Technisch Rapport Vermogensverdeling

Technisch achtergrondrapport bij het hoofdrapport over de vermogensverdeling, met een overzicht van methodologische, empirische en theoretische inzichten uit de wetenschappelijke literatuur. Besproken worden de definitie en meting van vermogen, waarbij het al dan niet meetellen van pensioenaanspraken grote gevolgen heeft voor de cijfers, en de beperkingen van maatstaven als de Gini-coefficient en topvermogensaandelen. Empirisch blijkt dat de eigen woning het dominante vermogensbestanddeel is van de meeste huishoudens en aanmerkelijk belang aan de bovenkant, terwijl de onderkant negatieve vermogens kent. Vervolgens wordt de literatuur besproken over macro-economische en sociale gevolgen: lage sociale mobiliteit, effecten van erfenissen en invloed op democratische instituties. Aanbevolen wordt de registratie van pensioenvermogen, beleggingen en cryptovaluta te verbeteren.

Macro-economische en geopolitieke onzekerheidFinanciële, liquiditeits- en insolventierisico'sGovernance en verslaggeving

Waarom deze indeling: Het rapport gaat over de gevolgen van vermogensongelijkheid voor begrotings- en monetair beleid, de rentestand en macro-financiele risico's (macro), over de meting en samenstelling van vermogens en schulden van huishoudens (financial), en over de kwaliteit en volledigheid van de statistieken waarop beleid wordt gebaseerd (governance).

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: Universiteit Utrecht

Toegepaste standaard

Extern onderzoek

Datum

2022-04-08

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