De waarde van Value at Risk
|
|
- Lennert Veenstra
- 8 jaren geleden
- Aantal bezoeken:
Transcriptie
1 De toepasbaarheid van Value at Risk op beleggingen in direct vastgoed Master Thesis MSRE Amsterdam School of Real Estate ir. Ruben A.R. Langbroek September 2008
2 Voorwoord De Griekse filosoof Plato (347 v.chr.) introduceerde de gedachte dat verandering per definitie slecht is, aangezien verandering opgevat kan worden als een verstoring van de kosmos. Tegenwoordig ligt dat beeld genuanceerder: veranderingen kunnen als positief of negatief ervaren worden. Wel kan gesteld worden dat verandering leidt tot ongewisse situaties en dus niet zonder risico is. Risico kan worden gezien als de kans op een negatieve gebeurtenis. Op de beleggingsmarkt wordt risico volgens de gedachte van Plato dan ook voornamelijk als niet wenselijk beschouwd. Echter, indien er voldoende rendement tegenover staat, kan risico zeer zeker acceptabel zijn. Het gaat er vervolgens wel om die risico s beheersbaar te maken. Dit kan door een beter inzicht te krijgen van het maximaal te lopen risico, oftewel een inschatting van de gevolgen van één of meerdere negatieve gebeurtenissen volgens het worst case scenario. Dat is precies wat de methode van Value at Risk (VaR) doet en waar dit onderzoek op ingaat. In essentie geeft de VaR methode antwoord op de simpele vraag: hoe erg kan het worden? Door het gebruik van deze risico management methode kan het optreden van grote negatieve momenten binnen de beleggingsportefeuille beheerst worden. Onderhavige Master Thesis, uitgevoerd in het kader van afronding van mijn MSRE studie, richt zich op de toepassing van de VaR methode op een direct vastgoed portefeuille. Doelstelling is te achterhalen in hoeverre de methode in staat is het maximale verlies op een vastgoedbeleggingsportefeuille te voorspellen. Hierbij zou ik graag iedereen die heeft bijgedragen aan de totstandkoming van deze Master Thesis willen bedanken. Mijn dank gaat met name uit naar mijn begeleider Ronald Huisman. Hij heeft mij meer inzicht gegeven in de wereld der statistiek en daarnaast sturing gegeven in het stellen van de juiste vragen. Dit onderzoek dient de lezer de juiste antwoorden op die vragen te geven. Het biedt daarmee inzicht in de VaR methode en de mogelijke toepassing ervan op direct vastgoed. Indien de tekortkomingen van toepassing van de methode in acht worden genomen, blijkt deze van toegevoegde waarde bij het nemen van beleggingsbeslissingen. Toepassing van de VaRmethode vindt tot op heden echter nog nauwelijks plaats, iets wat in de toekomst ongetwijfeld zal veranderen. De vraag is vervolgens of ook díe verandering als negatief moet worden beschouwd. Wel kan worden aangenomen dat, indien de VaR methode ruim 2000 jaar eerder ontwikkeld was, Plato optimistischer geweest zou zijn ten aanzien van verandering. Ruben Langbroek Utrecht, september
3 Inhoudsopgave Samenvatting...4 Hoofdstuk 1 Inleiding Aanleiding Probleemschets Probleemstelling Plan van aanpak Uitgangspunten en afbakening onderzoek...10 Hoofdstuk 2 Risicomanagement volgens Value at Risk De Value at Risk methode Definitie VaR Formules voor VaR Numerieke VaR Parametrische VaR VaR methoden Historische simulatie Gestructureerde VaR Alternatieve toepassing VaR methode Beperking principe VaR Beperkingen gebruik VaR Geldigheid van historische data Veronderstelling van normaliteit Liquiditeit van de portefeuille Voordelen VaR...21 Hoofdstuk 3 Toepasbaarheid Value at Risk Rendementsverdeling Karakteristieken vastgoed Smoothing en lagging Beschikbaarheid historische reeksen Normale verdeling: vier momenten Eerste moment: gemiddelde of verwachte waarde Tweede moment: variantie Derde moment: skewness Vierde moment: kurtosis Portfolio s en dikke staarten Niet normale verdeling Alternatieve verdelingen Student t verdeling Niet centrale Student t verdeling Controle van overeenkomst met verdeling...30 Hoofdstuk 4 Toetsing op normaliteit Onderzoek naar verdeling Opzet toetsing Toetsing van reeksen Toetsing van rendement componenten Rendementkarakteristieken Toetsing op normaliteit: stress testing Stress test van rendementen op indexniveau Stress test van rendementen op portefeuilleniveau
4 4.5 Conclusies toetsing op normaliteit...35 Hoofdstuk 5 Testen toepasbaarheid VaR Testen van gekozen verdeling Betrouwbaarheidsinterval Holding period Testen van toepasbaarheid: back testing Back testing VaR op basis van 95% betrouwbaarheidsinterval Back testing VaR op basis van 99% betrouwbaarheidsinterval Conclusies back testing...39 Hoofdstuk 6 Conclusies Conclusies Praktische validiteit Praktische toepasbaarheid Aanbevelingen Aanbevelingen ten behoeve van vervolgonderzoek Aanbevelingen ten behoeve van toepassing Tot slot...44 Literatuur...45 Bijlage I De VaR methode nader toegelicht...48 Bijlage II VaR ten behoeve van beleggingsbeslissingen...52 Bijlage III Standaard normale tabel...55 Bijlage IV Resultaten analyse datareeksen
5 Samenvatting Door de effecten van diverse marktontwikkelingen lopen beleggers in direct vastgoed financieel risico op hun beleggingsportefeuille. Risico management is daardoor van toenemend belang. Het gaat er daarbij om de aanwezige risico s inzichtelijk te maken, om vervolgens te kunnen beoordelen of die risico s al dan niet acceptabel zijn. Op basis daarvan kan de blootstelling aan de te lopen risico s aangepast worden, zodat het daadwerkelijke risicobeeld overeenkomt met het gewenste rendement/risico profiel van de beleggingsportefeuille. Er zijn diverse manieren om de te lopen risico s inzichtelijk te maken en te kwantificeren. Hierbij dienen echter slechts de negatieve gebeurtenissen in het rendementsverloop beschouwd te worden, aangezien de positieve gebeurtenissen eerder kansen zijn. Risico heeft anders gezegd uitsluitend betrekking op verlies. De VaR methode is op dit principe gebaseerd en stelt zich ten doel het risico samen te vatten, door het maximale verlies te voorspellen binnen een bepaalde tijdshorizon voor een gekozen betrouwbaarheidsinterval. Door het gebruik van de VaR als risico management methode, kan de blootstelling aan grote negatieve momenten beoordeeld, gecontroleerd en verminderd worden. In onderhavig onderzoek is nagegaan of de VaR methode toepasbaar is op direct vastgoedbeleggingen, om ook voor deze beleggingscategorie meer inzicht te kunnen geven in de omvang van de aanwezige risico s. De centrale onderzoeksvraag is derhalve als volgt: In hoeverre heeft de VaR methode het vermogen de omvang van het maximale verlies op een direct vastgoed beleggingsportefeuille te voorspellen? De VaR kan gedefinieerd worden als het maximale verlies dat kan ontstaan op een beleggingspositie door normale marktbewegingen in een bepaalde periode, gebaseerd op een time to close benadering, uitgaande van een vastgesteld betrouwbaarheidsinterval. Daarbij kan de VaR op basis van een numerieke of een parametrische benadering berekend worden. Bij de twee benaderingen behoren ook twee verschillende toepassingsmethoden, te weten de historische simulatie en de gestructureerde VaR. De gestructureerde VaR methode heeft een aantal voordelen in het gebruik ervan, zoals de mogelijke toepassing bij een klein aantal waarnemingen, de mogelijkheid tot eenvoudige conversies naar andere betrouwbaarheidsintervallen en naar een andere tijdshorizon. Het maakt het daarnaast mogelijk een bepaalde mate van voorwaardelijkheid te verwerken in de VaR schatting, waardoor betere voorspellingen mogelijk zijn. Deze gestructureerde VaRmethode gaat echter uit van een aantal voorwaarden, zoals de aanname dat rendementen onafhankelijk zijn en dat ze een constante variantie hebben. De belangrijkste aanname voor een accurate parametrische VaR schatting is de aanname dat rendementen normaal verdeeld zijn. Diverse studies hebben reeds aangetoond dat een dergelijke normale verdeling geen juiste beschrijving is van het beeld van gerealiseerde rendementen van diverse beleggingscategorieën. Dit betekent dat de aanname betreffende de normale verdeling resulteert in een verkeerde schatting van de te lopen risico s en dus van de verkregen 4
6 parametrische VaR waarde. Voor het toepassen van de parametrische VaR op direct vastgoed, dient daarom onderzocht te worden hoe de verdeling van direct vastgoed rendementen zich verhoudt ten opzichte van de normale verdeling. Van belang daarbij is niet zozeer of vastgoedrendementen normaal verdeeld zijn, maar of een afwijking ten opzichte van die normale verdeling een dusdanig verschil geeft in het toepassen van de gestructureerde VaRmethode, dat de resultaten ervan onvoldoende betrouwbaar zijn. Vanuit literatuurstudies ten aanzien van de VaR methode, is onderzocht in hoeverre de theorie achter deze methode toepasbaar is op vastgoedbeleggingen. Daarnaast is op basis van historische rendementen gekeken of de verdeling van direct vastgoed beleggingen voldoet aan de voorwaarden die de gestructureerde VaR methode stelt. Vervolgens is door middel van back testing gekeken of de uitkomsten van de parametrische VaR overeen komen met empirische resultaten. Aan de hand hiervan is geëvalueerd of de verkregen VaR waarden voldoende betrouwbaar zijn. De voorwaarden waar de beide VaR benaderingen van uitgaan, impliceren tegelijkertijd een aantal beperkingen ten aanzien van de toepassing ervan in het algemeen en ten aanzien van toepassing op direct vastgoed beleggingen in het bijzonder. Indien de numerieke VaR als ex ante methode wordt ingezet, dan dienen aannamen gedaan te worden over de toekomstige situatie, op basis van historische simulatie. Ook voor toepassing van de parametrische VaR, welke is gebaseerd op de waarschijnlijkheidsverdeling van verwachte rendementen, dienen aannamen gedaan te worden op het gebied van de kansverdeling van het verwachte rendement. In beide gevallen wordt ervan uitgegaan dat de statistische karakteristieken uit het verleden een goede maatstaf zijn voor de toekomst. Het probleem dat zich bij het hanteren van dit uitgangspunt voordoet, is dat resultaten uit het verleden geen garantie bieden voor de toekomst. De projectie van rendementsberekeningen op een toekomstige periode is bijvoorbeeld afhankelijk van conjunctuurschommelingen. Tevens kunnen historische datareeksen beïnvloed zijn geweest door onverwachte, incidentele gebeurtenissen. Bij het gebruik van historische datareeksen wordt de context waaronder die reeks tot stand kwam niet meegenomen. Het niet kennen van die context beperkt de representativiteit van de datareeks in het gebruik ervan. Het principe van de VaR gaat er voorts van uit dat, indien het maximale verlies niet acceptabel wordt geacht, direct ingegrepen kan worden door het aanpassen of afbouwen van de risicovolle beleggingspositie. Dit vereist een redelijke mate van liquiditeit van de betreffende belegging. Vanwege het illiquide karakter van direct vastgoed is dit echter minder acuut mogelijk, waardoor niet gereageerd kan worden in de zin van een direct te treffen corrigerende maatregel. Uit diverse onderzoeken is voorts gebleken dat de rendementsverdeling van verschillende beleggingsklassen niet volledig correspondeert met de parametrische normale verdeling. De voorwaarde van normaliteit van de betreffende verdeling is echter van groot belang voor een correcte toepassing van de gestructureerde VaR methode voor direct vastgoed. Om te bepalen in hoeverre heeft deze VaR methode het vermogen heeft de omvang van het maximale verlies op een Nederlandse kantorenportefeuille te voorspellen, is via stress testing onderzocht in welke mate direct vastgoed voldoet aan het normaal verdeeld zijn. 5
7 Vervolgens is via back testing de discrepantie gemeten tussen de historische waarden en de waarden zoals deze verwacht zouden worden volgens de normale verdeling. De bij de testen gehanteerde reeksen zijn gebaseerd op de ROZ/IPD Kantorenindex op jaar en kwartaalbasis, alsmede op een fictieve portefeuilleselectie. Daarbij is onderscheid gemaakt tussen het totaal rendement en de componenten daarvan, het direct en indirect rendement. Aangezien deze componenten op verschillende wijze tot stand komen, dienen ook de karakteristieken ervan apart beschouwd te worden. Uit de resultaten van de stress test blijkt dat normaliteit bij rendementen van Nederlandse direct vastgoed beleggingen niet zonder meer verworpen kan worden. Wel zijn er verschillen te constateren in de mate waarin de beschouwde rendementsverdelingen overeen komen met de normale verdeling. Uit de back tests is gebleken dat de via de gestructureerde methode verkregen parametrische VaR bij een lager betrouwbaarheidsinterval in een aantal gevallen een redelijke inschatting geeft van de daadwerkelijke maximale verliezen. In alle gevallen geeft de parametrische VaR voor het direct rendement de beste schatting. Op basis van de gehanteerde jaar en kwartaalreeksen kan geconcludeerd worden dat het hanteren van een grotere tijdsinterval tussen rendementen leidt tot een verdeling die meer neigt richting een normale verdeling. Tevens kan geconcludeerd worden dat de afwijkingen tussen de parametrische VaR en de numerieke VaR toenemen, naarmate het betrouwbaarheidsinterval toeneemt. Blijkbaar kan de parametrische VaR voor direct vastgoed minder goed omgaan met extreme waarden in de linker staart van de verdeling. De numerieke VaR kent deze problemen niet. Echter, door factoren als tijdsvariatie en de beperkte beschikbaarheid van betrouwbare en voldoende lange datareeksen, ligt de uitdaging bij toepassing van historische simulatie in het zo goed mogelijk laten aansluiten van de gehanteerde historische verdeling van rendementen op de toekomstige verdeling. Samenvattend blijkt de VaR methode in een aantal gevallen in staat de omvang van het maximale verlies op een direct vastgoed beleggingsportefeuille te voorspellen, echter strekt het tot aanbeveling de resultaten van de VaR analyses met voorzichtigheid te interpreteren. Vanwege het illiquide karakter van direct vastgoed kan geconstateerd worden dat praktische toepasbaarheid van de VaR voor direct vastgoed beleggingen beperkt is. Desalniettemin is toepassing van de VaR methode voor direct vastgoed beleggingen gewenst. Ten eerste kan de VaR een belangrijke ondersteuning bieden bij het samenstellen van een efficiënte portefeuille, aangezien de VaR methode uitgaat van het Downside Risk principe. Voorts geeft de VaR inzicht in een worst case scenario, waardoor een belegger in elk geval een uitspraak kan doen op het gebied van de acceptatie van de uitkomsten volgens dat scenario. Tot slot draagt de VaR bij aan een completer beeld van het rendement/risico profiel voor direct vastgoedbeleggingen. Door middel van financieel risico management kan meer inzicht in risico s verkregen worden en kunnen betere beleggingsbeslissingen genomen worden. Feitelijk is geen enkel risicomanagement systeem perfect, maar de VaR methode kan wel degelijk van toegevoegde waarde zijn, indien men de tekortkomingen in acht neemt. 6
8 Hoofdstuk 1 Inleiding Risk, it seems, is the ultimate unknown (S. Das) 1.1 Aanleiding Alles is aan verandering onderhevig. Veranderingen kunnen positief of negatief zijn, maar leiden altijd tot risico. Zo heeft de recente kredietcrisis ervoor gezorgd dat de liquiditeit in de Europese vastgoedmarkten sterk is gedaald, dat aanvangsrendementen van vastgoedbeleggingen zijn gestegen en dat daardoor marktwaarden van direct vastgoed neerwaarts zijn bijgesteld. Dit heeft invloed op de waarde van vastgoedportefeuilles en zodoende ook op het indirect resultaat van vastgoedbeleggers. Naast een negatievere economische groeiverwachting, die zowel het direct als het indirect resultaat beïnvloedt, zijn er nog talloze overige externe ontwikkelingen, waardoor vastgoedbeleggers financieel risico op hun beleggingsportefeuille lopen. Financieel risico management is in dit licht van toenemend belang voor vastgoedbeleggingsorganisaties. Risico is een breed begrip en het management daarvan kan op vele manieren geschieden. Risico management impliceert echter niet dat alle risico s afgedekt of volledig geëlimineerd dienen te worden. Over het algemeen geldt bovendien dat beleggers juist kiezen voor het lopen van risico, zolang dit wordt vergoed door een hoger rendement dan het rendement van een risicovrije belegging. Risico management richt zich dan ook voornamelijk op het inzichtelijk maken van de aanwezige risico s, om vervolgens te kunnen beoordelen of die risico s acceptabel zijn of niet. Het gaat er dus om inzicht te krijgen in welke risico s men nog acceptabel acht, welke risico s men momenteel reeds loopt en het aanpassen van de blootstelling aan de te lopen risico s, zodat het risicobeeld overeenkomt met het gewenste rendement/risico profiel. Er zijn diverse manieren om de te lopen risico s inzichtelijk te maken en te kwantificeren. Deze methoden gaan veelal uit van berekeningen, waarbij het risico uitgedrukt wordt als de afwijking ten opzichte van het behaalde, dan wel verwachte rendement. In de statistiek wordt deze spreiding berekend door middel van de standaarddeviatie, waarmee in één getal de spreiding rond de gemiddelde waarde van de datareeks wordt weergegeven. De standaarddeviatie alleen zegt echter niets over het maximale verlies dat kan optreden door het aanhouden van een beleggingspositie. Dit inzicht is wel van belang, aangezien beleggers willen weten wat de uitkomst is van een worst case scenario met betrekking tot het portefeuillerendement. Een dergelijk inzicht kan geboden worden door middel van de Value at Risk methode (VaR methode), welke het te verwachten maximale verlies op een beleggingspositie over een bepaalde periode weergeeft. 1.2 Probleemschets Risico analyse is van toenemend belang voor beleggers, aangezien het niet alleen gaat om het te verwachten rendement, maar juist ook om het kader waarin dat rendement tot stand komt. Er wordt zodoende steeds meer gesproken over het rendement/risico profiel van een belegging. Reeds in de jaren 50 werd met behulp van de Moderne Portefeuille Theorie het verband gelegd tussen rendement en risico. Inmiddels bestaan er diverse risico analyse 7
9 methoden, waarbij veelvuldig gebruik wordt gemaakt van statistische berekeningsmodellen om het risico van een beleggingsportefeuille in kaart te brengen. De meest populaire en traditionele manier om risico s te meten, is door gebruik te maken van volatiliteit of spreiding. Deze risico indicator heeft echter enkele tekortkomingen (zie o.a. Sortino e.a., 1991, 1996; Plantinga e.a., 2001; Van Polanen Petel, 2005). De belangrijkste tekortkoming is dat de standaarddeviatie geen rekening houdt met de richting van de beweging van het rendement van een belegging. Zo kan volatiliteit ontstaan doordat het rendement plots stijgt, terwijl dit door de belegger niet als negatief hoeft te worden gezien. Feitelijk wordt bij toepassing van deze methode ook positieve afwijkingen ten opzichte van het behaalde of verwachte rendement als risico beschouwd, terwijl dit eerder kansen zijn. Het gaat er dus om slechts de negatieve gebeurtenissen in het rendementsverloop inzichtelijk te maken. Risico heeft anders gezegd voornamelijk betrekking op verlies en de VaR is juist daarop gebaseerd. Het feit dat de VaR de vraag beantwoordt wat volgens een worst case scenario dat maximale verlies zou kunnen zijn, maakt de VaR tot een gewenste risico indicator. De VaR wordt in de financiële wereld dan ook steeds meer gebruikt, naast de eerder genoemde risicoindicator van de standaarddeviatie. Een andere risico analyse methode die eveneens uitgaat van het zelfde principe als de VaR, is de Downside Risk methode. Bij die methode geeft de Downside Deviation inzicht in de negatieve gebeurtenissen, evenals de daarvan afgeleide indicatoren als de semi variantie en de Sortino ratio. De VaR is echter de enige methode die de aanwezige risico s vertaalt naar een schatting van het daadwerkelijke verlies dat door die risico s kan worden geleden. De VaR kwantificeert de omvang van de risico s op basis van statistische analyse van rendementen en volatiliteit. Nagegaan moet worden of, en zo ja, hoe deze methode toepasbaar is of gemaakt kan worden voor direct vastgoed beleggingen, om ook voor deze beleggingscategorie meer inzicht te kunnen geven in de omvang van de aanwezige risico s. Doel is om door middel van toepassing van financieel risico management volgens de VaRmethode risico's beter inzichtelijk en daarmee beheersbaar te maken, zodat betere beleggingsbeslissingen genomen kunnen worden. 1.3 Probleemstelling Naar aanleiding van de beschreven aanleiding en probleemschets, luidt de centrale onderzoeksvraag als volgt: In hoeverre heeft de VaR methode het vermogen de omvang van het maximale verlies op een direct vastgoed beleggingsportefeuille te voorspellen? Om een gedegen antwoord te kunnen geven op deze centrale onderzoeksvraag, dient deze uitgesplitst te worden naar de navolgende deelvragen: Wat houdt de VaR methode in en wat zegt de literatuur over de toepasbaarheid ervan op vastgoed als beleggingscategorie in het algemeen en op een direct vastgoed portefeuille in het bijzonder? 8
10 Op welke wijze kan de VaR methode toegepast worden op een direct vastgoedportefeuille? Wat is de optimale methode om het maximaal mogelijke verlies op een direct vastgoedportefeuille te bepalen? 1.4 Plan van aanpak Voor het onderzoek wordt het plan van aanpak aangehouden, zoals is afgebeeld in figuur 1.1. Literatuurstudie Financieel risicomanagement Value at Risk: theoretische achtergrond Theoretisch kader Karakteristieken direct vastgoed beleggingen Value at Risk: voorwaarden Voorwaarden gebruik VaR bij direct vastgoed Praktisch kader toepassing VaR Toetsing voorwaarden bij gebruik VaR Signaleren knelpunten bij toepassing direct vastgoed Opstellen oplossingen: toepassing VaR Toetsing en validatie Toetsing oplossingen: beoordeling VaR resultaten Conclusies en aanbevelingen Figuur 1.1: Plan van aanpak 9
11 Het plan van aanpak omvat de navolgende stappen: 1. Literatuurstudie naar financieel risico management en de vastgoedbeleggingsmarkt. Doel van de literatuurstudie is het verkrijgen van inzicht in de VaR methode, evenals de karakteristieken van vastgoedbeleggingen en de bijhorende vastgoedmarkt. 2. Analyse van de voorwaarden voor toepassing van de VaR methode. Analyse van de uitgangspunten en voorwaarden waarop de VaR is gebaseerd, om inzicht te verkrijgen hoe de VaR gemeten kan worden en welke input componenten daarvoor bekend dienen te zijn. 3. Onderzoek naar de mate van toepasbaarheid van de VaR methode. Vanuit de literatuurstudie en de VaR methode, wordt onderzocht in hoeverre de VaRmethode toepasbaar is op vastgoedbeleggingen. Daarbij wordt op basis van historische rendementen gekeken of de verdeling ervan voldoet aan de voorwaarden die de VaRmethode stelt. 4. Toepassen van de VaR methode op direct vastgoedbeleggingen. Indien voldaan wordt aan de voorwaarden van VaR, wordt door middel van backtesting gekeken of de uitkomsten van de VaR overeen komen met empirische resultaten. Indien niet voldaan wordt aan de voorwaarden, dan wordt gekeken of een alternatieve toepassing van de VaR methodiek tot betere resultaten leidt. 5. Evaluatie, terugkoppeling en conclusies. Aan de hand van de uitkomsten van de back tests, kan geëvalueerd worden of de resultaten overeenkomen met de verwachtingen. Eventueel kan terugkoppeling plaatsvinden naar de alternatieve VaR toepassing. Ten slotte worden er conclusies getrokken en aanbevelingen gedaan. 1.5 Uitgangspunten en afbakening onderzoek De VaR meet het marktrisico op een beleggingspositie. Met marktrisico wordt in dit kader bedoeld het potentieel van veranderingen van de waarde van een beleggingspositie, zijnde een direct vastgoed beleggingsportefeuille, veroorzaakt door veranderende marktomstandigheden. Risico wordt hierbij gezien als de mate van onzekerheid van toekomstige rendementen. Het onderzoek richt zich op de toepassing van de VaR methode op een direct vastgoedbeleggingsportefeuille. Het betreft hierbij een vastgoedportefeuille bestaande uit kantorenobjecten in Nederland. De data die hiervoor wordt gebruikt is afkomstig uit de database van de ROZ/IPD Vastgoedindex. Als uitgangspunt geldt dat de rendementen van kantoren, zoals opgenomen in de ROZ/IPD Vastgoedindex voor kantoren (ROZ/IPD Kantorenindex), een correcte weerspiegeling zijn van de rendementen van de totale kantorensector voor het marktsegment van institutionele beleggers. 10
12 Het totaal rendement wordt gevormd door het direct rendement, voortkomend uit het netto exploitatieresultaat, en het indirect rendement, welke de waardegroei van de betreffende belegging betreft. Deze twee componenten van het totaal rendement zijn weliswaar aan elkaar verbonden, toch komen zij op verschillende wijze tot stand. Hierdoor zou verondersteld mogen worden dat de karakteristieken van de betreffende verdelingen ook verschillend zijn. De analyse dient daarom zowel op het niveau van beide rendementcomponenten, als op het niveau van het totaal rendement uitgevoerd te worden. Aangezien het in het kader van dit onderzoek gaat om het maximale verlies op een beleggingsportefeuille, wordt op het niveau van een fictieve beleggingsportefeuille gekeken naar het al dan niet normaal verdeeld zijn van het portefeuillerendement. Er wordt uitgegaan van het reeds eerder geconstateerde feit dat individuele objectrendementen niet normaal verdeeld zijn. Er dient aldus getoetst te worden of rendementen op portefeuilleniveau wél normaal verdeeld zijn. Om te kunnen concluderen welke verdeling het meest geschikt is om de VaR voor direct vastgoed beleggingen toe te passen, wordt onderzocht hoe vaak daadwerkelijke verliezen op portefeuilleniveau de voorspelde VaR overtreft. Dit wordt gedaan op basis van een 95% en 99% betrouwbaarheidsinterval. Als de verdeling correct is gekozen, dan zou verwacht kunnen worden dat verliezen de voorspelde VaR respectievelijk in 5% en 1% van de gevallen zouden overtreffen. 11
13 Hoofdstuk 2 Risicomanagement volgens Value at Risk The loss which is unknown, is no loss at all (P. Syrus) 2.1 De Value at Risk methode Value at Risk (VaR) is een verzamelnaam voor verschillende technieken die hun oorsprong vinden in de oorspronkelijk in 1994 door zakenbank J.P. Morgan ontwikkelde methode genaamd RiskMetrics. Deze methode is ontwikkeld om financieel portefeuillerisico te definiëren en te kwantificeren en stelt deelnemers aan de financiële markten in staat om de blootstelling ten aanzien van marktrisico in te schatten. Met behulp van de VaR wordt uitsluitend het risico gemeten in termen van potentieel verlies op een beleggingspositie of portefeuille. De VaR geeft aldus een uitdrukking aan het neerwaartse risico en is daarmee onderscheidend ten opzichte van overige risico indicatoren. De VaR methode steunt op de in de jaren 50 door econoom Harry Markowitz ontwikkelde Moderne Portefeuille Theorie (MPT), waarin het risico dat aan een beleggingsinstrument of meerdere instrumenten verbonden is, uitgedrukt wordt door middel van de standaarddeviatie van het rendement. De standaarddeviatie vormt daarbij een maat voor de spreiding van het rendement. De VaR methode gaat echter uit van Downside Risk, waarbij alleen de negatieve afwijkingen ten opzichte van het gemiddelde, oftewel de resultaten in de linker staart van de verdeling worden beschouwd [Booth e.a., 2005]. Indien ervan uitgegaan wordt dat het rendement normaal verdeeld is, kunnen vervolgens betrouwbaarheidsintervallen geformuleerd worden. Hiermee kan vastgesteld worden met welke kans de uitkomst van het te verwachten rendement zich binnen het geformuleerde interval bevindt. Daarmee kan dus ook vastgesteld worden met welke kans het rendement buiten het interval treedt. Dit is feitelijk het principe waarop de VaR methode gebaseerd is. 3 2,5 frequentie 2 1,5 1 0, rendement Figuur 2.1: Normale verdeling van rendementen met de resultaten in de linker staart als Downside Risk 12
14 2.2 Definitie VaR Om de VaR toe te passen, dient eerst nader gekeken te worden naar het principe waarop de VaR gebaseerd is. Een in de literatuur vaak gehanteerde definitie benadrukt vier kernelementen van het VaR principe [Jorion, 2001]: Het maximale verlies dat kan ontstaan op een positie door normale marktbewegingen in een bepaalde periode, gebaseerd op een time to close benadering, uitgaande van een vastgesteld betrouwbaarheidsinterval. Bovenstaande definitie omvat een aantal aandachtspunten dat van belang is bij toepassing van de VaR methode. Zo wordt gesproken over een positie, waarmee bedoeld wordt een belegging, maar in principe komen alle risicodragende instrumenten in aanmerking voor een VaR berekening. Daarnaast wordt gesproken over normale marktbewegingen. Hiermee wordt bedoeld dat slechts indien de markt zich niet significant anders ontwikkelt dan in een zekere periode in het verleden is gebeurd, de VaR kan worden bepaald. De VaR methode maakt daarbij mede gebruik van de normale verdeling, waarbij verondersteld wordt dat de kansverdeling van de betreffende rendementen normaal verdeeld is. De geobserveerde data dienen dus aan de eisen van een normale verdeling te voldoen. Hierop wordt in hoofdstuk 3 nader ingegaan. Ten derde wordt in de definitie van de VaR gesproken over de periode waarover het risico gelopen wordt ( holding period of time to close period ). Hiermee wordt bedoeld de periode die nodig is om de risicodragende positie volledig af te bouwen of te liquideren. Dit zou in het kader van dit onderzoek impliceren dat deze periode, indien de VaR wordt toegepast voor een vastgoedportefeuille, ten minste gelijk zou moeten zijn aan de periode die benodigd is om alle vastgoedobjecten te verkopen. In hoofdstuk 5 wordt nader ingegaan op de te kiezen tijdshorizon. VaR uitkomsten op dagbasis kunnen overigens via de zogenaamde wortel t formule omgerekend worden naar uitkomsten op basis van een holding period op maand of jaarbasis, om ze onderling vergelijkbaar te maken. Zie bijlage I voor de betreffende formules. Tot slot wordt gesproken over een vastgesteld betrouwbaarheidsinterval. Het is onmogelijk een uitspraak te doen omtrent het maximale potentiële verlies met een zekerheid van 100%, zonder in te boeten aan de realiteitsgehalte van de uitkomst. Daarnaast heeft de waarde van het betrouwbaarheidsinterval ook een relatie met de mate van risico aversie die gewenst is. Door de veronderstelling van een normale verdeling van rendementen is het bovendien logisch om met het zogenaamde kwantiel begrip uit de kansverdeling te werken. De keuze voor de waarde van het betrouwbaarheidsinterval bij de VaR metingen is echter arbitrair en wordt in de praktijk veelal tussen de 90% en de 99% genomen [De Wit, 2008]. 2.3 Formules voor VaR De VaR kan op basis van een numerieke benadering of een parametrische benadering berekend worden. Bij de twee benaderingen behoren ook twee verschillende toepassingsmethoden, die in paragraaf 2.4 beschreven worden. 13
15 2.3.1 Numerieke VaR De numerieke VaR kan bepaald worden in termen van absoluut verlies, de absolute VaR, of in termen van relatief verlies, de relatieve VaR. De eerste is het verwachte maximale verlies binnen een gegeven betrouwbaarheidsinterval, gemeten vanuit de beleggingspositie. De tweede wordt gemeten relatief aan de verwachte beleggingspositie aan het einde van de periode, oftewel relatief aan de verwachte gemiddelde opbrengst over de periode. De relatieve VaR geeft aldus het totale verlies zelf weer en kan zodoende gebruikt worden om te bepalen of het te lopen risico acceptabel wordt geacht. Daarbij dient de belegger tevens te bepalen of de kans dat het maximale verlies overschreden wordt aanvaardbaar is. In bijlage I is een voorbeeld gegeven voor het bepalen van de numerieke VaR. De VaR kan bovendien worden weergegeven in termen van rendement, waarbij deze gelijk is aan de winst ten opzichte van de initiële waarde van de beleggingspositie. De absolute VaR kan worden weergegeven als 1 : VaR absoluut = REV = R * W Waarbij: R = Rendement W = Initiële waarde beleggingspositie REV = Opbrengst (Revenue) R = Rendement bij intervalgrens REV = Opbrengst bij intervalgrens De formule voor de relatieve VaR is als volgt: VaR relatief = REV + REV gem = ( R * W) + (R gem * W) Parametrische VaR De parametrische VaR gaat uit van aannamen omtrent de kansdichtheid van het rendement (de zogenaamde probability density function ). Indien het rendement een kansdichtheidsverdeling heeft van f(r) en er gekozen is voor een betrouwbaarheidsniveau van (1 c), dan kan de parametrische VaR bepaald worden op basis van een drie stappen procedure: 1. aanname doen over de kansdichtheidsfunctie f(r); 2. nagaan wat het rendement R op de intervalgrens is; 3. invullen van formule voor de numerieke VaR om de parametrische VaR te verkrijgen. Het rendement op de intervalgrens (het zogenaamde cut off return ) kan worden gezien als de laagste realisatie van R voor een betrouwbaarheidsinterval c [Huisman e.a., 1998a]. Dit rendement kan gevonden worden door de integraal voor de kansdichtheidsfunctie f(r), welke loopt van tot R, gelijk te stellen aan 1 c. 1 c = f(r) dr 1 Het min teken in de formules is vanwege het feit dat de linker staartwaarden van de winsten en rendementen verliezen zijn, terwijl de VaR een positief getal is. 14
16 De kritieke succesfactor hierbij is het doen van de juiste aanname over de kansdichtheidsfunctie f(r). In de praktijk wordt er vaak van uitgegaan dat f(r) een normale verdeling representeert. Deze aanname heeft het grote voordeel dat het schatten van de VaR sterk vereenvoudigd wordt. Indien het rendement R normaal is verdeeld, dan kan in iedere situatie de grens van het betrouwbaarheidsinterval via één enkele parameter gegeven worden, te weten via de alpha (α). Deze α geeft in termen van de standaarddeviatie (σ) weer hoe ver de intervalgrens waarden ten opzichte van het gemiddelde rendement (R gem) liggen. Om de exacte waarde van α te vinden, dient de functie ingevuld te worden op basis van een gekozen waarde voor c, een zogenaamde lower tail gebeurtenis. Indien wordt uitgegaan van een betrouwbaarheidsinterval van 95%, dan geldt c = 5%. Vervolgens kan de waarde van α worden afgelezen uit een standaard normale tabel (zie bijlage III). Daaruit blijkt dat α bij een 95% betrouwbaarheidsinterval 1,65 bedraagt. De formule voor het rendement bij de intervalgrens is vervolgens: R = R gem + α*σ De formules voor de parametrische VaR zijn nu als volgt: VaR absoluut = ( R gem * W) (α*σ*w) VaR relatief = α*σ*w Waarbij: R gem = Gemiddelde rendement α = Alpha volgens gekozen betrouwbaarheidsinterval σ = Standaarddeviatie W = Initiële waarde beleggingspositie De numerieke VaR kan worden afgelezen met behulp van de weergave van de resultaten in een grafiek, waarbij de waarden op de intervalgrens bepalend zijn voor de VaR. De parametrische VaR gaat echter uit van een berekening van die intervalgrens waarden op basis van een zekere verdeling van de kansdichtheid van rendementen. Volgens Huisman e.a. (1998a) heeft de parametrische benadering de voorkeur, omdat het eenvoudige conversies mogelijk maakt naar andere kwantielen, door het aanpassen van de α parameter, en naar een andere tijdshorizon, via de eerdergenoemde wortel t formule. Het maakt het daarnaast mogelijk een bepaalde mate van voorwaardelijkheid te verwerken in de VaR schatting, waardoor betere voorspellingen mogelijk zijn. Hoewel deze berekeningsmethode relatief eenvoudig is en in de praktijk ook het meest gebruikt wordt, gaat ze ook uit van een aantal veronderstellingen. De vraag is in hoeverre de te onderzoeken rendementreeksen voldoen aan de betreffende veronderstellingen. In het navolgende zullen de numerieke en parametrische VaR nader behandeld worden. 15
17 2.4 VaR methoden Er zijn vele methoden ontwikkeld om de VaR van een portefeuille te kunnen bepalen of te berekenen. Er is echter een tweetal basismethoden te onderscheiden, aangeduid met de termen historische simulatie en gestructureerde VaR [Kocken, 1997]. Hierna zullen beide methoden kort uiteen worden gezet Historische simulatie Bij de historische simulatie wordt de historische verdeling van rendementen gebruikt om de VaR (ook wel empirische VaR genoemd) op portefeuilleniveau te simuleren. Bij deze methode worden de in het verleden geobserveerde optredende bewegingen in het rendement over een bepaalde periode gehanteerd, als mogelijke scenario s voor toekomstige rendementsbewegingen. Vervolgens worden de wegingsfactoren in de huidige portefeuille gebruikt om de hypothetische rendementen te simuleren. Deze rendementen zouden behaald zijn, indien de huidige portefeuille over de beschouwde periode was aangehouden. De resultaten worden in frequentietabellen verwerkt, waarna een kansverdeling resulteert voor het rendement van de portefeuille. De VaR is dan gelijk aan die waarde waarbij exact het percentage volgens het gekozen betrouwbaarheidsinterval (100 α) van de scenariouitkomsten lager is. Het relevante percentiel van de verdeling van historische rendementen geeft zodoende de te verwachten VaR van de betreffende portefeuille. Het grootste voordeel van deze variant is dat geen enkele veronderstelling ten aanzien van de te hanteren verdeling noodzakelijk is. Feitelijk wordt hier gebruik gemaakt van de numerieke (of niet parametrische) VaR, die gebaseerd is op resultaten vanuit het verleden. Een aantal beperkingen dat gesteld moet worden aan deze benadering zijn: De steekproef dient homogeen te zijn: Indien voor verschillende tijdvakken de standaarddeviatie van beleggingsrendementen gemeten wordt, dan laat die standaarddeviatie in de loop van de tijd een onstabiel beeld zien [Ammeraal en Heezen, 2001]. Dit duidt op tijdsvariatie, oftewel het feit dat de markt zich anders ontwikkelt dan verwacht zou mogen worden op basis van de historische waarnemingen. Hierdoor is het mogelijk dat historische rendementen weinig zeggen over de toekomstige rendementen. Tijdsvariatie kan zich voordoen als gevolg van een structurele wijziging van de markt, maar kan zich ook voordoen in het optreden van clusters van volatiliteit. In financiële markten worden in de regel onrustige perioden gevolgd door onrustige perioden, terwijl rustige perioden gevolg worden door rustige perioden. Uit onderzoek (Van den Goorbergh en Vlaar, 1999) is gebleken dat tijdsvariërende volatiliteit de belangrijkste eigenschap van aandelenkoersen is voor het modelleren van VaR. Tijdsvariatie dient dus voorkomen te worden, aangezien anders de zeggingskracht van de gekozen historische periode als referentiebeeld wegvalt 2. De betrouwbaarheid van de VaR schattingen: Om accurate schattingen te krijgen is een omvangrijke, betrouwbare datareeks noodzakelijk met voldoende waarnemingen. De VaR schatting is hierdoor afhankelijk 2 Volgens Dowd (1998) zou weighted historical simulation een mogelijke oplossing zou kunnen zijn om tijdsvariatie in de VaR te verwerken. Het principe gaat uit van het toekennen van een lagere weging van meer in het verleden gerealiseerde rendementen ten opzichte van de meer actuele rendementen. 16
18 van de frequentie en de lengte van die datareeks. In paragraaf wordt hier nader op ingegaan. Feitelijk wordt bij gebruik van de methode van historische simulatie aangenomen, dat de gekozen historische verdeling van rendementen een goede benadering is van rendementen voor de komende periode. De historische analyse dient derhalve vanuit twee invalshoeken aangepakt te worden. Ten eerste dient gekeken te worden wat de effecten zijn van de historische periode tot en met het moment van waarneming, indien die worden doorgetrokken voor de aangrenzende toekomstige periode, voor de betreffende belegging of beleggingsportefeuille. Ten tweede dient men daarbij een beeld te vormen over de toekomstige ontwikkelingen. Vervolgens kan daar een passende reeks bij worden gezocht vanuit het verleden, die een indicatie geeft van de invloed van dergelijke ontwikkelingen Gestructureerde VaR De aanpak van gestructureerde VaR (ook wel normale VaR genoemd en in de literatuur tevens aangeduid als de variance covariance, of delta normal benadering) is gericht op het maken van een stochastisch model dat het proces van de rendementbewegingen beschrijft. Dit wiskundige model bevat diverse parameters die worden geschat, op basis van beschikbare historische informatie omtrent rendementsbewegingen. Indien er te weinig observaties zijn voor de historische simulatie, biedt de gestructureerde VaR uitkomst. Voor het bepalen van een gestructureerde VaR, waarbij uitgegaan wordt van de parametrische berekening, dient naar de statistische eigenschappen te worden gekeken. Er worden namelijk enkele statistische aannamen gedaan, waarvan de belangrijkste zijn: Normaliteit: De kansverdeling van het rendement is normaal verdeeld. Hier wordt later verder op ingegaan. Afwezigheid van drift: Drift is de neiging van een variabele om naar een bepaalde (evenwichts )waarde te tenderen. Voor een korte horizon wordt veelal verondersteld dat drift ontbreekt, hetgeen betekent dat de kans op een stijging van rendementen net zo groot is als de kans op een daling. Afwezigheid van autocorrelatie: Verondersteld wordt dat er geen correlatie bestaat tussen de beweging op dag t van een variabele en de beweging op de dagen daarvoor. Uit onderzoek (Longerstaey en Spencer, 1996) blijkt dat dagelijkse rendementen van aandelen nauwelijks leiden onder het fenomeen van autocorrelatie. Voor niet dagelijkse vastgoedrendementen, welke (gedeeltelijk) gebaseerd zijn op de waarderingen door taxateurs, is de autocorrelatie vanwege het smooting en lagging effect meer aanwezig [Geltner en Miller, 2001]. In paragraaf worden deze effecten nader toegelicht. Uit onderzoek (Jorion, 2001) blijkt overigens dat de betrouwbaarheid van VaR waarden verkregen op basis van de gestructureerde methode groter is, dan de VaR verkregen op basis van historische simulatie. Als voorwaarde hiervoor geldt echter wel dat aan de genoemde aannamen, waar de gestructureerde methode van uitgaat, voldaan wordt. 17
19 2.5 Alternatieve toepassing VaR methode Op basis van de beschreven methode voor berekening van de VaR, kan het maximale verlies op een beleggingspositie of portefeuille inzichtelijk worden gemaakt. Door dit inzicht kan het optreden van grote negatieve momenten binnen de beleggingsportefeuille beheerst worden. De VaR kent daarnaast echter een belangrijke alternatieve toepassing. Op basis van het eerder beschreven Downside Risk principe, kan de VaR benadering een wezenlijke bijdrage leveren aan het nemen van beleggingsbeslissingen. Indien de VaR van een portefeuille bekend is, kan gekeken worden wat het effect is van het toevoegen van één of meerdere beleggingen op die VaR van de portefeuille. Analoog aan de hiervoor ontwikkelde Sharpe ratio en de daarop gebaseerde Sharpe rule, bekijkt de Incremental VaR de verbetering van het rendement/risicoprofiel. Bijlage II gaat hier nader op in, maar het principe komt erop neer dat, indien de VaR voor de portefeuille inclusief de nieuwe belegging positiever is dan zonder de betreffende belegging, de belegging aan de portefeuille toegevoegd kan worden. Tegelijkertijd blijkt hieruit dat indien dit niet het geval is, de betreffende belegging aan de portefeuille onttrokken dient te worden. De VaR geeft aldus vanuit de Downside Risk benadering ondersteuning bij objectselectie en het samenstellen van een efficiënte portefeuille. In het verlengde hiervan, kan de VaR gebruikt worden om na te gaan of een belegging voldoet aan de rendementseisen van de belegger. De kern van het beleggingsbeleid is dat er een relatie gelegd moet worden tussen het rendement/risico profiel en de beleggingsdoelstelling. Deze doelstelling is tweeledig: het behalen van het minimaal vereiste rendement, de Minimal Accepted Return (MAR) en het als taak gestelde rendement, de Target Return (TR) [Keeris en Langbroek, 2008]. Beide doelstellingen komen voort uit het feit dat een belegging pas waarde creëert, wanneer het rendement de kostenvoet van het vermogen overtreft. De MAR geeft daarbij het minimale rendementsniveau aan, vanaf waar geen waarde wordt vernietigd. De TR komt voort uit de eis dit minimale niveau te overtreffen, om een bepaalde mate van toegevoegde waarde te creëren. De VaR geeft feitelijk het maximale verlies dat over een gekozen tijdshorizon binnen een bepaald betrouwbaarheidsinterval verwacht wordt. Toepassing van de VaR methode kan zich er derhalve op richten na te gaan of het niveau van de MAR binnen die tijdshorizon niet negatief overschreden wordt. De MAR geeft zodoende de uiterste intervalgrens waarde aan die in geen geval negatief overschreden mag worden, wil binnen de gekozen tijdshorizon geen waarde vernietigd worden. Omgekeerd kan echter, analoog aan de VaR methode, ook de kans bepaald worden dat de MAR negatief overschreden wordt. In dat geval dient de MAR in de formule voor het rendement bij de intervalgrens ingevuld te worden. Op basis van het gemiddelde rendement en de standaarddeviatie, kan vervolgens de waarde van α berekend worden. De formule hiervoor is dan als volgt: α = (MAR R gem) / σ Uitgaande van een normale verdeling, kan via de verkregen α en met behulp van de standaard normale tabel de kans bepaald worden dat de MAR negatief overschreden wordt. Op deze wijze kan een belegger direct bepalen of het rendement/risico profiel van de betreffende belegging acceptabel wordt geacht. 18
20 2.6 Beperking principe VaR Het grootste bezwaar dat wordt geuit tegen het principe van de VaR methode, is dat deze een bepaalde mate van schijnzekerheid biedt (o.a. Das, 2006; De Wit, 2008; Einhorn, 2008). De VaR geeft een schatting van het maximale verlies binnen een betrouwbaarheidsinterval, maar zegt niets over de omvang van het verlies buiten dat betrouwbaarheidsinterval in de uiterste staart. De VaR kan worden vergeleken met een airbag in een auto die altijd werkt, behalve wanneer men een botsing krijgt [Einhorn, 2008]. Als zich extreme situaties voordoen, dan kan dit vergaande financiële consequenties hebben. Stress testing is derhalve noodzakelijk om ook een beeld te krijgen van de meer extreme waarden Beperkingen gebruik VaR Zoals eerder gesteld, ligt aan de veel gebruikte parametrische VaR, waar de gestructureerde VaR methode vanuit gaat, een aantal veronderstellingen en voorwaarden ten grondslag. De voorwaarden waar de VaR van uitgaat, impliceren tegelijkertijd een aantal beperkingen ten aanzien van de toepassing ervan in het algemeen en ten aanzien van toepassing op direct vastgoed beleggingen in het bijzonder Geldigheid van historische data De numerieke VaR schatting behoeft als ex post risico management methode geen aannamen. Hierbij geven de resultaten van de rendementsverdeling zelf de mate van het maximale verlies (zie bijlage I). Indien deze echter als ex ante methode wordt ingezet, dan dienen wel degelijk aannamen gedaan te worden voor de toekomstige situatie op basis van historische simulatie. Ook voor toepassing van de parametrische VaR, welke is gebaseerd op de waarschijnlijkheidsverdeling van verwachte rendementen, dient men aannamen te doen op het gebied van de werkelijke vorm van de verdeling van het verwachte rendement. Dit kan door aan te nemen dat de verdeling van het verwachte rendement gelijk is aan de empirische verdeling, gebaseerd op observaties uit het verleden, of door aan te nemen dat het totaal van de rendementen een bepaalde statistische verdeling laat zien, zoals die eerder geconstateerd werd. In beide gevallen wordt ervan uitgegaan dat de statistische karakteristieken uit het verleden een goede maatstaf zijn voor de toekomst. Het probleem dat zich bij het hanteren dergelijke aannamen voordoet, is dat resultaten uit het verleden geen garantie voor de toekomst bieden. De projectie van rendementsberekeningen op een toekomstige periode is bijvoorbeeld afhankelijk van conjunctuurschommelingen. Tevens kunnen historische datareeksen beïnvloed zijn geweest door onverwachte, incidentele gebeurtenissen. Bij het gebruik van historische datareeksen wordt de context waaronder die reeks tot stand kwam echter niet meegenomen. Het niet kennen van die context beperkt de representativiteit van de datareeks in het gebruik ervan. De periode waarin historische rendementen gemeten zijn, evenals het kennen va de heersende omstandigheden waaronder die rendementen tot stand kwamen, zijn derhalve van groot belang om tot betrouwbare en representatieve aannamen te komen. 3 Als reactie hierop is de Extreme Value Theory ontwikkeld en als uitvloeisel daarvan recentelijk Expected Tail Loss. Deze methoden richten zich op het in beeld brengen van zeldzame, maar niet onmogelijke gebeurtenissen. 19
Robuustheid regressiemodel voor kapitaalkosten gebaseerd op aansluitdichtheid
Robuustheid regressiemodel voor kapitaalkosten gebaseerd op aansluitdichtheid Dr.ir. P.W. Heijnen Faculteit Techniek, Bestuur en Management Technische Universiteit Delft 22 april 2010 1 1 Introductie De
Nadere informatieBELEGGINGSPROFIELEN Toelichting op uw beleggingsprofiel
BELEGGINGSPROFIELEN Toelichting op uw beleggingsprofiel Beer & Van Stapele Vermogensbeheer levert maatwerk. Vermogensbeheer komt er op neer dat wij de beleggingsbeslissingen nemen en de dagelijkse zorg
Nadere informatieHOOFDSTUK 6: INTRODUCTIE IN STATISTISCHE GEVOLGTREKKINGEN
HOOFDSTUK 6: INTRODUCTIE IN STATISTISCHE GEVOLGTREKKINGEN Inleiding Statistische gevolgtrekkingen (statistical inference) gaan over het trekken van conclusies over een populatie op basis van steekproefdata.
Nadere informatieBeleggingsprofielen Doelbeleggen
Beleggingsprofielen Doelbeleggen Doelbeleggen werkt met vijf verschillende beleggingsportefeuilles. Deze portefeuilles heten Doelbeleggen A t/m E en hebben allemaal een eigen beleggingsprofiel. Dat is
Nadere informatieDuurzaam Vermogensbeheer
Duurzaam Vermogensbeheer Een keuzeafweging Keuze maken, afwegingscriteria Wat zijn de mogelijke afwegingscriteria bij het maken van een keuze uit de mogelijke oplossingen binnen het beleggingsbeleid. Versie:2001-11-02
Nadere informatieHoofdstuk 7: Statistische gevolgtrekkingen voor distributies
Hoofdstuk 7: Statistische gevolgtrekkingen voor distributies 7.1 Het gemiddelde van een populatie Standaarddeviatie van de populatie en de steekproef In het vorige deel is bij de significantietoets uitgegaan
Nadere informatieEWMA Control Charts in Statistical Process Monitoring I.M. Zwetsloot
EWMA Control Charts in Statistical Process Monitoring I.M. Zwetsloot EWMA Control Charts in Statistical Process Monitoring Inez M. Zwetsloot Samenvatting EWMA Regelkaarten in Statistische Procesmonitoring
Nadere informatieHoofdstuk 10: Kapitaalmarkten en de prijs van risico
Hoofdstuk 10: Kapitaalmarkten en de prijs van risico In dit hoofdstuk wordt een theorie ontwikkeld die de relatie tussen het gemiddelde rendement en de variabiliteit van rendementen uitlegt en daarbij
Nadere informatieFolkert Buiter 2 oktober 2015
1 Nuchter kijken naar feiten en trends van aardbevingen in Groningen. Een versneld stijgende lijn van het aantal en de kracht van aardbevingen in Groningen. Hoe je ook naar de feitelijke metingen van de
Nadere informatieInvloed van IT uitbesteding op bedrijfsvoering & IT aansluiting
xvii Invloed van IT uitbesteding op bedrijfsvoering & IT aansluiting Samenvatting IT uitbesteding doet er niet toe vanuit het perspectief aansluiting tussen bedrijfsvoering en IT Dit proefschrift is het
Nadere informatieHandleiding. Haalbaarheidsanalyse. Technische informatie. - Internet Explorer vanaf versie 8. - Mozilla Firefox vanaf versie 13
Handleiding Haalbaarheidsanalyse Technische informatie De door Vermogensdidact geleverde tools werken correct onder Windows met de browsers: - Internet Explorer vanaf versie 8 - Mozilla Firefox vanaf versie
Nadere informatieSummary in Dutch 179
Samenvatting Een belangrijke reden voor het uitvoeren van marktonderzoek is het proberen te achterhalen wat de wensen en ideeën van consumenten zijn met betrekking tot een produkt. De conjuncte analyse
Nadere informatieRapport Triple A - Risk Finance B.V. terzake Vergelijking pensioenproduct met de markt voor
Rapport Triple A - Risk Finance B.V. terzake Vergelijking pensioenproduct met de markt voor Zwitserleven N.V. Inhoudsopgave 1. Management samenvatting...1 2. Zwitserleven DC Product...2 3. Beschrijving
Nadere informatieFiguur 1: Voorbeelden van 95%-betrouwbaarheidsmarges van gemeten percentages.
MARGES EN SIGNIFICANTIE BIJ STEEKPROEFRESULTATEN. De marges van percentages Metingen via een steekproef leveren een schatting van de werkelijkheid. Het toevalskarakter van de steekproef heeft als consequentie,
Nadere informatieHoofdstuk 5 Een populatie: parametrische toetsen
Hoofdstuk 5 Een populatie: parametrische toetsen 5.1 Gemiddelde, variantie, standaardafwijking: De variantie is als het ware de gemiddelde gekwadrateerde afwijking van het gemiddelde. Hoe groter de variantie
Nadere informatiePortefeuilleprofielen
Portefeuilleprofielen Rood BANDBREEDTE van de portefeuille Laatste update: 1 oktober 2015 ROOD Minimum Maximum Tactisch Aandelen 80,00% 100,00% 95,00% Obligaties 0,00% 15,00% 0,00% Onroerend Goed 0,00%
Nadere informatieNieuwe inzichten voor ALM analyse naar aanleiding van de krediet crisis
Nieuwe inzichten voor ALM analyse naar aanleiding van de krediet crisis Peter Vlaar Hoofd ALM modellering APG VBA ALM congres 5 november 2009 Agenda Karakteristieken van de kredietcrisis? Hoe kunnen we
Nadere informatieTekst Nationaal regime MiFID. Bijlage. Toetstermen als bedoeld in artikel 36a, lid 2. toetsterm 1
ijlage Toetstermen als bedoeld in artikel 36a, lid 2 Nummer Termen T* toetsterm 1 Eindterm 5a: De personen zijn in staat met betrekking tot financiële instrumenten uit te leggen aan de consument waarom
Nadere informatieBijlage 1: Berekening van de risicowijzer
Bijlage 1: Berekening van de risicowijzer De risicomaatstaf die voor de berekening van de risicowijzer wordt gebruikt is de standaarddeviatie van de rendementen. Deze risicomaat kent beperkingen, maar
Nadere informatieVerdringing op de Nederlandse arbeidsmarkt: sector- en sekseverschillen
1 Verdringing op de Nederlandse arbeidsmarkt: sector- en sekseverschillen Peter van der Meer Samenvatting In dit onderzoek is geprobeerd antwoord te geven op de vraag in hoeverre het mogelijk is verschillen
Nadere informatieSamenvatting. Samenvatting 8. * COgnitive Functions And Mobiles; in dit advies aangeduid als het TNO-onderzoek.
Samenvatting In september 2003 publiceerde TNO de resultaten van een onderzoek naar de effecten op het welbevinden en op cognitieve functies van blootstelling van proefpersonen onder gecontroleerde omstandigheden
Nadere informatieG0N11a Statistiek en data-analyse: project Eerste zittijd Modeloplossing
G0N11a Statistiek en data-analyse: project Eerste zittijd 2007-2008 Modeloplossing Opmerking vooraf: Deze modeloplossing is een heel volledig antwoord op de gestelde vragen. Om de maximumscore op een vraag
Nadere informatieMemorandum. Technical Sciences Brassersplein 2 2612 CT Delft Postbus 5050 2600 GB Delft. Aan Bestuur stichting Pensioenfonds TNO. www.tno.
Memorandum Aan Bestuur stichting Pensioenfonds TNO Van Dr. F. Phillipson Onderwerp Risicobereidheidsonderzoek Pensioenfonds TNO Inleiding In de periode juni-augustus 2014 is er een risicobereidheidsonderzoek
Nadere informatieOefenopgaven Hoofdstuk 7
Oefenopgaven Hoofdstuk 7 Opgave 1 Rendement Een beleggingsadviseur heeft de keuze uit de volgende twee beleggingsportefeuilles: Portefeuille a Portefeuille b Verwacht rendement 12% 12% Variantie 8% 10%
Nadere informatiePopulaties beschrijven met kansmodellen
Populaties beschrijven met kansmodellen Prof. dr. Herman Callaert Deze tekst probeert, met voorbeelden, inzicht te geven in de manier waarop je in de statistiek populaties bestudeert. Dat doe je met kansmodellen.
Nadere informatieTactische Asset Allocatie
Tactische Asset Allocatie Enno Veerman Volendam, 2 maart 2012 Tactische Asset Allocatie (TAA) Strategische Asset Allocatie (SAA): portefeuille samenstellen op basis van lange-termijn voorspellingen TAA:
Nadere informatieStatistische Valkuilen in Solvency II. Miriam Loois
Statistische Valkuilen in Solvency II Miriam Loois Statistiek Vinden mensen moeilijk en saai Tegen intuïtief Een moeder heeft twee kinderen, een ervan is een jongen. Wat is de kans dat de ander ook een
Nadere informatieRisico pariteit -1- 1 Aandelen Wereldwijd Ontwikkelde Markten - MSCI World Index MSCI Daily Net TR World Euro, Aandelen Wereldwijd
Risico pariteit Risico pariteit is een techniek die wordt ingezet om de risico s in een beleggingsportefeuille te reduceren. Sinds 2008 heeft risico pariteit om drie redenen veel aandacht gekregen: 1.
Nadere informatieDe Dynamische Strategie Portefeuille DSP
De Dynamische Strategie Portefeuille DSP Onderdeel van het beleggingsbeleid van Pensioenfonds UWV 1 Inhoudsopgave Waarom beleggen? 4 Beleggen is niet zonder risico s 4 Strategische beleggingsportefeuille
Nadere informatieKenmerk ontheffing in de Bijstands Uitkeringen Statistiek 2009 Versie 2
Centraal Bureau voor de Statistiek Divisie sociale en regionale statistieken (SRS) Sector statistische analyse voorburg (SAV) Postbus 24500 2490 HA Den Haag Kenmerk ontheffing in de Bijstands Uitkeringen
Nadere informatieBeleggingsprofielen Axento vermogensbeheer
Beleggingsprofielen Axento vermogensbeheer Wanneer u besluit uw geld te beleggen bij Axento vermogensbeheer doet u dit om bepaalde financiële doelstellingen te behalen. U wilt bijvoorbeeld uw pensioen
Nadere informatieHoofdstuk 3 Statistiek: het toetsen
Hoofdstuk 3 Statistiek: het toetsen 3.1 Schatten: Er moet een verbinding worden gelegd tussen de steekproefgrootheden en populatieparameters, willen we op basis van de een iets kunnen zeggen over de ander.
Nadere informatieStatistiek: Spreiding en dispersie 6/12/2013. dr. Brenda Casteleyn
Statistiek: Spreiding en dispersie 6/12/2013 dr. Brenda Casteleyn dr. Brenda Casteleyn www.keu6.be Page 2 1. Theorie Met spreiding willen we in één getal uitdrukken hoe verspreid de gegevens zijn: in hoeveel
Nadere informatieOEFENINGEN HOOFDSTUK 6
OEFENINGEN HOOFDSTUK 6 1 OEFENING 1 EEN INDIVIDU NEEMT EEN BELEGGING IN OVERWEGING MET VOLGENDE MOGELIJKE RENDEMENTEN EN HUN WAARSCHIJNLIJKHEDEN VAN VOORKOMEN: RENDEMENTEN -0,10 0,00 0,10 0,0 0,30 WAARSCHIJNLIJKHEID
Nadere informatieVandaag. Onderzoeksmethoden: Statistiek 3. Recap 2. Recap 1. Recap Centrale limietstelling T-verdeling Toetsen van hypotheses
Vandaag Onderzoeksmethoden: Statistiek 3 Peter de Waal (gebaseerd op slides Peter de Waal, Marjan van den Akker) Departement Informatica Beta-faculteit, Universiteit Utrecht Recap Centrale limietstelling
Nadere informatieGrote investeringen, grote winsten? Roland de Bruijn en Dirk Korbee
Grote investeringen, grote winsten? Roland de Bruijn en Dirk Korbee Het Financieel Dagblad stond er een tijd geleden vol mee, met bedrijven die enorme investeringen doen. Miljarden guldens worden betaald
Nadere informatieResearch Note Prestatie-analyse met behulp van box plots
Research Note Prestatie-analyse met behulp van box plots Inleiding Voortdurend worden er wereldwijd enorme hoeveelheden beursdata gegenereerd en verzameld. Dit is mede te danken aan de opkomst van internet
Nadere informatieBeleggingsbeleid Titanium Vermogensbeheer
Beleggingsbeleid Titanium Vermogensbeheer Een belangrijk onderdeel van de dienstverlening van Titanium Vermogensbeheer betreft het beleggingsbeleid. Door vragen te stellen over ons beleggingsbeleid krijgt
Nadere informatieKenmerk ontheffing in de Bijstands Uitkeringen Statistiek
Centraal Bureau voor de Statistiek Divisie sociale en regionale statistieken (SRS) Sector statistische analyse voorburg (SAV) Postbus 24500 2490 HA Den Haag Kenmerk ontheffing in de Bijstands Uitkeringen
Nadere informatieVerschillenanalyse effect nieuwe BKR. Samenvatting. Inleiding. datum Directie Kinderopvang, Ministerie SZW. aan
Verschillenanalyse effect nieuwe BKR datum 15-8-2018 aan van Directie Kinderopvang, Ministerie SZW Lucy Kok en Tom Smits, SEO Economisch Onderzoek Rapportnummer 2018-78 Copyright 2018 SEO Amsterdam. Alle
Nadere informatieHOOFDSTUK 7: STATISTISCHE GEVOLGTREKKINGEN VOOR DISTRIBUTIES
HOOFDSTUK 7: STATISTISCHE GEVOLGTREKKINGEN VOOR DISTRIBUTIES 7.1 Het gemiddelde van een populatie Standaarddeviatie van de populatie en de steekproef In het vorige deel is bij de significantietoets uitgegaan
Nadere informatieOnderzoek Indextrackers. Samenvatting
Onderzoek Indextrackers Samenvatting 1. Inleiding De stichting Autoriteit Financiële Markten (AFM) houdt toezicht op correcte, duidelijke en niet misleidende informatieverstrekking aan consumenten. Het
Nadere informatieKlantonderzoek: statistiek!
Klantonderzoek: statistiek! Statistiek bij klantonderzoek Om de resultaten van klantonderzoek juist te interpreteren is het belangrijk de juiste analyses uit te voeren. Vaak worden de mogelijkheden van
Nadere informatieOnderzoek Indextrackers. Samenvatting
Onderzoek Indextrackers Samenvatting 1. Inleiding De stichting Autoriteit Financiële Markten (AFM) houdt toezicht op correcte, duidelijke en niet misleidende informatieverstrekking aan consumenten. Het
Nadere informatieII. De Nota risicomanagement Delfland vast te stellen met onder meer de volgende bepalingen:
agendapunt B.05 1046082 Aan Verenigde Vergadering ONTWERP NOTA RISICOMANAGEMENT DELFLAND Gevraagd besluit Verenigde Vergadering 05-06-2014 I. De Nota risico's en weerstandsvermogen Delfland, vastgesteld
Nadere informatieCursus TEO: Theorie en Empirisch Onderzoek. Practicum 2: Herhaling BIS 11 februari 2015
Cursus TEO: Theorie en Empirisch Onderzoek Practicum 2: Herhaling BIS 11 februari 2015 Centrale tendentie Centrale tendentie wordt meestal afgemeten aan twee maten: Mediaan: de middelste waarneming, 50%
Nadere informatieRegeling parameters pensioenfondsen. Artikel 1. Artikel 2. Regeling parameters pensioenfondsen
Regeling parameters pensioenfondsen Regeling van de Minister van Sociale Zaken en Werkgelegenheid van 19 december 2006, nr. AV/ PB/2006/102565b, tot vaststelling van de parameters voor pensioenfondsen
Nadere informatieTeam Mirror. Handleiding Team Mirror Rapport. Vertrouwelijk document uitgegeven door
Team Mirror Handleiding Team Mirror Rapport Vertrouwelijk document uitgegeven door www.unicorngroup.be Met deze handleiding geven we je als facilitator de nodige achtergrond om de resultaten van het Team
Nadere informatieRisk Control Strategy
Structured products January 2016 Kempen & Co N.V. (Kempen & Co) is een Nederlandse merchant bank met activiteiten op het gebied van vermogensbeheer, effectenbemiddeling en corporate finance. Kempen & Co
Nadere informatieVEILIGHEIDSVOORRADEN BEREKENEN
VEILIGHEIDSVOORRADEN BEREKENEN 4 Soorten berekeningen 12 AUGUSTUS 2013 IR. PAUL DURLINGER Durlinger Consultancy Management Summary In dit paper worden vier methoden behandeld om veiligheidsvoorraden te
Nadere informatieImplementations of Tests on the Exogeneity of Selected Variables and Their Performance in Practice M. Pleus
Implementations of Tests on the Exogeneity of Selected Variables and Their Performance in Practice M. Pleus Dat economie in essentie geen experimentele wetenschap is maakt de econometrie tot een onmisbaar
Nadere informatieUpdate over Advies Commissie UFR Alleen voor professionele beleggers
Investment Solutions & Research Update oktober 2013 Update over Advies Commissie UFR Alleen voor professionele beleggers Door Peter van der Spek, Remmert Koekkoek, Daniel Lai - Customized Overlay Management
Nadere informatieWe illustreren deze werkwijze opnieuw a.h.v. de steekproef van de geboortegewichten
Hoofdstuk 8 Betrouwbaarheidsintervallen In het vorige hoofdstuk lieten we zien hoe het mogelijk is om over een ongekende karakteristiek van een populatie hypothesen te formuleren. Een andere manier van
Nadere informatieMarktwaarde per aandeel. Winst per aandeel (WPA)
Wat betekent k/boekwaarde (koers/boekwaarde)- of K/B-ratio? Een ratio die de marktwaarde van een aandeel vergelijkt met zijn boekwaarde. De ratio wordt berekend door de actuele slotkoers van het aandeel
Nadere informatieCIRCULAIRE CPA-2006-2-CPA AAN DE VERZEKERINGSONDERNEMINGEN
Prudentiële controle op de verzekeringsondernemingen Brussel, 19 september 6 CIRCULAIRE CPA-6-2-CPA AAN DE VERZEKERINGSONDERNEMINGEN BETREFT : VRIJSTELLING VAN SAMENSTELLING VAN DE AANVULLENDE VOORZIENING
Nadere informatieBIJLAGE B BIJ X-FACTORBESLUIT
Nederlandse Mededingingsautoriteit BIJLAGE B BIJ X-FACTORBESLUIT Nummer: 101847-69 Betreft: Bijlage B bij het besluit tot vaststelling van de korting ter bevordering van de doelmatige bedrijfsvoering ingevolge
Nadere informatieVastgoedbeleggingsresultaten van Nederlandse pensioenfondsen: internationale diversificatie stelt teleur
Vastgoedbeleggingsresultaten van Nederlandse pensioenfondsen: internationale diversificatie stelt teleur Veel Nederlandse pensioenfondsen hebben in de afgelopen jaren hun vastgoedportefeuilles opnieuw
Nadere informatieHet gebruik van het blancheerrendement als indicator voor het verwerkingsrendement.
Het gebruik van het blancheerrendement als indicator voor het verwerkingsrendement. Een statistische onderbouwing voor bemonstering van partijen champignons. P.C.C. van Loon Praktijkonderzoek Plant & Omgeving
Nadere informatie5 Opstellen businesscase
5 Opstellen In de voorgaande stappen is een duidelijk beeld verkregen van het beoogde project en de te realiseren baten. De batenboom geeft de beoogde baten in samenhang weer en laat in één oogopslag zien
Nadere informatie9. Lineaire Regressie en Correlatie
9. Lineaire Regressie en Correlatie Lineaire verbanden In dit hoofdstuk worden methoden gepresenteerd waarmee je kwantitatieve respons variabelen (afhankelijk) en verklarende variabelen (onafhankelijk)
Nadere informatieIntroductie Prognosetafel AG2014 Effect voorziening zeer beperkt, kostendekkende premie neemt wel toe
Introductie Effect voorziening zeer beperkt, kostendekkende premie neemt wel toe Op dit moment is de de overlevingstafel waarmee pensioenfondsen hun verplichtingen waarderen. Deze overlevingstafel houdt
Nadere informatiebeoordelingskader zorgvraagzwaarte
1 beoordelingskader zorgvraagzwaarte In dit document geven we een beoordelingskader voor de beoordeling van de zorgvraagzwaarte-indicator. Dit beoordelingskader is gebaseerd op de resultaten van de besprekingen
Nadere informatieInleiding Applicatie Software - Statgraphics
Inleiding Applicatie Software - Statgraphics Beschrijvende Statistiek /k 1/35 OPDRACHT OVER BESCHRIJVENDE STATISTIEK Beleggen Door een erfenis heeft een vriend van u onverwacht de beschikking over een
Nadere informatieAFM Consumentenmonitor najaar 2014 Beleggers
AFM Consumentenmonitor najaar 2014 Beleggers November 2014 GfK 2014 AFM Consumentenmonitor November 2014 1 Beleggingsportefeuille GfK 2014 AFM Consumentenmonitor November 2014 2 Zes op de tien beleggers
Nadere informatieALGEMEEN RAPPORT Publieksprijs Beste Vastgoedfonds Aanbieder 2011
ALGEMEEN RAPPORT Publieksprijs Beste Vastgoedfonds Aanbieder 2011 Markt, trends en ontwikkelingen Amsterdam, april 2012 Ir. L. van Graafeiland Dr. P. van Gelderen Baken Adviesgroep BV info@bakenadviesgroep.nl
Nadere informatieVastgoeddata woningcorporaties beperkt
IV WONINGCORPORATIES Vastgoeddata woningcorporaties beperkt Geen inzicht in effectiviteit maatschappelijke doelen Jan Veuger Minister Blok van Wonen heeft de woningcorporaties gevraagd met een plan van
Nadere informatieInhoud. Deel 1 Geen rendement zonder risico 1 Rustig en onrustig beleggen 12 2 Alles heeft z n prijs 27 3 Verdeel en heers 41
Inhoud Inleiding 9 Deel 1 Geen rendement zonder risico 1 Rustig en onrustig beleggen 12 2 Alles heeft z n prijs 27 3 Verdeel en heers 41 Deel 2 Eigen vermogen of onvermogen 4 Eigen vermogen 56 5 Uit balans
Nadere informatieDutch Summary. Dutch Summary
Dutch Summary Dutch Summary In dit proefschrift worden de effecten van financiële liberalisatie op economische groei, inkomensongelijkheid en financiële instabiliteit onderzocht. Specifiek worden hierbij
Nadere informatieData analyse Inleiding statistiek
Data analyse Inleiding statistiek Terugblik - Inductieve statistiek Afleiden van eigenschappen van een populatie op basis van een beperkt aantal metingen (steekproef) Kennis gemaakt met kans & kansverdelingen
Nadere informatieRisicoprofielen Care IS vermogensbeheer
Risicoprofielen Care IS vermogensbeheer Wanneer u besluit uw geld te beleggen bij Care IS vermogensbeheer doet u dit om bepaalde financiële doelstellingen te behalen. U wilt bijvoorbeeld uw pensioen aanvullen,
Nadere informatieKwartaalbericht Pensioenfonds KLM-Cabinepersoneel. Vierde kwartaal 2014-1 oktober 2014 t/m 31 december 2014
Kwartaalbericht Pensioenfonds KLM-Cabinepersoneel Vierde kwartaal 2014-1 oktober 2014 t/m 31 december 2014 Samenvatting: dalende euro en dalende rente Nominale dekkingsgraad gedaald van 117,4% naar 115,1%
Nadere informatieVBA RISICO- STANDAARDEN BELEGGINGEN 2017
VBA RISICO- STANDAARDEN BELEGGINGEN 2017 Het rapport VBA Risicostandaarden Beleggingen 2017 bevat de aanbevelingen van VBA beleggingsprofessionals (VBA) met betrekking tot de te hanteren risicoparameters,
Nadere informatieModelleren C Appels. Christian Vleugels Sander Verkerk Richard Both. 2 april 2010. 1 Inleiding 2. 3 Data 3. 4 Aanpak 3
Modelleren C Appels Christian Vleugels Sander Verkerk Richard Both 2 april 2010 Inhoudsopgave 1 Inleiding 2 2 Probleembeschrijving 2 3 Data 3 4 Aanpak 3 5 Data-analyse 4 5.1 Data-analyse: per product.............................
Nadere informatieSynVest German RealEstate Fund N.V.
SynVest Fund Management B.V. (de "Beheerder") kondigt hierbij aan voornemens te zijn de voorwaarden die gelden tussen ("SGREF") en de certificaathouders van SGREF te wijzigen. 1. Voorgenomen wijziging
Nadere informatieSamenvatting. A. van Leeuwenhoeklaan MA Bilthoven Postbus BA Bilthoven KvK Utrecht T
A. van Leeuwenhoeklaan 9 3721 MA Bilthoven Postbus 1 3720 BA Bilthoven www.rivm.nl KvK Utrecht 30276683 T 030 274 91 11 info@rivm.nl Uw kenmerk Gevoeligheid van de gesommeerde depositiebijdrage onder 0,05
Nadere informatieRendements Analyse voor Vastgoed Portefeuilles
Rendements Analyse voor Vastgoed Portefeuilles Portefeuilleanalyse en Objectanalyse Direct Rendement per Object trademark Vastgoed drs. Ernst RADEMA MSc Real Estate Finance 020 67 37 937 RADEMA@tRADEMArk-Vastgoed.nl
Nadere informatieTechnische fiche: indicatoren Relatieve vijfjaarsoverleving
Technische fiche: indicatoren Relatieve vijfjaarsoverleving Overzicht van de indicatoren Relatieve vijfjaarsoverleving voor alle patiënten Relatieve vijfjaarsoverleving voor patiënten die radicale resectie
Nadere informatie6.1 Beschouw de populatie die wordt beschreven door onderstaande kansverdeling.
Opgaven hoofdstuk 6 I Learning the Mechanics 6.1 Beschouw de populatie die wordt beschreven door onderstaande kansverdeling. De random variabele x wordt tweemaal waargenomen. Ga na dat, indien de waarnemingen
Nadere informatieWetenschappelijk Instituut Volksgezondheid. Verwerking van gecensureerde waarden
Wetenschappelijk Instituut Volksgezondheid Dienst Kwaliteit van medische laboratoria Verwerking van gecensureerde waarden 1 ste versie Pr. Albert (februari 2002) 2 de versie Aangepast door WIV (toepassingsdatum:
Nadere informatieInleiding Applicatie Software - Statgraphics. Beschrijvende Statistiek
Inleiding Applicatie Software - Statgraphics Beschrijvende Statistiek OPDRACHT OVER BESCHRIJVENDE STATISTIEK Beleggen Door een erfenis heeft een vriend van u onverwacht de beschikking over een klein kapitaaltje
Nadere informatieOver Plantinga s argument voor de existentie van een noodzakelijk bestaand individueel ding. G.J.E. Rutten
1 Over Plantinga s argument voor de existentie van een noodzakelijk bestaand individueel ding G.J.E. Rutten Introductie In dit artikel wil ik het argument van de Amerikaanse filosoof Alvin Plantinga voor
Nadere informatie1.3 De Beroepscommissie heeft het principaal en het incidenteel beroep mondeling behandeld op 25 maart Beide partijen waren aanwezig.
Uitspraak Commissie van Beroep 2013-15 d.d. 24 mei 2013 (prof. mr. F.R. Salomons, voorzitter, mr. A. Bus, mr. F.H.J. Mijnssen, mr. F. Peijster en mr. A. Rutten-Roos, leden, en mr. M.J. Drijftholt, secretaris)
Nadere informatieHOOFDSTUK VII REGRESSIE ANALYSE
HOOFDSTUK VII REGRESSIE ANALYSE 1 DOEL VAN REGRESSIE ANALYSE De relatie te bestuderen tussen een response variabele en een verzameling verklarende variabelen 1. LINEAIRE REGRESSIE Veronderstel dat gegevens
Nadere informatie6.1 Beschouw de populatie die beschreven wordt door onderstaande kansverdeling.
Opgaven hoofdstuk 6 I Basistechnieken 6.1 Beschouw de populatie die beschreven wordt door onderstaande kansverdeling. x 0 2 4 6 p(x) ¼ ¼ ¼ ¼ a. Schrijf alle mogelijke verschillende steekproeven van n =
Nadere informatieSamenvatting. Analyses. Kostendekkende premie
Samenvatting Op 14 juli 2015 heeft DNB aangekondigd dat zij de berekeningsmethodiek van de Ultimate Forward Rate (UFR), welke onderdeel vormt van de rekenrente waarmee pensioenfondsen hun verplichtingen
Nadere informatieCentraal Bureau voor de Statistiek TOELICHTING CONJUNCTUURKLOKINDICATOR. Floris van Ruth
Centraal Bureau voor de Statistiek Divisie Macro-Economische Statistieken en Publicaties Sector Ontwikkeling en Ondersteuning TOELICHTING CONJUNCTUURKLOKINDICATOR Floris van Ruth Augustus 009 Achtergrond
Nadere informatieTowers Watson Replica. Complexe modellen eenvoudig gemaakt
Towers Watson Replica Complexe modellen eenvoudig gemaakt Towers Watson Replica Complexe modellen eenvoudig gemaakt Regelgeving verhoogt de druk De huidige regelgeving verhoogt de druk op verzekeraars
Nadere informatieKengetallen. E-5 MPR-Kwaliteit. Inleiding. MPR 24 uur. 4 Betekenis van MPR 24 uur
Kengetallen E-5 MPR-Kwaliteit Inleiding Via Melkproductieregistratie (MPR) worden gegevens over de melk-, vet en eiwitproductie van de veestapel verzameld. Deze gegevens zijn de basis van managementinformatie
Nadere informatieSequoia Vermogensbeheer zal daarom een goed beeld moeten hebben van:
Risicoprofielen Inleiding Bij het nemen van financiële beslissingen is het van belang een optimale afstemming te vinden tussen uw huidige en gewenste situatie én uw mogelijkheden. Uw persoonlijke doelen
Nadere informatieBijlage 1 Toelichting kwantitatieve analyse ACM van de loterijmarkt
Bijlage 1 Toelichting kwantitatieve analyse ACM van de loterijmarkt 1 Aanpak analyse van de loterijmarkt 1. In het kader van de voorgenomen fusie tussen SENS (o.a. Staatsloterij en Miljoenenspel) en SNS
Nadere informatieOnderbouwing van de rendementsverwachtingen
Onderbouwing van de rendementsverwachtingen 2013 Portfolio Management Ostrica BV Februari 2013 Rendementsverwachtingen Ostrica 2013 In dit document wordt een onderbouwing gegeven van de rendementsverwachtingen
Nadere informatieCollegevoorstel. Zaaknummer: 00378506. Onderwerp: BEC motie rekentool begroting 2014
Zaaknummer: 00378506 Onderwerp: BEC motie rekentool begroting 2014 Collegevoorstel Inleiding Bij de begrotingsbehandeling 2014 is unaniem een motie van het CDA aangenomen waarin u wordt verzocht de toepasbaarheid
Nadere informatieVERGELIJKENDE STUDIE VAN ALTERNATIEVE ONTWERPWAARDE SCHATTINGEN VAN SIGNIFICANTE GOLFHOOGTE
Rapport aan isterie van de Vlaamse Gemeenschap Departement Leefmilieu en Infrastructuur Administratie Waterwegen en Zeewezen AFDELING WATERWEGEN KUST VERGELIJKENDE STUDIE VAN ALTERNATIEVE ONTWERPWAARDE
Nadere informatieOptimalisatie van de eerste klinische studies in bi ondere patie ntengroepen: op weg naar gebruik van semifysiologische
Nederlandse samenvatting Optimalisatie van de eerste klinische studies in bi ondere patie ntengroepen: op weg naar gebruik van semifysiologische farmacokinetische modellen Algemene inleiding Klinisch onderzoek
Nadere informatieHet verhaal van de financiële staart Jan Beirlant, Goedele Dierckx Universitair Centrum voor Statistiek en Departement Wiskunde, KULeuven
Het verhaal van de financiële staart Jan Beirlant, Goedele Dierckx Universitair Centrum voor Statistiek en Departement Wiskunde, KULeuven In het secundair onderwijs wordt de 8-uur wiskunde nauwelijks nog
Nadere informatieParkeerbehoefte berekenen, niet schatten
(Bijdragenr. 71) Parkeerbehoefte berekenen, niet schatten Sjoerd Stienstra (ir. Sj. Stienstra Adviesbureau stedelijk verkeer BV) Samenvatting: Parkeerkentallen geven slechts een globale benadering van
Nadere informatieintroductie Wilcoxon s rank sum toets Wilcoxon s signed rank toets introductie Wilcoxon s rank sum toets Wilcoxon s signed rank toets
toetsende statistiek week 1: kansen en random variabelen week : de steekproevenverdeling week 3: schatten en toetsen: de z-toets week : het toetsen van gemiddelden: de t-toets week 5: het toetsen van varianties:
Nadere informatieDe 17 beleggingsprofielen voor Begeleid Beleggen van Nationale-Nederlanden
De 17 beleggingsprofielen voor Begeleid Beleggen van Nationale-Nederlanden Nationale-Nederlanden hanteert 17 beleggingsprofielen verdeeld over de categorieën Defensief, Neutraal, Offensief en Liquide.
Nadere informatie