Archive for Patrick

Plannen vermogensbelasting 2015: wie betaalt meer, wie betaalt minder?

Update September 2016: grafiek voor 2017 toegevoegd waarin de plannen (in gewijzigde vorm) daadwerkelijk in werking zullen treden.

Nieuwe plannen voor de vermogensbelasting:

  • Nog steeds 30% belasting over een fictief rendement
  • Het fictieve rendement wordt nu bepaald aan de hand van rentes van de afgelopen 5 jaar (vergelijkbaar met de berekening van de studieschuldrente)
  • Het fictieve rendement wordt progressief, wat in veel gevallen realistischer zal zijn (hoe meer vermogen, hoe meer risico je je kunt permitteren en dus hoe meer rendement over de lange termijn):
    • Schijf 0: t/m € 25k belastingvrij (is nu voor 2015 € 21.330)
    • Schijf 1: € 25k t/m €125k 2,7%
    • Schijf 2: € 125k t/m €1M 4,7%
    • Schijf 3: vanaf € 1M 5,5%

Dit kunnen we vergelijken met de huidige vlaktaks van 30% op 4% fictief rendement. Bij welke vermogens betaal je minder en bij welke betaal je meer in dit nieuwe tarievenschema?

vermogensbelasting2015

#!/usr/bin/env python
import numpy as np
import scipy.optimize as opt
import matplotlib.pyplot as plt
plt.style.use('ggplot')

b_nieuw = lambda v: 0.3 * ( (0.027 * np.clip(v-25000, 0, 100000)) + (0.047 * np.clip(v-125000, 0, 875000)) + (0.055 * np.max((v-1e6, np.zeros_like(v)), axis=0)) )
b0 = lambda v: 0.3*(0.04 * np.max((np.zeros_like(v), ( v - 21330 )), axis=0) )
x = np.linspace(0, 2e6, 100000)

d_b = lambda v: np.abs(b0(v) - b_nieuw(v))

break_even = opt.fmin(d_b, 200000)[0]

plt.semilogx(x, b0(x), label='oud')
plt.semilogx(x, b_nieuw(x), label='nieuw')

plt.xlim(10000, 2e6)

ylim = plt.ylim()
plt.semilogx((break_even,)*2, (ylim[0], b0(break_even)), 'k--')
plt.semilogx((plt.xlim()[0], break_even), (b0(break_even), b0(break_even)), 'k--')

plt.title(('Break even punt: {0:.2f} euro ({1:.2f} euro belasting)'
           ).format(break_even, b0(break_even)))

plt.grid(b=True, which='both')

plt.legend(loc='best')
plt.show()

Het effectieve percentage belasting dat je over je totale bedrag betaalt ziet er als volgt uit:

vermogensbelasting2015_rente

# effectieve rente
effectief_0 = b0(x) / x * 100
effectief_nieuw = b_nieuw(x) / x * 100

plt.figure()

plt.semilogx(x, effectief_0, label='oud')
plt.semilogx(x, effectief_nieuw, label='nieuw')

plt.xlim(10000, 2e6)

ylim = plt.ylim()
plt.semilogx((break_even,)*2, (ylim[0], b0(break_even) / break_even * 100), 'k--')
plt.semilogx((plt.xlim()[0], break_even), (b0(break_even) / break_even * 100, b0(break_even) / break_even * 100), 'k--')

plt.title(('Break even punt: {0:.2f} euro ({1:.2f} procent effectieve belasting)'
           ).format(break_even, b0(break_even) / break_even * 100))

plt.grid(b=True, which='both')

plt.legend(loc='best')

plt.show()

 

Update september 2016:

De plannen gaan in enigszins gewijzigde vorm in 2017 in werking. Voor mensen met een flink vermogen zijn de aanpassingen nog iets minder gunstig dan de oorspronkelijke plannen; zie de figuur hieronder.

vermogensbelasting2017_rente

Hiervoor kun je in het bovenste stukje Python “b_nieuw” vervangen met de volgende regels.

# versie 2017:
perc1 = 0.0163
perc2 = 0.055
tarief1 = 0.67 * perc1 + 0.33 * perc2
tarief2 = 0.21 * perc1 + 0.79 * perc2
tarief3 = perc2
b_nieuw = lambda v: 0.3 * ((tarief1 * np.clip(v - 25000, 0, 75000)) +
                           (tarief2 * np.clip(v - 100000, 0, 900000)) +
                           (tarief3 * np.max((v - 1e6, np.zeros_like(v)), axis=0)))

Condor job met ncurses: terminal variabele toevoegen

Running a Condor (7.5.5) job for my c++ program which makes use of the ncurses library, I got an error:

Error opening terminal: unknown.

I found a related question on Stack Overflow. Adding a TERM environment variable turned out to be the solution. To do this in Condor, add a line like this to your Condor script:

environment    = "TERM=xterm"

If you want to add more variables, just use a space to separate them inside the quotation marks.

Ramingen CPB en foutmarges

Politici en media strooien vrolijk met cijfers uit de laatste ramingen van het CPB over de effecten van de programma’s van politieke partijen op de economie. Helaas is men echter zuinig met terechte nuancering, bijvoorbeeld in de vorm van foutmarges. Daarentegen is de op onbegrip gebaseerde kritiek niet van de lucht, meestal in het genre “bijna raak, oftewel helemaal mis”. Natuurlijk, de modellen zijn niet perfect, maar dat maakt ze nog niet nutteloos.

Het CPB doet uitstekend werk, zoals Coen Teulings, hoofd van het CPB, op 27 augustus uit kwam leggen bij Nieuwsuur. Hun modellen zijn uitgebreid getest en het product van jarenlang onderzoek (naar ik aanneem zowel binnen als buiten het CPB). Zij onthouden zich daarnaast van politieke keuzes door enkel door te rekenen wat politieke partijen hen aanleveren. Dat dat niet altijd overeen hoeft te komen met wat de partijen in hun programma’s hebben staan is voor een rekenkamer irrelevant; dat moeten politici en journalisten maar uitzoeken. Het CPB is geen persbureau.

Twan Huys vond dit natuurlijk maar niets. Je zou jezelf eens in moeten spannen! En al die cijfertjes, hemel, hoe kom je daar door?! Ook bij meneer Mingelen bespeurde ik al een gelijksoortige afkeer van getallen, die toch uiteindelijk ook maar meningen zijn (geen citaat, maar hij leek het wel te denken). Dit echter terzijde.

Terzake, er is natuurlijk altijd wel een hoop af te dingen op macro-economische ramingen, net als op weersvoorspellingen. Het zijn immens complexe systemen die we proberen te benaderen met versimpelde vergelijkingen, omdat we nu eenmaal niet de anders benodigde oneindige hoeveelheid rekenkracht hebben (en bovendien de kennis van de achterliggende mechanismen). “Er is maar een ding zeker en dat is dat we het nooit goed hebben,” of iets van die strekking, aldus de nuchtere Teulings. De mate van onzekerheid heb ik echter nergens besproken zien worden. Vandaar hier een tweetal leuke details uit de modellen van het CPB die hopelijk als aanzet kunnen gelden tot meer discussie hieromtrent.

1. We zien vaak het jaartal 2040 langskomen. Dit zou toch meteen een belletje moeten doen rinkelen. We horen in het nieuws regelmatig over achteraf bijgestelde ramingen voor het komende jaar. Hoe denkt men dan voorspellingen te kunnen maken voor over 28 jaar? Antwoord: dat doet men helemaal niet.

In de beschrijving van het macro-economische model dat het CPB gebruikt (SAFFIER II) kan men op pagina 69 het volgende lezen: “De termijn waarop in SAFFIER II de economie na een schok een nieuw evenwicht bereikt, 15-20 jaar, lijkt te lang. Dit is een punt van nader onderzoek. Het betekent wel dat de in de plaatjes gepresenteerde effecten in bijvoorbeeld 2040 niet letterlijk aan dat jaartal moeten worden gekoppeld. De plaatjes dienen louter ter illustratie van de richting van de effecten op langere termijn, dat wil zeggen na het achtste jaar.” In plaats van “in 2040” kunt u dus van nu af aan in alle nieuwsberichten lezen “over 8 jaar of daarna”.

2. Meer in het algemeen kun je de vraag stellen hoe accuraat de modellen zijn. Ik zou bijvoorbeeld graag zien hoe de gebruikte modellen achteraf blijken te presteren. Gegeven enkel de kennis van, ik noem maar wat, januari 2011, hoe dicht komen de modellen dan bij de huidige situatie? En voor de kennis van 2005? Etcetera. Hier kon ik zo gauw geen uitgebreide onderzoeksresultaten over vinden, al werd er wel ergens naar gerefereerd.

Wat ik echter wel tegenkwam was een tabel op de website van het CPB waar de vraag werd gesteld hoe trefzeker het CPB is bij het voorspellen van de richting van de conjunctuur. Dit bleek voor een willekeurig “komend jaar” in de periode 1970-2005 in 37 of 38 procent van de gevallen correct te worden voorspeld. In de rest van de gevallen is het dus (in meer of mindere mate) onjuist.

Merk op dat dit gaat om een voorspelling voor één enkel komend jaar. Laten we ons dus niet blindstaren op ramingen voor 2017, laat staan voor 2040. Merk daarnaast op dat al deze gegevens gewoon openbaar door het CPB worden gepubliceerd en dus door iedereen op te vragen zijn. Verwijt dus nooit het CPB van laksheid in de informatievoorziening, zoals Twan Huys bijna leek te doen in Nieuwsuur.

Met meer tijd zouden we zeker nog veel meer interessante details op kunnen graven in de dikke en uitstekende documenten die het CPB gepubliceerd heeft. Ik zou hierover ook graag een wat gedetailleerder stuk van een CPB-insider lezen, want je zou mij hooguit een geinteresseerde amateur kunnen noemen (eigenlijk dat niet eens). In hoeverre dit alles precies van invloed is op de ramingen van de partijprogramma’s kan ik ook niet direct overzien. Dat er serieuze aandacht voor de onzekerheidsmarges komt lijkt me echter van groot belang. Laten we ons als burgers toch zo goed mogelijk wapenen tegen het retorisch geweld van de lijsttrekkers in deze laatste dagen voor de verkiezingen.

Hoe wordt de rente op studieschuld bepaald?

Deze vraag bleek uiteindelijk eenvoudig te beantwoorden, al heb ik de hulp van Tofik Dibi en oud-minister Plasterk in moeten roepen. In de Wet studiefinanciering staat dit namelijk haarfijn uitgelegd. Artikel 4.3 van deze wet vertelt ons dat het rentepercentage van een jaar gelijk is aan het gemiddeld effectief rendement over de maand oktober van dat jaar van Nederlandse staatsobligaties met een looptijd van 3 tot 5 jaar.

Met de hulp van Statline van het CBS is deze informatie (of althans, iets dat daar bij in de buurt komt) eenvoudig op te vragen. Men zoeke onder “Aandelen obligaties; openbare emissie” naar onderwerp “Emissie rendement obligaties” en neme dan de gemiddelden van alle percentages in oktober van elk jaar. Dit is niet helemaal gelijk aan het effectief rendement, maar komt er aardig in de buurt. Voor de jaren 1992 t/m 2000 (voorgaande data loopt pas vanaf 2001) kun je bijvoorbeeld onder “Geld- en kapitaalmarkt, 1900-2002” zoeken op onderwerp Aandelen en obligaties -> Obligaties -> Rendementen staatsleningen -> 3-5 jaar. Dit zijn gemiddelden van een heel jaar, terwijl we eigenlijk alleen die van oktober willen, maar bij gebrek aan beter moet dit maar volstaan. De rentes op studieschuld tenslotte vinden we op de site van DUO.

Deze twee obligatierentekoersen lijken dan inderdaad aardig met de rente op studieschuld te correleren, zelfs uitstekend in de laatste paar jaren (waarom daarvoor minder is me niet helemaal duidelijk, behalve natuurlijk voor de jaren waarvoor geen oktober metingen bij CBS te krijgen zijn). Zie grafiek en voor alle data dit excel sheetje.