• Articles
• admin

tehát a Monte Carlo szimulációkat szeretné futtatni az Excel programban, de a projekt nem elég nagy, vagy nem végez ilyen típusú valószínűségi elemzést ahhoz, hogy indokolja egy drága bővítmény vásárlását. Nos, a megfelelő helyre jöttél. Az Excel beépített funkcionalitása lehetővé teszi a sztochasztikus modellezést, beleértve annyi szimuláció futtatását, amennyit a számítógép feldolgozási teljesítménye támogat, és ez a rövid videó bemutató bemutatja a Monte Carlo szimulációk Excelben történő futtatásának folyamatát és a szükséges bővítmények nélkül.

valószínűségi elemzés ingatlan szempontból

ez egy kereskedelmi ingatlanblog, ezért ez az oktatóanyag a sztochasztikus modellezést vizsgálja egy ingatlanszakember szempontjából. Az ebben a bejegyzésben bemutatott technikák nagy többsége azonban tudományterületeken fog működni.

azt is megjegyzem, hogy az itt bemutatott fogalmak közül többet adaptáltam Keith Chin-Kee Leung excellente diplomamunkájából a témában: a DCF elemzésén túl az ingatlan pénzügyi modellezésében: az Ingatlanvállalkozások valószínűségi értékelése.

mi ez a bemutató nem

ez a bejegyzés nem egy tanfolyam valószínűségi elemzés. Mint ilyen, feltételezi, hogy alapvető ismeretekkel rendelkezik a valószínűségről, a statisztikáról, az Excelről, és tudja, mi a Monte Carlo szimuláció. Ha szeretne frissíteni a valószínűségről vagy általában a statisztikákról, azt javaslom, hogy vegyen részt egy tanfolyamon a témában. Itt van egy ingyenes MOOC (massive open online course), amelyet a Duke kínál:

• Bevezetés a valószínűség és az adatok

a forgatókönyv – egy lakás foglalkozik

futtatása előtt a szimulációk, akkor kell egy forgatókönyv modellezni. Ebben az esetben egy alap diszkontált cash flow-t fogunk futtatni egy hipotetikus bérházban, hogy meghatározzuk, mennyit hajlandóak fizetni az ingatlanért ma. Itt van, amit tudunk:

1. a tárgy ingatlan 10 egység
2. a tárgy ingatlan díjak $1000 / hó minden egység; a bérleti díjak 3% – kal nőnek tavaly
3. van egy egység üres, és az egyszerűség kedvéért feltételezzük, hogy mindig lesz egy egység üres
4. a költségek havonta 3000 dollár; a költségek tavaly 2% – kal nőnek
5. összehasonlítható ingatlanok ma 5,5% – 6,0% – os felső határértéket adnak el, de a felső határértékek várhatóan évente körülbelül 5 bázisponttal növekednek az elkövetkező években (kilépési felső határ 5,75% között és 6.25%)
6. tervezze meg az ingatlan öt évig tartását
7. célozzon meg egy 8% – os tőkeáttétel nélküli hozamot

a modell beállítása

ezután beállítottam az Excel modellemet a szimulációk futtatásának előkészítéseként (letöltheti az ebben az oktatóanyagban használt Excel munkafüzetet a bejegyzés végén).

1. a B és D oszlopban az alapfeltevéseimet
2. G2 I cella címke “DCF érték”
3. a 14. sorban, az F14-K14 cellától kezdve, hozzáadok egy periódus fejlécet hat periódussal, beleértve egy nulla periódust
4. E15 I cella címke “Rent”
5. cella E16 i címke “költség”
6. Cell E17 i címke “nettó működési eredmény”
7. Cell E18 i címke “Maradványérték”
8. cell L17 i címke “kilépési sapka”
9. cell E19 i lable “nettó cash flow”
10. Cell D14 i címke “növekedési ütem”
11. a G15 cellában írom a képletet: =9 * 12 * $ D$4 * (1+$D15)^(G14-1), ami azt jelenti, kilenc Egység (10 egység kevesebb egy üres egység), szor 12 hónap, szor $D$4 ($1000 bérleti díj/egység/hó), szor egy plusz $D15 (a valószínű növekedési ráta számított cellában D15), emelt időszakra (G15) mínusz egy (kivonok egyet, mert nem akarjuk, hogy a bérleti díj növekedjen az első évben). Mivel a megfelelő abszolút cellahivatkozások létrejöttek (pl. $D$4 és $D15), a képletet a K15 cellába másolhatom.
12. hasonló folyamatot követek a költségekkel kapcsolatban, a következő képlettel: =$D$7*12*(1+$D16)^(G14-1) A G16 cellában, majd ezt a képletet átmásolom a K16 cellába.
13. a G17-K17 cellákban levonom a kiadásokat a bérleti díjból (például a G17-ben =G15-G16-ot írok), hogy minden évre nettó működési jövedelmet kapjak.
14. a K18 cellában a következő képletet írom: =K17/L18 ami azt jelenti, hogy az ötödik év nettó működési bevételét el kell osztani a valószínű kilépési felső határral (L18).
15. a G19-K19 I cellákban összeadjuk az egyes évekre vonatkozó nettó cash flow-kat: nettó működési bevétel az első-negyedik évben és nettó működési eredmény plusz maradványérték az ötödik évben.
16. végül a G3 cellában a 19.sorban a cash flow-patak jelenértékét 8% – ra diszkontálom (a cél nem tőkeáttételes hozam) a következő képlet segítségével: =NPV(D12,G19:K19).

a DCF beállításával most már folytathatom a valószínűség hozzáadását a feltételezéseimhez.

valószínűség hozzáadása a RANDBETWEEN () függvény

a fenti forgatókönyvünkben van néhány feltételezés, amelyek bizonytalanok, ezért nagyszerű jelöltek lennének a variabilitás hozzáadásához. Először ki kell választanunk egy eloszlási típust a valószínűségünkhöz.

számos lehetőségünk van, a két leggyakoribb az egyenletes eloszlás (állandó valószínűség, ahol minden eredmény egyformán valószínű) és a normál eloszlás (gondoljunk a haranggörbe valószínűségére, ahol a kapott érték valószínűleg közelebb áll az átlaghoz). Az egyszerűség kedvéért az egyenletes eloszlást választjuk.

1. a D15 cellában egységes változékonyságot adok a bérleti díj növekedési üteméhez a következő képlet segítségével: =$D$5*RANDBETWEEN(-500,2000)/1000, ami azt jelenti, hogy 3% – ot (a tavalyi bérleti díj növekedése a $D$5 cellából) és többszöröse egy véletlen számmal -0,5 és 2 között.0(RANDBETWEEN (-50,200)/100), így a kapott bérleti díj növekedési üteme véletlenszerűen -1,5% és 6,0% közé esik.
2. a D16 cellában egységes változékonyságot adok a költségnövekedési rátához egy hasonló képlet segítségével: =$D$8*RANDBETWEEN(-500,2000)/1000, csak ebben az esetben veszem a tavalyi költségnövekedési rátát (2% A $D$8 cellából), és szorozom meg egy véletlenszerű számmal -0,5 és 2,0 között (RANDBETWEEN(-50,200)/100), hogy a kapott költségnövekedési ráta csökkenjen véletlenszerűen -1,0% és 4,0% között.
3. végül az L18 cellában a képlet segítségével egyenletes változékonyságot adok a kilépési sapka sebességéhez: =D10*RANDBETWEEN(958,3,1041,7)/1000, ami azt jelenti,hogy 6% – ot (az 5,75% – os és 6,25% – os várható tartomány közötti átlagot az ötödik évben) és 0,9583 és 1,0417 közötti véletlenszerű számmal (RANDBETWEEN(958,3, 1041,7)/1000), hogy az eredményül kapott kilépési sapka aránya véletlenszerűen 5,75% és 6,25%.

az F9 megnyomásakor látni fogja, hogy a bérleti díj növekedési üteme, a ráfordítás növekedési üteme és a kilépési felső határérték értékei véletlenszerűen változnak, ami véletlenszerű változást eredményez a cash flow-kban és a teljes diszkontált cash flow-értékben.

Monte Carlo szimulációk futtatása

adattáblák használatával a modellhez hozzáadott valószínűséggel elkezdheti a Monte Carlo szimulációk futtatását. Ez a folyamat magában foglalja az adattábla felépítését, amely a DCF értékéhez (G3) kapcsolódik, így minden szimuláció rögzíti az adott szimulációból származó DCF értéket.

így futtatjuk a Monte Carlo szimulációkat az Excel Adattábla funkciójával:

1. cella B27 i címke “szimuláció #”
2. i a C27 cellát a DCF értékhez (=G3)
3. i a B28-B1027 cellák száma 1-től 1000-ig. Ehhez először a B28 cellát állítottam 1-re. Ezután beírom az =B28+1 képletet a B29 cellába. Végül átmásolom a B29 képletet a b1027 cellába.
4. a szimulációk számozásával és a C27 cellával a DCF értékhez kapcsolódva kiválasztom a B27-C1027 cellákat, és rákattintok az ‘Adattábla’ funkcióra (Data>What-If-Analysis> Adattábla).
5. üresen hagyom a ‘Row input cell:’ mezőt, majd rákattintok az ‘Column input cell’ mezőre. Kiválasztok egy üres cellát a munkalapon (melyik cella nem számít, amíg ez egy mindig üres cella), nyomja meg az enter billentyűt, majd az ‘OK’gombot.
6. az adattábla a szimuláció 1000 iterációjával frissül, és íme, egy Monte Carlo szimulációt futtattál Excelben az adattábla segítségével.

a várható érték-amit hajlandó fizetni

az összes szimuláció átlaga (átlaga) az Ön “várható értéke”, vagy amit hajlandó fizetni a tárgy tulajdonságért, tekintettel a feltételezéseire. Az én esetemben a várható érték körülbelül 1,2 millió dollár.

a szimulációk minimumát, maximumát és szórását is szeretem kiszámolni, hogy érzékelhessem az értékek tartományát. Tehát például ebben az esetben a minimum körülbelül 925 000 dollár, a maximum pedig körülbelül 1,5 millió dollár. Ez azt jelenti, hogy volt olyan eset, amikor 925 000 dollárt kellett fizetnem a 8% – os hozam elérése érdekében, és volt olyan eset, amikor 1,5 millió dollárt tudtam fizetni a 8% – os hozam eléréséért.

ennek ellenére minél több szimulációt futtat, annál több érték hoz létre egy normatív mintát, ahol 68% – os valószínűsége van annak, hogy az érték egy szórás lesz az átlagtól, és 95% – os valószínűsége annak, hogy az érték két szórás lesz az átlagtól (a 68-95-99 szabály). Ezért minél kisebb a szórás, annál biztosabb lehet a várható értékével kapcsolatban.

tehát összefoglalva, hipotetikus apartmanházunkért hajlandóak lennénk valahol 925 000 és 1,5 millió dollár között fizetni, 1,2 millió dollárral a legvalószínűbb vételár.

Video Tutorial – futás Monte Carlo szimulációk ingatlan

kiegészítéseként az írásbeli bemutató felett, már felvett egy videót, amely végigsétál ezzel a saját Monte Carlo szimulációk ingatlan Excel.

Kövesse végig az Excel fájlt a videó

ahhoz, hogy ez a Monte Carlo szimuláció bemutató mindenki számára elérhető, akkor felajánlotta a “Pay What you ‘re Able” alapon nem minimális (adja $0 ha szeretné) vagy maximális (a támogatás segít megőrizni a tartalom jön – hasonló ingatlan tanfolyam modulok eladni $100 – $300+). Csak írja be az árat egy e-mail címmel együtt, amelyre a letöltési linket elküldheti, majd kattintson a ‘Folytatás’gombra. Ha bármilyen kérdése van a” fizessen, amit tud ” programunkkal kapcsolatban, vagy miért kínáljuk modelljeinket ezen az alapon, kérjük, forduljon Mike-hoz vagy Spencerhez.