Стивен Цзяи Ю, Анализ выполнимости девелопмента жилой недвижимости — Самоисполняющееся пророчество?

Александр Слуцкий

Введение [1]

Девелоперский бизнес считается одним из наиболее рискованных видов корпоративной деятельности из-за его цикличности и волатильности [1, 2].

Это связано с многочисленными факторами риска [3 — 5], такими как макроэкономические, социальные, градостроительные, политико-правовые, нормативные, экологические и технологические рамочные условия [6, 7].

Тем не менее, девелоперы либо “сознательно идут на риск” [8], либо принимают решения без достаточного понимания и анализа рисков [9], что приводит к принятию проектов, основанных на произвольных или спекулятивных решениях, и, в конечном итоге, приводит к провалам проектов и финансовым потерям [10].

В этой короткой статье рассматриваются три основных метода анализа выполнимости и делается вывод о том, что анализ выполнимости, принятый в отрасли, может потребовать некоторой доработки. Особенно, когда стоимость объекта определяется методом остатка, требуется углубленный анализ, чтобы оценить и зафиксировать уровень риска, связанный с будущим планированием, строительством, продажами и другими ключевыми видами деятельности.

В настоящее время разрабатывается усовершенствованная модель, основанная на методе искусственной нейронной сети и эмпирических данных, чтобы помочь девелоперам лучше оценить осуществимость проекта и стоимость участка на момент приобретения.

Действующий метод технико-экономического обоснования и оценки рисков

Graaskamp определяет анализ выполнимости как [11] процесс, который

… объединяет различные предварительные исследования, проведенные специалистами широкого профиля в рамках систематической философии исследования, для определения достоверных фактов, предположений о будущем, которые согласуются с прошлым опытом, и тактики, которая позволит свести к минимуму расхождения между целями и реализациями. [12].

Цель исследования состоит в том, чтобы проверить,

… существует ли разумная вероятность достижения четко сформулированных целей, когда выбранный курс действий проверяется на соответствие контексту конкретных ограничений и ограниченных ресурсов [12].

За прошедшие годы были разработаны различные методы анализа выполнимости, которые будут рассмотрены в следующих разделах. Прежде всего, стоит отметить разницу между термином «оценка проекта» и «анализ выполнимости». Это два шага, которые девелопер предпримет, когда ему представится возможность девелопмента объекта недвижимости.

Термин «оценка проекта» обычно относится к предварительному и более широкому обзору и рассмотрению социальных, экономических, политических, юридических, физических, экологических и финансовых аспектов, связанных с рассматриваемым участком [13]. Цель этого мероприятия — исключить участки, которые являются неподходящими или слишком рискованными для девелопмента. Это эффективный шаг, позволяющий компании в дальнейшем не тратить время и энергию на неподходящие участки или возможности, однако он не дает оценки участка или прогнозируемой прибыли.

Второй этап исследования, предполагающий, что этот участок не будет отклонен в ходе «оценки», требует

… большей точности и подразумевает расчет, проводимый для конкретной цели, с получением результирующей величины, основанной на фиксированных и заранее определенных допущениях’ [13].

Это упражнение, называемое анализом выполнимости или технико-экономическим обоснованием, позволяет получить единичную оценку или диапазон стоимости, относящихся к одному объекту, в зависимости от изменчивости переменных, определяющих денежный поток проекта. У каждого девелопера могут быть свои принципы предварительной оценки, основанные на его собственных бизнес-принципах или стратегиях.

Таким образом, в настоящем документе основное внимание уделяется анализу выполнимости, позволяющему

  • спрогнозировать прибыль проекта (или ее минусовую величину) в единичном значении или диапазоне значений; и
  • оценить неопределенности и риски, связанные с прогнозируемым результатом;
  • на момент приобретения участка с учетом неизвестных факторов и допущений. [14].

Ratcliffe сравнивает три основных метода технико-экономического обоснования,

  • сопоставимый метод,
  • остаточную оценку и
  • метод дисконтированных денежных потоков (DCF) [13].

Метод остаточной оценки предполагает

… расчет того, что может быть достигнуто в ходе девелопмента после завершения строительства и сдачи в аренду, за вычетом затрат на создание [13].

13. Ratcliffe J (1983) The Valuation of Development Properties: 3. Journal of Valuation, 1(3): 268-274.

В частности, остаточный метод

… заключается в определении величины предполагаемого будущего дохода (цены продажи завершенного девелопмента), а затем в вычете из нее затрат всех работ, необходимых для доведения девелопмента до уровня, позволяющего получить такой будущий доход.

Этот расчет сформулирован в соответствии с формулами Forlee [15], French & Gabrielli [16], Atherton, French & Gabrielli следующим образом: (Таблица 1)

Таблица 1

Остаточная стоимость земли (1)
GDV (Стоимость завершенной застройки) — Общая стоимость (все затраты на строительство. Проценты от строительства, гонорары специалистов и прибыль застройщика) = Остаточная стоимость (Максимальная затраты на участок включает затраты на приобретение, гонорар специалистов и финансирование покупки земли).
Остаток прибыли (2)
GDV (Стоимость завершенного строительства) – Общие затраты (все затраты на строительство, права на строительство, гонорары специалистов) = Прибыль застройщика

Согласно Atherton et al [17], остаточная стоимость может либо представлять собой максимальные затраты застройщика на участок, как показано в формуле (1), либо, если стоимость земли была включена в затраты, ожидаемую прибыль застройщика после завершения строительства, как показано в формуле (2).

Применение метода остаточной оценки вызвало некоторые сомнения и критику из-за возможности манипулирования и отсутствия объективности.

Как заявил Земельный суд в деле First Garden City Ltd против Letchworth Garden City Corporation 200, EG 123 [13],

… как только оценщики будут допущены к остаточной оценке, какими бы честными и разумными ни были их аргументы, они смогут доказать практически все, что угодно.

Можно утверждать, что результат расчета остаточной стоимости может значительно отличаться в результате манипулирования входными значениями. Например, чтобы обеспечить полное финансирование клиентов банками, некоторые «нерадивые, нервозные, а иногда и недобросовестные оценщики» могут увеличить затраты объекта на 150%, придерживаясь оптимистичного взгляда на будущие доходы от проекта, «медвежьего» отношения к затратам и пренебрежительного подхода к потенциальным проблемам планирования [13].

Для устранения недостатка метода остаточной оценки предлагаются два альтернативных метода: с помощью прямых сопоставимых данных и анализа дисконтированных денежных потоков [13].

Метод сравнения [16] заключается в оценке участка под девелопмент путем использования данных о транзакциях на рынке для аналогичных и идентичных участков. Метод сравнения оценивает «то, что сейчас или недавно было доступно на рынке, и проводит сравнение между ними’. Этот метод «кажется простым и понятным, но в нем может быть много подводных камней, которые могут подстерегать неосторожных».

По-настоящему сопоставимый участок или транзакция редко существуют, поскольку каждый участок в основном уникален по своему местоположению, размеру, ранее существовавшему состоянию; каждая сделка отражает «личные пристрастия, налоговые обязательства и неимущественные интересы» сторон [13,14], а сроки совершения сделки оказывают существенное влияние на восприятие рынка.

Более того, как отмечают Baun & Mackmin [18], «на рынке девелопмента участков редко существует полная информация обо всех аспектах каждой сделки». Поэтому, к сожалению, в реальном мире фактические рыночные данные часто являются свидетельством их отсутствия.

Кроме того, поскольку в большинстве завершенных сделок, возможно, изначально применялся остаточный подход к оценке участка, «безусловно, более достоверно составить явный и специально подготовленный остаточный баланс для рассматриваемого объекта недвижимости, чем полагаться на конечные результаты других неизвестных вычислений.

Рынки, как известно, отличаются отклонениями как в пространстве, так и во времени [13].

Альтернативой методу остаточной оценки является метод DCF. Модель DCF “позволяет более осознанно и чувствительно учитывать влияние времени” [13], распределяя “поток расходов и доходов по проекту на период разработки” [9] и дисконтируя все денежные потоки к общему моменту времени, чтобы «облегчить равномерное сравнение или анализ». [9].

Применение метода DCF также подвергается широкой критике в связи с выбором ставки дисконтирования [14].

Riggs утверждает, что «ставка дисконтирования, по-видимому, недостаточно учитывается в реальном мире, когда преобладает иррациональное поведение. Для некоторых специалистов анализ ставок дисконтирования является скорее интуитивным, чем систематическим анализом.

С этим согласен Gimpelevich [14], утверждающий, что выбор ставок дисконтирования может быть «достаточно произвольным, чтобы сделать результаты анализа DCF практически бессмысленными».

Кроме того, поскольку метод DCF использует ту же формулу для определения прибыли проекта и стоимости земли, он также подвержен тем же недостаткам, что и остаточная оценка, то есть его точность в значительной степени зависит от информации и суждений, лежащих в основе каждого этапа и каждого компонента движения денежных средств. По сути, модель DCF — это еще одна форма остаточной оценки, и поэтому первый метод не следует считать более совершенным, чем второй.

Таким образом, несмотря на критику и сомнения, высказываемые в адрес метода остаточной оценки, сам по себе этот метод является «совершенно правильным и надежным методом оценки», при условии, что он «должным образом применен и хорошо исследован» (Ratcliffe [13]).

В этой статье делается вывод о том, что метод остаточной оценки является надежным методом, однако его применение требует дальнейшего совершенствования.

Методы анализа выполнимости проекта

Одноточечный анализ

В предыдущем разделе метод остаточной оценки рассматривался как надежный метод технико-экономического обоснования. Нет никаких разногласий относительно основных факторов, которые следует учитывать – GDV, общие затраты, прибыль, стоимость земли и так далее. Однако способ расчета остаточной стоимости постоянно совершенствуется. До применения компьютеров и программного обеспечения для анализа с помощью вероятностного моделирования остаточная стоимость просто оценивалась с использованием наилучших оценок, основанных на имеющейся информации и профессиональном суждении [13].

В результате расчетов, как правило, получается единая цифра, которая считается наиболее вероятным результатом оценки. Этот метод с использованием точечного значения подвергается критике и отвергается за то, что он не отражает неопределенности переменных проекта [16].

Традиционное точечное значение рассматривает все переменные как моментальный снимок во времени и может эффективно использоваться в качестве “приблизительного показателя” выполнимости девелопмента, но недостаточно детализирована, чтобы обеспечить детальный анализ чувствительности схемы к изменениям входных переменных [17].

Предпринимаются усилия для устранения неспособности метода точечного значения оценить неопределенности проекта, например, при анализе чувствительности и сценариев.

Анализ чувствительности измеряет влияние на NPV проекта или IRR путем изменения одной или двух переменных проекта при сохранении всех остальных переменных постоянными. Он измеряет ключевые переменные, к которым результат оценки наиболее чувствителен, и влияние на результат проекта, когда одна или несколько переменных проекта колеблются в пределах возможного [3, 9].

Девелоперы могут варьировать один или несколько факторов в процессе оценки, чтобы увидеть, как они влияют на жизнеспособность проекта [3, 9].

Например, анализ может показать, что результаты оценки наиболее чувствительны к изменениям ставки дисконтирования, валовой выручки и затратам строительства. Затем можно составить таблицу чувствительности, сравнив результаты проекта, когда это возможно, при возникновении событий, например, что произойдет, если стоимость строительства возрастет на 5%, 10% или что произойдет, если валовой доход от проекта снизится на 2%, 3% или 5%. Анализ чувствительности позволяет получить ряд возможных результатов проекта, на основе которых девелопер может взвесить возможные результаты, назначив «объективно или субъективно некоторую вероятность факторам риска, которые считаются значимыми» [3, 9].

Также разработан расширенный анализ чувствительности для формирования сценария, который состоит из набора значений переменных, моделирующих конкретную ситуацию принятия решения.

Для такого рода анализа часто рассматриваются три комбинации: пессимистическая ситуация, наиболее вероятная ситуация и оптимистическая ситуация.

Анализ сценариев показывает “лицу, принимающему решения, что влияние даже незначительных изменений в одной конкретной чувствительной переменной может быть значительным” [2]. Хотя анализ чувствительности и сценариев “интуитивно приемлем, он страдает от ряда технических недостатков” [2].

Предположения, сделанные в отношении возможных результатов и комбинации переменных, могут быть субъективными и произвольными, что “может повлиять на отношение лица, принимающего решение, к результатам” [2].

Кроме того, несмотря на то, что диапазон возможных результатов проекта, полученных с помощью анализа чувствительности, может быть использован для оценки уровня толерантности проекта к возможным рискам и неопределенностям, он не дает достаточных указаний для определения наиболее вероятного результата проекта или доходности, при которой прайсинг участка фиксирован.

Моделирование методом Монте-Карло

С появлением компьютеров были разработаны и применены пакеты программного обеспечения для анализа и оценки рисков. Сложный вероятностный анализ и моделирование могут быть выполнены с помощью компьютера за очень короткое время и с очень небольшими затратами и применяются для проверки надежности одноточечной оценки и получения ряда возможных результатов [17].

Компания Hertz предложила трехэтапный метод компьютерного моделирования для измерения влияния допущений и оценки рисков, связанных с капиталовложениями. Этот процесс включает в себя оценку диапазона значений для каждого из факторов и допущений, случайный выбор из распределения значений для каждого фактора определенного значения и повторение этого процесса для определения и оценки вероятности наступления каждой возможной нормы прибыли.

В соответствии с выводами Kellier & Mahoney, они также выявили неэффективность метода единой точки для выявления и оценки неопределенностей проекта и предложили применить моделирование методом Монте-Карло для анализа рисков, чтобы лучше оценить влияние неопределенности.

Вероятностная модель лучше анализирует взаимосвязи между неопределенными входными данными, которые представлены диапазоном возможных значений или данными, которые не могут быть распределены обычным образом. Выходные данные могут показать весь диапазон возможных результатов и возможности их достижения.

Методика моделирования была рассмотрена и разработана French, Gabrielli, Artherton и Loizou [16,17,19] для конкретного применения при оценке рисков и анализе выполнимости проектов девелопмента недвижимости. Их методы основаны на вероятностной модели оценки с использованием Crystal Ball для учета неопределенности проекта в анализе и устранения недостатков одноточечной модели.

Crystal Ball — это имитационная модель (использующая метод Монте-Карло), которая вместо того, чтобы использовать один определенный набор входных данных и выдавать однозначный ответ (значение), выполняет множественные вычисления с помощью итеративного процесса повторной выборки. Каждое моделирование выбирает входную переменную из распределения вероятностей, выбранного для каждой переменной, и объединяет их с другими случайно выбранными входными данными для получения значения. Затем оно пересчитывает другое значение с помощью того же процесса и записывает это значение. Затем это повторяется, обычно несколько тысяч раз, до завершения моделирования. Результат выражается в виде диапазона возможных значений, при этом оценка в одной точке является средним значением всех вычисленных значений’ [16].

По сравнению с имитационной моделью Hert, модель Crystal Ball является более продвинутой и зрелой моделью, разработанной специально для оценки проектов девелопмента недвижимости.

Во-первых, она проводит различие между неопределенностью и изменчивостью, которые по-разному трактуются в процессе моделирования.

Исходные данные могут быть неопределенными из-за недостатка информации об истинном, но неизвестном значении, в то время как некоторые исходные данные являются переменными, поскольку они описывают совокупность с различными значениями.

Теоретически неопределенность может быть устранена при наличии достаточного количества данных, в то время как изменчивость является неотъемлемой частью [16].

Hoffman и Hammonds также называют это различие неопределенностью типа А и неопределенностью типа В, которые определяются конечным значением переменной.

Неопределенность типа В относится к переменным с фиксированной конечной точкой, но неизвестной, как правило, из-за недостатка знаний.

Неопределенность типа А относится к переменным с неизвестным распределением значений, как правило, из-за стохастических изменений.

Когда возникает неопределенность типа А,

… расчеты методом Монте-Карло выполняются в двух измерениях, создавая множество альтернативных представлений истинного, но неизвестного распределения.

Применение метода двумерного моделирования с помощью модели Crystal Ball

… позволяет оценщикам различать две концепции, проводя одну рандомизацию для моделирования входных данных неопределенности, а затем фиксируя значения неопределенности при выполнении второй симуляции (всей модели) для моделирования изменчивости [16].

В модели Crystal Ball также была предпринята попытка отразить корреляцию между переменными в ходе имитационного анализа.

Предположения о зависимости факторов могут оказать существенное влияние на результат анализа [17].

В работе предлагается рассмотреть взаимосвязь между выбранными переменными путем включения настройки корреляции в процесс моделирования, как показано в таблице

[x]

(Таблица VII, стр. 175, в Atherton [17]).

Очевидно, что на эти корреляции влияют наблюдаемые ранее корреляции одних и тех же переменных, соответствующим образом скорректированные с учетом мнения девелопера о том, как они могут взаимодействовать в будущем [17].

Нечеткая логика

Метод нечеткости, как альтернативный метод моделирования методом Монте-Карло, также рассмотрен и сравнен Byrne [2] для решения проблемы неопределенности при анализе недвижимости.

Нечеткая логика рассматривалась как новый способ выражения неопределенности для качественных суждений и решения проблемы неопределенности при анализе рисков [20].

В отличие от вероятностного метода, нечеткая логика позволяет математически, с помощью системы вычислений, представлять суждения без точного и однозначного определения …

Таким образом, предполагается, что неопределенность носит скорее возможностный характер, чем вероятностный, и что неопределенность может зависеть от восприятия приемлемости определенного события, а не от степени его статистической достоверности.

В нечётком мире каждый набор возможных значений переменной риска образует нечеткое множество, и его возможное значение может быть измерено с помощью принадлежности. Значение принадлежности — это показатель «степени правдивости», который пытается имитировать работу человеческого мозга, отвечающего на вопросы расплывчато и двусмысленно [21].

Принадлежность нечетких объектов может быть любым значением от 0 до 1, измеряющим вероятность того, что каждый объект является членом этого нечеткого множества. В отличие от обычной модели, в методе нечеткости нет вероятностей. Любое значение принадлежности от 0 до 1 может быть применено к возможному значению нечеткого множества, и сумма этих оценок принадлежности не обязательно должна быть равна 1.

Разница между возможным значением и вероятностным значением, которая является ключевым отличием метода нечеткой логики от метода моделирования Монте-Карло, кратко иллюстрируется примером с бутылочной водой, приведенным Abdo & Flaus [22], когда двум бутылкам по 1 литру, наполненным неизвестной жидкостью, присваивается 0,9 для принадлежности и вероятности употребления напитка.

Несмотря на равное значение 0,9, значение принадлежности и вероятность представляют собой совершенно разные показатели.

Бутылка A со значением принадлежности 0,9 указывает на то, что 90% жидкости, т.е. 900 мл жидкости, является питьевой водой, в то время как пригодность для питья оставшихся 100 мл неизвестна.

Бутылка В со значением вероятности 0,9 означает, что вероятность того, что в бутылке может содержаться непригодная для питья или токсичная жидкость, составляет 1 к 10.

Концептуально, значение принадлежности, лежащее в основе метода нечеткой логики, может лучше отражать способ оценки и прогнозирования неопределенностей в проектах девелопмента недвижимости.

Девелопер недвижимости, опираясь на информацию, доступную на момент проведения оценки, способен определить «наилучшую оценку» переменных движения денежных средств. Эта оценка зависит либо от будущих рыночных колебаний (например, от будущей цены продажи и общих затрат строительства), либо от будущей информации (например, от состояния грунта и изменений в проекте, связанных со строительством здания, а также от отзывов совета по заявке на утверждение проекта). Это «будущее изменение» в основном представляет собой изменение значения «наилучшей оценки», принятого для оценки участка. Как и в примере с водой в бутылках, первоначальная «наилучшая оценка» соответствует концепции питьевой воды, а «будущие изменения» — концепции оставшейся неизвестной жидкости. Концепция принадлежности измеряет или обозначает уровень определенности или неопределенности в отношении этой переменной.

Прямое сравнение между методом нечеткой логики и процессом моделирования методом Монте-Карло было проведено Bryne [5] на примере работы Mollart [23].

Ключевое различие заключается в том, как выявляются и выражаются неопределенности и вариации переменной.

Метод Монте-Карло использует структурированный опрос эксперта. Эксперт определяет экстремальные значения переменной, а затем присваивает вероятности стольким промежуточным значениям, которые имеют смысл при данных обстоятельствах и уровне знаний, существующих на момент проведения анализа.

Для нечеткого анализа определяются три значения: наилучшая оценка, наименьшее значение, наибольшее значение для получения треугольного нечеткого числа и функции доверия. Граф доверия отображает оценку принадлежности или значения доверия из возможных значений.

В работе Bryne [5] не удалось сделать вывод о том, какой из двух методов является более совершенным, поскольку у них есть несколько общих черт.

Оба метода, безусловно, требуют, чтобы лицо, принимающее решение, используя любую доступную техническую поддержку, могло:

  1. определить структуру проблемы.
    1. определите типы переменных в задаче.
    1. найдите значения для всех этих типов переменных.

В случае переменных состояния это будет означать,

  1. использование соответствующего метода (оценка вероятности субъективности или построение графов доверия), чтобы затем
  2. построение модели проблемы с использованием обычной или нечеткой электронной таблицы’ [5].

Как метод нечеткой логики, так и метод Монте-Карло подвергаются критике за субъективный подход к определению вероятности или возможности и временный характер измерения. Утверждается, что вероятность или значение принадлежности, которое субъективно измеряется сегодня, может быть предметом индивидуального мнения другого эксперта и вполне может измениться завтра.

Это отстаивают сторонники как Монте-Карло, так и нечеткой логики, поскольку

… именно эти изменения в характеристиках неопределенных переменных в модели они стремятся зафиксировать, хотя и по-разному [5].

Таким образом, субъективность в процессе оценки проекта не может быть устранена. Скорее, необходимо учитывать субъективность и мнение эксперта при оценке переменных проекта. Это также подтверждается и объясняется применением теории принятия решений к оценке проектов развития [17].

Обсуждение и дальнейшее изучение

Определив природу, метод и методику текущего процесса оценки объекта как предписывающий анализ с применением метода остаточной стоимости с использованием Crystal Ball, в этом разделе мы продолжим оценку адекватности этой практики путем дальнейшего анализа и отраслевых интервью.

В следующем разделе выявляется и обсуждается один фундаментальный недостаток метода остаточной оценки и метода Crystal Ball.

При проведении анализа выполнимости решения девелоперов и их суждения о стоимости участка основываются на следующих трех вопросах:

  1. будет ли проект приносить прибыль, превышающую требуемый IRR, т.е. ожидаемую доходность [цитата];
    1. будет ли доходность проекта достаточно высокой, чтобы компенсировать девелоперам риск, которому они будут подвержены, т.е. риски, связанные с получением ожидаемой прибыли или соотношением риск/доходность [цитата];
    1. предлагает ли данный проект более высокое соотношение риск/доходность, чем другие возможности на рынке [цитата].

Когда девелоперы сталкиваются с множеством возможностей приобретения участка, крайне важно выбрать те, которые имеют оптимальное или превосходящее соотношение риска и доходности.

Результаты применения метода Crystal Ball, основанного на методе остаточной стоимости, позволяющего прогнозировать результаты проекта в динамике, дают ответ только на первый из трех вопросов.

Два других оставшихся вопроса также требуют рассмотрения, поскольку они не менее важны, чем первый вопрос.

Например, если анализ с помощью Crystal Ball показывает ожидаемую доходность в 15% и 30% для двух объектов, то первый объект является менее рискованным проектом. До сих пор не ясно, какой участок является более выгодным, и, следовательно, это дает мало рекомендаций разработчикам для принятия рационального решения.

Аналогичные теории анализа рисков и доходности, разработанные в области оценки активов и принятия инвестиционных решений, следует применять при принятии решения о приобретении участка, основываясь на следующих параметрах:

  1. цена и стоимость участка должны определяться уровнем риска, который несет участок при его приобретении;
  2. девелопер при приобретении участка намеревается сразу же приступить к разработке. Совершенно иной анализ будет проводиться, если девелопер пожелает приобрести участок в земельный банк. Сроки девелопмента являются решающим фактором в этом анализе, и чем больше проходит времени, тем труднее учесть неопределенности при анализе выполнимости.
  3. на эффективном и прозрачном рынке соотношение риска и доходности объектов девелопмента должно отражаться в рыночных ценах, которые платят рациональные покупатели, и это должно использоваться в качестве ориентира для определения рыночной цены будущих объектов. Таким образом, можно провести дальнейшее изучение анализа выполнимости для определения соотношения доходности от рыночного риска путем сбора рыночной информации о цене (и сроке) сделки с землей, а также об уровне риска по ключевым переменным каждого проекта и соответствующему подмножеству факторов. Этот анализ, вместо того чтобы предоставлять результаты анализа для отдельного участка, как это предусмотрено методом Crystal Ball, может дать представление о рыночной стоимости участка на основе его уровня риска на момент приобретения участка.

Литература

  1. Barkham R. (1997) The financial structure and ethos of property companies: an empirical analysis. Construction Management and Economics,15(5): 441-456.
    1. Byrne P. (1996) Risk, Uncertainty and Decision-Making in Property Development, 2nd edn, E & FN Spon, London.
    1. Cadman D., Topping R. (1995) Property Development, Spon Press, London and New York.
    1. MacCrate J.R. (1999) Land Investment in the 21st Century. Real Estate Issues, pp. 15-24.
    1. Morley S. (2002) Development & Developers. In: S. Guy, J. Henneberry (eds.), Blackwell Publishing, pp.74-95.
    1. Shimpi P. (1999, 2001) Integrating Corporate Risk Management Swiss Re, London and New York.
    1. Wiegelmann T.W. (2012) Risk Management in the Real Estate Development Industry — Investigations into the application of risk management concepts in leading European real estate development organizations, Bond University, Australia.
    1. Gehner E. (2008) Knowingly Taking Risk — Investment Decision Making in Real Estate Development, Eburon Academic Publishers, Delft.
    1. Reed R., Sims S. (2015) Property Development, Routledge, New York.
    1. Johanson S. (2017) Glittering skyscraper plans fall over, buyers refunded, Sydney Morning Herald.
    1. Graaskamp J.A. (1981) Fundamentals of Real Estate Development. In: SP Jarchow (ed.), Graaskamp on Real Estate, ULI-the Urban Land Institute Washington.
    1. Graaskamp J.A. (1980) A Guide to Feasibility Analysis 2nd edn, Society of Real Estate Appraisers, Chicago.
    1. Ratcliffe J. (1983) The Valuation of Development Properties: 3. Journal of Valuation, 1(3): 268-274.
    1. Gimpelevich D. (2010) Simulation-based excess return model for real estate development. A practical Monte Carlo simulation-based method for quantitative risk management and project valuation for real estate development projects illustrated with a high-rise office development case study. Journal of Property Investment 29(2): 115-144.
    1. Forlee R. (2004) An Intelligent Guide to Australian Property Development, Wrightbooks, Australia.
    1. French N., Gabrielli L. (2005) Discounted cash flow: accounting for uncertainty. Journal of Property Investment & Finance, 23(1): 75-89.
    1. Atherton E., French N., Gabrielli L. (2008) Decision theory and real estate development: a note on uncertainty. Journal of European Real Estate Research, 1(2): 162-182.
    1. Baum A., Mackmin D. (1979) The Income Approach to Property Valuation (1st ed.,), Routledge and Kegan Paul, Henley on Thames.
    1. Loizou P., French N. (2012) Risk and uncertainty in development: A critical evaluation of using the Monte Carlo simulation methods a decision tool in real estate development projects. Journal of Property Investment & Finance, 30 (2): 198-210.
    1. Dilmore G. (1993) Fuzzy set theory: an introduction to its application for real estate analysts. In annual conference of the American Real Estate Society in Key West, Florida.
    1. Zurada J.M., Levitan A.S., Guan J. (2006) Non-conventional approaches to property value assessment. Journal of Applied Business Research (JABR), 22(3).
    1. Abdo H., Flaus J. (2016) Uncertainty quantification in dynamic system risk assessment: a new approach with randomness and fuzzy theory, International Journal of Production Research.
    1. Mollart R.G. (1988) Monte Carlo simulation using LOTUS 123. Journal of Property Valuation, 6(4): 419-433.

[1] Yu S.J. (2021), Residential Property Development Feasibility Study – A Self-Fulfilling Prophecy? Current Trends in Civil & Structural Engineering, Vol. 7 – Is. 4, https://irispublishers.com/ctcse/pdf/CTCSE.MS.ID.000666.pdf. Steven Jiayi Yu, Built Environment, University Technology of Sydney, Australia