随着中国经济和房地产市场的发展, 房地产市场竞争日益激烈, 不确定因素日益增多, 房地产开发过程中可能面临的风险因素越来越多, 风险损失规模也越来越大, 这些都要求各房地产公司加强自身风险管理。
自从20世纪70年代以来, 由于计算机技术的不断发展, 使得利用蒙特卡洛方法研究、分析房地产项目的风险成为了可能。由于能获得实际分析数据, 目前蒙特卡洛法在国外的房地产项目风险分析中占据着比较重要的位置。而蒙特卡洛法在我国房地产风险分析的运用仍有待实践, 本文拟就蒙特卡洛法在实际项目投资风险分析的运用做初步探讨。
蒙特卡洛方法的基本思想是, 若已知描述工程项目风险状态的概率分布, 根据工程项目目标或规定的状态函数g (X1, X2, X3, …, Xn) , 利用抽样技术, 生成符合状态变量概率分布的一组随机量x1, x2, x3, …, xn, 将其代入状态函数g (X1, X2, X3, …, Xn) , 得到状态函数的一个随机量。用如此同样的方法, 产生N个类似这样的状态函数的随机量。若在N个状态函数的随机量中M个小于等于 (或大于等于) 工程项目目标或规定的值X0, 当N充分大时, 由大数定律, 此时的频率已接近概率, 因而可得工程项目的风险率Pr:Pr=M/N。
采用蒙特卡洛方法分析工程项目风险, 一般的模拟步骤为:
(1) 选取随机变量 (输入变量) , 确定随机变量的概率分布。
(2) 风险分析计算模型的建立。
(3) 为各随机变量抽取随机数根据风险分析的精度要求, 确定模拟次数N。
(4) 产生伪随机数, 将抽得的随机数转化为各输入变量的抽样值。
(5) 根据所建立的数学模型或流程图计算出状态函数值, 即得到一个随机事件的样本值。
(6) 重复上述过程, 进行反复多次模拟, 得出多组评价指标值。
(7) 整理模拟结果所得评价指标的期望值、方差、标准差、概率分布及累计概率分布, 绘制累计概率图, 同时, 检验模拟次数是否满足预定的精度要求。根据上述结果, 分析各随机变量对项目收益的影响。
在这些步骤中, 比较关键的是确定随机变量及其概率分布, 随机数的产生等。
某地产山地低密度住宅开发项目 (大部分为独栋住宅, 部分为联排住宅) , 销售面积15万m2, 分四期进行销售。由于该项目规模较大, 投资周期长达5年 (2006年至2010年) , 山地开发面临的各种不确定因素多, 因此我们需要对项目的各个环节进行周密思考, 尽可能地全面考虑各项不可确定的风险因素。
备注:上述数据均已将现金流折算到2005年。
运用敏感分析, 我们对各个阶段可能对利润造成影响的因素 (土地成本、开发成本、经营税金及附加、管理费用、销售费用、财务费用、不可预见费用、销售收入) 进行了分析得出了以下结果:
(1) 最大的风险因素为销售收入。由于销售工作是整个地产资金工作的重点, 该阶段的工作直接关系到资金回笼的情况, 并对地产本身项目的后续开展作出保障。
(2) 建安成本的风险大。由于是山地建筑, 导致工程开挖后边坡数量较多, 边坡工程量较大, 同时山地地形复杂, 工程量无法准确估计, 以及建筑材料的价格上涨等因素, 导致建安成本风险较大。
(3) 销售费用的风险比较大。由于政策面变化比较大, 房地产市场在持续走高的同时不可避免地会遇到调整, 因此销售费用无法正确估计。
(4) 不可预见费的风险也比较大。由于在平均坡度约为35度的山地施工经验缺乏, 相同类似项目的资料也较为稀少, 加之政策面情况也比较复杂, 因此不可预见费用较难估计。
另外, 宏观调控、利率、通货膨胀等因素也将对该项工程产生不同程度的影响。
根据上述风险因素的分析, 我们可以确定该低密度住宅项目风险分析的主要因素有4个, 即销售收入、建安工程成本、租赁费用、销售费用。通过对上述4个主要风险因素进行蒙特卡洛模拟, 可计算出经济评价指标。根据对各经济评价指标的结果分析, 得出项目风险评价结果。
下面我们运用水晶球 (CRYSTAL BALL) 软件进行蒙特卡洛法进行模拟, 主要对FNPV进行计算:
电子表格模型都应当根据优良设计原则来确立。为便于理解, 它必须有一个好的布局。[46]它应当包括:说明性标题, 与输出及其他工作空间分立的的输入数据段区域, 以及提供模型结果的分立输出段。输入数据应当仅涉及单元提示或区域名称, 使得任何改变只需对输入数据段来进行, 并能在整个电子表格上得到反映。
计算公式:
净利润= (1-税率) × (销售收入-不可预见费-财务费用-销售费用-管理费用-经营税金及附加-开发成本-土地成本)
备注:由于该项目是在05年进行的成本测算, 故未考虑土地增值税。
通过公司内部资料, 以及统计分析结果和专家的估计, 销售收入变化的概率服从正态分布, 期望值96亿元, 方差6亿元。
通过公司内部资料, 以及统计分析结果和专家的估计, 建安成本费用变化的概率服从正态分布, 期望值17.66亿元, 方差2.8亿元。
通过公司内部资料, 以及统计分析结果和专家的估计, 销售费用的概率模型服从三角分布, 乐观值2.4亿元, 悲观值3.3亿元, 最大可能值2.88亿元。
通过公司内部资料, 以及统计分析结果和专家的估计, 不可预见费用的概率模型服从三角分布, 乐观值2.6亿元, 悲观值3.4亿元, 最大可能值2.88亿元。
(3) 进行假设定义, 根据上述的概率分布, 分别对销售收入、建安成本费用、销售费用、不可预见费用进行假设定义。
(4) 定义输出变量的预测结果。选择单元格作为预测结果。
(5) 选择随机变量的试验次数。
(6) 随机数的产生。根据上述概率分布, 利用CRYSTAL BALL软件产生上述变量的随机数。
例如通过水晶球软件产生的50次随机试验结果:
(7) 进行模拟计算, 并得出模拟计算结果。
①5000次模拟计算。
②计算净利润。
通过5000次的模拟计算, 我们可以看出, 本项目的净利润中位值为48.09亿元, 标准差为5.37。净利润大于39.11亿元有95%的可能性。
通过蒙特卡洛法的计算, 项目人员认为项目回报率高, 能高效回收投入到地产项目的资金, 因此该项目是非常可行的。但是在项目建设过程中, 要密切注意销售收入和建安成本, 因为上述两项对于整个风险分析的结果起着决定性的影响。
项目组认为必须在项目实施过程中, 注意应对以下几个方面的工作:
由于别墅用地的控制, 加之国家对房地产政策的收紧, 项目政策风险较高。因此, 必须加快建安进度, 同时注意宏观政策的调整, 积极就政策变化的各种趋势拟订相应的对策 (包括销售及建安等等方面) 。
由于山地项目不可确定的工程项目较多, 工程经验相对较少, 因此必须采取目标成本控制, 使得建安成本能够得到控制。
项目组及地产公司项目管理中心必须密切注意项目潜在的各种风险, 及时进行风险规避和控制。
目前房地产公司及房地产项目管理人员对于工程设计、成本、施工、策划、销售等常规性工作都形成了工作流程, 各项工作控制都基本到位。但是房地产公司的管理人员对于项目的风险意识比较淡薄, 风险应对措施不明确。这直接导致一旦发生风险事故, 对房地产开发将带来巨大的损失。因此, 必须对房地产高级项目管理人员进行风险分析、风险管理的培训, 提高风险应变能力。在平常的日常工作中, 注意对风险工作进行监控。
[1] 余子华.工程项目风险管理与工程保险.浙江大学出版社, 2004.15～16.
[2] 卢有杰, 卢家仪.项目风险管理.北京:清华大学出版社, 1998.
[3] 黄家明.风险与保险.北京:中国法制出版社, 2002.
[4] 闫军印.建设项目评估.机械工业出版社, 2005.222～223.
[5] 王卓甫.工程项目风险管理.北京:中国水利水电出版社, 2003.21～24, 83～85.
[6] 李启明.房地产投资风险及其辨识.建筑经济, 1995, (11) :37～39.
[7] 郝丽萍, 戈勇.蒙特卡洛法在房地产开发风险分析中的应用.中国房地产, 2000 (1) :44～46.
[8] James R.Evans, David L.Olson.Simulation and Risk analysis, 1998.030～036.
[9] Project Management Institute (PMI) .A Guide to the Project Management Body of Knowledge (PMBOK?Guide) , Third Edition.Project Management Institute, 2004.
