Onderzoek naar forfaits in de BPM. Herijking van de wettelijke forfaitaire afschrijvingstabel, definiering nieuw/gebruikt, herijking waardeverliespercentage door schade

Marktonderzoeksbureau VMS Insight onderzocht in opdracht van het ministerie van Financiën hoe gebruikte auto's in waarde dalen, omdat de wettelijke bpm-afschrijvingstabel nog uit 2012 stamt. Geanalyseerd zijn circa 60.000 personenauto's die in juli 2021 te koop stonden, aangevuld met 28.000 vergelijkbare auto's uit een tweede databestand. Een auto van tien jaar oud blijkt gemiddeld voor 81 procent afgeschreven, tegen 86 procent in 2012, terwijl de wettelijke tabel 93 procent aanhoudt. Kleine auto's en SUV's houden hun waarde beter dan grote auto's en diesels. Het onderzoek levert de basis voor een herijking van de tabel, die volgens de opdracht voortaan periodiek zou moeten plaatsvinden.

Veranderende wet- en regelgevingFinanciële, liquiditeits- en insolventierisico'sMarktverandering en concurrentie

Waarom deze indeling: Het onderzoek moet knelpunten oplossen in de heffing bij invoer van gebruikte voertuigen, waarbij de forfaits in de wet en de jurisprudentie uit elkaar lopen. De hoogte van de forfaitaire afschrijving bepaalt rechtstreeks hoeveel belasting bij import verschuldigd is. De uitkomsten steunen op marktgegevens over restwaarden, advertentieprijzen en schadeauto's, dus op de werking van de tweedehandsautomarkt.

Toegekend met een AI-model (Opus 5) op basis van de zestien thema's van Risk in Focus; niet door mensen gevalideerd. Om de labels beter te onderbouwen gaan we ze gefaseerd herbeoordelen met een tweede, onafhankelijk model van een andere aanbieder (OpenAI naast Anthropic); vanwege tokenlimieten gebeurt dat stapsgewijs. Ziet u een fout? Laat het weten.

Ministerie

Ministerie van Financiën

Bron

Onderzoeken en evaluaties: VMS Insight

Toegepaste standaard

Extern onderzoek

Datum

2022-07 (alleen de maand is bekend)

Het rapport zelf

originele publicatie

Omschrijving

samenvatting door een AI-model (Opus 5) op basis van de publicatie

Risicolabels

toegekend met een AI-model (Opus 5) volgens de zestien thema's van Risk in Focus (ECIIA), niet door mensen gevalideerd

Bijgewerkt

augustus 2026