De ontwikkeling van de huurtermijn op de

De ontwikkeling van de huurtermijn op de
kantorenmarkt
José Antonio Roodhof
Ronald Huisman
2014 – 03
Maart 2014
De ontwikkeling van de huurtermijn op
de kantorenmarkt
|
Position paper
José Antonio Roodhof
Ronald Huisman
Dit paper is mede mogelijk gemaakt door een financiële bijdrage van NVM Business
ASRE research papers ISSN 1878-4607
ASRE Research Center | Amsterdam School of Real Estate | Postbus 140 | 1000 AC Amsterdam |
T 020 – 668 1129 | F 020 – 668 0361 | [email protected]
De ontwikkeling van de huurtermijn op de kantorenmarkt
Inhoudsopgave
Samenvatting
2
1
Inleiding
3
2
Methodologie
4
Data
Verwachtingen
Representativiteit
4
5
5
Resultaten
6
2.1
2.2
2.3
3
3.1
3.2
3.3
DTZ Zadelhoff database
NVM Business database
Vergelijking databases
6
11
14
Conclusie
16
Literatuur
17
Amsterdam School of Real Estate
1
De ontwikkeling van de huurtermijn op de kantorenmarkt
Samenvatting
Dit paper toont de resultaten van een onderzoek naar de ontwikkeling van overeengekomen
termijnen in afgesloten huurcontracten op de kantorenmarkt. Het onderzoek is gebaseerd op
23.570 duizend huurcontracten die door NVM Business en DTZ Zadelhoff zijn geregistreerd.
De aanleiding voor het onderzoek was de veronderstelling dat de huidige trend van flexibiliteit
leidt tot kortere huurtermijnen en meer spreiding tussen de overeengekomen huurtermijnen.
Op basis van een analyse van het zeer grote aantal overeengekomen huurtermijnen op
landelijk- en provinciaal niveau en per metragecategorie blijkt dat de gemiddelde huurtermijn
tussen 2000 en 2012 niet significant veranderd is.
De DTZ database laat geen significante daling in de gemiddeld overeengekomen huurtermijn
zien. De toenemende spreiding tussen de overeengekomen huurtermijnen is wel significant
gestegen. Dit is te verklaren door de significant stijgende overeengekomen huurtermijn bij de
grotere transacties.
De NVM database laat een significante daling zien in de gemiddeld overeengekomen
huurtermijn voor kleinere transacties. Doordat deze categorie dominant is in de NVM
database is de gemiddeld overeengekomen huurtermijn van de gehele database ook
significant gedaald. De spreiding toont geen significante ontwikkeling bij NVM.
De twee databases laten geen vergelijkbare ontwikkelingen zien. Hiermee kan de
veronderstelling dat de gemiddeld overeengekomen huurtermijn daalt derhalve niet bevestigd
worden.
Amsterdam School of Real Estate
2
De ontwikkeling van de huurtermijn op de kantorenmarkt
1
Inleiding
Overeengekomen huurtermijnen in de kantorenmarkt waren vroeger langer dan tegenwoordig;
een initiële huurtermijn van 25 jaar was niet uitzonderlijk. Vanaf de jaren ’90 heeft een
structurele omslag plaatsgevonden. DTZ (2005) laat zien dat de gemiddelde looptijd van een
afgesloten huurcontract gemiddeld ruim tien jaar was aan het begin van de jaren ‘90.
Hetzelfde onderzoek laat zien dat de gemiddelde overeengekomen termijn in 1995 al was
gedaald tot ruim zes jaar en in 1998 tot net onder de vier jaar. Ook in het buitenland is een
zelfde ontwikkeling zichtbaar. Crosby en Murdoch (2004) tonen op basis van data van de IPD
dat de gemiddelde looptijd van een afgesloten huurcontract in 1990 ruim 23 jaar was in het
Verenigd Koninkrijk en dat dit in 1995 al was gedaald naar 14 jaar.
De ontwikkeling naar kortere huurtermijnen komt onder meer door een verschuiving in de
ruimtebehoefte en voorkeuren (O’Roarty, 2000). Recent onderzoek laat zien dat de huidige
vastgoedcrisis de onzekerheid in ruimtebehoefte heeft versterkt bij ondernemingen (Ashuri,
2010). Door deze onzekerheid wordt op verzoek van de huurders het huurcontract anders
ingevuld en opgemaakt. Zo willen huurders meer flexibiliteit in termijnen (Huisman en Roodhof
2013). Aangezien het onderzoek van DTZ stamt uit 2005 en gegeven het feit dat de crisis de
onzekerheid in ruimtebehoefte heeft vergroot, kan het zijn dat de lengte van huurtermijnen is
gedaald sindsdien. Wij hebben daarom onderzocht wat de ontwikkeling is van het
overeengekomen termijn in huurcontracten in de kantorenmarkt, rekening houdend met
geografie en metrage. In dit paper proberen we de volgende vraag te beantwoorden: Welke
ontwikkeling in huurtermijnen van kantoren is waarneembaar?
Dit onderzoek is gebaseerd op huurtransacties van kantoren van DTZ Zadelhoff en NVM
Business. Door in totaal 23.570 transacties te analyseren hebben we een beeld gekregen van
de ontwikkeling van de gemiddelde looptijd van een huurcontract over de afgelopen jaren.
In hoofdstuk 2 worden de methodologie en representativiteit van het onderzoek besproken.
Hoofdstuk 3 is het resultaat van de analyse van de databases. Hoofdstuk 4 sluit af.
Amsterdam School of Real Estate
3
De ontwikkeling van de huurtermijn op de kantorenmarkt
Methodologie
2
De doelstelling van het onderzoek is om de ontwikkeling in initiële huurtermijnen zichtbaar te
maken. Dit hoofdstuk toont informatie over de data die we gebruikt hebben en de
methodologie de gehanteerd is.
2.1
Data
Het onderzoek maakt gebruik van huurtransacties van DTZ Zadelhoff en NVM Business. We
hopen een beeld te zien van de ontwikkeling van de gemiddeld overeengekomen huurtermijn
dat in beide databases vergelijkbaar is. In de database van DTZ zijn zowel aan- als
verhuurtransacties meegenomen. De transacties die zijn meegenomen in dit onderzoek
hebben plaatsgevonden tussen 2000 en 2012. De data van NVM Business bestaat alleen uit
verhuurtransacties vanaf 2005; het uitwisselingssysteem waaruit de data komen is gericht op
aanbod. De DTZ en NVM data beslaan samen circa de helft van de Nederlandse
kantorenmarkt.
We hebben in specifieke gevallen de data aangepast. Transacties waarbij het metrage op 0
staat hebben we verwijderd. Transacties waarbij het metrage erg opviel door de grootte1
hebben we individueel gecontroleerd op juistheid door adresgegevens te gebruiken, waardoor
we konden inschatten of het object een dergelijk metrage kan herbergen. Indien dit niet het
geval was, veronderstelden we dat de informatie over de huurtransactie incorrect was en
hebben we de transactie verwijderd. Ook hebben we transacties met metrages als 999, 9999,
12345 en dergelijke verwijderd (bij deze transacties is de variabele ‘metrage’ waarschijnlijk
niet correct ingevoerd). Ook transacties met een erg laag metrage waar de prijs per m2 erg
hoog is zijn verwijderd, zoals bijvoorbeeld een transactie van 5m2 met een prijs per m2 van
€34.000. Wij veronderstellen in dat geval aan dat het metrage verkeerd is ingevuld en dat het
daardoor niet duidelijk is in welke metragecategorie de transactie valt. Transacties, waarvan
we de exacte looptijd van het contract niet konden achterhalen (bijvoorbeeld omdat de starten/of einddatum ontbrak), hebben we verwijderd. In enkele gevallen konden we alsnog de
volledige looptijd van het contract achterhalen. In sommige gevallen hebben we data
handmatig aangepast, zoals een start- of einddatum dat was ingevuld als 1042005 in plaats
van 01-04-2005. In totaal resteren er 23.570 bruikbare transacties.
Van elke transactie hebben we informatie over de initiële huurtermijn, de oppervlakte van het
verhuurde object en de locatie. We hebben de transactie ingedeeld in groepen op basis van
metrage en locatie om de ontwikkelingen op verschillende aggregatieniveaus te kunnen
analyseren. We hanteren de volgende metragecategorieën: 1: tot 500 m2, 2: van 500 m2 tot
1000 m2, 3: van 1000 m2 tot 2500 m2 en 4: groter dan 2500 m2. We beschouwen locatie op
provincieniveau.
Omdat er de laatste jaren een toename is van flexibiliteit in de kantorenmarkt (Lizieri et al,
1997; O’Roarty, 2000; Ashuri, 2010; Huisman en Roodhof, 2013) hebben we het vermoeden
dat de spreiding tussen de overeengekomen huurtermijnen aan het stijgen is. Het ‘standaard’
vijf jarig contract is aan het verdwijnen. Daarom hebben we van enkele categorieën ook de
1
Elke transactie boven de 15.000m2 is onderzocht of het hier ingevulde transactiemetrage realistisch is.
Amsterdam School of Real Estate
4
De ontwikkeling van de huurtermijn op de kantorenmarkt
ontwikkeling van de spreiding van het gemiddeld overeengekomen huurtermijn in kaart
gebracht. Dit doen we aan de hand van de standaarddeviatie. Dit is een statistische maat die
de spreiding weergeeft tussen de waargenomen observaties, in dit geval de (gemiddelde)
lengte van de overeengekomen huurtermijnen.
Nadat de ontwikkeling van het gemiddeld overeengekomen huurtermijn op landelijk- en
metrageniveau en de spreiding hiervan in kaart is gebracht toetsen we de richting en
significantie van de ontwikkelingen op basis van lineaire regressies.
2.2
Verwachtingen
Aan de hand van literatuur en marktrapporten hebben we enkele verwachtingen ten aanzien
van de ontwikkeling van de overeengekomen huurtermijn. Doordat er in het verleden een
dalende ontwikkeling heeft plaatsgevonden en door de toename in vraag naar flexibiliteit van
de huurder verwachten we:
-
dat de gemiddeld overeengekomen huurtermijn een dalende ontwikkeling laat zien.
en dat de spreiding tussen de gemiddeld overeengekomen huurtermijnen een
stijgende ontwikkeling laat zien.
In beide databases verwachten we vergelijkbare ontwikkelingen te zien.
2.3
Representativiteit
De door ons gebruikte data beslaan een groot marktaandeel in de Nederlandse
kantorenmarkt. Naar eigen zeggen is het marktaandeel (landelijk - op basis van oppervlakte)
van de leden van NVM Business ongeveer 35% (afhankelijk van de exacte definitie en of
bijvoorbeeld collegiale verhuur is meegenomen). De leden van NVM Business hebben vooral
kleinere objecten in aanbod. DTZ Zadelhoff heeft op basis van hun eigen data een
marktaandeel van 25%. Evenals bij NVM Business is het marktaandeel naar rato vastgesteld
(als er twee aanbieders zijn waarvan één DTZ is dan is het object voor 50% voor DTZ
meegenomen).
Vastgoedmarkt voert jaarlijks onderzoek uit naar het marktaandeel van makelaars in
huurtransacties op de kantorenmarkt. Voor 2012 was het totaal geregistreerde en
toebedeelde kantoormeters (transacties groter dan 500 m2) circa 2,1 miljoen m2. DTZ
Zadelhoff is hierin verantwoordelijk voor 518.000 m2. Dit is een marktaandeel van 24,67%. Dit
komt overeen met hun eigen schatting. In dit onderzoek is NVM Business niet als één
organisatie meegenomen. De aangesloten kantoren zijn individueel weergegeven. Alleen de
top 30 is weergegeven in het onderzoek, hierin bevinden zich 12 organisaties die aangesloten
zijn bij NVM Business. Deze 12 organisaties zijn verantwoordelijk voor 379.000 m2 en hebben
daardoor een marktaandeel van 18% (Vastgoedmarkt, 2013). Aangezien er veel meer
aangesloten organisaties zijn dan deze 12 is het marktaandeel groter. Omdat de NVM
Business database voor het overgrote deel bestaat uit transacties kleiner dan 500m2 en deze
in het onderzoek van Vastgoedmarkt ontbreken wordt het marktaandeel van NVM Business
hierin onderschat.
Amsterdam School of Real Estate
5
De ontwikkeling van de huurtermijn op de kantorenmarkt
Resultaten
3
Dit hoofdstuk toont de resultaten van de uitgevoerde analyses. We beginnen met de data van
DTZ Zadelhoff omdat die het meest uitgebreid zijn en toetsen vervolgens de geldigheid van de
gevonden resultaten met de data van NVM Business.
3.1
DTZ Zadelhoff database
De DTZ database bestaat uit 5.464 transacties. Onderstaande cirkeldiagram toont de
verdeling van de metragecategorieën.
Cirkeldiagram 3.1: Samenstelling van de DTZ database
De categorie t/m 500m2 is duidelijk de grootste en bevat 57% van alle transacties. Hoe groter
het metrage des te kleiner het aantal transacties in de database.
Grafiek 3.1 toont de ontwikkeling van het gemiddeld overeengekomen huurtermijn op landelijk
niveau per jaar. In 2000 was het gemiddeld overeengekomen huurtermijn 5,7 jaar. De
overeengekomen huurtermijn daalde tot gemiddeld 4,3 jaar in 2004. Van 2005 tot en met
2012 schommelt het gemiddeld overeengekomen huurtermijn rond de 5 jaar. Om deze
ontwikkeling te toetsen schatten we de parameters in het volgende trendmodel:
y(t) = a + b t + e(t),
waarbij y(t) staat voor het gemiddeld overeengekomen huurtermijn in jaar t, t een jaarindicator
is (t = 1 komt overeen met het jaar 2000), e(t) de afwijking tussen de gemiddeld
overeengekomen huurtermijn en het model is. De parameters a en b schatten we op basis
van kleinste kwadraten; i.e. we zoeken die waarden voor a en b die leiden tot in totaal zo klein
mogelijke gekwadrateerde afwijkingen.
a is de intercept en geeft de waarde van y aan als t = 0 (de intercept bepaalt dus de hoogte
(startpunt) van de regressielijn). b toont de helling van de regressielijn en geeft de gemiddelde
toename/afname van y aan als t met 1 eenheid toeneemt.
Amsterdam School of Real Estate
6
De ontwikkeling van de huurtermijn op de kantorenmarkt
Tabel 3.1 toont de geschatte waarden voor a en b.
Grafiek 3.1: Ontwikkeling van de gemiddeld overeengekomen huurtermijn in jaren op landelijk niveau.
De parameter a is 5,062. De parameter b is -0,018 wat toont dat de gemiddelde huurtermijn
daalde met 0,018 per jaar. Deze daling is niet significant.
a
5,062
b
-0,018
Sig.
0,451
Tabel 3.1: Lineaire regressie van de ontwikkeling van het gemiddeld overeengekomen huurtermijn van alle
afgesloten huurcontracten
Grafiek 3.2 toont de ontwikkeling van de gemiddelde overeengekomen huurtermijn per
provincie. We beschouwen alleen de provincies Gelderland, Noord-Brabant, Noord-Holland,
Utrecht en Zuid-Holland, omdat er in ieder jaar voldoende transacties waren om een
ontwikkeling te kunnen zien (alleen in 2000 waren er geen huurtransacties in metrage
categorie 6 in Utrecht). Er is een dalende ontwikkeling te zien tot en met het jaar 2004 en
daarna een stabilisatie. Deze ontwikkeling komt overeen met het beeld op landelijk niveau.
Amsterdam School of Real Estate
7
De ontwikkeling van de huurtermijn op de kantorenmarkt
Grafiek 3.2: Ontwikkeling van de gemiddeld overeengekomen huurtermijn in jaren per provincie.
Het beeld dat ontstaat uit de DTZ data is dat (op landelijk niveau) vanaf het jaar 2000 de
gemiddelde huurtermijn niet is veranderd. Ook op provinciaal niveau is geen duidelijke
ontwikkeling zichtbaar van het gemiddeld overeengekomen huurtermijn.
Grafiek 3.3 toont de landelijke ontwikkeling van de gemiddelde huurtermijn op metrageniveau.
Het valt op dat de verschillen in de gemiddeld overeengekomen huurtermijnen is toegenomen
tussen de metragecategorieën. In het jaar 2000 bedraagt de kortst overeengekomen
gemiddeld huurtermijn 5,1 jaar en de langste termijn 7 jaar. Een verschil van 1,9 jaar. In 2012
is het kortste gemiddelde overeengekomen huurtermijn gedaald naar 4 jaar en het langste
gemiddeld overeengekomen huurtermijn gestegen naar 9,4 jaar. Een verschil van 5,4 jaar,
bijna een verdriedubbeling ten opzichte van 2000.
Grafiek 3.3: Ontwikkeling van de gemiddeld overeengekomen huurtermijn in jaren op landelijk niveau per
metrage categorie.
Amsterdam School of Real Estate
8
De ontwikkeling van de huurtermijn op de kantorenmarkt
Verder zien we dat de gemiddelde huurtermijn binnen categorie 1 daalt van ongeveer 5 jaar in
2000 tot 4 jaar vanaf 2004. Categorieën 2 en 3 kennen een wat grilliger verloop maar lijken
stabiel. Binnen categorie 4, de groep met de grootste panden, blijkt daarentegen dat de
gemiddelde huurtermijn is gestegen.
Om te toetsen of de ontwikkelingen (met name die van categorie 4) significant zijn, schatten
we wederom de parameters van het trendmodel voor elke categorie. Tabel 3.2 toont dat de
gemiddelde huurtermijn alleen voor categorie 4 significant2 is gestegen. De parameter b is
0,156 (en significant) voor categorie 4, wat betekent dat de gemiddelde overeengekomen
huurtermijn jaarlijks met 0,156 jaar is toegenomen tussen 2000 en 2012. De gemiddelde
overeengekomen huurtermijn van panden boven de 2500m2 is de afgelopen jaren significant
gestegen.
Categorie 1
4,425
-0,038
,122
a
b
Sig.
Categorie 2
5,155
0,025
,311
Categorie 3
6,025
-0.002
,966
Categorie 4
6,019
0,156
0,011
Tabel 3.2: Lineaire regressie van de ontwikkeling van de gemiddeld overeengekomen huurtermijnen per
categorie.
We gaven eerder al aan dat het opviel dat de verschillen in de gemiddeld overeengekomen
huurtermijnen zijn toegenomen tussen de metragecategorieën. Grafiek 3.4 toont de spreiding
tussen de gemiddeld overeengekomen huurtermijnen per metragecategorie. Er is duidelijk
een stijgende ontwikkeling te zien.
Grafiek
3.4:
Standaarddeviatie
tussen
de
gemiddeld
metragecategorieën.
2
Met een betrouwbaarheidsniveau van ten minste 95%.
Amsterdam School of Real Estate
9
overeengekomen
huurtermijnen
van
de
De ontwikkeling van de huurtermijn op de kantorenmarkt
Tabel 3.3 laat de uitkomsten van de trendregressie zien. De parameter a is 0,826. De
parameter b is 0,086 en duidt er op dat de gemiddelde spreiding van de gemiddelde
overeengekomen huurtermijn per metragecategorie jaarlijks is toegenomen met 0,086 jaar.
Deze stijging is significant3.
a
0,826
b
0,086
Sig.
,008
Tabel 3.3: Lineaire regressie van de spreiding van de gemiddeld overeengekomen huurtermijnen per categorie.
Grafiek 3.5
toont de ontwikkeling van de spreiding tussen alle overeengekomen
huurtermijnen per jaar. De spreiding in een jaar is berekend als de standaarddeviatie van de
overeengekomen huurtermijnen in het betreffende jaar. De standaarddeviatie van
huurtermijnen was ongeveer 2 jaar in 2000 en loopt duidelijk op tot ongeveer 3 jaar in 2012.
Grafiek 3.5: De standaarddeviatie van alle overeengekomen huurtermijnen per jaar.
Tabel 3.4 toont de trendregressie en laat zien dat de standaarddeviatie over de afgelopen
jaren gemiddeld steeg met 0,059 jaar per jaar en dat deze stijging significant4 is.
a
2,120
b
0,059
Sig.
0,000
Tabel 3.4: Lineaire regressie van de spreiding van het gemiddeld overeengekomen huurtermijn van alle
afgesloten huurcontracten.
Het beeld tot nu toe is dat de gemiddelde huurtermijn significant is toegenomen tussen 2000
en 2012 bij huurtransacties voor oppervlakten van meer dan 2500 m2. Bij kleinere panden is
de gemiddelde overeengekomen huurtermijn niet veranderd. Daarnaast is de variatie in
3
Met een betrouwbaarheidsniveau van ten minste 95%.
4
Met een betrouwbaarheidsniveau van ten minste 99%.
Amsterdam School of Real Estate
10
De ontwikkeling van de huurtermijn op de kantorenmarkt
overeengekomen huurtermijnen significant toegenomen. Deze resultaten zijn gebaseerd op
transacties van DTZ Zadelhoff. De volgende paragraaf toont de resultaten van hetzelfde
onderzoek op basis van de data van NVM Business met als doel te onderzoeken of dit beeld
wordt bevestigd.
3.2
NVM Business database
De NVM database bestaat uit 18.106 transacties. Cirkeldiagram 3.2 laat de verdeling van de
metrage categorieën zien.
Cirkeldiagram 3.2: Samenstelling NVM database
De categorie t/m 500m2 is verreweg de grootste categorie met 89% van alle transacties. We
zien dat de samenstelling anders is dan de DTZ database. Zoals we eerder aangaven willen
we de twee databases met elkaar vergelijken om zo tot een gezamenlijk beeld te komen van
het gemiddeld overeengekomen huurtermijn. Nadere analyse wijst uit dat de samenstelling en
dynamiek van de twee databases verschillen van elkaar. Transacties van grote metrages
ontbreken nagenoeg bij NVM. Bij DTZ zijn deze ruim vertegenwoordigd. DTZ is sterk
vertegenwoordigd in de grote steden en NVM is verspreid over het hele land en sterker
aanwezig in kleine plaatsen dan DTZ. Op basis hiervan kunnen we alleen het gemiddeld
overeengekomen huurtermijn van metragecategorie 1, transacties tot 500m2 met elkaar
vergelijken.
De transacties van DTZ Zadelhoff liet zien dat de gemiddelde huurtermijn op landelijk niveau
geen significante ontwikkeling kent en dat dit ook geldt voor de gemiddelde huurtermijn van
metragecategorie 1. We toetsen dit beeld op basis van de data van NVM Business.
Grafiek 3.6 toont de landelijke ontwikkeling van de gemiddelde overeengekomen huurtermijn
per jaar. In 2005 was de gemiddelde overeengekomen huurtermijn 3,5 jaar. De
overeengekomen huurtermijn daalde tot gemiddeld 2,6 jaar in 2012.
.
Amsterdam School of Real Estate
11
De ontwikkeling van de huurtermijn op de kantorenmarkt
Grafiek 3.6: Ontwikkeling van de gemiddeld overeengekomen huurtermijn in jaren op landelijk niveau.
Tabel 3.5 toont de geschatte parameters voor het trendmodel dat we al eerder gebruikten. De
geschatte waarde voor de parameter die de trend aanduidt (b) is -0,123 wat duidt dat de
gemiddelde huurtermijn jaarlijks daalde met 0,123 jaar. Deze daling is significant5. Dit is
duidelijk een andere ontwikkeling dan wat te zien was op basis van transacties van DTZ
Zadelhoff. Daar was geen ontwikkeling te zien in de gemiddelde huurtermijn op landelijk
niveau.
a
3,811
b
-0,123
Sig.
,003
Tabel 3.5: Lineaire regressie van de ontwikkeling van de gemiddeld overeengekomen huurtermijn van alle
afgesloten huurcontracten
Grafiek 3.7 toont de landelijke ontwikkeling van de gemiddelde huurtermijn van
metragecategorie 1. We zien een dalende ontwikkeling. Het gemiddeld overeengekomen
huurtermijn daalt van 3,4 jaar in 2005 naar 2,5 jaar in 2012. Een daling van 0,9 jaar.
5
Met een betrouwbaarheidsniveau van ten minste 95%.
Amsterdam School of Real Estate
12
De ontwikkeling van de huurtermijn op de kantorenmarkt
Grafiek 3.7: Ontwikkeling van de gemiddeld overeengekomen huurtermijn van metragecategorie 1.
We zien in tabel 3.6 dat categorie 1 een significante6 ontwikkeling kent. Parameter b is -0,118.
Dit betekent dat het gemiddeld overeengekomen huurtermijn de afgelopen jaren met 0,118
jaar gedaald is in metrage categorie 1. De gemiddeld overeengekomen huurtermijn bij
transacties onder de 500m2 is de afgelopen jaren significant gedaald. Ook dit beeld is anders
dan bij DTZ, hier was geen sprake van een significante ontwikkeling.
a
3,608
b
-0,118
Sig.
,004
Tabel 3.6: Lineaire regressie van de ontwikkeling van metragecategorie 1.
Grafiek 3.8 toont de ontwikkeling in de spreiding van overeengekomen huurtermijnen per jaar
voor NVM. De spreiding in een jaar is berekend als de standaarddeviatie van de
overeengekomen huurtermijnen in dat jaar. De ontwikkeling van de standaarddeviatie van de
overeengekomen huurtermijnen is stabiel rond de 2,2 jaar met uitzondering van een piek in
2008. Door een aantal transacties met lange huurtermijnen is er in 2008 sprake van een
toename in de spreiding.
6
Met een betrouwbaarheidsniveau van ten minste 95%.
Amsterdam School of Real Estate
13
De ontwikkeling van de huurtermijn op de kantorenmarkt
Grafiek 3.8: Standaarddeviatie van alle overeengekomen huurtermijnen per jaar.
Tabel 3.7 toont de lineaire regressie en laat zien dat de standaarddeviatie over de afgelopen
jaren gemiddeld daalde met 0,007 jaar per jaar en dat deze daling niet significant is. Ook hier
is het beeld anders dan bij DTZ. Bij DTZ zagen we een toenemende spreiding tussen alle
overeengekomen huurtermijnen en deze ontwikkeling bleek significant
a
2,278
b
-0,007
Sig.
,732
Tabel 3.7: Lineaire regressie van de spreiding van het gemiddeld overeengekomen huurtermijn van alle
afgesloten huurcontracten.
Het beeld dat ontstaat uit de NVM data is, dat op landelijk niveau de gemiddelde huurtermijn
gedaald is vanaf 2000 en dat de daling significant is. Hetzelfde geldt voor metragecategorie 1;
ook hier is sprake van een significante daling in de gemiddeld overeengekomen huurtermijn.
Er is geen sprake van een significante ontwikkeling in de spreiding tussen alle
overeengekomen huurtermijnen per jaar.
3.3
Vergelijking databases
In de samenstelling van de databases valt het ons op dat de verdeling in de metrage
categorieën bij NVM database minder is gespreid dan de DTZ database. De kleine transacties
domineren de NVM database duidelijk.
Verder valt op dat de gemiddeld overeengekomen huurtermijn op landelijk niveau bij NVM
Business lager is dan de DTZ database. Dit is te verklaren doordat er in de NVM Business
database veel minder transacties hebben plaatsgevonden in de grotere metrage categorieën
(categorie 3 t/m 6). In het algemeen zijn de overeengekomen termijnen bij grotere metrages
Amsterdam School of Real Estate
14
De ontwikkeling van de huurtermijn op de kantorenmarkt
langer dan bij kleinere metrages. Verder is de NVM Business database geanalyseerd vanaf
2005 vanwege het niet beschikbaar zijn van data voor 2005 voor dit onderzoek.
Als we de resultaten van de analyse van beide databases met elkaar vergelijken, komt het
volgende beeld tot stand. In de DTZ database zien we voor geheel Nederland een stabilisatie
in het gemiddeld overeengekomen huurtermijn vanaf 2005. Hier is geen significante
ontwikkeling te zien. Bij de NVM Business database zien we op landelijk niveau een dalende
ontwikkeling. De afname van de contractduur bij NVM Business is significant gebleken bij een
lineaire regressie.
Bij DTZ zien we dat de spreiding tussen de gemiddeld overeengekomen huurtermijnen per
metrage categorie op landelijk niveau toeneemt. De toenemende spreiding blijkt ook na een
lineaire regressie van de ontwikkeling van de standaarddeviatie van beide databases. Door de
samenstelling van de NVM database hebben we dit niet getoetst. Alleen metragecategorie 1
kent genoeg transacties. Bij DTZ was er ook sprake van een significante toename in de
spreiding van alle overeengekomen huurtermijnen. Bij NVM business is hier geen sprake van.
In beide databases is maar één metragecategorie die een significante ontwikkeling laten zien
bij een lineaire regressie. Deze categorieën komen niet overeen. Bij DTZ is dat
metragecategorie 4, transacties boven de 2500m2. Deze categorie kent een significant
stijgende ontwikkeling van het gemiddeld overeengekomen huurtermijn. Bij NVM is
ontwikkeling van het gemiddeld overeengekomen huurtermijn van metragecategorie 1
significant dalend.
Amsterdam School of Real Estate
15
De ontwikkeling van de huurtermijn op de kantorenmarkt
Conclusie
Het beeld dat voortkomt uit dit onderzoek is dat er geen duidelijke ontwikkeling te zien is in de
gemiddeld overeengekomen termijnen van huurcontracten in de kantorenmarkt. We hebben
daartoe transacties onderzocht afkomstig van twee bronnen: DTZ Zadelhoff en NVM
Business.
De gemiddelde overeengekomen huurtermijn is op basis van DTZ transacties niet significant
veranderd tussen 2000 en 2012. De NVM-transacties, op basis van oppervlaktes tot 500 m2,
laten zien dat er sprake is van een significante daling. De DTZ data biedt ook inzicht in grotere
metrages en daar is binnen de categorie boven 2500 m2 sprake van een significante stijging in
de gemiddelde overeengekomen huurtermijn tussen 2000 en 2012.
De DTZ transacties tonen dat de variatie in overeengekomen huurtermijnen significant is
toegenomen tussen 2000 en 2012. De NVM laten geen significante verandering in spreiding
zien.
De resultaten op basis van DTZ transacties zijn anders dan die op basis van NVM transacties.
We hebben daarom geen duidelijk beeld kunnen krijgen van de ontwikkeling in het
overeengekomen gemiddelde huurtermijn. We kunnen de verwachtingen die we hadden ten
aanzien van de ontwikkeling van de gemiddeld afgesloten huurtermijn niet bevestigen.
In dit onderzoek is de gemiddeld overeengekomen huurtermijn onderzocht. Dat betekent niet
dat de huurder daadwerkelijk de overeengekomen huurtermijn uitzit. Break-opties zijn niet
meegenomen in het onderzoek. Het is dus goed mogelijk dat bij een overeengekomen
huurtermijn van tien jaar met een break-optie na vijf jaar de huurder maar voor vijf jaar
daadwerkelijk huurt. Er is echter wel tien jaar overeengekomen. De ontwikkeling van de
gemiddeld overeengekomen huurtermijn zegt niets over de werkelijke looptijd van het
contract.
Verder hebben we van DTZ Zadelhoff en NVM Business een verklaring gekregen als reactie
op de getoonde ontwikkeling. Bij DTZ Zadelhoff viel het op dat de grote transacties een
stijgende ontwikkeling lieten zien in de gemiddeld overeengekomen huurtermijn. Volgens DTZ
Zadelhoff is deze ontwikkeling te verklaren door de grote hoeveelheid transacties met een
contract van tien jaar in de onderzochte periode. Waarschijnlijk door de vele nieuwbouw die
plaats heeft gevonden in deze periode.
NVM Business geeft als verklaring voor de ontwikkeling in hun database de huidige situatie op
de kantorenmarkt. Door het steeds ruimer wordende aanbod is het een huurdersmarkt.
Flexibiliteit is hierdoor voor een huurder makkelijker uit te onderhandelen dan in het verleden.
Daarnaast zijn de NVM Business makelaars met name actief in het kleinschalige segment.
Voor kleinere onderneming is een verhuizing minder ingrijpend dan voor grote organisaties.
Dit verklaart mogelijk ook de kortere looptijden die in het kleinschaligere segment worden
afgesloten. Daarnaast zijn in het kleinschalige segment ook veel startende ondernemers
actief. Deze ondernemers willen zich niet voor een lange tijd vastleggen. Met het ruimere
aanbod is dat wellicht, meer dan in het verleden, mogelijk. Verder is flexibiliteit en
locatieongebondenheid steeds belangrijker geworden in onze samenleving. Een trend die ook
in het vastgoed zichtbaar wordt gegeven de kortere contracten.
Amsterdam School of Real Estate
16
De ontwikkeling van de huurtermijn op de kantorenmarkt
Literatuur
Ashuri, B. (2010). Valuation of flexible leases for corporate tenants facing uncertainty in their
required workspace. International Journal of Strategic Property Management, 14 pp. 49-72.
Crosby, N. en Murdoch, S. (1994). Capital Valuation Implications of Rent-Free Periods.
Journal of Property Valuation & Investment, 12 pp. 51-64.
DTZ Zadelhoff, (2005).
http://www.twentevisie.nl/Files/Billeder/PDF%20Archief/2005/November/0511-19.pdf
Huisman, R. en Roodhof, J.A. (2013). Flexibele contracten in de kantorenmarkt. Amsterdam
School of Real Estate.
Lizieri, C., Crosby, N., Gibson, V. en Thorpe, D. (1997). Right Space: Right Price?: A Study of
the Impact of Changing Business Patterns on the Property Market. Research Report, The
Royal Institution of Chartered Surveyors. [rapport] London:.
O’Roarty, B. (2000). Flexible space solutions: An opportunity for occupiers and investors.
Journal of Corporate Real Estate, 3 (1), pp. 69-80
Vastgoedmarkt (2013). Marktaandeelcijfers Nederlandse makelaars over 2012. April 20 - 27.
Amsterdam School of Real Estate
17
De activiteiten van de Amsterdam School of Real Estate zijn
mede mogelijk dankzij de financiële steun van de Stichting voor
Wetenschappelijk Onderzoek en Onderwijs in de
Vastgoedkunde (SWOOV)
Onze donateurs
Neem voor vragen of
opmerkingen contact met
ons op of bezoek onze
website.
bezoekadres
Jollemanhof 5
1019 GW Amsterdam
postadres
Postbus 140
1000 AC Amsterdam
www.asre.nl
e [email protected]
t 020 668 11 29
f 020 668 03 61
I 3W New
Development
I Aberdeen Asset
Management
I ACM Vastgoed
Groep BV
I Ahold Vastgoed BV
I Altera Vastgoed
I AM BV
I AMVEST
I a.s.r. vastgoed
ontwikkeling
I a.s.r. vastgoed
vermogensbeheer
I Ballast Nedam
Ontwikkelingsmaatschappij B.V.
I Bemog Projektontwikkeling B.V.
I Boekel De Nerée NV
I Bouwfonds Property
Development
I Bouwinvest
I Brink Groep
I CBRE Global
Investors
| CBRE Netherlands
I Colliers International
l Corio
I De Brauw Blackstone
Westbroek
I Deloitte
I Delta Lloyd Vastgoed
| DTZ Zadelhoff
I Dura Vermeer Groep
NV
| ECORYS Nederland
BV
I Ernst & Young Real
Estate Group
I FGH Bank NV
I Funda NV
| G&S Vastgoed
I Haags
Ontwikkelingsbedrijf
| Heijmans Vastgoed
BV
I Houthoff Buruma
I ING Real Estate
Finance
I IPMMC Vastgoed
I IVBN
| Jones Lang LaSalle
I KMPG Accountants
I Lexence NV
I Loyens & Loeff NV
| MAB Development
| Merin
I MN
| NSI
I NS Vastgoed BV
I NVM
I Ontwikkelingsbedrijf
Gemeente Amsterdam
I Ontwikkelingsbedrijf
Rotterdam
I PGGM
I Provast
I PwC
I Rechtstaete
vastgoedadvocaten
&belastingadviseurs
I Redevco Europe
Services BV
I SADC
I Savills Nederland BV
I Schiphol Real Estate
BV
I Propertize
I SPF Beheer BV
I Strabo BV
I Syntrus Achmea Real
Estate & Finance
I TBI Holdings BV
I The IBUS Company
l Van Wijnen Holding
N.V.
I Vesteda Groep BV
I Volker Wessels
Vastgoed
I Wereldhave NV
I WPM Groep
I Yardi Systems BV
I Ymere

Download Report