“De invloed van het aandelenrendement op de Nederlandse huizenprijzen”

“De invloed van het aandelenrendement op

de Nederlandse huizenprijzen”

Faculteit der Economische Wetenschappen

Rijksuniversiteit Groningen

“De invloed van het aandelenrendement op

de Nederlandse huizenprijzen”

Faculteit der Economische Wetenschappen

Rijksuniversiteit Groningen

Afstudeerscriptie

Afstudeerrichting Financiering & Belegging

Varianten Belegging & Vermogensbeheer

en Financiering & Risk Management

HST 1 INTRODUCTIE 4

HST 2 BIJZONDERE KENMERKEN VAN DE HUIZENMARKT 6

2.1 ALGEMENE KENMERKEN VAN DE WONINGMARKT 6

2.1.1 BESTAANSDUUR 6

2.1.2 GRONDGEBONDEN 7

2.1.3 HETEROGENITEIT 7

2.1.4 ONDOORZICHTIGHEID 8

2.1.5 TRANSACTIEKOSTEN 9

2.1.6 WONINGTRANSACTIES ZIJN GEEN GEBRUIKELIJKE TRANSACTIES 9

2.2 SPECIFIEKE KENMERKEN VAN DE NEDERLANDSE MARKT 11

2.2.1 REGULERING 11

2.2.2 DOORSTROMING 11

2.2.3 VOORRAADMARKT 12

2.2.4 TOEGENOMEN ONZEKERHEID 13

2.2.5 HYPOTHEEKRENTEAFTREK 14

2.3 KENMERKEN ZIJN ONDERLING VERBONDEN 16

2.4 EFFICIËNTIE? 17

HST 3 OVERZICHT VOORGAANDE LITERATUUR EN ONDERZOEKEN 18

3.1 ONDERZOEKEN GERICHT OP DE NEDERLANDSE MARKT 18

3.2 ONDERZOEKEN GERICHT OP DE BUITENLANDSE MARKT 22

HST 4 ONDERZOEKSAANPAK 23

4.1 GEBRUIKTE DATA 24

4.2 TE ONDERZOEKEN VARIABELEN 25

4.2.1 DE REËLE RENTE 26

4.2.2 HET REËEL BESCHIKBARE INKOMEN 27

4.2.3 HET AANDELENRENDEMENT 28

4.3 HET MODEL 29

HST 5 RESULTATEN 32

5.1 UITKOMSTEN REGRESSIEVERGELIJKING (MET AANDELENRENDEMENT) 32 5.2 UITKOMSTEN REGRESSIEVERGELIJKING (ZONDER AANDELENRENDEMENT) 39

HST 6 CONCLUSIE 41

Hst 1 Introductie

Vrijwel dagelijks is er in de kranten aandacht voor de huizenprijs, de aandelenindex en de hypotheekrente. De rente is historisch gezien zeer laag en bedrijven die reclames maken voor het oversluiten van hypotheken of het aanbieden van goedkope leningen, zijn niet meer weg te denken. De huizenprijzen hebben eind jaren negentig een enorme groei laten zien en zijn samen met de aandelenindex gestegen tot recordhoogte. De aandelenindex heeft na het hoogtepunt in 2000 een vrije val gemaakt, terwijl de huizenprijzen op het hoge niveau zijn blijven hangen. Is dit te verklaren of is het de stilte voor de storm en wordt van de huizenprijzen ook verwacht dat ze in elkaar storten? Daarnaast is er al jaren de politieke discussie over al dan niet afschaffen van de hypotheekrenteaftrek. Het eventueel afschaffen daarvan kan verstrekkende gevolgen hebben voor de huizenmarkt. Zeker in het jaar voor de 2de kamerverkiezingen zullen we daar nog veel meer over horen!

Veel analisten denken dat de rente de komende tijd, door een aantrekkende economie en een aanwakkerende inflatie weer zal gaan stijgen, zoals ook in de Verenigde Staten is gebeurd1 en de aandelenindex heeft in 2005 met een rendement van ongeveer 24% een zeer goed jaar achter de rug. Deze gebeurtenissen zullen ook zeker effect hebben op de huizenprijzen. In het vervolg van deze scriptie zullen deze effecten uitvoerig worden besproken.

Het doel van deze scriptie is om de volgende vraag te beantwoorden: “In hoeverre hebben de rendementen op de aandelenmarkt invloed op de huizenprijzen”

Dit onderzoek richt zich op de Nederlandse huizenmarkt in de periode 1983 tot 2000. Er zal voor de gehele Nederlandse markt worden gekeken wat de invloed van het aandelenrendement is. Aangezien het niet alleen het aandelenrendement is wat de huizenprijzen beïnvloedt, zullen ook andere factoren worden onderzocht en besproken.

De Nederlandse huizenmarkt wordt gekenmerkt door een aantal specifieke eigenschappen. Te denken valt aan een sterke regulering, de slechte doorstroming, maar dus ook aan politieke vraagstukken zoals de aftrekbaarheid van de

1

hypotheekrentes. Samen met andere eigenschappen wordt dit in het volgende hoofdstuk besproken.

De opbouw van deze scriptie ziet er verder als volgt uit:

In het volgende hoofdstuk zal, zoals gezegd worden ingegaan op de bijzondere kenmerken van de huizenmarkt.

Hoofdstuk 3 behandelt de andere onderzoeken die zijn uitgevoerd naar de totstandkoming van huizenprijzen. De meest recente voorbeelden hiervan voor de Nederlandse markt zijn de onderzoeken van het CPB2, ECORYS3 en NYFER.4 Buiten Nederland zijn er onder andere de onderzoeken van Abelson e.a.5 en Apergis en Rezitis.6

In hoofdstuk 4 zal worden gekeken welke data er voor dit onderzoek is gebruikt en welke methodologie is gehanteerd.

De resultaten zullen worden besproken in hoofdstuk 5 en tenslotte zal in hoofdstuk 6 de conclusie worden gegeven.

2

Centraal Planbureau; april 2005: Welke factoren bepalen de ontwikkeling van de huizenprijs in Nederland? CPB Document nr. 81

3

Ecorys; augustus 2005: Effecten beperking fiscale aftrek hypotheekrente, onderzoeksrapport Ecorys, Rotterdam.

4

NYFER; oktober 2005: Risico’s op de Nederlandse huizen- en hypotheekmarkt in 2005-2010. Onderzoeksrapport NYFER.

5

Abelson, P., Joyeux, R., Milunovich, G., en Chung, D.; augustus 2005: Explaining House Prices in Australia: 1970-2003. In: The Economic Record. Vol. 8, nr. 255, blz. 96-103

6

Hst 2 Bijzondere kenmerken van de huizenmarkt

De huizenmarkt wordt gekenmerkt door een aantal specifieke eigenschappen. Door deze eigenschappen zouden zich imperfecties op de huizenmarkt kunnen voordoen. Met imperfecties wordt hier bedoeld die kenmerken en eigenschappen van een vermogensmarkt waardoor er afwijkingen voorkomen ten opzichte van een “efficiënte markt”. De meest genoemde kenmerken voor een efficiënte markt zijn volgens De Vries en Boelhouwer7; “de mogelijkheid voor de actoren om bij hun afwegingen rekening te houden met alle relevante informatie, gelijke macht van de actoren en de homogeniteit van het product.” Bij de afweging van de informatie gaat het om de zogeheten perfecte informatie. Dit houdt in dat alle relevante informatie, zowel nu als in de toekomst voor iedereen vrij beschikbaar is.8

Omdat eventuele imperfecties over een langere tijd kunnen blijven bestaan is het van belang om deze specifieke eigenschappen van de huizenmarkt te bespreken.

2.1 Algemene kenmerken van de woningmarkt

De hieronder besproken kenmerken gelden in principe voor elke woningmarkt, dus ook buiten Nederland. Wel worden ze besproken met gegevens die betrekking hebben op Nederland, aangezien dit onderzoek zich specifiek richt op de Nederlandse markt.

2.1.1 Bestaansduur

Woningen zijn een duurzaam goed; de gemiddelde bestaansduur (gedefinieerd als de tijd tussen oplevering en sloop) van woningen is volgens Priemus9 in Nederland 110 jaar. Deze lange duur wordt volgens de auteur mede veroorzaakt door de hoge productiekosten van een woning en het feit dat voor de meeste huishoudens de prijs van een woning alleen in een groot aantal termijnen kan worden voldaan. Om hieraan te kunnen voldoen is vaak een lening nodig met een lange looptijd.

7

Vries, P. de, en Boelhouwer, P.J.; augustus 2004: Lange termijnevenwicht op de koopwoningenmarkt. DGW/NETHUR partnership, publicatie 28, blz 9.

8

Naast De Vries en Boelhouwer (2004) wordt dit ook besproken Priemus, H. 2000: Mogelijkheden en grenzen van marktwerking in de volkshuisvesting. DGW/NETHUR partnership, publicatie 9, blz 10.

9

2.1.2 Grondgebonden

Woningen zitten aan de grond vast. Ze kunnen niet (of in een specifiek geval alleen tegen hoge kosten) worden vervoerd. Een belangrijke beperking van de grondgebondenheid is dat de woningen afhankelijk zijn van de omgeving. De sfeer en kwaliteit van de omgeving is niet eenvoudig aan te passen door een individuele eigenaar. Naast sfeer hebben ook openbare faciliteiten, werkgelegenheid, winkelaanbod en dergelijke invloed op de kwaliteit van de woningen. De kwaliteit van de woningen wordt dus mede bepaald door de omgeving.

De vraag in één bepaalde regio kan om die reden niet door extra aanbod in een andere regio worden voldaan. Hierdoor worden de effecten van een gewijzigde vraag op de prijs alleen maar versterkt. De prijsverschillen kunnen dan ook aanzienlijk zijn voor de verschillende regio’s.

Door deze grondgebondenheid en de effecten van de directe omgeving op de woning kan er ook niet gesproken worden over één woningmarkt. Brounen en Huij komen tot eenzelfde conclusie10. Er zijn dus meerdere locale markten. Volgens Goodman11 is een locale markt: “Een markt waarin vraag en aanbod onafhankelijk zijn van de vraag en aanbod in een andere locale markt”. De NVM onderscheidt voor de Nederlandse markt al 76 verschillende regio’s die allemaal een “locale markt” volgens de definitie van Goodman zouden moeten zijn.

2.1.3 Heterogeniteit

Een direct gevolg van de lange bestaansduur is dat er een sterke heterogeniteit is in de woningmarkt. Theoretisch gezien betekent een grotere heterogeniteit minder concurrentie; er zijn immers weinig of in het uiterste geval geen concurrenten. Dit komt omdat vrijwel geen enkele woning hetzelfde is, of zoals Van Gool e.a.12 het formuleren: ”Elk gebouw is uniek door de geografische locatie, de aard van het gebouw, de staat van onderhoud, de huurders, enz”. Strikt genomen opereert iedere woning in een eigen lokaal monopolie. In de praktijk houdt dit echter in dat woningen met allerlei ouderdomsklassen en diverse woningtypes met elkaar concurreren.13

10

Brounen, D., en Huij, J.J.; 2004: De woningmarkt bestaat niet, in: Economische Statische Berichten. 89e jrg. nr. 4429 blz 126.

11

Goodman, J.L.; 1998: Agreggation of Local Housing Markets, in: Journal of Real Estate Finance and Economics, 16 (1), blz 43-53.

12

Gool Gool, P. van, Jager, P., en Weisz, R.M.; 2001: Onroerend goed als belegging, Stenfert Kroese, 3de druk.

13

Emotionele aspecten spelen hierbij ook een rol. Woningen die in kwaliteit niet of nauwelijks van elkaar verschillen, kunnen toch een andere waarde hebben voor potentiële kopers. Dit kan bijvoorbeeld het geval zijn als er vrienden of familie in de buurt wonen.

Voor aanbieders kunnen woningen ook een emotionele binding hebben. Dit kan bijvoorbeeld zo zijn als de verkoper zijn hele leven in het huis heeft gewoond of er in is geboren. In het verleden zijn verschillende studies uitgevoerd naar de invloed van de kwaliteit van de omgeving op de huizenprijzen. Onderzochte criteria voor de kwaliteit van de omgeving bevatten onder andere; de afstand tot het centrum, de afstand tot een halte van het openbaar vervoer, de afstand tot scholen, de mate van geluidsoverlast etc. De studies van Costello14 en Din e.a.15 hebben laten zien dat als de kwaliteit van de omgeving groter is, dit over het algemeen leidt tot hogere huizenprijzen.

2.1.4 Ondoorzichtigheid

Een markt is ondoorzichtig “indien de informatie over die markt niet of niet geheel bij de partijen bekend is”.16 Have (2002) kaart in zijn boek aan dat informatie omtrent tot stand gekomen huizentransacties voor consumenten niet (of niet geheel) bekend zijn. Wel bestaat de mogelijkheid om (tegen betaling) gegevens over een woning bij het Kadaster op te vragen. Kanttekening hierbij is dat het om een beperkte hoeveelheid informatie gaat.

Professionele instellingen hebben meer gegevens beschikbaar, maar ook zij beschikken niet over alle informatie. Als er informatie voor de consument vrijkomt, dan is dit veelal vertraagd en daarom van mindere waarde.

De al genoemde heterogeniteit van de onroerende zaken draagt extra bij aan de ondoorzichtigheid van de huizenmarkt. Uitgevoerde transacties kunnen pas na uitvoerige analyse met elkaar vergeleken worden. Er moet elke keer gekeken worden onder welke omstandigheden de transactie tot stand is gekomen.

14

Costello, G.J.; juni 2001: A Spatial Approach to Price Segmentation in Housing Markets. Onderzoek gepresenteerd tijdens het 8ste

European Real Estate Society conferentie.

15

Din, A., Hoesli, M., en Bender, A.; maart 2001: Environmental Variables and Real Estate Prices, in: Urban Studies, Vol. 38, nr. 11, blz 1989-2000.

16

Have, G.M. ten; 2002: Taxatieleer Vastgoed deel 1, Wolters Noordhoff, 3de

2.1.5 Transactiekosten

De huizenmarkt wordt gekenmerkt door zeer hoge transactiekosten. De gemiddelde transactiekosten in Nederland bedragen ongeveer 12% van de waarde van de woning.17 De overdrachtsbelasting voor bestaande woningen is alleen al 6%. Verder zijn er kosten voor de makelaar en de notaris, maar ook de hoge informatiekosten die aan een transactie voorafgaan. Dit laatste is weer een gevolg van de ondoorzichtigheid van de markt. Er zijn ook nog niet-financiële kosten aan verbonden, zoals de tijd die ermee gemoeid gaat om woningen te bekijken, te onderhandelen en om na de transactie daadwerkelijk te verhuizen.

Wanneer er een verlaging in deze transactiekosten plaats vindt, dan zal dat tenminste twee effecten hebben. Enerzijds blijkt uit de studie van Van Ommeren en Van Leuvensteijn (2003) dat als de transactiekosten met 1 procentpunt dalen, dat het aantal verhuizingen van eigenwoningbezitters met meer dan 8 procentpunten toeneemt. Woningbezitters reageren hierdoor nog sterker op de veranderde omstandigheden in de vraag, waardoor de bij grondgebondenheid besproken prijsverschillen alleen maar groter worden.

Anderzijds worden woningen beter betaalbaar, er hoeven immers minder transactiekosten betaald te worden. Dit houdt in dat met een vast bedrag een duurder huis gekocht kan worden en dit kan een prijsopdrijvend effect hebben.

2.1.6 Woningtransacties zijn geen gebruikelijke transacties

Zoals ook het CPB (2005) in haar rapport aangeeft, is de aankoop van een woning vaak één van de belangrijkste transacties in iemands leven. Vanwege het grote bedrag wat er doorgaans mee gemoeid is, maar ook zeker vanwege de emotionele aspecten. Het totale aantal transacties in iemands leven is dan ook vaak gering. Toch heeft deze enkele transactie een aanzienlijke impact op de financiële situatie van huishoudens. De waarde van een woning is vaak de grootste component van het vermogen van het huishouden18 en veranderingen in de waarde van de woning kan ingrijpende consequenties hebben. Dit kunnen zowel positieve als negatieve consequenties zijn. Om die reden speelt de prijsverwachting van de toekomstige huizenmarkt een

17

Ommeren, J. van, en Leuvensteijn, M. van.; 2003: New evidence of the effect of transaction costs on residential mobility. CPB Discussion Paper nr. 18.

18

belangrijke rol bij de aankoop van een woning. Zoals het CPB het verwoordt: “Indien potentiële kopers verwachten dat de woningprijs gaat stijgen, zal dat een opwaarts effect op de prijs hebben. De potentiële kopers zijn bevreesd dat ze later meer voor hetzelfde of een ander huis moeten betalen en dat ze een deel van de toekomstige vermogenswinst mislopen”.19 Hierdoor heeft de huizenmarkt ook een speculatief karakter, de prijzen kunnen dalen of stijgen zonder dat de economische factoren die hieraan ten grondslag liggen veranderen.

19

2.2 Specifieke kenmerken van de Nederlandse markt

Naast deze kenmerken voor de algemene woningmarkt heeft de Nederlandse markt nog een aantal andere specifieke kenmerken, die in deze paragraaf zullen worden besproken.

2.2.1 Regulering

In Nederland wordt de huizenmarkt gekenmerkt door een strenge wet - en regelgeving op het gebied van de ruimtelijke ordening, bouwvergunningen, bouwvoorschriften, vaststelling van huurprijzen, huur -en pachtwetgeving en milieu.20 Ook op financieel gebied heeft de Nederlandse overheid vaak de spreekwoordelijke vinger in de pap. Te denken valt aan de hypotheekrenteaftrek, het huurwaardeforfait, huursubsidie, overdrachtsbelasting, onroerende zaakbelasting, overdrachtsbelasting en allerlei prijsvoorschriften.21 Naast de centrale overheid hebben de lagere overheden ook nog hun eigen richtlijnen en procedures op het gebied van ruimtelijke ordening zodat er van vrije marktwerking geen sprake is.

2.2.2 Doorstroming

Een direct gevolg van deze regulering22 is dat Nederlandse markt gekenmerkt wordt door een slechte doorstroming. Een goede doorstroom is van belang omdat vraag en aanbod sneller in evenwicht komen en er sprake is van een efficiëntere markt.

Ongeveer 90% van de huurwoningenmarkt is niet geliberaliseerd.23 Dit houdt onder andere in dat er wettelijke marges zijn waarbinnen de huur mag stijgen. Dit heeft ertoe geleid dat de feitelijke huur vaak ongeveer 30 à 40% onder de markthuur ligt. Hiernaast heeft de overheid, om woningen voor alle inkomensgroepen betaalbaar te maken een systeem van huursubsidie. Deze huursubsidie op woningen wordt toegewezen op basis van inkomen. Is de woning eenmaal toegewezen dan blijft de huursubsidie op de woning bestaan, ook bij een sterke stijging van het inkomen van de huurder. Uit een

20

Van Gool e.a. (2001), blz 33.

21

NYFER (2005), blz 12.

22

In dit geval wordt met name de regulering op het gebied van de huurmarkt bedoeld.

23

woningbehoefte24 onderzoek blijkt dat 40 à 45% procent van de huurders in woningen met huursubsidie hier geen recht (meer) op heeft. Dit wordt vaak aangeduid met de term “scheefhuurder”.

Door de huursubsidie, die dus vaak ten onrechte wordt toegewezen en uitgekeerd, is de stap naar een koopwoning zeer groot. Dit wordt verder versterkt doordat de huizenprijzen de laatste jaren zo sterk zijn gestegen. In het bijzonder treft dit de starters en de mensen met lage inkomens die zich voor het eerst oriënteren op de koopwoningenmarkt. Zij hebben immers niet kunnen profiteren van deze sterke stijging van de huizenprijzen.

2.2.3 Voorraadmarkt

De Nederlandse huizenmarkt is een voorraadmarkt. De belangrijkste reden hiervan is dat woningen zoals gezegd een zeer lange bestaansduur hebben. Daarnaast worden woningen, vanwege de hoge kosten die ermee gepaard gaan, niet snel gesloopt.

Daar komt bij dat er onvoldoende nieuwe woningen worden gebouwd. Elk jaar komen er slechts ongeveer 1% aan woningen bij.25 Dit is niet genoeg om te blijven voorzien in de woningbehoefte van de (almaar groeiende) Nederlandse bevolking. De afgelopen 10 jaar hebben zich dan ook gekenmerkt door een dalende productie (terwijl de prijzen van woningen stegen!). In 2004 zijn er voor het eerst sinds langere tijd weer meer woningen beschikbaar gekomen. In de eerste drie kwartalen van 2005 zijn er in totaal ruim 36 duizend woningen gereed gekomen. In de eerste drie kwartalen van 2004 waren dit er ruim 31 duizend; verwachting is dan ook dat dit jaar weer een stijging laat zien.26

Volgens een rapport van de Nederlandse Vereniging van Banken (NVB)27 zal er in 2035 een woningtekort zijn van ongeveer 1,5 miljoen woningen. Ook de overheid heeft dit probleem ingezien en heeft een onderzoek laten verrichten naar de oorzaken van de achterblijvende woningproductie.28 Volgens de commissie Simons (2002) wordt het tempo van de woningbouwproductie bepaald door; “de beschikbaarheid van voldoende locaties, de voortgang van ruimtelijke planningsprocessen, de vooruitzichten aangaande de ontwikkeling van de economie en de koopkracht van de burgers, het draagvlak voor

24

Woningbehoefteonderzoek (WBO), ministerie van VROM, Den Haag 2002.

25

NYFER (2005) spreekt van een toename van de voorraad van minder dan 1%, terwijl het CPB (2005) spreekt van anderhalf procent.

26

CBS website; gegevens over nieuwbouw productie en gereedgekomen woningen.

27

Nederlandse Vereniging van Banken; 27 april 2004: Een integrale visie op de woningmarkt, blz. 9

28

veranderingsprocessen bij betrokken burgers, het proces van grondverwerving en grondexploitatie, de doorlooptijd van ontwerpen, bouwplannen en vergunningsaanvragen, de beschikbaarheid van voldoende capaciteit bij alle betrokken partijen, tijdige beschikbaarheid van voldoende en kwalitatief goede grondstoffen en bouwmaterialen et cetera”.29 Het gaat voor dit onderzoek te ver om al deze factoren te bespreken, maar uit het rapport van de commissie Simons blijkt dat op vrijwel alle bovenstaande factoren verbetering mogelijk en noodzakelijk is.30

Woningen kennen een zeer lange productietijd. Zoals ook in het NYFER (2005) rapport naar voren wordt gebracht, kan tussen de feitelijke oplevering en de planning van een nieuwbouwproject wel 10 jaar zitten. In deze periode kunnen de wensen ten aanzien van een woning natuurlijk alweer aanzienlijk zijn veranderd. Het kan jaren duren voordat het aanbod zich aan deze veranderende vraag heeft aangepast.

Dat dit ook daadwerkelijk het geval is, blijkt wel uit een persbericht van de Rabobank31 en uit het woningrapport van de NVB (2004). In deze documenten wordt uiteengezet dat door de naderende vergrijzing en veranderende woonwensen er meer behoefte is aan eengezinswoningen en aan een kwalitatief goede huursector.

De totale woningvraag zal volgens de NVB niet afnemen, maar door de groeiende vraag naar luxe en kwaliteit zal de samenstelling ervan sterk veranderen; ”in de komende decennia zal de vraag naar woningen geschikt voor ouderen sterk toenemen, terwijl de vraag naar bijvoorbeeld grote vrijstaande koopwoningen op zijn best gelijk zal blijven”. Het een en ander impliceert dat op korte termijn het aanbod van woningen zich niet aanpast aan de vraag en er gesproken kan worden van een prijsinelastisch aanbod.

2.2.4 Toegenomen onzekerheid

Door de huidige, negatieve stand van de conjunctuur zijn veel potentiële kopers terughoudender geworden. De werkloosheid neemt toe. Volgens schattingen van de NVB zal de werkloosheid zelfs verdubbelen ten opzichte van de werkloosheid voor de recessie die de periode 2001-2005 kenmerkte. Door deze recessie zijn premiestijgingen, bezuinigingen en loonmatiging de orde van de dag. Daarnaast zijn de woonlasten van een koopwoning sterk gestegen. Tevens staat ook al jaren de hypotheekrenteaftrek ter

29

Commissie Simons (2002) blz. 21.

30

Voor de uitvoerige bespreking van alle knelpunten zie blz. 23 t/m 32 van het rapport van de commissie Simons.

31

discussie.32 Door het uitblijven van een duidelijk besluit over dit onderwerp neemt de onzekerheid alleen maar toe. Bovengenoemde factoren houden in dat het bezitten van een huis minder aantrekkelijk wordt.

Daar komt bij dat door de sterke stijging van de huizenprijzen in de afgelopen jaren de betaalbaarheid van koopwoningen, voor voornamelijk de al genoemde starters en personen met een laag inkomen, sterk is afgenomen. Deze groepen mensen kunnen alleen met veel moeite en door veel te lenen aan een geschikte koopwoning komen. Door deze hogere schuldquote zijn zij veel gevoeliger voor een daling van de huizenprijzen of een stijging van de rente en zijn hierdoor dus logischerwijs voorzichtiger en terughoudender geworden.

2.2.5 Hypotheekrenteaftrek

In 1893 werd het in Nederland voor het eerst mogelijk de hypotheekrente af te trekken van de belasting. Het doel achter deze maatregel was het bevorderen van eigen woningbezit. 33 Het is echter de vraag of de hypotheekrenteaftrek tegenwoordig nog wel zijn doel heeft. Er is veel kritiek op de regeling en er wordt in de politiek al jaren gesproken over een eventuele afschaffing of beperking ervan.34 Het gaat hier te ver om al deze kritiek te bespreken, het gaat erom dat er op dit moment een discussie gaande is over het al dan niet afschaffen of beperken van de hypotheekrenteaftrek.35 De afschaffing hiervan heeft namelijk zeer ingrijpende consequenties voor de woningmarkt en de gehele economie.

Volgens het rapport van Ecorys36, uitgevoerd in opdracht van de Raad voor Onroerende Zaken (ROZ), heeft een volledige afschaffing van de hypotheekrenteaftrek tot gevolg dat de huizenprijzen met maar liefst 30% dalen, er 60.000 banen verloren gaan, de grondprijs daalt met 36% en het transactievolume daalt met 30% (voor nieuwbouw zelfs 33%). De netto woonlasten kunnen volgens de onderzoekers oplopen van € 270 per maand voor modale inkomens tot wel € 1000 per maand voor alleenverdieners met een

32

In de volgende paragraaf wordt uitvoeriger ingegaan op de mogelijke aftrek van de hypotheekrente.

33

Grob, S.G.; maart 2005: Hypotheekrenteaftrek in perspectief, in: Economische Statische Berichten, 90ste jrg, nr. 4455 blz 103.

34

Er zijn al enkele beperkingen van de hypotheekrenteaftrek doorgevoerd; er mogen geen hypotheken op consumptiegoederen en 2de huizen worden afgetrokken, de maximale termijn voor de aftrek is gesteld op 30 jaar en er is de ‘bijleenregeling’ gekomen, waarbij bij de verkoop van een huis de overwaarde mee moet worden genomen in de financiering van een nieuw huis. Zie ook NYFER (2005) blz. 63

35

Voor een gedetailleerd overzicht van de kritiek wordt verwezen naar het werk van Grob (2005), blz 103. Ook NYFER heeft in haar rapport kritiek op het huidige beleid, zie NYFER (2005), blz. 64-65.

36

driemaal modaal salaris. De onderzoeken van Boelhouwer e.a.37 en Boelhouwer en De Vries38 vinden eenzelfde conclusie voor de waardedaling van de huizen. In deze onderzoeken liggen de geschatte maximale waardedalingen tussen de 23% en 30%. Eén van de vaak genoemde redenen om de hypotheekrenteaftrek te beperken is omdat de regeling inkomensafhankelijk is en in dit geval denivellerend werkt. De hogere inkomensgroepen betalen een hoger belasting tarief en hebben dus meer voordeel van deze regeling. Een beperking hiervan heeft dus voor de hogere inkomensgroepen meer effect dan voor de lagere inkomensgroepen. Een logisch gevolg hiervan is dat de effecten op de huizenprijs beter merkbaar is in de hogere prijssegmenten, aangezien mensen met een hoog inkomen over het algemeen in een duurder huis wonen. De prijzen in de hogere segmenten komen dan sterk onder druk te staan en dit heeft ook zijn uitwerking op de lagere segmenten. Zoals Ecorys het goed verwoordt; “iemand die een dure woning niet meer kan betalen, zal uitwijken naar een goedkoper alternatief. Aan de onderkant van de markt ontbreekt deze uitwijkmogelijkheid en daardoor zullen de prijzen juist stijgen”. Zonder verdere compenserende maatregelen zal hierdoor de doorstroming nog verder verslechteren. De kloof tussen huren en kopen wordt immers in het lage prijssegment nog groter.

Eén van de belangrijkste conclusies over de hypotheekrenteaftrek uit het rapport van Ecorys is dat een eventuele afschaffing of beperking zeer geleidelijk moet plaatsvinden en het met een goede timing moet gebeuren. In het verleden is gebleken dat beperking van de hypotheekrenteaftrek met een verkeerde timing zeer negatieve gevolgen kan hebben voor de huizenprijzen en de economie. In Zweden daalde de huizenprijzen na een beperking van de hypotheekrenteaftrek met ongeveer 30%, het BNP met 4% en de werkloosheid steeg zelfs met 11%! Deze Zweedse recessie is overigens niet alleen veroorzaakt door de beperking van de hypotheekrenteaftrek, maar het geeft wel een goed beeld van de noodzaak van een goede timing. Voor een gedetailleerdere beschrijving van de Zweedse situatie wordt verwezen naar het artikel van Arnold39 en het rapport van NYFER (2005).40

37

Boelhouwer, P.J., Haffner, M.E.A., Neuteboom, P., en Vries, P. de; 2001: Koopprijsontwikkeling en de fiscale behandeling van het eigen huis, onderzoeksrapport OTB.

38

Boelhouwer, P.J., en Vries, P. de; maart 2005: Defiscalisering eigenwoningbezit leidt tot forse daling woningprijzen, in: Economische Statische Berichten, 90ste jrg, nr. 4455 blz 109.

39

Arnold, I.J.M.; maart 2005: Ben je ook zo bang? In: Economische Statische Berichten, 90ste jrg, nr. 4455 blz 105.

40

2.3 Kenmerken zijn onderling verbonden

2.4 Efficiëntie?

Uit de bespreking van alle bovengenoemde kenmerken volgt dat er geen sprake is van een efficiënt werkende markt. Zoals ook in de inleiding van dit hoofdstuk aangegeven, zijn de meest genoemde kenmerken voor een efficiënte markt; de mogelijkheid voor de actoren om bij hun afwegingen rekening te houden met alle relevante informatie, gelijke macht van de actoren en de homogeniteit van het product.

Gelijke macht van de actoren wordt alleen bereikt als er veel vragers en aanbieders zijn; dat is in de woningmarkt zeker niet het geval. Van homogeniteit is bij de woningmarkt ook geen sprake.

Priemus (2000) heeft nog een aantal andere eisen voor marktefficiëntie, namelijk dat er geen transactiekosten zijn, geen vertragingen en dat een individuele vrager geen invloed heeft op de reactie van andere vragers. Het eerst genoemde behoeft geen verdere uitleg. Wat betreft de vertraging; het feit dat er überhaupt prijsverschillen zijn tussen het lange-termijnevenwicht en de huidige prijs impliceert al dat er sprake is van vertraging. Zoals bespoken bij “voorraadmarkt” kan het lang duren na een vraagswijziging tot vraag en aanbod weer in evenwicht zijn. Op de eis dat een individuele vrager geen invloed uitoefent op de reactie van andere vragers is op dit moment geen eenduidig antwoord te geven.

Al met al moge duidelijk zijn dat de woningmarkt geen efficiënte markt is zoals hierboven beschreven. De eerste echte studie naar de efficiëntie op de woningmarkt was de studie voor de Amerikaanse markt van Case en Shiller.41 Daarna is dit voor vele landen onderzocht en elke keer werd gevonden dat de woningmarkt een inefficiënte markt is. Voor de Nederlandse markt is dit onder andere bekeken door Hilverink (2004) en ook hij kwam tot eenzelfde conclusie. Voor een overzicht van de studies verricht op internationaal gebied wordt verwezen naar het werk van Cho.42

41

Case, K. E., en Shiller, R.J.; 1998: The Efficiency of the Market for Single-Family Homes. NBER Working Paper Series, nr 2506.

42

Hst 3 Overzicht voorgaande literatuur en onderzoeken

In het verleden zijn er al verschillende onderzoeken uitgevoerd naar de verklarende variabelen van de huizenmarkt. Deze onderzoeken zullen in dit hoofdstuk worden besproken. Eerst voor de onderzoeken gericht op de Nederlandse markt en daarna kort voor de buitenlandse markt.

3.1 Onderzoeken gericht op de Nederlandse markt

Op de lange termijn wordt bij vrijwel alle onderzoeken op dit gebied de reële rente en het reëel besteedbare inkomen als determinanten voor de huizenprijsontwikkeling gevonden. De meest recente hiervan zijn de reeds genoemde rapporten van het CPB (2005), ECORYS (2005) en NYFER (2005). Een ander al eerder genoemd rapport is van OTB (2001). Andere onderzoeken zijn van PwC43, OECD44 en Van Els & Vlaar.45

Bij de modellen van het CPB en de OECD speelt als enige ook nog een aanbodfactor een rol, namelijk het volume van de woningvoorraad. Daarnaast vindt het CPB ook nog het reële financiële vermogen als determinant.46 De OECD onderscheidt daarnaast nog het vergelijkbare reële gezinsvermogen. Van Els en Vlaar vinden nog als determinant van de huizenprijs het niveau van de reële huurprijs.

De Vries en Boelhouwer (2004) gebruiken voor de lange-termijn niet de reële rente en het beschikbare inkomen als verklarende variabelen, maar de netto-rentequote; deze wordt gedefinieerd als de netto-rentelasten gedeeld door het huishoudinkomen waarbij de netto-rentelasten zijn: De woningprijs keer de hypotheekrente, gecorrigeerd voor het fiscale voordeel.47 Uiteindelijk wordt het lange- termijnevenwicht dan ook bepaald door de rente en het inkomen, maar alleen via een omweg.

In de meeste van deze onderzoeken naar de determinanten van de huizenprijzen wordt op de korte termijn een foutencorrectiemodel geschat op basis van een tijdreeksanalyse. In deze modellen wordt ervan uitgegaan dat, als de feitelijke huizenprijs afwijkt van het berekende evenwicht, dit verschil invloed heeft op de huidige huizenprijsontwikkeling.

43

PricewaterhouseCoopers; mei 2004: European Economic Outlook.

44

OECD; 2004: OECD Economic Surveys Netherlands. Vol. 2004/9.

45

Els, P.J.A. van, en Vlaar, P.J.G. ;1996: Morkmon 3, een geactualiseerde versie van het macro-economisch beleidsmodel van de Nederlandsche Bank. Onderzoeksrapport WO&E nr. 471 DNB.

46

Het CPB kiest ervoor om het inkomen op te delen in een tweetal componenten; het reëel beschikbare looninkomen en het andere financiële vermogen, zie bladzijde 27 van het CPB rapport voor meer uitleg.

47

Bijvoorbeeld als de huizenprijzen boven het lange-termijnevenwicht liggen, gaat het model ervan uit dat dit verschil zich in de toekomst herstelt en dit houdt dus een lagere groei in de toekomst in. De resultaten uit de vorige periode worden meegenomen in het model. De manier waarop de huidige huizenprijs wordt meegenomen in het model, verschilt per onderzoek. Het CPB heeft hier een dummy voor opgenomen omdat de auteurs van mening zijn dat er een asymmetrie is in de manier waarop mensen hierop reageren. Het is volgens hen “heel wel denkbaar dat aanbieders van woningen sneller de vraagprijs verhogen wanneer in de vorige periode het feitelijke niveau van de huizenprijs onder de lange-termijnwaarde lag dan dat zij de vraagprijs verlagen indien het feitelijke niveau van de huizenprijs boven de lange-termijnwaarde lag. En potentiële kopers zullen wellicht eerder geneigd zijn wat meer te bieden wanneer zij het idee hebben dat de lange-termijnwaarde in de vorige periode boven de feitelijke waarde lag, erop speculerend dat de huizenprijzen in de nabije toekomst (verder) zullen stijgen”. Wat op valt aan de verklarende variabelen op de korte-termijn is dat dit eveneens vrijwel allemaal factoren zijn die op de vraagkant zijn gericht. Ook hier zijn de belangrijkste determinanten van de huizenprijzen de reële rente en het beschikbare inkomen.

Tabel 3.1 Variabelen ter verklaring van de reële huizenprijsontwikkeling in Nederland. Van Els en Vlaar Boelhouwer, Haffner, Neuteboom en De Vries De Vries en Boelhouwer PwC OECD Brounen

en Huij* CPB** ECORYS NYFER

Jaar 1996 2001 2004 2004 2004 2004 2005 2005 2005

Instituut DNB OTB OTB PwC OECD Eur CPB ECORYS NYFER

Reëel beschikbaar inkomen*** X X X X X X Reële hypotheekrente X X X X X X Historische huizenprijs-ontwikkeling X X X X Nominale rente X Inflatie X Reëel financieel gezinsvermogen X Werkloosheid X Woningvoorraad (volume) X X Reële investeringsprijs X Krapte op de woningmarkt X Rendement aandelenbeurs X Seizoen X X X X Afwijking lange-termijnniveau X X X X X X X Netto rentequote X Reëel beschikbaar inkomen*** X X X X X Reële rente X X X X X Reële huurprijs X Woningvoorraad X X

Reëel gezins / financieel

vermogen X X

Tijdsbasis Kwartaal Halfjaar Halfjaar Kwartaal Jaar Kwartaal Jaar Jaar Jaar

Steekproefperiode 1980-1993 1975-2000 1975-2002 1970-2003 1970-2002 1985-2003 1980-2003 1977-2000 1981-2004

Verklaringsgraad (R2_{) 0,84 0,84 0,75 en 0,76 nb 0,76 0,73 0,89 en 0,96 0,86 0,94}

* Brounen en Huij verklaren de nominale ontwikkeling van de huizenprijzen.

** Het CPB gebruikt in de korte termijn de nominale rente en de inflatie, omdat het volgens de auteurs "het voorstelbaar is dat potentiële huizenkopers op korte termijn anders reageren op een stijging van de nominale rente, waar men bij het kopen van een huis op gefixeerd is, dan op een daling van de (verwachte inflatie)".

*** Het CPB gebruikt hier het looninkomen. Korte termijn

Lange termijn

Een geheel ander soort onderzoek naar de ontwikkeling van de huizenprijzen in Nederland is het onderzoek uitgevoerd door Van den End en Kakes.48 In dit onderzoek wordt de correlatie bepaald tussen de aandelenindex en de huizenprijs. Hierbij wordt onderscheid gemaakt naar vier verschillende woningtypes van de NVM, namelijk vrijstaande woningen, hoekwoningen, tussenwoningen en appartementen. De gevonden correlatie verschilt van 0,24 voor vrijstaande huizen tot 0,10 voor appartementen.49 Wat betreft de richting van de correlatie heeft voornamelijk de aandelenmarkt invloed op de huizenmarkt. De vertraging die hierin wordt gevonden is ongeveer 2 à 3 jaar.

48

End, J.W. van den, en Kakes, J.; september 2002: De samenhang tussen beurskoersen en huizenprijzen. DNB, MEB Research Memorandum nr. 17.

49

3.2 Onderzoeken gericht op de buitenlandse markt

Omdat dit onderzoek zich alleen richt op de Nederlandse markt, zullen de buitenlandse, vergelijkbare onderzoeken op dit gebied alleen kort besproken worden. Naast de in de inleiding genoemde onderzoeken van Abelson e.a. (2005) en Apergis en Rezitis (2003), zijn er de onderzoeken van Malpezzi50, Hort51, Cho52, de ECB53 en van Kasporova en White.54

Over het algemeen komen de conclusies erg overeen met de onderzoeken in Nederland. Zo vinden Abelson e.a. dat in Australië ook het reële inkomen en de rente de belangrijkste verklarende factoren voor de huizenprijsontwikkeling zijn. Bij een 1% stijgende rente, daalt de prijs gemiddeld al met 5,4%. Hiernaast vinden de auteurs ook de inflatie, de werkloosheid en de woningvoorraad als determinanten.

Apergis en Rezitis komen voor de Griekse markt ook tot de conclusie dat de rente de belangrijkste factor is, alleen wordt hier niet het inkomen als factor onderscheiden, de inflatie en de werkloosheid wel.

Malpezzi vindt voor de Amerikaanse markt (naast de groei van de populatie, het inkomen en de rente) ook de overheidsregulatie als belangrijke factor.

In Zweden komt Hort tot de volgende conclusies: Het reële inkomen, de gebruikerskosten van de woning55 en de bouwkosten zijn de verklarende variabelen. Alle vier de hierboven beschreven onderzoeken hebben gewerkt met een model op basis van een foutencorrectie. Cho onderzoekt voor de Koreaanse huizenmarkt alleen de relatie van de rente en de huizenprijs en vindt hiervoor een negatieve relatie.

De ECB en Kasporova e.a. geven een overzicht van de verschillen in de EU, waarbij de ECB een zestal potentiële factoren voor de huizenprijsontwikkeling onderscheidt; het huishoudinkomen, de rentestand (nominaal dan wel reëel), demografische gegevens, aanbodvariabelen, het voorhanden zijn van krediet, en belasting en subsidies.

50

Malpezzi, S.; oktober 1998: A Simple Error Correction Model of House Prices, in: Journal of Housing Economics. Vol. 8, blz. 27-62.

51

Hort, K.; januari 1998: The Determinants of Urban House Price Fluctuations in Sweden 1968-1994, in: Journal of Housing Economics. Vol. 7, blz. 93-120.

52

Cho, D.; 2003: A Study of Dynamic Relationship between Housing Values and Interest Rate in the Korean Housing Market. European Regional Science Association conference paper, nr. ersa04p323.

53

European Central Bank; maart 2003: Structural Factors in the EU Housing Markets.

54

Kasporova, D., en White, M.; 2001: The Responsiveness of House Prices to Macroeconomic Forces: A Cross-Country Comparison, in: European Journal of Housing Policies. Vol. 1 (3), blz. 385-416.

55

Hst 4 Onderzoeksaanpak

Zoals ook in de inleiding is aangegeven zal dit onderzoek zich specifiek richten op de Nederlandse markt. In het vorige hoofdstuk zijn de determinanten voor de huizenprijzen besproken die uit andere onderzoeken naar voren zijn gekomen.

Uit vrijwel elk onderzoek bleek dat de hypotheekrente en het besteedbare inkomen verklarende variabelen zijn voor de huizenprijzen.56 Het enige onderzoek wat het inkomen niet mee neemt in de berekening is het onderzoek van Brounen en Huij (2004). Deze auteurs nemen daarentegen wel het beursrendement mee en zij specificeren als enige naar regionale gebieden. In dit hoofdstuk zal eerst worden besproken welke databronnen er gebruikt zijn; daarna zullen kort de te onderzoeken variabelen worden beschreven. Vervolgens zal het gebruikte model worden uitgelegd.

56

4.1 Gebruikte data

Er wordt gebruik gemaakt van halfjaarlijkse data uit de periode 1983 tot 2000. Van bijna alle variabelen is er wel een langere tijdreeks en op kwartaalbasis beschikbaar, maar alleen voor het besteedbare huishoudinkomen is dit helaas niet het geval. Er wordt dus gebruik gemaakt van 35 observaties. In tabel 4.1 is de herkomst van alle data vermeld.

Tabel 4.1 Data bronnen

Het aandelenrendement:

Als algemene graadmeter voor het aandelenrendement is gekozen voor het rendement op de AEX Index. De gebruikte data is het gemiddelde van maandelijkse data (1ste van elke maand). Om de reële index te berekenen is het index cijfer zo berekend dat 1983 = 100. Bron: Thompson Financial Datastream. Het aandelenrendement wordt in het vervolg aangeduid met AR.

De huizenprijs:

De huizenprijzen zijn afkomstig van de NVM; het betreft de mediane verkoopprijs van bestaande woningen. De huizenprijs wordt aangeduid met HP.

De inflatie:

De inflatiecijfers is de Consumenten Prijs Index voor alle huishoudens zoals gepubliceerd door het CBS en waarbij het basisjaar is 1990. De inflatie wordt aangeduid met CPI.

Het inkomen:

Voor het inkomen is gebruik gemaakt van het besteedbaar huishoudinkomen, gepubliceerd door het CBS. Dit is het totale huishoudinkomen verminderd met de betaalde loon-, inkomsten-, en vermogensbelasting (zie CBS Statline). Voor een aantal periodes ontbraken er gegevens. Deze missende gegevens zijn door OTB (2001) in hun onderzoek geïmputeerd en zijn ook in dit onderzoek weer gebruikt. Het inkomen wordt aangeduid als INK.

De rente:

4.2 Te onderzoeken variabelen

Op basis van empirische resultaten van andere onderzoeken worden ook in dit onderzoek in ieder geval de hypotheekrente en het besteedbare inkomen meegenomen. Daarnaast zal de invloed van het aandelenrendement worden bekeken omdat hier relatief weinig onderzoek naar gedaan is. Dit onderzoek zal de ontwikkeling van de reële huizenprijs in Nederland trachten te verklaren aan de hand van bovengenoemde variabelen. De ontwikkeling van de reële huizenprijs wordt weergegeven in figuur 4.1. Daarna zal kort worden besproken welke invloed de te onderzoeken variabelen kunnen hebben op de huizenprijs.

Figuur 4.1 De ontwikkeling van de reële huizenprijs in Nederland vanaf 1975.

Reële huizenprijs 40000 60000 80000 100000 120000 140000 160000 180000 200000 1975 1977 1979 1981 1983 1985 1987 1989 1991 1993 1995 1997 1999 2001 2003 Jaartal H u iz e n p ri js ( e u ro 's ) Reële huizenprijs

4.2.1 De reële rente

Een belangrijke verklarende variabele van de huizenprijs is de rente.57 Als de rente stijgt, dan stijgen ook de financieringskosten van een huis en zullen er minder huishoudens zijn, die een woning (van eenzelfde prijs) kunnen aanschaffen. Door de afgenomen vraag zullen de huizenprijzen dalen. De rentelasten kunnen ook voor bestaande huizenbezitters stijgen in het geval van variabele rentefinanciering. Zij zouden door de hogere lasten gedwongen kunnen worden hun huis te verkopen en een goedkoper alternatief te zoeken. Ook dit houdt in dat de vraag naar (duurdere) woningen afneemt en de prijs daalt.

Het tegenovergestelde kan uiteraard ook; als de rente heel laag staat (zoals tegenwoordig het geval is) worden de financieringskosten van een woning lager en kunnen meer huishoudens zich een dergelijke woning veroorloven.58 De vraag zal hierdoor toenemen en de prijzen stijgen. In het onderzoek van het CPB wordt de verklarende kracht van de rente geschat op 25%.59 Figuur 4.2 laat de ontwikkeling van de rente zien voor de periode 1980 -2005.

Figuur 4.2 De ontwikkeling van de reële rente in Nederland vanaf 1980.

Reële rente 0,0 1,0 2,0 3,0 4,0 5,0 6,0 7,0 8,0 9,0 1980 1981 1983 1984 1986 1987 1989 1990 1992 1993 1995 1996 1998 1999 2001 2002 2004 Jaartal R e n te ( % ) Reële rente

Bron: Thompson Financial Datastream (rente en inflatie gemiddelde van elk half jaar)

57

In deze paragraaf zal het gaan om de reële rente, de nominale rente gedefleerd met de inflatie.

58

Als men geïnteresseerd is in de redenen waarom de rente zo laag staat wordt verwezen naar een document van de Rabobank kennisbank; september 2003: Rentescenario’s - de prijs van geld tot 2010 -.

59

4.2.2 Het reëel beschikbare inkomen

Naast de reële rente is het inkomen een belangrijke determinant voor de huizenprijzen.60 Volgens het CPB zelfs verreweg de belangrijkste, omdat de het inkomen volgens hen maar liefst 75% van de variatie in de huizenprijzen verklaart.61

Het verband is logisch; als het inkomen stijgt, dan zullen huishoudens meer geld te besteden hebben. Hierdoor hebben zij meer mogelijkheden op de huizenmarkt en zal de vraag naar woningen stijgen. Als de vraag toeneemt, stijgen de prijzen en andersom. In figuur 4.3 is de ontwikkeling van het inkomen te zien vanaf 1975.

Figuur 4.3 De ontwikkeling van het reëel besteedbare inkomen in Nederland vanaf 1975.

Reëel besteedbaar huishoudinkomen

16000 16500 17000 17500 18000 18500 19000 19500 20000 20500 1975 1976 1978 1979 1981 1982 1984 1985 1987 1988 1990 1991 1993 1994 1996 1997 1999 2000 Jaartal In k o m e n ( e u ro 's ) Reëel inkomen

Bron: CBS, OTB; (inflatie CPI 1975 = 100)

Het valt op in bovenstaande figuur dat het inkomen in 1979 hoger is dan in 2000. Dit wordt mede veroorzaakt door de relatief hoge inflatie in de jaren na 1980 waar de inflatie regelmatig 3,5% en meer was. Daarnaast wordt de huishoudgrootte steeds kleiner (van gemiddeld 2,54 personen per huishouden tot 2,28 in 200462). Er zijn dus gemiddeld minder personen per huishouden die een inkomen hebben en dat zorgt (bij gelijkblijvende andere variabelen) voor een daling van het totale huishoudinkomen.

60

In deze paragraaf wordt met inkomen bedoeld; het reëel beschikbare huishoudinkomen.

61

CPB (2005), blz 11.

62

4.2.3 Het aandelenrendement

Als het rendement op de beurs hoog is, stijgt het vermogen van huishoudens die in het bezit zijn van aandelen. Hierbij kunnen ze bij een eventuele verkoop van de aandelen meer geld besteden aan de aanschaf van een woning.63 Hier geldt dus eigenlijk dezelfde relatie als bij het reëel besteedbare huishoudinkomen; naar mate het rendement op de beurs toeneemt, stijgen de huizenprijzen en vice versa. In figuur 4.4 wordt de ontwikkeling van de reële aandelenindex gegeven.

Figuur 4.4 De ontwikkeling van de reële aandelenindex in Nederland vanaf 1983.

Reële aandelenprijs 0 100 200 300 400 500 600 1983 1984 1986 1987 1989 1990 1992 1993 1995 1996 1998 1999 2001 2002 2004 2005 Jaartal A E X I n d e x ( e u ro 's ) Reële aandelenprijs

Bron: Thompson Financial Datastream, gemiddelden van maandelijkse data; (inflatie CPI 1983=100)

63

4.3 Het model

In navolging van andere auteurs is er ook in dit onderzoek voor gekozen om de ontwikkeling van de reële huizenprijs te verklaren met behulp van een regressievergelijking. Er wordt gewerkt met de natuurlijke logaritmes van de te onderzoeken variabelen omdat deze verdeling dan dichter bij de normale verdeling ligt.64 De genoemde variabelen vertonen een hoge mate van autocorrelatie. Aangezien het regressiemodel de afwezigheid van autocorrelatie veronderstelt, wordt gewerkt met de relatieve veranderingen in plaats van met de absolute waardes.65

Daarnaast is er een andere reden om met relatieve veranderingen te gebruiken; relatieve veranderingen hebben meer nieuwswaarde. Een verandering van 5% zegt over het algemeen meer dan een prijsniveau van 100.000 euro of een stijging van 1000 euro. Het gebruik van relatieve veranderingen heeft als klein nadeel ten opzichte van de absolute waardes dat er een waarneming verloren gaat. Het berekenen van de verandering is immers pas mogelijk bij de 2de observatie.

De relatieve veranderingen worden weergegeven als ratio van de huidige ten opzichte van de vorige waarde in plaats van als percentage.66 Dit is gedaan omdat het niet mogelijk is om de logaritme te nemen van een negatief getal. Bij een daling in de huizenprijs van bijvoorbeeld 100.000 naar 90.000 wordt dit dus meegenomen als 9/10 (de huidige ten opzichte van de vorige waarde) in plaats van -10% omdat in het laatste geval het niet mogelijk is hier de logaritme van te nemen en een daling in de variabelen dan niet meegenomen zou kunnen worden.

De huizenprijsontwikkeling die dit model tracht te verklaren is dus afhankelijk van de volgende variabelen; het aandelenrendement, het inkomen, de inflatie en de rente. In tabel 4.2 is te zien op welke manier deze variabelen zijn berekend. Overigens wordt alleen voor de prijsontwikkeling van de bestaande woningen een verklaring gezocht. Prijzen voor nieuwbouw woningen komen op een geheel andere wijze tot stand en zullen daarom niet worden meegenomen.

64

Deze verdeling is noodzakelijk om te kunnen werken met een regressievergelijking.

65

Bij de rente is het niet noodzakelijk om te werken met de natuurlijke logaritme omdat de rente al als een percentage wordt uitgedrukt en geen trendmatig karakter heeft.

66

In de Amerikaanse literatuur wordt dit ook wel Gross Return genoemd (P1/P0), het rendement inclusief de initiële

Tabel 4.2 Berekening van de natuurlijke logaritmes van de relatieve veranderingen. )) ( ), ln( ), ln( ), (ln( ) ( ( 1) ) 1 ( ) 1 ( ) 1 ( ) 1 ( − − − − − − = t t t t t t t t t t R R CPI CPI INK INK AR AR f HP HP Ln Waarbij:

ARt = het aandelenrendement op tijdstip t.

CPIt = de consumentenprijsindex (inflatie) op tijdstip t.

HPt = de huizenprijs op tijdstip t.

INKt = het inkomen op tijdstip t.

Rt = de rente op tijdstip t.

Aangezien niet de nominale maar de reële huizenprijsontwikkeling verklaard wordt, moeten alle variabelen gedefleerd worden met de inflatie (CPI) van het CBS. De manier waarop dit is gedaan wordt weergegeven in tabel 4.3.

Tabel 4.3 De berekening van de reële variabelen.

) ln( ) ln( ) 1 ( ) 1 (− − − = ∆ t t t t t CPI CPI HP HP RHP ) ln( ) ln( ) 1 ( ) 1 (− − − = ∆ t t t t t CPI CPI AR AR RAR ) ln( ) ln( ) 1 ( ) 1 (− − − = ∆ t t t t t CPI CPI INK INK RINK ( ) ln( ) ) 1 ( ) 1 ( − − − − = ∆ t t t t t CPI CPI R R RR Waarbij:

∆RARt = de relatieve verandering in het reële aandelenrendement op tijdstip t. ∆RHPt = de relatieve verandering in de reële huizenprijs op tijdstip t.

∆RINKt = de relatieve verandering in het reële inkomen op tijdstip t. ∆RRt = de relatieve verandering in de reële rente op tijdstip t.

Tabel 4.4 Samenvattende statistieken van de gebruikte data voor de onderzoeksperiode (1983-2000).

Samenvattende statistieken Gemiddelde halfjaarlijkse verandering Standaard deviatie

Het aandelenrendement (AR ) 8,10% 11,09% Het besteedbare huishoudinkomen (INK ) 1,22% 1,19% De huizenprijzen (HP ) 3,33% 2,62% De inflatie (CPI ) 0,99% 0,62% De rente (R ) -0,69% 7,67% Gemiddeld niveau van de rente 7,43%

Correlaties

Huizenprijzen Rente Inflatie Ink omen Aandelenrendement

Huizenprijzen 1

Rente -0,09 1

Inflatie 0,01 -0,03 1

Inkomen 0,19 0,21 0,08 1

Aandelenrendement 0,34 -0,14 0,09 -0,09 1

Hst 5 Resultaten

In dit hoofdstuk worden de resultaten van de uitgevoerde regressievergelijkingen besproken. Eerst wordt dit gedaan voor de analyse met alle onderzochte variabelen en daarna voor de analyse met alleen de rente en het inkomen als verklarende variabelen.

5.1 Uitkomsten regressievergelijking (met aandelenrendement)

De uiteindelijke regressievergelijking waarmee is geschat is de volgende vergelijking:

t t t t RR RINK RAR RHP = ∆ + ∆ + ∆ ∆

β

1*

β

2*

β

3* , waarin de

β

i's de te schatten

coëfficiënten zijn en de symbolen gedefinieerd zijn zoals in tabel 4.3.

Met deze vergelijking is geëxperimenteerd met vertraging in de data. Zo hebben andere onderzoeken laten zien dat de resultaten verbeteren als bepaalde data vertraagd wordt meegenomen.67 Dit is gedaan voor het besteedbare huishoudinkomen en het aandelenrendement.68

Om wat duidelijker te laten zien hoe de vertraging wordt meegenomen volgt hier een voorbeeld; bij een vertraging van het besteedbare huishoudinkomen van 1 jaar en een vertraging van het aandelenrendement van bijvoorbeeld 2 jaar wordt de reële huizenprijsontwikkeling in 1985 dus geschat met de reële verandering van het inkomen uit 1984, het reële aandelenrendement uit 1983 en de reële rente uit 1985. Er wordt dus eerst (volgens tabel 4.3) de reële variant berekend en daarna worden deze variabelen vertraagd meegenomen. In dit voorbeeld is de vergelijking waarmee dan wordt geschat dus ∆RHP_t =

β

₁*∆RR_t +

β

₂*∆RINK_t−1+

β

₃*∆RAR_t−2.

Bij het inkomen is de maximale vertraging waarnaar gekeken is 2 ½ jaar en bij het aandelenrendement is dit 3 ½ jaar. Voor elke mogelijke combinatie van vertragingen is gekeken wat de verklaringsgraad is. De vertraging met de vergelijking waarin de hoogste verklaringsgraad wordt gevonden is uiteindelijk gekozen. De resultaten van de vertraging in de data staan in tabel 5.1.

67

Onder andere in het onderzoek van Van den End en Kakes (2002) wordt geconcludeerd dat het aandelenrendement 2 à 3 jaar vertraagd moet worden om tot het beste resultaat te komen.

68

Tabel 5.1 De verklaringsgraad bij verschillende vertragingen in het besteedbare huishoudinkomen en het aandelenrendement.

Waarbij de β_i's de te schatten coëfficienten zijn.

R2 0 1/2 1 1 1/2 2 2 1/2 3 3 1/2 0 0,4762 0,3886 0,3858 0,4063 0,4660 0,5239 0,5485 0,5083 1/2 0,4294 0,3676 0,3151 0,3404 0,3988 0,4772 0,5297 0,4684 1 0,4308 0,3481 0,3161 0,3238 0,3941 0,4698 0,5247 0,4687 1 1/2 0,3974 0,3076 0,2930 0,3355 0,4480 0,5319 0,5235 0,4999 2 0,4080 0,3539 0,2952 0,3215 0,3938 0,4842 0,5277 0,4722 2 1/2 0,3838 0,3636 0,3199 0,3223 0,3962 0,4678 0,5259 0,4674 Aantal observaties 35 34 33 32 31 30 29 28 Inkomen (vertraging in jaren)

Aandelenrendement (vertraging in jaren) Regressievergelijking Resultaten vertraging t t t t RR RINK RAR RHP = ∆ + ∆ + ∆ ∆

β

₁ *

β

₂ *

β

₃ *

Uit tabel 5.1 valt af te lezen dat de hoogste verklaringsgraad wordt gevonden als het aandelenrendement 3 jaar wordt vertraagd. De resultaten verbeteren niet als ook het besteedbare huishoudinkomen wordt vertraagd. Bij een vertraging van het aandelenrendement zijn er 6 observaties verloren gegaan. Voor het aandelenrendement zijn er namelijk geen gegevens beschikbaar voor 1983. In de uiteindelijke vergelijking (naast de rente en het inkomen uit 1986) schat het aandelenrendement uit 1983 dus de huizenprijs uit 1986. Vandaar dat de reeks pas begint bij 1986 zodat er 29 observaties overblijven.

Een verbetering van de resultaten bij een vertraging van het aandelenrendement is goed verklaarbaar; de winsten op aandelen zullen namelijk eerst gerealiseerd moeten worden. Met gestegen aandelen alleen kan je geen extra geld besteden (of een duurder huis kopen). De winsten zullen eerst moeten worden omgezet in geld voordat het besteed kan worden.

schokken voorgedaan in het reëel besteedbare inkomen zodat de effecten van een vertraging geringer zijn. Uiteraard heeft dit ook te maken met de relatieve kleine hoeveelheid beschikbare data, hoewel ook de genoemde onderzoeken dat probleem hadden. Wel werd er in die onderzoeken over een langere periode geschat waardoor er meer variatie in de tijdreeks kan zitten. Voor het inkomen is een kleinere (of geen) vertraging ook logischer; als het inkomen van mensen stijgt, kunnen ze in principe vrijwel direct over dit geld beschikken.

In tabel 5.2 staan de resultaten van de uitgevoerde regressievergelijking met een vertraging van het reële aandelenrendement van 3 jaar.

Tabel 5.2 Uitkomsten regressievergelijking (met de rente, het inkomen en het aandelenrendement als verklarende variabelen).

Vergelijking Regressie Statistieken R2 0,54847 Aangepaste R2 _0,47528 Standaard fout 0,02574 Observaties 29

Afhankelijke variabele (_∆) Coef. t Stat P-value

De reële rente -1,385192 -3,770622 0,000848

Het reëel besteedbare huishoudink omen 0,498764 1,217739 0,234260

Het reële aandelenrendement 0,115009 2,888535 0,007701

3 * 115 , 0 * 499 , 0 * 385 , 1 ∆ + ∆ + ∆ ₋ − = ∆RHPt RRt RINKt RARt

Wat op valt is dat de coëfficiënt voor het besteedbare inkomen niet significant van nul afwijkt. In de meeste onderzoeken is dit juist de belangrijkste verklarende variabele. Een mogelijke oorzaak is het relatief kleine aantal observaties waarmee is gewerkt of de afwijkende datafrequentie.69

Het aandelenrendement en de hypotheekrente wijken wel significant van nul af. In totaal wordt 54,8% van de variatie in de huizenprijs verklaard door dit model. De rente heeft een negatieve relatie met de huizenprijs en zowel het inkomen en het

69

aandelenrendement hebben een positieve relatie. Dit is ook wat op theoretische gronden was te verwachten.70

Om de uitkomsten beter te kunnen analyseren is ook gekeken hoe goed de geschatte waardes en de werkelijke waardes overeenkomen. In figuur 5.1 zijn deze waardes te zien.

Figuur 5.1 De gerealiseerde ten opzichte van de voorspelde waarde (met de rente, het inkomen en het aandelenrendement als verklarende variabelen).

Realisatie vs voorspelde waarde

-4% -2% 0% 2% 4% 6% 8% 1986 1987 1988 1989 1990 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000 Jaartal P ro c e n tu e le v e ra n d e ri n g ( ln ) Voorspeld Werkelijk

Hier valt op dat in het begin van de onderzochte periode de huizenprijzen beter worden verklaard dan op het einde van de periode. Ook zijn de geschatte waarden tegen het einde van de onderzochte periode vaak onder de werkelijke waarden. Dit is deels te verklaren omdat dit model een fundamenteel model is. Verwachtingen en emoties worden niet meegenomen. Juist tegen het einde van de onderzochte periode waren deze verwachtingen heel hoog. Hierdoor kunnen de prijzen te ver zijn doorgesprongen en kan er sprake zijn van een “bubble”.

Er is één echte uitschieter te zien in figuur 5.1, namelijk de negende waarneming (2de helft 1990). Het model schat een stijging van de huizenprijs, terwijl in de werkelijkheid er een daling was. Er is gezocht naar een verklaring voor deze uitschieter, maar helaas is hier geen eenduidig antwoord op te geven. Als deze waarneming wordt weggelaten, dan stijgt het verklarende vermogen van het model aanzienlijk. Er wordt dan een R2

70

verkregen van 65,6% en ook is het inkomen dan significant verschillend van nul (bij een betrouwbaarheidsniveau van 95%). De resultaten van de analyse zonder deze uitschieter staan in tabel 5.3.

Tabel 5.3 Uitkomsten regressievergelijking (met de rente, het inkomen en het aandelenrendement als verklarende variabelen; zonder waarneming 2de helft 1990).

Vergelijking Regressie Statistieken R2 0,65561 Aangepaste R2 _0,58806 Standaard fout 0,02260 Observaties 28

Afhankelijke variabele (_∆) Coef. t Stat P-value

De reële rente -1,629075 -4,894443 0,000049

Het reëel besteedbare huishoudink omen 0,888040 2,319478 0,028829

Het reële aandelenrendement 0,097822 2,761039 0,010637

3

*

098

,

0

*

888

,

0

*

629

,

1

∆

+

∆

+

∆

₋

−

=

∆

RHP

t

RR

t

RINK

t

RAR

t

Voor een financieel onderzoek op zich is een verklaringsgraad van 65,6% erg hoog, maar gezien de resultaten van andere auteurs op dit gebied is dit laag te noemen.71 Er moet echter wel in ogenschouw worden genomen dat dit onderzoek geen foutencorrectiemodel is maar een (eenvoudige) regressievergelijking. Ook wordt er geen seizoenscorrectie toegepast en wordt er geschat met relatief weinig variabelen. In dat opzicht zijn de resultaten het beste te vergelijken met die van NYFER (2005). Om tot een beter vergelijk te komen met het genoemde onderzoek is er in de volgende paragraaf ook een regressievergelijking uitgevoerd met alleen de hypotheekrente en het besteedbare inkomen als verklarende variabelen.72

Voor de volledigheid en duidelijkheid staat het uiteindelijke geschatte model voor de ontwikkeling van de reële huizenprijs opnieuw weergegeven in tabel 5.4 met de bijbehorende toelichting.

71

Voor onderzoeksresultaten van andere Nederlandse onderzoeken zie tabel 3.1

72

Tabel 5.4 Het uiteindelijke model voor de ontwikkeling van de huizenprijs in de periode 1986-2000 (met de rente, het inkomen en het aandelenrendement als verklarende variabelen; zonder waarneming 2de helft 1990).

3 * 098 , 0 * 888 , 0 * 629 , 1 ∆ + ∆ + ∆ ₋ − = ∆RHPt RRt RINKt RARt

Waarbij de variabelen gedefinieerd zijn zoals in tabel 4.3 behalve het relatieve verschil in het aandelenrendement (_∆RAR). Vanwege de gevonden vertraging van 3 jaar in het aandelenrendement is _∆RAR hier:

) ln( ) ln( ) 4 ( 3 ) 4 ( ) 3 ( 3 − − − − − = − ∆ t t t t t CPI CPI AR AR RAR

Uit tabel 5.4 blijkt dat als de rente daalt met 1% (bij gelijkblijvend inkomen en aandelenrendement), de huizenprijs stijgt met 1,629%. De rente heeft in dit model de meeste impact op de huizenprijs. De gevonden coëfficiënt is echter laag in vergelijking met andere onderzoeken waarin soms wel een coëfficiënt van 4% wordt gevonden. Het onderzoek van het CPB (2005) komt zelfs tot een coëfficiënt van 5,9! Waarom deze hier zo laag is, is niet duidelijk.

Een mogelijke oorzaak is dat de rente met name op het eind van de periode zeer laag stond. Hierdoor kan de invloed van de rente mogelijk worden vertekend. Een daling van de rente van 2% naar 1% is natuurlijk relatief gezien veel sterker dan een daling van 8% naar 7%. Het niveau van de prijzen van het inkomen en van het aandelenrendement liggen veel hoger zodat dit hier geen rol speelt. Het maakt bijvoorbeeld voor het inkomen relatief niet zoveel uit of je een daling hebt van bijvoorbeeld 18.000 naar 17.500 of van 17.000 naar 16.500.

dat de huizenprijzen in de randstad sterker reageren op het aandelenrendement. Van huishoudens in de randstad wordt verondersteld dat ze meer aandelen bezitten en dat daarom de huizenprijzen in die regio’s ook sterker reageren op het rendement. Vanwege het ontbreken van gedetailleerde gegevens per woningtype en per regio kunnen in dit onderzoek hier geen uitspraken over worden gedaan, het geeft echter wel een verklaring voor de relatieve kleine impact van het aandelenrendement die in dit onderzoek is gevonden voor heel Nederland. Brounen en Huij (2004) en Van den End en Kakes (2002) komen overigens wel tot soortgelijke conclusies.

De impact van het reëel besteedbaar inkomen is relatief laag in dit onderzoek. Het was te verwachten dat dit groter zou zijn. Normaal gesproken kan iemand voor ongeveer 4 keer zijn bruto jaarsalaris een hypotheek krijgen. Als het inkomen dan stijgt met 1%, zijn mensen dus in staat een huis te kopen wat 4% duurder is. Uiteraard zal niet iedereen meteen een zo duur mogelijk huis kopen, maar de gevonden stijging van de huizenprijs met 0,88% is laag. Een duidelijke oorzaak is hier niet voor te geven.

5.2 Uitkomsten regressievergelijking (zonder aandelenrendement)

Om tot een beter vergelijk te komen met het onderzoek van NYFER (2005) is er ook een regressievergelijking uitgevoerd met alleen de rente en het inkomen als verklarende variabelen. In tabel 5.5 staan de uitkomsten van deze analyse. Ook hier is geëxperimenteerd met vertraging van het inkomen, maar hierdoor werden geen betere resultaten verkregen.

Tabel 5.5 Uitkomsten regressievergelijking (met alleen de rente en het inkomen als verklarende variabelen; zonder waarneming 2de helft 1990).

Vergelijking ∆RHPt = -1,570*∆RRt + 1,301*∆RINKt Regressie Statistieken R2 0,49221 Aangepaste R2 _0,44509 Standaard fout 0,02508 Observaties 34

Afhankelijke variabele (∆) Coef. t Stat P-value

De reële rente -1,569772 -4,772499 0,000038

Het reëel besteedbare huishoudink omen 1,300528 3,726083 0,000751

In deze analyse zijn zowel de rente als het inkomen significant verschillend van nul en wordt er een verklaringsgraad gevonden van 49,2%. Overigens wordt ook in deze analyse de waarneming van de 2de helft van het jaar 1990 weggelaten; met deze waarneming was de verklaringsgraad “slechts” 35,8%. De rente en het inkomen hebben allebei het teken dat gezien de theorie was te verwachten.

NYFER komt in haar onderzoek tot een R2 van 94%! NYFER heeft ook de logaritmes van de relatieve veranderingen gebruikt. Er wordt echter niet gespecificeerd op welke manier zij dat hebben gedaan.

verschillen oplevert. Voor meer informatie over de manier waarop de verschillende reeksen tot stand komen, wordt verwezen naar een themabericht van de Rabobank.73 Daarnaast is het niet duidelijk of het model van NYFER ook de ontwikkeling van de prijzen voor de nieuwbouwwoningen meeneemt. Als dit het geval is, dan is een afwijking van dit onderzoek goed mogelijk aangezien hier alleen de ontwikkeling van de bestaande bouw wordt geschat.

Het is mijns inziens vrijwel onmogelijk om met een eenvoudige regressievergelijking tot een dergelijke hoge R2 te komen. Ik zet dan ook vraagtekens bij de resultaten van het onderzoek van NYFER. De resultaten van in dit onderzoek uitgevoerde regressievergelijking zijn wat dat betreft veel realistischer.

73