• Articles
• admin

takže chcete spustit Monte Carlo simulace v Excelu, ale váš projekt není dostatečně velký nebo neděláte tento typ pravděpodobnostní analýzy natolik, aby opravňoval k nákupu drahého doplňku. No, jste na správném místě. Vestavěná funkce aplikace Excel umožňuje stochastické modelování, včetně spuštění tolika simulací, kolik bude podporovat výpočetní výkon vašeho počítače, a tento krátký příspěvek s videonávodem vás provede nastavením a procesem spouštění simulací Monte Carlo V aplikaci Excel bez jakýchkoli doplňků nezbytných.

Pravděpodobnostní analýza z pohledu nemovitostí

Toto je blog komerčních nemovitostí, a proto se tento tutoriál zabývá stochastickým modelováním z pohledu profesionála v oblasti nemovitostí. Velká většina technik uvedených v tomto příspěvku však bude fungovat napříč obory.

také si povšimnu, že několik konceptů zde uvedených jsem upravil z postgraduální práce Keitha Chin-KEE Leunga excellente na téma: Beyond DCF Analysis in Real Estate Financial Modeling: pravděpodobnostní hodnocení realitních podniků.

co to je výukový program není

tento příspěvek není kurz na analýzu pravděpodobnosti. Jako takový, předpokládá, že máte základní znalosti o pravděpodobnosti, statistika, Vynikat, a vědět, co je simulace Monte Carlo. Pokud byste chtěli získat opakovací informace o pravděpodobnosti nebo statistikách obecně, doporučuji absolvovat kurz na toto téma. Zde je bezplatný MOOC (massive open online course), který nabízí Duke:

• Úvod do pravděpodobnosti a dat

scénář-dohoda o bytě

před spuštěním simulací budete potřebovat scénář k modelování. V tomto případě budeme provozovat základní diskontovaný cash flow na hypotetickém bytovém domě, abychom zjistili, kolik bychom byli dnes ochotni za nemovitost zaplatit. Zde je to, co víme:

1. objekt vlastnost má 10 jednotek
2. objekt vlastnost poplatky $ 1000 / měsíc za každou jednotku; nájemné roste o 3% v loňském roce
3. je zde jedna jednotka volná, a pro jednoduchost předpokládáme, že vždy bude jedna jednotka volná
4. náklady jsou $ 3,000 za měsíc; výdaje rostou o 2% v loňském roce
5. srovnatelné nemovitosti se dnes prodávají za 5,5 – – 6,0% SZP, ale očekává se, že sazby SZP v příštích letech vzrostou asi o 5 bazických bodů ročně (míra exit cap mezi 5,75% a 6.25%)
6. plán držet vlastnost po dobu pěti let
7. cíl 8% unleveraged návrat

nastavení modelu

dále jsem nastavil svůj Model Excel v rámci přípravy na spuštění simulací (na konci tohoto příspěvku si můžete stáhnout sešit aplikace Excel použitý v tomto tutoriálu).

1. ve sloupci B A D klesám ve svých základních předpokladech
2. buňka G2 označím „hodnota DCF“
3. v řádku 14, počínaje buňkou F14 až K14, přidám záhlaví období se šesti periodami včetně periody nula
4. buňka E15 označím „nájemné“
5. buňka E16 označím „náklady“
6. buňka E17 označím „čistý provozní příjem“
7. buňka E18 i štítek „zbytková hodnota“
8. buňka L17 i štítek „výstupní víčko“
9. buňka E19 i lable „čistý peněžní tok“
10. buňka D14 i štítek „rychlost růstu“
11. v buňce G15 píšu vzorec: =9 * 12* $ D $ 4*(1+$D15)^(G14-1), což znamená devět jednotek (10 jednotek méně než jedna volná jednotka), krát 12 měsíců, krát $D$4 ($1000 nájemné / jednotka / měsíc), krát jeden plus $D15 (pravděpodobná míra růstu vypočtená v buňce D15), zvýšeno na období (G15) mínus jedna (odečtu jednu, protože nechceme, aby nájemné rostlo v prvním roce). Protože byly vytvořeny správné absolutní odkazy na buňky (např. $D$4 a $D15), mohu zkopírovat vzorec přímo do buňky K15.
12. sleduji podobný postup pro výdaje pomocí vzorce: =$D $ 7 * 12*(1+$D16)^(G14-1)v buňce G16 a poté tento vzorec zkopíruji do buňky K16.
13. v buňkách G17 až K17 odečítám náklady z nájemného (např. v G17 píšu =G15-G16), abych dosáhl čistého provozního příjmu za každý rok.
14. v buňce K18 píšu vzorec: =K17 / L18, což znamená vydělte čistý provozní příjem pátého roku pravděpodobnou mírou ukončení (L18).
15. v buňkách G19 až K19 sčítám čisté peněžní toky za každý rok: čistý provozní příjem v letech jeden až čtyři a čistý provozní příjem plus zbytková hodnota v roce pět.
16. nakonec v buňce G3 vypočítám současnou hodnotu toku peněžních toků v řádku 19 diskontovanou zpět na 8% (Cílová neveregovaná návratnost) pomocí vzorce: = NPV (D12, G19:K19).

s nastavením DCF mohu nyní přejít k přidání pravděpodobnosti k mým předpokladům.

přidání pravděpodobnosti pomocí funkce RANDBETWEEN ()

v našem scénáři Výše máme několik předpokladů, které jsou nejisté, a proto by byly skvělými kandidáty pro přidání variability do. Nejprve musíme zvolit typ distribuce pro naši pravděpodobnost.

máme řadu možností, dvě nejběžnější jsou rovnoměrné rozdělení (konstantní pravděpodobnost, kde jsou všechny výsledky stejně pravděpodobné) a normální rozdělení (přemýšlejte o pravděpodobnosti bell curve, kde výsledná hodnota bude pravděpodobně blíže k průměru). Pro jednoduchost zvolíme jednotné rozdělení.

1. v buňce D15 přidávám jednotnou variabilitu k rychlosti růstu nájemného pomocí vzorce: =$D$5*RANDBETWEEN (-500,2000)/1000, Což znamená vzít 3% (loňský růst nájemného z buňky $D$5) a vynásobit ho náhodným číslem mezi -0.5 a 2.0 (RANDBETWEEN(-50,200)/100), takže výsledná míra růstu nájemného náhodně klesá mezi -1,5% a 6,0%.
2. v buňce D16 přidávám jednotnou variabilitu k rychlosti růstu nákladů pomocí podobného vzorce: =$D$8*RANDBETWEEN (-500,2000)/1000, pouze v tomto případě vezmu loňskou míru růstu výdajů (2% z buňky $D$8) a vynásobím ji náhodným číslem mezi -0,5 a 2,0 (RANDBETWEEN(-50,200) / 100), takže výsledná míra růstu nákladů náhodně klesne mezi -1,0% a 4,0%.
3. nakonec v buňce L18 přidám jednotnou variabilitu k rychlosti výstupního uzávěru pomocí vzorce: =D10 * RANDBETWEEN (958,3, 1041,7) / 1000, Což znamená vzít 6% (průměr mezi 5,75% a 6,25% očekávaným rozsahem pro míry ukončení limitu v pátém roce) a vynásobit ho náhodným číslem mezi 0,9583 a 1,0417 (RANDBETWEEN (958,3, 1041,7)/1000), takže výsledná míra ukončení limitu náhodně klesne mezi 5,75% a 6,25%.

nyní uvidíte, když stisknete klávesu F9, že míra růstu nájemného, míra růstu nákladů a hodnoty sazeb exit cap se mění náhodně, což má za následek náhodnou změnu peněžních toků a celkové hodnoty diskontovaných peněžních toků.

spuštění simulací Monte Carlo pomocí datových tabulek

s pravděpodobností přidanou do vašeho modelu můžete začít spouštět simulace Monte Carlo. Tento proces zahrnuje vytvoření datové tabulky spojené s vaší hodnotou DCF (G3), takže každá simulace zaznamenává výslednou hodnotu DCF z této simulace.

zde je návod, jak spustit simulace Monte Carlo pomocí funkce datové tabulky v aplikaci Excel:

1. buňka B27 i štítek „Simulace #“
2. propojuji buňku C27 s hodnotou DCF (=G3)
3. i počet buněk B28 až B1027 od 1 do 1000. Za tímto účelem jsem nejprve nastavil buňku B28 na 1. I dále zadejte vzorec =B28+1 do buňky B29. Nakonec zkopíruji vzorec v B29 do buňky B1027.
4. s očíslovanými simulacemi a buňkou C27 spojenou s hodnotou DCF vyberu buňky B27 až C1027 a kliknu na funkci „datová tabulka“ (Data>What-If-Analysis>datová tabulka).
5. ponechám pole „řádek Vstupní buňka:“ prázdné a kliknu na pole „sloupec Vstupní buňka“. Vyberu prázdnou buňku v listu (na které buňce nezáleží, pokud je to buňka, která je vždy prázdná), stiskněte klávesu enter a poté „OK“.
6. datová tabulka bude aktualizovat s 1000 iterací naší simulace a voila jste spustit simulaci Monte Carlo v Excelu pomocí datové tabulky.

očekávaná hodnota-co byste mohli být ochotni zaplatit

průměr (průměr) všech simulací je vaše „očekávaná hodnota“ nebo to, co byste mohli být ochotni zaplatit za vlastnost subjektu vzhledem k vašim předpokladům. V mém případě je očekávaná hodnota asi 1,2 milionu dolarů.

také bych chtěl vypočítat minimální, maximální a směrodatnou odchylku simulací, abych získal cit pro rozsah hodnot. Takže například v tomto případě je minimum kolem 925 000 dolarů a maximum je kolem 1,5 milionu dolarů. To znamená, že existovala instance, kde bych musel zaplatit $925,000, abych dosáhl návratnosti 8%, a tam byla instance, kde bych mohl zaplatit $ 1.5 milionů, abych dosáhl návratnosti 8%.

nicméně, čím více simulací spustíte, tím více hodnot vytvoří normativní vzorec, kde máte 68% pravděpodobnost, že hodnota bude jedna směrodatná odchylka od průměru a 95% pravděpodobnost, že hodnota bude dvě směrodatné odchylky od průměru (pravidlo 68-95-99). Proto, čím menší je směrodatná odchylka, tím jistější můžete být o své očekávané hodnotě.

takže na závěr, za náš hypotetický bytový dům, bychom byli ochotni zaplatit někde mezi $ 925,000 a $ 1.5 milión s $ 1.2 milión je nejpravděpodobnější kupní cena.

Video Tutorial-Běh Monte Carlo simulace v oblasti nemovitostí

jako doplněk k písemné tutoriálu výše, jsem zaznamenal video, které prochází dělá své vlastní Monte Carlo simulace pro nemovitosti v Excelu.

Sledujte pomocí souboru Excel z videa

Chcete – li tento Monte Carlo simulační výukový program přístupný všem, je nabízen na základě“ plaťte, co jste schopni “ bez minima (zadejte 0$, pokud chcete) nebo maximum (vaše podpora pomáhá udržovat obsah přicházející-podobné moduly kurzu nemovitostí se prodávají za $ 100 – $ 300+). Stačí zadat cenu spolu s e-mailovou adresou, na kterou chcete odeslat odkaz ke stažení, a poté klikněte na „Pokračovat“. Máte-li jakékoli dotazy týkající se našeho programu“ Pay What You ‚re Able“ nebo proč nabízíme naše modely na tomto základě, obraťte se na Mika nebo Spencera.