
Over de waardering van woningen
Special
Samenvatting
Na jaren van stijgende koopwoningprijzen daalt de nominale gemiddelde transactieprijs sinds het derde kwartaal van 2008. Cumulatief zijn de nominale transactieprijzen sinds de top met twintig procent gedaald. Vaak wordt gesuggereerd dat de recente prijsdalingen het gevolg zijn van het uiteenspatten van een zeepbel. De basis van zeepbellen is vertrouwen gebaseerd op recente prijsontwikkelingen. Als de prijzen stijgen, rijst het vertrouwen de pan uit. Als de prijzen daarentegen dalen, verdwijnt dit vertrouwen als sneeuw voor de zon. De prijsdalingen sinds het derde kwartaal van 2008 zijn echter eerder het gevolg van veranderingen in de economische en beleidsmatige omgeving dan van het uiteenspatten van een zeepbel.
In deze studie proberen we twee vragen te beantwoorden. Ten eerste of er op dit moment sprake is van over- of onderwaardering van koopwoningen in Nederland. De onderzoeken die daar de afgelopen jaren naar zijn gedaan, geven op deze vraag geen eenduidig antwoord. Wij trachten deze vraag te beantwoorden met behulp van tijdreeksanalyse. Eerst hebben we op basis van theorie en de beschikbare empirie relevante fundamentele factoren in kaart gebracht die het niveau van de woningprijs op lange termijn kunnen verklaren. Vervolgens hebben we een langetermijnvergelijking opgesteld, waarmee het niveau van de woningprijs is verklaard vanuit de reële rente, het reëel beschikbare arbeidsinkomen, het reële spaargeld en de omvang van de woningvoorraad. Hoewel het lastig is om op basis van de geconstrueerde langetermijnvergelijking een exacte uitspraak te doen over de mate van over- dan wel onderwaardering, lijkt er sprake te zijn van een forse onderwaardering. Helaas laten de effecten van een aantal beleidswijzigingen op de woningprijzen, zoals het effect van eerst ruimere en daarna krappere financiering, en de effecten van overheidsbeleid, zoals veranderingen rondom de hypotheekrenteaftrek, zich niet vangen in een tijdreeks. Indien we deze effecten wel konden meenemen, dan zou de gemeten onderwaardering waarschijnlijk een stuk minder groot zijn. Toch kunnen we op basis van de onderwaardering concluderen dat de woningprijzen binnen afzienbare tijd zullen stabiliseren en uiteindelijk weer gematigd zullen toenemen.
Ten tweede hebben we gekeken of er een goede vergelijking kan worden geschat waarmee we de huizenprijsontwikkeling op de korte termijn (één jaar vooruit) op adequate wijze kunnen voorspellen. Dit stelt ons niet alleen in staat om de risico’s voor de woningmarkt beter in kaart te brengen, maar kan er ook voor zorgen dat we de invloed van de woningmarkt op de rest van de macro-economische omgeving beter in beeld hebben. Het blijkt echter niet mogelijk om, vier jaar na de omslag in 2008, een goede kortetermijnvergelijking te specificeren. Alle door ons geconstrueerde vergelijkingen zijn te onbetrouwbaar om een adequate puntschatting te geven voor de woningprijsontwikkeling in het komende jaar. Het belangrijkste probleem is dat het erop lijkt dat de causale relaties die tot 2008 opgeld deden op de woningmarkt nu ‘anders’ lopen.
Naar verwachting kunnen we ook in de komende periode geen exacte voorspellingen geven voor de prijsontwikkeling in het komende jaar. Daarom kunnen we niet anders dan concluderen dat dit onderzoek niet helemaal heeft opgeleverd wat we hadden gehoopt: een model waarbij enigszins betrouwbare inschattingen kunnen worden gemaakt voor de toekomstige woningprijsontwikkeling op zowel de korte als de lange termijn.
Inleiding
Na jaren van stijgende koopwoningprijzen daalt de gemiddelde nominale transactieprijs sinds het derde kwartaal van 2008. Cumulatief zijn de nominale transactieprijzen sinds de top met twintig procent gedaald. Vaak wordt gesuggereerd dat de recente prijsdalingen het gevolg zijn van het uiteenspatten van een zeepbel, waarbij een zeepbel als een soort sociale epidemie kan worden gezien (Shiller, 2012). Door prijsstijgingen worden de mensen die als eerste zijn ingestapt in korte tijd rijk. Dit nieuws doet vervolgens als een lopend vuurtje de ronde, waardoor steeds meer mensen instappen, de prijzen verder stijgen en nog meer mensen instappen. De zeepbel neemt alsmaar in omvang toe totdat deze uit elkaar spat. Vervolgens doet het omgekeerde zich voor. Door de prijsdalingen willen steeds meer mensen uitstappen, waardoor de prijs verder daalt en nog meer mensen willen uitstappen. Kortom, de prijsontwikkeling in een zeepbel is niet gebaseerd op onderliggende fundamentele factoren, maar wordt gedreven door marktsentimenten. Als de prijzen recent zijn gestegen, rijst het vertrouwen de pan uit. Als de prijzen daarentegen recent zijn gedaald, dan verdwijnt het vertrouwen als sneeuw voor de zon. De recente daling van de gemiddelde nominale transactieprijs is echter niet het gevolg van het uiteenspatten van een zeepbel, maar eerder het gevolg van veranderingen in de economische en beleidsmatige omgeving.
Vaak wordt de vraag gesteld wanneer de gemiddelde nominale transactieprijs het dieptepunt bereikt. Deze vraag is zeker op dit moment lastig te beantwoorden. De omslag die sinds 2008 heeft plaatsgevonden, liet en laat zich vrij slecht vatten in modellen die met data van voor 2008 zijn geschat. Dat is ook de reden voor dit onderzoek. In deze Special proberen we op twee vragen een antwoord te geven. Ten eerste of er op dit moment sprake is van over- of onderwaardering van koopwoningen in Nederland. Wij trachten deze vraag te beantwoorden met behulp van tijdreeksanalyse. Eerst hebben we hiertoe op basis van theorie en de beschikbare empirie relevante fundamentele factoren in kaart gebracht die het niveau van de woningprijs op lange termijn kunnen verklaren. Vervolgens hebben we een langetermijnvergelijking geschat. Ten tweede hebben we onderzocht of we een goede vergelijking kunnen schatten, waarmee de huizenprijsontwikkeling op de korte termijn (één jaar vooruit) op adequate wijze kan worden voorspeld. Dit stelt ons niet alleen in staat om de risico’s voor de woningmarkt beter in kaart te brengen, maar kan er ook voor zorgen dat we de invloed van de woningmarkt op de rest van de macro-economische omgeving beter in beeld hebben.
In deze Special doen we verslag van onze onderzoeksbevindingen. De Special is als volgt opgebouwd. In hoofdstuk twee beschrijven we de bijzondere karakteristieken van de Nederlandse woningmarkt en geven we aan welke factoren in theorie relevant zijn voor de prijsontwikkeling. Vervolgens beschrijven we in hoofdstuk drie verschillende (Nederlandse) woningprijsmodellen en geven we aan welke factoren in de praktijk een rol spelen. Daarna gaan we in hoofdstuk vier in op de data die wij hebben gebruikt. In hoofdstuk vijf volgen onze schattingsresultaten, waarmee we in hoofdstuk zes enkele scenario’s doorrekenen. In hoofdstuk zeven volgt de conclusie.
Bijzondere kenmerken van de Nederlandse woningmarkt
De woningmarkt is niet een markt als alle anderen. Priemus (1978) heeft vijfendertig jaar geleden al beargumenteerd dat de woningmarkt door haar specifieke karakter diverse marktimperfecties kent, waardoor het prijsmechanisme niet goed zijn werk doet en het relatief lang duurt voordat vraag en aanbod met elkaar in evenwicht zijn. Dit heeft tot gevolg dat er langdurige periodes van schaarste dan wel overcapaciteit kunnen bestaan die van invloed zijn op het niveau en de ontwikkeling van de huizenprijs. In dit hoofdstuk volgt uit de beschrijving van de bijzondere kenmerken van de Nederlandse woningmarkt een aantal variabelen dat een theoretische verklaring kan bieden voor het niveau en de ontwikkeling van de woningprijzen.
Omdat de woningmarkt een voorraadmarkt is met inelastisch aanbod…
De Nederlandse woningmarkt is een voorraadmarkt met een relatief inelastisch aanbod (figuur 1) [1]. Dat betekent dat de productie van nieuwbouwwoningen altijd met vertraging (en soms helemaal niet) op veranderingen in de vraag naar koopwoningen reageert.Op korte en middellange termijn kan het woningaanbod zich niet aanpassen aan een veranderende woningvraag. Een strikt ruimtelijke-ordeningsbeleid, langdurige onderhandelingsprocessen tussen grondeigenaren, projectontwikkelaars en gemeenten en de gedetailleerde kwaliteitseisen die aan nieuwbouwwoningen worden gesteld vertragen vaak de realisatie van de nieuwbouwprojecten. De periode tussen de planfase en de oplevering duurt gemiddeld zes jaar (De Vries en Louw, 2003). In het afgelopen decennium werd jaarlijks minder dan één procent netto, nieuwbouwwoningen minus sloop, aan de totale woningvoorraad toegevoegd (figuur 2). Door het inelastische woningaanbod kan een toenemende vraag naar woonruimte leiden tot opwaartse prijsdruk, die pas stabiliseert als het aanbod zich aan de vraag heeft aangepast. Tegelijkertijd drukt de huurregulering in Nederland het aanbod van nieuwe huurwoningen, omdat de nieuwbouw van huurwoningen minder rendabel is (Van Leuvensteijn en Shestalova, 2006). Volgens een conservatieve schatting zorgen de hiervoor genoemde institutionele factoren ervoor dat de woningprijzen gemiddeld een derde hoger uitvallen dan zonder de invloed van deze factoren het geval zou zijn geweest (Romijn en Besseling, 2008). Dit heeft tot gevolg dat de prijs van koopwoningen voornamelijk wordt bepaald door de vraag naar bestaande koopwoningen [2]. De invloed van aanbodfactoren als bouwkosten en het aantal nieuwbouwwoningen op de woningprijs is zowel op korte als middellange termijn beperkt (De Vries en Boelhouwer, 2004). Uit de internationale woningmarktliteratuur blijkt eveneens dat het aanbod van nieuwbouwwoningen nauwelijks invloed heeft op de prijsontwikkeling van de bestaande woningvoorraad (DiPasquale en Wheaton, 1995; Goodman, 1998; Berg, 2002).


....en woningen locatiegebonden zijn...
Een ander bijzonder kenmerk van woningen is de locatiegebondenheid. Hierdoor kan een stijging van de vraag naar woningen in een bepaalde regio niet geheel worden gecompenseerd door extra aanbod van woningen in andere regio’s, al zullen al te ver oplopende prijsverschillen wellicht de regionale mobiliteit wat vergroten. Ook is een woning een heterogeen goed, waardoor verschillende typen woningen in een bepaald gebied slechts in beperkte mate substituten voor elkaar vormen. Hierdoor speelt de mobiliteit een belangrijke rol bij de prijsvorming (figuur 3). Verhuizen gaat gepaard met (hoge) transactiekosten, zowel in sociaal als in financieel opzicht. Bestaande huizenbezitters overwegen pas te verhuizen als zij de transactiekosten kunnen terugverdienen (Kahneman, Knetch en Thaler, 1990; Chan, 2001). Bovendien is de mobiliteit tussen de koop- en de huursector in Nederland, mede dankzij het overheidsbeleid, vrij laag. De sterk gereguleerde huursector vormt nauwelijks een alternatief voor de koopsector (Piljic en Stegeman, 2013; CSED, 2010 en Van Dijk en Romijn, 2010). De locatiegebondenheid in combinatie met de beperkte mobiliteit zorgt er dan ook voor dat de woningmarkt in een groot aantal regionale deelmarkten uiteenvalt. De prijsontwikkeling van koopwoningen kan per regio en type woning verschillen. Hierdoor is de woningmarkt niet volledig transparant en is er sprake van imperfecte informatie (VROM-raad, 2007).
Figuur 3: Mobiliteit in de koop- en huursector
Bron: Van Ommeren (2006) o.b.v. ECHP 1990-2000
...wordt huizenprijsontwikkeling beïnvloed door inkomen en rente
Het voorgaande impliceert dat de huizenprijsontwikkeling op korte termijn wordt bepaald door de factoren die de omvang van de vraag bepalen. Het aantal mensen dat een woning zoekt, bepaalt de omvang van de vraag. Een woning is kapitaalintensief en kopers kunnen deze in de meeste gevallen niet volledig uit het lopende inkomen of het eigen vermogen financieren. De aankoop van een woning wordt vaak gefinancierd met een hypothecaire lening met een lange looptijd. Het beschikbare gezinsinkomen, de hypotheekrente, de hypotheekvoorwaarden en het geldende fiscale regime bepalen de hoogte van het bedrag dat een potentiële koper (maximaal) kan lenen. Een hoger beschikbaar inkomen heeft een opwaarts effect op de huizenprijs, omdat een potentiële koper, uitgaande van gelijkblijvende financieringskosten, meer te besteden heeft en de betaalbaarheid van de hypotheeklasten toeneemt. Om dezelfde reden kan ook van een stijging van het vermogen een opwaarts prijseffect uitgaan. De feitelijke hoogte van de hypotheekrente, maar ook de verandering daarin, zijn van invloed op de betaalbaarheid en daarmee ook op de huizenprijsontwikkeling. Potentiële kopers zullen bij een stijgende hypotheekrente aarzelen om een huis te kopen, wat een drukkend effect op de huizenprijzen kan hebben. Daartegenover staat dat een relatief klein percentage Nederlanders kiest voor een variabele hypotheekrente of een hypotheekrente die voor minder dan een jaar vaststaat (circa een op de vijf hypotheekleningen). Een stijgende hypotheekrente zal hierdoor minder snel de betaalbaarheid en daarmee ook de huizenprijzen drukken (figuur 4). Case en Quigley (2008) spreken in dit verband van een neerwaartse rigiditeit van huizenprijzen. Tsatsaronis en Zhu (2004) laten eveneens zien dat in landen waar hypotheekleningen met een variabele rente vaker voorkomen huizenprijzen gevoeliger zijn voor de renteontwikkelingen op korte termijn. Volgens een schatting van Verbruggen et al (2005) leidt een stijging van de reële rente van 1%-punt op termijn tot een daling van de reële huizenprijs met 5,9%, ongeacht het uitgangsniveau van de rente [3].
Figuur 4: Rentevaste periode van nieuwe hypotheken in Nederland
Bron: DNB
Bovendien mitigeert het fiscale regime in Nederland deels het nadelige effect van een stijgende hypotheekrente op de betaalbaarheid van een koopwoning (Haffner, 2002). Zo zijn de betaalde hypotheekrentelasten in ons land volledig fiscaal aftrekbaar en is de omvang van het belastingvoordeel afhankelijk van het marginale belastingtarief en de hoogte van de hypotheekrentelasten. Overigens is het de vraag in hoeverre de fiscale ondersteuning de betaalbaarheid van een koopwoning daadwerkelijk heeft verhoogd. De hypotheekrenteaftrek verlaagt weliswaar de woonlasten, maar stimuleert tegelijkertijd de vraag naar woningen. In een markt met forse aanbodrestricties vertaalt deze extra vraag zich vooral in hogere huizenprijzen, die de vermindering van de woonlasten voor een deel teniet doen. In loop der jaren zijn de fiscale voordelen door diverse beleidswijzigingen bij eenzelfde hypotheekproduct iets afgenomen [4]. In hoeverre de veranderingen in het fiscale regime de ontwikkeling van de huizenprijzen beïnvloeden, hangt af van de mate waarin het fiscale voordeel in de vorm van hypotheekrenteaftrek is verdisconteerd in de waarde van de huizen (Bourassa en Grigsby, 2000). In dit verband hebben Neuteboom en Brounen (2008) geschat dat potentiële kopers in Nederland ruwweg driekwart van het verwachte fiscale voordeel in de vorm van hypotheekrenteaftrek verdisconteren in de huizenprijzen. Starters nemen zelfs 96 procent van het voordeel mee in hun bod. Dit hangt eveneens samen met het vrij inelastische woningaanbod in Nederland. Volgens Van Ewijk et al (2006) leidt defiscalisering tot lagere huizenprijzen en op termijn tot minder investeringen in woningen, zelfs wanneer rekening wordt gehouden met compenserende maatregelen [5].
Tot slot blijkt de institutionele structuur van een hypotheekmarkt een belangrijke rol te spelen bij de doorwerking van de renteontwikkeling op de huizenprijzen (Mishkin, 2007; Tsatsaronis en Zhu, 2004). Nederland kent in internationaal perspectief een goed ontwikkelde securitisatiemarkt (figuur 5). Enerzijds kan een goed ontwikkelde securitisatiemarkt tot een toename leiden van het aantal verstrekte hypotheken met een vaste renteperiode, omdat hypotheken kunnen worden gefinancierd met fixed-coupon mortgage backed securities (Mishkin, 2007). Dit suggereert een afgezwakt effect van de rente op de huizenprijsontwikkeling. Anderzijds zorgt een hoge mate van securitisatie ervoor dat de hypotheekmarkt gevoeliger wordt voor de ontwikkelingen op de kapitaalmarkt, waardoor (verwachte) veranderingen in de beleidsrente directer en sneller doorwerken in de hypotheekrente (Estrella, 2002). Securitisatie kan het effect van de rente dan ook potentieel versterken.
Figuur 5: Relatief groot Nederlands aandeel in de Europese securitisatiemarkt
Bron: AFME & SIFMA
...alsook financieringsvoorwaarden ...
Hypotheekaanbieders hebben in de afgelopen decennia ingespeeld op de behoefte om de aftrekbaarheid van de hypotheekrentelasten maximaal te benutten door spaarhypotheken en aflossingsvrije hypotheken aan te bieden (figuur 6). Hierdoor kan een potentiële huizenkoper met dezelfde maandlasten meer geld lenen. Dit heeft in theorie tot gevolg dat de betaalbaarheid en de vraag toenemen, waardoor woningprijzen stijgen en de betaalbaarheid vervolgens weer verslechtert. Tsatsaronis en Zhu (2004) tonen aan dat in landen met een flexibele en goed ontwikkelde hypotheekmarkt, zoals de Nederlandse, innovaties in hypotheekvormen bijna een vijfde van de variatie in de huizenprijsontwikkeling kunnen verklaren. Uit het onderzoek van Galatti et al (2011) op basis van Nederlandse data blijkt eveneens dat aflossingsvrije hypotheken een belangrijke bijdrage hebben geleverd aan de huizenprijsstijging in de afgelopen decennia. Bovendien zijn de kredietnormen vanaf eind jaren tachtig versoepeld. Zo werd het in 1986 mogelijk om een hypotheeklening op basis van twee inkomens af te sluiten, waarbij het tweede inkomen voor vijf jaar meetelde. Vanaf 1999 telt het tweede inkomen volledig mee [6]. Door deze ontwikkelingen is de toegankelijkheid van de hypotheekleningen verbeterd, waardoor de invloed van het inkomen en de rentes op de huizenprijzen is toegenomen (Muellbauer en Murphy, 1997). Het onderzoek van Tsatsaronis en Zhu (2004) laat zien dat de rol van de rente sterker is bij de verklaring van de variatie in de huizenprijsontwikkeling dan die van het inkomen. Dit suggereert dat potentiële huizenkopers hun aankoopbeslissing eerder baseren op de hoogte van de maandelijkse hypotheeklasten dan de omvang van de hypotheeklening in relatie tot hun inkomen.
Figuur 6: Samenstelling hypotheekbestand [7]
Bron: AFM
...en 'speculatieve' prijsverwachtingen
Naast de hierboven beschreven fundamentele factoren speelt de prijsverwachting ook een belangrijke rol. Veel potentiële huizenkopers kopen niet alleen een huis om erin te wonen en woondiensten te consumeren, maar ook verwachten zij er een overwaarde mee te kunnen creëren (Toussaint, 2010). Indien potentiële huizenkopers verwachten dat woningprijzen in de toekomst gaan stijgen, dan zullen zij het liefst zo snel mogelijk een huis aankopen om te voorkomen dat ze later meer voor hetzelfde huis moeten betalen en/of vermogenswinst mislopen. Deze verwachtingen zullen een prijsopdrijvend effect hebben (Levin en Wright, 1997; Shiller, 2005). Als potentiële huizenkopers daarentegen prijsdalingen voorzien, dan zullen zij een aankoopbeslissing zo lang mogelijk uitstellen om vermogensverliezen te voorkomen (Reichert, 1990; Abraham en Hendershott, 1996; Meen, 1998 en 2001; Boelhouwer, 1999). Dit kan vervolgens weer leiden tot een verdere daling van de huizenprijzen (Boelhouwer et al., 2004; Levin en Wright, 1997). Het is ook denkbaar dat inflatie-, werkloosheids- of beursontwikkelingen van invloed zijn op het vertrouwen van potentiële kopers.
Huizenprijsontwikkeling beïnvloed door demografische en sociaaleconomische factoren
Naast deze bijzondere kenmerken van de Nederlandse woningmarkt zijn ook andere factoren van invloed op de prijsontwikkeling. Zo verandert de samenstelling van de Nederlandse bevolking in de komende decennia als gevolg van de veranderende leeftijdsopbouw en het type huishouden. De veranderende demografische samenstelling van de Nederlandse samenleving kan de langetermijnprijsontwikkeling beïnvloeden. Zo kunnen regio’s die worden geconfronteerd met demografische krimp te maken krijgen met een overaanbod van woningen. Dit heeft een prijsdrukkend effect tot gevolg. De samenhang tussen demografie en wonen wordt echter vooral beïnvloed door de sociaaleconomische en sociaal-culturele ontwikkelingen [8]. Zo is de verwachting dat het aandeel eigenwoningbezitters onder de nieuwe generaties ouderen in de komende jaren nog verder gaat toenemen, mede als gevolg van het gestegen inkomens- en opleidingsniveau en de verbeterde gezondheid (figuur 7). Dit is in lijn met de resultaten van het onderzoek van Neuteboom en Brounen (2007), die op basis van de leeftijd-cohort–periode-analyse eveneens voorspellen dat Nederlandse ouderen meer geneigd zullen zijn om te kopen. Bij een ongewijzigd aanbod en een toenemende vraag (als gevolg van huishoudensverdunning) zal deze ontwikkeling een prijsopdrijvend effect hebben, omdat de vergrijzing en de verwachte afnemende verhuismobiliteit onder ouderen bijdragen aan een geringere doorstroming op de woningmarkt [9]. De extra vraag concentreert zich op een kleiner deel van de woningvoorraad.
Figuur 7: Eigenwoningbezit naar leeftijd
Bron: Ministerie van BZK
Kortom, de Nederlandse woningmarkt is een typisch voorbeeld van een voorraadmarkt. Zowel hierdoor als door de institutionele belemmeringen en lange bouwtijden kan het aanbod van woningen zich op korte en middellange termijn nauwelijks aanpassen aan de vraag. Bovendien is een woning een locatiegeboden en heterogeen goed, waardoor de extra vraag niet geheel kan worden gecompenseerd door extra aanbod in andere regio’s, terwijl verschillende typen woningen binnen een bepaald gebied slechts in beperkte mate substituten voor elkaar vormen. Omdat de sterk gereguleerde huursector in Nederland nauwelijks een alternatief biedt voor de koopsector, is de impact van de huurprijs op de prijs van koopwoningen vermoedelijk beperkt. De huizenprijsontwikkeling wordt in theorie voornamelijk bepaald door de vraag die afhankelijk is van het aantal mensen dat op zoek is naar een koopwoning. Het beschikbare gezinsinkomen, de hypotheekrente, de hypotheekvoorwaarden en het geldende fiscale regime zijn daarbij mogelijk van invloed op de prijs die potentiële kopers bereid en in staat zijn te betalen. Omdat het kopen van een woning omvangrijke financiële consequenties met zich meebrengt, speelt de prijsverwachting mogelijk ook een belangrijke rol bij de aankoopbeslissing. Tot slot kunnen demografische ontwikkelingen van invloed zijn op de huizenprijsontwikkeling op lange termijn, waarbij de samenhang tussen demografie en wonen vooral wordt beïnvloed door de sociaaleconomische en sociaal-culturele ontwikkelingen.
Voetnoten
[1] Van Dijk en Romijn (2010) hanteren een aanbodelasticiteit van 0,65%. De aanbodelasticiteit kan echter verschillen tussen regio’s, tussen de huur- en de koopsector en tussen opgaande en neergaande woningmarkten (VROM-raad, 2007).
[2] Als gevolg van de fiscale subsidiëring van de eigen woning en de huurregulering en -toeslag is de ontwikkeling van de vrije huurmarkt in Nederland nauwelijks van de grond gekomen (6% van de woningvoorraad). Hierdoor vormt de vrije huursector nauwelijks een alternatief voor de koopsector en zijn starters op de woningmarkt veelal aangewezen op de koopsector.
[3] Een andere studie van Van Ewijk et al (2006) concludeert dat naarmate het uitgangsniveau van de rente lager is, het effect op de huizenprijs van een rentedaling van 1%-punt groter is doordat het effect daarvan op de gebruikerskosten proportioneel groter is. Zo leidt een rentedaling van 4% naar 3% per jaar tot een daling van 8,2% van de reële huizenprijs.
[4] Zo is vanaf de jaren tachtig het marginale belastingtarief gedaald. In 1997 werd de hypotheekrenteaftrek beperkt tot bestedingen aan de woning, waardoor het aanzienlijk minder aantrekkelijk werd om de overwaarde op een woning te gebruiken voor de aanschaf van consumptiegoederen. Per 2001 kan de hypotheekrente nog maximaal voor een periode van dertig jaar fiscaal worden afgetrokken en is de hypotheekrente voor een tweede woning niet langer fiscaal aftrekbaar. Per 2004 stimuleert de overheid dat de overwaarde op de oude woning wordt ingebracht bij de financiering van een nieuwe woning, via de zogenoemde bijleenregeling. Per 2013 moet een hypotheek bovendien annuïtair worden afgelost om in aanmerking te komen voor fiscale ondersteuning door de overheid.
[5] De huizenprijsdaling kan uiteenlopen van 4 tot 14 procent. Hierbij is rekening gehouden met compenserende maatregelen. De omvang en de timing van deze prijsreactie is echter onzeker. De marge geeft de onzekerheid aan over de planningshorizon van kopers. Naarmate kopers een kortere tijdshorizon hanteren, zijn de effecten op de huizenprijzen groter. De inkomenseffecten zijn niet eenduidig en variëren met de levensfase waarin huishoudens zich bevinden, de inkomensklassen en tussen de generaties. Bovendien leveren eigenwoningbezitters meer dan gemiddeld in omdat een deel van de generieke compenserende maatregelen ook bij de huurders terechtkomt.
[6] In Nederland geldt sinds 1994 de Algemene wet gelijke behandeling op basis waarvan het wettelijk verplicht werd om het tweede inkomen volledig mee te tellen bij de vaststelling van de hoogte van de hypotheeklening.
[7] Het gaat hier om het aandeel van verschillende hypotheekvormen in de totale hypotheekschuld.
[8] Zie Piljic en Stegeman (2013) voor een uitgebreide toelichting op de toekomstige trends die naar verwachting van invloed zullen zijn op de ontwikkelingen op de woningmarkt.
[9] Uit de recente studie van PBL (2013) blijkt dat het dempende effect van de vergrijzing op de doorstroming in het komende decennium blijft voortduren.
Woningprijsmodellen
Bij de modellering van de woningprijs wordt vaak een foutencorrectiemodel gebruikt. Daarbij wordt er vanuit gegaan dat er op lange termijn een evenwichtsrelatie bestaat tussen het niveau van de transactieprijs en fundamentele factoren, maar dat er op korte termijn van dit evenwichtsniveau kan worden afgeweken. Minder overeenstemming bestaat er over de factoren die op lange termijn het niveau van de huizenprijs en op korte termijn de huizenprijsontwikkeling beïnvloeden. Veel van de theoretische determinanten die we in hoofdstuk twee hebben besproken, worden in een of meer empirische studies teruggevonden. Er kunnen echter geen eenduidige conclusies worden getrokken over de empirische determinanten van de huizenprijsontwikkeling in Nederland.
Nederlandse prijsmodellen
In het verleden zijn diverse empirische studies verricht naar de verklarende factoren van de woningprijsontwikkeling in Nederland. Hoewel we spreken over de woningprijsontwikkeling is dit geen eenduidig begrip. Vaak wordt het prijscijfer van het CBS (Prijsindex Bestaande Koopwoningen) gebruikt. Dit geeft het best de prijsontwikkeling weer, omdat in deze reeks gecorrigeerd wordt voor samenstellingseffecten. Er zijn echter pas cijfers vanaf 1995 beschikbaar, en dientengevolge niet bruikbaar voor onze tijdreeks analyse. Voor tijdreeksanalyse blijven twee tijdreeksen over: die van het Kadaster gebruikt en de reeks van de NVM. Beide worden gebruikt in verschillende studies (tabel 1). Deze reeksen verschillen op drie punten (Aarts, 2005). Ten eerste heeft de prijsindex van de NVM betrekking op een deel van de markt, terwijl de reeks van het Kadaster betrekking heeft op de totale markt. Ten tweede gaat de NVM bij de bepaling van de algemene prijsontwikkeling van koopwoningen uit van de mediane verkoopprijs, waardoor de invloed van uitschieters op het gemiddelde wordt geëlimineerd. Het Kadaster gaat daarentegen uit van het rekenkundig gemiddelde waardoor de cijfers niet alleen gevoelig zijn voor uitschieters, maar ook voor de ontwikkeling van het aantal verkopen binnen een categorie. Ten slotte registreert het Kadaster de verkoop van bestaande koopwoningen op het moment van eigendomsoverdracht, terwijl de NVM de verkoop registreert op het moment dat de ontbindende voorwaarden in de koopakte zijn verlopen en de koop feitelijk wordt gesloten. Over een langere periode bezien laten beide reeksen een vergelijkbaar verloop zien (figuur 8), waardoor de gekozen reeks de empirische resultaten niet sterk zal beïnvloeden. Wij kiezen ervoor om de gemiddelde woningprijs te verklaren.
Figuur 8: Prijsverloop CBS- en NVM-reeks
Bron: CBS, NVM
In veel empirische studies wordt gebruik gemaakt van een foutencorrectiemodel (tabel 1) [10]. Ook wij zullen een dergelijk model gebruiken om een onderscheid te maken tussen de ontwikkeling van de prijs voor koopwoningen op lange en korte termijn [11]. Het idee achter het foutencorrectiemodel is dat er op lange termijn sprake is van een evenwichtsrelatie tussen de huizenprijs en fundamentele factoren, maar dat er op korte termijn van dit evenwichtsniveau kan worden afgeweken. Op lange termijn bepaalt het niveau van een aantal fundamentele verklarende variabelen het prijsniveau. Deze relatie tussen het prijsniveau en de fundamentele factoren wordt gevat in een langetermijnvergelijking die voor elke periode een evenwichtsprijs definieert. Met behulp van de langetermijnvergelijking kunnen we uitspraken doen over de over- dan wel onderwaardering van koopwoningprijs in Nederland. Als de werkelijke prijs boven de evenwichtsprijs ligt, dan is er sprake van overwaardering. Ligt de werkelijke prijs beneden de evenwichtsprijs, dan is er sprake van onderwaardering. Het verschil tussen beide wordt de foutencorrectieterm genoemd. Op korte termijn hangt de prijsontwikkeling af van het verschil tussen de werkelijke prijs en de evenwichtsprijs (de foutencorrectieterm), veranderingen van fundamentele factoren, en eventuele veranderingen in andere variabelen die de prijs op korte termijn kunnen beïnvloeden. Ook deze relatie kan empirisch worden gevat, alleen dan in een vergelijking voor de korte termijn. Met behulp van de kortetermijnvergelijking kunnen we uitspraken doen over de prijsontwikkeling in het komende jaar.
In formulevorm ziet het foutencorrectiemodel er als volgt uit:
waarbij de fundamentele economische factor i in jaar t representeert en de storingsterm in jaar t. De coëfficiënt geeft de relatie tussen de huidige prijsveranderingen en de prijsveranderingen in de vorige periode aan. Het bestaan van deze relatie kan worden verklaard door speculatieve effecten en/of marktinefficiëntie. Door het opnemen van de foutencorrectieterm (P-P*)t-1 in de kortetermijnvergelijking wordt er in elke periode gecorrigeerd voor een deel van het verschil tussen het feitelijke niveau en het evenwichtsniveau in de vorige periode. Indien er in de vorige periode gemiddeld sprake was van overwaardering (onderwaardering) van koopwoningen, vindt in de huidige periode een neerwaartse (opwaartse) correctie plaats. De coëfficiënt geeft aan hoe snel de prijzen terugkeren naar het langetermijnevenwichtsniveau. Indien deze coëfficiënt gelijk is aan -1, dan passen de prijzen zich onmiddellijk aan veranderingen in fundamentele variabelen aan. Indien de coëfficiënt tussen -1 en 0 ligt, dan is er sprake van een geleidelijke verandering. Hoe dichter de coëfficiënt bij 0 ligt, hoe langer de aanpassing duurt. De coëfficiënt meet de gelijktijdige verandering in de prijs als gevolg van een verandering in de huidige economische factor i. De vergelijkingen (1) en (2) kunnen volgens de tweestapsprocedure van Engle en Granger (1987) worden geschat. Ook wij kiezen voor deze methode. Eerst schatten we de langetermijnvergelijking (1) en vervolgens de kortetermijnvergelijking (2), waarbij de foutencorrectieterm gelijk is aan het schattingsresidu uit vergelijking (1), oftewel het onverklaarde deel van de langetermijnvergelijking.
In veel empirische studies wordt een steekproefperiode gehanteerd die loopt vanaf het einde van de jaren zeventig/begin van de jaren tachtig (tabel 1) tot het jaar waarin de studie wordt gepubliceerd (of het jaar ervoor). De periode van sterke prijsstijgingen gedurende de jaren zeventig wordt doorgaans niet meegenomen, omdat dit tot instabiele resultaten leidt. Mogelijk wordt dit veroorzaakt door de veranderende dynamiek op de woningmarkt in die periode. Dankzij de toegenomen financiële armslag van potentiële kopers als gevolg van de gedaalde reële hypotheekrente, financiële innovaties en een grotere leencapaciteit heeft de Nederlandse koopwoningmarkt zich in de jaren zeventig en tachtig ontwikkeld tot een dynamische markt (Dol et al., 2010) [12]. Om deze reden hebben ook wij ervoor gekozen om onze steekproefperiode vanaf 1978 te laten lopen zodat er sprake is van dezelfde marktdynamiek. Zoals later zal blijken, lijken we sinds het uitbreken van de financiële crisis in 2008 opnieuw in een tijdvak te zitten waarin de wereld wezenlijk is veranderd. Dit is ook de reden waarom onze voorspellingen van de huizenprijsontwikkeling in de afgelopen periode minder goed waren dan in de periode ervoor (zie ook hoofdstuk zes) en we op dit moment geen voorspellingen voor de huizenprijsontwikkeling op korte termijn meer afgeven.
Langetermijnvergelijkingen
Zoals hiervoor uitgelegd, wordt in veel empirische studies naar de verklarende factoren van de Nederlandse woningprijsontwikkeling een foutencorrectiemodel geschat. In een dergelijk model bepaalt het niveau van een aantal fundamentele verklarende variabelen het prijsniveau. Er bestaat echter weinig overeenstemming over de factoren die op lange termijn een rol spelen (tabel 2). Het langetermijnniveau van de reële huizenprijs wordt in de studies van Verbruggen et al. (2005) verklaard door het reëel beschikbare inkomen en de reële rente. Ook Francke et al (2010) maakt gebruik van het reëel beschikbare inkomen. De rente komt echter niet als aparte component voor, maar is verwerkt in de gebruikerskosten. In de studies van Boelhouwer et al (2001, 2004) en De Vries en Boelhouwer (2011) spelen het reëel besteedbare huishoudinkomen en de hypotheekrente via de netto rentelastenquote (dat deel van het inkomen dat een huishouden aan rente kwijt is) een rol. Francke et al (2010) vinden ook een effect van het reële gezinsvermogen. Volgens Verbruggen et al (2005) is alleen het netto overige financiële vermogen van belang. Verbruggen et al. (2005) nemen daarnaast als enige een aanbodvariabele op in hun langetermijnvergelijking, namelijk de woningvoorraad. Het is opvallend dat er geen institutionele variabelen worden meegenomen in Nederlandse huizenprijsmodellen, hoewel deze in theorie wel degelijk van invloed kunnen zijn op de huizenprijs. In veel empirische studies wordt het belang van de institutionele omgeving wel onderkend, maar wordt tegelijkertijd opgemerkt dat er geen tijdreeksen beschikbaar zijn voor de gehele steekproefperiode. Dit geldt bijvoorbeeld voor het geldende fiscale regime en de regelgeving over de maximale hypotheekomvang. Ook wij zijn op dit probleem gestuit. Van andere elementen uit de institutionele omgeving, zoals toegang tot kapitaal, wordt aangenomen dat het effect constant is. Meen (1998) trekt bijvoorbeeld de conclusie dat de toegang tot kapitaal in het verleden weliswaar de transactieprijs heeft beïnvloed, maar dat de kredietvoorwaarden sinds de jaren tachtig veel van hun invloed hebben verloren doordat financiële markten grotendeels zijn geliberaliseerd. In reactie hierop is de invloed van andere factoren toegenomen, zoals de ontwikkeling van het inkomen en de rente (Muellbauer en Murphy, 1997).
Tabel 2: Langetermijnvergelijkingen derden [13]
Bron: Rabobank
Over- of onderwaardering?
Onder andere Verbruggen et al (2005) concluderen op basis van de langetermijnvergelijking dat de feitelijke huizenprijs gedurende enkele jaren kan afwijken van het evenwichtsniveau op lange termijn. Dit impliceert dat er enkele jaren op rij sprake kan zijn van over- of onderwaardering van de woningprijs. De conclusies met betrekking tot over- dan wel onderwaardering lopen echter sterk uiteen (figuur 9). In 2003 waren de woningprijzen volgens Kranendonk en Verbruggen (2008) tien procent te hoog. Een jaar later waren de koopwoningen in Nederland volgens de OECD twintig procent overgewaardeerd (OECD, 2005). Het IMF (2008) concludeerde dat de Nederlandse woningen in 2007 dertig procent overgewaardeerd waren. Volgens Kranendonk en Verbruggen (2008) was er in 2007 juist helemaal geen sprake van overwaardering. Het IMF trok volgens hen de verkeerde conclusie, omdat het een panelmodel gebruikte dat het beste paste bij de achttien landen waarvoor de huizenprijs werd voorspeld. Het model hield echter onvoldoende rekening met landspecifieke kenmerken, zoals de aanbodelasticiteit. Het IMF (2009a) gaf aan dat in 2009 sprake was van een overwaardering van ongeveer 7%, terwijl het kort daarop aangeeft dat de Nederlandse woningprijzen globaal in overeenstemming zijn met de fundamentele economische factoren (IMF, 2009b). Uit een studie van het IMF (2013) kan daarentegen weer worden afgeleid dat er gedurende de periode 2002 tot 2012 sprake was van overwaardering. Volgens de Europese Commissie (EC, 2012) was er gedurende de tweede helft van 2011 en de eerste helft van 2012 sprake van onderwaardering. In de periode daarvoor, ongeveer vanaf 2002, was er echter sprake van overwaardering [14]. Ook de Europese Centrale Bank (ECB, 2013) concludeert dat de werkelijke prijs in het laatste kwartaal van 2012 onder het langetermijnevenwichtsniveau lag [15]. Ook volgens de meest recente voorspellingen (augustus 2013) van The Economist was er in augustus 2013 sprake van een overwaardering van ruim dertien procent [16].
Figuur 9: Over- en onderwaardering Nederlandse woningprijs
Bron: Rabobank
Doordat er geen eenduidigheid is over de empirische determinanten van de huizenprijsontwikkeling in Nederland (en er uiteenlopende schattingsmethodes worden gebruikt), lopen de conclusies met betrekking tot over- en onderwaardering sterk uiteen. Bovendien zijn niet alle uitspraken over de over- of onderwaardering van Nederlandse huizenprijzen op langetermijnvergelijkingen gebaseerd. In sommige gevallen wordt alleen naar een aantal ratio’s gekeken. Uitspraken met betrekking tot over- en onderwaardering moeten dan ook altijd in het licht van de gehanteerde methode, gebruikte variabelen en tijdstip worden beoordeeld. Elke methode heeft zo zijn voor- en nadelen, waardoor op voorhand niet één methode het beste is en de conclusies die op basis van deze methode worden getrokken voor waar moeten worden aangenomen.
Kortetermijnvergelijkingen
Op korte termijn hangt de prijsontwikkeling in een foutencorrectiemodel af van het verschil tussen de werkelijke prijs en de evenwichtsprijs (de foutencorrectieterm), de verandering van fundamentele factoren en eventuele veranderingen in andere variabelen. Evenals bij de langetermijnvergelijking bestaat er ook weinig overeenstemming over de factoren die op korte termijn een rol spelen (tabel 3). In de studies van Verbruggen et al (2005) en Francke et al (2010) wordt de foutencorrectieterm meegenomen in de kortetermijnvergelijking. In de studies van Boelhouwer et al (2001, 2004) en De Vries en Boelhouwer (2009) is dit niet het geval, omdat zij geen aparte langetermijnvergelijking schatten en de residuen dus ook niet mee kunnen nemen. Boelhouwer et al (2001, 2004) en De Vries en Boelhouwer (2009) nemen de veranderingen in het reëel beschikbare looninkomen en de reële hypotheekrente als verklarende variabelen in hun kortetermijnvergelijking. Ook nemen zij een seizoensdummy op, omdat zij een tijdsbasis van een halfjaar hanteren in plaats van een jaar. Verbruggen et al. (2005) kiezen ervoor om de verandering van de reële rente op te splitsen in twee componenten, te weten de verandering in de nominale rente en de verandering van het consumentenprijsindexcijfer (cpi). Mogelijk reageren potentiële huizenkopers op korte termijn anders op een stijging van de nominale rente, die bij de aankoop van een huis een belangrijke rol speelt, dan op een daling van het cpi. Ook nemen zij een dummy voor het jaar 2000 op, om te corrigeren voor de forse huizenprijsstijging in dat jaar als gevolg van de buitengewone spanning op de woningmarkt. In de studie van Francke et al (2010) speelt het reëel beschikbare looninkomen geen rol in de kortetermijnvergelijking, maar wordt de economische groei als verklarende variabele opgenomen. Deze twee variabelen zijn sterk met elkaar gecorreleerd. De veranderingen in de gebruikerskosten en het reële gezinsvermogen, die beiden ook in de langetermijnvergelijking een rol spelen, worden eveneens in de kortetermijnvergelijking opgenomen. Ook hebben Boelhouwer et al (2001, 2004), De Vries en Boelhouwer (2009) en Francke (2010) de historische huizenprijsontwikkeling (als proxy voor de huizenprijsverwachtingen van potentiële huizenkopers) als verklarende variabele opgenomen.
Tabel 3: kortetermijnvergelijkingen derden
Bron: Rabobank
Voetnoten
[10] Brounen en Huij (2004) en de OECD (2004) maken geen onderscheid tussen een korte- en een langetermijnvergelijking. Deze studies hebben we dan ook weggelaten in de rest van hoofdstuk drie.
[11] Het schatten van een model op basis van microdata, zoals Gelatti et al (2011) doen, is voor ons minder relevant, omdat het woningprijsmodel dient aan te sluiten bij het macro-econometrische model NiGEM waarmee wij onze economische groeivoorspellingen maken.
[12] Een dynamische koopwoningmarkt is gebaseerd op een proces van langzaam opschuiven langs de eigendomsladder. Een dynamische koopwoningmarkt kent daarom een hoge mobiliteit en een relatief groot aantal transacties van bestaande koopwoningen.
[13] In de modellen van Boelhouwer et al (2001, 2004) en De Vries en Boelhouwer (2009) wordt de netto-rentequote niet apart geschat. Om deze reden is er geen R2 beschikbaar.
[14] De EC (2012) heeft dit berekend door het verschil tussen de werkelijke prijs en de gefilterde trend te nemen.
[15] De ECB maakt hierbij gebruik van vier methoden (ECB, 2011).
[16] The Economist geeft een maandelijkse voorspelling van de over- dan wel onderwaardering van de Nederlandse huizenprijs op basis van twee ratio’s. De eerste ratio omvat het inkomen ten opzichte van de woningprijs en de tweede ratio omvat de huurprijs ten opzichte van de hypotheeklasten. Indien deze ratio’s boven het historische gemiddelde liggen, dan is er sprake van overwaardering.
Databeschrijving
Op grond van de hiervoor beschreven theoretische overwegingen en empirische resultaten hebben we ervoor gekozen om de reële huizenprijsontwikkeling te verklaren met behulp van een foutencorrectiemodel dat we in twee stappen schatten. In dit hoofdstuk beschrijven we potentiële vraag- en aanbodfactoren die we hebben gebruikt ter verklaring van het niveau en de ontwikkeling van de woningprijs. De wijze waarop de variabelen zijn geconstrueerd, kan worden teruggevonden in bijlage I.
Het niveau en de ontwikkeling van de reële transactieprijs is mogelijk afhankelijk van…
In empirisch onderzoek naar de reële huizenprijsontwikkeling in Nederland worden verschillende afhankelijke variabelen gebruikt. Wij nemen de gemiddelde reële transactieprijs, dat wil zeggen de transactieprijs gecorrigeerd voor de cpi, als uitgangspunt. De steekproefperiode 1978-2011 [17] kunnen we globaal in drie deelperiodes opsplitsen. Gedurende de jaren 1978-1985 nam de gemiddelde reële transactieprijs [18] af. Deze periode van prijsdalingen volgde op een periode van sterke prijsstijgingen, waarin de gemiddelde reële transactieprijs met gemiddeld tien procent toenam (met uitschieters van achttien procent in 1976 en 31 procent in 1977). In 1985 lag de gemiddelde reële transactieprijs ongeveer 48 procent onder het niveau van 1978. In 1986 werd een langdurige periode van prijsstijgingen ingezet. Alleen in de jaren 1990 en 1991 daalde de reële transactieprijs. Met name in de tweede helft van de jaren negentig ontwikkelden de prijzen zich zeer positief mede door de introductie van nieuwe hypotheekvormen, zoals de spaarhypotheken en de aflossingsvrije hypotheken, positieve inkomensontwikkelingen, dalende rente, een stevige groei van het aantal tweeverdieners en het meetellen van tweede inkomens bij de vaststelling van de maximale hypotheek. Rond de eeuwwisseling vlakte de prijstoename langzaam af. Dit werd veroorzaakt door de minder gunstige economische ontwikkeling vanaf 2001. De prijzen bleven echter toenemen. Sinds 2009 daalt de reële transactieprijs mede door het dalende beschikbare inkomen.
Figuur 10: Ontwikkeling reële transactieprijs
Bron: NVM, CBS, Rabobank
Om de reële transactieprijs te verklaren, hebben we naar verschillende potentiële aanbod- en vraagfactoren gekeken. De theoretische en empirische literatuur die we in de vorige hoofdstukken hebben besproken, vormden hierbij het uitgangspunt. Bovendien dienden de variabelen beschikbaar te zijn voor de gehele steekproefperiode en moesten de variabelen aansluiten bij ons macro-econometrische model NiGEM waarmee we economische groeivoorspellingen maken.
…de woningvoorraad en de huurprijs…
We hebben zowel de totale woningvoorraad als de koopvoorraad als potentiële verklarende aanbodfactoren meegenomen, omdat het aandeel koopwoningen in de totale woningvoorraad in de loop der tijd is toegenomen. Deze toename is mede het gevolg geweest van een stijging van de welvaart, stimulerend overheidsbeleid en premiekoopwoningen [19] in de jaren zeventig en tachtig, waardoor een koopwoning voor meer mensen bereikbaar werd. Hoewel de substitutiemogelijkheden tussen huur- en koopwoningen beperkt zijn, hebben wij de reële huurverhoging wel als potentiële verklarende variabele meegenomen.
…en diverse vraagfactoren
Een eerste vraagfactor die van invloed kan zijn op het niveau van de transactieprijs is de demografische ontwikkeling. Als gevolg van veranderende demografische kenmerken van de samenleving verandert de woningbehoefte en dit kan van invloed zijn op de gemiddelde transactieprijs. Volgens Elsinga (1995) verhuizen jongere huishoudens vaker en wonen zij relatief vaak in een huurwoning. Met de tijd neemt de verhuisgeneigdheid echter af en wordt steeds vaker een koopwoning betrokken. Aan het einde van de levenscyclus van een huishouden wordt er wederom vaker verhuisd en wordt steeds vaker een woning gehuurd. Het is echter onduidelijk waar de leeftijdsgrenzen liggen. Om deze reden kunnen we geen cohorteffecten meenemen. Wel nemen we de totale bevolkingsomvang mee als potentiële verklarende variabele.
Ook verwachten we dat de maximale hypothecaire lening die een potentiële huizenkoper kan afsluiten een potentiële verklaring vormt voor het niveau en de ontwikkeling van de reële transactieprijs. Aangezien er geen tijdreeks voor de maximale hypotheek beschikbaar is, waren we niet in staat om deze variabele rechtstreeks mee te nemen. Een alternatief voor de maximale hypotheek vormt de loan-to-value (LTV), oftewel de verhouding tussen de hoogte van de lening en de waarde van de woning. Aangezien de LTV deels wordt bepaald door de waarde van de woning en dus sterk samenhangt met de transactieprijs, kan deze variabele niet als verklarende variabele worden opgenomen in een regressiemodel.
Aangezien er geen tijdreeks voor de maximale hypotheek beschikbaar is, hebben we een aantal factoren geselecteerd die van invloed zijn op de hoogte van de hypothecaire lening die een potentiële huizenkoper kan afsluiten. De hypotheekvorm beïnvloedt de hoogte van de maximale hypotheek [20], maar we beschikken niet over een goede tijdreeks om de impact van de hypotheekvorm mee te nemen. Onze interne data gaan niet ver genoeg terug en externe data zijn pas vanaf 1996 openbaar beschikbaar. Hoewel we weten dat tot ongeveer 1987 vrijwel alleen annuïtaire leningen werden afgesloten, zitten we dus met een gat voor de periode 1987-1996. Bovendien is het onbekend welke impact een specifieke hypotheekvorm precies op de maximale hypotheek heeft, aangezien dit afhankelijk is van de persoonlijke omstandigheden van de hypotheeknemer.
Een andere belangrijke determinant van de maximale hypotheek is het bruto arbeidsinkomen van een huishouden. In plaats van het arbeidsinkomen per huishouden hebben wij het arbeidsinkomen van de Nederlandse samenleving meegenomen, omdat deze variabele beter aansluit bij de variabelen uit ons macro-econometrische model NiGEM. Het arbeidsinkomen vormt een onderdeel van het beschikbare inkomen, dat verder bestaat uit uitkeringsinkomen en overig inkomen. Deze laatste twee componenten hebben we bewust buiten beschouwing gelaten, omdat de impact van deze componenten op de reële transactieprijs vermoedelijk beperkt is. Lage inkomensgroepen, zoals uitkeringsgerechtigden, zullen doorgaans niet in een koopwoning wonen, waardoor de invloed van (ontwikkelingen in) het uitkeringsinkomen op (ontwikkelingen in) de transactieprijs beperkt is. Het overige inkomen wordt volgens Verbruggen et al (2005) doorgaans niet voor consumptiedoeleinden gebruikt, waardoor deze inkomenscomponent vermoedelijk eveneens weinig invloed heeft op de reële transactieprijs. Opgemerkt dient te worden dat ontwikkelingen in het arbeidsinkomen niet alleen afhankelijk zijn van inkomensontwikkelingen, maar dat werkgelegenheidsontwikkelingen eveneens een rol spelen. Toch nemen we de werkloosheid mee als potentiële verklarende variabele, omdat een oplopende werkloosheid via het vertrouwen de gemiddelde reële transactieprijs negatief kan beïnvloeden. We hebben hierbij gekozen voor de werkloosheid volgens de internationale definitie, omdat deze variabele beter aansluit bij ons macro-econometrische model NiGEM.
Ook het vermogen van huishoudens kan een rol spelen bij de omvang van de maximale hypotheek. Daarom hebben wij het aandelenbezit, de spaargelden en overige bezittingen op nationaal niveau als potentiële verklarende variabelen aangemerkt. We hebben ervoor gekozen om deze variabelen apart mee te nemen, omdat deze vermogenscomponenten mogelijk niet hetzelfde effect uitoefenen op de prijs. Ze zijn bijvoorbeeld niet even liquide en waardevast (Verbruggen et al, 2005). Potentiële huizenkopers kunnen hun spaargelden eenvoudig aanwenden voor de aanschaf van een eigen woning en de nominale waarde van het spaargeld is constant. Aandelenbezit moet daarentegen eerst worden verzilverd en de omvang van het bezit kan in de tijd erg fluctueren.
Verder is de reële gemiddelde hypotheekrente voor nieuw afgesloten woninghypotheken van belang voor de hoogte van de maximale hypotheek. Naast de hoogte van de hypotheekrente is ook het geldende fiscale regime van belang, aangezien dit van invloed is op de netto rentelasten die moet worden betaald. In de afgelopen decennia is er een aantal keer aan de hypotheekrenteaftrek gesleuteld. Het ligt voor de hand om het fiscale voordeel te modelleren door de renteterm te vermenigvuldigen met een factor (1-α) (De Vries en Boelhouwer, 2004; Verbruggen et al, 2005). Het fiscale voordeel is echter van een groot aantal factoren afhankelijk, zoals het marginale belastingtarief voor de gemiddelde hypotheekgever, de gemiddelde LTV, de aandelen van de verschillende hypotheekvormen in het totale aantal hypotheken en de geldende hypotheekvoorwaarden (Verbruggen et al, 2005). Data met betrekking tot het fiscale voordeel voor de gehele steekproefperiode zijn echter niet beschikbaar en we konden deze evenmin zelf maken. We waren dan ook niet in staat om een variabele te construeren waarmee empirische schattingen konden worden verricht.
Voetnoten
[17] Onze steekproefperiode loopt tot 2011, omdat voor 2012 nog niet alle data beschikbaar waren.
[18] Het jaar 1983 vormt hierop een uitzondering.
[19] Een koopwoning met een subsidie over meer jaren.
[20] Sinds 1 januari 2013 komen nieuwe hypotheeknemers alleen in aanmerking voor hypotheekrenteaftrek als de hypothecaire lening tenminste annuïtair wordt afgelost. Hierdoor wordt een aantal hypotheekvormen, zoals de aflossingsvrije hypotheek, minder aantrekkelijk.
Onderzoeksresultaten
Is de bodem in zicht? Dat is de vraag die veel Nederlanders bezighoudt. In dit hoofdstuk presenteren we het model dat we hebben geschat om deze vraag te beantwoorden. Er lijkt sprake te zijn van enige mate van onderwaardering, waardoor de transactieprijs op termijn kan aantrekken. Het blijkt echter onmogelijk om een adequate voorspelling te geven van de huizenprijsontwikkeling op korte termijn.
Langetermijnvergelijking
In tabel 4 zijn de schattingsresultaten voor de langetermijnvergelijking weergegeven. Alle vergelijkingen zijn op jaarbasis en in natuurlijke logaritmes geschat, waarbij de steekproefperiode 1978-2011 is gehanteerd. Bij het schatten van de langetermijnvergelijking zijn we uitgegaan van de eerder besproken empirische resultaten van anderen. Daarom hebben we in vergelijking (1) het reëel beschikbare looninkomen, de reële hypotheekrente, (de componenten van) het vermogen en de totale woningvoorraad meegenomen. De coëfficiënt van de overige bezittingen heeft het theoretisch verkeerde teken en wordt in vergelijking (2) weggelaten. De coëfficiënt van het reële aandelenvermogen wijkt niet significant van nul af, mogelijk als gevolg van de volatiliteit van aandelenkoersen en de geringe spreiding van aandelen over potentiële huizenkopers (CPB, 2005) of een veranderende relatie tussen de aandelenmarkt en de huizenmarkt als gevolg van een gebrek aan inflatoire druk en rentedalingen (BIS, 2003). Ook deze coëfficiënt wordt in vergelijking (2) weggelaten. Hoewel de coëfficiënt van de reële hypotheekrente niet significant is, willen we deze variabele om theoretische redenen graag in het model houden. In vergelijking (2) hebben alle coëfficiënten het verwachte teken en zij verschillen bovendien significant van nul. In vergelijking (3) hebben we de koopvoorraad in plaats van de totale woningvoorraad meegenomen. De koopvoorraad heeft echter geen significant van nul afwijkende variabele. Aangezien we wel graag een aanbodsvariabele willen opnemen in onze langetermijnvergelijking, valt vergelijking (3) af. In vergelijking (4) hebben we de omvang van de bevolking meegenomen. Door de toevoeging van deze variabelen wordt de coëfficiënt van de hypotheekrente insignificant, waardoor deze vergelijking niet onze voorkeur heeft. We kiezen dan ook voor vergelijking (2) als langetermijnvergelijking. In formulevorm ziet deze vergelijking er als volgt uit:
De coëfficiënten van deze vergelijking kunnen worden geïnterpreteerd als elasticiteiten. De coëfficiënt van het reële arbeidsinkomen bedraagt 1,25. Dit impliceert dat de reële transactieprijs, ceteris paribus, met ongeveer 12,5 procent stijgt als het beschikbare inkomen met tien procent stijgt. Zowel Francke et al (2010) als Verbruggen et al (2005) vinden een hogere elasticiteit, van respectievelijk 1,43 en 1,33. Het effect van de reële hypotheekrente op de transactieprijs is beperkt. Indien de rente met 100 basispunten toeneemt, dan daalt de prijs met circa zes procent. Uit het onderzoek van Kranendonk en Verbruggen (2008) en het IMF (2008) blijkt dat de elasticiteit ongeveer -5 bedraagt voor Nederland [21]. Ook uit een aantal buitenlandse studies blijkt dat het effect van de rente op de huizenprijzen beperkt is (Kuttner, 2012). De coëfficiënt van de reële spaargelden duidt op een elasticiteit van 0,55. Indien de woningvoorraad met tien procent stijgt, dan zal dit, ceteris paribus, leiden tot een daling van de transactieprijs met ongeveer 10,6 procent. De elasticiteit is hiermee aanmerkelijk kleiner dan in de studie van Verbruggen et al (2005); zij vinden een elasticiteit van -2,83. Mogelijk komt dit doordat wij ook de periode na 2008 meenemen, waarin vanuit historisch perspectief relatief weinig woningen aan de woningvoorraad werden toegevoegd terwijl de transactieprijs wel sterk daalde.
Tabel 4: Schattingsresultaten langetermijnvergelijking
Over- of onderwaardering?
In figuur 11 zijn het verloop van de feitelijke huizenprijs (in natuurlijke logaritmes) en de geschatte langetermijnwaarde weergegeven. Uit de figuur blijkt dat de werkelijke huizenprijs gedurende een lange periode kan afwijken van het langetermijnevenwichtsniveau. Het verschil is in figuur 12 weergegeven. Een waarde boven nul impliceert dat er sprake is van een overwaardering; de werkelijke huizenprijs ligt hoger dan op basis van economische fundamenten mag worden verwacht. Een waarde onder nul impliceert dat er sprake is van onderwaardering; de werkelijke huizenprijs ligt lager dan op basis van economische fundamenten mag worden verwacht. Uit figuur 12 blijkt dat er, op basis van onze modeluitkomsten, aan het begin van deze eeuw sprake was van een toenemende overwaardering van woningen. Met het uitbreken van de financiële crisis in 2008 kwam hier abrupt een einde aan. Sinds die tijd is de mate van overwaardering afgenomen en inmiddels is er, op basis van onze modelspecificatie, sprake van onderwaardering. Als we de gefitte waarden ook berekenen voor 2012 en 2013 en deze vergelijken met de feitelijke prijsontwikkeling (waarbij we voor 2013 uitgaan van een nominale huizenprijsdaling van 7% op jaarbasis), is er zelfs sprake van een historisch grote onderwaardering.


De onderwaardering waarvan volgens onze langetermijnvergelijking sprake is, hoeft niet automatisch tot een snelle prijscorrectie te leiden. Een aantal factoren, dat niet in de specificatie kan worden meegenomen, heeft in de afgelopen jaren een neerwaartse invloed gehad op het evenwichtsniveau. De verplichting om vanaf medio 2011 minimaal vijftig procent af te lossen en de verplichting voor starters om vanaf 1 januari 2013 de totale hypothecaire hoofdsom af te lossen, heeft ontegenzeglijk geleid tot een daling van het evenwichtsniveau. Door deze nieuwe regels kunnen huishoudens, volgens schattingen van DNB (2012), ongeveer negen procent minder lenen bij dezelfde woonlasten. Op termijn zal deze beperking een drukkend effect krijgen op de woningprijzen van maximaal 9%, maar omdat de markt waarschijnlijk anticipeerde op deze aanpassing, kunnen de effecten al deels zijn vertaald in de huidige lagere prijzen. Het is dus zeker niet gezegd dat de huizenprijzen terugkeren naar het evenwicht zoals berekend in de langetermijnvergelijking. Het werkelijke evenwicht ligt mogelijk lager, waardoor de feitelijke onderwaardering minder groot is dan uit onze regressieresultaten blijkt. Toch is het ons inziens gerechtvaardigd om op basis van de onderwaardering te veronderstellen dat stabilisatie van de woningprijzen binnen afzienbare tijd voor de hand ligt en dat woningprijzen op de lange termijn weer zullen stijgen.
Kortetermijnvergelijking
Ons uitgangspunt bij het schatten van de vergelijkingen was allereerst de opbouw van een langetermijnvergelijking (2). De residuen van deze vergelijking vormen de foutencorrectieterm in de kortetermijnvergelijkingen [22]. In vergelijking (5) hebben we naast het residu van de langetermijnvergelijking (2) ook de mutatie van alle variabelen die in de langetermijnvergelijking een rol spelen meegenomen. Tevens hebben we de mutatie van het aandelenvermogen en de overige bezittingen aan de specificatie toegevoegd. De coëfficiënt van de drie vermogenscomponenten en de reële hypotheekrente verschillen niet significant van nul en zijn in vergelijking (6) weggelaten. In vergelijking (6) hebben we eveneens getoetst of potentiële huizenkopers met een vertraging op een verandering in het reëel beschikbare inkomen reageren, door deze variabele zowel onvertraagd als met één jaar vertraging op te nemen. Hoewel alle coëfficiënten in vergelijking (6) significant van nul verschillen en het juiste teken hebben, is de verklarende kracht van deze specificatie minimaal. In het jaar 2000 liggen de feitelijke en de modelmatige huizenprijsontwikkeling ver uiteen. Aangezien er in dat jaar sprake was van een uitzonderlijke situatie op de woningmarkt, hebben we voor 2000 een dummy opgenomen (zie vergelijking (7)). In vergelijking (8) is onderzocht of potentiële huizenkopers anders reageren op een stijging van de nominale rente dan op een daling van het cpi. Beide coëfficiënten blijken echter niet significant van nul te verschillen. Bovendien krijgt de foutencorrectieterm een coëfficiënt die niet significant van nul verschilt. Ook het opnemen van zowel onvertraagde als met één jaar vertraagde veranderingen heeft geen effect. In vergelijking (9) hebben we getoetst of de mutatie van de werkloosheid significant bijdraagt aan prijsveranderingen op korte termijn. Dit blijkt het geval te zijn; een oplopende werkloosheid beïnvloedt de woningprijsontwikkeling op een negatieve manier. Door de toevoeging van de werkloosheidsmutatie wordt de coëfficiënt voor de inkomensmutatie echter insignificant. Deze variabele is in vergelijking (10) dan ook weggelaten. In vergelijking (11) nemen we de vertraagde huizenprijsontwikkeling mee als proxy voor de prijsverwachtingen van potentiële huizenkopers. Door toevoeging van deze variabele worden de coëfficiënten van alle andere variabelen insignificant. Dit is een bekend fenomeen. Onder andere uit onderzoek van Boelhouwer et al (2004) blijkt dat de historische prijsontwikkeling voor een zeer belangrijk deel bijdraagt aan de verklarende variatie. In vergelijking (12) laten we de aanname dat het foutencorrectiemechanisme symmetrisch werkt los. De hypothese van een asymmetrisch aanpassingsproces wordt niet ondersteund; de coëfficiënt voor positieve residuen is niet significant.
Uit inspectie van de residuen blijkt dat alle geschatte kortetermijnvergelijkingen slecht in staat zijn om de reële huizenprijsontwikkeling sinds het uitbreken van de financiële crisis te voorspellen. Bovendien worden omslagpunten niet goed voorspeld. We zijn dan ook over geen van de geschatte kortetermijnvergelijkingen tevreden. Met andere woorden: we zijn op dit moment niet in staat om een vergelijking te schatten waarmee we de huizenprijsontwikkeling op korte termijn (één jaar vooruit) kunnen voorspellen. Op korte termijn komt hier vermoedelijk geen verandering in.
In huizenprijsmodellen wordt op basis van historische verbanden tussen de transactieprijs en de verklarende variabelen een lijntje naar de toekomst doorgetrokken en daaruit volgt een voorspelling. Probleem is dat het grootste deel van de steekproefperiode waarop het verband is gebaseerd, betrekking heeft op een periode waarin de economische omgeving stabiel was. Sinds het uitbreken van de financiële crisis in 2008 lijkt de economische omgeving te zijn veranderd. De causale relaties die tot 2008 opgeld deden op de woningmarkt lopen nu ‘anders’. Hierdoor kunnen lijntjes niet meer op dezelfde wijze worden doorgetrokken naar de toekomst als voorheen. Woningprijsmodellen die zowel de periode voor als de periode na 2008 in beschouwing nemen, werken niet meer goed. Of dit tijdelijk is en weer verandert als de woningmarkt stabiliseert, is op voorhand niet te zeggen. Voorlopig zullen we echter geen exacte voorspellingen meer afgeven voor het komende jaar.
Voetnoten
[21] Hierbij dient te worden opgemerkt dat deze studies betrekking hebben op de periode voor het uitbreken van de financiële crisis in 2008.
[22] Bij de langetermijnvergelijking hebben we opgemerkt dat verschillende factoren, die niet zijn meegenomen in de langetermijnvergelijking, een neerwaarts effect kunnen hebben gehad op het evenwichtsniveau . Daarom zijn de residuen mogelijk aan de hoge kant. Een correctie hiervoor leidt echter niet tot andere resultaten.
Voorspellen met woningprijsmodellen
Het uiteindelijke doel van de in de voorgaande paragrafen beschreven modellen is niet alleen het analyseren wat de factoren achter de prijsontwikkeling in het verleden waren, maar vooral om op basis daarvan uitspraken te kunnen doen over de toekomstige koopwoningprijsontwikkeling. Voor dat doel presenteren we in deze paragraaf enkele scenario’s voor het langetermijnmodel en laten we de modelonzekerheid zien bij het gebruik van de verschillende kortetermijnmodellen.
Steeds slechter wordende voorspellingen
In onze kwartaalberichten [23] publiceerden we tot eind vorig jaar voorspellingen voor de woningprijsontwikkeling voor het lopende en het daaropvolgende jaar. In figuur 13 staan de voorspellingen voor het lopende (jaar t) en het daaropvolgende jaar (jaar t+1), evenals de realisatiecijfers. Gedurende het jaar wordt een aantal voorspellingen afgegeven (vanaf 2005 elk kwartaal, daarvoor minimaal eenmaal per jaar). In de meeste jaren is de voorspelling die dichter bij het eind van de periode ligt waarover wordt voorspeld accurater. In deze figuur hebben we het gemiddelde genomen van de voorspellingen per jaar.
Figuur 13: Ramingen en realisatie voor woningprijsmutaties
Bron: Rabobank, CBS
Tot en met 2008 was de voorspelling voor zowel het komende als het lopende jaar structureel te laag. Voor de periode erna wordt de prijsmutatie in bijna alle jaren te hoog ingeschat. Gemiddeld genomen over de periode 2000-2012 zijn de ramingen in de kwartaalberichten echter nog steeds een onderschatting van de realisaties. De ramingsfout is echter wel groot. Bij een gemiddelde prijsverandering in de periode 2001-2013 van 1,6% is het absolute verschil tussen raming en realisatie voor het komende jaar 2,1%. Voor de raming van het lopende jaar is het absolute verschil over de periode 2000-2012 2,2%, bij een gemiddelde prijsmutatie van 3,5% [24]. Op basis hiervan kunnen we niet anders dan concluderen dat het track record van onze ramingen met betrekking tot de woningprijzen slecht is. Dit wijkt waarschijnlijk niet af van de kwaliteit van de ramingen van andere instituten. Daar is echter geen totaaloverzicht van. Onze woningprijsvoorspellingen zijn in ieder geval slechter dan die van bijvoorbeeld de BBP-groei (Kranendonk et al., 2009). Met name de systematische overschatting van de prijsontwikkeling in de laatste jaren baart zorgen. Daarom zijn we begin dit jaar gestopt met het voorspellen van de woningprijzen.
Scenario’s voor de prijsontwikkeling van koopwoningen op lange termijn
Op basis van het langetermijnmodel (2) uit tabel 4 is het mogelijk om een aantal scenario’s te maken voor de prijsontwikkeling van Nederlandse koopwoningen voor de komende jaren. We gebruiken hiervoor de in de vorige paragraaf geschatte langetermijnvergelijking. Dit omdat we aannemen dat de evenwichtswaarde op lange termijn gelijk is aan de gerealiseerde waarde: afwijkingen van het langetermijnevenwicht komen daardoor per definitie niet voor.
Daarbij moeten we aannames doen over de ontwikkeling van alle verklarende variabelen voor de scenarioperiode. We kiezen voor een periode tot en met 2025. Het basisscenario dat we hebben gebruikt, gaat uit van een gemiddelde economische groei tot en met 2025 van iets minder dan 1% per jaar, waarbij de economie vooral in de eerste jaren (tot en met 2018) nauwelijks groeit. Dit pad is in lijn met onze eerdere publicatie (Stegeman et al., 2012). Daarmee zijn deze vooruitzichten somberder dan die het kabinet bijvoorbeeld hanteert bij het meerjarenperspectief in de Miljoenennota. De ontwikkeling van de vier verklarende variabelen tot en met 2025 staan weergegeven in figuur 14 en 15. In dit scenario neemt het reëel beschikbare arbeidsinkomen nauwelijks toe. Door schuldafbouw van zowel overheid als private sector staan de besteedbare inkomens blijvend onder druk. De werkloosheid blijft relatief hoog. Daarnaast neemt de lange reële rente in dit pad (licht) toe. Dit is het gevolg van een iets afnemende inflatie en een lichte stijging van de nominale rente. En zelfs bij een aanhoudend relatief zwakke conjunctuur zullen rentes op enig moment normaliseren. Een scherpe stijging ligt echter niet voor de hand. Voor de ontwikkeling van het spaargeld hanteren we de langetermijntrend. De exacte ontwikkeling is moeilijk te voorspellen. Deze is bijvoorbeeld afhankelijk van de rentestand en de ontwikkeling van het beschikbare inkomen, maar ook van de aantrekkelijkheid van beleggingsalternatieven, beleid ten aanzien van pensioenen enzovoort. De toevoegingen aan de woningvoorraad laten we rond 2018 weer terugkeren naar het gemiddelde niveau van de periode 2001-2008.


Op basis van deze waarden van de exogene variabelen kunnen we een voorspelling geven voor de koopwoningprijsontwikkeling. Dit is in figuur 16 weergegeven. Door de stijgende reële rente en een verdere afname van het reëel beschikbare inkomen neemt het langetermijnevenwicht op basis van deze modelexercitie af in 2014 en 2015. In 2025 ligt de nominale huizenprijs op basis van de modeluitkomsten 30% hoger dan in 2012. Op basis van de inflatieontwikkeling is de nominale toename 21%. In historisch perspectief betekent dit een zeer geringe stijging over zo’n lange periode. Dit is natuurlijk het gevolg van de sombere economische vooruitzichten. Maar zelfs bij zo’n relatief negatief economisch beeld betekent dit geen ineenstorting van de koopwoningprijzen. En dat is vooral het gevolg van een stabilisatie van rente- en inkomensontwikkeling.
Figuur 16: Scenario nominale huizenprijsontwikkeling
Bron: Rabobank
Ondanks alle factoren die we niet hebben genomen in het model duidt dit erop dat een stabilisatie van de economie volgend jaar, oplopende werkloosheid, een dalend reëel beschikbaar inkomen en oplopende reële rente niet hoeven te leiden tot een verdergaande daling van de woningprijzen. Daarbij past natuurlijk wel weer de opmerking dat alles wat niet in het model zit ook niet tot effecten leidt. Aan de positieve kant kan worden gedacht aan de liberalisering van de huurmarkt, waardoor sociale huurwoningen duurder worden. Zolang er geen alternatief is in de vorm van een private huursector met een goede prijs-kwaliteitsverhouding kan dit leiden tot een opwaartse druk op de prijzen. Een neerwaarts risico dat niet in het model zit, wordt gevormd door eventuele aanvullende beleidsmaatregelen, zoals het versneld afbouwen van de aftrekbaarheid van de hypotheekrente. Doordat lenen dan duurder wordt, zal dit een negatief prijseffect hebben.
Om de modelgevoeligheid voor een andere economische omgeving enigszins in kaart te brengen, hebben we drie alternatieve scenario’s berekend (zie figuur 17). In alternatief scenario I neemt de reële lange rente sneller toe dan in het basisscenario, om in 2021 uit te komen op het gemiddelde niveau van de reële lange rente over de periode 1991-2000 (3,8%). Dit betekent gemiddeld een 1,5%-punt hogere rente over de hele periode. Een stijgende rente leidt tot een daling van het langetermijnevenwicht. Deze fors hogere rente zorgt ervoor dat de huizenprijzen nog minder stijgen dan de inflatie, maar in nominale termen over de hele periode nog wel toenemen. In alternatief scenario II stijgt het reëel beschikbare inkomen 1%-punt per jaar meer dan in het basisscenario. Dit lijkt wellicht veel, maar hierdoor ligt het reëel beschikbare inkomen in 2025 nog steeds maar 8% hoger dan in 2012. Historisch gezien is dit dus een relatief kleine toename. Deze leidt echter wel tot een aanzienlijk grotere stijging van de nominale huizenprijzen. In alternatief scenario III zijn I en II samengenomen. Dit is ook het meest plausibele scenario. In een omgeving waarin het economisch beter gaat, en de inkomens dus stijgen, zal ook de rente eerder toenemen. Zoals te zien in figuur 17 ligt dit scenario redelijk in de buurt van het basisscenario.
Figuur 17: Scenario nominale huizenprijsontwikkeling
Bron: Rabobank
Voorspellen van de huizenprijzen op korte termijn
Voor de kortetermijndynamiek van de reële woningprijzen hebben we een aantal modellen geschat, waarvan we al in de paragraaf over kortetermijnvergelijking hadden geconstateerd dat ze geen van alle goed in staat waren de mutatie van de woningprijzen op betrouwbare wijze te voorspellen. In figuur 18 zijn nog eens de prijsmutaties op grond van de geschatte kortetermijnmodellen weergegeven, de gemiddelde mutatie op basis van die modellen en de gerealiseerde prijsmutatie voor de periode 2000-2012. Daarbij valt een aantal zaken op. Ten eerste dat alleen model 11 en 12 in staat zijn de omslag op de woningmarkt in 2009 goed op te pikken en ook daarna het dichtst in de buurt blijven bij de gerealiseerde prijsontwikkeling. Ten tweede dat het gemiddelde van de modellen tot en met 2008 redelijk dicht in de buurt ligt van de gerealiseerde prijsmutatie, maar na 2008 aanzienlijk afwijkt.
Figuur 18: Procentuele verandering van de gemiddelde woningprijs per model
Bron: Rabobank
Op basis van ramingen voor alle verklarende factoren en rekening houdend met de foutencorrectie kunnen we een voorspelling doen voor de woningprijsontwikkeling in de komende jaren volgens de verschillende modellen. In figuur 19 zijn de verschillende ramingen van de reële woningprijsontwikkeling voor 2013 weergegeven. Deze lopen uiteen van -2% op basis van model 11 tot +30% op basis van model 9. Bij een op basis van realisatiecijfers en tentatieve ramingen verwachte reële prijsmutatie van ongeveer -9% (nominaal 7%) is duidelijk dat slechts een paar modellen in de buurt komen en dat de voorspelkwaliteit van de modellen slecht is.
Figuur 19: Puntschatting woningprijsmutatie op basis van verschillende kortetermijnmodellen
Bron: Rabobank
Naast deze zogenoemde modelonzekerheid is er natuurlijk ook nog sprake van onzekerheid over de ontwikkeling van de verklarende variabelen. Een andere ontwikkeling van de rente, het inkomen of een van de andere variabelen leidt vanzelfsprekend tot een andere voorspelling van de woningprijzen. De conclusie uit voorgaande is onontkoombaar: we kunnen niet op een betrouwbare wijze een puntschatting geven voor de woningprijsontwikkeling voor het komende jaar op basis van tijdreeksmodellen.
Voetnoten
[23] Zie economie.rabobank.com voor de meest recente publicatie.
[24] Dit grote verschil in het gemiddelde wordt veroorzaakt door de grote prijsstijging in 2000 (18,2%).
Conclusie
In deze Special hebben we op basis van tijdreeksvariabelen geprobeerd om het niveau van de woningprijs in de afgelopen decennia te verklaren. Voor de periode 1978-2011 zijn we vrij goed in staat om het niveau van de reële transactieprijs te verklaren vanuit de reële rente, het reëel beschikbare arbeidsinkomen, spaargeld en de omvang van de woningvoorraad. Hoewel we op basis van de langetermijnvergelijking kunnen concluderen dat er sprake is van een forse onderwaardering, moeten hier toch enige kanttekeningen bij worden gemaakt. Bij de modellering houden we bijvoorbeeld geen rekening met beleidswijzigingen die de evenwichtsprijs negatief kunnen hebben beïnvloed, waardoor de feitelijke onderwaardering minder groot is. Toch is het ons inziens gerechtvaardigd om op basis van de onderwaardering te veronderstellen dat stabilisatie van de woningprijzen binnen afzienbare tijd voor de hand ligt en dat woningprijzen op de lange termijn weer zullen stijgen. Ook verschillende scenario’s die we met deze vergelijking hebben doorgerekend, ondersteunen dit beeld, waarbij er, gezien de economische omgeving, niet op moet worden gerekend dat prijzen snel zullen herstellen.
Ook hebben we geprobeerd om een model te ontwikkelen, waarmee we voorspellingen kunnen doen voor de korte termijn (één jaar vooruit). Dit bleek onmogelijk. De puntschattingen op basis van de verschillende kortetermijnvergelijkingen lopen zeer ver uiteen, en daarbij overschatten ze de prijsontwikkeling in de laatste jaren. Bovendien worden omslagpunten niet goed voorspeld. Ook in de komende periode verwachten we geen puntschattingen te kunnen afgeven. De economie moet eerst in een stabieler vaarwater terechtkomen, zodat econometrische modellen weer hun werk kunnen doen. Dientengevolge moeten we concluderen dat dit onderzoek niet heeft opgeleverd wat we gehoopt hadden: een model waarbij enigszins betrouwbare inschattingen kunnen worden gemaakt voor de toekomstige woningprijsontwikkeling op zowel de korte als de lange termijn.
Het belangrijkste probleem is dat het er op lijkt dat de causale relaties die tot 2008 opgeld deden op de woningmarkt nu ‘anders’ lopen. Of dit tijdelijk is en weer verandert als de woningmarkt stabiliseert, is op voorhand niet te zeggen. Zeker is echter dat een tijdreeksanalyse met macro-economische reeksen niet op korte termijn tot nieuwe inzichten kan leiden. Want naast deze trendbreuk is een tweede probleem dat historische gegevens ontbreken over een aantal variabelen dat heeft bijgedragen aan prijsveranderingen. Vooral het effect van eerst ruimere en daarna krappere financiering op de woningprijzen laat zich niet vangen in deze tijdreeksaanpak. Ook de effecten van overheidsbeleid, zoals verandering in de hypotheekrenteaftrek, laten zich niet gemakkelijk in tijdreeksanalyses vangen. En dat is en blijft een probleem als deze variabelen wel cruciale effecten hebben op de prijsontwikkeling.
Hoe dan nu verder? In de komende Kwartaalberichten Woningmarkt geven we geen exacte voorspellingen af voor het komende jaar. Hoewel we dus geen puntschatting of bandbreedte zullen afgeven, geven we wel aan in welke richting de transactieprijs zich in onze optiek zal ontwikkelen.
Voor het lopende jaar geven we wel een inschatting van de prijsontwikkeling die is gebaseerd op realisatiecijfers en expert judgement. Natuurlijk zullen we de komende tijd energie stoppen in het verbeteren van ons woningprijsmodel. Hierbij zullen we vooral aandacht besteden aan de verklaring van de huizenprijsontwikkeling op kwartaalbasis en van de regionale verschillen in huizenprijsontwikkeling. Het blijft immers belangrijk om goed onderbouwde uitspraken te doen over de ontwikkeling van de woningprijs. En goed onderbouwen kunnen we op basis van dit onderzoek wel, maar uitspraken doen over de woningprijsontwikkeling op de korte termijn is en blijft een uitdaging.
Wat dit onderzoek in ieder geval heeft opgeleverd is een langetermijnvergelijking op basis waarvan we, met alle voorbehouden van dien, uitspraken kunnen doen over de waardering van de woningprijs. Dat is dan ook de reden dat we verwachten dat het eind van de prijsdaling in zicht is.
Literatuurlijst
Aarts, J.W.M (2005). Huizenprijscijfers, wie meet wat? Utrecht: Rabobank
Abraham, J. & Hendershott, P.H. (1996). Bubbles in metropolitan housing markets. Journal of Housing Research, 7, pp. 191-207.
Berg, L. (2002). Prices on the second-hand market for Swedish family houses: correlation, causation and determinants. European Journal of Housing Policy, 2, pp. 1-24.
BIS (2003). 73rd Annual Report. Bazel: BIS.
Boelhouwer, P.J., M.E.A. Haffner, P. Neuteboom en P. de Vries (2001). Koopprijsontwikkeling en de fiscale behandeling van het eigen huis. Expertisereeks, Ministerie van Financiën.
Bourassa, S.C. en W.G. Grigsby (2000). Income tax concessions for owner-occupied housing. Housing Policy Debate, 11(3), pp. 521-546.
Brounen, D. en J.J. Huij (2004). De woningmarkt bestaat niet. Economisch Statistische Berichten, 89(4429), pp. 126-128.
Case, K.E. en J.M. Quigley (2008). How housing booms unwind: Income effects, wealth effects and feedbacks through financial markets. European Journal of Housing Policy, 8(2), pp. 161-180.
Chan, S. (2001), Spatial lock-in: do falling house prices constrain residential mobility?, Journal of Urban Economics,49: 567-586.
Commissie Sociaal-Economisch Deskundigen (2010). Rapport naar een integrale hervorming van de woningmarkt. Den Haag: SER.
Dijk, M. van en G. Romijn (2010). Hervorming van het Nederlandse woonbeleid. Den Haag: CPB.
Dalen P. van & Vries. P. de (2013). Prijseffect van dalende nieuwbouwproductie. Economisch Statistische Berichten, 4667, pp 526/-527.
DiPasquale, D. en W.C. Wheaton (1995). Urban Economics and real estate markets. Englewood Cliffs: Prentice Hall.
DNB (2008). Het achterblijvende woningaanbod in Nederland, Kwartaalbericht, maart 2008, Amsterdam: DNB.
DNB (2011). DELFI, DNB’s Macroeconomic Policy Model of the Netherlands. Amsterdam: DNB
Dol, K., H. van der Heijden en M. Oxley (2010). Economische crisis, woningmarkt en beleidsinterventies; een internationale vergelijking. Delft: OTB.
EC (2012). Quarterly Report on the Euro Area, Volume 11(4). Brussel: Europese Comissie
ECB (2011). Financial Stability Review, June 2011. Frankfurt: ECB.
ECB (2013). Financial Stability Review, May 2013. Frankfurt : ECB.
Elsinga M.G. (1995). Een eigen huis voor een smalle beurs: het ideaal voor bewoners en overheid? Delft: Delftse Universitaire Pers.
Engle, R.F. en C.W.J. Granger (1987). Co-integration and Error Correction: Representation, Estimation and Testing. Econometrica, 55(2), pp. 251-276.
Estrella, A. (2002). Secruitization and the efficacy of monetary policy. FRBNY Economic Policy Review, 8(1), pp. 243-255.
Ewijk, C. van, M. Koning, M. Lever en R. de Mooij (2006). Economische effecten van aanpassing fiscale behandeling eigen woning. Den Haag: CPB.
Francke, M.K., S. Vujic en G.A. Vos (2010). Forecasting House Prices. Amsterdam: Universiteit van Amsterdam.
Galati, G., F. Teppa en R. Alessie (2011). Macro and micro drivers of house price dynamics: an application to Dutch data, DNB Working paper no. 288. Amsterdam: DNB.
Girouard, N. M. Kennedy, P. van den Noord en C. André (2005). Recent House Price Developments: The Role of Fundamentals. In: OECD Economic Outlook 78. Parijs: OECD
Goodman Jr., J.L. (1998). Aggregation of Local Housing Markets. Journal of Real Estate Finance and Economics, 16 (1): 43-53.
Haffner, M.E.A. (2002). Dutch personal income tax reform 2001: an exceptional position for owner-occupied housing. Housing Studies, 17(3), pp. 521-534.
IMF (2008). World Economic Outlook April 2008, Housing and the Business Cycle. Washington: IMF.
IMF (2009a). World Economic Outlook October 2009, Sustaining the Recovery. Washington: IMF.
IMF (2009b). Kingdom of the Netherlands, The Netherlands 2009 Article IV Consultation: Preliminary Conclusions. Washington: IMF.
IMF (2013), Kingdom of the Netherlands, The Netherlands 2013 Article IV Consultation: Staff report. Washington: IMF.
Kahneman, D., J.L. Knetsch, en R.H. Thaler (1990). Experimental tests of the endowment effect and the Coase theorem. Journal of Political Economy, 98, pp. 1325-1348.
Kranendonk, H. en J. Verbruggen (2008). Is de huizenprijs in Nederland overgewaardeerd? Den Haag: CPB
Leuvensteijn, M. van en V. Shestalova (2006). Investeringsprikkels voor woningcorporaties. Den Haag: CPB.
Levin, E.J. en R E. Wright (1997). Speculation in the housing market? Urban Studies, 34, pp. 1419-1437.
Meen, G.P. (1998). 25 Years of house price modelling in the UK. What have we learnt and where do we go from here? Paper presented at the ENHR Conference in Cardiff, 7 September.
Meen, G.P. (2001). Modeling spatial housing markets: theory, analysis, and policy.
Norwell, Massachusetts: Kluwer Academic Publishers.
Mishkin, F.S. (2007). Housing and the monetary transmission mechanism. Cambridge, MA: NBER.
Muellbauer, J. & Murphy, A. (1997). Booms and busts in the UK housing market. Economic Journal, 107, pp. 1701-1727.
Neuteboom, P. en D. Brounen (2007). Housing demand in ageing markets. Dutch cohort evidence. Rotterdam: EUR.
Neuteboom, P. en D. Brounen (2008), De effectiviteit van de hypotheekrenteaftrek. Economische Statistische Berichten, 93(4529), pp. 120-121.
Ommeren, J. van (2006). Verhuismobiliteit. Een literatuurstudie naar belemmeringen tot verhuizen. Den Haag: Ministerie van VROM.
OECD (2004). OECD Economic Surveys Netherlands, vol. 2004/9, juli. Parijs: OECD.
PBL (2013). Vergrijzing en woningmarkt. Den Haag: PBL.
Piljic, D. en H.W. Stegeman (2013). Anders wonen. Naar een werkende woningmarkt. Utrecht: Rabobank Nederland.
Priemus, H. (1978). Volkshuisvesting: problemen, begrippen, beleid. Alphen aan den Rijn: Samsom.
Reichert, A.K. (1990). The impact of interest rates, income and employment upon regional housing prices. Journal of Real Estate Finance and Economics, 3, pp. 373-391.
Romijn, G. en P. Besseling (2008). Economische effecten van regulering en subsidiëring van de huurwoningmarkt. Den Haag: CPB.
Shiller, R.J. (2005). Irrational Exuberance. Princeton: Princeton University Press.
Shiller, R.J. (2012). Bubbles without Markets. Beschikbaar via: http://www.project-syndicate.org/commentary/bubbles-without-markets.
Stegeman, H., R. van de Belt, D. Piljic (2012). Minder groei: van de Grote Recessie naar de Lange Stagnatie. Rabobank: Utrecht.
The Economist (2013). Mixed messages, America surges, much of Europe Shrinks. Beschikbaar via: http://www.economist.com/news/finance-and-economics/21584361-america-surges-much-europe-sinks-mixed-messages, 31 augustus 2013.
Toussaint, Janneke (2010). Eten gepensioneerden hun woning op? Rooilijn 43/4, pp. 246/253
Tsatsaronis, K. en H. Zhu (2004), What drives housing price dynamics: cross-country evidence, BIS Quarterly Review, maart 2004, Bazel: BIS.
Verbruggen, J, H. Kranendonk, M, Leuvensteijn en M. Toet (2005). Welke factoren bepalen de ontwikkeling van de huizenprijs in Nederland? Den Haag: CPB.
Vries, P., de en P.J. Boelhouwer (2004). Langetermijnevenwicht op de koopmarkt, Relatie woningprijs, inkomen en woningproductie. Utrecht: DGW/NETHUR-partnership.
Vries, P., de en P.J. Boelhouwer (2004), A dynamic equilibrium between house price, interest payments and income, in: P.G. Lunghini (ed.), 11 th European Real Estate Society conference (pp. 1-16), Milaan: ERES, (TUD).
Vries, P., de en P.J. Boelhouwer (2009). Equilibrium between interest payments and income in the housing market. Journal of the housing and built environment, 24, pp. 19-29.
Vries, P. de en E. Louw (2003). Beleidskader veroorzaakt stagnatie woningbouw. Bouwmarkt, 34(5), pp. 12-14.
VROM-raad (2007). Tijd voor keuzes. Perspectief op een woningmarkt in balans. Den Haag: VROM-raad.
Bijlage I
Variabele |
Bron |
Definitie |
Bewerking Rabobank |
Gemiddelde reële transactieprijs |
Kadaster/CBS voor de periode 1996-heden NVM voor de periode 1978-1996 |
Gemiddelde transactieprijs |
Logaritme van de gemiddelde transactieprijs gecorrigeerd voor het cpi |
Consumenten-prijsindexcijfer |
CBS |
De prijsontwikkeling van goederen en diensten die |
Nvt
|
Inflatie |
CBS |
De inflatie is de procentuele jaar-op-jaarontwikkeling van de consumentenprijsindex. |
Nvt |
Totale woningvoorraad |
CBS |
Totaal aantal woningen op 31 december. Een woning is een tot bewoning bestemd gebouw dat, vanuit bouwtechnisch oogpunt gezien, bestemd is voor permanente bewoning door een particulier huishouden. |
Logaritme van de gemiddelde woningvoorraad |
Koopwoningen-voorraad |
CBS |
Totaal aantal koopwoningen op 31 december |
Logaritme van de gemiddelde koopvoorraad |
Beschikbaar arbeidsinkomen |
CPB |
|
Logaritme van het beschikbare arbeidsinkomen gecorrigeerd voor het cpi |
Aandelenbezit |
CPB |
|
Logaritme van het aandelenbezit gecorrigeerd voor het cpi |
Spaargelden |
CPB |
|
Logaritme van de spaargelden gecorrigeerd voor het cpi |
Overige bezittingen |
CPB |
Spaargelden, chartaal geld, girale deposito's, obligaties, aandelen aanmerkelijk belang, ondernemingsvermogen zelfstandigen, grond en ander onroerend goed |
Logaritme van de overige bezittingen gecorrigeerd voor het cpi |
Werkloosheid internationale definitie |
ILO |
Personen zonder werk die actief op zoek zijn naar betaald werk en die daarvoor direct beschikbaar zijn als percentage van de beroepsbevolking 915 tot 75 jaar?) |
Nvt |
Reële hypotheekrente |
CBS voor de periode 1978-2003 DNB voor de periode 2003 heden |
Gewogen gemiddelde hypotheekrente op nieuw afgesloten overeenkomsten tussen rapporterende instellingen en hun cliënten. |
Hypotheekrente minus inflatie |
Reële huurverhoging |
CBS |
Gemiddelde jaarlijkse prijsverhoging van woninghuur in Nederland (inclusief woningharmonisatie) |
Huurverhoging minus inflatie |
Bevolkingsomvang |
CBS |
Bevolking van Nederland op 1 januari. Uitsluitend personen die zijn opgenomen in het bevolkingsregister van een Nederlandse gemeente zijn meegenomen |
Logaritme van de bevolkingsomvang |