WOONKREDIETEN IN BELGIË VERSUS OVERIGE ......Sectie 3 verschaft een nog beter beeld van de...
Transcript of WOONKREDIETEN IN BELGIË VERSUS OVERIGE ......Sectie 3 verschaft een nog beter beeld van de...
-
WOONKREDIETEN IN BELGIË VERSUS
OVERIGE EUROLANDEN EEN VERGELIJKENDE STUDIE VAN DE KREDIETCONDITIES VOOR 2003-2017
Aantal woorden: 23968
Sarah Deleye Stamnummer : 000170256218
Roosmarijn Coghe Stamnummer: 000170191954
Promotor: Prof. Dr. Jos Meir
Masterproef voorgedragen tot het bekomen van de graad van:
Master in de handelswetenschappen: Finance en risicomanagement
Academiejaar: 2018-2019
-
WOONKREDIETEN IN BELGIË VERSUS
OVERIGE EUROLANDEN EEN VERGELIJKENDE STUDIE VAN DE KREDIETCONDITIES VOOR 2003-2017
Aantal woorden: 23968
Sarah Deleye Stamnummer : 000170256218
Roosmarijn Coghe Stamnummer: 000170191954
Promotor: Prof. Dr. Jos Meir
Masterproef voorgedragen tot het bekomen van de graad van:
Master in de handelswetenschappen: Finance en risicomanagement
Academiejaar: 2018-2019
-
I
Vertrouwelijkheidsclausule
Ondergetekende verklaart dat de inhoud van deze masterproef mag geraadpleegd en/of
gereproduceerd worden, mits bronvermelding.
Naam student: Sarah Deleye
Ondergetekende verklaart dat de inhoud van deze masterproef mag geraadpleegd en/of
gereproduceerd worden, mits bronvermelding.
Naam student: Roosmarijn Coghe
-
II
-
III
Woord vooraf
De masterproef ‘Woonkredieten in België versus overige eurolanden’ vormt het sluitstuk van onze
opleiding tot het behalen van een diploma als Master in de Handelswetenschappen: Finance en
risicomanagement. De keuze voor dit onderwerp kwam voort uit een gezamenlijke interesse voor
woonkredieten, die tijdens het schrijfproces alleen maar verder gegroeid is.
In eerste instantie willen we graag onze promotor, Jos Meir, bedanken, zowel voor dit
onderwerpvoorstel als voor de feedback die we gedurende de voorbije periode van hem ontvingen.
Daarnaast willen wij ook van deze gelegenheid gebruikmaken om onze ouders en broers te bedanken.
Het is dankzij hun onvoorwaardelijke steun dat we deze studies konden aanvatten en ondertussen aan
het afronden zijn. Ook wensen wij onze dankbaarheid te uiten voor hun hulp bij het nalezen.
Wij hopen met deze masterproef alvast wat meer inzicht te bieden in deze boeiende materie en zo
een bijdrage te leveren aan de bestaande literatuur.
Sarah Deleye en Roosmarijn Coghe
-
IV
-
V
Inhoudsopgave
Lijst van gebruikte afkortingen ........................................................................................................ VII
Lijst van tabellen .............................................................................................................................. IX
Lijst van figuren ................................................................................................................................ XI
1 Inleiding ......................................................................................................................................1
2 Literatuuroverzicht .....................................................................................................................3
2.1 De rol van de hypotheekmarkt in financiële crisissen .........................................................7
2.1.1 De financiële crisis van 2007-2009 ......................................................................8
2.2 Tien jaar na de financiële crisis opnieuw bezorgdheid ...................................................... 14
2.3 Kredietcondities .............................................................................................................. 19
2.4 Determinanten van kredietcondities ................................................................................ 21
2.4.1 Looptijd ............................................................................................................ 21
2.4.2 Gemiddeld kredietbedrag ................................................................................. 25
2.4.3 DSR ................................................................................................................... 28
2.4.4 Quotiteit ........................................................................................................... 30
2.4.5 Hypotheekrente en spread ............................................................................... 32
3 Probleemstelling ....................................................................................................................... 41
3.1 Hypothesen ..................................................................................................................... 42
3.1.1 DSR ................................................................................................................... 42
3.1.2 Hypotheekrente en spread ............................................................................... 43
4 Dataset en variabelen ............................................................................................................... 45
4.1 Beschrijving dataset ......................................................................................................... 45
4.2 Beschrijving variabelen .................................................................................................... 47
4.2.1 Afhankelijke variabelen ..................................................................................... 47
4.2.2 Onafhankelijke variabelen................................................................................. 51
5 Methodologie ........................................................................................................................... 61
5.1 Stationariteit van de opgenomen variabelen ................................................................... 61
5.2 Uitschieters ..................................................................................................................... 62
5.3 Opbouw van de regressiemodellen .................................................................................. 63
5.3.1 DSR ................................................................................................................... 63
5.3.2 Hypotheekrente ................................................................................................ 64
5.3.3 Spread .............................................................................................................. 65
5.3.4 Specificatie inhoud regressiemodellen .............................................................. 66
5.4 Econometrische problemen ............................................................................................. 67
5.5 Keuze van het meest geschikte model ............................................................................. 68
-
VI
6 Empirische resultaten en discussie ........................................................................................... 69
6.1 Correlatiematrix .............................................................................................................. 69
6.2 Model 1 ........................................................................................................................... 73
6.3 Model 2 ........................................................................................................................... 76
6.4 Model 3 ........................................................................................................................... 79
6.5 Model 4 ........................................................................................................................... 81
6.6 Model 5 ........................................................................................................................... 84
7 Besluit ....................................................................................................................................... 87
8 Referentielijst ............................................................................................................................. I
Bijlage 1: Unit root tests ..................................................................................................................... I
Bijlage 2: VIF-testen ........................................................................................................................... I
Bijlage 3: Correlatiematrixen.............................................................................................................. I
-
VII
Lijst van gebruikte afkortingen
APR Annual Percentage Rate
BBP Bruto Binnenlands Product
BIB (BIS) Bank voor Internationale Betalingen (Bank for International Settlements)
BVK Beroepsvereniging van het Krediet
CDS Credit Default Swaps
CPI Consumptieprijsindex (Consumer Price Index)
DSR Debt Service Ratio
DSTI Debt-Service-to-Income ratio
DW Durbin-Watson test
EC Europese Commissie (European Commission)
ECB Europese Centrale Bank (European Central Bank)
ECSR (ESRB) Europees Comité voor Systeemrisico’s (European Systemic Risk Board)
EMF European Mortgage Federation
EMU Europese Monetaire Unie (European Monetary Union)
EURIBOR European Interbank Offered Rate
FE Fixed Effects model
(St. Louis) Fed Federal Reserve Bank (of St. Louis)
FSR Financial Stability Report
HHI Herfindahl-Hirschman index
HICP Geharmoniseerde consumptieprijsindex (Harmonised Index of Consumer Prices)
IPS Im-Pesaran-Shin test
LIBOR London Interbank Offered Rate
LTV Loan-To-Value ratio
MBS Mortgage-Backed Securities
MCD Mortgage Credit Directive
MFI Monetaire Financiële Instelling (Monetary Financial Institution)
NBB Nationale Bank van België
NCW Netto Contante Waarde
NINJA No Income, No Job, No Assets
NPL Non-Performing Loan(s)
-
VIII
OESO (OECD) Organisatie voor Economische Samenwerking en Ontwikkeling
(Organisation for Economic Co-operation and Development)
OLO Obligation Linéaire/Lineaire Obligatie
RE Random Effects model
SPV Special Purpose Vehicle(s)
VIF Variance Inflation Factor
VS Verenigde Staten
-
IX
Lijst van tabellen
Tabel 2.1: Gemiddelde looptijd - 19 eurolanden (2016) .................................................................... 23 Tabel 2.2: Dominante hypotheekrente - 19 eurolanden (2016) ......................................................... 32 Tabel 4.1: Gebruikte databronnen .................................................................................................... 46 Tabel 4.2: Beschrijving variabele DSR (in % op jaarbasis) ................................................................... 47 Tabel 4.3: Beschrijving variabele HYPOTHEEKRENTE (in % op jaarbasis) ............................................ 48 Tabel 4.4: Beschrijving variabele SPREAD (in %-punt op jaarbasis) .................................................... 49 Tabel 4.5: Beschrijving variabele HUIZENPRIJZEN (% verandering op jaarbasis) ................................. 51 Tabel 4.6: Beschrijving variabele SCHULDGRAAD (in % op jaarbasis) ................................................. 52 Tabel 4.7: Beschrijving variabele KANTORENNETWERK (in aantal per 10 000 inwoners op jaarbasis) 53 Tabel 4.8: Beschrijving variabele LT-RENTE (in % op jaarbasis) .......................................................... 54 Tabel 4.9: Beschrijving variabele HHI (op een schaal van 0 tot 10 000) .............................................. 55 Tabel 4.10: Beschrijving variabele OPLEIDING (in % op jaarbasis) ...................................................... 56 Tabel 4.11: Beschrijving variabele BBPCAPITA (% verandering op jaarbasis) ...................................... 57 Tabel 4.12: Beschrijving variabele HICP (% verandering op jaarbasis) ................................................ 58 Tabel 4.13: Beschrijving variabele D_CRISIS ...................................................................................... 59 Tabel 5.1: Resultaten White's test en Durbin-Watson test ................................................................ 67 Tabel 5.2: Resultaten F-test en Breusch-Pagan test ........................................................................... 68 Tabel 6.1: Correlatiematrix (complete dataset) ................................................................................. 72 Tabel 6.2: Resultaten pooled OLS model 1 (N = 104) met robust standard errors .............................. 73 Tabel 6.3: Resultaten pooled OLS model 2 (N = 98) met robust standard errors ................................ 76 Tabel 6.4: Resultaten pooled OLS model 3 (N = 176) met robust standard errors .............................. 79 Tabel 6.5: Resultaten pooled OLS model 4 (N = 91) met robust standard errors ................................ 81 Tabel 6.6: Resultaten pooled OLS model 5 (N = 182) met robust standard errors .............................. 84
-
X
-
XI
Lijst van figuren
Figuur 2.1: Woningbezit – 19 eurolanden (2003-2017) ........................................................................3
Figuur 2.2: Schuld van huishoudens als % van BBP – 19 eurolanden (2003-2017) ................................5
Figuur 2.3: Effective Federal Funds Rate – VS (2000-2017) ..................................................................8
Figuur 2.4: Reële huizenprijzen – 19 eurolanden (2003-2017) ........................................................... 12
Figuur 2.5: Winstgevendheid bankensector - België (2007/8-2017) ................................................... 14
Figuur 2.6: Procentuele jaarlijkse verandering van het aantal kredieten – België (2007-2018) ........... 16
Figuur 2.7: Procentuele jaarlijkse verandering van het reële BBP – België (BE) vs. eurozone (EA)
(2012-2017) ..................................................................................................................... 16
Figuur 2.8: Looptijden bij leningsuitgifte – België (2007-2017) .......................................................... 22
Figuur 2.9: Gemiddeld(e) kredietbedrag, huizenprijs en quotiteit (in duizend €) – België
(1996-2017) ..................................................................................................................... 25
Figuur 2.10: Gemiddeld kredietbedrag – 7 eurolanden (2006-2017) ................................................. 26
Figuur 2.11: Quotiteit – België (2009-2017) ...................................................................................... 30
Figuur 2.12: Rentecurve – eurozone (21 februari 2019) .................................................................... 35
Figuur 4.1: DSR – 8 eurolanden (2003-2017) ..................................................................................... 48
Figuur 4.2: Hypotheekrente – 19 eurolanden (2003-2017) ................................................................ 49
Figuur 4.3: Spread – 18 eurolanden (2003-2017) .............................................................................. 50
Figuur 4.4: Schuldgraad – 19 eurolanden (2003-2017) ...................................................................... 52
Figuur 4.5: Aantal bankkantoren per 10 000 inwoners – 19 eurolanden (2003-2017) ........................ 53
Figuur 4.6: Langetermijnrente – 18 eurolanden (2003-2017) ............................................................ 54
Figuur 4.7: HHI – 18 eurolanden (2003-2017).................................................................................... 56
Figuur 4.8: Aantal inwoners met een diploma hoger onderwijs – 19 eurolanden (2003-2017) ........... 57
Figuur 4.9: Economische groei – 19 eurolanden (2003-2017) ............................................................ 58
Figuur 4.10: Inflatie – 19 eurolanden (2003-2017) ............................................................................ 59
-
XII
-
1
1 Inleiding
Veel huishoudens kunnen het zich niet veroorloven een huis te kopen of (ver)bouwen zonder hiervoor te
lenen (European Mortgage Federation1, s.d.; Huyghebaert, 2015). Het woonkrediet vormt dan ook de
voornaamste financiële verplichting van veel huishoudens (Stinglhamber, Van Nieuwenhuyze & Zachary,
2011; Zabai, 2017) en vertegenwoordigt maar liefst 20 % van het balanstotaal van de Belgische
bankensector (Nationale Bank van België2, 2018a). Ongeveer één op vier Europese huishoudens beschikt
over een woonkrediet, maar in sommige landen, waaronder Nederland, loopt dit op tot meer dan 50 %
van de bevolking (EMF, s.d.). Dit grootschalige gebruik van woonkredieten trekt de aandacht van zowel
massamedia, analisten als beleidsmakers (Milani, 2010). Dit geldt des te meer omdat de hypotheekmarkt,
als bron van tewerkstelling, investeringen en groei, één van de belangrijkste drijfveren is van de economie
(EMF, s.d.; Europees Comité voor Systeemrisico’s3, 2016).
Desondanks kunnen woonkredieten (en dan vooral een lakse toekenning ervan) mogelijk desastreuse
gevolgen hebben voor de financiële stabiliteit van een land (Campbell, 2013).4 De potentiële problemen
blijven echter niet beperkt tot het binnenland, iets wat maar al te duidelijk werd tijdens de financiële crisis
van 2007-2009. Negatieve ontwikkelingen op de hypotheekmarkt in een bepaald land kunnen namelijk
ook spillovereffecten naar andere landen veroorzaken (ECSR, 2016). De NBB (2018a) erkent het bestaan
van deze gevaren en uitte zodoende een aantal van haar bezorgdheden in het Financial Stability Report
(FSR) van 2018. Haar ongerustheid is gegrond, aangezien ook de periode voor de financiële crisis
gekenmerkt werd door een sterke stijging van het aantal verstrekte woonkredieten en soepelere
kredietcondities (Wilcox, 2009; Scanlon, Lunde & Whitehead, 2011).
Onder kredietcondities verstaat de Europese Centrale Bank (ECB) (2009a) de interne richtlijnen of criteria
die banken in acht nemen bij de toekenning van (woon)kredieten. Het is een minder strenge toepassing
van deze criteria die gevolgen kan hebben voor de financiële stabiliteit (Febelfin, 2019). Onder financiële
stabiliteit verstaat de NBB (2018a) de weerbaarheid van het financiële systeem tegen schokken. Een goed
inzicht in de geldende kredietcondities (en in het bijzonder in hun determinanten) is dus onontbeerlijk.
1 (EMF) 2 (NBB) 3 (ECSR) 4 Om welke gevolgen het precies gaat, komt later in dit werk nog uitgebreid aan bod.
-
2
Dit onderzoek vergelijkt de situatie in verband met kredietcondities op de Belgische hypotheekmarkt met
deze in de overige achttien eurolanden tussen 2003 en 2017. Er wordt tevens gezocht naar de
determinanten die in staat zijn de verschillen tussen landen te verklaren. De tijdsspanne van vijftien jaar
laat toe de impact van de laatste financiële crisis op de woonkredietenmarkt te bestuderen. In de praktijk
hanteren banken een grote verscheidenheid aan kredietcondities, maar dit werk beperkt zich tot looptijd,
gemiddeld kredietbedrag, Debt Service Ratio (DSR)5, quotiteit6, hypotheekrente en spread.
Het vervolg van dit onderzoek is als volgt gestructureerd: de voornaamste literatuur wordt in sectie 2
onder de loep genomen. Hier wordt eerst een beeld geschetst van de hypotheekmarkt en zijn evolutie
tussen 2003 en 2017 in de eurozone. Gezien het sterke verband tussen de hypotheekmarkt en de
financiële crisis van 2007-2009, kon de link tussen beide in dit werk niet ontbreken (2.1). Tien jaar na de
financiële crisis maakt de NBB zich opnieuw zorgen om een aantal ontwikkelingen op de Belgische
hypotheekmarkt, die in 2.2 verder toegelicht worden. Om een goede vergelijking tussen de
kredietcondities in verschillende landen mogelijk te maken, is een diepgaander inzicht in hun cyclische
verloop zeker niet overbodig (2.3). Sectie 2.4 behandelt vervolgens een reeks determinanten die in het
verleden in staat bleken één (of meer) van de gekozen kredietcondities te verklaren. Sectie 3 verschaft
een nog beter beeld van de probleemstelling en introduceert een aantal hypotheses. Sectie 4 geeft een
beschrijving van de data en opgenomen variabelen, terwijl de methodologie in sectie 5 aan bod komt. De
empirische resultaten, aangevuld met een terugkoppeling naar de bestaande literatuur, bevinden zich in
sectie 6. Sectie 7 vormt het slotstuk van dit werk dat de voornaamste bevindingen, evenals een aantal
beperkingen en aanbevelingen voor verder onderzoek, weergeeft.
5 De DSR is een maatstaf voor de afbetalingslast van de ontlener en vormt het deel van het inkomen gebruikt voor de terugbetaling van een krediet (Drehmann & Juselius, 2012). Een uitgebreidere bespreking van deze variabele volgt ut infra. 6 De quotiteit is de verhouding tussen het kredietbedrag en de aankoopprijs van de woning en wordt later in meer detail besproken (Cunha et al., 2013; Vanbrussel, 2018).
-
3
2 Literatuuroverzicht
De aankoop van een huis is voor veel gezinnen een grote investering, die een aanzienlijk deel van hun
vermogen uitmaakt (ECB, 2009b; NBB, 2018a). Figuur 2.1 geeft de evolutie weer van het woningbezit in
de eurozone tussen 2003 en 2017.
Figuur 2.1: Woningbezit – 19 eurolanden (2003-2017) Bron: EMF (2015), EMF (2018) & Statista (s.d.)
In de meeste eurolanden beschikt zo’n 70 tot 80 % van de bevolking over een eigen woning, een aantal
dat, ondanks de financiële crisis, overal vrij stabiel bleef. Een uitzondering hierop is Ierland, waar de sterke
werkloosheidsgroei, lagere kredietvraag en strengere kredietcondities een forse daling van het
woningbezit teweegbrachten (Bouyon, 2015). Landen zijn op basis van hun woningbezit in drie
categorieën op te delen:
➢ landen met een huizenbezit lager dan het gemiddelde in de eurozone (73,7 % in 2017);
➢ landen met een huizenbezit tussen 73,7 % en 80 %;
➢ landen met een huizenbezit hoger dan 80 % (Bouyon, 2015).
50,00
55,00
60,00
65,00
70,00
75,00
80,00
85,00
90,00
95,00
100,00
2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017
Wo
nin
gbez
it [%
]
Jaar
BELGIË
CYPRUS
DUITSLAND
ESTLAND
FINLAND
FRANKRIJK
GRIEKENLAND
IERLAND
ITALIË
LETLAND
LITOUWEN
LUXEMBURG
MALTA
NEDERLAND
OOSTENRIJK
PORTUGAL
SLOVENIË
SLOWAKIJE
SPANJE
-
4
Tot de eerste groep behoren vooral Noord- en West-Europese landen, waaronder Duitsland, Oostenrijk,
Frankrijk en Nederland. Het eerder lage huizenbezit is het resultaat van beleidsdoelstellingen vanwege de
overheid, alsook van een ontwikkelde huurdersmarkt (Bouyon, 2015). Duitsland blijkt al jaren het laagste
woningbezit te hebben, wat onder andere te maken heeft met lage subsidies en een sterke voorkeur voor
huren (Voigtländer, 2009).
De tweede groep bevat, met uitzondering van België, Finland en Luxemburg, voornamelijk Zuid-Europese
landen. Hier wordt woningbezit aangemoedigd door een gebrek aan andere investeringsopportuniteiten
in vastgoed en een kleinere huurdersmarkt. Door de sterke familiebanden erven veel kinderen bovendien
het huis van hun familie, wat resulteert in minder gezinnen met nood aan een woonkrediet
(Bouyon, 2015).
Opvallend is dat het huizenbezit bijzonder hoog ligt in alle voormalig communistische landen
(Estland, Letland, Litouwen, Slovenië en Slowakije), die een derde groep vormen. Dit heeft te maken met
beleidsmaatregelen genomen in de jaren ’90 om woningbezit via subsidies te stimuleren (Bouyon, 2015).
-
5
Talrijke gezinnen gaan ter financiering van deze aankoop een woonkrediet aan, dat dan hun voornaamste
schuld vertegenwoordigt (ECB, 2009b; NBB, 2018a). Het grote (en toenemende) aantal woonkredieten uit
zich onder meer in de schuldgraad van huishoudens, te zien op figuur 2.2.7 Dit zijn de totale schulden van
huishoudens in verhouding tot het Bruto Binnenlands Product8 (BBP) (Eurostat, 2019a).
Figuur 2.2: Schuld van huishoudens als % van BBP – 19 eurolanden (2003-2017) Bron: Eurostat (2019a)
Vooral Nederland en Cyprus trekken de aandacht door hun hoge schuldgraad, al valt sinds 2012 in beide
landen een daling waar te nemen. De hoge Nederlandse schuldgraad heeft onder meer te maken met het
voordelige fiscale stelsel en de lage terugbetalingsgraad (Scanlon, Lunde & Whitehead, 2008; ECSR, 2016).
De schuldgraad is sinds begin jaren ’90 tot 2009-2010 in alle landen, uitgezonderd Duitsland, sterk
toegenomen. Dit is onder andere toe te schrijven aan de steeds ruimere financiële liberalisering9 en
deregulering en de hierdoor makkelijker beschikbare kredieten (Scanlon et al., 2008). In de meeste
landen, uitgenomen Finland, Frankrijk en Slowakije, daalde de schuldgraad na de financiële crisis. Zoals
blijkt uit figuur 2.2, valt tien jaar later in verschillende landen opnieuw een toename op te merken.
Centrale banken maken zich zorgen om de bedreiging die dit vormt voor de macro-economische en
financiële stabiliteit (Zabai, 2017). De schuldgraad heeft namelijk een belangrijke rol gespeeld bij de
vorming van de financiële crisis (Bańkowska, Lamarche, Osier & Pérez-Duarte, 2015).
7 Een logischere keuze zou uiteraard zijn rechtstreeks het aantal woonkredieten per land weer te geven, maar hiervoor werden geen data gevonden. 8 Het BBP is de totale waarde van alle goederen en diensten die gedurende één jaar binnen één land worden geproduceerd plus belastingen en min subsidies hierop. Het BBP wordt gebruikt als welvaartsmaatstaf (Belgium.be, s.d.; World Bank, 2017). 9 Liberalisering houdt in dat de overheid bepaalde beperkingen opheft en zo concurrentie aanmoedigt (woordenlijst.eu, s.d.).
0,00
20,00
40,00
60,00
80,00
100,00
120,00
140,00
2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017
Sch
uld
van
hu
ish
ou
den
s al
s %
van
BB
P
[%]
Jaar
BELGIËCYPRUSDUITSLANDESTLANDFINLANDFRANKRIJKGRIEKENLANDIERLANDITALIËLETLANDLITOUWENLUXEMBURGMALTANEDERLANDOOSTENRIJKPORTUGALSLOVENIËSLOWAKIJESPANJE
-
6
Tot de jaren ’90 was er slechts een beperkt aantal mogelijkheden met uniforme prijzen en waren banken
vrij streng bij de toekenning van woonkredieten (Al-Bahrani & Su, 2015). Zoals in voorgaande alinea
aangehaald, is de Europese hypotheekmarkt sindsdien in belangrijke mate geliberaliseerd. Hiermee werd
beoogd de concurrentie tussen kredietverstrekkers aan te wakkeren en zo de kosten voor consumenten
te verlagen (Scanlon et al., 2008).
Liberalisering en grootschalige financiële innovatie deden het aantal beschikbare alternatieven
exponentieel toenemen (Scanlon et al., 2011). Het ruime aanbod wordt door kredietnemers erg
gewaardeerd, maar verhoogt wel het markt- en kredietrisico10 voor alle betrokken partijen. Sommige
huishoudens moeten namelijk verplichtingen nakomen die eigenlijk onhaalbaar zijn bij economische
schokken (Scanlon et al., 2008). Kredieten zijn dus een stuk complexer dan vroeger, aangezien prijzen en
kredietcondities variëren van bank tot bank (Al-Bahrani & Su, 2015).
In het verleden werd vaak geopperd dat de Europese hypotheekrenten na de invoering van de euro in
2002 zouden convergeren (Stephens, 2000). Banken krijgen zo namelijk toegang tot een veel grotere
financieringsmarkt waarin wisselkoersrisico niet langer een rol speelt (Castro & Santos, 2010). Een
meerderheid van studies toonde echter aan dat enkele barrières de realisatie van een volledig
geïntegreerde hypotheekmarkt zouden verhinderen. Hierbij kan onder andere gedacht worden aan niet-
financiële barrières, waaronder wetgeving, alsook aan het feit dat sommige banken toegang hebben tot
goedkopere fondsen dan andere (Stephens, 2000). Dit alles staat haaks op één van de redenen waarom
de Europese hypothekenrichtlijn of ‘Mortgage Credit Directive’ (MCD), in 2014 in het leven geroepen werd
(Europese Commissie11, s.d.-a). De Europese Unie (EU) wil aan de hand van de MCD namelijk de integratie
van hypotheekmarkten bevorderen, gemeenschappelijke standaarden vooropstellen en de Europese
consument beschermen (EC, s.d.-b). Ut infra zal duidelijk worden dat de hypotheekmarkten in de
eurozone ook na de invoering van de euro zeer divers bleven.
10 Onder marktrisico wordt begrepen: het risico op schommelingen in de ganse financiële markt of in een bepaalde categorie van activa (o.a. wisselkoersen en beurskoersen). Kredietrisico daarentegen is het risico dat een tegenpartij niet langer in staat is zijn verplichtingen na te komen (Belgian Asset Managers Association, s.d.-a, s.d.-b). 11 (EC)
-
7
2.1 De rol van de hypotheekmarkt in financiële crisissen
De waarde van huizen schommelt niet zo sterk als aandelenprijzen, maar toch in grotere mate dan velen
beseffen (Wenli, 2005). Huizenprijzen blijven vaak stabiel gedurende lange periodes, maar
vastgoedmarkten zijn wel vatbaar voor zogenaamde ‘Boom-Bust cycles’. Deze komen relatief vaak voor
en hebben meestal ernstige gevolgen, zowel voor huishoudens als voor de bankensector (ECSR, 2016).
De ‘boom’-fase wordt onder andere gekenmerkt door een lage werkloosheidsgraad en optimistische
economische vooruitzichten. Dergelijke omstandigheden drijven de vraag naar woningen op, wat
onvermijdelijk leidt tot hogere huizenprijzen. Dit schept verwachtingen voor prijsstijgingen in de
toekomst, wat de huidige vraag naar woningen nog verder stimuleert. Tegelijkertijd verhoogt de waarde
van het onderpand12, wat het kredietrisico voor banken beperkt. De hogere kredietvraag en het
afgenomen kredietrisico stimuleren concurrentie tussen kredietaanbieders (i.e. banken), wat resulteert
in soepelere kredietcondities. Kortom, huishoudens worden aangemoedigd om meer schulden aan te
gaan en banken om meer kredieten te verstrekken (ECSR, 2016).
Dergelijke ‘boom’-fase wordt onvermijdelijk gevolgd door een ‘bust’-fase, getypeerd door kelderende
huizenprijzen (ECSR, 2016). Ten eerste verslechtert hierdoor de financiële toestand (en terugbetalings-
capaciteit) van gezinnen, aangezien de woning vaak een groot deel van hun vermogen vertegenwoordigt
(NBB, 2018a). Ten tweede verlagen deze de waarde van het onderpand, waardoor kredietgevers meer
verlies lijden bij wanbetaling. Tezelfdertijd worden vooruitzichten in de bouwsector negatief beïnvloed
(ECSR, 2016). Al deze zaken verminderen de economische activiteit, waardoor zowel huidige als
toekomstige economische omstandigheden verergeren. Bijgevolg, en ook door de toegenomen kans op
niet-terugbetaling, zijn kredietgevers niet langer bereid nog veel nieuwe kredieten toe te staan
(ECB, 2009b; ECSR, 2016; NBB, 2018a). Het is alvast duidelijk dat problemen op de vastgoed- en
hypotheekmarkt snel kunnen leiden tot een instabiel financieel systeem en in het ergste geval een
financiële crisis (NBB, 2018a).
12 De bank eist vrijwel altijd een waarborg, de hypotheek, die haar in staat stelt de woning (het onderpand) te verkopen als de ontlener zijn schulden niet langer terugbetaalt (Notaris.be, s.d.).
-
8
2.1.1 De financiële crisis van 2007-2009
De ‘Boom-Bust cycle’ op de hypotheekmarkt in de Verenigde Staten (VS) tussen 1995 en 2007 ligt aan de
basis van de wereldwijde financiële crisis van 2007-2009. Deze crisis was de ergste sinds de Grote
Depressie van de jaren ‘30 en heeft voornamelijk de bankensector sterk getroffen (Maddaloni & Peydró,
2010). Vaak wordt gewezen op de sterke groei van ‘subprime’ kredieten en securitisatie als voornaamste
oorzaken (Rosen, 2011).
Tot 2000 ondervonden veel huishoudens in de VS met een laag tot gemiddeld inkomen moeilijkheden om
een krediet te verkrijgen ter financiering van de aankoop van hun woning. Banken in de VS hanteerden
namelijk een systeem waarbij ze op basis van het historische betalingsgedrag een kredietscore aan
huishoudens toekenden. Huishoudens met een slecht betalingsgedrag (i.e. lage score) werden beschouwd
als ‘subprime’ (Analist.be, 2008). Er is geen eensgezindheid over de exacte definitie van een ‘subprime’
krediet, maar gemeenschappelijk aan alle definities is dat dergelijk krediet meer falingsrisico
vertegenwoordigt (Demyanyk & Van Hemert, 2011). Banken waren dus vrij streng en weigerden
kredietaanvragen van huishoudens die zij onvoldoende kredietwaardig achtten. Deze periode werd dus
gekenmerkt door minder wanbetalingen en een lager huizenbezit (Analist.be, 2008; Duca, 2013).
Figuur 2.3: Effective Federal Funds Rate – VS (2000-2017) Bron: Federal Reserve Bank of St. Louis (St. Louis Fed) (2019a)
Zoals figuur 2.3 aantoont, voerde de Federal Reserve Bank (Fed) tussen 2000 en 2003 een expansief
monetair beleid13 om de economische groei aan te wakkeren na de ‘dot-com bubble' en de aanslagen van
11 september 2001. De lage federal funds rate14 maakte het goedkoper voor huishoudens om een krediet
aan te gaan, omdat banken hier bij de bepaling van hun hypotheekrente rekening mee houden
(Analist.be, 2008).
13 Wat een expansief monetair beleid precies inhoudt, wordt later in dit werk verduidelijkt. 14 Banken met een overschot aan reserves bij de Fed kunnen dit geld uitlenen aan een bank met een tekort aan reserves. Dit gebeurt op korte termijn tegen de federal funds rate (Bodie, Kane & Marcus, 2017).
0,00
1,00
2,00
3,00
4,00
5,00
6,00
7,00
2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017
Effe
ctiv
e Fe
der
al F
un
ds
Rat
e [%
]
Jaar
-
9
Zich niet bewust van de gevaren, sloten veel Amerikanen bovendien een krediet af met variabele
hypotheekrente, aangezien dit voordelig is bij dalende hypotheekrentes (Analist.be, 2008; Michielsen,
2017). De Fed slaagde in haar opzet, want deze periode werd gekenmerkt door een sterke inkomensgroei
en lage werkloosheidsgraad. Het lage rentebeleid en de gunstige economische omstandigheden droegen
samen bij aan een sterke stijging van kredietvraag, huizenbezit en huizenprijzen (Groeneveld & de Vries,
2009).
In 2002 gaf de toenmalige president van de VS, George W. Bush, banken de toestemming om hypotheken
te verstrekken aan ‘subprime lenders’ (Analist.be, 2008). Kredietaanbieders die wilden profiteren van de
sterke kredietvraag, versoepelden hun kredietcondities en gaven meer risicovolle kredieten uit. Zo werd
het mogelijk voor gezinnen met lagere kredietscores om te lenen (Cunha, Lambrecht & Pawlina, 2013;
Kenton, 2018), onder meer door zogenaamde ‘NINJA loans’ (No Income, No Job, No Assets). Dit zijn
kredieten aan mensen zonder inkomen, zonder job en zonder eigendommen (Michielsen, 2017).
De gestegen kredietvraag werd onder meer opgevangen door securitisatie en financiële innovatie
(Groeneveld & de Vries, 2009). Securitisatie, effectisering of vertiteling is een proces waarbij
activabestanddelen van een bank, hoofdzakelijk hypothecaire kredieten, ondergebracht worden in
zogenaamde ‘Special Purpose Vehicles’ (SPV). Dit zijn vennootschappen opgericht met slechts één doel,
in dit geval bepaalde activabestanddelen buiten de balans brengen. Het SPV voegt de kredieten samen
tot verhandelbare effecten, ‘Mortgage-Backed Securities’ (MBS), die verkocht worden aan investeerders.
Het hypothecair krediet dient als onderpand voor deze effecten, vandaar de naam ‘mortgage-backed’. Dit
systeem laat kredietgevers toe een deel van hun kredietrisico over te dragen aan investeerders.
Kredietaanbieders hoeven dan niet langer bijkomend kapitaal voor deze kredieten aan te houden,
waardoor ze geneigd zijn meer risico te nemen (Rosen, 2011; Kara, Marques-Ibanez & Ongena, 2016). Het
vrijgekomen geld kan dan gebruikt worden om meer kredieten te verstrekken
(Groeneveld & de Vries, 2009; Kara et al., 2016). Tezelfdertijd werd ook een nieuw financieel instrument
uitgebracht, namelijk ‘Credit Default Swaps’ (CDS). Dit is een verzekering tegen wanbetaling door
kredietnemers, die het helaas nog onduidelijker maakte waar het kredietrisico zich precies bevond
(Michielsen, 2017).
-
10
In de lage renteomgeving werden investeerders (en vooral investeringsbanken) aangetrokken door het
hoge rendement op MBS (Groeneveld & de Vries, 2009), wat leidde tot een sterke toename van het aantal
‘subprime’ kredieten (Demyanyk & Van Hemert, 2011). Oorspronkelijk werden investeerders beschermd
door de stijgende huizenprijzen en dalende hypotheekrenten. Gezinnen die niet in staat waren hun
krediet terug te betalen, verkochten hun huis (dat meer waard was) of herfinancierden hun krediet tegen
een lagere hypotheekrente (Duca, 2013). Tot dit moment was het dan ook voor niemand echt duidelijk
welke gevaren precies in dit systeem schuilden. Dit werd nog versterkt door het feit dat ‘credit rating
agencies’ soms onterecht hoge credit ratings gaven aan deze verhandelbare effecten. Zelfs de
Amerikaanse overheid slaagde er niet in de toegenomen risico’s tijdig te detecteren
(Groeneveld & de Vries, 2009). Volgens Demyanyk & Van Hemert (2011) waren de problemen op de
Amerikaanse hypotheekmarkt nochtans al lang voor de uitbarsting van de financiële crisis waar te nemen.
Dit werd bemoeilijkt door de sterke stijging van de huizenprijzen tussen 2003 en 2005, maar moest
eigenlijk zeker duidelijk geweest zijn tegen eind 2005 (Demyanyk & Van Hemert, 2011).
De situatie veranderde drastisch toen de Fed, vrezend voor een oververhitte economie, besloot een
restrictief monetair beleid te voeren van midden 2004 tot midden 2006 (Centraal Planbureau, 2009), zoals
af te leiden is uit figuur 2.3. De stijgende federal funds rate en daarmee gepaard gaande hogere kosten
veroorzaakten een sterke toename van het aantal wanbetalingen. Banken beseften dat het falingsrisico
van kredietnemers toenam: huizen waarop de bank een hypotheek had, werden in beslag genomen en
verkocht. Het hieruit resulterende grote aanbod op de huizenmarkt legde een neerwaartse druk op de
huizenprijzen, die kelderden (Groeneveld & de Vries, 2009; Wilcox, 2009). Tegelijkertijd schroefden veel
banken de kredietverstrekking aan huishoudens terug door in 2007 hun kredietcondities te verscherpen.
Deze actie bemoeilijkte zowel het verkrijgen van een nieuw krediet als een herfinanciering
(Analist.be, 2008; Scanlon et al., 2011). Investeerders genoten niet langer voldoende bescherming en
trokken zich terug uit de markt, een proces dat versneld werd door de lagere credit rating van heel wat
MBS (Duca, 2013).
De eerste grote Amerikaanse speler die in de problemen kwam, was de zakenbank Bear Stearns in maart
2008. Deze leed enorme verliezen omwille van grote afschrijvingen op haar portefeuille van MBS.
Uiteindelijk werd deze bank gered door een kapitaalinjectie van de Fed en een overname door
JPMorganChase. Helaas was Bear Stearns slechts één van de vele banken die in deze periode (bijna)
gesneuveld zijn. Ook de Amerikaanse hypotheekverstrekkers Fannie Mae en Freddie Mac, samen goed
voor ongeveer 50 % van alle hypotheken in de VS, kwamen in moeilijkheden (Analist.be, 2008).
-
11
Ook hier greep de Fed in omwille van het systemische risico15 dat zij vertegenwoordigen. AIG, de grootste
verzekeraar ter wereld, dreigde eveneens failliet te gaan en werd genationaliseerd (Analist.be, 2008).
Het faillissement met de grootste impact is waarschijnlijk dat van de Amerikaanse investeringsbank
Lehman Brothers op 15 september 2008 (Groeneveld & de Vries, 2009). Dit was de eerste grote speler die
niet gered werd door de overheid, wat een paniekreactie op zowel Amerikaanse als Europese beurzen
teweegbracht. Het wereldwijde financiële systeem werd overschaduwd door wantrouwen en banken
weigerden nog langer interbancaire leningen toe te staan. Zo groeide de kredietcrisis uit tot een
wereldwijde bankencrisis, waaraan heel wat banken ten onder gingen. Eind september 2008 viel ook in
België een eerste slachtoffer, Fortis, dat later overgenomen werd door BNP Paribas. Zowel het
consumenten- als producentenvertrouwen kelderden nadat het nieuws over de wereldwijde bankencrisis
bekend raakte. In 2008-2009 bevond de EU zich in een diepe economische recessie, beter bekend als de
Grote Recessie (Michielsen, 2017).
Om de toekomstige stabiliteit van het financiële systeem te waarborgen, werd het bankentoezicht na de
financiële crisis een pak strenger. Banken werden door de Basel II-regelgeving16 verplicht om hogere
kapitaalbuffers aan te houden om schokken op te vangen (Michielsen, 2017). Zowel Groeneveld en de
Vries (2009) als Wilcox (2009) besluiten dat banken tijdens en na de financiële crisis inderdaad een stuk
voorzichtiger werden en strengere kredietcondities hanteerden. Dit heeft een negatieve impact gehad op
de kredietverstrekking (Hempell & Sørensen, 2010), die merkbaar terugliep na de financiële crisis
(Castro & Santos, 2010; Scanlon et al., 2011). Deze inkrimping heeft ook deels te maken met een
structurele verandering van de bankensector in diverse landen: sommige aanbieders besloten niet langer
woonkredieten te verstrekken, terwijl anderen fuseerden of failliet gingen (Scanlon et al., 2011).
15 Dit is het risico dat zich een bepaalde gebeurtenis voordoet binnen een bedrijf, sector of industrie, waardoor de ganse industrie of economie ineenstort. Meer bepaald gaat het om bedrijven (of financiële instellingen) die aangeduid worden als ‘too big to fail’ (Chen, 2018a). 16 Basel II maakt onderdeel uit van de Basel-regulering. Deze wereldwijde bankenregels werden opgesteld door het Basel-comité (Febelfin, 2013), met als doel de solvabiliteit en stabiliteit van de financiële sector te bevorderen (Aernoudt, 2016).
-
12
De soepele en daaropvolgende strenge kredietcondities van voor en na de financiële crisis hebben
alleszins in grote mate bijgedragen aan de stijging en daaropvolgende daling van het aantal verstrekte
kredieten en de huizenprijzen (Wilcox, 2009).
Gezien de grote rol die huizenprijzen gespeeld hebben bij de financiële crisis, verdient hun evolutie toch
wat verdere toelichting. Figuur 2.4 geeft de reële huizenprijzen weer voor de eurozone (exclusief Malta
en Cyprus) tussen 2003 en 2017. Dit zijn de nominale huizenprijzen aangepast voor inflatie volgens de
consumptieprijsindex (CPI) (Organisatie voor Economische Samenwerking en Ontwikkeling17, 2019).
Figuur 2.4: Reële huizenprijzen – 19 eurolanden (2003-2017) Bron: OESO (2019)
De sterkte van de groei van de reële huizenprijzen in de aanloop van de financiële crisis verschilde in grote
mate tussen de eurolanden. Desondanks was deze groei wel sterk gecorreleerd: in de meeste landen,
uitgezonderd Duitsland en Portugal, viel voor de financiële crisis een toename op te merken
(Scanlon et al., 2011). Deze gecorreleerde groei sinds midden jaren ’90 werd volgens McCarthy en
McQuinn (2013) ondersteund door een aantal macro-economische factoren. Deze verklaren volgens
Scanlon et al. (2008) maar liefst 40 % van de bewegingen in huizenprijzen. Uiteraard kan gedacht worden
aan de lage intrestvoeten, maar ook aan verbeterde levensstandaarden, een sterke inkomensgroei en de
stabiliteit gecreëerd in het vooruitzicht van de Europese Monetaire Unie (EMU)
(McCarthy & McQuinn, 2013).
17 (OESO)
50,00
70,00
90,00
110,00
130,00
150,00
170,00
190,00
2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017
Reë
le h
uiz
enp
rijs
ind
ex [2
015
= 10
0]
Jaar
BELGIË
DUITSLAND
ESTLAND
FINLAND
FRANKRIJK
GRIEKENLAND
IERLAND
ITALIË
LETLAND
LITOUWEN
LUXEMBURG
NEDERLAND
OOSTENRIJK
PORTUGAL
SLOVENIË
SLOWAKIJE
SPANJE
-
13
Tegelijkertijd zorgde financiële innovatie ervoor dat banken in staat waren steeds meer kredieten te
verstrekken. Bijgevolg hebben zowel ontwikkelingen aan vraag- als aanbodzijde gezorgd voor een
toename van de kredietverstrekking in de meeste landen. Dit resulteerde uiteindelijk in hogere
huizenprijzen, omdat steeds meer mensen in staat waren een huis te kopen (McCarthy & McQuinn, 2013).
In de meeste landen bereikten de huizenprijzen hun hoogste niveau in 2007, waarna ze kelderden
(Scanlon et al., 2011; McCarthy & McQuinn, 2013). Opvallend is echter dat de Belgische, Luxemburgse en
Oostenrijkse huizenprijzen geen neerwaartse correctie kenden tijdens en na de financiële crisis
(Vervenne, 2018). De financiële crisis had de zwaarste impact in landen waar een groot deel van de
huishoudens geleend had, de kredietverlening (en huizenprijzen) sterk was (waren) toegenomen en/of er
grote schulden waren (Scanlon et al., 2011). Dit was zeker het geval voor Ierland, waar huizenprijzen de
grootste stijging en sterkste daling kenden (McCarthy & McQuinn, 2013). Een opmerking is hierbij echter
wel op zijn plaats: de financiële crisis beperkte zich zeker niet tot landen met sterk gestegen huizenprijzen
in de eraan voorafgaande jaren. Landen met een vrij stabiele huizenmarkt, zoals Duitsland, werden
evenzeer getroffen (Scanlon et al., 2011).
Een forse afname van huizenprijzen wordt meestal onderbroken door periodes van stagnatie of zelfs
groei, wat ook na de financiële crisis het geval was in veel eurolanden. Vanaf 2009 vertraagde in veel
landen de daling en in sommige gevallen was er zelfs opnieuw een stijging. Dit heeft onder andere te
maken met centrale banken die wereldwijd intrestvoeten verlaagden, overheidsuitgaven stimuleerden
en/of landen aanmoedigden om belastingen te verminderen om de recessie te beperken
(Scanlon et al., 2011; NBB, 2018a). De laatste jaren worden vrijwel alle eurolanden opnieuw gekenmerkt
door stijgende huizenprijzen (NBB, 2018a).
-
14
2.2 Tien jaar na de financiële crisis opnieuw bezorgdheid
De NBB (2018b) publiceert al zeventien jaar op rij een FSR, een jaarlijkse beoordeling van de stabiliteit van
de Belgische bankensector. Het meest recente FSR van de NBB (2018a) begint alvast met een positieve
noot. Tien jaar na de financiële crisis ziet de situatie op de Belgische financiële markt er namelijk een stuk
rooskleuriger uit. De toegenomen regelgeving en supervisie heeft de financiële positie van banken zowel
op vlak van solvabiliteit, liquiditeit als winstgevendheid versterkt. De Belgische bankensector heeft in 2017
vrij goede resultaten voorgelegd, waardoor banken al een stuk beter gewapend zijn tegen een aantal
uitdagingen, waaronder de aanhoudende lage intrestvoeten (NBB, 2018a).
De lage intrestvoeten leggen ten eerste een neerwaartse druk op de winstgevendheid van de Belgische
bankensector (NBB, 2018a). Zoals te zien is aan de blauwe lijn op de linkerzijde van figuur 2.5, wordt de
intermediatiemarge (‘net interest income’), het verschil tussen de te ontvangen en te betalen rente door
banken, steeds kleiner. Dit is van groot belang, gezien uit de rechterkant van figuur 2.5 blijkt dat dit voor
Belgische banken de voornaamste inkomensbron vormt (NBB, 2014a, 2018a). De primaire functie van een
bank is namelijk haar optreden als intermediair of tussenpersoon. Mensen met een spaaroverschot
plaatsen hun geld (meestal voor een korte termijn) bij een bank onder de vorm van deposito’s
(spaarboekjes, zichtrekeningen, termijnrekeningen, kasbons …) in ruil voor een rente die zij krijgen van de
bank. Deze deposito’s vormen het werkkapitaal van de bank, waarmee zij (woon)kredieten (op lange
termijn) verstrekt aan mensen met een spaartekort die hiervoor rente aan de bank betalen
(Febelfin, 2012).
Figuur 2.5: Winstgevendheid bankensector - België (2007/8-2017) Bron: FSR 2018 (NBB, 2018a)
-
15
Concreet heeft het lage rentebeleid van de ECB ervoor gezorgd dat Belgische banken sinds 2016 niet
langer in staat zijn de te betalen rente op deposito’s te verlagen (NBB, 2018a). Sinds 10 maart 2016
bedraagt de herfinancieringsrente18 namelijk 0 % (Geld.nl, s.d.). De beleggingen van banken (verstrekte
kredieten) blijven echter steeds minder opbrengen. Als de rente bepaald door de ECB abrupt terug zou
stijgen, zou dit de spaarrente (te betalen rente door banken) zeer snel de hoogte injagen. Daarentegen
zou de opbrengst op haar lange termijnbeleggingen slechts geleidelijk aan volgen, aangezien deze voor
een langere periode werd vastgelegd (NBB, 2018a; Dendooven, 2018a). De zware concurrentiestrijd
tussen Belgische banken heeft alleen maar bijgedragen aan de lagere intermediatiemarges
(NBB, 2018a; Dendooven, 2018b).
Ten tweede zorgt de lage intrestvoet van de laatste jaren ook voor een zogenaamde ‘search for yield’
(NBB, 2018a). Dit houdt in dat banken continu op zoek zijn naar beleggingen (i.e. kredieten) met het
hoogste rendement (Aalbers, 2014). Rekening houdend met het feit dat er geen rendement is zonder
risico, resulteert dit in meer risicovolle beleggingen (Bodie et al., 2017; NBB, 2018a).
Ten slotte is het zo dat huishoudens zich bij de kredietvraag vaak nogal laten beïnvloeden door het
rentetarief (Dendooven, 2018b). De historisch lage hypotheekrente heeft dan ook geresulteerd in een
sterke toename van de kredietverlening (NBB, 2018a), wat de bankensector in ons land bijzonder
kwetsbaar maakt. Zoals ut supra vermeld, daalde wereldwijd het aantal verstrekte woonkredieten na de
financiële crisis (Scanlon et al., 2011). Uit figuur 2.6 valt echter af te leiden dat de Belgische
kredietverlening aan gezinnen voortdurend bleef toenemen tussen 2003 en 2017. In 2017 werden maar
liefst 243 000 woonkredieten afgesloten, goed voor een bedrag van ongeveer 31 miljard euro
(Beroepsvereniging van het Krediet19, 2018).
18 De herfinancieringsrente is de intrestvoet die banken zelf betalen voor een lening bij de ECB (Euribor-rates.eu, s.d.-a). 19 (BVK)
-
16
Figuur 2.6: Procentuele jaarlijkse verandering van het aantal kredieten – België (2007-2018) Bron: FSR 2018 (NBB, 2018a)
Een vergelijking van de groei van de Belgische kredietverlening met het jaarlijkse reële BBP in figuur 2.7
toont aan dat de kredietverlening in 2017 zelfs aan een sneller tempo groeide dan de economie
(Vanbrussel, 2018). Dit heeft volgens Castro en Santos (2010) onder andere te maken met de toegenomen
concurrentie en innovatie in de bankensector. Beide factoren zijn sterk gelinkt aan de liberalisering, die
onder andere gerealiseerd werd door het ontstaan van de eurozone (Scanlon et al., 2008;
Castro & Santos, 2010).
Figuur 2.7: Procentuele jaarlijkse verandering van het reële BBP – België (BE) vs. eurozone (EA) (2012-2017) Bron: FSR 2018 (NBB, 2018a)
-
17
In haar FSR 2018 licht de NBB (2018a) nog een aantal andere kwetsbaarheden toe, waaronder de
versoepelde kredietcondities in 2016 en (vooral) 2017. In navolging van de financiële crisis werden
Belgische banken een stuk voorzichtiger, wat tot 2015 resulteerde in vrij strenge kredietcondities. In 2017
hielden Belgische banken echter opnieuw meer risicovolle kredieten aan (NBB, 2018a). Naast de lagere
hypotheekrenten, wijst de NBB (2018a) onder meer op het feit dat in 2017 opnieuw vaker geopteerd werd
voor kredieten met lange looptijden20. Bovendien lenen Belgische huishoudens voor steeds grotere
bedragen (NBB, 2018a): in 2017 bedroeg het gemiddelde kredietbedrag maar liefst 155 100 euro
(BVK, 2018). De NBB (2018a) constateerde ook dat de Debt-Service-To-Income ratio (DSTI)21 in 2017,
ondanks de langere looptijden, lichtjes toenam. Van 8 % van de Belgische gezinnen ging namelijk meer
dan de helft van het inkomen naar de maandelijkse afbetaling (Claerhout, 2017). Een ander voorbeeld
betreffende de afbetalingslast is het feit dat 40 % van de nieuwe contracten een DSTI kent van meer dan
40 % (Dewachter & Francart, 2017). Voor sommige huishoudens wordt dit stilaan een te zware last, die
hun aflossingscapaciteit onder druk zet (Claerhout, 2017). De NBB beklemtoont ook de gevaren van een
te hoge quotiteit. In 2017 oversteeg deze in de helft van de gevallen 80 % en bij één derde zelfs 90 %
(Vanbrussel, 2018).
Ten slotte geeft de NBB (2018a) nog te kennen dat de schuldgraad van Belgische huishoudens vrij hoog
ligt: in 2017 bedroeg deze 60 % van het BBP en lag daarmee boven het Europese gemiddelde
(Vanbrussel, 2018). In dit opzicht gaf het ECSR zelfs een waarschuwing aan België (ECSR, 2016;
Dewachter & Francart, 2017). Een opmerking is hier echter wel op zijn plaats: de stijgende Belgische
schuldgraad is een stuk minder zorgwekkend rekening houdend met het feit dat veel meer gezinnen dan
vroeger een woning kunnen aankopen (Huygebaert, 2015). Aanvullend kan gesteld worden dat Belgische
huishoudens tot de meest vermogende van Europa behoren, wat maakt dat zij beter in staat zijn dergelijke
schulden te dragen (Dewachter & Francart, 2017).
De hoge schuldgraad is onder andere te wijten aan het feit dat de Belgische huizenprijzen gestaag blijven
toenemen. Vooral veel jonge gezinnen gaan zware schulden aan om de aankoop van steeds duurdere
woningen te financieren (Abbeloos, 2018; Dendooven, 2018a). De laksere kredietcondities dragen hieraan
bij en moedigen gezinnen aan om meer schulden aan te gaan dan ze anders hadden gedaan
(Cunha et al., 2013).
20 Onder een lange looptijd wordt een periode van 20 jaar of meer begrepen (NBB, 2018a). 21 De DSTI meet het percentage van het maandelijkse bruto-inkomen dat gebruikt wordt voor de maandelijkse terugbetaling van het woonkrediet (Dewachter & Francart, 2017).
-
18
Schulden kunnen de welvaart van huishoudens verbeteren door hen toe te laten (onverwachte) schokken
op te vangen en meer te consumeren (ECSR, 2016; Zabai, 2017). Vanaf een bepaalde grens worden de
afbetalingen voor sommige huishoudens echter te groot, waardoor te weinig ruimte overblijft voor
consumptie (Abbeloos, 2018). Dit kan uiteindelijk de economische groei negatief beïnvloeden
(Zabai, 2017).
Geert Peersman (2018, p. 1), econoom aan de UGent, wees al op de gevaren van een hoge schuldgraad:
Als er iets is wat de financiële crisis ons heeft geleerd, is dat een hoge schuldgraad van
gezinnen een land zeer kwetsbaar maakt voor renteverhogingen of het uitbreken van een
recessie. Gezinsschulden vormen op dat vlak een veel groter risico dan de overheidsschuld.
Ondanks al deze uitdagingen, dient wel opgemerkt te worden dat er de laatste jaren steeds minder
kredietnemers zijn die niet in staat zijn hun krediet terug te betalen (NBB, 2018a). Het aantal
wanbetalingen zo laag mogelijk houden, is dan ook deel van het mandaat van de NBB, die in 2014
benoemd werd tot macroprudentiële autoriteit (Dewachter & Francart, 2017). Het beleid dat zij hiertoe
voert, is erop gericht de stabiliteit van de bankensector in zijn geheel te waarborgen
(De Financiële Begrippenlijst, s.d.-a).
Niet alleen de NBB maakt zich echter zorgen om de recente ontwikkelingen in ons land. In haar beleid
werkt de NBB namelijk samen met andere autoriteiten, zoals de ECSR die België in 2016 nog een
waarschuwing gaf. De ECSR (2016) identificeerde in haar studie elf landen, waaronder België22, die de
laatste jaren kwetsbaarder zijn geworden door ontwikkelingen op de vastgoedmarkt.
Als antwoord op de waarschuwing die België toen kreeg, voerde de NBB (2018a) in 2017 een nieuwe
macroprudentiële maatregel in. Daarbij behoudt ze eerst en vooral de reeds bestaande maatregel die
voor alle hypothecaire kredieten een verhoging van het risicogewicht met 5 %-punt oplegt. Daarbovenop
komt nu een proportioneel hogere kapitaalvereiste voor banken met een risicovoller portfolio. Meer
bepaald zal voor deze banken het initiële risicogewicht nog vermenigvuldigd worden met een factor 1,33
(NBB, 2018a).
22 Ook Estland, Finland, Luxemburg, Malta, Nederland, Oostenrijk en Slowakije werden genoemd in het onderzoek van de ECSR (2016).
-
19
2.3 Kredietcondities
Zoals ut supra vermeld, zijn kredietcondities de interne criteria die banken in acht nemen bij de
toekenning van kredieten (ECB, 2009a). Onder een versoepeling van kredietcondities wordt begrepen:
een langere looptijd, een hoger(e) kredietbedrag, DSR of quotiteit en een lagere hypotheekrente of
spread.
Ruckes (2004) en Maddaloni & Peydró (2010) bevestigen dat de kredietcondities van banken een cyclisch
verloop kennen. Meer bepaald houdt dit in dat kredietcondities te laks zijn bij goede economische
vooruitzichten en te streng in economisch ongunstige tijden. Berlin (2009) spreekt hierbij over
zogenaamde ‘lending cycles’. Dit is een systematische tendens van banken om kredieten met een
negatieve Netto Contante Waarde (NCW)23 uit te geven tijdens economische expansies en kredieten met
een positieve NCW te weigeren tijdens recessies (Berlin, 2009).
Verschillende theorieën trachten te verklaren waarom dergelijke ‘lending cycles’ bestaan. Zo geeft Ruckes
(2004) aan dat dit te maken heeft met het feit dat de informatieverzameling en de mate van concurrentie
verschillen tijdens recessies en expansies.
Banken passen hun methode van informatieverzameling aan naargelang de economische toestand.
Tijdens recessies is het bijvoorbeeld optimaal voor banken om klanten zo min mogelijk te screenen. De
achterliggende reden hiervoor is dat de proportie kredietwaardige bedrijven in dergelijke situatie
verhoudingsgewijs kleiner is. Een screening leidt dan in de meeste gevallen tot een negatieve beoordeling.
Zulke screenings leveren banken te weinig voordeel op om de gemaakte kosten en benodigde tijd te
compenseren en worden dan ook beter achterwege gelaten. Banken beschikken in dit geval dus over
minder informatie over individuele bedrijven en baseren hun beslissingen vooral op de economische
omstandigheden. Tijdens een recessie zijn deze niet zo rooskleurig, waardoor banken bijna geen kredieten
verstrekken (Ruckes, 2004).
Als de economische vooruitzichten gunstiger worden, stijgt de proportie kredietwaardige bedrijven.
Teruggrijpend naar bovenstaande redenering, wordt het optimaal voor banken om meer te screenen.
Ruckes (2004) geeft echter aan dat dit enkel geldt als het aantal kredietwaardige bedrijven onder een
bepaalde grens blijft. Boven die grens wordt het opnieuw interessanter om minder te screenen, aangezien
in dit geval het merendeel van de bedrijven kredietwaardig is (Ruckes, 2004).
23 De NCW is de som van de verdisconteerde (positieve en negatieve) toekomstige kasstromen van een krediet (Berlin, 2009).
-
20
Uit het voorgaande kan geconcludeerd worden dat er een inverse U-relatie bestaat tussen economische
vooruitzichten en de mate van screening. Banken verzamelen minder informatie over individuele klanten
als het economisch ofwel zeer goed of slecht gaat en screenen meer bij een onzekere economische
toestand (Ruckes, 2004).
Ruckes (2004) geeft daarenboven aan dat minder concurrentie leidt tot strengere kredietcondities.
Tijdens recessies doet zich minder concurrentie voor, aangezien slechts weinig banken bereid zijn een
krediet toe te staan aan een bepaalde ontlener. In dit geval geldt het zogenaamde ‘winner’s curse effect’,
wat tevens bevestigd werd door Berlin (2009). Als een ontlener verschillende banken benadert en slechts
bij één bank (de winnaar) in aanmerking komt voor een krediet, komt dit misschien doordat alle andere
banken besloten hebben dat deze persoon onvoldoende kredietwaardig is. De winnende bank moet hier
in haar eigen beoordeling rekening mee houden. Als de winnende bank uiteindelijk toch beslist een
krediet toe te kennen, zal ze bijgevolg een hogere intrest aanrekenen. In het meest extreme geval kan dit
er echter toe leiden dat een bank kredietaanvragen die door haar eigen systeem positief beoordeeld
worden, toch niet accepteert (Berlin, 2009).
Berlin (2009) noemt nog een andere verklaring voor ‘lending cycles’, namelijk het feit dat bankmanagers
bezorgd zijn om hun reputatie. Dit veroorzaakt een vorm van kuddegedrag, waarbij banken geneigd zijn
hun kredietcondities allemaal in dezelfde richting aan te passen (Berlin, 2009).
-
21
2.4 Determinanten van kredietcondities
Banken hanteren een breed scala aan kredietcondities. Vanwege deze grote diversiteit beperkt dit
onderzoek zich tot de volgende zes kredietcondities: looptijd, kredietbedrag, DSR, quotiteit,
hypotheekrente en spread. In deze sectie worden de gekozen kredietcondities eerst algemeen toegelicht,
waarna voor elk een bespreking volgt van een selectie determinanten uit eerdere onderzoeken.
2.4.1 Looptijd
Volgens Miles (2004) baseren de meeste kredietnemers zich bij de keuze van een krediet voornamelijk,
soms zelfs uitsluitend, op de grootte van de (initiële) terugbetalingen. Dit is de voornaamste reden
waarom veel huishoudens verkiezen te lenen op langere termijn. Een lange looptijd laat namelijk toe de
terugbetaling te spreiden doorheen de tijd, wat resulteert in kleinere maandelijkse afbetalingen
(Scanlon et al., 2008; Moneytalk, 2012).
Page gaf echter al in 1964 aan dat het risico toeneemt met de looptijd, aangezien er in dat geval een
grotere kans bestaat dat een onverwachte gebeurtenis de terugbetaling van het krediet verhindert. Een
bijkomend gevaar is dat lange looptijden gezinnen ertoe aanzetten om grotere schulden aan te gaan dan
ze anders hadden gedaan. Gelijktijdig zorgen de lage maandelijkse afbetalingen ervoor dat de
schuldenlast niet snel afneemt naarmate de looptijd vordert. Bijgevolg ligt de schuldgraad vaak hoger in
landen waar banken kredieten met langere looptijden aanbieden (ECSR, 2016). Ten slotte gaat een
langere looptijd gepaard met hogere totale intrestbetalingen, wat de te dragen last zwaarder maakt
(Scanlon et al., 2008; Moneytalk, 2012).
2.4.1.1 Looptijden in België versus overige eurolanden
In tegenstelling tot in sommige andere eurolanden, is de minimale of maximale looptijd van een
woonkrediet in België niet wettelijk geregeld. Een hypothecaire inschrijving24 is echter maximaal 30 jaar
geldig, waardoor banken de looptijd meestal beperken tot 30 jaar. Een langere periode is mogelijk, maar
dan zal de bank de hypothecaire inschrijving na 30 jaar hernieuwen (Hypotheek.be, 2018).
24 Aangezien een hypotheek ingeschreven wordt op het daartoe bevoegde hypotheekkantoor, heet dit een hypothecaire inschrijving (Notaris.be, s.d.).
-
22
Figuur 2.8 toont aan dat de gemiddelde looptijd in België tussen 2010 en 2016 steeds korter werd, een
evolutie mede veroorzaakt door de lage rente. Belgische huishoudens betalen hun woonkrediet
gemiddeld genomen relatief snel terug, wat blijkt uit de gemiddelde looptijd van 21,4 jaar in 2016
(ECSR, 2016). In 2017 had echter opnieuw 37,6 % van de nieuwe woonkredieten een looptijd van 20 jaar
of meer, ten opzichte van 28 % één jaar eerder (EMF, 2018; NBB; 2018c). Een mogelijke verklaring hiervoor
is de daling van het aantal herfinancieringen in 2017, aangezien de looptijd hiervoor korter is dan voor
het originele krediet (NBB, 2018c). Positief is dan weer dat het aantal kredieten met een looptijd van meer
dan 25 jaar al sinds 2007 een neerwaartse trend vertoont (NBB, 2018a).
Figuur 2.8: Looptijden bij leningsuitgifte – België (2007-2017) Bron: FSR 2018 (NBB, 2018a)
De looptijd varieert tussen de verschillende eurolanden, maar ligt meestal tussen 20 en 30 jaar, wat ook
waarneembaar is in tabel 2.1. Duitsland, Nederland en Portugal vallen hier op door hun vrij hoge looptijd
(in verhouding tot andere landen). Woonkredieten met een langere looptijd dan 30 jaar komen ook voor,
maar maken vooralsnog slechts een klein deel uit van het portfolio van banken (ECB, 2009b).
De financiële crisis heeft de gangbare looptijden drastisch veranderd. De explosieve groei van huizen-
prijzen in de aanloop van de financiële crisis creëerde namelijk betaalbaarheidsproblemen in gans Europa.
Kredietgevers zochten dan ook naar mogelijkheden om woonkredieten te ontwikkelen met lagere
maandelijkse terugbetalingen. Eén van die oplossingen was een langere looptijd, iets wat in de periode
voor de financiële crisis dan ook grootschalig toegepast werd (Scanlon et al., 2008). In 2009 stopten veel
banken met deze praktijk (en maakten tegelijkertijd ook verscheidene andere krediet-condities strenger)
(Scanlon et al., 2011). Sinds enkele jaren neemt de looptijd in verschillende landen opnieuw toe, iets wat
de ECSR (2016) zorgen baart.
-
23
Tabel 2.1: Gemiddelde looptijd - 19 eurolanden (2016)25
2.4.1.2 Determinanten van de looptijd
Hoewel de bestaande literatuur rond dit onderwerp vrij beperkt is, zijn toch verscheidene mogelijke
determinanten van de looptijd terug te vinden. Wel dient opgemerkt te worden dat deze kredietconditie,
wegens een gebrek aan beschikbare data, in dit werk niet empirisch onderzocht wordt.
Dhillon, Shilling en Sirmans publiceerden in 1990 een onderzoek naar de onderliggende determinanten
betreffende de keuze van de looptijd voor een woonkrediet. Hiervoor gebruikten zij data voor zo’n 4 000
leningstransacties tussen 1985 en 1986 in de VS. De auteurs vinden ten eerste dat een hogere quotiteit
gepaard gaat met een langere looptijd. Huishoudens met een laag vermogen hebben liefst een zo hoog
mogelijke quotiteit, aangezien dit een lagere eigen inbreng vereist. De betaalbaarheidsbeperkingen
waarmee zij geconfronteerd worden, sporen hen aan daarnaast te kiezen voor een langere looptijd
(Dhillon et al., 1990).
25 Voor een aantal landen waren geen data beschikbaar omtrent de gangbare looptijd.
-
24
Dhillon et al. (1990) vinden geen significant verband tussen inkomen en looptijd. Nochtans hadden zij
vooropgesteld dat ontleners met een laag inkomen waarschijnlijk zouden kiezen voor een langere
looptijd. Een krediet met een korte looptijd gaat namelijk gepaard met hogere maandelijkse afbetalingen,
die voor gezinnen met een lager inkomen moeilijker te dragen zijn. Hun onverwachte resultaat wijten zij
onder meer aan het feit dat ze als variabele het huidige nominale inkomen hebben opgenomen, terwijl
het permanente reële inkomen26 waarschijnlijk een betere maatstaf is (Dhillon et al., 1990).
Ontleners zijn eerder geneigd te kiezen voor een krediet met een langere looptijd in gebieden waar reële
huizenprijzen hoog zijn ten opzichte van het reële inkomen (Dhillon et al., 1990). Ook volgens de ECB
(2009b) is er een positieve relatie tussen de waarde van de woning en de looptijd. Stijgende huizenprijzen
zorgen er namelijk voor dat huishoudens grotere bedragen moeten lenen, wat enkel haalbaar is bij een
langere looptijd. Hieruit volgt evenzeer een positieve relatie tussen kredietbedrag en looptijd
(ECB, 2009b).
De meeste kredietnemers verkrijgen geen woonkrediet met een korte looptijd bij een hoge
hypotheekrente. Volgens Dhillon et al. (1990) heeft dit alles te maken met het feit dat de afbetalingslast
in dergelijk geval te zwaar zou doorwegen op hun inkomen.
Bepaalde karakteristieken van de ontlener hebben eveneens een impact op de keuze voor een lange of
korte looptijd. Dhillon et al. (1990) rekenen hieronder bijvoorbeeld de leeftijd, de samenstelling van het
huishouden en het feit of het krediet al dan niet dient voor het eerste huis.
26 Met permanent inkomen wordt bedoeld: het inkomen verdiend over een langere periode (dus niet enkel op een bepaald moment in de tijd) (De Financiële Begrippenlijst, s.d.-b).
-
25
2.4.2 Gemiddeld kredietbedrag
De beschikbare data omtrent het gemiddelde kredietbedrag bevatten te veel hiaten om op te nemen in
de regressieanalyses. Aangezien dit voor veel huishoudens echter een cruciale kredietconditie vormt,
wordt hier voor de volledigheid toch wat verder op ingegaan.
2.4.2.1 Gemiddeld kredietbedrag in België versus overige eurolanden
Figuur 2.9: Gemiddeld(e) kredietbedrag, huizenprijs en quotiteit (in duizend €) – België (1996-2017) Bron: FSR 2018 (NBB, 2018a)
Figuur 2.9 laat zien dat er een positief verband bestaat tussen het gemiddelde kredietbedrag en de
huizenprijs, althans voor België. Opvallend is dat het verschil tussen beide sinds 2005 steeds groter wordt,
wat te wijten is aan de belastinghervorming voor woonkredieten. Heel wat mensen sloten hierna een
woonkrediet af omwille van fiscale redenen, maar beperkten tegelijkertijd het bedrag om nog in
aanmerking te komen voor het belastingvoordeel (NBB, 2018a).
De financiële crisis veroorzaakte in België geen daling van het gemiddelde kredietbedrag, maar eerder
een vertraagde groei. Hetzelfde geldt voor de Belgische huizenprijzen, wat haaks staat op de
waargenomen evolutie in de rest van de eurozone. Vanaf 2015 versnelde de groei van de Belgische
kredietbedragen en huizenprijzen opnieuw, wat onder andere toe te schrijven is aan de lage
hypotheekrente en intense concurrentie (NBB, 2018a).
-
26
Ook in 2017 groeide het gemiddelde kredietbedrag in België nog steeds: Belgen leenden gemiddeld
155 100 euro voor de aankoop van hun woning, goed voor ongeveer 64 % van de gemiddelde huizenprijs.
Deze laatste vertoonde eenzelfde opwaartse tendens en bevond zich in 2017 op
242 000 euro (NBB, 2018a). Volgens de NBB (2018a) was er in 2017 zelfs sprake van een overwaardering
van de Belgische huizenmarkt met gemiddeld 6,5 %.
Figuur 2.10 toont de beschikbare data omtrent het gemiddelde kredietbedrag voor een aantal
eurolanden, waar vooral de grote spreiding in het oog springt.
Figuur 2.10: Gemiddeld kredietbedrag – 7 eurolanden (2006-2017) Bron: EMF (2018)
0,00
50 000,00
100 000,00
150 000,00
200 000,00
250 000,00
2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017
Kre
die
tbed
rag
[€]
Jaar
BELGIË
FINLAND
FRANKRIJK
IERLAND
LETLAND
SLOWAKIJE
SPANJE
-
27
2.4.2.2 Determinanten van het gemiddelde kredietbedrag
Zoals ut supra verduidelijkt werd, is de huizenprijs één van de voornaamste determinanten van het
gemiddelde kredietbedrag. Duurdere huizen verplichten veel gezinnen immers een groter krediet aan te
gaan (NBB, 2018a).
Volgens Wenli (2005) zijn huishoudens in een gunstig economisch klimaat eerder geneigd een huis te
kopen en hiervoor een groter bedrag te lenen. Kenmerkend voor zo’n klimaat zijn een afnemende
werkloosheidsgraad en inkomensstijgingen. Bijgevolg blijkt er een negatief (positief) verband te zijn
tussen de werkloosheidsgraad (het inkomen) en het gemiddelde kredietbedrag (Wenli, 2005). Cunha et
al. (2013) wijzen er bovendien op dat banken vaak kredieten toestaan met een bedrag gelijk aan een
aantal keer het gezinsinkomen, wat het positieve verband tussen inkomen en kredietbedrag bevestigt.
Volgens Wenli (2005) en de NBB (2018a) is er ten slotte een negatief verband tussen de hypotheekrente
en het kredietbedrag. Vooral jonge gezinnen lenen meer bij een lage hypotheekrente om deze gedurende
de ganse looptijd vast te klikken. Een lage hypotheekrente moedigt de keuze voor een groter bedrag ook
aan omwille van de lagere maandelijkse intrestbetaling (Wenli, 2005; NBB, 2018a).
-
28
2.4.3 DSR
De DSR komt neer op de afbetalingslast voor de ontlener en wordt als volgt gemeten
(Drehmann & Juselius, 2012; Bank voor Internationale Betalingen27, 2019a):
𝐷𝑆𝑅 =𝑖𝑛𝑡𝑟𝑒𝑠𝑡𝑏𝑒𝑡𝑎𝑙𝑖𝑛𝑔𝑒𝑛 + 𝑠𝑐ℎ𝑢𝑙𝑑𝑎𝑓𝑙𝑜𝑠𝑠𝑖𝑛𝑔𝑒𝑛
𝑏𝑟𝑢𝑡𝑜 𝑏𝑒𝑠𝑐ℎ𝑖𝑘𝑏𝑎𝑎𝑟 𝑖𝑛𝑘𝑜𝑚𝑒𝑛 𝑣𝑎𝑛 ℎ𝑢𝑖𝑠ℎ𝑜𝑢𝑑𝑒𝑛𝑠.
De som van intrestbetalingen en schuldaflossingen wordt ook wel ‘debt service costs’ genoemd en slaat
op alle schulden van huishoudens, dus ook schulden niet gerelateerd aan huisvesting (BIB, 2019a). Het
bruto beschikbaar inkomen is het geld dat huishoudens overhouden om uit te geven of te sparen na aftrek
van inkomens- en vermogensbelastingen. ‘Bruto’ slaat op het feit dat afschrijvingen op bezittingen van
huishoudens, onder andere woningen, niet in aftrek worden gebracht (Office for National Statistics, s.d.;
NBB, 2014b).
Dit blijkt een vrij nauwkeurige maatstaf te zijn om tot één of twee jaar op voorhand een bankencrisis te
voorspellen. De DSR bereikt in normale omstandigheden een piek net voor de uitbarsting van een crisis,
die bovendien vrij vergelijkbaar is tussen landen (Drehmann & Juselius, 2012).
Er wordt ook vaak gesproken over de DSTI, die het percentage van het maandelijkse bruto-inkomen meet
dat gebruikt wordt voor de maandelijkse terugbetaling van het woonkrediet. Kredietgevers gebruiken
deze ratio om te bepalen of een ontlener al dan niet in staat zal zijn het krediet terug te betalen
(Hayes, 2019a). Huishoudens met een hogere DSTI hebben meer kans op terugbetalingsproblemen in
geval van een inkomensdaling of intreststijging (Bańkowska et al., 2015). Er bestaan echter wel
mogelijkheden om de DSTI te beperken: verschillende landen, waaronder ook Estland, Nederland en
Slowakije, voerden een limiet in op de DSTI (ECSR, 2016).
Een ontlener kan deze afbetalingslast op verschillende manieren dragen. De meest voorkomende
terugbetalingsmodaliteit is deze waarbij de maandelijkse afbetaling (samengesteld uit een stijgende
kapitaalsaflossing en een dalend intrestbedrag) gedurende de ganse looptijd gelijk blijft. Een tweede
kredietvorm is deze waarbij de kredietnemer maandelijks een vaste kapitaalsaflossing betaalt, maar het
te betalen intrestbedrag afneemt. De maandelijkse afbetaling kent in dit geval dus een dalend verloop.
Bij een kleine minderheid van kredieten worden gedurende de looptijd uitsluitend intresten betaald en
wordt het kapitaal in één keer aan het einde van het contract terugbetaald. Deze formule wordt
aangeduid als de aflossingsvrije hypotheek (ECB, 2009b; Lening.org, s.d.).
27 (BIB)
-
29
In verschillende landen werden in de aanloop van de financiële crisis ook andere
terugbetalingsmogelijkheden gepromoot, zoals bijvoorbeeld ‘teaser rate’ kredieten (ECB, 2009b). Daarbij
wordt initieel een lage hypotheekrente (tot zelfs 0 %) aangerekend om kredietnemers aan te trekken, die
na verloop van tijd opgetrokken wordt (Kagan, 2018). Ten slotte bieden sommige woonkredieten een
bepaalde flexibiliteit, wat betekent dat de kredietnemer de betalingen kan uitstellen in geval van
bijvoorbeeld inkomensverlies (ECB, 2009b). Opmerkelijk is dat een volledige terugbetaling in sommige
landen niet vereist of zelfs niet gebruikelijk is (ECSR, 2016).
2.4.3.1 Determinanten van de DSR
Tot op heden werd nog niet bijster veel aandacht besteed aan de DSR en zijn determinanten, waardoor
hieronder een vrij summiere bespreking volgt van eerder onderzochte factoren.
Page (1964) vindt eerst en vooral een positief verband tussen het kredietbedrag en de maandelijkse
terugbetaling, gegeven de huizenprijs en de looptijd. Daarnaast wordt de maandelijkse terugbetaling, bij
een gegeven hypotheekrente en kredietbedrag, volgens hem kleiner bij een langere looptijd. Ook dit is
logisch, aangezien de terugbetaling in dit geval over een langere periode gespreid wordt (Page, 1964). Uit
de formule voor de DSR (Drehmann & Juselius, 2012) blijkt dat bovenstaande redeneringen ook van
toepassing zijn voor de DSR.
Volgens de ECB (2009b) is er een negatief verband tussen DSTI en inkomen. Bij gelijkblijvende
terugbetalingen geeft een inkomensstijging de ontlener namelijk meer kans om het krediet terug te
betalen (ECB, 2009b).
Zabai (2017) besluit dat de DSR hoger ligt bij een hogere schuldgraad, wat bevestigd wordt door de
ECSR (2016) die aangeeft dat dit zelfs geldt bij lage hypotheekrenten. Hogere intrestbetalingen en/of
schuldaflossingen leiden inderdaad tot een toename van de schuldgraad en bijgevolg de DSR
(Zabai, 2017).
Op zichzelf leidt een toename van de hypotheekrente dus ook tot een hogere DSR (Drehmann & Juselius,
2012; Zabai, 2017). Een wijziging aan de hypotheekrente speelt overigens een grotere rol in landen waar
kredieten met een variabele hypotheekrente overheersen (Zabai, 2017).
-
30
2.4.4 Quotiteit
De quotiteit of Loan-To-Value-Ratio (LTV) wordt gebruikt om de schuldenlast van gezinnen in verband met
woonkredieten te meten (Wenli, 2005) en wordt als volgt uitgedrukt (Cunha et al., 2013;
Vanbrussel, 2018):
𝑞𝑢𝑜𝑡𝑖𝑡𝑒𝑖𝑡 =𝑙𝑒𝑛𝑖𝑛𝑔𝑠𝑏𝑒𝑑𝑟𝑎𝑔
𝑎𝑎𝑛𝑘𝑜𝑜𝑝𝑝𝑟𝑖𝑗𝑠 𝑤𝑜𝑛𝑖𝑛𝑔.
Een quotiteit van 80 % houdt in dat vier vijfde van de aankoopprijs gefinancierd wordt met een
woonkrediet. Dit gaat dus gepaard met een relatief lage eigen inbreng van slechts 20 % (Van Espen, 2015).
De quotiteit geldt als maatstaf voor het kredietrisico (Cunha et al., 2013): hoe hoger de quotiteit, hoe
meer kans dat de opbrengsten uit de verkoop van de woning onvoldoende zullen zijn voor de
terugbetaling van het uitstaande krediet (Page, 1964).
2.4.4.1 Quotiteit in België versus overige eurolanden
Uit figuur 2.11 kan afgeleid worden dat Belgische banken tot 2012 vrij veel kredieten toekenden met een
quotiteit van minstens 80 %. Dit aandeel liep een stuk terug in 2013 en 2014, maar sinds 2015 worden
opnieuw meer kredieten verstrekt met een quotiteit van 80-100 %. Er kan wel op gewezen worden dat
het aantal woonkredieten met een quotiteit van 100 % of meer sinds 2009 voortdurend is afgenomen
(NBB, 2018a).
Figuur 2.11: Quotiteit – België (2009-2017) Bron: FSR 2018 (NBB, 2018a)
-
31
In 2007 bedroeg de quotiteit in de meeste eurolanden nog ongeveer 80 % (ECB, 2009b), maar in de jaren
nadien is de quotiteit vrijwel overal sterk gedaald. Kredieten met een quotiteit van 100 % of meer worden
namelijk beschouwd als één van de oorzaken van de financiële crisis en zijn nadien bijna volledig uit het
straatbeeld verdwenen (ECB, 2009b; Scanlon et al., 2011). Van de acht landen die in 2016 een
waarschuwing kregen van de ECSR, implementeerden al vijf landen een limiet op de quotiteit (Estland,
Finland, Nederland, Oostenrijk en Slowakije). België is één van de landen die dit nog niet ingevoerd heeft,
hoewel de federale overheid over deze bevoegdheid beschikt (ECSR, 2016).28
2.4.4.2 Determinanten van de quotiteit
De literatuur die voorhanden is in verband met de quotiteit is momenteel nog vrij summier. Helaas is ook
dit werk door het tekort aan data niet in staat een uitgebreide bijdrage te leveren.
Cunha et al. (2013) zoeken naar determinanten van de quotiteit voor een panel van meer dan 5 000
Nederlandse huishoudens tussen 1992 en 2005. De data op kredietniveau waarover zij beschikken, laten
hen toe karakteristieken van individuele ontleners op te nemen. Zo vinden zij dat de quotiteit een functie
is van verschillende socio-demografische variabelen, waaronder: belastingtarief, opleiding, aantal
gezinsleden, woonplaats en het stadium in de levenscyclus.
Er bestaat daarnaast ook een positief verband tussen inkomen en quotiteit. Deze relatie valt te verklaren
door het feit dat een inkomensstijging de kans verhoogt dat een gezin zijn krediet zal kunnen
terugbetalen. Dit laat hen dan toe een hogere quotiteit te verkrijgen (Cunha et al., 2013).
McCarthy en McQuinn (2013) onderzoeken de kredietcondities in Ierland tussen 2000 en 2010 en
besluiten dat de house-price-to-income ratio29 een negatieve impact heeft op de quotiteit. Een verklaring
hiervoor is dat huishoudens bij een hoge ratio vaak een groter deel van hun inkomen moeten gebruiken
voor de terugbetaling van het krediet. Kredietverstrekkers zijn in dit geval minder geneigd een krediet toe
te staan met een hoge quotiteit. Dezelfde auteurs vinden tevens dat een stijging van de hypotheekrente
leidt tot een groter falingsrisico en dus een lagere quotiteit (McCarthy & McQuinn, 2013).
Cunha et al. (2013) stellen ten slotte vast dat de quotiteit een dalende convexe functie is van de tijd. Dit
heeft te maken met het feit dat huizen normaal gezien in waarde toenemen, terwijl het uitstaande
kredietbedrag steeds kleiner wordt door de gedane terugbetalingen. Dit staat haaks op wat Dhillon et al.
(1990) eerder concludeerden.
28 Luxemburg zou waarschijnlijk ook baat hebben bij een limiet op de quotiteit, maar de Luxemburgse overheid heeft onvoldoende macht om deze in te voeren. Malta heeft eveneens geen limiet, maar daar blijkt dit voorlopig onnodig (ECSR, 2016). 29 De house-price-to-income ratio wordt berekend als de nominale huizenprijs gedeeld door het nominale beschikbare inkomen per capita. Dit geldt als maatstaf voor de betaalbaarheid van een woning (OESO, 2019).
-
32
2.4.5 Hypotheekrente en spread
De hypotheekrente is één van de belangrijkste factoren bij de kredietverlening (Stinglhamber et al., 2011).
Dit is de vergoeding die de kredietnemer moet betalen voor zijn hypotheek (EMF, 2015, 2018). Banken
bepalen deze als mark-up of spread bovenop de marktrente30 geldend voor de looptijd van het contract.
Deze marktrente vertegenwoordigt dan eigenlijk de opportuniteitskost voor de bank, die het geld dat
vastzit in het krediet ook risicoloos kon investeren tegen de marktrente (Bruggeman & Wouters, 2001).
De spread bovenop de marktrente dient enerzijds om de administratiekosten te dekken die de bank
oploopt bij de leningsuitgifte. Anderzijds geldt deze ter compensatie van het falingsrisico (Page, 1964;
Bruggeman & Wouters, 2001).
2.4.5.1 Soorten hypotheekrenten
Kredietnemers hebben de keuze tussen een vaste en een variabele hypotheekrente (Stephens, 2000;
ECB, 2009b), alhoewel in elk land slechts één type domineert (ECB, 2009b). Tabel 2.2 geeft een overzicht
van het meest voorkomende type hypotheekrente in elk euroland31.
Tabel 2.2: Dominante hypotheekrente - 19 eurolanden (2016)
30 Er bestaat zowel een marktrente op korte termijn (geldmarktrente) als op lange termijn (kapitaalmarktrente). Als maatstaf voor de geldmarktrente wordt meestal de EURIBOR gehanteerd, terwijl voor de kapitaalmarktrente meestal gekeken wordt naar de rente op overheidsobligaties. (Homefinance.nl, s.d.-a, s.d.-b). 31 Voor een aantal landen waren geen data beschikbaar omtrent de dominante hypotheekrente.
-
33
2.4.5.1.1 Vaste hypotheekrente
In een kleine minderheid van landen, namelijk België, Duitsland, Frankrijk en Nederland, overheersen
kredieten met een vaste hypotheekrente. De duur hiervan kan echter wel verschillen: zo kiezen Belgische
gezinnen meestal voor een hypotheekrente die gedurende de ganse looptijd vast blijft (ECB, 2009b;
Saelens, 2014). Dit biedt de kredietnemer de zekerheid dat de te betalen hypotheekrente n