Het risico van vastgoed (1):
de kasstroom-benadering
Het is niet goed mogelijk bet rendement en risico van onroerend goed
te meten. Er zijn drie methoden waarmee een benadering kan warden
verkregen. Een methode kijkt naar de koers van aan de beurs genoteerde vastgoedfondsen, een andere methode gaat uit van de taxatiewaarden en corrigeert deze, en de derde methode baseert zich op cash-flows
die resulteren uit bet bezit van onroerend goed. In onderstaand artikel
schetst Klijnen het probleem en presenteert hij van de laatste methode
een uitwerking en toepassing voor Nederland. De andere methoden
worden behandeld door Eichholtz en Wittendorp.
Om het risico dat een belegger loopt
te kwantificeren, wordt sedert de publikaties van Markowitz in de jaren
vijftig vooral gebruik gemaakt van de
varianties of standaardafwijking. Het
kwantificeren van het risico van een
belegging in onroerend goed is echter niet zo eenvoudig. Doordat adequate data ontbreken, zijn de traditionele meetinstrumenten in principe
onbruikbaar. Het risico-aspect bij de
opbouw van een onroerend-goedportefeuile krijgt mede daardoor niet de
aandacht die het zou moeten krijgen.
Vaak blijven de analyses beperkt tot
project-niveau, waardoor bij de risicoafwegingen niet de beleggingsrisico’s
worden betrokken die zich als gevolg
van een acquisitie op portefeuille-niveau voordoen, maar de object-gerelateerde (sub)markt- en onroerend
goed-technische risico’s centraal
staan.
Het is derhalve niet verwonderlijk
dat tot voor kort onroerend-goedbeleggers in de regel nauwelijks of zelfs
geen zicht hebben op het beleggingsrisico-profiel van hun portefeuille.
Van een effectieve risicobeheersing
kan zo geen sprake zijn.
Transactie- of taxatiewaarde
Dit geldt des te meer, omdat beleggers bij hun rendement-risicoanalyses
niet uitgaan van feitelijke transactieprijzen (zoals bij aandelen en obligaties), maar taxatiewaarden hanteren.
Dat is een noodzakelijk gevolg van
de aard van onroerend goed: het
wordt gekenmerkt door een relatief
grote mate van illiquiditeit en een
ESB 16-8-1995
slechte toegankelijkheid tot relevante
informatie, die alleen door het maken
van hoge kosten kan worden opgeheven. Bovendien is de onroerendgoedmarkt niet homogeen van aard.
Taxatiewaarden vormen echter
geen geschikt substituut voor transactieprijzen: ze kenmerken zich door
‘smooting’ en ‘lagging’. Vooral het
smoothing-effect is van grote invloed
op de risico-meting. Smoothing
houdt in dat uitschieters in de rendements- en/of waarderingsontwikkeling worden afgevlakt, waardoor het
risico belangrijk wordt onderschat.
Taxatie brengt smoothing met zich
mee, om twee redenen . In de eerste
plaats is taxeren een subjectieve aangelegenheid. De taxateur beschikt
vaak niet over objectieve criteria,
waardoor er sprake is van een zekere
‘tyranny of past appraisals’: een van
de beste maatstaven wordt gevormd
door de taxaties van datzelfde object
in het (recente) verleden.
Een andere bron van smoothing is
gelegen in de timing van de taxaties.
Een taxatie is mede gebaseerd op
daadwerkelijke verkopen van soortgelijke objecten in het gebied in het recente verleden. Mogelijk maakt een
taxateur aanpassingen om met verschillen in periode rekening te houden, die zijn wederom subjectief, en
doorgaans zeer zeer eenvoudig (men
corrigeert bij voorbeeld voor inflatie).
Drie methoden
Om ondanks het bestaan van smooting in tijdreeksen tot adequate uitspraken over het risico van onroe-
rend goed te kunnen komen, moet
langs andere wegen worden getracht
inzicht in het risico van een onroerend- goedbelegging te verkrijgen.
De methoden die hiertoe worden gehanteerd, kunnen worden gegroepeerd in drie categorieen:
• de ontwikkelingen bij op de beurs
genoteerde vastgoedfondsen worden als substituut gezien voor de
ontwikkelingen op de (onderliggende) onroerend-goedmarkt;
• de bestaande taxaties worden met
behulp van een deductie-model
herleid tot de ‘echte’ waarden;
• alleen de cash-flows worden gebruikt om de risico’s in te schatten.
Alle drie de modellen kennen hun
voor- en nadelen. Het belangrijkste
voordeel van de vastgoedfondsen-methode is dat dergelijke reeksen bijna
overal ter wereld beschikbaar zijn .
Analyses kunnen worden uitgevoerd
met behulp van bekende instrumenten, en de aldus verkregen resultaten
zijn direct vergelijkbaar met die van
reguliere aandelen-analyses. Het belangrijkste nadeel is, dat er ook andere risico’s worden gei’ntroduceerd:
met name financieel risico. Hierdoor
leidt deze methode tot een overschatting van het onroerend-goedrisico.
Bij de ‘deductie’-methode tracht
men een proces te herleiden dat zich
zou afspelen in de hoofden van makelaars en taxateurs. Dit proces is de
facto onbekend, en het inschatten ervan is zeer moeilijk en arbitrair. Bovendien kunnen taxatie-processen belangrijk verschillen. Dit geld qua
systematiek (discounted cash flow of
cap rate-methode), maar ook voor de
waarde die wordt getaxeerd (marktwaarde, beleggingswaarde, herbouwwaarde?). Doordat het deductieproces zelf star is (in tegenstelling tot het
taxatieproces), leidt dit waarschijnlijk
tot onderschatting van het risico.
De ‘cash flow’-methode kent dergelijke nadelen niet. Ze baseert zich uitsluitend op beschikbare data, die in
principe redelijk eenvoudig zijn te
achterhalen. De voordelen van deze
methode zijn: toepasbaarheid op zo1. D. Geltner, Bias in appraisal-based
returns, AREUEA Journal, fall 1989.
2. De uitzondering op deze regel vormt
Nederland. Hoewel op de Amsterdamse
beurs enkele grote vastgoedfondsen staan
genoteerd, hebben deze slechts een
beperkt deel van hun portefeuille in
Nederland belegd.
Tabel 1. Marktgewicbten per categoric onroerend
goed
Categoric
mgw’s
winkels
kantoren
Totaal
wel object- als portefeuille-niveau,
en uniformiteit in de benadering van
verschillende landen. Data zijn veelal
beschikbaar, uit indexen of uit porte-
feuilles (eventueel van vaslgoedfondsen). Een nadeel is dat, indien men
zich baseert op gangbare indices, het
risico mogelijk wordt overschat als ge-
volg van cross-sectievariantie die optreedt doordat de samenstelling van
de index over de verschillende calegorieen onroerend goed in de loop
der tijd wijzigt. Dit probleem wordt
omzeild indien men de beschikking
heeft over indices van een specifieke
categoric (bij voorbeeld kantoren).
Een ander nadeel is dat een groot
aantal parameters moet worden geschat. Deze parameters kunnen ech-
ter redelijk goed worden benaderd,
en bovendien is het model tamelijk
robuust ten aanzien van individuele
lijk zijn van de
cashflow. Dat betekent, dat het bij dit
rendement behorende risico dit ook
moet zijn. Er is dus
een relatie tussen het
risico in de cashflow
enerzijds en het risico
in het rendement ani ; H –/:f ::’ derzijds. In deze benadering is het totale
risico van een belegging in onroerend goed gelijk aan het produkt van
het risico (gedefinieerd als de niet geanticipeerde proportionele afwijkingen) in de cashflows (aangeduid als
SD [UCF©] en de ratio tussen het risico op het rendement en het obser-
veerbare cashflow-risico (Or/acp) ofwel:
SD [r(i>] = (SD [UcF(i)]) (CTr/Ocp)
De eerste term van deze relatie kan
rechtstreeks worden afgeleid uit beschikbare cashflow-reeksen. Geltner
richt zich in zijn model op het aflei-
den van de tweede term.
De data.
In Nederland is geen onroerendgoed(cashflow)-index voorhanden zoals die wel bestaat in de VS en het
VK. Om het bovenstaande model te
parameter-waarden.
kunnen toepassen, moet gebruik wor-
De vastgoedfondsen-methode
wordt uitgebreider behandeld door
bestaande portefeuilles. Hier wordt
den gemaakt van de resultaten van
Met behulp van deze reeksen kunnen diverse indices worden samengesteld:
• een reeks voor woningen (een gewogen combinatie van eensgezinsen meergezinswoningen);
• een reeks voor commercieel onroerend goed (een gewogen combinatie van kantoren en winkels);
• een reeks voor de totale onroerend-goedsector (een gewogen
combinatie van de beide reeksen
voor woningen en commercieel
onroerend goed).
Om deze reeksen te kunnen afleiden,
moeten de resultaten per reeks worden gewogen met hun relatieve
marktgewichten. Voor woningen worden alleen de beleggerswoningen
meegenomen en voor commercieel
onroerend goed alleen het deel dat
bestemd is voor de verhuur. De totale
omvang van de Nederlandse markt
wordt geschat op circa/ 100 mrd. De
samenstelling hiervan is weergegeven in label 1.
In de samen te stellen index voor
commercieel onroerend goed worden de reeksen voor winkels en kantoren opgenomen in de verhouding
2:3. Ook bij woningen is er een dergelijke verhouding tussen meergezinsen eengezinswoningen. De index
voor de totale sector bestaat uit het
relatieve aandeel zoals vermeld in de
laatste kolom van label 2. Woningen
en commercieel onroerend goed maken dus beide ongeveer de helft uit
Eichholtz in deze ESB. Een methode
om taxatieprijzen te corrigeren wordt
voorgesteld door Vermeulen en Wittendorp. In dit artikel zal ik verder ingaan op de cashflow-methode, die
mijns inziens de voorkeur verdient.
onroerend-goedportefeuille van het
ABP. De resultaten hiervan worden
geacht representatief te zijn voor de
onroerend-goedmarkt.
Bij deze analyse worden alleen
Cash-flowmethode
objecten betrokken die volledig in
exploitatie zijn en die eenduidig
Met deze reeksen kan voor iedere
index de standaarddeviatie van de
kunnen worden ingedeeld in de
categorieen eensgezinswoningen
(egw’s), meergezinswoningen
(mgw’s), kantoren en winkels. Er
worden dus vier basisreeksen gecre
storingssterm worden berekend. De
Zoals gezegd moet voor deze methode een groot aantal parameters worden geschat. Hierbij kan gebruik
worden gemaakt van het model van
Geltner uit 19903. Uitgangspunt in dit
gebruik gemaakt van de Nederlandse
van de lolale index.
Berekening van de
standaarddeviatie in de cashflows
cashflow-reeksen (uiigedrukl als een
percentage van de oorspronkelijke in-
vesteringen) worden hiertoe eerst gecorrigeerd voor inflalie, vervolgens
genormaliseerd en ten slotte gemodel-
den door het totaalrendefnent. Dit be-
eerd. De zogenaamde ‘gemengde
complexen’ waarbij diverse van deze
categorieen worden gecombineerd
staat uit het directe rendement (de
(b.v. winkels en woningen) zijn in
netto inkomsten) en een indirecte
deze analyse buiten beschouwing gebleven. Bij het samenstellen van de
reeksen, die lopen tot en met 1992, is
risk with long-term riskless in commercial
leases in commercial real estate, AREUEA
Journal, Winter 1990.
het jaar 1972 als basis gekozen. Vanaf
dat jaar is er sprake van een redelijk
4. Uiteraard kunnen individuele beleggers
wel voorkeur hebben voor een bepaalde
model is dat beleggers zich laten lei-
component (de waardemutatie). Bei-
de componenten worden gelijk gewogen; het zal een belegger in de regel
niet uitmaken op welke wijze een
rendement wordt gerealiseerd .
De voorliggende methode om het
risico te kwantificeren is gebaseerd
op de overweging, dat beide componenten van het rendement afhanke-
stabiele reeks, waarbij incidentele
ontwikkelingen op object-niveau
geen doorslaggevende invloed heb-
ben op het verloop van de index.
leerd met behulp van een ARMA
3-D. Geltner, Return risk and cashflow
vorm waarin het rendement wordt ontvangen, bij voorbeeld als gevolg van fiscale
regelingen of matchingproblemen. Deze
voorkeur zou in de trr- formule met behulp van gewichten opgenomen kunnen
worden.
(l,l)-model (ARMA = auto regressive
ceert dat informatie met betrekking
moving average-model; een statis-
tot de prijsvorming in de tijd (tussen t-
tisch model waarin wordt gecorrigeerd voor auto-correlatie en
seizoenseffecten). De resultaten
De beide woningcategorieen
kennen een significant lager risico
1 en t) gelijkmatig tot stand komt en
niet met een schok. Komt de informatie vooral tot stand voorafgaand aan t1, dan is deze waarde kleiner dan 1.
De reele exponentiele huurgroei kan
direct uit de cashflow-reeksen wor-
in de cashflow-rendementen dan de
den afgeleid. Deze waarde zal door-
commerciele sector. Dit was ook te
gaans negatief zijn (let wel: het gaat
hier om de netto-opbrengsten, niet
om de huren!).
De in te schatten markt-parameters
betreffen de looptijd van huurcontracten welke op het moment van onderzoek in de markt kunnen worden afgesloten en de zogenaamde ‘mean
reversion factor’: een fundamentele
beweging die verondersteld wordt op
te treden in de onderliggende markt.
Het idee erachter is, dat de markt op
kapitaalgoederen een acceptabel rendement toestaat. Zodra er hogere of
lagere rendementen worden behaald,
leidt dat tot toe- of uittreding zodat
een terugkeer naar het lange-termijngemiddelde volgt. Een belangrijk verschil tussen onroerend goed en andere (fysieke) kapitaalgoederen is
staan in tabel 2.
verwachten, gelet op het door de
overheid gevoerde huurbeleid. Eens-
gezinswoningen hebben een iets lager risico dan meergezinswoningen.
Het verschil tussen kantoren en winkels is te verwaarlozen.
Het combineren van een- en meergezinswoningen in een woningenportefeuille leidt tot risico-reductie. Hetzelfde verschijnsel treedt op bij het
combineren van kantoren en winkels
in een commercieel-onroerend goed
index. Op ‘markt-niveau’ geldt evenwel, dat het toevoegen van commerci-
eel onroerend goed aan een woningenportefeuille leidt tot verhoging
van het totale risico.
Berekening van <5r/<5cF
Vervolgens moet de tweede term uit
de risico-berekening, de ratio or/acp,
warden gekwantificeerd. Deze term
kan niet rechtstreeks worden afgeleid. Wel kunnen de beide afzonderlijke componenten vorden uitgedrukt
ten opzichte van het risico in de ‘spot
opportunity’-huren. Om beide ter-
echter de grond-component. Hierbij
is geen permanent proces van toe- of
uittreding mogelijk. Grond kent der-
halve geen mean reversion process,
maar zal een zogenaamd ‘ramdom
Tabel 2. Standaarddeviatie in de
casbflow-reeksen per categoric onroerend goed (volgens ARMA (1,1)model), in %
3,1
– . – – / . – , : • – . – . • 3,7
mgw1?
kantertn
:
•-. -•;. ,:.-.,•
6,6
6,5
coram. ow.
3,0
5,3
testate pg-ilector
4,0
tient van beide te nemen kan nu de
ratio <7r/OcF worden berekend (zie ta-
bel 3)- De ratio is met name bij woningen hoog. dit komt doordat de
grond-component in de totale waarde (met
gen)
name bij eengezinswonin-
relatief hoog is en het bij wonin-
gen niet mogelijk is op ieder moment
de huur aan te passen aan de markthuur. Bij commercieel onroerend
goed is het in de regel veel eenvoudiger dergelijke correcties door te voeren.
Het totale risico
Nu zowel de Standaarddeviatie SD
[UCF(i)] als de ratio
paald, kan het totale risico worden
berekend als het produkt van beide
(tabel 4). Volgens deze benadering is
walk’-proces volgen. Bij het bepalen
van de mean reversion- factor moet
onroerend goed derhalve worden opgedeeld in een grond- en een opstallen-component. De mean reversion
factor voor grond is 0, die voor opstallen is afhankelijk van de totale
het risico van beleggingen in onroerend goed 9,2%. Het risico op woningen ligt 50 basispunten lager, terwijl
dat op commercieel onroerend goed
iets hoger ligt. Met name het risico
van kantoren- beleggingen is hoog.
marktvoorraad en de absorptiesnel-
Kanttekening
heid. Indien toevoegingen aan de
markt in de periode tussen t-1 en t
volledig worden opgenomen, zal de
mean reversion factor convergeren
naar de waarde 1. Bij een waarde van
0,25 wordt iedere periode een kwart
In het hier gepresenteerde model
wordt gebruik gemaakt van
tor. Het model houdt geen rekening
opzichte van de huidige realisatie
van de totale voorraad opgenomen.
De beide risico’s ten opzichte van
de spot opportunity huren kunnen
weer. Een waarde gelijk aan 1 impli-
nu worden berekend. Door het quo-
constante reele rendementseis). De
Tabel 3. Berekening ratio ar/aCF
Tabel 4. Risico’s onroerend goed, In
men te kunnen kwantificeren, moeten aannames worden gemaakt over
de specifieke marktomstandigheden
op het moment dat het risico wordt
gemeten.
Tot de eerste categoric worden met
name gerekend de constant veronder-
stelde reele risicovrije rentevoet, de
informatie-elasticiteit en de reele exponentiele huurgroei. De informatieelasticiteit geeft de gevoeligheid van
de verwachte waarde van de opportunity-huren in de vorige periode ten
cashflows. De volatiliteit van een belegging is echter de resultante van
ontwikkelngen in de (verwachte)
cashflows en in de disconteringsfac-
met de volatiliteit in de disconterings-
factor (er wordt uitgegaan van een
disconteringsfactor zal in de praktijk
%
egw’s
mgw’s
kanloren
34
2,7
2,a
wtokeb 1,6
woningen
2,9,
comm. og
og-markt
ESB 16-8-1995
23
egw’s -. V: :::>V<: “–‘•• :K -9&A:-‘
;••;;•
afhangen van fluctuaties in de onroerend-goed- of de kapitaalmarkt.
Deze volatiliteit in de disconteringsfactor zal evenwel lager zijn dan die
bij aandelen. Zo worden aandelen
meer bei’nvloed door ontwikkelingen
in de korte rente, terwijl dat bij onroerend goed, als een lange-termijnbelegging, op de eerste plaats de lange rente zal zijn. De lange rente kent een
lagere volatiliteit dan de korte rente.
Besluit
De hier gevonden risico’s van onroe-
rend goed liggen boven het risico
van obligaties (7,4%), maar belangrijk
onder dat van aandelen (15,7%) .
Deze bevindingen komen overeen
met wat in de literatuur alom wordt
aangenomen. Lusht geeft drie redenen waarom het risico van onroerend
goed kleiner zal zijn dan dat van aandelen6:
• verhuur-opbrengsten zijn een
vorm van ‘preferred returns’ uit de
algemene opbrengsten van een
onderneming. De volatiliteit in de
totale cash flows van de onderneming zijn daardoor minder van
belang;
• bij het kopen van aandelen krijgt
men meer dan alleen onroerend
goed: er wordt ook betaald voor
de (menselijke) produktiefactoren
en het financiele beleid;
• op de onroerend-goedmarkt heeft
niet alleen de variantie invloed op
de prijsvorming. Er is ook een prijs
voor illiquiditeit, onevenwichtig-
heid in de markt, de heterogeniteit
van de markt, enz.
De conclusie dat het risico van onroerend goed uitkomt tussen dat van
aandelen en obligaties is ook in lijn
met de algemene inschatting van be-
leggers ten aanzien van de asset-categorie onroerend goed.
J.L.MJ. Klljnen
De auteur is portefeuille-manager Indirekte Beleggingen bij de RVE Onroerend
Goed van het Abp. Dit artikel is geschre-
ven op persoonlijke titel.
5. De percentages voor obligaties en aandelen zijn berekend als de standaarddevia-
tie voer de reele rendementen, zoals gepubliceerd door Barclays en De Zoete Wedd
(The Dutch equity bond study, februari
1993).
6. K. Lusht, The real estate prizing puzzle,
AREUEA Journal, winter 1990.