Bar

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

DETERMINANTEN VAN DE BAR OP KANTOREN

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


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


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


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


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
7.3. 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
8.3. 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


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 markten 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


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


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


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


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


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


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


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


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


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


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


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


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


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


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


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


Gegevens die gebruikt worden om de objecten 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


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


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


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


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


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


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


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


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.

α 0,9157
2 Resterende looptijd 0,0000677 0,256
huurcontract
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:

α 0,09031
3 Markthuur -0,0000564 0,313
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


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:

Totaal Nederland 735 724 1410

33


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
α 0,009156
huurcontract
4 Markthuur -0,000051 0,43

Geheel Nederland, aangepaste looptijd, 2003
α 0,9139
huurcontract
4 Markthuur -0,0000446 0,316

Geheel Nederland, aangepaste looptijd, 2002 en 2003
Α 0,09019
2 Exploitatie 0,226 0,253
3 Markthuur -0,0000563 0,313
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


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


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.

Amsterdam 100 107 202
Rotterdam 84 80 164
Den Haag 76 72 145
Utrecht 132 126 251

36


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
α 0,08985
2 Markthuur -0,000045 0,37

Amsterdam 2003
α 0,0952045
1 Huurpotentie -0,0272352 0,184
huurcontract
3 Markthuur -0,0000448 0,357

Amsterdam 2002 en 2003
α 0,09139551
1 Huurpotentie -0,022844507 0,190
2 Markthuur -0,000054 0,287
huurcontract

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


Rotterdam 2002
α 0,101174
1 Markthuur -0,00009967 0,1693
2 Huurpotentie -0,0314261 0,2557
huurcontract

Rotterdam 2003
α 0,099952764
1 Markthuur -0,00008979 0,139
huurcontract

Rotterdam 2002 en 2003
α 0,100460511
1 Markthuur -0,000105634 0,182
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
α 0,1104924
1 Huurpotentie -0,0622478 0,236
2 Markthuur -0,000162 0,3974
huurcontract

38


Den Haag 2003
α 0,0850629
1 Huurpotentie -0,0497698 0,239
huurcontract

Den Haag 2002 en 2003
α 0,10334025
1 Markthuur -0,000126567 0,1578
2 Huurpotentie -0,02684071 0,2003
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
α 0,0817571
2 Huurpotentie -0,0647781 0,6257
huurcontract

Utrecht 2003
α 0,077673803
2 Huurpotentie -0,05145698 0,3955

Utrecht 2002 en 2003
α 0,084685
2 Huurpotentie -0,04753842 0,53
huurcontract
4 Markthuur -0,000047218 0,5503

39


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


Bar

Recomendados

Recomendados

Más contenido relacionado

Similar a Bar

Similar a Bar (18)

Más de P.S.A. Tonkes

Más de P.S.A. Tonkes (12)

Bar