

(in verhouding tot andere landen). Woonkredieten met een langere looptijd dan 30 jaar komen ook voor,

maar maken vooralsnog slechts een klein deel uit van het portfolio van banken (ECB, 2009b).

De financiële crisis heeft de gangbare looptijden drastisch veranderd. De explosieve groei van huizen-

prijzen in de aanloop van de financiële crisis creëerde namelijk betaalbaarheidsproblemen in gans Europa.

Kredietgevers zochten dan ook naar mogelijkheden om woonkredieten te ontwikkelen met lagere

maandelijkse terugbetalingen. Eén van die oplossingen was een langere looptijd, iets wat in de periode

voor de financiële crisis dan ook grootschalig toegepast werd (Scanlon et al., 2008). In 2009 stopten veel

banken met deze praktijk (en maakten tegelijkertijd ook verscheidene andere krediet-condities strenger)

(Scanlon et al., 2011). Sinds enkele jaren neemt de looptijd in verschillende landen opnieuw toe, iets wat

de ECSR (2016) zorgen baart.

23

Tabel 2.1: Gemiddelde looptijd - 19 eurolanden (2016)25

2.4.1.2 Determinanten van de looptijd

Hoewel de bestaande literatuur rond dit onderwerp vrij beperkt is, zijn toch verscheidene mogelijke

determinanten van de looptijd terug te vinden. Wel dient opgemerkt te worden dat deze kredietconditie,

wegens een gebrek aan beschikbare data, in dit werk niet empirisch onderzocht wordt.

Dhillon, Shilling en Sirmans publiceerden in 1990 een onderzoek naar de onderliggende determinanten

betreffende de keuze van de looptijd voor een woonkrediet. Hiervoor gebruikten zij data voor zo’n 4 000

leningstransacties tussen 1985 en 1986 in de VS. De auteurs vinden ten eerste dat een hogere quotiteit

gepaard gaat met een langere looptijd. Huishoudens met een laag vermogen hebben liefst een zo hoog

mogelijke quotiteit, aangezien dit een lagere eigen inbreng vereist. De betaalbaarheidsbeperkingen

waarmee zij geconfronteerd worden, sporen hen aan daarnaast te kiezen voor een langere looptijd

(Dhillon et al., 1990).

25 Voor een aantal landen waren geen data beschikbaar omtrent de gangbare looptijd.

24

Dhillon et al. (1990) vinden geen significant verband tussen inkomen en looptijd. Nochtans hadden zij

vooropgesteld dat ontleners met een laag inkomen waarschijnlijk zouden kiezen voor een langere

looptijd. Een krediet met een korte looptijd gaat namelijk gepaard met hogere maandelijkse afbetalingen,

die voor gezinnen met een lager inkomen moeilijker te dragen zijn. Hun onverwachte resultaat wijten zij

onder meer aan het feit dat ze als variabele het huidige nominale inkomen hebben opgenomen, terwijl

het permanente reële inkomen26 waarschijnlijk een betere maatstaf is (Dhillon et al., 1990).

Ontleners zijn eerder geneigd te kiezen voor een krediet met een langere looptijd in gebieden waar reële

huizenprijzen hoog zijn ten opzichte van het reële inkomen (Dhillon et al., 1990). Ook volgens de ECB

(2009b) is er een positieve relatie tussen de waarde van de woning en de looptijd. Stijgende huizenprijzen

zorgen er namelijk voor dat huishoudens grotere bedragen moeten lenen, wat enkel haalbaar is bij een

langere looptijd. Hieruit volgt evenzeer een positieve relatie tussen kredietbedrag en looptijd

(ECB, 2009b).

De meeste kredietnemers verkrijgen geen woonkrediet met een korte looptijd bij een hoge

hypotheekrente. Volgens Dhillon et al. (1990) heeft dit alles te maken met het feit dat de afbetalingslast

in dergelijk geval te zwaar zou doorwegen op hun inkomen.

Bepaalde karakteristieken van de ontlener hebben eveneens een impact op de keuze voor een lange of

korte looptijd. Dhillon et al. (1990) rekenen hieronder bijvoorbeeld de leeftijd, de samenstelling van het

huishouden en het feit of het krediet al dan niet dient voor het eerste huis.

26 Met permanent inkomen wordt bedoeld: het inkomen verdiend over een langere periode (dus niet enkel op een bepaald moment in de tijd) (De Financiële Begrippenlijst, s.d.-b).

25

2.4.2 Gemiddeld kredietbedrag

De beschikbare data omtrent het gemiddelde kredietbedrag bevatten te veel hiaten om op te nemen in

de regressieanalyses. Aangezien dit voor veel huishoudens echter een cruciale kredietconditie vormt,

wordt hier voor de volledigheid toch wat verder op ingegaan.

2.4.2.1 Gemiddeld kredietbedrag in België versus overige eurolanden

Figuur 2.9: Gemiddeld(e) kredietbedrag, huizenprijs en quotiteit (in duizend €) – België (1996-2017) Bron: FSR 2018 (NBB, 2018a)

Figuur 2.9 laat zien dat er een positief verband bestaat tussen het gemiddelde kredietbedrag en de

huizenprijs, althans voor België. Opvallend is dat het verschil tussen beide sinds 2005 steeds groter wordt,

wat te wijten is aan de belastinghervorming voor woonkredieten. Heel wat mensen sloten hierna een

woonkrediet af omwille van fiscale redenen, maar beperkten tegelijkertijd het bedrag om nog in

aanmerking te komen voor het belastingvoordeel (NBB, 2018a).

De financiële crisis veroorzaakte in België geen daling van het gemiddelde kredietbedrag, maar eerder

een vertraagde groei. Hetzelfde geldt voor de Belgische huizenprijzen, wat haaks staat op de

waargenomen evolutie in de rest van de eurozone. Vanaf 2015 versnelde de groei van de Belgische

kredietbedragen en huizenprijzen opnieuw, wat onder andere toe te schrijven is aan de lage

hypotheekrente en intense concurrentie (NBB, 2018a).

26

Ook in 2017 groeide het gemiddelde kredietbedrag in België nog steeds: Belgen leenden gemiddeld

155 100 euro voor de aankoop van hun woning, goed voor ongeveer 64 % van de gemiddelde huizenprijs.

Deze laatste vertoonde eenzelfde opwaartse tendens en bevond zich in 2017 op

242 000 euro (NBB, 2018a). Volgens de NBB (2018a) was er in 2017 zelfs sprake van een overwaardering

van de Belgische huizenmarkt met gemiddeld 6,5 %.

Figuur 2.10 toont de beschikbare data omtrent het gemiddelde kredietbedrag voor een aantal

eurolanden, waar vooral de grote spreiding in het oog springt.

Figuur 2.10: Gemiddeld kredietbedrag – 7 eurolanden (2006-2017) Bron: EMF (2018)

0,00

50 000,00

100 000,00

150 000,00

200 000,00

250 000,00

2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017

Kre

die

tbed

rag

[€]

Jaar

BELGIË

FINLAND

FRANKRIJK

IERLAND

LETLAND

SLOWAKIJE

SPANJE

27

2.4.2.2 Determinanten van het gemiddelde kredietbedrag

Zoals ut supra verduidelijkt werd, is de huizenprijs één van de voornaamste determinanten van het

gemiddelde kredietbedrag. Duurdere huizen verplichten veel gezinnen immers een groter krediet aan te

gaan (NBB, 2018a).

Volgens Wenli (2005) zijn huishoudens in een gunstig economisch klimaat eerder geneigd een huis te

kopen en hiervoor een groter bedrag te lenen. Kenmerkend voor zo’n klimaat zijn een afnemende

werkloosheidsgraad en inkomensstijgingen. Bijgevolg blijkt er een negatief (positief) verband te zijn

tussen de werkloosheidsgraad (het inkomen) en het gemiddelde kredietbedrag (Wenli, 2005). Cunha et

al. (2013) wijzen er bovendien op dat banken vaak kredieten toestaan met een bedrag gelijk aan een

aantal keer het gezinsinkomen, wat het positieve verband tussen inkomen en kredietbedrag bevestigt.

Volgens Wenli (2005) en de NBB (2018a) is er ten slotte een negatief verband tussen de hypotheekrente

en het kredietbedrag. Vooral jonge gezinnen lenen meer bij een lage hypotheekrente om deze gedurende

de ganse looptijd vast te klikken. Een lage hypotheekrente moedigt de keuze voor een groter bedrag ook

aan omwille van de lagere maandelijkse intrestbetaling (Wenli, 2005; NBB, 2018a).

28

2.4.3 DSR

De DSR komt neer op de afbetalingslast voor de ontlener en wordt als volgt gemeten

(Drehmann & Juselius, 2012; Bank voor Internationale Betalingen27, 2019a):

𝐷𝑆𝑅 =𝑖𝑛𝑡𝑟𝑒𝑠𝑡𝑏𝑒𝑡𝑎𝑙𝑖𝑛𝑔𝑒𝑛 + 𝑠𝑐ℎ𝑢𝑙𝑑𝑎𝑓𝑙𝑜𝑠𝑠𝑖𝑛𝑔𝑒𝑛

𝑏𝑟𝑢𝑡𝑜 𝑏𝑒𝑠𝑐ℎ𝑖𝑘𝑏𝑎𝑎𝑟 𝑖𝑛𝑘𝑜𝑚𝑒𝑛 𝑣𝑎𝑛 ℎ𝑢𝑖𝑠ℎ𝑜𝑢𝑑𝑒𝑛𝑠.

De som van intrestbetalingen en schuldaflossingen wordt ook wel ‘debt service costs’ genoemd en slaat

op alle schulden van huishoudens, dus ook schulden niet gerelateerd aan huisvesting (BIB, 2019a). Het

bruto beschikbaar inkomen is het geld dat huishoudens overhouden om uit te geven of te sparen na aftrek

van inkomens- en vermogensbelastingen. ‘Bruto’ slaat op het feit dat afschrijvingen op bezittingen van

huishoudens, onder andere woningen, niet in aftrek worden gebracht (Office for National Statistics, s.d.;

NBB, 2014b).

Dit blijkt een vrij nauwkeurige maatstaf te zijn om tot één of twee jaar op voorhand een bankencrisis te

voorspellen. De DSR bereikt in normale omstandigheden een piek net voor de uitbarsting van een crisis,

die bovendien vrij vergelijkbaar is tussen landen (Drehmann & Juselius, 2012).

Er wordt ook vaak gesproken over de DSTI, die het percentage van het maandelijkse bruto-inkomen meet

dat gebruikt wordt voor de maandelijkse terugbetaling van het woonkrediet. Kredietgevers gebruiken

deze ratio om te bepalen of een ontlener al dan niet in staat zal zijn het krediet terug te betalen

(Hayes, 2019a). Huishoudens met een hogere DSTI hebben meer kans op terugbetalingsproblemen in

geval van een inkomensdaling of intreststijging (Bańkowska et al., 2015). Er bestaan echter wel

mogelijkheden om de DSTI te beperken: verschillende landen, waaronder ook Estland, Nederland en

Slowakije, voerden een limiet in op de DSTI (ECSR, 2016).

Een ontlener kan deze afbetalingslast op verschillende manieren dragen. De meest voorkomende

terugbetalingsmodaliteit is deze waarbij de maandelijkse afbetaling (samengesteld uit een stijgende

kapitaalsaflossing en een dalend intrestbedrag) gedurende de ganse looptijd gelijk blijft. Een tweede

kredietvorm is deze waarbij de kredietnemer maandelijks een vaste kapitaalsaflossing betaalt, maar het

te betalen intrestbedrag afneemt. De maandelijkse afbetaling kent in dit geval dus een dalend verloop.

Bij een kleine minderheid van kredieten worden gedurende de looptijd uitsluitend intresten betaald en

wordt het kapitaal in één keer aan het einde van het contract terugbetaald. Deze formule wordt

aangeduid als de aflossingsvrije hypotheek (ECB, 2009b; Lening.org, s.d.).

27 (BIB)

29

In verschillende landen werden in de aanloop van de financiële crisis ook andere

terugbetalingsmogelijkheden gepromoot, zoals bijvoorbeeld ‘teaser rate’ kredieten (ECB, 2009b). Daarbij

wordt initieel een lage hypotheekrente (tot zelfs 0 %) aangerekend om kredietnemers aan te trekken, die

na verloop van tijd opgetrokken wordt (Kagan, 2018). Ten slotte bieden sommige woonkredieten een

bepaalde flexibiliteit, wat betekent dat de kredietnemer de betalingen kan uitstellen in geval van

bijvoorbeeld inkomensverlies (ECB, 2009b). Opmerkelijk is dat een volledige terugbetaling in sommige

landen niet vereist of zelfs niet gebruikelijk is (ECSR, 2016).

2.4.3.1 Determinanten van de DSR

Tot op heden werd nog niet bijster veel aandacht besteed aan de DSR en zijn determinanten, waardoor

hieronder een vrij summiere bespreking volgt van eerder onderzochte factoren.

Page (1964) vindt eerst en vooral een positief verband tussen het kredietbedrag en de maandelijkse

terugbetaling, gegeven de huizenprijs en de looptijd. Daarnaast wordt de maandelijkse terugbetaling, bij

een gegeven hypotheekrente en kredietbedrag, volgens hem kleiner bij een langere looptijd. Ook dit is

logisch, aangezien de terugbetaling in dit geval over een langere periode gespreid wordt (Page, 1964). Uit

de formule voor de DSR (Drehmann & Juselius, 2012) blijkt dat bovenstaande redeneringen ook van

toepassing zijn voor de DSR.

Volgens de ECB (2009b) is er een negatief verband tussen DSTI en inkomen. Bij gelijkblijvende

terugbetalingen geeft een inkomensstijging de ontlener namelijk meer kans om het krediet terug te

betalen (ECB, 2009b).

Zabai (2017) besluit dat de DSR hoger ligt bij een hogere schuldgraad, wat bevestigd wordt door de

ECSR (2016) die aangeeft dat dit zelfs geldt bij lage hypotheekrenten. Hogere intrestbetalingen en/of

schuldaflossingen leiden inderdaad tot een toename van de schuldgraad en bijgevolg de DSR

(Zabai, 2017).

Op zichzelf leidt een toename van de hypotheekrente dus ook tot een hogere DSR (Drehmann & Juselius,

2012; Zabai, 2017). Een wijziging aan de hypotheekrente speelt overigens een grotere rol in landen waar

kredieten met een variabele hypotheekrente overheersen (Zabai, 2017).

30

2.4.4 Quotiteit

De quotiteit of Loan-To-Value-Ratio (LTV) wordt gebruikt om de schuldenlast van gezinnen in verband met

woonkredieten te meten (Wenli, 2005) en wordt als volgt uitgedrukt (Cunha et al., 2013;

Vanbrussel, 2018):

𝑞𝑢𝑜𝑡𝑖𝑡𝑒𝑖𝑡 =𝑙𝑒𝑛𝑖𝑛𝑔𝑠𝑏𝑒𝑑𝑟𝑎𝑔

𝑎𝑎𝑛𝑘𝑜𝑜𝑝𝑝𝑟𝑖𝑗𝑠 𝑤𝑜𝑛𝑖𝑛𝑔.

Een quotiteit van 80 % houdt in dat vier vijfde van de aankoopprijs gefinancierd wordt met een

woonkrediet. Dit gaat dus gepaard met een relatief lage eigen inbreng van slechts 20 % (Van Espen, 2015).

De quotiteit geldt als maatstaf voor het kredietrisico (Cunha et al., 2013): hoe hoger de quotiteit, hoe

meer kans dat de opbrengsten uit de verkoop van de woning onvoldoende zullen zijn voor de

terugbetaling van het uitstaande krediet (Page, 1964).

2.4.4.1 Quotiteit in België versus overige eurolanden

Uit figuur 2.11 kan afgeleid worden dat Belgische banken tot 2012 vrij veel kredieten toekenden met een

quotiteit van minstens 80 %. Dit aandeel liep een stuk terug in 2013 en 2014, maar sinds 2015 worden

opnieuw meer kredieten verstrekt met een quotiteit van 80-100 %. Er kan wel op gewezen worden dat

het aantal woonkredieten met een quotiteit van 100 % of meer sinds 2009 voortdurend is afgenomen

(NBB, 2018a).

Figuur 2.11: Quotiteit – België (2009-2017) Bron: FSR 2018 (NBB, 2018a)

31

In 2007 bedroeg de quotiteit in de meeste eurolanden nog ongeveer 80 % (ECB, 2009b), maar in de jaren

nadien is de quotiteit vrijwel overal sterk gedaald. Kredieten met een quotiteit van 100 % of meer worden

namelijk beschouwd als één van de oorzaken van de financiële crisis en zijn nadien bijna volledig uit het

straatbeeld verdwenen (ECB, 2009b; Scanlon et al., 2011). Van de acht landen die in 2016 een

waarschuwing kregen van de ECSR, implementeerden al vijf landen een limiet op de quotiteit (Estland,

Finland, Nederland, Oostenrijk en Slowakije). België is één van de landen die dit nog niet ingevoerd heeft,

hoewel de federale overheid over deze bevoegdheid beschikt (ECSR, 2016).28

2.4.4.2 Determinanten van de quotiteit

De literatuur die voorhanden is in verband met de quotiteit is momenteel nog vrij summier. Helaas is ook

dit werk door het tekort aan data niet in staat een uitgebreide bijdrage te leveren.

Cunha et al. (2013) zoeken naar determinanten van de quotiteit voor een panel van meer dan 5 000

Nederlandse huishoudens tussen 1992 en 2005. De data op kredietniveau waarover zij beschikken, laten

hen toe karakteristieken van individuele ontleners op te nemen. Zo vinden zij dat de quotiteit een functie

is van verschillende socio-demografische variabelen, waaronder: belastingtarief, opleiding, aantal

gezinsleden, woonplaats en het stadium in de levenscyclus.

Er bestaat daarnaast ook een positief verband tussen inkomen en quotiteit. Deze relatie valt te verklaren

door het feit dat een inkomensstijging de kans verhoogt dat een gezin zijn krediet zal kunnen

terugbetalen. Dit laat hen dan toe een hogere quotiteit te verkrijgen (Cunha et al., 2013).

McCarthy en McQuinn (2013) onderzoeken de kredietcondities in Ierland tussen 2000 en 2010 en

besluiten dat de house-price-to-income ratio29 een negatieve impact heeft op de quotiteit. Een verklaring

hiervoor is dat huishoudens bij een hoge ratio vaak een groter deel van hun inkomen moeten gebruiken

voor de terugbetaling van het krediet. Kredietverstrekkers zijn in dit geval minder geneigd een krediet toe

te staan met een hoge quotiteit. Dezelfde auteurs vinden tevens dat een stijging van de hypotheekrente

leidt tot een groter falingsrisico en dus een lagere quotiteit (McCarthy & McQuinn, 2013).

Cunha et al. (2013) stellen ten slotte vast dat de quotiteit een dalende convexe functie is van de tijd. Dit

heeft te maken met het feit dat huizen normaal gezien in waarde toenemen, terwijl het uitstaande

kredietbedrag steeds kleiner wordt door de gedane terugbetalingen. Dit staat haaks op wat Dhillon et al.

(1990) eerder concludeerden.

28 Luxemburg zou waarschijnlijk ook baat hebben bij een limiet op de quotiteit, maar de Luxemburgse overheid heeft onvoldoende macht om deze in te voeren. Malta heeft eveneens geen limiet, maar daar blijkt dit voorlopig onnodig (ECSR, 2016). 29 De house-price-to-income ratio wordt berekend als de nominale huizenprijs gedeeld door het nominale beschikbare inkomen per capita. Dit geldt als maatstaf voor de betaalbaarheid van een woning (OESO, 2019).

32

2.4.5 Hypotheekrente en spread

De hypotheekrente is één van de belangrijkste factoren bij de kredietverlening (Stinglhamber et al., 2011).

Dit is de vergoeding die de kredietnemer moet betalen voor zijn hypotheek (EMF, 2015, 2018). Banken

bepalen deze als mark-up of spread bovenop de marktrente30 geldend voor de looptijd van het contract.

Deze marktrente vertegenwoordigt dan eigenlijk de opportuniteitskost voor de bank, die het geld dat

vastzit in het krediet ook risicoloos kon investeren tegen de marktrente (Bruggeman & Wouters, 2001).

De spread bovenop de marktrente dient enerzijds om de administratiekosten te dekken die de bank

oploopt bij de leningsuitgifte. Anderzijds geldt deze ter compensatie van het falingsrisico (Page, 1964;

Bruggeman & Wouters, 2001).

2.4.5.1 Soorten hypotheekrenten

Kredietnemers hebben de keuze tussen een vaste en een variabele hypotheekrente (Stephens, 2000;

ECB, 2009b), alhoewel in elk land slechts één type domineert (ECB, 2009b). Tabel 2.2 geeft een overzicht

van het meest voorkomende type hypotheekrente in elk euroland31.

Tabel 2.2: Dominante hypotheekrente - 19 eurolanden (2016)

30 Er bestaat zowel een marktrente op korte termijn (geldmarktrente) als op lange termijn (kapitaalmarktrente). Als maatstaf voor de geldmarktrente wordt meestal de EURIBOR gehanteerd, terwijl voor de kapitaalmarktrente meestal gekeken wordt naar de rente op overheidsobligaties. (Homefinance.nl, s.d.-a, s.d.-b). 31 Voor een aantal landen waren geen data beschikbaar omtrent de dominante hypotheekrente.

33

2.4.5.1.1 Vaste hypotheekrente

In een kleine minderheid van landen, namelijk België, Duitsland, Frankrijk en Nederland, overheersen

kredieten met een vaste hypotheekrente. De duur hiervan kan echter wel verschillen: zo kiezen Belgische

gezinnen meestal voor een hypotheekrente die gedurende de ganse looptijd vast blijft (ECB, 2009b;

Saelens, 2014). Dit biedt de kredietnemer de zekerheid dat de te betalen hypotheekrente n