|
选题说明  这是一篇轮岗作业，这次需要研究的课题是【精细化理论在房地产行业的应用】。 精细化管理，在业务线条和经营线条上的应用是比较多的。但在投资策划领域中，精细化的精神又是如何体现的呢？ 投资口是整个房地产链条最前端的一个部分。一般来说，大家对这一部分工作的印象，一是不容易，能拿到地就不错了，二是感觉成功主要靠资源，靠经验，天时地利人和才能够为企业获得一块好地。但其实经过一段时间的工作，我发现精细化的方法在投资策划的应用也是很深的，它能够提升项目投资策划的决策准确性，并提高整体工作效能。 如果说经营上是通过管理制度实现精细化，那么在投资决策上，则是通过多维度分析实现精细化决策过程，从而提升决策的准确性。 在这里，我想从以下四个方面讲讲自己在这一方面的学习、感悟和思考: 一、寻找关键因素：哪些指标影响更大 二、基本数据维度：所有投资者都会关注的决策因素 三、大数据：精细化投资决策的重要工具 四、指标分解：怎么拆解和推导   一、寻找关键因素：哪些指标影响更大 为什么我在精细化管理的课题中选择投资作为研究课题呢？学生认为，精细化管理是为了公司的大运营管理，而在管理中，我们要看公司的战略对哪一个或哪一些因素更敏感，我们应重点去管理这一些因素。 拿地是房企的第一能力，是我们应该花最多精力去研究的部分，在精细化管理中也应积累更多的数据和模型来服务于这一个环节。这么说并不是拍脑袋的，我们可以通过敏感度测算来看到各个维度对核心指标的影响。 分析方法：先模拟一个项目的沙盘并进行项目经营指标的测算，然后对各个进行敏感性分析的指标进行调整，试算其对IRR和ROE等指标的影响。  图：项目经营指标测算的模拟方法 将变动因素分为投资因素、计划、销售、装修、成本、支付、融资（成本）、税金几个维度，通过调整变动因素进而观察IRR和ROE的变化。  图：敏感因素调整对投资指标的影响 我们可以通过观察上表得到一些趋势性的结论： 1. 首先要确定自己产品的类型。如果是利润型，看利润率；如果是快周转型，则要看现金流回正，可以注意到两者没有必然的联系的。 2. IRR和ROE这两个指标与利润和现金流都相关，是均衡型指标。 3. 对IRR的影响度最大的因素排行：投资>计划>销售涨价 4. 对ROE的影响度最大的因素排行：投资>计划>销售>融资>成本 5. IRR 偏现金流，去化关联明显；ROE偏利润，与利润关联更明显。其中一些大房企最关注的指标分别是：BGY：回正；万科：ROE；融创：IRR+利润率（均衡偏周转）；越秀IRR+利润率：（均衡偏利润）。企业考核什么指标就会导向企业走向什么经营模式 6. 成本增加或减少会影响利润，但不影响回正时间，这是因为它对峰值影响不大。成本控制在经营上就是保利润，但是对公司增长、规模增长没有直接贡献。许多企业都意识到了，企业并不可以单纯通过控成本保企业增长！现在成本控制的玩法主要是成本适配，如果影响到去化、销售时，更倾向于通过计划和销售提效，因此报建和销售的成本要给足，不能过分的强调严控！ 讨论后的小结： 目标是：最少的本金，最短的时间，最高的利润。 拿地能力是第一能力，接下去是速度能力、产品和销售、融资、成本费用控制及工程质量能力。 这个分析方法实际只是在第一级的分析当中，同样的理论和分析方法，也会应用在具体项目的敏感性分析中。比如说，在回报的战略要求之下，我们可以承受的地价是多少，商业经营收入变化对回报的影响及可承受峰值时点的寻找等等。 二、基本数据维度：所有投资者都会关注的决策因素 投资的评估和信息收集是一个贯穿投前、投中、投后的全过程。具体在战略、土地信息、实地勘察、项目初判、销售调研、设计强排、投资测算等方面，各项评估的指标是比较多的。而其中许多环节的测算方法和数据源也较为繁复，相信所有投资从业人员都有过在测算表前伤神伤眼的漫漫长夜。  图示:源于越秀地产华东区域投资总郑明标同学 说到房地产项目投资时会关注的最重要的要素，应该最主要还是会看净利润率，项目及股东IRR、ROE。这几个概念应该说是所有投资口一年级生入门时就要去学习的。 当我们做沙盘演练整个项目的时候，会为这几个概念融入更多大运营的思想，代入经营分析的模型。这时，除了净利润率、IRR和ROE，还会看现金流回正的月份(包括自有资金和项目整体回正时间点)，跟投的年化收益率等几个关键的指标。 对于房地产来说，主要是三个指标的决策，一是区域，二是周期，三是杠杆。 关键指标当中，企业会“偏心”。比如近年来流行BGY的快周转模式，强调的就是回正时间快，现金流贡献要大。有老师讲到，08年以前，房地产是以房为主，要质量要品牌，而08年之后，是以地为主，获地并快速周转成了企业快速发展的重要选择。 而所谓BGY的快周转模式，即是放大、加重现金流指标贡献的重要度。现金流成为了投资指标中优先级最高的指标。  图：现金流贡献 现金流贡献，即是能够贡献现金流于新项目投资的能力。这个概念的重点在于本项目对新项目投资的带动上。 也许BGY这一张图可以帮助我们更好地理解这个概念。  图：BGY456高周转模式 上图是BGY的456高周转模式，我们可以看到，1亿的股东原始投入，在两年半内实现175亿的土地规模，10%的净利润率可以获得17.5亿的利润。 要做到这样的快周转，BGY讲到，4个月开盘是根本前提，5个月现金流回正是核心关键，而6个月可以将资金运用到新的项目，进行再周转，这才是实质目标！ 在这种模式的引导下，我们会追求更短的现金流回正周期。因为回正时间越晚，资金需求时间越长，占用资金越久，资金压力越大。这个指标对后期的影响很大，进而，我们会追求开工、开盘的时间要求更早，追求资金需求的峰值不要太高，追求更低的地货比……因为这些都是影响现金流回正周期的因素！ 这种模块在过去几年确实帮助一些企业实现了奇迹式的发展，甚至成为了“宇宙第一房企”。但最近也发生了一些事情，许多人开始反思、批判、抵制这种模式。我想，我错过了在别人成功发展时复制运用，也没有资格在它出现事故时落井下石批评什么……对我而言，它就是一个启发吧。 现金流模式也好，快周转模式也好，我们看到这些指标都是企业在发展当中对企业战略的一种选择，进而影响到考核的指标，进而推动了企业各个条线部门的变革。 一般来说，投资时我们会综合考虑净利润率、IRR、ROE、现金流回正的月份、跟投的年化收益率等几个关键的指标。同时会充分考虑到自身企业在城市中的定位，即所谓指标的战略型选择。也即是说，要考虑企业的产品线、融资能力、获地能力、发展战略等软条件，对战略型、快周转、利润型和均衡型产品进行产品结构定位，反推到投资要求，从而实现企业定位和发展。可见这些指标对整体运营的影响是很大的。当对某些指标作重点考虑和要求的时候，一定要考虑到这些指标对后端各个线条的巨大的引导和影响。 三、大数据：精细化投资决策的重要工具 在形成决策分析的过程中少不了数据支撑。 随着行业的发展，市场上出现了许多辅助我们进行投资相关市场研究的平台和专业公司。行业内常用到的房地产数据库包括了中指数据、克而瑞等，另外还有各地发布土地最新情报的地方平台和群体。但讲到精细化这个主题，通过大数据来提升决策数据源的广度和深度的方法值得一提。 大数据不但能整合海量数据，更能以数字地图的形式更直观地为分析员展示成果。 上面讲到的投资决策前的分析内容中，有很大部分是可以利用大数据来进行平台化的地图式分析的，包括地块信息、人口、交通、教育、商业不动产、土地供给、吸纳还有公共设施，其细分种类有200种以上。  通过地图式的形式研究数据，建立分析的维度和模型，比起传统的表格更为直观，也便于多个地块对比。通过数据作抓手，数字地图在精细化投资决策方面的作用主要体现在三个方面：  学生认业，第三个方面的意义最为深远。通过数字化平台对已有的分析成果进行存储和数据库的积累，有利于未来时间跨度更大、能量更强的综合分析，也可防范投策人员流失对企业带来的风险。 大数据分析要注意的其中一点是数据源的准确性。不同的数据可以从不同的渠道进行导入，有官方的，有自来于不同的监测设备，也有来自细分领域的互联网平台或APP的数据。比如说，土地供应的数据来源于官方发布平台，交通数据来源于地图及地铁，而日常消费则可以通过移动支付APP、细分领域的服务型APP得到。这些数据的更新周期从每天到每季度的级别不等。如果数据质量不好，要先进行数据清洗再入库。 而在分析的时候，要注意分析维度的匹配。并非越细越好，也要避免出现不同维度数据的比较。如果使用数据地图，在颗粒度方面，比如说城市级、社区级、到道路级的不同颗粒度可以较灵活地进行调整。在区域方面，还可以在地图上限定自己的空间边界，通过不同区域及维度的调整来进行比较和交叉分析。  通过数据地图，不同类型的城市数据是可以在多时空维度上实现交互查询分析和计算的。数据能够以地图的形式来观察和比对，再加上人脑的分析判断，还是很爽的。 之前公司在做轨交项目分析时，也引入大数据对某一时间段入市的较交物业区块和地块分别进行了大数据分析及综合分析，为拓展项目提供了参考，形成了一套方法。如下图，（已做模糊处理）： 大数据给我们带来的信息量和思维冲击还是很大的。大数据让我们看到，其实一切的数据，只要能够确保数据源的（相对）准确性，数据的平台和渠道都是技术层面上面的事情了，投资决策分析最重要的还是要理清自己的投资逻辑。 现在已经有多个主流房企采用大数据、数字地图的方式进行更精细化的投资决策分析。这套方法已有两年的积累，也在多个城市进行了应用。遗憾的是，在大湾区的数据积累水平还跟不上其它的标杆区域，还有一个过程。 对于还未采用这种方法的企业而言，进入大数据的时代是必须的，但也有阵痛。比如，数据的建设和库的积累需要一个过程，另外就是平台搭建、维护在资源和人力上的投入。 四、指标分解：怎么拆解和推导 当我们在做投资模型的设计时，怎么拆解指标，在推导中怎么应用数据是需要反复琢磨的重点。我个人感觉，一套表格一套方法用到底是有所不妥的，比如说有的城市要考虑所在的城市群，有的项目要放到聚类后的群体当中去进行分析，而商业地产项目也应当有不同视角的指标要求，等等。 这里篇幅有限，有的问题学生我也未研究、思考清楚，因此，今天先把问题简化，讨论对某一维度上投资指标解拆的思考。 刚才讲到，对于房地产来说，主要是三个指标的决策，一是区域，二是周期，三是杠杆。我们考虑投资时，一个是时间上面去错开，去找好的周期拿，另一个是空间上面去拿。解决了Where和When的问题，杠杆是How的问题。 在区域的选择中，一个重要的方面是城市的选择。我们想要解决的问题是在当前环境下如何通过城市进入评估的各个思考维度，也许可以对这个问题有所回答。 城市选择分析有一个前提，就是我们已经比较明确了自己的产品定位和策略，比方说是做均衡型，快周转，还是高利润型的产品，对产品的选择和企业拓张战略已经有所明确。在这个基础上，城市进入和深耕的选择作为投资逻辑的一部分进行研究。 在城市进入的评估中，可以通过以下几个维度去考虑： 4.1、城市价值分析 价值和价格是对城市评判的重要维度。价格可能更直观地从市场上反映，价值维度需要进行分析。一般来说，城市的价值可以从宏观、人口、规划、市场等维度进行城市价值的细分、描述、评分、排次、聚类。 针对特定的项目，对每一项指标可以进行细分，也可以按需求进行精减。下表是一个维度细分、设计的示例。 方法比较直接，对需要分析的城市分别按维度进行打分，最后进行排名即可。注意不同的维度权重会直接影响到排名的结果。 4.2、城市与城市群 有一个阶段，我们会把城市割裂出来，将每一个城市作为一个个体来进行分析和比较。但近来与前辈们交流，也阅读到一些研究成果，我感受到，城市与城市群不应该割裂，在决策的时候最好也放到城市群里做一个区域的分析。 图来源：《CBRE无界，2018中国投资市场报告》 相关研究中举出了几种对城市群的分析维度。 比如，城市群处于哪个发展阶段，是极化还是一体化的模式。如果一个城市在区域中是极化的，它会享有更高的资源集聚度，但一体化的整体城市群的抗风险性也许会更高。武汉和苏州便是两个例子。 图来源：《CBRE无界，2018中国投资市场报告》 这是一个需要再进一步思考的问题，也许在投资的时候要加一个城市群系数？也许也不能够这样……因为某一个事实对决策的影响是正向还是逆向的，可能要单独判断而不是统一地贴标签。比如说，资源更集聚的城市，产业的导入可能更大，但一体化的城市群的跨区域协同又可能会产生更多创新的机会和发展。 因此，不但要依据政策资源投入强度、交通轨道开通里程、城市GDP在城市群中占比、商业发展情况、产业资源、人才流向等对城市及城市群有一个判断，决策时还要根据具体投资要求进行进一步的分析。 4.3、风险 风险，主要考虑的是两个方面，一是土地获取方式不同而致的风险不同。 招拍挂、产业合作、旧改、收并购……现在土地取得的方式比较多。 有的人会说，最不好的是招拍挂的市场，但是也不一定。因为，招拍挂的市场，虽然它的溢价率低，可能说企业的利润率会受到一定的影响，但是我们也要看到，它的风险是最低的。招拍挂的经营风险以及是交易风险都是比较低的。一、资金是有时间价值的。第二，风险跟收益是匹配的，招拍挂的地，土地会比较干净，只有经营的风险，没有交易的风险的，所以它会比较贵。收并购的项目，不但有经营的风险，也有交易的风险，所以会比较便宜，而且它的时间也比较不好掌握。每个公司呢要定义好自己的战略和业务线条，如果是无法承担的话，适当地做高风险的业务。 二是投融资和资本化退出的风险。 这个方面涉及到前期投入资本对物业成长性或收益性的要求，或对赌。又涉及到市场的周期、资源导入是否顺利、持有方经营能力及财务、资本运作能力等等。对风险的分析在以后用商业项目来做专项的研究或许会更好。 图来源：《CBRE无界，2018中国投资市场报告》 总体而言，政策上去杠杆的导向令到房企的银根紧张，但资本证券化又为持有型的资产打开一个窗口。未来“持有+经营+资管”的模式对投资也有了新的要求，需要更精细地对经营能力及财务、资本运作能力进行有效、持续的评估，并对标市场指标。因为说到底，产品的接盘方发生了变化，从直接购买者变成了资本市场上各式各样的投资者。这将会是投资决策时重要的考量方向。 4.4、交叉分析：思路的探讨 对城市进入的维度还有许多，都可以用精细化的精神进行细分、分析，给城市或项目打标签、评分。单个维度的分析之后，应该按价值取向和投资逻辑，将标的城市或项目进行各个维度的交叉分析。 在这个层面，分析的重点不是在数据而是在决策思路了。 最近有幸跟一位师傅前辈进行相关主题的探讨，他也在不断思索地产项目投资决策这个问题。他有几个特别好的思路，在此我也分享一下他的观点，以及我的一些解读： 1、将土地作为资产，金融化产品 2、资产的价值和价格不一定一致，这就是投机奠定理论基础。 3、投资资产的基础，第一基于它的价格比价值低，第二它的成长性。举个栗子，比如说茅台，PE已经150了，但还是有人去投资。 4、解决投资逻辑是，首先找到有投资的价值的资产，第二公司需要有能力去进行投资。 这个投资逻辑的重点，一个是价值发现、价格洼地的发现，第二价格成长性的评估。 按照这样的逻辑，对每个维度再进行细分，使用数据去进行描述和交叉分析，这个模型就丰满起来了。通过评估，可以判断哪一些城市重点考虑进入，哪一些城市不作重点考虑。 分析如下图（前辈作品，已作模糊处理）： 六、小结 本文是地产投资上对精细化管理理论的一次探讨。在探讨中我梳理了投资决策中的基本数据维度及几种决策思维方法。 随着房地产行业的发展和变革，逐渐进入到后开发时代。开发时代主要是住宅，销售导向下强调的是成本、规模、速度，而后开发时代则是一个全产品线、全价值链、全周期的新环境。在后开发时代的市场环境下，信息的复杂度增加，企业要有所取舍并进行转型和变革，对数据辅助决策的需求也会更多、要求更高。通过更多数据维度，在更多时空上对决策进行细分、比对，建立起更多的数字模型进行决策辅助，应该是一种趋势。 本文更多是从空间上对投资决策进行讨论，不尽完善。最基本的，还应该从空间（区域）、时间（周期）和资本（杠杆）上对模型进行讨论。而面向未来，一方面要充分考虑持有型资本的配置，比如在商业、产业、物流地产等支线上进行补充；另一方面是企业产品线的选择和微转型，跳出原本多样性的住宅产品，未来也许要推出财务成本更低、时间周期更短、制度限制更小的极致化单品，以及面向全价值链的服务型产品。我想，面向行业的未来，一定会有更多有意思的数字模型。 期待自己在今后做更多有益的探索！ 谢谢大家的阅读！ |
|
|
