Risk model for real estate assets: Analysis and development

Abstract

Cílem této práce je navrhnout novou a pokročilejší metodiku pro oceňování portfolia komerčních nemovitostí a zahrnout nejistotu do procesu oceňování. Z rozsáhle literatury zabývající se nemovitostmi jsme identifikovali hlavní hodno-tvorné faktory, jejichž správné uchopení je v tradiční oceňovací metodice často opomenuto s tím, jak jsou tyto faktory používány pouze jako odhad jednoho bodu. Identifikovanými parametry jsou diskontní sazba, inflace, nájemné, obsazenost a změny v tržní hodnotě kapitálu. Na rozdíl od tradičního přístupu, jsou distribuce těchto parametrů kalibrovány z historických dat a pomocí simulace Monte Carlo odvozeny jejich variace. Takový přístup nám umožňuje modelovat dopad těchto parametrů na tržní hodnotu našeho portfolia nemovitostí. Toto portfolio se skládá z A-class kancelářské budov, pro něž disponujeme velmi podrobnými daty, jež jsou na úrovni jednotlivých nemovitostí a zahrnují i informace o jejich struktuře pronájmů. Navržená metodika navazuje na široce užívaný DCF model, který je rozšířen o vliv rizikových parametrů. Prostřednictvím tisíce iterací simulace Monte Carlo získáme k distribuci všech potencionálních hodnot portfolia. Závěrem, znalost příslušných rizikových faktorů a jejich vliv na výnosy z portfolia nemovitostí tak poskytne investorům lepší a spolehlivější...

The main aim of this thesis is to design a new and more advanced methodology for valuation of real estate portfolios and incorporate uncertainty into the valuation process. From the comprehensive real estate literature we identified the main value drivers whose treatment is often neglected in the traditional appraisal methodology as they are used as a single point estimates. The identified parameters are the discount rate, inflation, prime rent, occupancy and market capital value changes. In contrast with the traditional approach, we calibrate distributions of these parameters from historical data and allow their variation through the Monte Carlo simulation. This enables us to model their impact on the market value of our real estate portfolio, which comprises of A-class office buildings with detailed property level data including their lease structure. The methodology presented here builds on the widely used DCF approach, which is augmented by the risk parameters and through the thousands of iterations of the Monte Carlo simulation we arrive to a distribution of all potential values of the portfolio. Finally, the knowledge of relevant risk factors and their impact on returns of their property portfolio then provides investors with better and more reliable foundations for their decisions and...