基于情景模拟的土地市场投资组合研究
以上海为例
孙㊀帅
(上海华辕实业有限公司,上海200120)
[摘㊀要]㊀房地产行业面临的经济环境㊁行业逻辑㊁政策导向发生了广泛而深刻的变化㊂作为发展的起点,企业在土地市场的投资也必然迈向科学化㊁精细化㊂在短周期㊁多项目㊁高资金的出让模式下,在经济环境承压与现金流有限的约束下,市场主体的投资逻辑必须从以项目为导向的点状模式转变为以投资组合为导向的系统化模式,以单一的目标导向转变为多元约束下的综合目标导向㊂本文基于收益最大化㊁规模最大化㊁概率最大化三种战略导向进行情景模拟,构建相应的投资组合模型,以期提高市场主体高质量发展的能力㊂
[关键词]㊀房地产;土地市场;投资组合;情景模拟
中图分类号:F299.23㊀㊀㊀㊀㊀㊀文献标识码:A㊀㊀㊀㊀㊀㊀文章编号:1009-3303(2023)03-0167-05 Research on Land Market Investment Portfolio Based on Scenario Simulation
A Case Study of Shanghai
Sun Shuai
(Shanghai Huayuan Industrial Co.,Ltd,Shanghai200120,China)
Abstract:The economic environment,industry logic,and policy orientation faced by the real estate industry have undergone extensive and profound changes.As a starting point for development,enterprises'investment in the land market will inevitably move towards sci-entificity and refinement.In the short cycle,multi project,and high capital transfer model,under the pressure of the economic envi-ronment and limited cash flow constraints,the investment logic of market entities must shift from a project oriented point model to a portfolio oriented systematic model,and from a single goal oriented to a comprehensive goal oriented under multiple constraints.This article conducts scenario simulations based on three strategic orientations:maximizing returns,maximizing scale,and maximizing prob-ability,and constructs corresponding investment portfolio models to improve the ability of market entities to develop high-quality products. Key words:Real estate;land market;investment portfolio;scenario simulation
1㊀研究概述
1.1㊀研究背景
近年来,房地产行业面临的经济环境㊁行业逻辑㊁政策导向发生了广泛而深刻的变化㊂宏观层面,我国经济进入增速换挡期,高质量发展已经成为国家现代化建设的首要任务㊂2023年4月28日中央政治局会议指出,经济运行好转主要是恢复性的,内生动力还不强,需求仍然不足㊂行业层面,房地产业的底层逻辑发生了根本变化,规模萎缩㊁盈利收窄㊁分化加剧㊁风险增多㊂行业的变化要求市场主体必须从 粗放式 发展转变为 精细化 发展,从 举债式 发展转变为 内涵式 发展㊂作为房地产企业开发链条的最前端,房地产投资也必须朝向精细投资转变㊂政策层面,2021年2月,22个重点城市开始实施集中发布出让公告㊁集中组织出让活动的 两集中 供地模式,并且全年发布住宅用地公告不能超过三次㊂出让模式的变化对房地产投资决策影响深远㊂以上海为例,上海2022年共供应115宗土地,其中前三批次分别供应40宗㊁34宗㊁35宗,成交金额约800~1000亿㊂尽管2023年土地出让政策有所调整,由集中供地优化为清单式供地,但上海2023年4月仍集中出让19宗土地,成交金额519亿㊂因此,在短周期㊁多项目㊁高资金的出让模式下,在经济环境承压与现金流有限的约束下,市场主体必须从以项目为导向的点状模式转变为以投资组合为导向的系统化思维,以单一的目标导向转变为多元约束下的综合目标导向,详见表1㊂
表1㊀2022年上海市集中供地情况
批次地块宗数成交金额(亿元) 2022年第一批次40879 2022年第二批次34780 2022年第三批次351054 2022年第四批次6127
2022年小计1152840 2023年第一批次19519
㊀㊀数据来源:上海市规划和自然资源局㊂
1.2㊀国内外研究现状
国外关于投资决策的研究最早始于费雪[1]提出的 内部收益率 ,这一指标目前仍是最为广泛使用的投资决策工具之一㊂Ametefe等人[2]建立了公开交易资产的最佳组合,以提供机构投资者所需的流动性㊂Remoy等人[3]制定了一个包含指导方针
和经验教训的操作框架,以改善房地产投资组合处置程序㊂Echeverri 等人[4]确定了联合办公策略作为公司房地产投资组合的一部分,以满足组织的灵活性需求㊂近年来,国内也涌现了一批关于房地产投资评价的研究,但对房地产投资组合的研究相对少见㊂张平㊁马力和翟博文[5]构建了房地产投资风险灰模糊综合评价模型㊂周启清㊁韩永楠[6]基于模糊层次综合评价,构建房地产项目总体框架及各阶段的具体风险指标㊂廖诗娜[7]通过对房地产的风险识别,构建了风险因素影响下的经济分析变量与经济评价指标(NPV,IRR 等)模型㊂李侠男㊁沈江[8]利用随机森林算法,建立了包括3个维度18个指标的房地产项目风险评价指标体系㊂
2㊀研究设计
2.1㊀数据来源
本文的数据来源主要为上海市土地市场2022年第一批次集中供地公开交易数据及行业经验数据,部分数据已经过研究整理㊂2.2㊀研究方法与思路
在面临较大数量土地集中供应时,市场主体通常需要思考以下问题㊂
(1)如何判断单地块的潜在收益㊂(2)如何判断单地块的潜在风险㊂(3)如何判断单地块的竞争程度㊂
(4)如何在有限的资金约束下,选择最适合市场主体战略方向的投资组合㊂
上述问题贯穿整个投资决策始终㊂通常,市场主体使用利润率㊁IRR 等判断潜在收益风险;通过区位㊁价格倒挂程度等判断潜在风险;通过潜在收益㊁潜在风险预估地块的竞争程度㊂通过单地块的收益㊁风险与竞争,结合自身战略导向,确定投资组合㊂
单项目的投资决策相对简单,但多项目的投资组合可能性较多,以往更依赖于经验与定性的判断㊂因此,本研究利用运筹学㊁线性规划等理论,基于单项目的收益㊁风险㊁竞争,构建多重约束的投资组合目标函数,并通过MATLAB 等数学建模软件求解,确定不同情景下的最优投资组合,详见图
1㊂
图1㊀投资组合研究思路
2.3㊀分类讨论
市场主体的战略导向通常可分为收益最大化㊁规模最大化㊁概率最大化三类,三者共同构成了投资不可能三角,基本难以有完美的投资组合可以同时满足以上三点㊂本研究针对市场主体的三种主要战略导向,分别进行情景模拟㊂
2.3.1㊀情景一:市场主体以收益最大化为战略导向
代表收益的量化指标种类繁多,包括体现静态收益的各种利润率指标,如成本利润率㊁销售利润率等;体现动态收益的现金流指标,如内部回报率(IRR)㊁收回股东投资时间㊁现金流回正时间等㊂本文拟引入一个更为综合的指标,资本回报率(Return on Invested Capital,ROIC),兼顾静态收益与动态收益㊂
在外部环境变化㊁行业增速放缓㊁融资空间收紧的情况下,市场主体需要向内寻经营的确定性,转变增长模式,从规模扩张转向质量提升,从追求销售额转向追求利润与现金流,提高经营效率㊁控制成本㊁优化资本结构,从而提高资本回报率㊂ROIC 是衡量企业经营利润率和投入资本效率的指标,能够反映企业是否创造价值,是否具有竞争优势㊂传统的ROIC 指标通常用于持续经营的公司层面,不适合一次性投资销售的单个项目,因此,本研究引入项目级ROIC,计算方式如下㊂
单项目ROIC =
签约净利润
项目总货值ˑ12个月投入资源平均占用时间(月)ˑ
项目总货值
投入资源峰值为体现投入资源的完备性,投入资源应包括股东净资产㊁股东借款及有息负债㊂
因此,满足收益最大化战略导向的投资组合目标函数即为各项目加权ROIC 贡献度㊂选择该战略导向的市场主体通常风格偏稳健,关注风险,注重投资组合的均好性㊂
2.3.2㊀情景二:市场主体以规模最大化为战略导向
代表规模的指标通常为期望货值㊂市场主体扩张规模主要有以下原因:一是在市场需求旺盛㊁竞争优势明显㊁资金充裕的情况下,扩张规模可以提高市场占有率㊁增加收入和利润㊁提升品牌影响力;二是在市场需求疲软㊁竞争激烈㊁资金紧张的情况下,扩张规模可以抢占市场份额㊁降低成本和风险㊁提高现金流和抗风险能力㊂具体到房地产企业,当下的土地储备货值是未来2~3年的发展基础,储备货值偏低,不仅影响未来的发展空间,而且直接影响当下的融资空间㊂
因此,满足规模最大化战略导向的投资组合目标函数即为各项目期望货值㊂规模与收益通常是一对矛盾的选择,规模最大化的同时,必然会将一
些收益相对较低的项目纳入投资组合㊂选择该战略导向的市场主体通常处于扩张期,对未来发展规模有较高的经济诉求或政治诉求,而对投资组合收益有一定的容忍度㊂
2.3.3㊀情景三:市场主体以获取概率最大化为战略导向
代表概率最大化的指标即为项目报名主体数量,报名主体越少,则获取概率越高㊂尤其在上海当下的竞拍规则下,触及最高价后摇号产生,则各家机会均等,获取概率即为1/n(n为报名数量)㊂因此,满足获取概率最大化战略导向的投资组合目标函数即为至少一个项目成功获取的概率值㊂获取概率最大化通常与收益最大化矛盾,收益高㊁风险低的地块往往是热门之选,而报名人数最少㊁获取概率最大的地块通常都有无法忽视的瑕疵,包括市场风险㊁开发障碍等㊂选择该战略导向的市场主体通常资金有限,且急于补充土地储备,既然无法通过全面覆盖的方式提升投资组合概率,只能通过选择相对冷门的地块提升单地块命中概率㊂
2.4㊀数学模型
以情景一为例,构建ROIC最大化的数学模型,具体公式㊁决策变量定义㊁约束条件及假设参数如图2所示㊂
图2㊀ROIC最大化公式
MAX roic=ðn i=1F i∗X i∗ROIC i
ðn i=1F i∗X i本批次参与地块的加权ROIC最大
ST.ðn i=1Q i∗X iɤQ;(1)参与地块权益地价之和小于支持资金Q
ðn i=1M i∗P i∗X iȡM;(2)参与地块期望货值大于本批次目标货值M
ðK i=a X iȡN;(3)满足特定投资策略的地块(如市区)参与数量大于N
X i=0,1;(4)X;=0,表示该地块不参与;X;=1,表示该地块参与㊀㊀该公式的决策标量定义详见表2㊂
表2㊀决策变量定义表
指标含义求解方式
Pi各地块获取概率根据前期摸排报名结果,按照(Pi
=1/报名家数)计算
Fi各地块资金峰值根据项目实际测算,主要为地价及
少量前期投入
Qi各地块权益地价按照实际合作情况计算权益比例
Q当批次支持
资金总额
按照各批次实际情况确定
Mi各地块货值/
n该批次研判
地块总数扣除高比例商办\\偏远等可直接排除地块后的研判地块数量
ROIC各地块的ROIC
贡献度根据单项目ROIC公式计算,同时根据价格倒挂系数调节
㊀㊀目标函数需同时满足以下三个约束条件:约束条件1:投资额度约束  参与地块的权益金额之和不超过当批次的投资额度;
约束条件2:目标货值约束  参与地块的期望货值之和不低于当批次的目标货值;
约束条件3:投资策略约束  参与地块在深耕区域(如市区)数量不低于目标值㊂
本研究根据上海市2022年第一批次集中供地项目的相关数据,根据三种不同策略方式假定企业不同规模的初始资金及目标期望货值,以模拟其不同策略下的决策方案,详见表3㊂
策略一:收益最大化㊂本研究为其设定了三种情况,情况A初始资金设定为50亿元,目标期望货值设定为25亿;情况B初始资金100亿元,目标期望货值50亿元;情况C初始资金为150亿元,目标期望货值为75亿元㊂
策略二:规模最大化㊂本研究也为其设置了三种情况,与策略一中相同㊂此外,规模最大化通常伴随着品牌提升㊁扩大影响范围的需求,因此该策略增加市区地块数量不少于1,且尽量选择规模和货值更大的地块的约束㊂
策略三:概率最大化㊂本研究首先只考虑初始资金,不考虑期望货值,为其设定了三种不同情况,情况A初始资金50亿元;情况B初始资金100亿元;情况C初始资金150亿元㊂之后在获取概率最大化的前提下考虑收益情况,通常可认为概率大于
95%基本可以认为是必然发生事件,所以更改目标为获取概率大于95%时以ROIC最大化为导向的策略,
综合考虑获取概率和收益㊂此策略设置三种情况,与策略一㊁二相同㊂
表3㊀2022年第一批次集中供地项目的相关数据
序号地块编号地块名称环线地价(亿元)货值㊀(亿元) 1202201621青浦区赵巷镇佳迪路西侧B4-01地块外郊环间21.6343.20 2202201627青浦区西虹桥沪青平公路北侧44-15地块外郊环间40.6768.70 3202201626青浦区西虹桥会卓路南侧52-04地块外郊环间19.3532.80 4202201604松江区泗泾镇SJSB0003单元08-01号地块外郊环间19.9938.00 5202201610松江区中山街道新城主城C单元C07-01号地块外郊环间27.3950.90 6202201603徐汇区斜土街道xh128D-06地块内中环间47.5268.44 7202201632闵行区七宝镇古美北社区S110501单元18-01㊁22-01地块中外环间26.8242.80 8202201602松江区佘山北基地23A-01A号地块外郊环间25.4851.60 9202201623松江区泗泾镇SJSB0003单元01-02号地块外郊环间24.3245.00
10202201606嘉定区安亭镇国际汽车城核心区JD030201单元21BE-21㊁
21BG-25地块外郊环间44.5588.66
11202201611闵行区吴泾镇紫竹科学园区MHPO-1004单元09A-11A
地块
外郊环间39.7571.00 12202201620闵行区浦锦街道MHP0-1302单元18-01地块外郊环间30.0347.49 132********宝山区顾村大型居住社区BSP0-0104单元0427-01地块外郊环间24.1542.88 14202201634中山北社区C060202单元B3-16地块内环内68.7599.34 152********嘉定区安亭镇JDC3-0602单元34-02地块外郊环间16.6031.56 16202201607奉贤新城10单元10-06地块郊环外15.9029.96 17202201619浦东新区新场镇古镇东单元(PDXC-02)09B-02地块外郊环间14.7528.44 182********自贸区临港新片区PDC1-0401单元H07-08㊁I05-04地块郊环外14.7531.71 19202201609金山新城JSC1-0401单元1-11-01地块(G1地块)郊环外23.7952.86 20202201608金山新城JSC1-0403单元2-20-01地块(B-22地块)郊环外7.4815.63㊀㊀数据来源:上海市规划和自然资源局㊂
㊀㊀
3㊀结果分析
3.1㊀策略一:收益最大化
在以收益为导向的三种不同预算及目标期望货值的情况中,情况A选择了编号为1㊁8的地块,其期望货值25.84亿元,获取概率46.67%;情况B 选择了1㊁2㊁9㊁20四宗地块,其期望货值52.70亿元,获取概率为84%;情况C在B的基础上增加了3和8,其期望货值76.45亿元,获取概率为91.47%㊂容易看出,初始资金较少时,投资组合选择的地块ROIC指标较高,但获取难度较大,很可能造成无地可拿的局面㊂
初始资金中等的情况下,投资组合在选择1㊁2两宗ROIC较高的地块的同时,纳入9与20两宗ROIC较小的地块,但其获取难度较小,成功概率大幅提高㊂初始资金较多时,投资组合在情况B的基础上继续纳入3㊁8地块,两宗地块ROIC较高,获取难度较高,但在较高的资金支持下,投资组合整体获取概率较高,且期望货值可以满足目标㊂3.2㊀策略二:规模最大化
在以规模最大化为导向的策略下,应在满足市区获取地块不少于1的前提下追求期望货值最大化,情况A只选择了地块6,此时期望货值34.22亿元,获取概率50%;情况B选择了地块6㊁18㊁19㊁20,期望货值84.32亿元,获取概率93.75%;情况C选择了地块9㊁14㊁16㊁18㊁19㊂分析易得,情况A只选择了一块位于市区的地块,且获取概率为50%,这意味着若不能一击必中,则直接失败,这与扩大规模的思路相悖,可见扩大规模需要有力的资金支持㊂情况B时,选择了地块6㊁18㊁19㊁20,此时在情况A的基础上增加18㊁19㊁20三个地块,这3宗地块期望货值较大,且增加三宗地块后获取概率得到大幅提高㊂情况C下,资金充裕,直接选择期望货值较大的地块㊂n号房时间
3.3㊀策略三:概率最大化
首先只考虑不同初始资金情况下获取概率最大化,情况A选择了地块9㊁16㊁20,期望货值45.3亿元,获取概率87.5%;情况B在A基础上增加了地块18㊁19,期望货值87.58亿元,获取概率96.88%;情况C又额外增加了地块8,15,17,期望货值122.41亿元,获取概率98.96%㊂分析可知,抛弃了一定要选择一个市区地块的限制后,情况A获
取概率大大提高,情况B下和情况C获取概率有所提高,但并不明显㊂因此,在资金量较小的情况下,应尽量减少附加条件,提高获取概率㊂在更改策略三为拿地概率95%以上选择ROIC最大化的的策略时,以情况B为例,由于本研究选取的数据中获取概率较高的地块,在方案中其加权roic数值也为最大,因此与上述结果相同,详见图3㊂
图3㊀不同策略下投资组合汇总
策略类型
初始参数投资组合
初始资金目标货值地块明细ROIC地价期望货值获取概率
收益最大化50251㊁816.81%47.1125.8446.67% 100501㊁2㊁9㊁2016.62%94.1052.7084.00% 150751㊁2㊁3㊁8㊁9㊁2016.29%138.9376.4591.47%
规模最大化502568.42%47.5234.2250.00% 100506㊁18㊁19㊁20  6.49%93.5484.3293.75% 150759㊁14㊁16㊁18㊁19  6.26%147.51129.4396.88%
概率最大化50/9㊁16㊁2011.17%47.7045.3087.50% 100/9㊁16㊁18㊁19㊁207.84%86.2487.5896.88% 150/8㊁9㊁15㊁16㊁17㊁18㊁19㊁208.85%143.07122.4198.96%
获取概率95%
以上时ROIC
最大化
100509㊁16㊁18㊁19㊁207.84%86.2487.5896.88%
4㊀讨论
投资组合模型的优点在于,一㊁相对客观,通过定量的研究得出多重约束下目标的最优解;二㊁应用广泛,可根据现实需求添加约束条件,实现某一情景下的战略目标最大化;三㊁尤其适配复杂决策,如以上海为代表的热门城市的集中供地,尽可能穷尽各种组合㊂该模型仍存在一些不足㊂一方面,必须尽可能保证参数的准确性,如对报名人数的预判,否则结果将受到较大影响;另一方面,模型尚未考虑合作策略等导致的竞争格局与概率变化㊂因此,建议市场主体结合自身战略导向,寻最符合自身需求的目标函数与细化的组合参数,进行项目初筛与辅助决策㊂
5㊀结论与展望
在当前的市场环境下,房地产开发企业面临着诸多风险及不确定性,包括但不限于政策风险㊁资金风险
㊁市场风险等㊂在激烈的行业竞争中,在有限的资源约束下,制定科学合理的投资组合策略尤为重要㊂本研究以此为背景,针对市场主体在制定投资策略中面临的种种挑战,通过建立模型提供了可靠的决策依据㊂本研究基于收益最大化㊁规模最大化㊁概率最大化三种战略导向,分别进行了投资组合的情景模拟,以适应不同市场主体的需求㊂三种战略导向分别对应了市场主体风险厌恶型㊁主动扩张型㊁资金约束型的三种偏好,市场主体可以根据自身发展阶段及偏好特征选择最适合的投资组合,从而提高其投资策略的针对性与成功率,助力其高质量发展㊂
参考文献
[1]Fisher I.The Theory of interest[J].Philadelphia:Porcu-pine Press,1977.
[2]Frank Kwakutse Ametefe,Steven Devaney,Simon Steven-son.Optimal Composition of Hybrid/blended Real Estate Portfolios[J].JOURNAL OF PROPERTY INVESTMENT& FINANCE,2019.
[3]Hilde Remoy,Sander Rovers,Ilir Nase.Disposal Strategies in Corporate Real Estate Portfolios[J].JOURNAL OF COR-PORATE REAL ESTATE,2019.
[4]Natalia Echeverri,Tuuli Jylhä,Philip Koppels.Searching for Flexibility in Corporate Real Estate Portfolio:Six Co-Work-ing Strategies for User Corporations[J].BUILDINGS,2021.
[5]张平,马力,翟博文.房地产投资风险的灰模糊评价研
究[J].技术经济与管理研究,2018(4):22-25. [6]周启清,韩永楠.基于模糊层次综合评价法的房地产项
目投资风险评价及控制研究[J].金融理论与实践,2018
(6):104-110.
[7]廖诗娜.基于蒙特卡洛模拟的房地产项目投资决策风险
评估研究[J].住宅与房地产,2019(19):1-3. [8]李侠男,沈江.基于随机森林的房地产项目风险评价[J].工程管理学报,2019,33(6):144-149.
来稿日期:2023-06-29