Is overstromingsrisico nu al van invloed op de huizenprijzen?

Het volledige (Engelstalige) rapport kunt u lezen in de onderstaande download

Door de opwarming van de aarde neemt de kans op overstromingen toe, hetzij door het breken of onderlopen van dijken naarmate de zeespiegel stijgt, hetzij door frequentere en hardere regenval die rechtstreeks of via overstromende rivieren schade veroorzaakt. Vooral de vastgoedsector is kwetsbaar voor dit soort fysieke klimaatrisico's. Huiseigenaren, die zich via een hypotheek financieel verbinden aan de lange termijn waarde van hun huis, zouden in theorie volledig op de hoogte moeten zijn van het waarde verminderend potentieel van de huidige en toekomstige overstromingskansen. De vraag is: zijn zij dat ook?

Als dat zo is, zouden we verwachten dat de transactieprijzen van huizen die zijn gelegen in gebieden die nu al meer kans hebben op overstroming, lager zijn dan huizen op grond die minder kans heeft op overstroming, terwijl alle andere zaken gelijk blijven. Als dat niet het geval is, betekent dit dat er niet (volledig) rekening wordt gehouden met huidige en toekomstige potentiële schade. Dit is van groot belang voor banken, aangezien zij doorgaans een aanzienlijke blootstelling hebben aan hypotheken. Maar het is ook relevant voor beleggers in effecten die verband houden met banken, voor de hypothekenmarkt of de vastgoedsector, evenals voor huiseigenaren. Weten hoe fysieke risico's van klimaatverandering, zoals overstromingskansen, van invloed kunnen zijn op de financiële stabiliteit van banken en daarmee van het financiële systeem, zal in de toekomst deel uitmaken van de regelgevingsvereisten van de ECB.

Onze onderzoeksresultaten zijn bedoeld om de lessen te delen die we hebben geleerd over hoe een vraag als deze moet worden benaderd. Wij zijn van mening dat een open uitwisseling van vallen en opstaan in onderzoek gericht op het inschatten van de economische impact van klimaatverandering bijdraagt aan de financiële weerbaarheid van onze klanten, onze bank en onze economie. In dit artikel delen we onze bevindingen en de verschillende empirische benaderingen die we hebben overwogen, we leggen de beperkingen en aanbevelingen voor verder onderzoek over dit onderwerp uit.

Empirische aanpak

In deze empirische studie hebben we ons gericht op de causale impact van overstromingsrisico's op de huizenprijzen in Nederland. De grootste uitdaging bij het identificeren van een oorzakelijk verband is het vinden van de juiste vergelijking. In ons onderzoek observeren we alleen de verkoopprijs van een huis met een gegeven overstromingskans. We weten niet wat de prijs van dat huis op dat moment zou zijn geweest als de overstromingskans anders was geweest. Met andere woorden, we hebben geen counterfactual, terwijl de vergelijking van het geobserveerde huis met zijn counterfactual het causale effect zou zijn waarnaar we op zoek zijn.

Om dit probleem te omzeilen, vergelijken we huizenprijzen met verschillende overstromingskansen (jaarlijkse kans op een overstroming >50 cm) met elkaar, waarbij we controleren voor een reeks locatie- en huis specifieke kenmerken. Deze cross-sectionele methode wordt veel gebruikt in de literatuur over overstromingsrisico's. Wij nemen vijf verschillende overstromingsrisico categorieën waar: geen significant risico, extreem klein risico (<1 op 30.000), zeer klein risico (1 op 3000 tot 1 op 30.000), klein risico (1 op 300 tot 1 op 3000) en gemiddeld risico ( > 1 op 300).

Onderstaande figuur laat zien dat woningen met een overstromingskans groter dan 1/300 een lagere woningprijs (prijskorting) hebben van ongeveer 2,2% in vergelijking met vergelijkbare woningen zonder significante overstromingskans. Als mensen bij het kopen van een huis rekening houden met het overstromingsrisico, zou je verwachten dat woningen met een hoger overstromingsrisico een grotere prijskorting krijgen. Dit is echter niet wat onze resultaten laten zien. De grootste korting wordt gevonden voor de zeer kleine overstromingskans (1 op 3000 tot 1 op 30.000) woningen. Dit resultaat lijkt onwaarschijnlijk. Hoewel we een grote steekproef hebben en we gecontroleerd hebben op kenmerken van eigendom en buurt en gebruik maken van locatie- en tijd fixed effects, is het waarschijnlijk dat deze resultaten last hebben van omitted variable bias.

Omitted variable bias

Om de bias door weggelaten variabele beter te begrijpen, is het nuttig om de kaart met overstromingskansen van dichtbij te bekijken. In onderstaande figuur zijn de overstromingskansen voor Amsterdam weergegeven. Binnen Amsterdam verschillen huizenprijzen afhankelijk van het gebied, waarbij het centrum van Amsterdam duurder is dan het buitenste deel. In onze analyse vergelijken we dus niet alleen huizen met een overstromingskans met huizen zonder overstromingskans, maar tegelijk ook huizen in het centrum van Amsterdam met huizen buiten het centrum.

De vergelijking verbeteren

Blijkbaar zijn we geen vergelijkbare huizen aan het vergelijken. Daarom zoomen we in op buurtniveau. We selecteren alleen die buurten met minimaal 5 woningen met een overstromingskans groter dan 1/300 en minimaal 5 woningen met geen significante overstromingskans. Dit reduceert de steekproef tot slechts 294 woningen in 11 verschillende buurten. Hier vinden we in slechts 3 van de 11 buurten statistisch significante verschillen in huizenprijzen, twee keer een lagere gemiddelde verkoopprijs voor huizen met een overstromingsrisico en één keer een gemiddeld hogere prijs voor de huizen met een overstromingsrisico.

Lessons learned: de uitdaging om de juiste vergelijking van huizen te vinden met voldoende observaties

De grootste uitdaging bij empirisch onderzoek is het construeren van de counterfactual. Wij hebben een cross-sectionele methode gebruikt om het effect van het overstromingsrisico op de huizenprijzen te analyseren. Om met een cross-sectionele methode een overtuigende counterfactual te construeren, moeten alle gecorreleerde factoren in het regressiemodel worden opgenomen. Niet-waargenomen kenmerken die gecorreleerd zijn met zowel de overstromingskansen als de verkoopprijs veroorzaken een vertekening. Onze analyse bevestigd inderdaad dat ons aanvankelijke model te lijden had van omitted variable bias.

Om dit probleem op te lossen, hebben we onze vergelijking verbeterd door de overstromingsrisico variatie op een meer lokaal niveau te onderzoeken. Wanneer we alleen kijken naar huizen met verschillende overstromingskansen binnen dezelfde buurt, zien we niet dat overstromingsrisico's zijn ingeprijsd op de woningmarkt. Dit zou verontrustend kunnen zijn omdat het ons vertelt dat huiseigenaren die geen rekening houden met de huidige potentiële verliezen door overstroming, zeker geen rekening zullen houden met toekomstige verliezen door overstroming. Voor locaties waar de toekomstige verliezen naar schatting zullen toenemen door een toenemend overstromingsrisico, bestaat het risico van een plotselinge prijscorrectie. Of en hoe dit de financiële weerbaarheid van de klant, de bank en de economie beïnvloedt, is op dit moment nog niet bekend.

Uit deze onderzoeksresultaten kunnen geen harde conclusies worden getrokken. Meer onderzoek is nodig gezien het belang van het onderwerp. De belangrijkste uitdaging is het vinden van de juiste vergelijking van huizen zonder al te veel waarnemingen te verliezen. Aangezien de locatie uiterst belangrijk is voor de waardebepaling van een woning, komt de juiste vergelijking neer op het vergelijken van huizen die zo dicht mogelijk bij elkaar liggen. Eén manier zou zijn om de verkoopprijs van een woning in de tijd te volgen terwijl de overstromingskans verandert. Dit zou een dataset met meerdere verkopen van dezelfde woning vereisen terwijl de overstromingskans van de woning in de tijd wijzigt. Wij beschikken niet over dergelijke gegevens. Een andere optie is een vergelijking van huizen aan de hand van een border discontinuity model. Met voldoende waarnemingen met verschillend overstromingskansen dicht bij elkaar is dit haalbaar. In het algemeen zou de vergelijking beter zijn indien meer huis- en locatie specifieke kenmerken in de vergelijking worden opgenomen.

Met dank aan Bram Vendel, Christiaan Schreuder en Tamer Kara van de ABN AMRO Hypotheken voor hun input