Hypo update Novisource nr. 2 2017

- Novisource Hypo-Update -
-oktober 2017-
Didier Adams, Marcus Drost &
Caspar Jagerman

Beste lezer,
De hypothekenmarkt en het Novisource hypothekenteam staan niet stil.
We hebben de laatste weken hard gewerkt aan de 2e Hypo-update van 2017.
In deze update richten we ons eerst op de ontwikkelingen binnen Residential Real Estate (RRE). Voor dit
onderwerp hebben we gesproken met de experts van Hypoport.
Daarnaast nemen we een kijkje in de wereld van taxeren op basis van Big Data. Wordt de taxateur zoals wij hem
nu kennen overbodig?
Tot slot bekijken we de hypotheekmarkt op macro-niveau en laten we zien wat de belangrijkste ontwikkelingen
zijn.
Wij hopen dat jullie de geselecteerde onderwerpen net zo interessant vinden als wij.
Veel leesplezier!
Caspar Jagerman, Marcus Drost en Didier Adams
Voorwoord
1

Residential Real Estate (RRE): Achtergrond
De DNB houdt middels de zogenaamde Low Level Data rapportage (LLD) toezicht op meer dan 530 miljard
hypotheekleningen in Nederland. Dit zijn hypotheekleningen die verstrekt zijn door Nederlandse kredietinstituten
of buitenlandse kredietinstituten die in Nederland gevestigd zijn. De omvang is daarmee 80% van alle verstrekte
hypotheekleningen in Nederland. Hypotheekleningen die bijv. onderhands verstrekt zijn, blijven buiten scope van
toezicht van de DNB.
Er zijn verschillende rapportagestromen waarin de DNB hypotheekdata van rapporterende kredietverstrekkers
ontvangt. De Low Level Data (LLD) rapportage heeft als doel om macro-economische risico’s te kunnen analyseren.
Nederlandse huishoudens zijn door de hoge schuldquota bijzonder kwetsbaar in vergelijking met huishoudens in
andere Europese landen. De LLD rapportage is het resultaat van een eerder initiatief van de ECB. De ECB ontvangt
namelijk in een soortgelijk formaat de gesecuritiseerde hypotheekportefeuille van alle Europese
kredietinstellingen om toezicht te houden op de kapitaalmarkt.
Bron: DNB/ RRE: https://www.dnb.nl/statistiek/digitaal-loket-rapportages/statistische-rapportages/residential-real-estate-rre/index.jsp
Figuur 1: Percentage RRE hypotheken dat onder water staat

Nadelen huidige LLD rapportage
Vanuit het perspectief van informatiemanagement is de huidige LLD rapportage een sterk gedenormaliseerd
datamodel waarbij alle attributen gerelateerd zijn aan leningdelen. Dit type rapportage wordt ook loan level
rapportage genoemd. Het voordeel van het loan level formaat is dat het een bekend formaat is, waar het
personeel in het hypothekendomein gewend is om mee te werken. Het nadeel van de LLD loan level rapportage is,
dat het niet mogelijk is om met dit formaat een relationele database te reproduceren met referentiele integriteit,
die de consistentie tussen entiteiten waarborgt. Heeft bijv. een lening een hoofdonderpand en een aanvullend
onderpand, meerdere polissen als zekerheden, verschillende aanvragers of andere personen die een rol spelen
m.b.t. leningen of leningdelen, dan zal de relatie tussen de verschillende entiteiten kwijt raken bij het uitwisselen
van data in een loan level formaat.
Figuur 2: Reporting Template RMBS

Voordelen nieuwe RRE rapportage: Relationeel formaat
De nieuwe rapportage voor Residential Real Estate Mortgage Loans (RRE) is een Nederlands initiatief om de
geschetste problemen van de LLD rapportage te verhelpen en zodoende de DNB in staat te stellen een integraal
datawarehouse te bouwen dat aan de hoge eisen m.b.t. integriteit voldoet wat noodzakelijk is voor hoogwaardige
analyses van de Nederlandse hypotheekportefeuille. Net als voor de LLD rapportage heeft de DNB ook voor de
RRE rapportage een bestaande rapportage van de ECB als voorbeeld gekozen. De RRE rapportage is gebaseerd op
het relationele entiteiten model van de Analytical Credit Datasets rapportage (AnaCredit) die de ECB heeft
ontwikkeld om op basis van granulaire data te analyseren van de door banken verstrekte kredietleningen binnen
de eurozone. Het RRE datamodel is een echt relationeel datamodel waarin leningen (RRE term: contracts),
leningdelen (instruments), aanvragers (counterparty), onderpanden (property) als aparte entiteiten zijn
gemodelleerd en referentiele integriteit de onderlinge consistentie van entiteiten waarborgt. De entiteiten
kennen een subtyperingen zoals natuurlijke persoon (natural person subtype van counterparty) en juridische
persoon (legal person subtype van counterparty). In RRE zijn leningen (contact) cq. leningdelen (instruments) en
personen (counterparty) in een bepaalde rol aan elkaar gerelateerd. De entiteiten bevatten attributen die
behoren tot de standaard kenmerken van een hypotheekportefeuille en veel risk specifieke data m.b.t. het LGD,
PD, en EAD modellen, recoveries etc. Het RRE model vereist ook veel oude historische data van het moment van
origineren (RRE term: at interception) van de leningen.
Figuur 3: RRE Data model

Consequenties nieuwe RRE voor rapportage partijen
Voor de rapporterende partijen (RRE term: reporting agents) d.w.z. Nederlandse kredietinstituten en buitenlandse
kredietinstituten die in Nederland gevestigd zijn, zal de RRE rapportage grote impact gaan hebben. Veelal is de
informatiearchitectuur niet ingericht om de meer dan 30 entiteiten met hun onderlinge relaties referentieel
integer aan te leveren vanuit de bestaande data-architectuur. Veel rapportage omgevingen zijn immers min of
meer loan level data gebaseerd. En data warehouses hebben vaak niet het lage granulaire detailniveau waarop
het RRE datamodel is gemodelleerd.
Figuur 4: Betrokken instituten en relaties
Zeker zullen kredietinstituten
ook gaps moeten oplossen die
betrekking hebben op
historische attributen.
Kredietinstituten die al ver
gevorderd zijn met de
implementatie van wet en
regelgeving in het kader van
regulering zoals IFRS zullen een
voorsprong hebben bij de
implementatie van de RRE
rapportage in 2018.

Meer mogelijkheden met het nieuwe RRE model
De RRE rapportage verplichting geeft ook kansen. DNB heeft door dit relationele datamodel aan alle
hypotheekverstrekkers op te leggen een universele uitwisselingstaal voor hypotheken in de markt gezet. Dit biedt
vele mogelijkheden. Denk bijvoorbeeld aan de mogelijkheid om de migratie van hypotheken naar een nieuw
administratiesysteem te vereenvoudigen. Dit is geen overbodige luxe: als je bedenkt dat de levensduur van een
hypotheekadministratie vaak niet langer is dan 10 jaar, maar een hypotheek vaak 30 jaar blijft lopen, zijn er vaak 2
of meer migraties nodig tijdens de looptijd van een hypotheek. En bij die migraties verlies je vaak veel
hypotheekdetails, wat de automatische behandeling in de toekomst bemoeilijkt en dus duurder maakt.
Nog meer tot de verbeelding spreekt het als met dit
gemeenschappelijke formaat hypotheken en
hypotheekportefeuilles uit worden gewisseld tussen
hypotheek servicers. Dan ontstaat er portabiliteit van
hypotheken en kunnen we in de toekomst bij een
renteherziening misschien wel vrij kiezen tussen de
geldgever, de adviseur en de administrateur van onze
hypotheek en met een muisklik overstappen naar de partij
met het betere aanbod.
Hierbij moet nog wel de kanttekening worden geplaatst
dat voor de meeste hypotheekverstrekkers de kwaliteit
van de vastlegging nog sterk verbeterd moet worden: Er is
nog veel datavervuiling in de portefeuilles aanwezig. € € €
Adviseur
Administratie
Funder
RRE
Figuur 5: Portabiliteit van hypotheken

Residential Real Estate (RRE): Externe bijdrage
Hypoport
Dutch Residential Real Estate (RRE) information for the Dutch National Bank
 The Dutch National Bank (DNB) has published the next series of documentation on their RRE project in which
the Dutch competent authority aims to further increase the quality of the supervision on the Dutch mortgage
market. Running analyses we want to highlight a couple of striking differences between this particular dataset
and its predecessor (the loan-level data for the whole mortgage book):
 DNB has chosen to ask for the information it deems relevant, taking AnaCredit as the starting point,
complementing it with information fields from the LLD (EDW)
 AnaCredit is the starting point, but the overlap is limited, 53 out of the 105 fields overlap with AnaCredit, 52
fields do not
 The instruments / products in scope are broader than mortgages alone. DNB decided to ask for the other
exposure related contracts as well (such as credit limits on current accounts, credit-cards, personal loans and
such) to have a broader view on household debts
 The data is very granular, containing all active mortgages / loans of the whole book (on- and off balance)
 The data-model, its validations and checks are extensive and strict compared to the current (voluntary) loan-
level data
 Several ‘at inception’ (starting date of the original loan) information fields are required. We expect this to pose
a challenge for issuers to report, since an extensive set of reliable historical data is needed
Bron: Interview Hypoport, Software leverancier in Structured Finance

Residential Real Estate (RRE): Externe bijdrage
Hypoport
 The timeline is challenging; testing as of April 2018, first production report in July 2018
To help issuers deliver RRE in time and with high-quality – Hypoport has decided to set up a RRE module as part of
the PRoMMiSe® solution including quick validation feedback whether the data is up to par with the high quality
standards DNB has set out.
Bron: Interview Hypoport, Software leverancier in Structured Finance
Figuur 6: Tijdslijn RRE reporting implementatie

Taxeren op basis van Big Data
Achtergrondinformatie
Binnen banken is het managen van financiële risico’s na de crisis nog groter van belang.
Voor de verplichte jaarlijkse waardering van hun uitstaande hypotheekportefeuille gebruiken banken modelmatige
taxaties. Modelwaarden zijn efficiënt en leveren op basis van big data een redelijke indruk van de uitstaande portefeuille.
Eerder werden taxaties van onderpanden voor het verstrekken van een lening uitsluitend gedaan door taxateurs. Door de
invoering van de Mortgage Credit Directive (MCD) is hier een wijziging op gekomen. Als de hoogte van de hypotheek niet
meer is dan 90% van de koopsom, mag de woningwaarde voor hypotheekverstrekking worden getaxeerd via een
modelmatige taxatie.
Modelmatig taxeren heeft als voordeel dat het snel en efficiënt is. De taxateur hoeft immers niet meer fysiek op locatie
aanwezig te zijn om de taxatie uit te voeren. Echter heeft deze vorm van taxeren ook nadelen.
De historische gegevens zeggen niets over de huidige staat van onderhoud, materiaalgebruik in de woning, de
energieprestatie en duurzaamheid van de woning.
Een modelmatige taxatie kan leiden tot een te hoge of te lage waardering met nadelige gevolgen.
Toezichthouders als de AFM en DNB stellen terecht veel eisen aan taxateurs, maar niemand controleert hoe modelmatige
waarden tot stand komen. Het zou goed zijn de controle te verscherpen op instituten die modelmatige waarden afgeven.
De vraag is of modelmatig taxeren echt een toekomst heeft buiten het waarderen van bestaande portefeuilles. Blijft deze
manieren enkel handig als hulp-, monitoring- en controlemiddel voor de taxateur? Of zullen de technologische
ontwikkelingen ervoor zorgen dat de huidige taxateur overbodig wordt?
Bronnen:
1. https://fd.nl/opinie/1212611/woningkopers-zijn-de-dupe-als-banken-hypotheek-baseren-op-big-data
2. https://www.afm.nl/nl-nl/professionals/onderwerpen/hypothekenrichtlijn

Taxeren op basis van Big Data
Feiten en cijfers
 Door strengere Europese wetten (MCD & CRD) moeten Nederlandse banken voortaan ieder jaar hun
hypotheekportefeuille taxeren
 Modelmatig taxeren is vanaf 2016 toegestaan bij minder risicovolle leningen waarvan de LTV lager is dan 90%
 Minister Dijsselbloem heeft dit cijfer gebaseerd op de aanname dat de gemiddelde conditie vaak niet meer
dan 10% afwijkt van vergelijkbare woningen
 Bij hypotheken met NHG blijft voorlopig een fysieke taxatie verplicht
 Modelmatig taxeren kost ongeveer €25,- terwijl een fysieke taxatie al gauw €300,- kost
Bronnen:
1. http://www.amweb.nl/financiele-planning/nieuws/2016/6/ltv-grens-modelmatige-taxatie-verhoogd-naar-90-1011647
2. https://www.kop-munt.nl/kop/blog/posts/fysieke-en-modelmatige-taxatie-complementair-of-in-elkaars-vaarwater-deel-1/
3. https://www.vastgoedactueel.nl/nieuws/vbo-makelaar-modelmatig-taxeren-bij-hypotheekverstrekking-onverantwoord

De Hypotheekmarkt op macro niveau
Minder beschikbare woningen
De huizengekte is niemand ontgaan de laatste tijd.
Doordat er de laatste jaren na de crisis minder
woningen zijn gebouwd, is het aantal beschikbare
koopwoningen slechts met 5% gegroeid in de laatste 5
jaar tijd (Figuur 7). Omdat de vraag naar woningen
harder stijgt dan het aanbod ontstaat er een krapte in
de huizenmarkt.
Bronnen
1. Kadaster, Vastgoed Dashboard
2. Calcasa
3. IG&H Nieuwsbrief Q2
Figuur 8: Ontwikkeling prijzen bestaande koopwoningen
Figuur 7 : Aantal beschikbare woningen
Stijgende huizenprijzen
Vooral in de grote steden (o.a. Amsterdam en
Utrecht) stijgen de huizenprijzen razendsnel.
Biedingen boven de vraagprijs zijn eerder regel
dan uitzondering. In sommige gevallen wordt er
zelfs geboden zonder de woning te bezichtigen.
Deze ontwikkeling heeft ertoe geleid dat
bestaande koopwoningen in augustus 7,8%
duurder waren dan in augustus 2016 (Figuur 8).
Deze stijging is al 4 maanden even groot.

Stijgende hypotheekomzet
De totale hypotheekomzet is ten opzichte van 2016 flink gestegen
(Zie figuur 9). Meer dan de helft van de omzet is afkomstig uit
doorstromers, maar starters en oversluiters laten tevens een
groei zien in omzet en aantallen.
We zien dat de omzet harder stijgt dan de aantallen (Figuur 11).
Dit wordt verklaard door de flinke stijging van de gemiddelde
hypotheeksom voor de hele markt (Figuur 10). Het aanbod van
woningen is ruim gedaald met 22% ten opzichte van Q2 2016. De
vraag is of deze stijgende omzetlijn de komende periode blijft
doorzetten of dat de rust enigszins terugkeert op de huizenmarkt.
Bronnen
2. Calcasa
Figuur 9: Hypotheekmarktontwikkeling omzet
Figuur 10: Ontwikkeling gemiddelde hypotheeksom per type sluiter Figuur 11: Aantal geregistreerde verkochte woningen

Marktaandeel Verzekeraars stijgt
Verzekeraars, zoals Achmea en Aegon, vergroten hun
aandeel op de hypotheekmarkt. Dit is ten koste gegaan van
het marktaandeel van de top-3 banken, waarbij we in de
afgelopen kwartalen juist een marktaandeelstijging zagen.
De daling van het aandeel van de top-3 banken is vooral te
wijten aan het gedaalde marktaandeel van ABN AMRO en
Florius afgelopen kwartaal.
Waar banken in het verleden een marktaandeel hadden
van soms wel 70%, zien we dat de afgelopen 2 jaar het
aandeel van de top-3 banken rond de 50% blijft
schommelen. Daarmee kunnen we zeggen dat de
marktverdeling op dit moment vrij stabiel is.
Verzekeraars wisten vooral meer marktaandeel bij starters
te behalen. Rentes met langere looptijden zijn over het
algemeen lager bij verzekeraars, waardoor klanten meer
kunnen lenen. Verzekeraars zijn daarom vaak interessante
partijen voor starters op de woningmarkt.
Bronnen
2. Calcasa
Figuur 12: Top 10 grootste partijen qua marktaandeel

Hypo update Novisource nr. 2 2017

Recommended

Recommended

More Related Content

Similar to Hypo update Novisource nr. 2 2017

Similar to Hypo update Novisource nr. 2 2017 (20)

Hypo update Novisource nr. 2 2017