12.500 bedrijven behoed voor faillissement door coronasteun

Co-auteur: Willem Vincent, Global Trainee

Het aantal bedrijfsfaillissementen in Nederland stijgt sinds 2022 behoorlijk, nadat het tijdens en net na de coronacrisis was gedaald tot een historisch dieptepunt (zie figuur 1). RaboResearch heeft nieuwe faillissementsmodellen ontwikkeld. Die kunnen op basis van enkele macro-economische grootheden het faillissementsverloop in het verleden verklaren en ook het aantal faillissementen in de toekomst voorspellen (zie ook Erken, Džambo en Vincent, 2024). Het onderzoek richt zich op de Nederlandse economie als geheel en maakt geen gebruik van definities en interne (klant)data van Rabobank. In dit artikel kijken we voornamelijk terug en focussen we ons op de impact die de coronasteun heeft gehad in het voorkomen van een faillissementsgolf. Tot slot bespreken we hoe we deze forse overheidsinterventie economisch moeten duiden.

Door de coronacrisis is er de afgelopen jaren veel aandacht geweest voor een mogelijke faillissementsgolf in Nederland. Het CPB (2020a, 2020b) ontwikkelde kort na de uitbraak van de pandemie een model om de kans op een faillissement te voorspellen op basis van initiële bedrijfskenmerken, zoals liquiditeit en solvabiliteit, gecombineerd met de impact van de economische schokken uit de financiële crisis van 2008-2010. Op basis van dit model werd een flinke stijging van het aantal faillissementen verwacht, met name in de horeca en recreatiesector.

Deze faillissementsgolf bleef echter uit, onder andere door forse steunpakketten vanuit de overheid. Voorbeelden van deze pakketten waren de loonkostensubsidie Noodmaatregel Overbrugging voor Werkgelegenheid (NOW), de Tegemoetkoming Vaste Lasten mkb (TVL) en uitstel van belastingbetaling (zie bijlage B2 in de technische bijlage voor meer informatie over de steunmaatregelen). Erken en Vrieselaar (2021) berekenden eerder dat tussen 2020 en mei 2021 cumulatief 5.300 faillissementen zijn voorkomen door de steunmaatregelen. Dit deden zij door het aantal daadwerkelijke faillissementen in die periode te spiegelen aan het aantal verwachte faillissementen op basis van de ontwikkeling van het bruto binnenlands product (bbp). In een eerdere studie kwamen Lorié en Ciobica (2020) tot een soortgelijke conclusie op basis van een vergelijkbare analyse: overheidssteun heeft in het tweede kwartaal van 2020 een verwachte stijging van het aantal bedrijfsfaillissementen van 85% (jaar-op-jaar) weten te voorkomen. Deze bevindingen worden verder ondersteund door het onderzoek van Davies, Kattenberg en Vogt (2023), dat aantoont dat zonder de overheidssteun het aantal faillissementen aanzienlijk hoger zou zijn geweest.

Om vast te stellen hoeveel bedrijven de afgelopen tijd zijn behoed voor faillissement door de coronasteun maken we gebruik van nieuwe faillissementsmodellen (zie B1 in de technische bijlage bij dit artikel voor meer informatie over de vormgeving, data en schattingsresultaten van de modellen). In het basismodel verklaren verschillende macro-economische variabelen de procentuele jaar-op-jaarontwikkeling van het aantal faillissementen in Nederland. Dat zijn bijvoorbeeld de mutatie van het reële bbp, de 3-maands geldmarktrente, de reële cao-lonen per uur, de consumentenprijsindex, het reële netto-exploitatieoverschot als indicator voor de winstgevendheid van bedrijven en de reële bedrijfsinvesteringen. Daarnaast nemen we, zoals gezegd, de grootste overheidssteunmaatregelen tijdens de coronacrisis expliciet mee in het model, zoals de mutatie van de uitstaande belastingschuld en de nominale bedragen van de NOW- en TVL-regelingen.

Ons basismodel houdt slechts beperkt rekening met de mogelijke interacties tussen variabelen, en het houdt geen rekening met de ontwikkeling van het totaal aantal bedrijven, wat automatisch kan leiden tot een stijging van het aantal faillissementen. De verandering van het totaal aantal bedrijven heeft in ons basismodel echter geen statistisch en economisch significant effect. Om de gevoeligheid van het basismodel te toetsen, hebben we daarom ook een alternatief model geschat, waarin de verandering van de faillissementsratio – dat wil zeggen het aantal bedrijfsfaillissementen in verhouding tot het totaal aantal bedrijven – wordt verklaard op basis van nagenoeg dezelfde set macro-economische variabelen als het basismodel.

We kunnen de nieuwe modellen gebruiken om vast te stellen hoeveel faillissementen zijn voorkomen door het daadwerkelijke aantal faillissementen te spiegelen aan een hypothetische situatie waarbij tijdens de coronacrisis geen overheidssteun zou zijn verleend (de zogenoemde counterfactual). Vergeleken met de studies van Erken en Vrieselaar (2021) en Lorié en Ciobica (2020) nemen we een veel grotere set aan controlevariabelen mee en bepalen we de counterfactual niet alleen op basis van de ontwikkeling van het bbp. Hierdoor kunnen we de effecten van de steunmaatregelen schonen voor allerlei andere ontwikkelingen die ook invloed kunnen hebben op de ontwikkeling van het aantal faillissementen. Een tweede voordeel van onze aanpak is dat de coronasteun expliciet wordt gemodelleerd door de omvang van de steun in euro’s te relateren aan de ontwikkeling van de omvang van de economie (nominale bbp). Hierdoor kunnen we de counterfactual berekenen door de overheidssteun in de modellen daadwerkelijk op nul te zetten en kunnen we het effect van de steun op het faillissementsverloop veel zuiverder isoleren. Ook kunnen we aan de hand van de nog terug te betalen uitstaande belastingschuld (zie B2 in de technische bijlage) voorspellen hoeveel faillissementen we de komende tijd nog kunnen verwachten.

Overigens is ook onze counterfactual niet helemaal zuiver, omdat ons model geen economische tweede- en derde-orde-effecten meeneemt. Hiermee bedoelen we dat het effect van de steun op het voorkomen van faillissementen mogelijk groter is dan waar wij op uitkomen, omdat onder andere het bbp en bedrijfsinvesteringen zonder steun waarschijnlijk langduriger en scherper zouden zijn gedaald dan in een situatie met steun. Op basis van ons model is echter niet herleidbaar hoe de economie zich zonder coronasteun zou hebben ontwikkeld. Daarvoor zul je moeten rekenen met een groter macromodel waarin via terugkoppelingsmechanismes deze effecten worden nagebootst.

Uit onze analyse blijkt dat de steunmaatregelen in de periode 2020Q2-2024Q2 (minstens) 12.500 bedrijven voor faillissement hebben behoed (zie figuur 2). Door de betere uitgangspositie van het bedrijfsleven komen daar, ondanks het terugbetalen van de coronaschuld, tot eind 2027 nog eens ruim 5.000 bedrijven bij. We verwachten wel dat het terugbetalen van de uitgestelde belastingen de komende jaren leidt tot 1.500 extra faillissementen ten opzichte van een situatie waarbij de steun niet zou hoeven worden terugbetaald (zie figuur 3).

Voorkomen faillissementen per steunmaatregel

Figuur 3 splitst het aantal bedrijven waarvan een faillissement door de steunmaatregelen is voorkomen uit naar de bijdrage van de NOW en de TVL enerzijds en de bijdrage van het belastinguitstel anderzijds. De optelsom (de gele diamantjes) komt overeen met het verschil tussen de lichtblauwe en de donkerblauwe lijnen in figuur 2. De NOW en TVL hebben tot nu toe minimaal 4.000 bedrijven behoed voor faillissement, terwijl door het uitstel van belastingen cumulatief minimaal zo’n 8.500 bedrijven overeind zijn gebleven. De NOW en TVL zijn na de coronaperiode stopgezet, maar hebben een permanent (geleidelijk afnemend) effect op het aantal faillissementen doordat ze de uitgangspositie van bedrijven hebben verbeterd. Dit geldt op dit moment ook nog voor het belastinguitstel, hoewel de terugbetaalfase eind 2022 is gestart. Uiteindelijk gaan door deze terugbetalingen meer bedrijven failliet dan het geval was geweest zonder het belastinguitstel, maar het negatieve effect daarvan is ongeveer gelijk aan het doorlopende positieve effect van de NOW en de TVL.

De analyse in dit artikel ondersteunt het beeld van een succesvolle overheidsinterventie tijdens de coronapandemie. Liefst 12.500 bedrijven zijn door deze interventie behoed voor faillissement en dit is nog een conservatieve inschatting. Zonder steun had de pandemie mogelijk geleid tot een grootschalige faillissementsgolf van niet alleen zwakke niet-levensvatbare bedrijven, maar ook gezonde bedrijven. Dit zou onnodige vernietiging van kapitaal, kennis en kunde tot gevolg hebben gehad. Verder had zonder overheidssteun het vertrouwen in de economie mogelijk een duikvlucht genomen, met een (sterk) oplopende werkloosheid tot gevolg en een krimp van de economie die veel dieper zou zijn geweest dan nu het geval was. Bovendien kan een faillissement voor een individuele ondernemer tragisch en zelfs traumatisch zijn (zie Ucbasaran et al, 2012).

Toch zijn ook enkele kritische kanttekeningen op hun plaats. Ten eerste stelt het Centraal Planbureau (2024) in een recente evaluatiestudie van de coronasteun dat, hoewel deze steun faillissementen en werkloosheid heeft voorkomen, dit is wel gebeurd tegen hoge publieke kosten. Ook was de steun niet gericht en te lang doorgezet.

Ten tweede heeft de coronasteun waarschijnlijk een rem gezet op de bedrijfsdynamiek in Nederland. Dit is niet alleen zichtbaar in het historisch laag aantal faillissementen vande afgelopen jaren, zoals hierboven beschreven. Het wordt ook gesuggereerd door een toename van het aandeel niet-levensvatbare bedrijven (zie Erken, Džambo en Vincent, 2024), een steeds verder dalende productiviteitgroei en sinds 2022 zelfs een dalend arbeidsproductiviteitsniveau. Voldoende bedrijfsdynamiek is echter een belangrijke voorwaarde voor een gezonde economie, waarbij onrendabele niet-levensvatbare bedrijven uit de markt worden geduwd en schaarse productiefactoren (arbeid, land, kapitaal) vrijkomen voor productievere ondernemingen. Dit proces van zogenoemde ‘creatieve destructie’ zorgt voor innovatie en een efficiëntere marktwerking op de lange termijn (zie Schumpeter, 1942). Bij dit proces past ook een terughoudende overheid waar dat kan.

Faillissementsmodellen: vormgeving, bronnen en schattingsresultaten (B1 en B2)

CPB (2020a). De gevolgen van de coronacrisis voor Nederlandse bedrijven en banken.

CPB (2020b). Analyse van kwetsbare bedrijven en banken in de coronacrisis.

CPB (2024). Economische effecten van het coronasteunbeleid met lessen voor toekomstige crises.

Davies, L., M. Kattenberg & B. Vogt (2023). Predicting firm exits with machine learning: implications for selection into COVID-19 support and productivity growth. Centraal Planbureau

Erken, H.P.G. en N. Vrieselaar (2021). Werkloosheid amper opgelopen tijdens coronacrisis, MeJudice.

Erken, H.P.G., I. Džambo en W. Vincent (2024). Verwachte faillissementsgolf geen reden tot paniek. ESB.

Lorié, J., & I. Ciobica (2020). Coronasteun houdt vaak ook niet-levensvatbare bedrijven overeind. ESB, 105(4790), 488-489.

Schumpeter, J. (1942). Capitalism, Socialism, and Democracy. Routledge, London/New York

Ucbasaran, D., D.A. Shepherd, A. Lockett & S.J. Lyon (2013). Life after business failure: The process and consequences of business failure for entrepreneurs. Journal of Management, 39(1), 163-202.

Dit artikel is eerder verschenen bij MeJudice.