Hoe inzichtelijk zijn de huurtransacties op de kantorenmarkt in Nederland?
Scriptie
Master of Real Estate Finance R. M. van Meeuwen
0297291 11-12-2008
Begeleider: Dhr. van Gool 2e Begeleider: Dhr. Vos
2
Samenvatting
In deze scriptie is getracht een beeld te schetsten van de transparantie van en de hieraan gerelateerde efficiëntie op de commerciële vastgoedmarkt. In het bijzonder van de huurtransacties op de kantorenmarkt. Doordat vastgoed een echte investeringsklasse is geworden, is het belangrijk, zowel voor de eigenaar als de belegger, dat de werkelijke rendementen goed bepaald kunnen worden. Taxaties zijn dan ook een belangrijk middel hierin, maar velen hebben de indruk dat deze ‘opgeblazen’ zijn. Binnen taxaties zijn referentietransacties onmisbaar, maar in hoeverre zijn deze beschikbaar en juist?
In dit onderzoek worden, aan de hand van informatie uit verschillende portefeuilles, in mijn ogen redelijk opmerkelijke cijfers naar voren gebracht. In tegenstelling tot wat enkele marktpartijen doen voorkomen, blijkt uit dit onderzoek dat het cijfer voor gepubliceerde huurtransacties slechts rond de 40% ligt. Dit heeft ook gevolgen voor de opnamecijfers die door enkele marktpartijen worden bepaald, en welke worden gebaseerd op de gepubliceerde huurtransacties. Daarnaast is er de afwijking tussen de gepubliceerde gegevens en de werkelijke transactiegegevens. Gemiddeld liggen de gepubliceerde cijfers ruim 12% hoger, met de meest waarschijnlijke oorzaak: de beleggingswaarde hoger doen laten lijken dan dat deze daadwerkelijk is via het geven van huurkortingen.
3
Inhoudsopgave
- Inleiding p. 4
- 1. Literatuuronderzoek
o 1.1 Transparantie en de Efficiënte Markt Theorie p. 6 o 1.2 Hoe steekt de Nederlandse kantorenmarkt in elkaar? p. 10 o 1.3 Het begrip ‘waarde’ p. 12 o 1.4 Welke waarderingsmethoden worden gehanteerd? p. 14
o 1.5 Incentives p. 17
o 1.6 Effectieve huur p. 20
- 2. Onderzoeksdeel p. 21
o 2.1 Methodiek p. 22
2.1.1 Data p. 22
2.1.2 Assumpties m.b.t. het onderzoek p. 25 2.1.3 Effectieve huur berekening p. 26
o 2.2 Resultaten p. 29
o 2.3 Interpretatie Resultaten p. 33 o 2.4 Aanvullend onderzoek ‘vertrouwelijke database’ p. 36 o 2.5 Waarom worden transacties niet gepubliceerd? p. 37
o 2.6 Interviews p. 38
2.6.1 Interview met Dhr. Rompelman p. 38 2.6.2 Interview met Dhr. Van Enk p. 39
- 3. Conclusie p. 41
- Literatuurlijst p. 43
4
Inleiding
Wie regelmatig de krant leest, heeft alle ophef over de vastgoedmarkt niet over het hoofd kunnen zien. Er was zeer veel negatieve publiciteit omtrent diverse omvangrijke projecten, ontwikkelaars en beleggers. Mede door deze ophef werd mijn aandacht nog meer gevestigd op de vastgoedmarkt. Samen met de onderneming waar ik mijn scriptie zou gaan schrijven, EPAC Property Counselors, kwamen we tot de conclusie dat het één en ander mogelijk samenhangt met de ondoorzichtigheid van de vastgoedmarkt.
Als gevolg van de snelle toename van de investeringsklasse vastgoed sinds midden jaren negentig, zijn waardebepalingen in deze sector steeds belangrijker geworden. Meer en meer wordt er belegd in commercieel vastgoed en daarom is het voor de transparantie en efficiëntie van de markt van groot belang dat de rendementen goed gemeten kunnen worden. Om de portefeuilles van verzekeraars, pensioenfondsen, particuliere beleggers en anderen jaarlijks te waarderen zijn nauwkeurige taxaties nodig. Bij velen bestaat het idee dat deze taxaties zijn ‘opgeblazen’1. Deze taxaties worden onder andere beïnvloed
door referentietransacties, waarmee men de meest accurate situatie van de markt probeert te achterhalen. Het belang van deze referentietransacties en taxaties wordt ook benadrukt door enkele personen uit de markt. Hieronder enkele uitspraken van deze personen in het blad PropertyNL2.
- Dave Hendriks, Savills: “Een taxateur is toch voortdurend op zoek naar
referentietransacties”.
- Frans van Hoeken, DTZ Zadelhoff: “Je kunt alleen goed taxeren als je toegang
hebt tot de markt zelf. Dit betekent een sterke researchafdeling die zich voortdurend laat voeden door referentietransacties en deals waarbij we zelf betrokken zijn”.
- Paul Verheggen, Jones Lang Lasalle: “Om goed te kunnen waarderen zijn
referentietransacties belangrijk”.
- Jan Diephuis en Hans Faddegon, Diephuis Partners: “Taxaties zijn een behoorlijk
grondig middel om de waarde van een portefeuille aan te geven, een soort monitor”.
Zoals hierboven is te lezen, vindt men referentietransacties een belangrijk aspect bij het waarderen van commercieel vastgoed. Maar hoe inzichtelijk zijn die transacties en in hoeverre is de informatie juist? Dat is wat ik ga onderzoeken. Om mijn vraagstuk nader
1 Rolvink, F., Van Wijnen, J.F., 2005, “Vastgoed drijft op optimisme taxateurs”, Financieel Dagblad.
Van Gool, P., Ten Have, G.M., 2006, “Luchtbellen in vastgoedwaarderingen door verkeerd gebruik
taxatiemethoden”.
5
te specificeren richt ik mij op de publicaties van huurtransacties in de kantorenmarkt. Worden deze referentietransacties bekend gemaakt? Hoeveel van de huurtransacties worden bekend gemaakt? Zijn de huren die gepubliceerd worden juist? Deze, andere vragen en de gevolgen hiervan worden beantwoord in deze scriptie met de centrale vraag:
Hoe inzichtelijk zijn de huurtransacties op de kantorenmarkt in Nederland? Ik pas in deze scriptie de zogeheten trechter methode toe. Hierbij dienen de meer algemene onderwerpen als startpunt, om vervolgens toe te spitsen op de doorzichtigheid van de huurtransacties op de kantorenmarkt. In eerste instantie wordt gekeken naar wat transparantie eigenlijk betekent, waarna de Efficiënte Markt Theorie aan bod komt. Vervolgens wordt een klein beeld geschetst van de Nederlandse kantorenmarkt. Daarna zal ik het begrip ‘waarde’ nader verklaren en vervolgens de waarderingsmethodieken toelichten die vaak worden gebruikt. Afsluitend een uitleg van de binnen de commerciële vastgoedmarkt vaak gebruikte ‘incentives’, gevolgd door de uitleg van effectieve huur. In het onderzoeksdeel wordt na een korte introductie ingegaan op de methodiek die is gebruikt tijdens dit onderzoek. Allereerst worden de data beschreven, waarna de assumpties bij het onderzoek worden uitgelegd. Daarna en wordt via een berekening het effect van de incentives op de effectieve huur zichtbaar. Vervolgens worden de resultaten van het onderzoek getoond en uitgelegd. Om een idee te krijgen hoe mensen uit de vastgoedsector tegenover dit onderwerp staan heb ik de heren Rompelman en Van Enk geïnterviewd. Er wordt afgesloten met de conclusie, waarna een overzicht van de gebruikte literatuur volgt.
6
1. Literatuuronderzoek
1.1 Transparantie en de Efficiënte Markt Theorie
Definitie transparante markt: ‘een markt waarbinnen de informatie gelijk is ongeacht vanuit welk oogpunt wordt gekeken’. Het is niet zozeer bepalend in hoeverre deze informatie juist is, maar of deze informatie voor iedereen hetzelfde is. Vaak is het wel zo dat wanneer een markt ondoorzichtig (niet transparant) is, de informatie vaak gekleurd is en de waarheid geweld wordt aangedaan. Markten die niet transparant zijn worden af en toe in verband gebracht met corruptie3. Transparantie kan een belangrijke bijdrage
leveren aan het vertrouwen binnen een markt of organisatie.
Eind jaren zestig ontwikkelde professor Eugene Fama de ‘Efficient Market Theory’. Hij baseerde deze theorie op de effectenmarkt, maar deze theorie is op meerdere markten toepasbaar. De kern van deze theorie is dat op elk moment in de tijd alle relevante informatie verwerkt is in de prijs van een asset4.
Men verkoopt assets wanneer men denkt dat de prijs die ervoor ontvangen wordt, hoger is dan de prijs die men zelf aan de asset toekent. Men koopt assets wanneer men denkt dat de prijs die betaald wordt, lager is dan de daadwerkelijke beleggingswaarde die men zelf eraan toekent.
Wanneer er werkelijk sprake is van een efficiënte markt, kan geen enkele strategie een structureel beter resultaat halen dan het gemiddelde, omdat niemand meer informatie heeft dan de markt. Als daadwerkelijk alle informatie bekend is bij alle participanten, is de waarde van een asset een ‘beeld’ van de kennis en verwachtingen van alle investeerders. Het verkopen of kopen van assets om meer rendement te halen dan het gemiddelde is dan meer een kwestie van geluk dan van expertise.
Er zijn drie vormen van marktefficiëntie: Marktefficiëntie in zwakke vorm:
Deze vorm zegt dat het onmogelijk is om buitengewone rendementen te halen op basis van informatie uit het verleden. Dit betekent onder andere dat technische analyse (het bestuderen van grafieken en data uit de historie in combinatie met huidige marktinformatie, om toekomstige reeksen te voorspellen) volgens deze opvatting geen buitengewone rendementen kan opleveren. Fundamentele analyse (het bestuderen van de interne bedrijfskrachten) kan echter wel een buitengewoon rendement opleveren,
3 Jones Lang Lasalle, 2008, “Real Estate Transparency”.
7
omdat niet alle actoren op de markt alle beschikbare informatie op dezelfde wijze zullen verwerken in hun analyses.
Marktefficiëntie in semi-sterke vorm
Binnen deze vorm wordt ervan uitgegaan dat nieuwe informatie in een zeer korte, periode volledig in de prijs verwerkt is. Onder de semi-sterke vorm van de efficiënte markthypothese wordt ervan uitgegaan dat ook fundamentele analyse niet tot buitengewone resultaten zal leiden. Mensen met voorkennis kunnen hier nog wel excessieve rendementen behalen.
Marktefficiëntie in sterke vorm
Niemand kan onder deze omstandigheden een structureel beter rendement realiseren dan de benchmark. Het argument dat sommige fondsmanagers jarenlang rendementen realiseren die boven het marktgemiddelde liggen hoeft niet per se een verwerping van de efficiënte markthypothese in sterke vorm te betekenen. Vanwege het grote aantal actoren is er bij een normale verdeling van de rendementen altijd een klein aantal personen dat zich in de (positieve) staart van de distributie bevindt5.
In werkelijkheid zijn markten nooit perfect efficiënt of compleet inefficiënt. Elke markt is tot op een zekere hoogte efficiënt, de ene markt meer dan de andere. De basis van een efficiënte markt is transparantie. Hoe staat het daarmee in de vastgoedmarkt?
Transparantie in de vastgoedmarkt:
In 2004 kwam Jones Lang Lasalle met een definitie voor Real Estate Transparency: elke open en duidelijk georganiseerde vastgoedmarkt die opereert in een juridisch en geformaliseerd raamwerk dat is gekarakteriseerd door een consistente benadering van de wetgeving en de eigendomsrechten gerespecteerd worden. In 2006 hebben ze daar het volgende aan toegevoegd: de ethische en professionele maatstaf van gecertificeerde adviseurs binnen de sectoren6.
In de Global Real Estate Transparency Index van JLL staat Nederland 6e, voorafgegaan
door de Angelsaksische landen Canada (1), Australië (2), Verenigde Staten (3), Nieuw Zeeland (4) en het Verenigd Koninkrijk (5). Volgens JLL hangt de transparantie nauw samen met de globalisering. Op zoek naar een hoger risicogecorrigeerd rendement, bijvoorbeeld door spreiding, opereren beleggers meer en meer internationaal. Verplaatsingen van kapitaal en ondernemingen over de hele wereld hebben de behoefte aan informatie over individuele markten alleen maar vergroot. Ze vormen een stimulans
5 Fisher, W.O., 2005, “Does the efficient market theory helps us to do justice in times of madness”. 6 JLL, 2006, “Real Estate Transparency”.
8
voor overheden om bureaucratische praktijken te stroomlijnen die de vrije kapitaalstromen in en uit wereldwijde markten belemmeren. Veel internationale investeerders richten zich volgens JLL op de volwassen, open en transparante vastgoedmarkten. De meer opportunistische investeerders zullen echter ook de opkomende, minder volwassen, minder open en semi-transparante markten overwegen. Ze hebben dan echter wel een hoger rendement nodig als compensatie voor de hogere risico's die samenhangen met een lagere transparantiegraad. Alleen de meest opportunistische investeerders zullen zich wagen op de semi-transparante markten van Oost-Europa, Latijns-Amerika en Zuidoost-Azië7.
Er is aan de zijde van de gebruiker behoefte aan actuele, betrouwbare en volledige informatie van het vastgoed. Zonder deze informatie is een gedegen beleidsbeslissing op het gebied van huisvesting zeer moeizaam. Ook de financier, over het algemeen banken, wilt deze duidelijkheid i.v.m. de zekerheidsstelling van zijn geld. De overheid, als gebruiker en regulerende instelling, is de derde partij die baat heeft bij een transparante markt.
Op basis van het bovenstaande zou men mogen verwachten dat het huidige tijdperk, waar informatie eigenlijk overal te verkrijgen is, korte metten heeft gemaakt met deze ondoorzichtigheid. In de praktijk blijkt dat het nog steeds lastig is om een gefundeerd beeld te krijgen van de marktverhoudingen8. Hoe komt dit?
In eerste instantie zou men verwachten dat ook een internationale belegger een grote behoefte heeft aan transparantie. Zij willen nu eenmaal de risico’s beperken. Om onder meer toekomstige verhoudingen van vraag en aanbod te kunnen ramen of tot een gefundeerde waardebepaling te kunnen komen is actuele betrouwbare informatie immers een must. Daar staat tegenover dat een imperfecte markt het mogelijk maakt om gedurende langere tijd een kennis- en informatievoorsprong op te bouwen en hogere rendementen te realiseren zonder dat dit het risico verhoogt. Omdat private informatie nu eenmaal niet direct is verwerkt in de prijs van het vastgoed, kan de bezitter hiermee voordeel behalen. Het openbaarstellen van private informatie zal een druk geven op de rendementen. De belegger is dus enerzijds gebaat bij transparantie, maar wil anderzijds het voordeel van private informatie niet verliezen. Een goed voorbeeld m.b.t. dit onderwerp is de ROZ-IPD benchmark. De benchmark zelf wordt gepubliceerd, maar de informatie waar dit op gebaseerd is, wordt zeer vertrouwelijk behandeld. Ook in mijn onderzoek kwam iets soortgelijks naar voren. Aan veel partijen is gevraagd of zij mee
7JLL, 2008, “Real Estate Transparency”. 8 EPAC Property Counselors.
9
wilden werken met mijn onderzoek, door contracten beschikbaar te stellen. Velen waren positief over het onderzoek, maar kwamen met originele excuses waarvoor zij niet mee konden werken.
Ook bij de ontwikkelaar vinden we deze tegenstrijdigheid. Ontwikkelingsactiviteiten dragen een grote mate van risico met zich mee. Enerzijds kan men door te profiteren van marktimperfecties het rendement, zonder extra risico, verhogen. Anderzijds draagt het vergroten van kennis (meer transparantie) bij tot het verlagen van het risico.
Wat betreft de makelaars en adviseurs is hier sprake van een andere situatie. De professionele partijen zullen streven naar transparantie, aangezien in transparante markten de beste partijen boven komen drijven. Anderzijds kan er wanneer er sprake is van veel exclusieve informatie, de rol als bemiddelaar beter worden uitgeoefend.
In grote lijnen is de meerderheid van de spelers in de vastgoedmarkt in mijn ogen niet gebaat bij het nastreven van een absolute transparantie en de hieruit voortvloeiende marktefficiëntie. Direct vastgoed wordt in tegenstelling tot veel andere markten verhandeld in een imperfecte markt, waar informatie kostbaar en schaars is.
Transactiekosten zijn zeer hoog en het aantal transacties is relatief laag. Prijzen worden bereikt op basis van onderhandelingen tussen koper en verkoper9. Wat betreft de
huurprijzen, de verhuurder probeert altijd de contante waarde van zijn toekomstige inkomsten te maximaliseren met daarnaast de vereiste dat het object voor een zo lang mogelijke termijn aan een stabiele huurder wordt verhuurd. Dit terwijl de huurder de contante waarde van zijn toekomstige uitgaven probeert te minimaliseren en er een zo flexibel mogelijk contract uit probeert te slepen met veel opzegmogelijkheden. Hierover vinden de onderhandelingen plaats10.
Als er in de vastgoedmarkt sprake zou zijn van een efficiënte markt, is het duidelijk wat elke huurder voor een bepaald aantal vierkante meters betaalt en voor welk bedrag objecten worden aan- en verkocht. Wie eigenaar is van welk object en ga zo maar door. Net als DeLisle ben ik van mening dat de vastgoedmarkt een imperfecte markt is. Dit onderzoek zal dan ook proberen aan te tonen dat er minder van de markt bekend is dan men denkt.
9 DeLisle, J.R., 1995, “Real Estate: A distinct asset class or an industry sector?”. 10 Bond, S., 1994, “Rental Valuations with inducements: An update.”.
10
1.2 Hoe steekt de Nederlandse kantorenmarkt in elkaar?
De belangrijkste spelers op de huurmarkt zijn aan de huurders kant de overheid en alle bedrijven die geen eigenaar-gebruiker zijn, en de verhuurders (eigenaars) aan de andere kant. Op de beleggingsmarkt zijn verschillende groepen investeerders, de eigenaar-gebruikers en de huurders de spelers waar het om draait. Op beide kanten van de markt wordt er bemiddeld door adviseurs en/of makelaars. De markt is niet gereguleerd en zodoende komen huur- en verkoopprijzen tot stand door onderhandelingen. Hier komen de adviseurs en makelaars aan bod, om voor de door hun vertegenwoordigde partij een zo gunstig mogelijke prijs te realiseren. De tendens van de markt is een bepalende factor voor de positie van de verschillende partijen aan de onderhandelingstafel. Wanneer er veel leegstand is heeft een huurder meer macht aangezien hij meer keuze heeft. In deze markt gaat het verhaal van vraag en aanbod ook zeker op. Adviseurs en makelaars worden vergoed op urenbasis of op basis van courtages. Dit is een nader te bepalen percentage van de totale transactie. Nadat iedere partij zijn eigen waardering heeft gemaakt, welke vaak een spreiding hebben van tussen de 10 en 20% in Nederland11,
wordt er na onderhandeling tegen een bepaald rendement aangekocht door de koper. In deze tijden van vele negatieve publiciteit over de vastgoedmarkt en daarnaast de economische crisis, is het noodzakelijk voor partijen die willen overleven om zo integer mogelijk zaken doen12.
Binnen de vastgoedmarkt wordt er binnen het jargon vaak gesproken over een verkoopprijs van een gebouw die een bepaald aantal keer de huurwaarde is of een object dat een bruto of netto aanvangsrendement heeft van een bepaald percentage. Als men spreekt over een bruto aanvangsrendement van 8%, betekent dit eigenlijk dat de verkoopprijs 100/8=12,5 keer de bruto jaarhuur is. Om de connectie dat verkoopprijzen zeer afhankelijk zijn van de huurprijzen te bevestigen, ziet u hieronder twee grafieken. In de onderste grafiek is ook de inflatie bijgevoegd. Zo is te zien dat er niet een extreem groot verschil is tussen de groei van de huren (en daarmee de verkoopprijzen) en de inflatie.
11 Vos, G.A., 2008, “College Real Estate Valuation & Investments”.
12 De Blauw, R., Wessels, P, 2008, “Baken in een turbulente tijd: aandacht voor integriteit speelt een grote rol voor mensen die werken in het vastgoed. Een gedragscode helpt.”
11
Grafiek 1: Verkoopprijzen kantorenmarkt. Bron: www.vastgoedmonitor.nl
Gemiddelde huurprijzen per m2
80 90 100 110 120 130 140 199 4 1996 1998 2000 2002 2004 2006 Jaren Eur o Huurprijzen Inflatie
Grafiek 2: Huurprijzen kantorenmarkt. Bron: www.vastgoedmonitor.nl , CBS
Zoals eerder vermeld schakelen ondernemingen vaak makelaars en/of adviseurs in om een kantoor aan te huren. Dit omdat er met vele aspecten rekening gehouden moet worden en het bedrijf daar zelf vaak geen ervaring in heeft.
Hieronder enkele essentiële aandachtspunten bij het opstellen van een huurcontract: - De duur van het contract en eventuele verlengingsperioden
12
- Breakopties; tussentijdse mogelijkheden op bepaalde momenten in het contract om dit op te breken
- Huurindexering; met hoeveel % wordt de huur jaarlijks geïndexeerd - Inrichting; in welke hoedanigheid het kantoorpand wordt opgeleverd - Servicekosten; hoe hoog zijn deze en wat krijgt de huurder daarvoor terug - Voor welke doeleinden de huurder het object mag gebruiken
- Op welke tijdstippen de huurder toegang heeft tot het object - Of er onderverhuur mag plaatsvinden
- De wijze van betaling en daarmee ook de betaalperiode - De omzetbelasting
- De bankgarantie die de huurder moet verschaffen - Op welke wijze de verhuurder het management uitvoert
Binnen de commerciële vastgoedmarkt zijn er vele partijen die gegevens over de markt publiceren. Enkele daarvan worden door veel, al dan niet iedereen, gelezen/gebruikt. Dit zijn bijvoorbeeld het twee wekelijkse blad de PropertyNL en de maandelijkse krant Vastgoedmarkt. Daarnaast is er nog een transactiedatabase van het bedrijf Strabo BV, genaamd VTIS. Hierin worden zoveel mogelijk gegevens met betrekking tot transacties in bekend gemaakt. Alles wat in de PropertyNL en de Vastgoedmarkt wordt gepubliceerd is terug te vinden in deze database van Strabo BV. Deze bronnen worden door marktpartijen dan ook veel geraadpleegd om referentietransacties uit te halen. Daarnaast zijn er bedrijven die veel onderzoeksrapporten naar buiten brengen. Eén daarvan is Dynamis. Elk kwartaal wordt het rapport ‘Sprekende Cijfers’ uitgebracht, met daarin markttrends, opnamecijfers etc.
1.3 Het begrip ‘waarde’
De belegger staat steeds verder af van zijn of haar werkelijk bezit, en daarom is het onmisbaar om regelmatig de huidige waarde van het object te laten bepalen. Helemaal in deze onrustige tijden op de financiële markten moet men accurate keuzes kunnen maken, wanneer het gaat om het investerings- en desinvesteringsbeslissingen. Dit kan niet zonder te weten wat er nog op de balans staat en in welke hoedanigheid. Dat de taxateur onafhankelijk moet zijn staat buiten kijf. Hij moet proberen om de echte waarde te achterhalen terwijl de vastgoedadviseurs, de ontwikkelaars en fondsaanbieders allen subjectief handelen.
13
Door de verscheidende boekhoudschandalen is er uiteindelijk gekozen voor een algemene accounting standaard. De vraag was of dit continentaal of internationaal moest gebeuren. In 1998 nam de EU het besluit om de internationale accounting standaarden (IAS) te volgen en ook actief te steunen. Deze ontwikkeling had ook gevolgen voor de taxatierichtlijnen. Dankzij de samenwerking tussen het International Valuation Standards (IVS) Committee en de IAS Board, worden over de hele wereld richtlijnen en definities steeds meer gevormd en gestroomlijnd. De invoering van de internationale taxatiestandaarden zal volgens Hordijk ook op nationaal niveau baat hebben. Er is te vaak verwarring over begrippen als marktwaarde, bedrijfswaarde, directe opbrengstwaarde en waarde in het economische verkeer. Aangezien vastgoed zo’n enorme waarde vertegenwoordigt voor de economie, kunnen de misinterpretaties leiden tot maatschappelijke consequenties13.
De internationale betekenis van het begrip marktwaarde is de basis waaruit de meeste andere standaarden zijn afgeleid. Hieronder de beschrijving:
“Marktwaarde is het geschatte bedrag waarvoor een object op de taxatiedatum zou worden overgedragen door een bereidwillige verkoper aan een bereidwillige koper in een marktconforme transactie, na behoorlijke marketing, waarbij de partijen geïnformeerd, zorgvuldig en zonder dwang hebben gehandeld”14.
De beleggingswaarde is een van de waardebegrippen die niet aan de marktwaarde gerelateerd is. Dit omdat het hierbij gaat om de waardering die de (toekomstig) eigenaar/belegger zelf toekent aan het object, op basis van subjectieve determinanten, bijvoorbeeld een rendementseis15.
Sommigen waarderen liever op basis van beleggingswaarde dan op die van marktwaarde omdat deze minder volatiel is. Ik zal me in dit onderzoek alleen bezig houden met de marktwaarde en de beleggingswaarde en daarom de overige begrippen van waarde niet behandelen.
13 Hordijk, A.C., 2008, “Marktwaarde van vastgoed: De maatschappelijke en taxatietechnische impact van internationale standaarden”.
14 Berkhout, T.M., Hordijk, A.C., 2008, “International Valuation Standards, en de Nederlandse waarderingstandaarden: definities, vergelijkingen en implementaties”.
14
1.4 Welke waarderingsmethoden worden gehanteerd?
Om de waarde van objecten te bepalen moeten deze gewaardeerd worden. Daarvoor zijn verschillende waarderingsmethodieken, in dit hoofdstuk een overzicht.
Hoezo zijn waarderingen belangrijk?
Waarderingen worden gebruikt voor verscheidende doeleinden16.
Voor:
- de aan- en verkoop - op de balans
- de herstructurering van de portfolio
- financiering (wanneer men gebruik wil maken van hypotheken) - prestatiemeting
Om de marktwaarde van een object te bepalen zijn er feitelijk vier methodes. Hieronder een overzicht:
- De kapitalisatiemethoden
o de eenvoudige methode (BAR/NAR-taxaties) o de contante waarde methode (DCF-taxaties) - De directe vergelijkingsmethode
- De ‘x-keer-de-huurmethode’ - De residuele of restwaardemethode
Omdat er in de kantorenmarkt voornamelijk gebruik wordt gemaakt van de twee kapitalisatiemethoden zullen alleen deze hieronder worden uitgelegd.
Ten behoeve van de ROZ/IPD Vastgoedindex zijn zowel waardeberekeningen volgens de conventionele methode (“BAR/NAR-taxaties”) als volgens de contante waarde methode (“DCF-taxaties”) toegestaan.
BAR/NAR:
De BAR (Bruto Aanvangsrendement) is het quotiënt van de marktconforme brutohuur in het eerste jaar en de waarde. Wanneer gedefinieerd als een yield, ook wel de Gross Income Multiplier (GIM) genoemd. GIM= Bruto Inkomen / Waarde
15
De NAR (Netto Aanvangsrendement) is het quotiënt van het netto inkomen en de waarde. Deze variant wordt de Net Income Multiplier (NIM), of de Overall Capitalization Rate, genoemd17. NIM= Netto Inkomen / Waarde
De basis van deze methoden ligt in het vergelijkende aspect met markt. Om tot een marktwaarde van een object te komen worden onder andere de bruto- en netto-aanvangsrendementen ontleend aan referentietransacties (NARREN worden zelden gepubliceerd maar moeten worden afgeleid), net als de bruto- of netto-huren. Wanneer men de beleggingswaarde wil bepalen kan dit door niet de marktrendementen te gebruiken maar de eigen rendementseisen in te voeren in de berekening.
Hieronder het rekenmodel van de simpele BAR-methode18:
Waarbij geldt:
Wmarkt= Marktwaarde.
BHmarkt= De op dat moment geldende brutomarkthuur.
BARmarkt= Het bruto-aanvangsrendement op te maken uit referentietransacties.
(Bij de NAR-methode wordt de brutohuur gecorrigeerd voor exploitatiekosten en het netto-aanvangsrendement bepaald i.p.v. het bruto-aanvangsrendement)
De uitgebreidere variant van de BAR-methode is hieronder weergegeven. Hier corrigeert men het verschil tussen de marktwaarde en de feitelijke huurwaarde door de contante waarde daarvan te nemen. Desondanks concluderen Van Gool en Ten Have dat het wel degelijk uitmaakt of er een te hoge markthuur wordt gebruikt. Voornamelijk voor de contracten met als correctieperioden de wat kortere looptijden. Bij een tienjarig contract is de correctie van de contante waarde vrij nauwkeurig19. De rest van de formule is voor
dit onderzoek minder relevant omdat dit zich ook richt op specifieke objectgegevens en het onderzoek tenslotte draait om de marktgegevens.
Het is in de praktijk lastig om de BAR en de BH te bepalen vanwege het gebrek aan referentietransacties, of de juistheid daarvan20. In het onderzoeksdeel zal naar voren
komen hoe lastig dat is.
17 Lusht, K.M., 2001, “Real Estate Valuation”.
18Deze variant is met een BAR op basis van kosten koper. Bron: Van Gool, P., Jager, P., Weisz, R.,
2001, “Onroerend goed als belegging”.
19 Van Gool, P., Ten Have, G.M., 2006, “Luchtbellen in vastgoedwaarderingen door verkeerd gebruik taxatiemethoden”.
16
DCF:
Dit model is gebaseerd op het verdisconteren van toekomstige verwachte cash flows (kasstromen) als netto operationeel inkomen, investeringen en verkoop opbrengsten naar de taxatiedatum.
Het model ziet er als volgt uit21:
Waarbij: - W= Marktwaarde - NH= Periodieke nettohuuropbrengst - n= aantal termijnen - i= disconteringsvoet - t= 1,…,n
- EW= eindwaarde op tijdstip n
Ook bij deze methode is het dus van belang welke huur gekozen wordt, zodat de taxatie niet te hoog uitvalt.
Een inflatie scenario wordt elk halfjaar uitgegeven door de ROZ zodat hiermee rekening kan worden gehouden. Dit ziet er als volgt uit.
De disconteringsvoet die wordt gekozen om de cash flows te verdisconteren moet marktconform zijn. Deze disconteringsvoet bestaat uit de volgende twee aspecten:
• Risico vrije rente
• Een premium voor object risico’s
Indien zowel een BAR/NAR als een DCF taxatie voor een object gemaakt worden, moeten de uitkomsten van de modellen dicht bij elkaar liggen. Uiteindelijk moet er één waarde voor het object afgegeven worden in het taxatierapport.
17
1.5 Incentives
Een incentive is een extra ‘prikkel’ voor een mogelijk toekomstige huurder om daadwerkelijk het object te huren. Deze incentives zijn ontstaan door een overvloed van aanbod op de kantorenmarkt en een variërende vraag van de huurders22. In een ‘slechte’
markt worden over het algemeen meer incentives gegeven dan in een ‘goede’ markt. Een slechte markt betekent dat er veel leegstand is en dat huurders het eigenlijk voor het zeggen hebben. Prijzen in nieuw gesloten huurcontracten zijn over het algemeen lager dan gemiddeld en daarbij worden vaak bepaalde kortingen gegeven.
In een goede markt is er weinig kantoorruimte beschikbaar, en zoals bekend, waar veel vraag is en weinig aanbod daar drijft de prijs omhoog. Verhuurders hebben in voor hen goede tijden dus meer macht, en zijn minder afhankelijk van de huurders. Het is dan niet vaak nodig om incentives te geven om de huurder over de streep te trekken.
Om een indruk te krijgen van hoe de cyclus van de kantorenmarkt verloopt, met daarin de aanwezigheid van incentives, hieronder een overzicht:
Figuur 1: Cyclus kantorenmarkt. Bron: Bond, S., 1994, “Rental Valuations with inducements, an update.”
Zoals is te zien na stap 3, waar het aanbod de vraag overschrijdt, ontstaan hier de incentives. De kortingen zijn het grootst wanneer de recessie net voorbij is en een begin
18
van economisch herstel wordt ingezet. Wanneer de vraag van huurders significant begint toe te nemen zal het gebruik van incentives sterk afnemen. Alleen de oudere kantoorpanden zullen de kortingen nodig hebben om leegstand te voorkomen.
Er zijn verschillende soorten incentives, hieronder een overzicht op volgorde van meest voorkomend23:
- Huurvrije periode
- Inbouwpakket: je krijgt als huurder een nieuwe inrichting ‘cadeau’ - Cash geld
- Enkele kortingen die niet in dit onderzoek voorkomen maar volgens de literatuur wel bestaan: verhuiskosten dekking; minder aantal vierkante meters in het contract dan je daadwerkelijk huurt; vakanties, auto’s en dergelijke;
Zodat er uiteindelijk ‘appels met appels’ worden vergeleken, worden al deze types incentives in het onderzoek omgerekend in euro’s en wordt daarmee de effectieve huur24
berekend die men dus eigenlijk indirect betaalt.
De vraag rijst waarom de verhuurder de huurprijs simpelweg niet wat lager zet, in plaats van incentives te geven en daardoor indirect hetzelfde bedrag te vragen. Een voorbeeld:
Wanneer de eigenaar van een object van 1.000 vierkante meter de huurprijs op EUR 100,00- per vierkante meter zet voor een contract van 5 jaar, betekent dit dat zijn contante waarde van zijn inkomsten als volgt is:
Totale contracthuur zonder indexering: € 500.000
€ 100.000 Jaarhuur
CW inclusief indexering van 2% per jaar
Jaar 0 1 2 3 4 Huur € 100.000 € 102.000 € 104.040 € 106.121 € 108.243 Disconteringsvoet 6% 6% 6% 6% 6% Verdisconteren € 100.000 € 96.226 € 92.595 € 89.101 € 85.739 Contante waarde € 463.661
23 Jefferies, R.L., 1994, “Lease Incentives and Effective Rents: A decapitalization model.” 24 Voor uitleg van de effectieve huur berekening, zie pagina 19.
19
Wanneer de verhuurder een huurvrije periode zou geven ziet het er als volgt uit:
Incentive: Half jaar huurvrije
periode € 50.000
CW inclusief indexering van 2% per jaar
Jaar 0 1 2 3 4
Huur € 50.000 € 102.000 € 104.040 € 106.121 € 108.243
Disconteringsvoet 6% 6% 6% 6% 6%
Verdisconteren € 50.000 € 96.226 € 92.595 € 89.101 € 85.739 Contante waarde € 413.661
Dezelfde contante waarde komt eruit wanneer de effectieve huur van 89,216 wordt betaald:
CW met effectieve huur
Jaar 0 1 2 3 4
Huur € 89.216 € 91.000 € 92.820 € 94.677 € 96.570
Disconteringsvoet 6% 6% 6% 6% 6%
Verdisconteren € 89.216 € 85.849 € 82.610 € 79.492 € 76.493 Contante waarde € 413.660
Tabel 1: Rekenvoorbeeld contante waarde met effectieve huur en incentive.
Voor de verhuurder en huurder maakt het in principe wel uit of er wordt gekozen voor de effectieve huur of een korting25. Als de huurprijs elk jaar geïndexeerd wordt met een
bepaald percentage, heeft de huurder dit liever over een zo laag mogelijke huur. Het is daarnaast wel degelijk van belang om de huurkorting in plaats van de lagere huurprijs te geven vanuit het oogpunt van de eigenaar (verhuurder) om zo, de eerder uitgelegde, hogere beleggings- en marktwaarde te creëren voor de diverse doeleinden (voor op de balans, voor verkoop, etc.). Mr. Justice Henry26 meende dat de contracthuur die
gerealiseerd werd via abnormale incentives, niet mocht tellen als de werkelijke huur en dat met alle deals tussen de verhuurder en huurder rekening dient te worden gehouden. Het is naar zijn mening dan ook verkeerd om die kunstmatig hoog gehouden contracthuren mee te nemen in de taxatie. Jefferies noemt nog een aspect wat bijdraagt aan dit probleem van te hoge contracthuren, namelijk de vertrouwelijkheid van de gegeven incentives. In 1991 werd in Nieuw Zeeland naar aanleiding van de Dickinson’s Case, door het gerechthof bepaald dat deze incentives openbaar gemaakt moesten worden aan de betrokken partijen, zodat taxateurs de werkelijke ‘markthuur’ konden bepalen. Dit draagt natuurlijk enorm bij aan een transparante markt.
25 Tse, R., 1998, “Lag vacancy, effective rents and optimal leaseterms.”
20
1.6 Effectieve huur
In deze scriptie wordt telkens gesproken over drie verschillende soorten huren, de contracthuur (de huurprijs die letterlijk in het contract staat), de gepubliceerde huur (de huurprijs die wordt gepubliceerd in databases en tijdschriften) en de effectieve huur. Deze laatste is zogenoemd de huur die de huurder over de gehele periode effectief betaalt. Deze is inclusief kortingen en/of andere bijzonderheden.
Toen het gebruik van incentives ontstond, gebruikte men verschillende manieren om de zogehete echte huur en de contracthuur te bepalen. Experts verschilde van mening over wat de juiste berekening was om die huurprijzen te verklaren. Alle methodes zijn gebaseerd op het feit dat de echte huur (effectieve huur), een functie is van de opeenvolgende betalingen van de hogere contracthuur en de korting op deze huur27.
De meest simplistische methode is om de totale huursom te nemen van het contract, dit vervolgens te verminderen met de gegeven huurkorting en het vervolgens weer te verdelen over de hele termijn van het contract. Binnen deze berekening wordt geen rekening gehouden met de waarde van geld over tijd, en is daarom niet erg nauwkeurig. In het artikel van Bond, wordt de essentie van de juiste methode duidelijk weergegeven: de juiste procedure is door de incentive over de totale termijn van het contract te verdisconteren tegen een juiste disconteringsvoet, en vervolgens de contracthuur te verminderen met dit bedrag zodat er een markthuur ontstaat op basis zonder kortingen. De berekening die Bond in dit artikel gebruikt is als volgt28:
Waar:
- EAV = de effectieve huur
- SAV = de gegeven jaarlijkse huur - I = de incentive
- 1/ank = de annuïteitfactor voor n jaren (totale contractduur) tegen k, het verwachte rendement. Om zo de incentive om te zetten in een gelijk periodiek bedrag.
Een voorbeeld: Er wordt voor 3 jaren een ruimte gehuurd voor $4.000 per jaar. De incentive bedraagt $1.000 en de rentevoet is 8%. Wat is de effectieve huur?
(1) (2)
27 Crosby, N., Murdoch, S., 1994, “Capital Valuation Implications of Rent Free Periods.” 28 Bond, S., 1994, “Rental Valuations with inducements, an update.”
21
Per jaar dus een bedrag dat ongeveer $400 scheelt met de originele contracthuur. In het artikel worden vervolgens nog kleine aanpassingen gedaan aan dit model zodat er rekening kan worden gehouden met onder andere de belasting op de kortingen, en ook zodat er rekening kan worden gehouden met verschillende groei scenario’s van huren. Deze methodes, en ook degene die in het artikel van Raymond Tse29 wordt getoond,
waar de effectieve huur onder andere afhankelijk is van de leegstand nadat een huurder het kantoor heeft verlaten, liggen allemaal te ver van het onderwerp van deze scriptie om te behandelen. In het onderzoeksdeel wordt uitgebreid uitgelegd hoe in dit onderzoek, door middel van een nieuwe formule mede op basis van de formules uit de literatuur, de effectieve huur wordt berekend.
2. Onderzoeksdeel
De kapitalisatiemethode is een veelgebruikte methode die door vastgoedspecialisten wordt gebruikt om de waarde van een object te bepalen. Om enigszins een beeld te krijgen of de informatie die in deze methode wordt gebruikt relevant is, en daarnaast om de huidige situatie met betrekking tot transparantie in de huren van de kantorenmarkt vast te stellen, ga ik in dit deel van de scriptie onderzoeken in hoeverre transacties worden gepubliceerd en of de juiste gegevens worden gepubliceerd. Daarnaast zal worden gekeken of dit ook invloed heeft op de opnamecijfers.
Om dit te realiseren heb ik ruim vierhonderd vijftig vertrouwelijke contracten verzameld en hieruit alle significante informatie in een Excel document verwerkt, waarvan in bijlage I een voorbeeld. In de huurcontracten staan de juiste gegevens m.b.t. het aantal vierkante meters, de juiste huurprijs, eventuele kortingen/bijdragen etc.
Het bedrijf Strabo B.V., Bureau voor ruimtelijk marktonderzoek, registreert sinds het jaar 1986 ‘alle’ transacties. Deze informatie verkrijgen zij van onder andere de Property NL (welk sinds 2002 ‘alle’ transacties van boven de 200m2 registreert), de Vastgoedmarkt
en andere partijen die hun of transacties van anderen bekend maken. Om deze transacties te achterhalen heb ik op de Amsterdam School of Real Estate (ASRE) op het computerprogramma VTIS gewerkt. Hiermee kan gezocht worden op allerlei variabelen en daarmee is het vrij eenvoudig om een bepaalde transactie terug te vinden, mits deze geregistreerd is.
22
2.1 Methodiek
2.1.1 De dataset
De data die ik heb gebruikt om dit onderzoek te verrichten zijn vertrouwelijk en niet beschikbaar voor de lezer. Dit omdat het gevoelige informatie is die in samenspraak met de eigenaren van de objecten alleen is gebruikt voor dit onderzoek. Via mijn stageplek en scriptiebegeleider ben ik in contact gekomen met enkele partijen die bereid waren om een bijdrage te leveren aan dit onderzoek. Zodoende heb ik de beschikking gekregen over enkele portefeuilles van verschillende beleggers en daarnaast enkele ‘losstaande’ contracten waar EPAC bij betrokken was en zodoende een redelijk gediversifieerde dataset samengesteld.
Eén van deze partijen is het Spoorwegpensioenfonds. Met een totale portefeuille van EUR 1.444 miljoen, beslaat het kantorendeel EUR 353 miljoen. Naar hun eigen zeggen is dit een partij die vrij introvert is en weinig publiceert. Een andere partij, waarvan ik de naam niet kan noemen heeft een kantorenportefeuille ter grootte van ongeveer EUR 1 miljard. Deze partij is gebaseerd op maatschappen en redelijk introvert te noemen. De derde, is een institutionele belegger met een kantorenportefeuille van EUR 140 miljoen en is zeker niet introvert naar eigen zeggen. Naast deze drie portefeuilles zijn ook zo’n 80 transacties bekeken waar EPAC bij betrokken was, en welke dus niet uit één portefeuille komen. Op een rij:
- 463 huurcontracten met startjaar liggend in onderstaande periode - Periode 1997 – 2007
- Totaal aantal m2 van alle contracten: +/- 700.000 - 4 verschillende bronnen
Het gaat om objecten uit heel Nederland. De Randstad is goed vertegenwoordigd, maar zeker ook de minder grote steden. Hieronder een kaartje met daarop de locaties van de gebouwen (niet elke plaats staat erop):
23
Afbeelding 1: Overzicht van enkele locaties waar de huurcontracten betrekking op hebben (Google-Earth).
Zoals eerder vermeld bestaan mijn data uit ruim vierhonderd vijftig huurcontracten. Ik ben gestart met iets minder dan zeshonderd contracten, maar heb de data uitgedund tot alleen de contracten tussen het startjaar 1997 en 2007 overbleven, omdat deze aansluitende reeks representatief (van aaneensluitende jaren voldoende contracten) was. Het totaal aantal vierkante meters van al deze contracten is 686.989. 46% van het totaal aantal contracten was een transactie van boven de 1.000m2 en in totaal beslaan deze
transacties 626.883 m2, dus ruim 91% van het totaal aantal vierkante meters. Duidelijk
is dat we ons hier voornamelijk op moeten richten, aangezien deze transacties de meeste invloed hebben op de data.
Natuurlijk is er de vraag hoe relevant deze steekproef is, maar er is geen enkele reden om aan te nemen dat deze dataset significant verschillend is aan een andere set.
Hieronder een overzicht van de data per jaar. In de grafieken en diagrammen kunt u zien hoeveel contracten er van elk jaar zijn ingezien en om hoeveel vierkante meters het gaat. De contracten uit deze dataset hebben een gemiddelde lengte van 6,6 jaar.
24
0 10 20 30 40 50 60 70 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 Aantal contracten per jaarGrafiek 3: Overzicht per jaar van het aantal huurcontracten in de dataset.
0 20.000 40.000 60.000 80.000 100.000 120.000 140.000 m2 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007
Optelsom van m2 uit huurcontracten
Grafiek 4: Overzicht per jaar van het aantal vierkante meters van alle huurcontracten uit dataset.
Natuurlijk is dit maar een klein percentage van het totaal aantal vierkante meters wat jaarlijks wordt opgenomen, maar het is zoals gezegd een steekproef. Volgens Dynamis is
25
in het jaar 2005 1.350.000m2 opgenomen30. Het aandeel wat in dit onderzoek doorzocht
is, is daar maar 9% van en voor andere jaren nog iets minder.
2.1.2 Assumpties die zijn gedaan bij dit onderzoek
Om appels met appels te kunnen vergelijken in dit onderzoek zijn er enkele assumpties gemaakt. Dit zodat de huurprijs van een huurder in een compleet ingericht kantoor niet wordt vergeleken met een huurder die een kaal pand huurt en zelf nog zijn complete inrichting moet doen. Hieronder een overzicht van de gemaakte assumpties:
- Huurprijs in euro’s; in sommige contracten stond de huur in guldens. Dit is omgerekend met de wisselkoers EUR 1,00- = NLG 2,20371
- Huurprijs is de prijs per vierkante meter kantoorruimte. We spreken over VVO (vrij verhuurbaar oppervlak). Er is gecorrigeerd voor overige vierkante meters van bijvoorbeeld bedrijfsruimte.
- Totale huurprijs is soms inclusief en soms exclusief een bepaald aantal parkeerplaatsen. Dit wanneer hier geen onderscheid in kon worden gemaakt vanuit de huurcontracten. Vaak gaat het hier maar om een klein aantal (< 10) parkeerplaatsen.
- Huurders binnen hetzelfde pand zijn in ieder geval altijd hetzelfde behandeld en kunnen dus altijd met elkaar vergeleken worden. Dus inclusief of exclusief parkeerplaatsen, met of zonder archiefruimte etc.
- Huurprijs is exclusief BTW. Wanneer er een partij huurder is die niet BTW-plichtig is en daarvoor BTW-compensatie moet betalen, is dit apart gehouden en niet bij de huurprijs opgeteld.
- Huurprijs is exclusief servicekosten. Servicekosten variëren per gebouw, en worden gedurende de hele contractduur betaald, ook wanneer er huurvrije perioden worden vergeven door de verhuurder.
- Het gaat bij al deze transacties om de initiële contracten. Er wordt gekeken of deze geregistreerd/gepubliceerd zijn en niet de eventuele verlengingen van die contracten.
- De staat van de kantoorruimtes is kaal, zoals daar bij elk standaard huurcontract vanuit wordt gegaan. Elke vorm van inrichtingsbijdrage is dan ook een incentive voor de huurder en is in euro’s omgerekend.
- Er wordt geen rekening gehouden met break-opties. Een contract van tien jaar met een break-optie na vijf jaar heb ik beschouwd als een contract van vijf jaar. - Huren worden altijd voorafgaand aan de bepaalde periode betaald.
26
2.1.3 Effectieve huur berekening
Natuurlijk dient met de berekening van de effectieve huur rekening te worden gehouden met de inflatie en de contante waarde van een bepaalde huurprijs in de toekomst. Zoals in de literatuur genoemd wordt, zijn er ook formules die rekening houden met leegstand van objecten en belastingen. Hier is in dit onderzoek geen aandacht aan besteed. Om niet voor elk van de ruim vierhonderd vijftig contracten de effectieve huur apart uit te moeten rekenen is er een nieuwe formule opgesteld die vrij nauwkeurig is en op elk contract toepasbaar. Deze formule voor de effectieve huur is als volgt:
( ( ( Totale contracthuur – Incentive*1,03^(Contractduur / 2) ) / Contractduur ) Vierkante meters
Totale contracthuur = Huur per m2 * m2 * contractduur
Incentive = Totaal aantal kortingen in euro’s
Contractduur = De duur van het contract, ofwel de huurtermijn
1,03 = Een tot door ‘trial and error’ gekomen getal, mede gebaseerd op de inflatie en de disconteringsvoet
Om de incentive niet eenvoudig neer te zetten zonder rekening te houden met inflatie en het contant maken van de kasstromen, is daar in de formule voor gecorrigeerd. De effectieve huur vanuit de formule zal maximaal 1 euro afwijken van de echte effectieve huur. Voor het grootste deel ligt de afwijking onder de 15 eurocent. Op de volgende pagina een voorbeeld van hoe de echte effectieve huur berekend wordt, en vervolgens de uitkomst van de formule:
27
A B C D E F G
1 CPI Index 2%
2 Disconteringsvoet 6% Jaarhuur € 412.500,00 € 142,24 Eff. Huur
3 2.900 M2 4 5 6 Jaarhuren Incentive 7 Jaren 8 0 € 425.000 -€ 106.250 € 318.750 € 318.750 € 412.500 € 412.500 9 1 € 433.500 € 433.500 € 408.962 € 420.750 € 396.934 10 2 € 442.170 € 442.170 € 393.530 € 429.165 € 381.955 11 3 € 451.013 € 451.013 € 378.680 € 437.748 € 367.542 12 4 € 460.034 € 460.034 € 364.390 € 446.503 € 353.672 13 5 € 469.234 € 469.234 € 350.639 € 455.433 € 340.326 14 6 € 478.619 € 478.619 € 337.408 € 464.542 € 327.484 15 7 € 488.191 € 488.191 € 324.675 € 473.833 € 315.126 16 8 € 497.955 € 497.955 € 312.423 € 483.309 € 303.234 17 9 € 507.914 € 507.914 € 300.634 € 492.976 € 291.792 18 € 4.653.631 € 4.547.381 € 3.490.090 € 4.516.760 € 3.490.565 19 20 21 -€ 123.173 Incentive*1,03^5
22 € 4.250.000 Totale contracthuur zonder indexatie
23 € 4.126.827
24 € 412.683
Teruggerekend naar
jaarhuur
25 € 142,30 Eff. huur volgens formule
Tabel 2: Rekenvoorbeeld effectieve huur.
Zoals u kunt zien in cel (F, 2) is de huur die met het schema wordt berekend € 142,24. De huur die uit de formule komt is te zien in cel (B, 25) € 142,30 , enkel een verschil van 6 eurocent.
Hier een uitleg van wat er in het schema gebeurd:
- Inflatie (CPI Index) is gezet op 2% en de disconteringsvoet is marktconform op 6% gezet.
- De jaarhuur is in dit voorbeeld € 425.000 in het eerste jaar en loopt vervolgens op met de inflatie.
- In de kolom daarnaast wordt de incentive gegeven, in dit geval een korting van € 106.250 . Vervolgens worden in kolom D opnieuw alle jaarhuren op een rij gezet, gecorrigeerd voor de incentives (in dit geval alleen het eerste jaar).
- In kolom E worden de cash flows van ieder jaar verdisconteerd, om zo tot een present value van € 3.490.090 te komen.
- Om nu tot een geschatte jaarhuur per m2 te komen moet er in cel (G,18) ongeveer (precies hetzelfde krijgen is overbodig aangezien het effect van een paar honderd euro maximaal 0,001 euro invloed heeft op de effectieve huur)
28
hetzelfde getal uitkomen als de contante waarde in cel (E, 18). Om dit te realiseren moet er in cel (E, 2) een huur in te worden gevuld, welke zich weer doorvertaald naar cel (F, 8). In kolom F wordt die nieuwe huur weer met inflatie doorgetrokken, en in kolom G vervolgens weer verdisconteerd.
- Wanneer je de jaarhuur in cel (E, 2) zo hebt ingeschat dat de contante waardes ongeveer hetzelfde zijn kan je in cel (F, 2) aflezen wat de jaarhuur per m2 is. Dit
is simpelweg het resultaat van cel (E, 2) gedeeld door cel (F, 3).
- In kolom B vanaf rij 21 staan enkele getallen die in de formule worden gebruikt en resulteren in praktisch dezelfde uitkomst als het schema.
- Aangezien huren in de kantorenmarkt altijd vooraf worden betaald, start de tabel met het jaar 0.
Via deze formule is er het verschil berekend tussen de effectieve huur en de gepubliceerde huur. Om een vergelijking te maken met de formule in het literatuurdeel, deze wijkt maximaal 1% af van de formule hierboven getoond (wanneer dezelfde disconteringsvoet wordt gebruikt).
Er is in het Excel document aangevinkt of de transactie is gepubliceerd, om zo uiteindelijk een overzicht te krijgen hoeveel procent van de data gepubliceerd is. Het verschil van de effectieve en gepubliceerde huur was vaak positief (in de zin dat de gepubliceerde huur meestal hoger lag dan de effectieve huur), maar om enige uitzonderingen niet mee te laten wegen in de absolute afwijking heb ik de absolute waardes genomen van de verschillen (bij absolute waardes worden de negatieve tekens weggelaten).
29
2.2 Resultaten
Na het interview met de heer Van Enk, PropertyNL, en ook de heer Van Tellingen te hebben gesproken, van Strabo BV, die beiden van mening zijn dat zij ongeveer 80 a 90% van de grote31 transacties publiceren, was ik erg benieuwd naar de uitkomsten van mijn
onderzoek.
Hieronder volgt een overzicht van het percentage van gepubliceerde transacties in alle jaren 1997-2007. In bijvoorbeeld 2007 is 50% van alle bekeken contracten gepubliceerd. De redelijke constante grafiek geeft enig comfort dat de data redelijk representatief is om er enige conclusies aan te mogen verbinden.
0% 10% 20% 30% 40% 50% 60% 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 Percentages van transacties uit de dataset die in VTIS gepubliceerd zijn
Grafiek 5: Percentages gepubliceerde transacties uit de dataset.
Het komt er op neer dat gemiddeld een kleine 40% van de transacties is gepubliceerd. Deze data wordt onderworpen aan een T-toets, om de betrouwbaarheid te meten. Bij een significantieniveau van α = 0,01 is de kritieke waarde 2,764 (N=11, Vrijheidsgraden = 11-1). De data zijn dus significant verschillend van nul.
Gemiddelde 39% Standaard deviatie 12% T-waarde 3,15 N 11
31
30
Hieronder in grafiek 6 is aangegeven wat de gemiddelde afwijking is van de gepubliceerde gegevens ten opzichte van de werkelijke gegevens die ik in de contracten heb kunnen zien. Een gemiddelde van ruim 12%. Dit is dus de afwijking tussen de effectieve huur en de data die in de database van Strabo bekend is. Deze verschillen zijn goed te onderbouwen, aangezien dit verschil in veel gevallen ontstaat door de gegeven incentive, waarvoor ik in de effectieve huur heb gecorrigeerd. De afwijking in bijvoorbeeld 2003 was eerst 36%, maar die was te wijten aan twee transacties waar men in de database erg ver naast de werkelijke huur zat. Dit is waarschijnlijk een typfout of iets dergelijks, dus zijn deze net als gelijke gevallen in andere jaren gecorrigeerd. Verder is te zien, dat aan de hand van de OLS-lijn (Ordinary Least Squares), over de jaren er een lichte stijging is. Dit houdt verband met het feit dat er eind jaren negentig over het algemeen minder incentives werden gegeven dan de laatste jaren. Dit was het gevolg van schaarste eind vorige eeuw, waardoor er een ‘verhuurdersmarkt’ ontstond. Eigenlijk is er sinds de IT-crash sprake van een ‘huurdersmarkt’.
Gemiddelde afwijking van de gepubliceerde huurprijzen t.o.v. de werkelijke prijzen
0% 5% 10% 15% 20% 25% 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007
Grafiek 6: Procentuele afwijking gepubliceerde data t.o.v. werkelijke gegevens uit contracten, met daarin de OLS lijn (rechte lijn zonder punten erin).
Weer uitgaande van de T-toets, is deze data significant verschillend van nul voor een significantieniveau van 5%.
Gemiddelde 12% Standaard deviatie 5%
T-waarde 2,22 N 11
31
Wanneer we kijken naar de verschillende sectoren in grafiek 7 hieronder, zien we dat van de transacties boven de 1.000m2 gemiddeld 40% bekend is gemaakt. Zoals eerder
aangegeven heeft deze sector de meeste invloed op het onderzoek, aangezien dit ruim 91% van het totale aantal vierkante meters beslaat. Wanneer we een gemiddelde nemen van alle transacties, is 39% gepubliceerd. Van de 686.989 zijn dus maar 281.642 vierkante meters bekend gemaakt.
40% 39% 33% 13% 0% 5% 10% 15% 20% 25% 30% 35% 40% 45% m2 gepubliceerd transacties >1000m2 transacties >500m2 - <1000m2 transacties >200m2 - <500m2 transacties <200m2
Grafiek 7: Percentage van gepubliceerde gegevens per sector (Boven 1.000m2, Tussen de 500 en
1.000m2 etc.)
Een overzicht van de significantie hieronder in de tabel:
> 1000m2 > 500m2 - < 1000m2 > 200m2 - < 500m2 < 200m2 Gemiddelde 40% 39% 33% 13% Standaard deviatie 15% 22% 24% 30% T-waarde 2,77 1,80 1,36 0,43 N 200 + 90 120 70 Significant voor niveau 0,5% 5% 10% Niet significant
Zoals eigenlijk al duidelijk was, heeft de datapoule met transacties boven de 1000m2 veel
invloed en deze is dan ook erg belangrijk. De kleinere transacties zijn niet significant bevonden, en hebben dan ook erg weinig tot geen invloed op de uiteindelijke uitkomst.
32
Naast bovenstaande gegevens is er ook gekeken of er een verband is tussen de lengte van een huurcontract en de incentive. Hieronder een grafiek waarin de contractduur wordt aangegeven en daarbij wat de gemiddelde incentive (in huurvrije periode omgerekend) is.
Incentives t.o.v. termijn
0,00% 2,00% 4,00% 6,00% 8,00% 10,00% 12,00% 14,00% 16,00% 18,00% 20,00%
1 & 2 Jaar 3 & 4 Jaar 5 & 6 Jaar 7 & 8 Jaar 9 & 10 Jaar 10+ Jaar
Contractduur
Grafiek 8: Overzicht van de mate van incentives t.o.v. de totale contractduur.
Om ook deze data aan een T-toets te testen hieronder de tabel. Gemiddelde 12,1% Standaard deviatie 3,9%
T-waarde 3,09 N 6 Deze data zijn significant bij een niveau van 2,5%.
Zoals in de grafiek te zien is, ligt wanneer er een huurkorting wordt gegeven deze gemiddeld zo rond de 12% van de totale contractduur. Kortom, bij een contract van vijf jaar krijgt men gemiddeld een huurvrije periode van ongeveer zeven maanden of bijvoorbeeld een equivalent bedrag in de vorm van een investeringsbijdrage.
Ook is er gekeken of de cijfers die in dit onderzoek naar voren komen een relatie hebben tot de opnamecijfers die elk jaar worden gepubliceerd. Omdat dit onderzoek vertrouwelijk is, kan de naam van het onderzoeksbureau dat de opnamecijfers publiceert en deze data voor het onderzoek ter beschikking heeft gesteld, niet bekend worden gemaakt. De vraag was of de transacties die niet gepubliceerd zijn in de bekende databases, wel bij diegene bekend zijn die de opnamecijfers publiceren. Daarvoor is er
33
een steekproef genomen door de data van een bepaalde partij van de jaren 2004 tot en met 2007 te vergelijken met de onderzoeksdata. Aangezien deze partij andere voorwaarden stelt waaraan de transacties moeten voldoen om in hun database te komen is hiervoor gecorrigeerd. Deze partij neemt onder andere in Amsterdam geen transacties onder de 500m2. Daardoor zijn enkele transacties uit de onderzoeksdata niet geschikt om
met die data te vergelijken. Hieronder in de tabel een overzicht van de cijfers. Er is te zien dat er maar slechts 21% (15% + 6%) van de onderzoeksdata terugkomt in de database van de betreffende partij.
Geschikte vergelijkingstransacties t.o.v. alle transacties = 68%
Onderzoeksdata Partij van opname
Gepubliceerd in VTIS database 43% 15% (exact volgens data uit
VTIS)
Niet gepubliceerd 57% 79%
Bekend bij partij van
opnamecijfers, niet bij VTIS
0% 6% (bijna volgens contract)
Totaal 100% 100%
Tabel 3: Overzicht m.b.t. opnamecijfer betreffende partij 2004-2007.
2.3 Interpretatie van resultaten
Wat zeggen deze cijfers en wat zijn de consequenties daarvan?
Het is enigszins opmerkelijk te noemen dat van de transacties die zijn bekeken 39% gemiddeld, is gepubliceerd. Hiernaast wijken de gepubliceerde gegevens gemiddeld ook nog ruim 12% af en zijn de opnamecijfers van de betreffende partij niet juist.
Taxaties:
De gevolgen kunnen groot zijn voor de taxateurs. Wanneer er bij elke taxatie drie referentietransacties moeten worden gevonden blijkt dit lastig. Daarnaast zal er een iets te hoge waardering ontstaan wanneer er geen rekening wordt gehouden met mogelijk te hoge huren in de referentietransacties. Zoals al eerder werd vermeld in het literatuurdeel is een van de belangrijke taxatiemethoden de BAR/NAR methode. Hieronder het deel waarop dit onderzoek betrekking heeft:
Zoals van taxateurs vernomen32, is er in de markt meer vertrouwen in de gepubliceerde
huren dan in de gepubliceerde rendementen bij de verscheidende transacties. Wanneer
34
beide de huur en het rendement te hoog zijn en beiden worden verwerkt in de berekeningen levert dit geen probleem op aangezien deze elkaar corrigeren. Wanneer er, zoals het lijkt, de huren uit de markt worden gehaald en de rendementen zelf worden bepaald (welke structureel lager zijn), wordt de taxatie uiteindelijk hoger. Een simpel voorbeeld: 4 / 2= 2 maar 4 / 1,5= 2,67
Het gevolg van een te hoge taxatie is een te hoog rendement wat gebaseerd is op lucht. Natuurlijk hebben de grote bedrijven als Jones Lang Lasalle, DTZ Zadelhoff en CBRE die veel betrokken zijn bij taxaties hun eigen database waaruit ze de referentietransacties halen, waardoor zij een beter oordeel kunnen vormen. Maar ook zij zullen zich afvragen wat de concurrentie allemaal bewerkstelligt en wat de markt buiten hen om doet.
Smoothing:
Omdat het aantal transacties in de vastgoedmarkt vaak te klein is om een nationale benchmark van te creëren, wordt de ROZ/IPD benchmark gebaseerd op taxaties, zo’n 4000 per jaar33. Doordat deze taxaties gebaseerd zijn op onvolledige marktinformatie,
zoals men uit de data mag concluderen, ontstaat ‘smoothing’. Smoothing betekent dat in rendementsreeksen de werkelijke volatiliteit van de onderliggende markt onvoldoende tot uitdrukking komt. Het resultaat is minder uitschieters naar boven en onder met als gevolg het onderschatten van het risico van, in dit geval, vastgoed. Ook een te lage correlatie met andere rendementsreeksen en over het algemeen een te laag gemiddeld rendement zijn consequenties van smoothing34.
Over- onderhuur:
Wanneer er een portefeuille wordt aangekocht binnen de vastgoedmarkt kan ik mij voorstellen dat men vaak kijkt of de objecten over- of onderverhuurd zijn. Huren van de zittende huurders worden vergeleken met bekende gegevens uit de omgeving, ook wel de markthuur. Wanneer deze gegevens niet helemaal correct zijn kan er een verkeerde inschatting worden gemaakt met betrekking tot de mogelijk te behalen voor- of nadelen. Een rekenvoorbeeld:
Huur die kan worden gevraagd in huidige markt / Contracthuur = ..% Wanneer > 100% is het pand onder-verhuurd
- Wanneer het contract binnen afzienbare tijd eindigt kan hiermee voordeel behaald worden.
Wanneer < 100% is het pand over-verhuurd
33 Hordijk, A.C., Interview.
35
- Als het contract nog lang doorloopt is dat een voordeel. Wanneer het snel afloopt moet men rekening houden dat men hierop verlies moet nemen qua nieuwe huurprijs.
Opnamecijfers:
Een andere consequentie van dit alles is, zoals gezien in het vorige hoofdstuk, dat de opnamecijfers niet accuraat zijn. Deze cijfers worden grotendeels gebaseerd op alle bekend gemaakte transacties. En zoals uit deze data blijkt is er nog minder bekend bij de database van het betreffende onderzoeksbureau dan bij de VTIS database. Ik kan me voorstellen dat dit behoorlijke consequenties kan hebben. Het lijkt mij dat beleidsbeslissingen worden gemaakt op deze opnamecijfers en deze kunnen erg verkeerd uitpakken. Men kan zich voorstellen dat wanneer er uit de opnamecijfers blijkt dat er een enorme stijging in de opname zit, dat projectontwikkelaars interesse krijgen om te gaan ontwikkelen. Wanneer nu blijkt dat de ‘opnamestijging’ wordt veroorzaakt doordat er toevallig meer transacties geregistreerd worden dan normaal het geval is, een beslissing om te gaan bouwen totaal ongegrond is. Wellicht dat 21% een wel erg laag percentage is en dat dit voortkomt uit de dataset waarin een toch meer dan gemiddeld percentage introverte partijen zit. Wanneer dit percentage namelijk wordt doorgetrokken, zou de opname in de kantorenmarkt rond de 5 miljoen vierkante meter bedragen. Desalniettemin, moet er minimaal 50% nog niet meegenomen zijn in de opnamecijfers, wat zou betekenen dat er een opname is van iets minder dan 3 miljoen. Onbegrijpelijk is dat er bij het onderzoeksbureau niet wordt begonnen bij de basis door de VTIS database na te lopen en dit vervolgens aan te vullen met transacties uit eigen bronnen. Een voorbeeld, in 2005 is het opnamecijfer van het onderzoeksbureau ongeveer 1.350.000 vierkante meter. Wanneer we alle huurtransacties in 2005 uit de VTIS database optellen, is 1.800.000 m2 het resultaat.
Wetenschap:
Aan de hand van marktinformatie, welke voornamelijk wordt gehaald uit onderzoeksrapporten van diverse vastgoedinstellingen, onderzoeken sommige wetenschappers of er bijvoorbeeld relaties bestaan met andere markten. Hier kunnen conclusies uitkomen die relevant zijn voor toekomstprognoses en dergelijke. Ik vraag mij af of het juist is om zo naar de vastgoedmarkt te kijken terwijl er veel informatie niet bekend is. Zo kan de ondoorzichtige vastgoedmarkt vergeleken worden met een bijvoorbeeld erg transparante aandelenmarkt. Mag men hier dan conclusies aan verbinden inzake rendementen en risico’s?
36
2.4 Aanvullend onderzoek in de … database
Naar aanleiding van de opmerkelijke resultaten uit het onderzoek heb ik een gesprek gehad met de directeur en research manager van een ander onderzoeksinstituut om te kijken wat de redenen hiervan kunnen zijn. Naar hun zeggen komen er bij hen veel aanmeldingen binnen van transacties die niet gepubliceerd mogen worden. Ten behoeve van onderzoek mag zo een transactie dan wel gebruikt worden. Dit is waarschijnlijk één van de oorzaken waarom deze transactie dan niet bij VTIS bekend is. Een andere reden die genoemd werd, is het feit dat veel transacties niet op tijd worden gemeld, en deze dan ook niet worden gepubliceerd in het overzicht wat eens in de zoveel tijd uitkomt, maar dat deze pas bij het jaaroverzicht worden gemeld. Tijdens het gesprek wordt de aanname gemaakt dat VTIS wellicht alleen de publicaties opneemt die in het tijdschrift worden gepubliceerd, en niet de toevoegingen die aan het eind van het jaar worden gedaan.
Om deze mogelijke oorzaken te testen, is er onderzoek gedaan naar de database van dit onderzoeksbureau, waar alle transacties instaan die bij hen zijn gemeld. Er is een steekproef gedaan met de jaren 2004 tot en met 2007 van de onderzoeksdata. Van deze 125 contracten is gekeken of deze in de database geregistreerd staan. Alleen wanneer deze compleet zijn, worden ze benoemd tot ‘geregistreerd’. De resultaten zijn te vinden in de tabel hieronder:
Bekend bij VTIS
Bekend bij betr. partij
Overlapping Aantal transacties bij:
VTIS:wel
Betr. partij: niet
Aantal transacties bij:
Betr. partij: wel
VTIS: niet
2005 36% 43% 29% 5 8
2006 45% 47% 39% 4 5
2007 50% 36% 21% 4 2
Tabel 4: Resultaten onderzoek database onderzoeksinstituut.
Zoals te zien is in de tabel heeft de database van dit bepaalde onderzoeksinstituut niet veel meer transacties dan de VTIS database. De overlapping is vrij groot, en dit geeft de bevestiging dat VTIS ook de gegevens van de publicaties van deze partij overneemt. Bij de overlapte transacties is de afwijking van de effectieve huur tot de gepubliceerde huur dan ook gelijk en ligt rond de 12%. Bij de transacties die alleen bij het onderzoeksbureau bekend zijn ligt dit getal net iets hoger, zo rond de 16%. Er mag worden aangenomen dat dit toeval is, omdat het zo een klein aantal transacties betreft.
37
Opvallend is dat bij de transacties die de twee databases wel of niet van elkaar hebben, bij dit onderzoeksbureau bijna alle vierkante meters bekend zijn van de transacties die VTIS wel compleet heeft. Andersom geldt dit niet. Daaruit kan geconcludeerd worden dat VTIS via andere bronnen de huurprijzen van de transacties heeft weten te achterhalen.
Figuur 2: Indeling bekendheid van transacties naar idee van onderzoeksbureau (links) en naar aanleiding van het onderzoek (rechts). Groen:Gepubliceerd in VTIS, Blauw: Extra transacties
bekend bij onderzoeksbureau, Rood: Transacties die niet bekend zijn.
Naar aanleiding van dit onderzoek mag dus nog steeds geconcludeerd worden dat er niet zo veel bekend is in de markt als men denkt. Het idee van het onderzoeksbureau (zie figuur 2 hierboven) dat 40% van de markt wordt gepubliceerd in het tijdschrift, en dat de overige 40% die bekend bij hen zou zijn in het jaaroverzicht bekend wordt gemaakt of niet gepubliceerd mag worden, klopt niet. Wellicht dat 10% wel bij hen bekend is en niet bij een partij als VTIS, maar dan rest er nog steeds 50% die onbekend is.
2.5 Waarom worden transacties niet gepubliceerd?
Mijn idee is dat gemaakte transacties met opzet niet, of niet volledig, worden gepubliceerd. Na met veel mensen uit de markt te hebben gesproken lijkt het erop dat men bang is dat wanneer informatie over huurders en prijzen bekend is, hier misbruik van wordt gemaakt en zo de verhuurder de dupe wordt. Dit zou kunnen doordat de zittende huurder wordt verleid om ergens anders voor een lagere huur te gaan zitten, of doordat de positie van de huurder zo sterk wordt dat deze een lagere huur kan eisen. Sommigen willen wel naamsbekendheid genieten door de transactie te publiceren, maar het liefst met zo min mogelijk gegevens van de transactie. Het concurrentie voordeel wat
