Determinanten van de BAR op kantoren




                    Ir. Marleen H. Verhaegh


               Amsterdam/ Utrecht, ...
2


DETERMINANTEN VAN DE BAR OP KANTOREN
ESSENTIE



In onderliggend onderzoek is een analyse gedaan naar de BAR op kantoren en haar
onderliggende determinanten. H...
Voor de diverse regio’s werden verschillende modellen c.q. volgorden van verklarende
factoren verkregen. Het model voor de...
VOORWOORD



De roos heeft enkel maar vier doornen om zich te verdedigen tegen invloeden van
buitenaf om zodoende te kunne...
INHOUDSOPGAVE



Essentie....................................................................................................
Hoofdstuk 5 Begripsbepaling analysedata................................................................. 23
    5.1. Inlei...
INLEIDING

                                                                                                    1
1.1. ACHT...
1.3. METHODISCHE VERANTWOORDING
Het onderzoek is uitgevoerd op basis van data afkomstig van de (participanten van de)
ROZ/...
1.3.2. C ONCEPTUEEL MODEL




                                                   Probleemstelling




Literatuur          ...
Hoofdstuk 4 beschrijft de achtergrond van de gehanteerde analysetechniek, regressie-
analyse. Tevens komen er in dit hoofd...
BEGRIPPENKADER

                                                                                                     2
2.1...
Er is echter geen eenduidige overeenstemming over welke duur van de staatslening
hierbij als uitgangspunt genomen moet wor...
2.4. D E BAR ALS BASIS VOOR WAARDEREN
De vastgoedmarkt kenmerkt zich onder andere door infrequente prijsvorming middels
ve...
Aangezien de BAR een veelbepalende factor is binnen deze methode, kan de uiteindelijk
bepaalde waarde grote bandbreedten v...
Door de ROZ/IPD worden op kwartaal- en jaarbasis tevens –door institutionele beleggers
opgegeven- bruto aanvangsrendemente...
LITERATUURONDERZOEK

                                                                                             3
3.1. I...
3.3. RISICOPREMIE OP VASTGOEDBELEGGINGEN
Naar de hoogte van de juiste risicopremie op vastgoedbeleggingen is relatief nog ...
Sivitanidou en Sivitianides [1999] zijn in hun analyse naar de invloedsfactoren op
rendementen uitgegaan van op transactie...
ACHTERGROND ANALYSEMODEL

                                                                                            4
4....
5.Bij regressie-analyse wordt ervan uitgegaan dat de storingsterm ε normaal verdeeld is.
  Indien dit niet het geval zou z...
4.5.3. C OËFFICIËNTEN IN HET MODEL
Wanneer het optimale model (combinatie van verklarende factoren) is geselecteerd,
kunne...
BEGRIPSBEPALING ANALYSEDATA

                                                                                             ...
Gegevens die gebruikt worden om de object- en portefeuilleresultaten tegen de
benchmarkindex af te zetten, worden op kwart...
De volgende factoren worden derhalve verder belicht in het onderzoek:
- Leeftijd gebouw;
- Exploitatiekosten;
- Markthuur;...
Het jaar van oplevering is het jaar dat een object daadwerkelijk wordt opgeleverd. Voor
panden die tot de standing investm...
In de noemer van het percentage exploitatiekosten staat het capital employed. Capital
employed is door de ROZ/IPD gedefini...
5.6. BEVINDINGEN TEN BEHOEVE VAN ONDERZOEK
In dit hoofdstuk is een toelichting gegeven op de dataselectie ten behoeve van ...
ANALYSE GEHEEL NEDERLAND

                                                                                                ...
6.2. D ATAVERANTWOORDING
Als eerste analyse is er een regressie uitgevoerd op basis van data voor geheel
Nederland. Voor  ...
Uit de tabel blijkt dat de combinatie van deze factoren leidt tot een verklaringskracht
van 0,429, wat als relatief hoog m...
6.4. ANALYSE GEHEEL NEDERLAND, 2003
Vervolgens is er een regressie-analyse uitgevoerd voor geheel Nederland voor het jaar
...
6.6. S CHATTING BARREN GEHEEL NEDERLAND, 2002 EN 2003
Wanneer er gekeken wordt naar de validatie van voorgaande analyseres...
In onderstaand overzicht zijn de resultaten opgenomen van deze regressie-analyse,
waarbij    de   resterende    looptijd  ...
6.8. CONCLUSIE ANALYSE GEHEEL NEDERLAND
Naar aanleiding van de analyse op basis van data voor geheel Nederland kunnen de
v...
ANALYSE PER REGIO

                                                                                               7
7.1. I...
7.3. ANALYSE REGIO A MSTERDAM
Uit de regressie-analyse voor Amsterdam over de jaren 2002 en 2003, blijkt dat de BAR
van ka...
Rotterdam 2002
        Factor                            Coëfficiënt        Adjusted R2 cumulatief
 α                     ...
Den Haag 2003
        Factor                            Coëfficiënt         Adjusted R2 cumulatief
 α                     ...
7.7. CONCLUSIE REGIOANALYSE
Naar aanleiding van de analyse op basis van data voor de verschillende regio’s in
Nederland ku...
Bar
Bar
Bar
Bar
Bar
Bar
Bar
Bar
Bar
Bar
Bar
Bar
Bar
Bar
Bar
Upcoming SlideShare
Loading in …5
×

Bar

2,253 views

Published on

Published in: Travel
0 Comments
0 Likes
Statistics
Notes
  • Be the first to comment

  • Be the first to like this

No Downloads
Views
Total views
2,253
On SlideShare
0
From Embeds
0
Number of Embeds
14
Actions
Shares
0
Downloads
11
Comments
0
Likes
0
Embeds 0
No embeds

No notes for slide

Bar

  1. 1. Determinanten van de BAR op kantoren Ir. Marleen H. Verhaegh Amsterdam/ Utrecht, maart 2005 Amsterdam School of Real Estate Master of Science in Real Estate - Investments BEGELEIDERS ASRE De heer drs. R.M. Weisz RA MRICS PHILIPS PENSIONS COMPETENCE CENTER De heer ir. S. Gorter
  2. 2. 2 DETERMINANTEN VAN DE BAR OP KANTOREN
  3. 3. ESSENTIE In onderliggend onderzoek is een analyse gedaan naar de BAR op kantoren en haar onderliggende determinanten. Het onderzoek is uitgevoerd op basis van data van de ROZ/IPD-vastgoedindex. Toegevoegde waarde van het onderzoek is dat er sprake is van een zeer grote marktdekking betreffende deze data. Bij de dataselectie moest rekening gehouden worden met de beschikbare data vanuit de ROZ/IPD. Derhalve is het mogelijk dat niet alle van invloed zijnde determinanten voor de BAR in de analyse zijn meegenomen. Uit een univariate regressie-analyse is gebleken dat vijf determinanten 90% van de verklaringskracht bepaalden. Deze vijf determinanten zijn dan ook als uitgangspunt worden genomen voor meervoudige regressie-analyses, te weten huurpotentie, hoogte van de markthuur, resterende looptijd van de huurcontracten, exploitatiekosten en leeftijd. Daar de variabele leeftijd geen financiële variabele betreft, is deze variabele pas in tweede instantie in de analyse meegenomen. Hierbij is bekeken wat het effect is van ‘leeftijd’ ten opzichte van de originele analyse. Daar voor de variabele resterende looptijd huurcontracten enkel nog maar data beschikbaar is voor de jaren 2002 en 2003, zijn deze jaren als uitgangspunt genomen voor het onderzoek. Er zijn in het onderzoek verschillende meervoudige regressie-analyses uitgevoerd. In eerste instantie op basis van geheel Nederland, vervolgens voor vier regio’s, te weten Amsterdam, Rotterdam, Utrecht en Den Haag. Uit de resultaten van de analyses kon worden geconcludeerd dat in alle analyses alle determinanten, behalve de exploitatiekosten, een omgekeerd evenredige relatie blijken te hebben met de BAR. Gezien de praktijk is dit een logische uitkomst. De verkregen modellen hebben een relatief goede verklaringskracht wanneer deze vergeleken worden met andere onderzoeken. Op basis van de data voor geheel Nederland is daarnaast nog een vergelijking uitgevoerd tussen de werkelijke BAR en de geschatte BAR middels het model. Hieruit bleek dat deze vrijwel overeenkomstig waren, wat inhoudt dat de verkregen modellen voor geheel Nederland relatief betrouwbaar zijn. 3 DETERMINANTEN VAN DE BAR OP KANTOREN
  4. 4. Voor de diverse regio’s werden verschillende modellen c.q. volgorden van verklarende factoren verkregen. Het model voor de regio Utrecht blijkt voor beide jaren de grootste verklaringskracht te hebben, wat tevens een gevolg kan zijn van een groter aantal datapunten. Voor de regio Rotterdam blijkt de rangorde van variabelen in de modelopbouw voor de jaren afzonderlijk en gecombineerd constant. Voor de regio Utrecht is deze tevens redelijk constant. In de regio‘s Amsterdam en (over het algemeen) Den haag blijkt de huurpotentie de meest dominante factor voor de BAR, in de regio Rotterdam de hoogte van de markthuur en in de regio Utrecht blijken de exploitatiekosten de meeste invloed te hebben. De toevoeging van de factor leeftijd leidde in de analyse maar tot een beperkte verbetering van de verklaringskracht van de modellen. Uit de regioanalyse is te concluderen dat bij de waardering van de kantoorpanden (bepaling van de BAR) in verschillende regio’s in verschillende mate rekening gehouden wordt met de onderliggende determinanten. Hiervoor zijn de volgende mogelijke redenen aangedragen: - De Nederlandse kantorenbeleggingsmarkt bestaat uit meerdere deelmarkten. - Het waarderen van kantoorpanden gebeurt nog niet op een consistente wijze, waarbij variabelen op een verschillende manier worden meegenomen in de waardebepaling. - Door taxateurs worden verschillende risicopremies voor kantoren aanhouden waardoor er verschillende relaties worden verkregen tussen de BAR en haar onderliggende determinanten. Daar het onderzoek enkel is uitgevoerd voor de jaren 2002 en 2003, hebben de analyses niet geleid tot ‘harde marktbewijzen’. Wel is ‘bewezen’ welke variabelen op welke wijze invloed hebben op de waarde van kantoorpanden binnen diverse regio’s voor deze jaren, waardoor een vermogensbeheerder enigszins inzicht heeft in sturingsvariabelen voor optimale waardevermeerdering van kantoorpanden. Om echter te bewijzen dat deze resultaten voor langere tijd gelden, is verder onderzoek benodigd met data over meerdere jaren. 4 DETERMINANTEN VAN DE BAR OP KANTOREN
  5. 5. VOORWOORD De roos heeft enkel maar vier doornen om zich te verdedigen tegen invloeden van buitenaf om zodoende te kunnen blijven bestaan. Van de beleggingscategorie vastgoed wordt ook veelal beweerd dat zij vier beleggingskarakteristieken heeft, waaraan zij haar toegevoegde waarde binnen de beleggingsportefeuille van institutionele beleggers ontleent; een gunstig risico-/rendementsprofiel, een stabiel en relatief hoog direct rendement, een relatief hoge correlatie met inflatie en een relatief lage correlatie met andere beleggingscategorieën. Om een aantrekkelijke beleggingscategorie ten opzichte van andere categorieën te blijven, moeten deze ‘doornen’ overeind blijven en is er derhalve continue onderzoek nodig naar mogelijkheden om vastgoedbeleggingen optimaal te kunnen managen. Voor een vermogensbeheerder op het gebied van vastgoedbeleggingen is de kern van de taak het behalen van een zo hoog mogelijk rendement tegen een acceptabel risico. Voor deze vermogensbeheerder is het dan ook belangrijk om te weten welke risico’s op welke wijze gemanaged kunnen worden. Dit vraagstuk, het maximaliseren van het rendement (ofwel huuropbrengst en uiteindelijke verkoopwaarde) en het minimaliseren van de risico’s (ofwel risico opslag), komt uiteindelijk samen in het bruto aanvangsrendement van een object. De centrale vraag in dit onderzoek is dan ook wat de belangrijkste determinanten van de BAR zijn, zodat een vermogensbeheerder weet op welke aspecten gestuurd moet worden. Deze master thesis is geschreven ter afsluiting van de opleiding Master of Science of Real Estate aan de Amsterdam School of Real Estate te Amsterdam. Het tot stand komen hiervan was niet mogelijk geweest zonder de personen die op diverse facetten hun bijdrage hebben geleverd. Op de eerste plaats wil ik Bert Teuben en Paul Nelisse van de Stichting ROZ-vastgoedindex bedanken die een uiterst belangrijke bijdrage hebben geleverd aan dit onderzoek en open stonden voor een interessante en vooruitstrevende samenwerking. Dankzij hen heb ik dit onderzoek in deze hoedanigheid kunnen neerzetten. Vervolgens wil ik Sipke Gorter van Philips Pensions Competence Center bedanken voor de begeleiding en de vele motiverende suggesties, ook na mijn dienstverband bij Philips. De heer Weisz wil ik bedanken voor de begeleiding vanuit de Amsterdam School of Real Estate. En tenslotte Achmea Vastgoed, die mij de mogelijkheid heeft geboden om mijn studie af te ronden. Marleen Verhaegh, Amsterdam/ Utrecht, maart 2005. 5 DETERMINANTEN VAN DE BAR OP KANTOREN
  6. 6. INHOUDSOPGAVE Essentie...................................................................................................................3 Voorwoord.............................................................................................................. 5 Inhoudsopgave........................................................................................................ 6 Hoofdstuk 1 Inleiding en onderzoeksopzet............................................................... 8 1.1. Achtergrond en aanleiding onderzoek 8 1.2. Onderzoekskader: probleem- en doelstelling 8 1.3. Methodische verantwoording 9 Hoofdstuk 2 Het begrippenkader............................................................................. 12 2.1. Inleiding 12 2.2. Het bruto aanvangsrendement: het begrip 12 2.3. Nadere beschouwing bruto aanvangsrendement 12 2.4. De BAR als basis voor waarderen 14 2.5. Marktgegevens bruto aanvangsrendementen 15 Hoofdstuk 3 Literatuurstudie................................................................................... 17 3.1. Inleiding 17 3.2. Algemeen 17 3.3. Risicopremie op vastgoedbeleggingen 18 3.4. Invloedsfactoren op de waarde en het rendement op vastgoedbeleggingen 18 3.5. Determinanten van de waarde van vastgoed 19 3.6. Bevindingen literatuurstudie ten behoeve van onderzoek 19 Hoofdstuk 4 Achtergrond analyse model.................................................................. 20 4.1. Inleiding 20 4.2. Achtergrond regressie-analyse 20 4.3. Typen regressie-analyse 20 4.4. Randvoorwaarden voor de regressie-analyse 20 4.5. Aspecten van regressie-analyse 21 4.6. Bevindingen ten behoeve van onderzoek 22 6 DETERMINANTEN VAN DE BAR OP KANTOREN
  7. 7. Hoofdstuk 5 Begripsbepaling analysedata................................................................. 23 5.1. Inleiding 23 5.2. Data-verzameling 24 5.3. Selectie determinanten 25 5.4. Bruto aanvangsrendement 25 5.5. Toelichting determinanten 25 5.6. Bevindingen ten behoeve van onderzoek 28 Hoofdstuk 6 Analyse geheel Nederland.................................................................... 29 6.1. Inleiding 29 6.2. Dataverantwoording 30 6.3. Analyse geheel Nederland, 2002 30 6.4. Analyse geheel Nederland, 2003 32 6.5. Analyse geheel Nederland, 2002 en 2003 32 6.6. Schatting BARren geheel Nederland, 2002 en 2003 33 6.7. Analyse geheel Nederland met aanpassing resterende looptijd huurcontract 33 6.8. Conclusie analyse geheel Nederland 35 Hoofdstuk 7 Analyse per regio................................................................................. 36 7.1. Inleiding 36 7.2. Dataverantwoording 36 7.3. Analyse regio Amsterdam 37 7.4. Analyse regio Rotterdam 37 7.5. Analyse regio Den Haag 38 7.6. Analyse regio Utrecht 39 7.7. Conclusie regioanalyse 40 Hoofdstuk 8 Analyse per regio en ouderdom............................................................ 41 8.1. Inleiding 41 8.2. Dataverantwoording 41 8.3. Analyse geheel Nederland 42 8.4. Analyse regio Amsterdam 43 8.5. Analyse regio Rotterdam 44 8.6. Analyse regio Den Haag 45 8.7. Analyse regio Utrecht 46 8.8. Conclusie regioanalyse, rekening houdend met leeftijd 47 Hoofdstuk 9 Conclusies........................................................................................... 49 9.1. Inleiding 49 9.2. Conclusies 49 9.3. Kritische noten en aanbevelingen 50 Literatuuroverzicht.................................................................................................. 52 Bijlage data Gebruikte determinanten in modelselectie 7 DETERMINANTEN VAN DE BAR OP KANTOREN
  8. 8. INLEIDING 1 1.1. ACHTERGROND EN AANLEIDING ONDERZOEK In de literatuur komt men vele malen tot de conclusie dat het achterhalen van de werkelijke en belangrijkste invloedsfactoren op de waarde en het bruto aanvangsrendement van vastgoed (en kantoren specifiek) maar moeilijk blijkt. Derhalve wordt er door een aantal vastgoeddeskundigen redelijk argwanend gekeken naar het fenomeen ‘BAR’ en zeker als grondslag voor waardering. Baum en Crosby [RICS, 1998] geven bijvoorbeeld aan dat ‘The initial yield is…a highly complex measure of the quality of an investment’. Zij zijn tevens van mening dat ‘the process of initial yield construction is dangerous and impossible to practice’. Als de wetenschap het zo moeilijk vindt om de BAR te interpreteren, is het juist interessant om hier verder onderzoek naar te verrichten. In dit onderzoek staat de relatie van de BAR op kantoren met haar onderliggende determinanten dan ook centraal. De vraag die wordt gesteld is in welke mate intrinsieke factoren, waarin uiteindelijk de markt- en objectkenmerkingen zijn vertaald, meegenomen worden in de waardering van kantoorpanden en hoe deze tot uiting komen in de BAR. Het onderzoek is specifiek toegespitst op kantoorbeleggingen en er is gebruik gemaakt van ROZ/IPD data, waarmee een zeer groot deel van de Nederlandse kantoorpanden (in portefeuille bij institutionele beleggers) is beschouwd. 1.2. ONDERZOEKSKADER: PROBLEEM- EN DOELSTELLING De probleem- en doelstelling voor het onderzoek kunnen als volgt worden beschreven: 1.2.1. PROBLEEMSTELLING Hoe en in welke mate kunnen financiële risico’s in de markt en in de tijd bezien ontleed worden in de rendementseisen die ten grondslag liggen aan de waardering van kantoren? 1.2.2. DOELSTELLING Het onderzoeken van het verbanden tussen het bruto aanvangsrendement op kantoren en haar onderliggende financiële determinanten. 8 DETERMINANTEN VAN DE BAR OP KANTOREN
  9. 9. 1.3. METHODISCHE VERANTWOORDING Het onderzoek is uitgevoerd op basis van data afkomstig van de (participanten van de) ROZ/IPD-Vastgoedindex. Zodoende kunnen er naar aanleiding van het onderzoek uitspraken gedaan worden voor de gehele Nederlandse (institutionele) vastgoedmarkt. In hoofdstuk 5 is een verdere toelichting betreffende de gebruikte data en de ROZ/IPD opgenomen. Om de relatie tussen het bruto aanvangsrendement op kantoren en haar onderliggende determinanten te onderzoeken zijn regressie analyses uitgevoerd. Hierbij is uitgegaan van een meervoudige regressie-analyse, daar er sprake is van één endogene (te verklaren) variabele en meerdere exogene (verklarende) variabelen. In hoofdstuk 4 wordt ingegaan op de theoretische achtergrond van regressie-analyses. Voor de uitvoering is het SPSS pakket (Statistical Package for Social Sciences) gebruikt. Binnen dit programma is een stapsgewijze regressie uitgevoerd. 1.3.1. O NDERZOEKSVRAGEN De volgende onderzoeks(deel)vragen komen in het onderzoek aan de orde: 1. Door welke determinanten zou het bruto aanvangsrendement van kantoren kunnen worden beïnvloed? 2. Wat zijn belangrijke en dominante determinanten die ten grondslag liggen aan het bruto aanvangsrendement van kantoren? 3. Welk theoretisch model kan worden aangehouden om middels data-analyse deze verbanden in kaart te brengen? 4. (Hoe) kunnen onderliggende determinanten van het bruto aanvangsrendement van kantoren worden gekwantificeerd? 5. Zijn deze relaties tussen de BAR en haar determinanten tijd- en/of marktgebonden? 6. (Hoe) kunnen de resultaten die zijn verkregen in de praktijk worden gebruikt? 7. Welke conclusies kunnen aan het onderzoek verbonden worden? 8. Welke suggesties voor verder onderzoek kunnen worden gedaan? Deze onderzoeksvragen kunnen schematisch worden weergegeven in onderstaand onderzoeksmodel. 9 DETERMINANTEN VAN DE BAR OP KANTOREN
  10. 10. 1.3.2. C ONCEPTUEEL MODEL Probleemstelling Literatuur Potentiële determinanten (markt/object) waarde Theorie Theoretisch analysekader Kwantificering ROZ/IPD index determinanten Data Relatie rendementseis en determinanten Analyse Markt- en/of Conclusies theoretisch tijdgebondenheid onderzoek Praktijktoets Relatie met praktijk Conclusies toetsing praktijk Suggesties voor verder onderzoek Figuur1.1.: Conceptueel model van het onderzoek. 1.3.3. I NDELING RAPPORT Het onderzoeksrapport kent de volgende indeling. In hoofdstuk 2 wordt ingegaan op de gehanteerde begrippen in het onderzoek. Er wordt toegelicht wat er onder een bruto aanvangsrendement (BAR) wordt verstaan en hoe deze als basis voor vastgoedwaardering wordt gebruikt. In hoofdstuk 3 is een samenvatting opgenomen van de bestaande literatuur aangaande de BAR. Hierin is een uitsplitsing gemaakt naar literatuur welke de relatie van de BAR met de risicopremie op vastgoed bestudeert, literatuur waarin de invloedsfactoren op de waarde en het rendement op vastgoedbeleggingen aan bod komen en tenslotte literatuur over de relatie van de BAR en haar onderliggende determinanten. 10 DETERMINANTEN VAN DE BAR OP KANTOREN
  11. 11. Hoofdstuk 4 beschrijft de achtergrond van de gehanteerde analysetechniek, regressie- analyse. Tevens komen er in dit hoofdstuk verschillende aspecten en randvoorwaarden van regressie-analyse aan bod. In hoofdstuk 5 wordt de gebruikte data voor de analyse verder toegelicht. Achtereenvolgens zijn de gehanteerde definities voor de BAR en haar belangrijkste determinanten voortkomend uit het onderzoek, leeftijd, financiële leegstand, exploitatiekosten, markthuur, huurpotentie en de resterende looptijd van het huurcontract, beschreven. Hoofdstuk 6 is het eerste hoofdstuk waarin de daadwerkelijk uitgevoerde analyse en de verkregen resultaten worden beschreven. Hierbij is een eerste regressie-analyse uitgevoerd op basis van data voor geheel Nederland (totale databestand). Er is uitgegaan van de jaren 2002 en 2003. Tevens is er een aanpassing van de resterende looptijd van de huurcontracten opgenomen en wordt bekeken wat het effect hiervan is op de resultaten. In hoofdstuk 7 komt vervolgens de regressie-analyse per regio aan bod. Er wordt uitgegaan van de vier grote steden in Nederland. In hoofdstuk 8 zijn de resultaten van de regressie-analyse beschreven waarin tevens rekening gehouden wordt met de leeftijd van de kantoorpanden. Bekeken wordt wat de afwijkingen in de resultaten zijn ten opzichte van de resultaten in hoofdstuk 7. In hoofdstuk 9 zijn de conclusies naar aanleiding van de analyses opgenomen en zijn enkele kritische noten opgenomen aangaande de uitgevoerde analyses. Tevens zijn er in dit hoofdstuk aanbevelingen gedaan voor verder onderzoek. 11 DETERMINANTEN VAN DE BAR OP KANTOREN
  12. 12. BEGRIPPENKADER 2 2.1. INLEIDING In onderliggend onderzoek staat het bruto aanvangsrendement (BAR) op kantoorbeleggingen centraal. In de analyse worden diverse invloedsvariabelen in relatie tot het bruto aanvangsrendement (BAR) beschouwd. Om meer inzicht te krijgen in het begrip bruto aanvangsrendement wordt in dit hoofdstuk ingegaan op de achtergronden en definities welke in de literatuur beschreven zijn. 2.2. HET BRUTO AANVANGSRENDEMENT: HET BEGRIP In diverse literatuur is de BAR nader belicht. Hierin wordt gekomen tot verschillende begripsdefinities. Hoewel er volgens Keeris meerdere uitleg voor het begrip mogelijk is en in praktijk wordt gebruikt, stelt hij dat de BAR te omschrijven is als het gedurende het eerste volledige jaar van exploitatie behaalde, dan wel –afhankelijk van de context- geprognosticeerd te behalen beleggingsresultaat op een vastgoedinvestering, uitgedrukt als percentage van de gerealiseerde, respectievelijk geraamde, bruto huuropbrengst uit exploitatie, op basis van de feitelijke verhuursituatie, ten opzichte van de (aangenomen) verwervingskosten [Keeris, september 1997]. De definitie van Ten Have is overeenkomstig met die van Keeris. Hij definieert de BAR als het op het moment van verwerving geraamde bruto beleggingsresultaat, uitgedrukt in een percentage dat gedurende het eerste jaar van exploitatie op een investering in een vastgoedobject is te behalen [Ten Have, 2002]. Een bruto aanvangsrendement (BAR) wordt ontleend aan rendementen die in de markt zijn gerealiseerd bij recente transacties van vergelijkbare panden. De hoogte van de BAR wordt beïnvloed door diverse omgevingsfactoren, zowel economische als planologische factoren, alsmede de mate waarin andere beleggingsassets (on)aantrekkelijker zijn. 2.3. NADERE BESCHOUWING BRUTO AANVANGSRENDEMENT De BAR is opgebouwd uit verschillende componenten. Ten eerste kan de algemeen geldende inflatie als basis worden genomen. Beleggers zullen immers minimaal een inflatiecorrectie willen op hun geïnvesteerde bedrag. De tweede component is de reële rente. Het totaal hiervan kan immers beschouwd worden als het risicovrije rendement dat beleggers (theoretisch) zouden behalen op een risicovrije belegging (vrij verhandelbaar, transparant, deelbaar, geen transactiekosten, etc.). In praktijk wordt hiervoor in het algemeen het rendement op staatsleningen genomen. 12 DETERMINANTEN VAN DE BAR OP KANTOREN
  13. 13. Er is echter geen eenduidige overeenstemming over welke duur van de staatslening hierbij als uitgangspunt genomen moet worden, maar veelal vormt het rendement op een tienjarige staatslening de basis. Hier bovenop wordt een risicopremie geëist voor het beleggen in vastgoed. Deze risicopremie bestaat uit een vastgoedspecifieke (liquiditeitstekort, risico, managementkosten), een sectorspecifieke (kantoren) en een objectspecifieke risicocomponent. Er kan sprake zijn van een (door de belegger geaccepteerde) negatieve risicopremie bij een verwachting van huur- en waardegroei. De algemene risico-component is opgebouwd vanuit: - Liquiditeitsvoorkeur; - Tijdsvoorkeur; - Onzekerheidsrisico (daar het de toekomst betreft). Het liquiditeitsaspect heeft betrekking op het feit dat het geïnvesteerde bedrag en een eventuele waardevermeerdering niet op ieder gewenst moment terug te verkrijgen is. De tijdsvoorkeurscomponent is inherent aan het feit dat er nu geïnvesteerd wordt en het onzeker is of dit geïnvesteerde bedrag in de toekomst wordt terugverdiend. De onzekerheidsfactor betreffende de toekomst, kan uitgesplitst worden in: - Huurdersrisico (leegstand, achtergestelde betalingen, contractbreuk); - Sectorrisico (type vastgoed, specifieke locatie); - Structureel risico (onbruikbaarheid, veroudering/ versnelde afschrijving of achterstallig onderhoud); - Overheidsrisico (gevoeligheid voor eventuele toekomstige wijziging van regelgeving); - Fiscaal risico (gevoeligheid voor fiscale regelgeving); - Planrisico (mogelijke impact van wijziging in bestemmingsplannen e.d.); - Juridisch risico (gevoeligheid voor juridische regelgeving. Bovenstaande risicofactoren kunnen van invloed zijn op macro, meso en micro-niveau. Het totaal van deze factoren vormt het, door beleggers, vereist netto aanvangsrendement (NAR). Wanneer hier nog de objectspecifieke kostencomponent aan toegevoegd wordt, wordt het bruto aanvangsrendement verkregen. Een en ander kan als volgt schematisch worden weergegeven: BAR Kostenpremie NAR Risicopremie Risicovrij (10 jaars- Reële rente staatslening) Inflatie Inflatie Figuur 2.1. Opbouw van het bruto aanvangsrendement (BAR). 13 DETERMINANTEN VAN DE BAR OP KANTOREN
  14. 14. 2.4. D E BAR ALS BASIS VOOR WAARDEREN De vastgoedmarkt kenmerkt zich onder andere door infrequente prijsvorming middels verkooptransacties. Derhalve wordt er ter indicatie voor een periodiek rendement (bijvoorbeeld op kwartaalsbasis) gebruik gemaakt van waardebepaling middels taxaties. Voor de waardebepaling kunnen diverse waarderingsmethoden worden gebruikt. In praktijk wint de Discounted Cashflow (DCF-)methode steeds meer terrein, zeker wanneer er sprake is van sterk fluctuerende cashflows. Bij deze methode worden toekomstige opbrengsten en uitgaven verdisconteerd naar het heden. Een moeilijk aspect bij deze methode is echter het bepalen van de rendementseis. Derhalve wordt naast deze methode ook wel de BAR-methode gehanteerd (eventueel als toetsing op de DCF- methode). Bij waardebepaling middels de BAR-methode vormt de BAR het uitgangspunt. Omdat er bij deze methode uitgegaan wordt van een verhoudingsgetal (BAR), spreekt men in dit kader ook wel van een ratiomodel. Het bepalen van de hoogte van de BAR is echter ook veelal onderwerp van discussie, daar het bepalen van de hoogte van de correctieposten op de BAR moeilijk blijkt. De BAR-methode betreft echter wel een relatief eenvoudige methode met een beperkt aantal variabelen. Volgens de methode is de marktwaarde van een object gelijk aan de bruto markthuur gedeeld door het bruto aanvangsrendement (BAR) minus correctieposten, ofwel in formulevorm: Bruto markthuur Waarde v.o.n. = -/- (markthuur-contracthuur) –/- achterstallig onderhoud – k.k. BAR Figuur 2.2. Definitie waarde op basis van de BAR-methode [Ten Have, 2004]. De bruto markthuur betreft het totaal aan inkomende huuropbrengsten, waarbij geen rekening gehouden wordt met uitgaven (bijvoorbeeld exploitatiekosten). De markthuur kan hierbij worden vastgesteld aan de hand van de comparatieve methode. Hierbij vormen markthuren van vergelijkbare panden op vergelijkbare locaties in de betreffende regio het uitgangspunt. De werkelijke huuropbrengst (contracthuur) kan echter boven of onder de markthuur liggen. Er kan immers sprake zijn van een huurcontractafspraak op een ander moment in de cyclus. Er is binnen de vastgoedmarkt veel discussie over de kwaliteit van de waarderingsmethoden. Echter, de BAR-methode blijkt goed toepasbaar te zijn bij (langdurig) verhuurd vastgoed. Voorwaarde hierbij is echter wel dat er sprake is van courant vastgoed, waarvoor marktevidence aanwezig is en relatief stabiele kasstromen. Wanneer de inkomende cashflows een sterk wisselend karakter hebben, is de DCF- methode beter toepasbaar. De belangrijkste voordelen van de BAR-methode zijn dat de actuele waarde eenvoudig (en dus redelijk snel) te berekenen is en dat de waardebepaling goed communiceerbaar is. Nadelen van de BAR-methode zijn dat het geen inzicht geeft in de toekomstige kasstromen (wat wel het geval is bij de DCF-methode), dat er verborgen aannames mogelijk zijn en dat er geen eenduidigheid is omtrent de te hanteren BAR-definitie. 14 DETERMINANTEN VAN DE BAR OP KANTOREN
  15. 15. Aangezien de BAR een veelbepalende factor is binnen deze methode, kan de uiteindelijk bepaalde waarde grote bandbreedten vertonen. De karakteristiek van de vastgoedmarkt speelt hierbij ook een rol. Immers, prijsvorming komt veelal onderhands tot stand, waardoor er dus vaak sprake zal zijn van grotere verschillen in transactieprijzen ten opzichte van bijvoorbeeld de prijzen binnen de aandelenmarkt. Tevens gaat de methode uit van een oneindige cashflow, waarbij niet gewerkt kan worden met een variabele groeivoet voor de cashflow. 2.5. M ARKTGEGEVENS BRUTO AANVANGSRENDEMENTEN Heden ten dage worden in diverse Nederlandse publicaties bruto aanvangsrendementen van nationaal en internationaal commercieel vastgoed gepubliceerd. Onderlinge vergelijkbaarheid tussen deze publicaties is nog altijd relatief moeilijk, vanwege de verschillen in gehanteerde begrippen en regio-afbakening. Vakbladen als Vastgoedmarkt en PropertyNL of publicaties van grote commerciële makelaarskantoren (bijvoorbeeld DTZ of Jones Lang laSalle) geven echter een redelijk beeld van gemiddelde BARren waartegen vastgoedobjecten verhandeld worden. Wel moet er rekening mee worden gehouden dat data veelal uit eigen databanken wordt gebuikt, waarmee er dus geen sprake is van representatieve marktdekking per publicatie. Uit de genoemde publicaties blijkt dat BARren in de tijd variabel zijn en verschillen per regionaal gebied. Ook ten aanzien van diverse type kantoorbeleggingen zijn BARren verschillend, dit vanwege verschillen in objectgebonden of locatiegebonden factoren. Over het algemeen zullen beleggers bijvoorbeeld genoegen nemen met een lage BAR wanneer het pand gelegen is op een goede locatie, lage exploitatielasten kent en er huurprogressie wordt verwacht voor de toekomst. Ter indicatie zijn in onderstaande tabel gemiddelde BARren volgens DTZ gegeven over diverse jaren. DTZ hanteert hierbij als definitie BARren voor beste locaties en overige locaties en verdeeld naar vier regio’s, waarbij een boven- en ondergrens wordt aangegeven. In onderstaande tabel is het rekenkundige gemiddelde genomen van beste locaties voor de vier regio’s. Gemiddelde BAR 1995 1996 1997 1998 1999 2000 2001 2002 Kantoren 7,8% 7,6% 7,5% 7,0% 7,1% 7,3% 7,4% 7,3% Winkels 8,0% 7,9% 7,8% 7,0% 6,7% 6,7% 6,6% 6,3% Bedrijfsgebouwen 9,5% 9,4% 9,4% 8,5% 8,0% 7,9% 8,2% 8,2% Figuur 2.3. Bruto aanvangsrendementen volgens DTZ Zadelhoff [DTZ, 2003]. 15 DETERMINANTEN VAN DE BAR OP KANTOREN
  16. 16. Door de ROZ/IPD worden op kwartaal- en jaarbasis tevens –door institutionele beleggers opgegeven- bruto aanvangsrendementen gemeten. De gepubliceerde gegevens zijn opgenomen in onderstaande tabel. 1995 1996 1997 1998 1999 2000 2001 2002 2003 Initial yield 9.6 9.0 8.8 8.5 8.1 7.7 7.6 7.7 7.8 1995 1996 1997 1998 1999 2000 2001 2002 2003 Reversionary yield 9.3 8.9 8.8 8.6 8.3 8.1 8.0 8.0 8.0 Figuur 2.4. Bruto Aanvangsrendementen op basis van contracthuur en markthuur, volgens ROZ/IPD-Vastgoedindex, 2004. 16 DETERMINANTEN VAN DE BAR OP KANTOREN
  17. 17. LITERATUURONDERZOEK 3 3.1. INLEIDING Om het onderzoek te kunnen plaatsen binnen het juiste kader, wordt in dit hoofdstuk een overzicht gegeven van reeds beschikbare literatuur. Hierbij zijn de conclusies uit diverse onderzoeken ten aanzien van wat de belangrijkste en meest dominante (risico)factoren zijn bij de waardebepaling van kantoorbeleggingen, centraal gesteld. 3.2. ALGEMEEN BARren vormen steeds meer het centrale onderwerp van onderzoek en analyse. Een deel van deze onderzoeken richt zich op de relatie met ontwikkelingen op de kapitaalmarkt en monetaire en economische factoren (zoals rente, verwachte inflatie en veranderingen in de fiscale regelgeving). Onderzoek hiernaar is gedaan door onder andere Fisher, Lentz en Stern (1984), Nourse (1987), Froland (1987), Evans (1990), Ambrose en Nourse (1993) en Jud en Winkler (1995). Een ander deel van de bestaande literatuur zijn studies naar cross-sectionele variaties in BARren. In diverse studies is bijvoorbeeld onderzoek gedaan naar verschillen in BARren naar kantoortypes. Onder andere door Ambrose en Nourse (1993) en Dokko, Edelstein, Pomer en Urdang (1991). In een aantal andere studies zijn regionale verschillen in BARren onderzocht, bijvoorbeeld door Sirmans, Sirmans en Beasly (1986), Saderion, Smith en Smith (1994), Grissom, Hartzell en Liu (1987) en Hartzell, Hekman en Miles (1987). Ondanks het brede onderzoekskader binnen de vastgoedmarkt, is er nog weinig onderzoek gedaan naar specifieke lokale aspecten aan BARren (bijvoorbeeld specifieke stad). Enkel het onderzoek van Sivitanidou en Sivitanides (1997 en 1999) laat zien dat de lokale marktomstandigheden een belangrijke rol spelen bij verschillen in BARren. Veel onderzoek is gedaan op basis van data afkomstig uit marktbronnen of specifieke data van een institutionele belegger. Enkel de onderzoeken van Fisher (2000) en Chandrashekaran en Young (2000) zijn gebaseerd op het grotere databestand van de NCREIF. Data afkomstig van de NCREIF is nooit eerder gebruikt voor onderzoeken naar BARren. 17 DETERMINANTEN VAN DE BAR OP KANTOREN
  18. 18. 3.3. RISICOPREMIE OP VASTGOEDBELEGGINGEN Naar de hoogte van de juiste risicopremie op vastgoedbeleggingen is relatief nog weinig onderzoek gedaan. Sivitanides en Sivitanidou (1996) zijn in een onderzoek uitgegaan van een nationaal geïntegreerde kapitaalmarkt. Zij veronderstelden dat het risicovrije rendement in meerdere steden gelijk dient te zijn en dat enkel de risicopremie op vastgoedbeleggingen tussen deze steden varieert. Bert Kruijt [1994] concludeert naar aanleiding van zijn onderzoek naar invloedsfactoren op de BAR op kantoorbeleggingen, dat er consistente over en onderschatting is van toekomstige verwachtingen ten aanzien van huurinkomsten en waardegroei. Daarnaast ziet hij een relatie tussen de ontwikkelingen binnen de vastgoedmarkt en reële rente ontwikkelingen. De risicopremie op vastgoedbeleggingen is zeer gevoelig voor renteontwikkelingen en heeft een grote variatie in de tijd. Hoewel in praktijk over het algemeen een risicopremie van 2 tot 2,5% voor vastgoed wordt aangenomen, blijkt uit zijn onderzoek dat dit geen realistische aanname hoeft te zijn. De risicopremie heeft hierbij een positieve relatie met de inflatie en een negatieve relatie met de reële rente ontwikkelingen. Brown [1995] concludeert in zijn onderzoek echter dat de stelling van 2% risicopremie voor een goed gediversifieerde vastgoedportefeuille op lange termijn niet kan worden verworpen. Voor individuele objecten en sectoren en over een kortere termijn zal de risicopremie echter van deze 2% afwijken. 3.4. INVLOEDSFACTOREN OP DE WAARDE EN HET RENDEMENT OP VASTGOEDBELEGGINGEN Literatuurstudies, maar ook praktijkcijfers, geven de indruk dat BARren gebaseerd zijn op marktsentiment aangaande de verwachtingen ten aanzien van een belegging. Hoe beter de verwachtingen ten aanzien van het rendement op een belegging, hoe lager de vereiste BAR of hoe hoger de waarde in verhouding tot de huurinkomsten. BARren kunnen onder andere worden gebruikt om vastgoedcycli te bestuderen. Het feit dat BARren in de tijd niet stabiel zijn, geeft informatie over de belangrijkste determinanten van de BAR. Uit data blijkt dat economische factoren, determinanten van de waarde van vastgoedbeleggingen (als huur, leegstand, kapitalisatiegraad) en rendementen op vastgoedbeleggingen (op regionaal en nationaal niveau) alle cyclisch zijn in de tijd. Karlsson [2003] heeft op nationaal niveau voor de Zweedse vastgoedmarkt een onderzoek gedaan naar de relatie tussen economische cycli en de cycli op vastgoedmarkten in algemene zin. Hij toont aan dat deze relatie maar beperkt als basis gebruikt kan worden voor forecasting en het nemen van beslissingen op portefeuilleniveau. Pyhrr, Roulac en Born [1999] concluderen in hun onderzoek dat vraag en aanbod binnen de vastgoedmarkt voornamelijk worden beïnvloed door menselijk gedrag (sentiment) en economische activiteit. Wat vervolgens wederom het rendement beïnvloed door veranderingen in huurniveaus, hoogte van exploitatiekosten en kapitalisatiegraden. 18 DETERMINANTEN VAN DE BAR OP KANTOREN
  19. 19. Sivitanidou en Sivitianides [1999] zijn in hun analyse naar de invloedsfactoren op rendementen uitgegaan van op transacties gebaseerde data. Zijn toonden aan dat de rendementen voornamelijk werden beïnvloed door lokale invloedsfactoren, zoals locatie, verschil in lokale werkgelegenheidscijfers en huurdersmix en in de tijd variërende factoren als m2-kantooropname, leegstandspercentages, kantoorwerkgelegenheid en historische cijfers met betrekking tot huren. Zij concludeerden tevens dat het rendement een relatie vertoont met de kapitaalmarkt, maar dat de invloed van lokale factoren duidelijk groter was. Deze conclusie komt overeen met de aanname dat de vastgoedmarkt een locale gesegmenteerde markt is en -in bepaalde mate- inefficiënt. Jud and Winkler [1995] concluderen naar aanleiding van hun onderzoek dat BARren een sterke relatie vertonen met de kapitaalmarktrente en er een duidelijke relatie is tussen een exit yield (outgoing BAR) in taxaties en het vereiste rendement op de obligaties en aandelen. Zij zijn in hun onderzoek uitgegaan van theorieën met betrekking tot de Weighted Average Cost of Capital (WACC) en het Capital Asset Pricing Model (CAPM). Echter, de relaties kenmerken zich door significante vertraging in de tijd en er zijn verschillende relaties binnen diverse vastgoedmarkten. Hun conclusie is echter consistent met het onderzoek van Sivitanidou and Sivitanides in die zin dat ook zij aangeven dat vastgoedmarkten inefficiënt zijn en niet significant geïntegreerd zijn met de (ontwikkelingen op) de kapitaalmarkt. 3.5. D ETERMINANTEN VAN DE WAARDE VAN VASTGOED Almstrom [2002] stelt in zijn onderzoek echter dat uit huidige BAR berekeningen (opbouw) niet af te leiden is of prijzen rationeel zijn ten opzichte van onderliggende determinanten. Zijn mening is gebaseerd op discussies met betrekking tot ‘smoothing’ en ‘lagging’ binnen de vastgoedmarkt. Hij is tevens van mening dat het aantal data betreffende vereiste BARren afgeleid uit tot stand gekomen transacties niet voldoende is. Er is volgens hem dan ook niet voldoende informatie beschikbaar, wat geen betrouwbaar beeld geeft van de ‘drivers’ van de vastgoedmarkt. Sivitanides, Southard, Torto, Wheaton [2001] tonen aan dat BARren verschillen binnen meerdere markten, wat het gevolg is van verschillende marktkarakteristieken waardoor beleggers andere verwachtingen hebben ten aanzien van risico en huurinkomstengroei. Daarnaast hebben lokale marktcycli een sterke invloed en worden BARren sterk bepaald door historische gegevens omtrent de hoogte van markthuren en de mate van huurgroei. Zij concluderen dan ook dat waarderen op basis van taxaties veelal gebaseerd is op ‘terugkijken’ in plaats van ‘vooruitkijken’. BARren blijken daarnaast gebaseerd te zijn op macro-economische ontwikkelingen, zoals rente en inflatie. 3.6. BEVINDINGEN LITERATUURSTUDIE TEN BEHOEVE VAN ONDERZOEK Hoewel er steeds meer onderzoek beschikbaar is betreffende het bruto aanvangsrendement en haar externe invloedsfactoren, opbouw en determinanten, zijn de conclusies uit deze onderzoeken nog in grote mate verschillend. Dit is onder andere het gevolg van het feit dat maar in een beperkt aantal onderzoeken sprake is van data met voldoende marktdekking. Derhalve is het juist interessant om dit aspect als uitgangspunt te nemen. 19 DETERMINANTEN VAN DE BAR OP KANTOREN
  20. 20. ACHTERGROND ANALYSEMODEL 4 4.1. INLEIDING In het hoofdstuk 1 is toegelicht hoe het onderzoek stapsgewijs wordt opgebouwd. Hierin is genoemd dat er voor de analyse gebruik gemaakt zal worden van een regressie- analyse als onderzoekstechniek. In dit hoofdstuk wordt kort ingegaan op de achtergrond van deze statistische techniek. 4.2. ACHTERGROND REGRESSIE -ANALYSE In dit onderzoek is gekozen om voor de analyse van de relatie tussen de BAR en haar onderliggende determinanten uit te gaan van een regressie-analyse. Een regressie- analyse is een techniek die kan worden gebruikt bij het bestuderen van de samenhang tussen twee of meerdere variabelen Het doel van een regressie-analyse is het concretiseren van eventuele causale verbanden tussen deze variabelen. Met andere woorden, in hoeverre brengen veranderingen in de ene variabele veranderingen in een andere variabele teweeg. 4.3. TYPEN REGRESSIE -ANALYSE Binnen regressie-analyse kunnen grofweg de volgende categorieën worden onderscheiden: - univariate regressie: hierbij is er sprake van één endogene (te verklaren) variabele en één exogene (verklarende) variabele. - meervoudige regressie: hierbij is er sprake van één endogene (te verklaren) variabelen en meerdere exogene (verklarende) variabelen. - multivariate regressie: waarbij sprake is van meerdere endogene (te verklaren) variabelen en meerder exogene (verklarende) variabelen. 4.4. RANDVOORWAARDEN VOOR DE REGRESSIE ANALYSE Regressie-analyse veronderstelt verschillende randvoorwaarden. Deze kunnen als volgt worden samengevat: 1.Regressie-analyse gaat ervan uit dat er een lineair verband bestaat tussen de exogene en endogene variabelen. 2.Regressie-analyse veronderstelt dat alle verklarende variabelen niet-stochastisch zijn, wat wil zeggen dat er geen sprake is van een statistische spreiding rondom deze variabelen. 3.Regressie-analyse gaat ervan uit dat er geen meetfouten zitten in de variabelen. 4.Regressie-analyse gaat er van uit dat alle relevante variabelen zijn meegenomen en dat er geen variabelen buiten beschouwing zijn gelaten. 20 DETERMINANTEN VAN DE BAR OP KANTOREN
  21. 21. 5.Bij regressie-analyse wordt ervan uitgegaan dat de storingsterm ε normaal verdeeld is. Indien dit niet het geval zou zijn, is er een variabele die van invloed is niet meegenomen in het model. 6.Regressie-analyse gaat ervan uit dat alle variabelen die zijn meegenomen onafhankelijk van elkaar zijn. 7.Bij regressie analyse wordt ervan uitgegaan dat in een optimaal model enkel variabelen zijn meegenomen, die significant van nul verschillen. In het onderliggende onderzoek zal, wanneer gebruik wordt gemaakt van regressie- analyse, niet aan alle bovenstaande randvoorwaarden kunnen worden voldaan. Zo zal er in praktijk altijd sprake zijn van meetfouten, daar er nagenoeg altijd uitgegaan wordt van afrondingen in cijfers. Ook zal er sprake zijn van het feit dat niet alle variabelen die zijn meegenomen, volledig onafhankelijk van elkaar zullen zijn. Immers uiteindelijk de markthuur en de huurpotentie waarschijnlijk een relatie met elkaar hebben. Desondanks wordt er voor de analyse uitgegaan van regressie-analyse als onderzoekstechniek, omdat hierdoor een goede indicatie gegeven kan worden van relaties tussen de BAR en haar belangrijkste determinanten. 4.5. ASPECTEN VAN REGRESSIE -ANALYSE 4.5.1. C OËFFICIËNT OF DETERMINATION (R2) Een ‘coëfficiënt of determination’ ofwel R 2 is een maatstaf die weergeeft hoeveel van de variatie in de endogene variabele verklaard wordt door de variatie in de exogene variabelen. Er kan sprake zijn dat het toevoegen van een exogene variabele, die niet leidt tot een verhoging van de verklaringskracht, toch leidt tot een verhoging in de R 2. Derhalve is er in de analyse uitgegaan van een aangepaste R 2 die dit aspect ondervangt. 4.5.2. MODELSELECTIE Om het optimale model (combinatie van verklarende factoren) te schatten, wordt ten eerste uitgegaan van een ‘forward stepwise-regression’. Hierbij vormt een leeg model de basis, waaraan telkens de meest verklarende volgende variabele wordt toegevoegd. Zo wordt uiteindelijk gekomen tot het model met de meeste verklaringskracht. Uitgaande van een model waarin alle variabelen zijn meegenomen, wordt vervolgens een ‘backward stepwise-regression’ uitgevoerd. Hierbij wordt telkens de minst verklarende variabele geëlimineerd. De meeste betrouwbaarheid wordt behaald indien beide procedures leiden tot hetzelfde optimale model. 21 DETERMINANTEN VAN DE BAR OP KANTOREN
  22. 22. 4.5.3. C OËFFICIËNTEN IN HET MODEL Wanneer het optimale model (combinatie van verklarende factoren) is geselecteerd, kunnen de coëfficiënten van de variabelen en de storingsterm (ε) worden bepaald. De storingsterm is het deel dat niet verklaard kan worden door de factoren. De algemene vorm van het model is als volgt: BAR = α + β1*factor1 + β2*factor2 + β3*factor3 + ...... + βn *factorn + ε Waarbij: α = constante β = coëfficiënt ε = storingsterm 4.5.4. SIGNIFICANTIE Met de significantie wordt bepaald of een coëfficiënt een causaal (oorzaak/gevolg) verband heeft met de te verklaren variabele. Om significantie te bepalen wordt een t-test uitgevoerd. Hierbij wordt de t-statistic berekend, waarvan bekend is welke verdeling deze heeft en waarover uitspraken gedaan kunnen worden. De t-statistic wordt gedefinieerd als: t = β ^ – β* σβ^ Waarbij: t= t-statistic β^ = geschatte coëfficiënt β* = testwaarde σβ^ = standaardfout van de schatter Indien er getest wordt of β^ significant afwijkt van nul (testwaarde), dan geldt: t = β^ σβ^ De t-statistic heeft een bepaalde waarde en is Student-t verdeeld. Vuistregel hierbij is dat indien geldt dat ∣t∣ > 2,0 de coëfficiënt significant is. 4.6. BEVINDINGEN TEN BEHOEVE VAN ONDERZOEK In het onderzoek wordt een meervoudige regressie uitgevoerd. Er is immers sprake van één endogene (te verklaren) variabelen, de BAR, en meerdere exogene (verklarende) variabelen, de determinanten. In eerste instantie zal bekeken worden welke variabelen invloed zouden kunnen hebben op de BAR. Om te bepalen welke variabelen significante invloed hebben, worden voor elke variabelen univariate regressie-analyses uitgevoerd. Vervolgens worden meervoudige regressie-analyses uitgevoerd met de variabelen die significant blijken te zijn. De analyse wordt uitgevoerd in SPSS, waarbij uitgegaan wordt van de modelselectie, beschreven onder 4.5.2. 22 DETERMINANTEN VAN DE BAR OP KANTOREN
  23. 23. BEGRIPSBEPALING ANALYSEDATA 5 5.1. INLEIDING In dit hoofdstuk wordt ingegaan op de gehanteerde data voor de onderzoeksanalyse. De centrale vraag in de analyse is door welke onderliggende determinanten de hoogte van de BAR van kantoorpanden verklaard kan worden. 5.2. D ATA-VERZAMELING Er zijn diverse onderzoeken gedaan naar de belangrijkste determinanten van de BAR, zo blijkt uit hoofdstuk 2. Echter, veelal wordt in deze onderzoeken uitgegaan van intern beschikbare data of verzamelde data vanuit diverse marktrapporten om enige marktdekking te bewerkstelligen. In dit onderzoek is uitgegaan van het databestand van de ROZ/IPD-Vastgoedindex. Hierdoor kan analyse worden gedaan op basis van data met een brede marktdekking voor de Nederlandse vastgoedmarkt. De ROZ/IPD-Vastgoedindex is de belangrijkste benchmarkindex voor Nederlandse vastgoedbeleggingen voor institutionele beleggers in direct vastgoed. De index wordt op kwartaalbasis gerapporteerd om een indicatie te geven van marktbewegingen gedurende het jaar. Deze kwartaalschattingen zijn gebaseerd op een deel van de databank. De waardemutatie (naar aanleiding van over het algemeen extern vastgestelde taxatiewaarden) wordt per kwartaal doorberekend naar de objecten die in dat kwartaal niet getaxeerd zijn, zodat een volledige marktschatting verkregen wordt. De ROZ/IPD- Vastgoedindex meet tevens rendementen op jaarbasis, waarbij alle objecten opnieuw getaxeerd worden en de uiteindelijke waarde per object vastgesteld wordt. De index maakt onderscheid in zogenaamde standing investments en het totaal aantal vastgoedobjecten, inclusief aan- en verkopen, ontwikkelingsobjecten en objecten in renovatie. Standing investments zijn objecten die meer dan één jaar in exploitatie zijn en niet in een grootschalige renovatiefase verkeren. Resultaten worden binnen de benchmark op assetniveau gemeten en niet op fondsniveau, zodat leverage-effecten buiten beschouwing worden gelaten. Ook worden kosten voor het asset- en portefeuillemanagement (en taxatiekosten) niet meegenomen. De kosten voor het propertymanagement worden wel doorberekend. Er zijn deelindices voor de verschillende segmenten van de vastgoedmarkt, namelijk winkels, kantoren en woningen. 23 DETERMINANTEN VAN DE BAR OP KANTOREN
  24. 24. Gegevens die gebruikt worden om de object- en portefeuilleresultaten tegen de benchmarkindex af te zetten, worden op kwartaalbasis aangeleverd door de aangesloten institutionele beleggers. Derhalve beschikt de ROZ/IPD over een grote hoeveelheid data met een marktdekking van de Nederlandse institutionele vastgoedmarkt van circa 85%. 5.3. SELECTIE DETERMINANTEN Uit de beschikbare ROZ/IPD-gegevens zijn data omtrent BARren voor de jaren 2002 en 2003 verzameld. Deze jaren zijn geselecteerd omdat hiervoor alle benodigde data beschikbaar was. Hoewel de ROZ/IPD-Vastgoedindex reeds 10 jaren bestaat en performanceresultaten over deze jaren beschikbaar heeft, worden enkele –voor deze analyse benodigde- achtergrondgegevens pas sinds enkele jaren gemeten, zoals de resterende duur van huurcontracten. Voor de analyse is uitgegaan van de initial yield (BAR op basis van de actuele contracthuur). Uit het databestand van de ROZ/IPD is een selectie gemaakt van een 65-tal variabelen, waarvan de relatie met de BAR is onderzocht. In de bijlage zijn deze variabelen opgenomen. Deze data kan onderverdeeld worden in de volgende groepen: Gebouwkenmerken BVO, parkeernorm, leeftijd gebouw, kantoorcategorie, gemiddelde unitgrootte, aantal huurders Locatie Type locatie, stad, markthuur, reversionairy yield, vraag/aanbod- verhouding regio Management Exploitatiekosten, huurpotentie, leegstand, resterende looptijd van huurcontracten, contracthuur Bij de eerste selectie van data is rekening gehouden met de bij de ROZ/IPD beschikbare data. Het is mogelijk dat meerdere (andere) variabelen tevens invloed hebben op de BAR bij kantoren. Echter, deze zijn niet beschikbaar vanuit de ROZ/IPD en derhalve niet meegenomen in de analyse. Bij de dataverzameling is tevens rekening gehouden om uit te gaan van zo min mogelijk dummy-variabelen. Dummy-variabelen zijn alternatieve kwalitatieve wegingen/ groeperingen (bijvoorbeeld 1/0-weging), wanneer de werkelijke onderliggende datapunten niet één op één meegenomen kunnen worden of niet kwantificeerbaar zijn. Feitelijke datapunten hebben de voorkeur, daar deze de meeste betrouwbaarheid opleveren in de analyse. Na analyse van de invloed op de BAR middels regressie-analyse (bepaling adjusted R2) blijkt dat circa 90% van de totale verklaringskracht bestaat uit vijf factoren. De overige factoren hebben dus nagenoeg geen invloed op de BAR. In de verdere analyse is tevens bekeken welke invloed het jaar van oplevering van een kantoorpand heeft op de resultaten. 24 DETERMINANTEN VAN DE BAR OP KANTOREN
  25. 25. De volgende factoren worden derhalve verder belicht in het onderzoek: - Leeftijd gebouw; - Exploitatiekosten; - Markthuur; - Huurpotentie; - Resterende looptijd huurcontract. Tevens zal een nadere toelichting worden gegeven op de financiële leegstand daar deze als correctie in tweede instantie in de analyse wordt meegenomen. 5.4. B RUTO AANVANGSRENDEMENT De gehanteerde initial yield (BAR op basis van contracthuur) in de analyse kan worden gedefinieerd als: BAR = actuele bruto contracthuur (t20) / waarde v.o.n. (t37) Onderstaande tabel geeft weer wat de gemiddelde BAR en de standaarddeviatie is van kantoorpanden in de specifieke regio’s die voor de analyse zijn gehanteerd. 2002 NL Amsterdam Rotterdam Den Haag Utrecht Gemiddelde BAR 8.29% 7.88% 8.12% 8.31% 8.37% Standaard deviatie 1.21% 1.30% 0.97% 1.28% 1.46% 2003 NL Amsterdam Rotterdam Den Haag Utrecht Gemiddelde BAR 8.49% 8.22% 8.38% 8.35% 8.55% Standaard deviatie. 1.24% 1.37% 0.89% 1.10% 1.44% 2002 en 2003 NL Amsterdam Rotterdam Den Haag Utrecht Gemiddelde BAR 8.39% 8.03% 8.25% 8.33% 8.46% Standaard dev. 1.23% 1.34% 0.94% 1.19% 1.45% 5.5. T OELICHTING DETERMINANTEN In de volgende paragrafen wordt verder ingegaan op de begripsdefinities van de genoemde variabelen in 5.3. 5.5.1. LEEFTIJD KANTOORPANDEN Voor de leeftijd van de kantoorpanden is in de analyse uitgegaan van het oorspronkelijke jaar van oplevering. Er zijn echter enkel kantoorpanden meegenomen met een maximale leeftijd overeenkomstig de –veelal gehanteerde- gemiddelde functionele levensduur van kantoorpanden, circa 25 jaar. De kantoorpanden met een eerdere oplevering hebben in veel gevallen zeer ingrijpende renovaties of reeds een herontwikkeling doorgemaakt, waardoor deze moeilijk te vergelijken zijn. In de analyse is enkel een rechtlijnig verband onderzocht en is geen verdere uitsplitsing gemaakt naar bouwperioden (zoals deze gewoonlijk door de ROZ/IPD worden gehanteerd). Dus voor een gebouw dat bijvoorbeeld in 1995 is opgeleverd, is in de analyse een leeftijd van 8 jaar aangehouden. 25 DETERMINANTEN VAN DE BAR OP KANTOREN
  26. 26. Het jaar van oplevering is het jaar dat een object daadwerkelijk wordt opgeleverd. Voor panden die tot de standing investments behoren, wordt voor het jaar van oplevering het jaar genomen dat het object voor meer dan 75% is verhuurd of indien de opleveringsdatum, na (her)ontwikkeling, meer dan 1 jaar geleden is geweest. 5.5.2. FINANCIËLE LEEGSTAND De financiële leegstand (t62) wordt gedefinieerd als de leegstand gedurende de meetperiode van ruimten welke voor verhuur beschikbaar waren, uitgedrukt in voor de desbetreffende periode geldende markthuurwaarde. In het geval de leegstaande ruimte tijdens de meetperiode alsnog verhuurd werd, wordt gerekend tot aan de ingangsdatum van het huurcontract. Eventuele huurvrije perioden worden niet als financiële leegstand aangemerkt. 5.5.3. EXPLOITATIEKOSTEN Het percentage exploitatiekosten van een specifiek kantoorpand worden door de ROZ/IPD gedefinieerd als zijnde 1 : Percentage exploitatiekosten = totale exploitatiekosten (t53) / Capital employed Hierbij worden de totale exploitatiekosten (t53) gedefinieerd als zijnde: Totale exploitatiekosten = vaste kosten (t43) + objectbeheerskosten (t25) + onderhoudskosten (t44) + verhuurkosten (t47) + overige kosten (t52) Waarbij de vaste kosten (t43) bestaan uit: Vaste kosten = OZB (t40) + overige belastingen (t41) + erfpachtcanon (t27) + verzekeringskosten (t42) En de verhuurkosten (t47) bestaan uit: Verhuurkosten = huurdersmutatiekosten (t45) + verhuurcourtage en marketingskosten (t46) En de overige kosten (t52) bestaan uit: Overige kosten = servicekosten eigen rekening (t48) + niet-verrekenbare BTW (t49) + oninbare huren (t50) + overige niet verhaalbare kosten (t51) 1 De t-aanduiding verwijst naar de codering volgens de ROZ/IPD. 26 DETERMINANTEN VAN DE BAR OP KANTOREN
  27. 27. In de noemer van het percentage exploitatiekosten staat het capital employed. Capital employed is door de ROZ/IPD gedefinieerd als de kapitaalswaarde aan het begin van het jaar plus de helft van de kapitaalsuitgaven gedurende het jaar minus de helft van de netto inkomsten gedurende het jaar. Hiervoor is gekozen aangezien voor sommige objecten met leegstand bijvoorbeeld geen netto opbrengsten aanwezig zijn. De netto opbrengsten (t33) in de formule worden gedefinieerd als zijnde: Netto opbrengsten = totale opbrengsten (t35) – totale exploitatiekosten (t53) Waarbij de totale opbrengsten (t35) bestaan uit: Totale opbrengsten = bruto huuropbrengsten (t21) + overige inkomsten en subsidies (t22) 5.5.4. MARKTHUUR De bruto markthuur (t13) is de jaarhuur voor het gehele kantoorpand, welke op het meetmoment in de markt behaald kan worden volgens opgave van de taxateur, uitgaande van een optimale marketing en verhuur aan de meest biedende gegadigde. De markthuur is exclusief BTW en servicekosten. In de markthuur zijn de huurprijzen van eventuele parkeerplaatsen niet opgenomen. Indien deze aanwezig zijn, geeft de taxateur de markthuur hiervoor afzonderlijk op. De markthuur is bepaald aan de hand van de markthuur per m2 VVO. bruto markthuur (incl leegstand, excl BTW en servicekosten) (t13) Markthuur = VVO (t67) + LVO (t73) 5.5.5. HUURPOTENTIE De huurpotentie wordt gedefinieerd als het verschil tussen actuele huur en markthuur, ofwel: ( bruto markthuur (incl leegstand, excl BTW en servicekosten) (t13) VVO (t67) + LVO (t73) ) Huurpotentie = ( Actuele bruto huur (t20) VVO (t67) ) Waarbij: VVO (t67) = verhuurd vloeroppervlak, en LVO (t73) = leegstaand vloeroppervlak 5.5.6. RESTERENDE LOOPTIJD HUURCONTRACT De resterende looptijd (t94) van de huurcontracten op het kantoorpand wordt in dit onderzoek gedefinieerd als zijnde de totale gecontracteerde bruto huur (over de resterende looptijd van het contract) gedeeld door de theoretische bruto jaarhuur. Uit deze berekening volgt dan een relatief aantal maanden van nog gecontracteerde huurinkomsten. 27 DETERMINANTEN VAN DE BAR OP KANTOREN
  28. 28. 5.6. BEVINDINGEN TEN BEHOEVE VAN ONDERZOEK In dit hoofdstuk is een toelichting gegeven op de dataselectie ten behoeve van de analyse. Bij deze dataselectie moest rekening gehouden worden met de beschikbare data vanuit de ROZ/IPD. Derhalve is het mogelijk dat niet alle van invloed zijnde determinanten voor de BAR in de analyse zijn meegenomen. Desondanks zal middels de analyse een goed beeld verkregen worden van de invloed die de onderliggende determinanten op de BAR hebben. Uit de univariate regressie-analyse is gebleken dat vijf determinanten 90% van de verklaringskracht bepaalden. Deze vijf determinanten zullen dan ook als uitgangspunt worden genomen voor meervoudige regressie-analyses. 28 DETERMINANTEN VAN DE BAR OP KANTOREN
  29. 29. ANALYSE GEHEEL NEDERLAND 6 6.1. INLEIDING Om te bepalen welke determinanten van de BAR de meeste invloed op de hoogte van de BAR hebben, is uitgegaan van regressie-analyse als analysetechniek. Er is uitgegaan van stapsgewijze regressie-analyse, wat een standaard analysetechniek is in SPSS (Statistical Package for Social Sciences). De achtergrond van de gehanteerde regressie- analysetechniek is nader toegelicht in hoofdstuk 5. Nadat middels univariate regressie-analyse een selectie van –van invloed zijnde- variabelen is gemaakt, zijn er voor het onderzoek meerdere regressie-analyses uitgevoerd. Te weten voor het totale databestand (geheel Nederland) en per regio. Hoewel er in eerste instantie enkel van financiële variabelen is uitgegaan, zijn er tevens regressie-analyses per regio uitgevoerd waarbij rekening is gehouden met de variabele ‘leeftijd’. Dit om nader te onderzoeken welke invloed ‘leeftijd’ heeft en of de determinanten daarbij wezenlijk verschillen ten opzichte van de oorspronkelijke analyse. Deze analyse is uitgevoerd omdat de variabele leeftijd bij de univariate regressie- analyse wel significant bleek te zijn. Echter, een indeling naar leeftijdscategorieën is moeilijk (welke grenzen zijn acceptabel?) en levert een dummy-variabele waarmee de betrouwbaarheid van de analyse afneemt. In de navolgende hoofdstukken wordt toegelicht hoe de regressie-analyses zijn uitgevoerd en wat de resultaten zijn. Voor de volledigheid wordt opgemerkt dat significantiecijfers niet opgenomen zijn in onderstaande analysebeschrijvingen, daar enkel factoren aan de modellen worden toegevoegd (stapsgewijs) indien deze significant verschillen van nul. 29 DETERMINANTEN VAN DE BAR OP KANTOREN
  30. 30. 6.2. D ATAVERANTWOORDING Als eerste analyse is er een regressie uitgevoerd op basis van data voor geheel Nederland. Voor deze analyse is uitgegaan van het totale data bestand voor kantoorpanden in geheel Nederland. Naar aanleiding van deze analyse kan een algemene uitspraak worden gedaan over welke determinanten de belangrijkste invloed hebben op de BAR op kantoorpanden. In onderstaande tabel is weergegeven hoeveel kantoorpanden zijn meegenomen in deze analyse. Aantal objecten 2002 2003 Totaal 2002 en 2003 Totaal Nederland 735 724 1410 In onderstaande tabel zijn de gemiddelden en standaarddeviaties opgenomen van de variabelen die zijn meegenomen in de analyse. 2002 Gemiddelde 1 e kwartiel 3e kwartiel Standaarddeviatie (25% ) (75% ) Resterende looptijd 48,5 mnd 26 mnd 60 mnd 33,6 mnd huurcontracten Huurpotentie 0,8% -6,1% 6,1% 13,3% Markthuur 152,49 euro 125,89 euro 170,91 euro 45,20 euro Exploitatiekosten 1,33% 0,58% 1,52% 1,50% 2003 Gemiddelde 1 e kwartiel 3e kwartiel Standaarddeviatie (25% ) (75% ) Resterende looptijd 48,2 25 56 42,8 huurcontracten Huurpotentie -2,8% -8,7% 1,6% 11,9% Markthuur 151,43 euro 126,20 euro 168,93 euro 44,26 euro Exploitatiekosten 1,36% 0,63% 1,74% 1,35% 6.3. ANALYSE GEHEEL NEDERLAND, 2002 In onderstaande tabel zijn de resultaten van de regressie-analyse voor het jaar 2002 opgenomen. Te zien is dat de variatie in de BAR voor het totaal aantal kantoorpanden in Nederland in 2002 het meest bepaald werd door variatie in (achtereenvolgens) de huurpotentie, de exploitatiekosten, de resterende looptijd van huurcontracten en tenslotte de hoogte van de markthuur. Factor Coëfficiënt Adjusted R2 cumulatief α 0,09163 1 Huurpotentie -0,044 0,252 2 Exploitatiekosten 0,23 0,329 3 Resterende looptijd -0,000081 0,394 huurcontract 4 Markthuur -0,000051 0,429 30 DETERMINANTEN VAN DE BAR OP KANTOREN
  31. 31. Uit de tabel blijkt dat de combinatie van deze factoren leidt tot een verklaringskracht van 0,429, wat als relatief hoog mag worden beschouwd. De factoren die bijdragen aan deze verklaringskracht zijn alle significant van nul. Wanneer de gegevens zouden worden omgezet in onderstaand model: BAR = α + β1*factor1 + β2*factor2 + β3*factor3 + ...... + βn *factorn + ε, Dan zou gelden: BAR = 0,09163 - 0,044*huurpotentie + 0,23*exploitatiekosten – 0,000081*resterende looptijd – 0,000051*markthuur + ε. Geconcludeerd kan worden dat alle factoren, behalve de exploitatiekosten een omgekeerd evenredige relatie hebben met de BAR. Dit is gezien de praktijk echter logisch. Immers indien er sprake is van meer huurpotentie zullen beleggers bereid zijn een lagere BAR te accepteren. Indien er sprake is van een hogere resterende looptijd van het huurcontract zal dit zich vertalen in een hogere waarde en dus een lagere BAR. Ook vertaalt een hogere markthuur zich in een hogere waarde en dus een lagere BAR. Tenslotte blijken hogere exploitatiekosten te leiden tot een hogere BAR, bij aankoop dus lagere waarde die betaald wordt. Dit is tevens een logische relatie. 18% Aanvangsrendement 2002 16% 14% ROZ/IPD index 12% 10% 8% 6% 4% 2% 0% 0% 5% 10% 15% 2 Berekend aanvangsrendement R = 0,426 Figuur 6.1.: Rela tie feitelijke BARren en geschatte BARren middels regressie o.b.v. geheel Nederland, coëfficiënten 2002: markthuur, huurpotentie, resterende looptijd huurcontract en exploitatiekosten (excl. aanpassing looptijd huurcontract, excl. jaar van oplevering), (R 2: 0,429). 31 DETERMINANTEN VAN DE BAR OP KANTOREN
  32. 32. 6.4. ANALYSE GEHEEL NEDERLAND, 2003 Vervolgens is er een regressie-analyse uitgevoerd voor geheel Nederland voor het jaar 2003. De resultaten komen grotendeels overeen met de resultaten uit 2002, echter nu blijkt de resterende looptijd van het huurcontract iets meer bij te dragen aan de verklaringskracht van de BAR dan de exploitatiekosten. Hieruit zou de conclusie getrokken kunnen worden dat de markt voor zekerheid van de cashflows kiest ten opzichte van de verhuurbaarheid. Zie onderstaande tabel. Factor Coëfficiënt Adjusted R2 cumulatief α 0,9157 1 Huurpotentie -0,0427 0,179 2 Resterende looptijd 0,0000677 0,256 huurcontract 3 Exploitatiekosten 0,157 0,292 4 Markthuur -0,000047 0,316 Uit de tabel blijkt dat de combinatie van deze factoren voor 2003 leidt tot een iets lagere verklaringskracht van 0,316 ten opzichte van 0,429 voor 2002. Naar aanleiding van deze analyse kan worden geconcludeerd dat de richting (+ of-) van de coëfficiënten overeenkomstig is met die van 2002 en dus een logische verklaring lijkt gezien de praktijk. 6.5. ANALYSE GEHEEL NEDERLAND, 2002 EN 2003 Uiteindelijk zijn de datapunten voor geheel Nederland voor de jaren 2002 en 2003 nog samengevoegd. De resultaten uit deze analyse zijn opgenomen in onderstaande tabel: Factor Coëfficiënt Adjusted R2 cumulatief α 0,09031 1 Huurpotentie -0,0343 0,16 2 Exploitatiekosten 0,288 0,252 3 Markthuur -0,0000564 0,313 4 Resterende looptijd -0,0000599 0,347 huurcontracten De gecombineerde data van 2002 en 2003 leidt tot een afwijkende volgorde van verklarende factoren. Nu blijkt de hoogte van de BAR het meest verklaard te worden door achtereenvolgens de hoogte van de huurpotentie, de exploitatiekosten, de markthuur en tenslotte de resterende looptijd van de huurcontracten. De totale verklaringskracht van deze factoren is 0,347, wat ligt tussen de verkregen verklaringskracht voor 2002 en 2003. De richting van de coëfficiënten is overeenkomstig met de verkregen resultaten voor 2002 en 2003 afzonderlijk. 32 DETERMINANTEN VAN DE BAR OP KANTOREN
  33. 33. 6.6. S CHATTING BARREN GEHEEL NEDERLAND, 2002 EN 2003 Wanneer er gekeken wordt naar de validatie van voorgaande analyseresultaten, kunnen de feitelijke BARren vergeleken worden met de –middels de verkregen modellen- geschatte BARren. In onderstaande tabel zijn de schattingen opgenomen. Geheel Nederland 2002 2003 Gemiddelde BAR 8.30% 8.67% Standaarddeviatie 0.85% 0.77% Opmerkelijk is dat de geschatte BARren vrijwel overeenkomstig zijn met de feitelijke BARren, waarmee geconcludeerd mag worden dat het onderzoek valide is. De werkelijke BAR voor geheel Nederland voor 2002 heeft een gemiddelde van 8,29%. Het gemiddelde van de geschatte BAR van 8,30% is dus nagenoeg overeenkomstig is met het werkelijke gemiddelde. Het model voor 2002 is dus een goede weergave voor de BAR voor geheel Nederland in 2002, ook gezien de relatief lage standaarddeviatie. Hieruit blijkt dat middels het verkregen model 95% van de gevallen ligt binnen de bandbreedte van een BAR van 6,6% tot 10,0%. Voor 2003 is er een iets groter verschil tussen de werkelijke BAR (8,49%) en het gemiddelde van de geschatte BAR (8,67%). Het model voor geheel Nederland voor 2003 zou dan ook iets onbetrouwbaarder kunnen zijn. Invulling van het model op basis van de gehanteerde data leidt tot een bandbreedte van 7,13% tot 10,21%. 6.7. ANALYSE GEHEEL NEDERLAND MET AANPASSING RESTERENDE LOOPTIJD HUURCONTRACTEN Ten aanzien van de data voor geheel Nederland is tevens een regressie-analyse uitgevoerd waarbij de data omtrent de resterende looptijd van het huurcontract is aangepast op basis van de aanvangsleegstand. Door de ROZ/IPD wordt de resterende looptijd van huurcontracten (t94) gebaseerd op de totale gecontracteerde bruto huur (t20) gedeeld door de actuele theoretische huursom (t19). Een probleem hierbij vormt dat van gebouwen met (gedeeltelijke) leegstand, het leegstaande gedeelte niet wordt meegenomen in de totale contracthuur. Om dit probleem te ondervangen is een aanpassing voor de (gedeeltelijk) leegstaande objecten meegenomen. De aanpassing is uitgevoerd op basis van de volgende formule: Resterende looptijd huurcontract (aangepast) = (1- leegstandspercentage) * resterende looptijd (origineel). Bij deze regressie analyse is het volgende aantal objecten meegenomen: Aantal objecten 2002 2003 Totaal 2002 en 2003 Totaal Nederland 735 724 1410 33 DETERMINANTEN VAN DE BAR OP KANTOREN
  34. 34. In onderstaand overzicht zijn de resultaten opgenomen van deze regressie-analyse, waarbij de resterende looptijd van de huurcontracten is aangepast middels bovenstaande formule. Uit de verkregen data blijkt dat de verschillen te verwaarlozen zijn met de voorgaande regressie-analyse waarin de aanpassing niet was meegenomen. Derhalve zal de aanpassing van de resterende looptijd van de huurcontracten niet worden meegenomen in de regio-analyse. Geheel Nederland, aangepaste looptijd, 2002 Factor Coëfficiënt Adjusted R2 cumulatief α 0,009156 1 Huurpotentie -0,0443 0,252 2 Exploitatiekosten 0,228 0,329 3 Resterende looptijd -0,000082 0,396 huurcontract 4 Markthuur -0,000051 0,43 Geheel Nederland, aangepaste looptijd, 2003 Factor Coëfficiënt Adjusted R2 cumulatief α 0,9139 1 Huurpotentie -0,0426 0,179 2 Resterende looptijd -0,0000677 0,258 huurcontract 3 Exploitatiekosten 0,156 0,293 4 Markthuur -0,0000446 0,316 Geheel Nederland, aangepaste looptijd, 2002 en 2003 Factor Coëfficiënt Adjusted R2 cumulatief Α 0,09019 1 Huurpotentie -0,0342 0,16 2 Exploitatie 0,226 0,253 3 Markthuur -0,0000563 0,313 4 Resterende looptijd -0,0000588 0,346 huurcontract Op basis van het totale databestand blijkt de aanpassing van de looptijd van de huurcontracten aan de aanvangsleegstand dus maar nauwelijks effect te hebben. Dit valt deels te verklaren door het feit dat slechts een beperkt aantal factoren een relatie heeft met leegstand. Tevens blijken de leegstandspercentages in het totale databestand relatief laag gezien de marktsituatie in de beschouwde jaren. Voor 2002 was het leegstandspercentage 3,1% en voor 2003 7%. Opgemerkt moet worden dat in de berekeningen geheel leegstaande panden niet zijn meegenomen, hierbij is de gecontracteerde huur immers nihil. 34 DETERMINANTEN VAN DE BAR OP KANTOREN
  35. 35. 6.8. CONCLUSIE ANALYSE GEHEEL NEDERLAND Naar aanleiding van de analyse op basis van data voor geheel Nederland kunnen de volgende conclusies worden getrokken voor de jaren 2002 en 2003: - Alle determinanten, behalve de exploitatiekosten, blijken een omgekeerd evenredige relatie te hebben met de BAR. Gezien de praktijk is dit een logische uitkomst. - Het verkregen model voor 2003 blijkt te leiden tot een iets lagere verklaringskracht dan het model voor 2002. - De analyse op basis van de gecombineerde data van 2002 en 2003 leidt tot een afwijkende volgorde van verklarende factoren dan bij de analyses voor 2002 en 2003 afzonderlijk. - De richting van de coëfficiënten is bij alle analyses overeenkomstig. - Op basis van de data voor geheel Nederland ligt de werkelijke BAR voor 2002 nagenoeg gelijk aan de berekende BAR middels het model. Voor 2003 is er wel een verschil tussen de werkelijke BAR (8,49%) en het gemiddelde van de geschatte BAR (8,67%). - Aanpassing van de resterende looptijd van de huurcontracten voor actuele leegstand leidt tot minieme verschillen in de resultaten. In de verkregen modellen is de coëfficiënt voor de variabele huurpotentie het meest constant over de jaren 2002 en 2003. De coëfficiënt voor exploitatiekosten is de grootste en de variabelen looptijd huurcontract en markthuur hebben uiterst kleine coëfficiënten. Wanneer echter zou blijken dat deze twee laatste variabelen in de tijd bezien zeer variabel zijn, kunnen deze toch een relatief grote invloed hebben op de variatie in de BAR. Immers, een verandering in de BAR wordt uiteindelijk bepaald door ‘coëfficiënt’ % maal de verandering in de variabele. Wanneer de coëfficiënt klein is, maar de relatieve verandering in de variabele groot, zal de relatieve verandering in de BAR ook groot zijn. Om echter concrete conclusies te kunnen trekken over de relatie van bovenstaande bevindingen met marktsituaties en de praktijk, zal data verzameld moeten worden over meerdere jaren. In de analyse zijn enkel de jaren 2002 en 2003 bekeken, daar data betreffende de variabele resterende looptijd huurcontract enkel voor deze jaren beschikbaar was. 35 DETERMINANTEN VAN DE BAR OP KANTOREN
  36. 36. ANALYSE PER REGIO 7 7.1. INLEIDING Na een analyse voor geheel Nederland, is het interessant om te bekijken of een analyse per regio leidt tot verschillen per regio. Hieruit zou geconcludeerd kunnen worden of in verschillende regio’s bepaalde aspecten meer of minder doorwerken in de transactieprijzen, ofwel op welke aspecten per regio portefeuillemanagers zouden kunnen sturen om de waarde van kantoorpanden in die regio te kunnen optimaliseren. Bij de indeling per regio is uitgegaan van de vier grote steden. De specifieke begrenzing van de regio is hierbij gebaseerd op vraag/aanbodverhoudingen in de markt, waarbij data afkomstig van DTZ Zadelhoff als basis is genomen. Hierbij zijn de volgende regio’s onderscheiden: - Amsterdam (incl. Amsterdam postcode 1000 t/m 1099, Amsterdam Zuid-Oost postcode 1100 t/m 1109, Diemen postcode 1110 t/m 1113, Duivendrecht postcode 1115 en Amstelveen postcode 1180 t/m 1189). - Rotterdam (incl. Capelle aan den IJssel postcode 2900 t/m 2909, Rotterdam postcode 3000 t/m 3089 (3099) en Schiedam postcode 3100 t/m 3125). - Den Haag (incl. Wassenaar postcode 2240 t/m 2245 (2249), Leidschendam postcode 2260 t/m 2267 (2269), Voorburg postcode 2270 t/m 2275 (2279), Rijswijk 2280 t/m 2289 en Den Haag postcode 2500 t/m 2597 (2599), Zoetermeer 2700 t/m 2725). - Utrecht (incl. Utrecht postcode 3500 t/m 3585 (3599, Maarssen 3605 t/m 3606, Nieuwegein 3431 t/m 3439). Naar aanleiding van deze analyse kunnen conclusies worden getrokken of BARren op kantoorpanden in verschillende regio’s bepaald worden door andere determinanten. 7.2. D ATAVERANTWOORDING In onderstaande tabel is opgenomen hoeveel kantoorpanden (datapunten) per regio zijn meegenomen. Aantal objecten 2002 2003 Totaal 2002 en 2003 Amsterdam 100 107 202 Rotterdam 84 80 164 Den Haag 76 72 145 Utrecht 132 126 251 36 DETERMINANTEN VAN DE BAR OP KANTOREN
  37. 37. 7.3. ANALYSE REGIO A MSTERDAM Uit de regressie-analyse voor Amsterdam over de jaren 2002 en 2003, blijkt dat de BAR van kantoorpanden in Amsterdam (uit de geselecteerde variabelen) enkel wordt bepaald door de huurpotentie en de hoogte voor de markthuur (2002). Op basis van de data van 2003 blijkt de resterende looptijd van het huurcontract voor dit jaar tevens invloed te hebben gehad. De factor exploitatiekosten bleek voor de jaren 2002 en 2003 afzonderlijk geen significante invloed te hebben gehad op de BAR. Echter, wanneer de jaren totaal worden meegenomen in een regressie-analyse, blijken de exploitatiekosten wel een significante invloed te hebben. Een en ander blijkt uit onderstaande tabel. Amsterdam 2002 Factor Coëfficiënt Adjusted R2 cumulatief α 0,08985 1 Huurpotentie -0,0375 0,321 2 Markthuur -0,000045 0,37 Amsterdam 2003 Factor Coëfficiënt Adjusted R2 cumulatief α 0,0952045 1 Huurpotentie -0,0272352 0,184 2 Resterende looptijd -0,0000987 0,308 huurcontract 3 Markthuur -0,0000448 0,357 Amsterdam 2002 en 2003 Factor Coëfficiënt Adjusted R2 cumulatief α 0,09139551 1 Huurpotentie -0,022844507 0,190 2 Markthuur -0,000054 0,287 3 Resterende looptijd -0,0000548 0,304 huurcontract 4 Exploitatiekosten 0,126392811 0,326 7.4. ANALYSE REGIO ROTTERDAM Uit de verkregen resultaten voor Rotterdam blijkt dat de verklaringskracht van de markthuur het grootst voor de hoogte van de BAR. De verklaringskracht van de modellen voor 2003 en 2002 en 2003 gecombineerd blijken iets lager te liggen dan die voor Amsterdam. Dit zou kunnen liggen in het feit dat er voor Rotterdam minder datapunten zijn meegenomen dan voor Amsterdam. De factor exploitatiekosten blijkt in geen van de analyses een significante invloed te hebben gehad op de BAR. De resultaten zijn weergegeven in de volgende tabel. 37 DETERMINANTEN VAN DE BAR OP KANTOREN
  38. 38. Rotterdam 2002 Factor Coëfficiënt Adjusted R2 cumulatief α 0,101174 1 Markthuur -0,00009967 0,1693 2 Huurpotentie -0,0314261 0,2557 3 Resterende looptijd -0,000097 0,3455 huurcontract Rotterdam 2003 Factor Coëfficiënt Adjusted R2 cumulatief α 0,099952764 1 Markthuur -0,00008979 0,139 2 Resterende looptijd -0,00007903 0,190 huurcontract 3 Huurpotentie -0,022518 0,233 Rotterdam 2002 en 2003 Factor Coëfficiënt Adjusted R2 cumulatief α 0,100460511 1 Markthuur -0,000105634 0,182 2 Resterende looptijd -0,00008714 0,243 huurcontract 3 Huurpotentie -0,021634186 0,286 7.5. ANALYSE REGIO DEN HAAG Ook uit de analyse voor Den Haag blijkt de factor exploitatiekosten geen significante invloed te hebben op de hoogte van de BAR. Voor het jaar 2003 blijkt er tevens geen significante relatie tussen de BAR en de hoogte van de markthuur. Overeenkomstig met de analyse voor Amsterdam, blijkt de huurpotentie een relatief belangrijke bijdrage te leveren aan de hoogte van de BAR. Het geselecteerde model voor 2002 blijkt een relatief hoge verklaringskracht te hebben ten opzichte van de andere modellen. De verklaringskracht van het model voor 2002 en 2003 gecombineerd is echter lager. Den Haag 2002 Factor Coëfficiënt Adjusted R2 cumulatief α 0,1104924 1 Huurpotentie -0,0622478 0,236 2 Markthuur -0,000162 0,3974 3 Resterende looptijd -0,00009097 0,4476 huurcontract 38 DETERMINANTEN VAN DE BAR OP KANTOREN
  39. 39. Den Haag 2003 Factor Coëfficiënt Adjusted R2 cumulatief α 0,0850629 1 Huurpotentie -0,0497698 0,239 2 Resterende looptijd -0,0000534 0,3213 huurcontract Den Haag 2002 en 2003 Factor Coëfficiënt Adjusted R2 cumulatief α 0,10334025 1 Markthuur -0,000126567 0,1578 2 Huurpotentie -0,02684071 0,2003 3 Resterende looptijd -0,00004791 0,2333 huurcontract 7.6. ANALYSE REGIO UTRECHT Opmerkelijk is dat de verkregen modellen voor de regio Utrecht een relatief (zeer) hoge verklaringskracht hebben ten opzichte van de andere regio’s. Dit zou kunnen liggen in het feit dat er voor de regio Utrecht meer datapunten beschikbaar zijn en het model derhalve meer betrouwbaar kan worden bepaald. Tevens is op te merken dat de verklaringskracht van de exploitatiekosten op de BAR voor Utrecht wel het grootst is, terwijl deze in de andere regio’s in enkele modellen niet of nauwelijks meespeelt. Enkel in het model voor 2002 en 2003 totaal speelt de hoogte van de markthuur een rol. Utrecht 2002 Factor Coëfficiënt Adjusted R2 cumulatief α 0,0817571 1 Exploitatiekosten 0,4536242 0,3717 2 Huurpotentie -0,0647781 0,6257 3 Resterende looptijd -0,0001026 0,659 huurcontract Utrecht 2003 Factor Coëfficiënt Adjusted R2 cumulatief α 0,077673803 1 Exploitatiekosten 0,450717445 0,2218 2 Huurpotentie -0,05145698 0,3955 Utrecht 2002 en 2003 Factor Coëfficiënt Adjusted R2 cumulatief α 0,084685 1 Exploitatiekosten 0,47358508 0,3548 2 Huurpotentie -0,04753842 0,53 3 Resterende looptijd -0,00003679 0,5437 huurcontract 4 Markthuur -0,000047218 0,5503 39 DETERMINANTEN VAN DE BAR OP KANTOREN
  40. 40. 7.7. CONCLUSIE REGIOANALYSE Naar aanleiding van de analyse op basis van data voor de verschillende regio’s in Nederland kunnen voor de jaren 2002 en 2003 de volgende conclusies worden getrokken: - Zoals bij de analyse voor geheel Nederland, blijken de relaties van alle determinanten met de BAR negatief, behalve bij de exploitatiekosten. Gezien de praktijk is dit een logische uitkomst. - Het model voor de regio Utrecht blijkt voor beide jaren de grootste verklaringskracht te hebben. Echter, dit kan tevens het gevolg zijn van een groter aantal datapunten. - Voor de regio Rotterdam blijkt de rangorde van variabelen in de modelopbouw voor de jaren afzonderlijk en gecombineerd constant. Voor de regio Utrecht is deze tevens redelijk constant. - In de regio‘s Amsterdam en (over het algemeen) Den haag blijkt de huurpotentie de meest dominante factor voor de BAR, in de regio Rotterdam de hoogte van de markthuur en in de regio Utrecht blijken de exploitatiekosten de meeste invloed te hebben. Uit bovenstaande is te concluderen dat bij de waardering van de kantoorpanden (bepaling van de BAR) in verschillende regio’s in verschillende mate rekening gehouden wordt met de onderliggende determinanten. Hiervoor kan een verklaring liggen in het feit dat er sprake is van verschillende vastgoedmarkten in Nederland, maar ook in het feit dat er sprake is van een niet-consistente wijze van waarderen, waarbij op diverse momenten van waarderen variabelen in meer of mindere mate worden meegenomen. Om te toetsen of de verschillen in invloedsgrootte gelegen zijn in een marktspecifieke reden, zal de analyse nogmaals uitgevoerd moeten worden wanneer er voor meerdere jaren data beschikbaar is. Indien een verschil in onderliggende determinanten te verklaren zou zijn door het feit dat er sprake is van verschillende vastgoedmarkten in Nederland, kan dit als uitgangspunt dienen voor verder onderzoek naar optimale portefeuillespreiding en optimale mogelijkheden voor risicomanagement binnen de portefeuille. Tevens kan verder onderzoek hiernaar als handvat dienen voor vermogensbeheerders om optimaal te kunnen sturen op waardevermeerdering van de kantoorpanden die in bezit zijn. 40 DETERMINANTEN VAN DE BAR OP KANTOREN

×