Risicokwantificering met Monte Carlo Simulaties bij vastgoedontwikkeling

Transcriptie

1 Risicokwantificering met Monte Carlo Simulaties bij vastgoedontwikkeling Ir. A.E.A. de Groot Eindrapport MRE Masterproof Oktober 2009

2

3 Risicokwantificering met Monte Carlo Simulaties bij vastgoedontwikkeling Document: Masterproof Datum: 5 oktober 2009 Status: Eindrapport Auteur: E mail: Opdrachtgever: Interne begeleider: ir. A.E.A. (Adamfo) de Groot adamfodegroot@yahoo.com ASR Vastgoed Ontwikkeling N.V. ir. J.C. Messemaeckers van de Graaff Onderwijsinstelling: Amsterdam School of Real Estate Opleiding: Master of Real Estate Jaargang: Semester: VI Begeleider: prof. dr. E.F. Nozeman

4

5 Voorwoord Ter afsluiting van mijn MRE studie ( ) heb ik met veel plezier aan het onderzoek voor deze eindscriptie gewerkt. Risico analyse en kwantificering is momenteel een belangrijk onderwerp binnen vastgoedontwikkeling. Door de ontwikkeling van een model voor Risicokwantificering met de Monte Carlo Simulaties bij vastgoedontwikkeling, hoop ik hieraan een zinvolle bijdrage te leveren. Vastgoedontwikkeling is een fantastisch mooi vak: bouwen aan de leefomgeving van morgen. Vastgoedontwikkeling gaat hand in hand met forse investeringen. Een belangrijk onderdeel van vastgoedontwikkeling is dan ook het beheersen van risico s. Risicokwantificering is het middel om met name de financiële gevolgen van deze risico s inzichtelijk te maken. Graag wil ik in dit voorwoord dhr. E. Nozeman, dhr. J. Messemaeckers van de Graaff en dhr. B. van der Gijp bedanken voor hun begeleiding bij dit afstudeeronderwerp. Daarnaast wil ik alle respondenten en sparringpartners bedanken voor hun bereidheid mee te werken aan het onderzoek, en hun zinvolle bijdrage bij menige discussie. Graag wil ik mijn studie collegae bedanken voor de boeiende discussies en de vele leuke uitjes afgelopen 2 jaren. Tenslotte wil ik graag mijn waardering en dank uitspreken voor het eindeloze geduld en de ondersteuning van Christina, Florian en Sophie! Adamfo 5 oktober 2009 MRE Masterproof Adamfo de Groot i

6 Samenvatting De hoofddoelstelling van het onderzoek is het definiëren van de specificaties, randvoorwaarden en uitgangspunten voor een generiek risicokwantificeringsmodel met een Monte Carlo Simulatie ten behoeve van de kwantificering van risico s bij vastgoedontwikkeling op projectniveau. De centrale vraag luidt: Hoe kan de Monte Carlo Simulatie methode als instrument voor het kwantificeren van risico s bij vastgoedontwikkeling toegepast worden?. Daartoe:. wordt een kwalitatieve risico analyse voor vastgoedontwikkelingsprojecten per projectfase, voor zowel de grond als opstalexploitatie uitgevoerd; 2. worden de vereiste specificaties, randvoorwaarden en uitgangspunten van het risicokwantificeringsmodel vastgelegd met betrekking tot output, input en rekenregels, en; 3. wordt getracht voor multifunctionele binnenstedelijke (herstructurerings )projecten kansdichtheidsfuncties van de meest invloedrijke risico items per ontwikkelingsfase te definiëren. Voor adequate sturing en besluitvorming omtrent risico s en risicogevolgen bij vastgoedontwikkelingsprojecten is het wenselijk dat het risicokwantificeringsmodel op (deel)projectniveau met 95% zekerheid inzicht geeft in:. de verwachte totale doorlooptijd t verw en kansdichtheidsfunctie met verwachte afwijking op planning F(P, t); 2. de verwachte totale kosten K verw. en kansdichtheidsfunctie met verwachte afwijking in kosten F(P, K); 3. de verwachte totale opbrengsten O verw. en kansdichtheidsfunctie met verwachte afwijking in opbrengsten F(P, O); 4. het verwachte cashflow schema; 5. het verwachte eindresultaat R verw. van het project, en de kansdichtheidsfunctie met verwachte afwijking in resultaat F(P, R); 6. het verwachte rendement r verw. van het project, en de kansdichtheidsfunctie met verwachte afwijking in rendement F(P, r); 7. de verwachte omvang van het aan te houden risicokapitaal (per fase, deelfase en het totale project); 8. de verwachte bijdrage van de individuele risico items aan de totale risico omvang; 9. de verwachte omvang van het exit risico (per fase en deelfase) bij een no go besluit; Een dynamisch model gebaseerd op de probabilistische risicokwantificeringsmethode biedt deze mogelijkheden. INPUT GREX Initiatief / haalbaarheid (IOK) Planontwikkeling / uitwerking (SOK) deelfase verwerking Realisatie (ROK) Beheer tijd OEX Planontwikkeling / uitwerking (SOK) Bouw (K OVK/A OVK) RISICO KWANTI FICERING hbh fase grex/ oex. risico item lijst 2. correlatie matrix 3. voorspellingsmatrix ontw fase grex. risico item lijst 2. correlatie matrix 3. voorspellingsmatrix ontw fase oex (evt. deelfase). risico item lijst 2. correlatie matrix 3. voorspellingsmatrix real fase grex (evt. deelfase). risico item lijst 2. correlatie matrix 3. voorspellingsmatrix bouw fase oex (evt. deelfase). risico item lijst 2. correlatie matrix 3. voorspellingsmatrix DOCS OUTPUT geactualiseerde (evt. per deelfase). (netwerk)planning 2. grex en/of oex ( basisexploitatieberekening, nominaal) 3. begroting (bestedingen, aangegane verplichting en, begrote kosten en opbrengsten) 4. contract documenten go/no go go/no go go/no go go/no go go/no go geactualiseerd (evt. per fase), met zekerheidsniveau van 95%. verwachte totale doorlooptijd t verw en kansdichtheidsfunctie met verwachte afwijking op planning F(P, t); 2. verwachte totale kosten K verw. en kansdichtheidsfunctie met verwachte afwijking in kosten F(P, K) 3. verwachte totale opbrengsten O verw. en kansdichtheidsfunctie met verwachte afwijking in opbrengsten F(P, O) 4. verwachte cashflow schema 5. verwachte eindresultaat R verw, en kansdichtheidsfunctie met verwachte afwijking in resultaat F(P, R) 6. verwachte rendement r verw, en de kansdichtheidsfunctie met verwachte afwijking in rendement F(P, r) 7. verwachte omvang van het aan te houden risico kapitaal voor het totale project, per fase en per deelfase 8. verwachte bijdrage van individuele risico items aan totale risico omvang 9. verwachte omvang van het exit risico per fase en per deelfase definitie output als input voor portefeuille analyse MRE Masterproof Adamfo de Groot ii

7 Uit de terugkoppeling van experts blijkt dat het is mogelijk om met het gespecificeerde model met de Monte Carlo Simulatie methode risico s bij vastgoedontwikkeling te kwantificeren. Het gedefinieerde model geeft hiermee duidelijk antwoord op de hoofdvraag. Het is nog niet mogelijk gebleken om alle randvoorwaarden en rekenregels te definiëren. Met name ten behoeve van de definitie van kansdichtheidsfuncties is het noodzakelijk het projecttype beter te specificeren, bijvoorbeeld door referentieprojecten. Daarnaast is het noodzakelijk gebleken eerst nog de risico s op een nog gedetailleerder niveau (niveau 4) uit te werken, zodat vervolgens op elk detailniveau (niveau, niveau 2 en niveau 3) de juiste kansdichtheidsfuncties en correlatiematrices samengesteld kunnen worden. Wel is het op basis van de expert judgements mogelijk gebleken een Top 0 aan risico s per ontwikkelingsfase voor zowel de grond als opstalexploitatie samen te stellen. Zelfs kunnen er kwalitatieve uitspraken op niveau 3 gedaan worden. Indien het relatieve gewicht van een risico item in een ontwikkelingsfase groter is dan 2,0% en 2,5% bij respectievelijk de gronden opstalexploitatie, is dit risico item van bepalende invloed op het project. In onderstaande figuur is voor de risico hoofdgroepen (niveau ) en de risico categorieën (niveau 2) de prioriteringsvolgorde aangegeven. Niveau Grondexploitatie Opstalexploitatie Risico hoofdgroep hbh ontw expl tot hbh ontw bouw tot Proces Kosten Opbrengsten Niveau 2 Grondexploitatie Opstalexploitatie Risico categorieën hbh ontw expl tot hbh ontw bouw tot A. samenwerking B. politiek C. (plan)ontwerp D. ruimtelijk/technisch E. RO procedure F. vergunningen G. aanbesteding H. planning I. hoeveelheden J. kosten K. economisch (kn) L. aantallen M. opbrengsten N. economisch (opbr) MRE Masterproof Adamfo de Groot iii

8 Inhoudsopgave Voorwoord... i Samenvatting...ii Inhoudsopgave...iv Inleiding.... Aanleiding....2 Probleem en doelstelling Probleemstelling Doelstelling Afbakening Centrale vraag en onderzoeksvragen Centrale vraag Onderzoeksvragen Onderzoeksmodel Relevantie Leeswijzer Risicokwantificering Risico management en risico analyse Besluitvorming Monte Carlo Simulatie Kwantificeringstechnieken Deterministisch Probabilistisch Voorspellingen Correlaties (afhankelijke en onafhankelijke variabelen) Kansdichtheidsfuncties Aantal simulaties De uitkomst Risico s bij vastgoedontwikkeling Proces en risico hoofdgroepen (niveau ) Risico categorieën (niveau 2) Risico items (niveau 3) Grondexploitatie Opstalexploitatie Combinatieprojecten Kwalitatieve risico beoordeling Specificaties risicokwantificeringmodel Output Input MRE Masterproof Adamfo de Groot iv

9 5.2. Documenten: planning, grond en opstalexploitatie, projectadministratie en contracten Risico itemlijst Correlatiematrix indexen en inputparameters op basis van tijdsreeksen Praktijktoets Het model Top 0 risico s Bevindingen risico itemlijsten Analyse resultaten Top 0 risico s Kansdichtheidsfuncties Monte Carlo Simulatie Conclusies Het model Input Mont Carlo Simulatie Aanbevelingen Advies Reflectie Literatuurlijst... 4 Respondentenlijst Bijlagen... Bijlage Bijlage 2 Beschrijving fases vastgoedontwikkeling Risico items vastgoedontwikkeling voor grond en opstalexploitatie Bijlage 3 Kwantitatieve risico analyse risico items per fase, ontwikkelingsfases en totaal ontwikkeling voor grond. en opstalexploitatie Bijlage 4 Bijlage 5 Bijlage 6 Relatiematrix risico items Questionnaire Risicokwantificering bij een ontwikkelaar met Monte Carlo Simulaties 'Top 0' risico items: resultaten quiestionnaire MRE Masterproof Adamfo de Groot v

10 Figurenlijst Figuur Onderzoeksmodel... 4 Figuur 2 Leeswijzer... 5 Figuur 3 Risicokwantificering in relatie tot risico managementcyclus... 6 Figuur 4 faseplan risico analyse model... 6 Figuur 5 Risicoanalyse in relatie tot interne besluitvorming... 7 Figuur 6 Stappenplan ten behoeve van bepaling relaties en correlaties risico items en inputvariabelen... Figuur 7 Vastgoedontwikkel en rekenproces... 3 Figuur 8 Fasering vastgoedontwikkelingsproces voor grond en opstalexploitatie... 4 Figuur 9 Rekenmodel grond en opstalexploitatie... 4 Figuur 0 Risico categorieën vastgoedontwikkeling... 5 Figuur Risico itemlijst grondexploitatie... 6 Figuur 2 Risico itemlijst opstalontwikkeling... 7 Figuur 3 Beoordelingsaspecten kwalitatieve risico beoordeling... 8 Figuur 4 Kwalitatieve risicokwantificering grondexploitatie... 8 Figuur 5 prioriteringsvolgorde risico hoofdgroepen en risico categorieën grex... 9 Figuur 6 Kwalitatieve risicokwantificering opstalexploitatie... 9 Figuur 7 prioriteringsvolgorde risico hoofdgroepen en risico categorieën oex Figuur 8 Opzet risicokwantificeringsmodel vastgoedontwikkeling met Monte Carlo Simulatie... 2 Figuur 9 samenstelling indexen en parameters Figuur 20 'Top 0' risico's grondexploitatie: items, categorieën en hoofdgroepen Figuur 2 'Top 0' risico's opstalexploitatie: items, categorieën en hoofdgroepen Figuur 23 Risicoprioritering grond en opstalexploitatie op 'niveau ' en 'niveau 2' MRE Masterproof Adamfo de Groot vi

11 Inleiding Dit hoofdstuk geeft de onderzoeksopzet weer. Allereerst komen de aanleiding (.), de probleem en doelstelling (.2) en de afbakening (.3) van het onderzoek aan bod. Vervolgens wordt ingegaan op de vraagstelling (.4) en het onderzoeksmodel (.5). Aansluitend wordt ingegaan op de relevantie (.6) van het onderzoek voor de wetenschap en de vastgoedbranche. Tot slot van dit hoofdstuk wordt de opbouw van dit rapport in de leeswijzer (.7) toegelicht.. Aanleiding Ter afronding van de opleiding Master of Real Estate aan de Amsterdam School of Real Estate dient onderzoek gedaan te worden naar een actueel vraagstuk in de vastgoedbranche. Doelstelling is enkele van de in de opleiding behandelde onderwerpen integraal te behandelen, toe te passen op een actueel vraagstuk en het ontwikkelen en verspreiden van nieuwe kennis. De aanleiding van het onderzoek komt voort uit de persoonlijke en professionele interesse, om risico s bij vastgoedontwikkelingsprojecten te kwantificeren, en is mede gebaseerd op onderstaande observaties:. De zich nog steeds doorzettende professionalisering van het vastgoedvak is aanleiding dat in initiatief en schetsontwerpfases projecten gedetailleerd worden uitgewerkt en vastgelegd. De posten onvoorzien en winst en risico worden rekentechnisch tot een aanvaardbaar niveau geminimaliseerd. Echter door het ontbreken van een gedegen risico analyse en risicokwantificering is het ongewis of de posten onvoorzien en winst en risico de risico s voldoende afdekken, teneinde een afgewogen besluit met betrekking tot de investering ( go/no go ) te kunnen nemen. 2. De omvang, complexiteit en doorlooptijd van de projecten neemt steeds verder toe. Als gevolg van beleid en huidige demografische trends zal de ontwikkelingsopgave zich in de (nabije) toekomst met name richten op multifunctionele binnenstedelijke (herstructurerings )projecten. Bij deze projecten is het van essentieel belang in de tijd, continue, een overzicht te hebben van verplichtingen en het vermogensbeslag, en de invloed van risico s, zowel in waarschijnlijkheid als omvang, hierop. Met name investeerders en financiers zijn geïnteresseerd in de zekerheden waarmee zij hun geld terug ontvangen. Risico analyse en risicokwantificering zijn dus een noodzakelijke voorwaarde. 3. Uit onderzoek blijkt dat projectontwikkelaars, in het algemeen, risico analyse kwalitatief op basis van intuïtie en ervaring benaderen. Kwantitatief worden risico s op basis van scenario en gevoeligheidanalyses via de deterministische methode inzichtelijk gemaakt (Gehner, 2006, pp ). Scenario en gevoeligheidanalyses geven een beeld van de omvang van de risicogevolgen voor één enkele situatie. Bij individueel optredende afwijkingen van onafhankelijke variabelen is de omvang eenvoudig afleidbaar. Bij afwijkingen in afhankelijke variabelen zijn deze minder eenvoudig afleidbaar, en kunnen deze tot onvoorziene resultaten leiden. Op basis van ervaring worden scenario s vastgesteld, waarbij de (negatieve) gevolgen van gelijktijdig optredende afwijkingen van onafhankelijke en afhankelijke variabelen worden gestapeld en doorgerekend. Dit resulteert in één harde waarde. De kans van optreden van deze specifieke situatie en de bandbreedte in omvang (negatief en positief) worden bij deze methodiek niet in beschouwing genomen. 4. Probabilistische risicokwantificeringsmethoden houden wel rekening met waarschijnlijkheidsverdelingen. Deze methode biedt de mogelijkheid voor elke onafhankelijke en afhankelijke variabele de waarde uit te drukken in een kansdichtheidsfunctie, en middels modellering het gecombineerde gevolg van de verschillende onafhankelijke en afhankelijke variabelen te berekenen. Deze methode biedt óók de mogelijkheid positieve gevolgen (kansen) te modelleren en te berekenen, zodat een nauwkeuriger beeld van de verwachtingswaarden zal worden verkregen. De probabilistische risicokwantificeringsmethode biedt tevens de mogelijkheid om risico s op een meer accurate wijze aan de planning te koppelen, zodat ook de afhankelijke indirecte risico s gereduceerd kunnen worden (Baraza, 2007). Omdat door toepassing van de probabilistische risicokwantificeringsmethode projecten met elkaar vergelijkbaar zijn, reikt deze methode objectieve afwegingskaders aan bij besluitvorming over investeringsvoorstellen (Gehner, 2006, p. 549). 5. De Monte Carlo Simulatie is een probabilistische risicokwantificeringsmethode, welke veel wordt toegepast in de bouw en procesindustrie. Kans en gevolg van risico s met betrekking tot het proces en planning worden in tijd ( t) en geld ( ) uitgedrukt. Kans en gevolg van risico s met betrekking tot kosten worden in geld ( ) uitgedrukt. Dit is aanleiding om te veronderstellen dat de Monte Carlo Simulatie ook een geschikte methode is voor toepassing bij vastgoedontwikkeling. In tegenstelling tot de bouw en procesindustrie, heeft de projectontwikkelaar echter ook te maken met kans en gevolg van risico s met betrekking tot opbrengsten. MRE Masterproof Adamfo de Groot

12 In de literatuur is veel geschreven over risico s, risicomanagement en besluitvorming voor zowel vastgoedontwikkeling alsook grootschalige (infrastructurele) bouwprojecten (Byrne, 2006; Denzen, 2009; Gehner, 2003, 2006, 2008a en 2008b; Ten Have, 2004; Miles, 2007; Nozeman, 2008). In zijn algemeenheid betreft het meestal een kwalitatief oordeel over risico s op basis van praktijkervaringen, en zijn zij niet eenduidig en onvoldoende gedefinieerd, zodat zij niet direct toepasbaar zijn voor risicokwantificering. Slechts in een enkel geval wordt getracht dit oordeel ook kwantitatief te onderbouwen. Echter in de meeste gevallen is dit gebaseerd op slechts één specifiek voorbeeld, toegepast op één specifieke functie (infrastructuur, kantoren of wonen) of één specifieke ontwikkelingsfase, en zijn deze modellen en gegevens niet generiek voor vastgoedontwikkeling in het algemeen, en multifunctionele binnenstedelijke (herstructurerings ) projecten in het bijzonder, maar alleen projectspecifiek toepasbaar (Cooper, 987; Van Dijk, 2006; Karelse, 997; Lesmeister,997; Van Well Stam, 2003). In de praktijk wordt de Monte Carlo Simulatiemethode wel toegepast om risico s kwantitatief te onderbouwen. De toegepaste modellen zijn verschillend en zijn vaak niet theoretisch onderbouwd, en de wijze van toepassing varieert. Dit onderzoek heeft tot doel de specificaties voor een algemeen toepasbaar risicokwantificeringsmodel met behulp van de Monte Carlo Simulatiemethode voor zowel grond als opstalexploitaties vast te leggen. Daartoe:. wordt een kwalitatieve risico analyse voor vastgoedontwikkelingsprojecten per projectfase, voor zowel de grond als opstalexploitatie uitgevoerd; 2. worden de vereiste specificaties, randvoorwaarden en uitgangspunten van het risicokwantificeringsmodel vastgelegd met betrekking tot output, input en rekenregels, en; 3. wordt getracht voor multifunctionele binnenstedelijke (herstructurerings )projecten kansdichtheidsfuncties van de meest invloedrijke risico items per ontwikkelingsfase te definiëren..2 Probleem en doelstelling.2. Probleemstelling Risicokwantificering bij vastgoedontwikkeling vindt over het algemeen op deterministische wijze plaats middels scenarioen gevoeligheidsanalyses. Per scenario wordt slechts één waarde voor de omvang van de risicogevolgen voor één specifieke situatie verkregen. De kans van optreden van deze specifieke situatie en de bandbreedte in omvang van de risicogevolgen worden bij deze methodiek niet in beschouwing genomen. Doordat bij het worst case scenario alle negatieve afwijkingen en bij het best case scenario alle positieve afwijkingen van onafhankelijke en afhankelijke variabelen gestapeld worden, leidt dit tot een zeer ruime bandbreedte. Daarnaast geeft scenario analyse alleen inzicht in de invloed van variaties van individuele parameters, maar nooit een totaalbeeld. Voor adequate sturing en besluitvorming op project, management en bestuurlijk/directieniveau omtrent risico s en risicogevolgen bij vastgoedontwikkelingsprojecten is het wenselijk dat het risicokwantificeringsmodel op (deel)projectniveau met 95% zekerheid inzicht geeft in:. de verwachte totale doorlooptijd t verw en kansdichtheidsfunctie met verwachte afwijking op planning F(P, t); 2. de verwachte totale kosten K verw. en kansdichtheidsfunctie met verwachte afwijking in kosten F(P, K); 3. de verwachte totale opbrengsten O verw. en kansdichtheidsfunctie met verwachte afwijking in opbrengsten F(P, O); 4. het verwachte cashflow schema; 5. het verwachte eindresultaat R verw. van het project, en de kansdichtheidsfunctie met verwachte afwijking in resultaat F(P, R); 6. het verwachte rendement r verw. van het project, en de kansdichtheidsfunctie met verwachte afwijking in rendement F(P, r); 7. de verwachte omvang van het aan te houden risicokapitaal (per fase, deelfase en het totale project); 8. de verwachte bijdrage van de individuele risico items aan de totale risico omvang; 9. de verwachte omvang van het exit risico (per fase en deelfase) bij een no go besluit; Een probabilistische risicokwantificeringsmethode biedt deze mogelijkheden, omdat deze zowel het individuele als het gecombineerde gevolg van alle geïdentificeerde onafhankelijke en afhankelijke onzekere variabelen (risico s) berekent, en een waarschijnlijkheidsverdeling van de mogelijke uitkomsten van het model op boven genoemde aspecten bepaalt (Vose, 996, pp. 8 9). MRE Masterproof Adamfo de Groot 2

13 Door de toepassing van een generiek risicokwantificeringsmodel worden projecten onderling vergelijkbaar, en kunnen op basis van opeenvolgende rapportages (op kwartaal en jaar basis) trends met betrekking tot het risicoprofiel waargenomen en beoordeeld worden..2.2 Doelstelling De hoofddoelstelling van het onderzoek is het definiëren van de specificaties, randvoorwaarden en uitgangspunten voor een generiek risicokwantificeringsmodel met een Monte Carlo Simulatie ten behoeve van de kwantificering van risico s bij vastgoedontwikkeling op projectniveau. Subdoelstellingen die hieruit volgen zijn:. Ten aanzien van besluitvorming en voortgangsbewaking a. Identificatie en definitie van de gewenste output ten behoeve van go/no go beslissingen; b. Identificatie en definitie van gewenste output ten behoeve van voortgangsbewaking (kwartaal en jaarrapportages); 2. Ten aanzien van het model a. het identificeren en vastleggen van risico hoofdgroepen en risico categorieën bij vastgoedontwikkeling; b. het identificeren en vastleggen van risico items per projectfase voor zowel de grondexploitatie, de opstalexploitatie en gecombineerde exploitaties; c. het definiëren van kansdichtheidsfuncties per risico item; d. het identificeren en vastleggen van afhankelijke en onafhankelijke risico items; e. het identificeren en definiëren van noodzakelijke inputvariabelen; f. het identificeren en definiëren van de noodzakelijke inputdocumenten;.3 Afbakening Het onderzoek richt zich alleen op het definiëren van de specificaties, randvoorwaarden en uitgangspunten voor het risicokwantificeringsmodel met een Monte Carlo Simulatie voor de grond en opstalexploitatie van multifunctionele binnenstedelijke (herstructurerings )projecten. In de literatuurstudie zal specifiek ingegaan worden op risicokwantificering, en de relatie hiervan met risicomanagement, kwalitatieve en kwantitatieve risico analyse en besluitvorming (hoofdstuk 2). Vervolgens zal in de literatuurstudie specifiek ingegaan worden op de Monte Carlo Simulatiemethode (hoofdstuk 3). En tenslotte zal de literatuurstudie afgesloten worden met de identificatie van risico items per ontwikkelingsfase voor zowel de grond en opstalexploitatie bij vastgoedontwikkelingsprojecten (hoofdstuk 4). Het praktijkonderzoek richt zich op in de praktijk toegepaste modellen bij adviseurs en ontwikkelaars. Aan de hand van expert judgements worden de gedefinieerde risico itemlijsten per ontwikkelingsfase eerst op relevantie getoetst en onderworpen aan een kwalitatief oordeel voor de Top 0 risico s per ontwikkelingsfase voor gebieds en opstalontwikkeling. Vervolgens wordt getracht om voor multifunctionele binnenstedelijke (herstructurerings )projecten de bijbehorende kansdichtheidsfuncties voor deze Top 0 risico s te definiëren (hoofdstuk 6)..4 Centrale vraag en onderzoeksvragen.4. Centrale vraag De centrale vraag komt direct uit de probleemstelling voort, en luidt: Hoe kan de Monte Carlo Simulatie methode als instrument voor het kwantificeren van risico s bij vastgoedontwikkeling toegepast worden?.4.2 Onderzoeksvragen De centrale vraag valt uiteen in de volgende subvragen:. Wat is risicokwantificering? (hoofdstuk 2) a. Welke relatie heeft het met risico management en risico analyse? b. Welke relatie heeft het met besluitvorming? 2. Wat is de Monte Carlo Simulatie methode? (hoofdstuk 3) a. Welke kwantificeringsmethoden worden gehanteerd? b. Hoe gaat de methode om met toekomstige voorspellingen van inputdata? c. Hoe wordt omgegaan met afhankelijke en onafhankelijke variabelen, en hoe worden correlaties bepaald? MRE Masterproof Adamfo de Groot 3

14 d. Wat zijn kansdichtheidsfuncties, en hoe kunnen hierin positieve en negatieve gevolgen worden gedefinieerd? e. Wat is een goede maat voor het aantal simulaties? f. Wat zegt de uitkomst? 3. Welke risico items spelen bij vastgoedontwikkeling een rol? (hoofdstuk 4) a. Hoe ziet het vastgoedontwikkelingsproces eruit, en welke risico hoofdgroepen zijn hierin te onderscheiden? b. Welke risico categorieën kunnen bij binnen deze hoofdgroepen onderscheiden worden? c. Welke risico items spelen een rol in de verschillende ontwikkelingsfases bij de grondexploitatie, opstalexploitatie en gecombineerde projecten? d. Hoe worden de geïdentificeerde risico hoofdgroepen, risico categorieën en risico items kwalitatief beoordeeld? 4. Wat zijn de specificaties voor een bruikbaar risicokwantificeringsmodel? (hoofdstuk 5) a. Wat is de gewenste output ten behoeve van go/no go beslissingen en voortgangsbewaking (trends)? b. Wat is de vereiste input voor het risicokwantificeringsmodel? Welke documenten zijn noodzakelijk? Hoe worden de geselecteerde risico items in het model opgenomen? Hoe worden afhankelijkheden tussen risicoitems gemodelleerd? En hoe gaat men om met op tijdsreeksen gebaseerde indexen en inputparameters? 5. Is het model in de praktijk toepasbaar? (hoofdstuk 6) a. Kloppen de veronderstellingen in het model? b. Komen de geïdentificeerde risiconiveaus en risico s overeen met de praktijk? En wat zijn de Top 0 risico s? c. Hoe kan voor deze Top 0 risico s een goede kansdichtheidsfunctie worden gedefinieerd? d. Wat is de toepasbaarheid van de Monte Carlo Simulatie? In de leeswijzer (.7) is de beantwoordingsstructuur van deze onderzoeksvragen gevisualiseerd..5 Onderzoeksmodel In Figuur is het onderzoeksmodel weergegeven. Het theoretisch kader wordt gevormd door literatuuronderzoek naar risicokwantificering en de relaties hiervan met risico analyse en besluitvorming, de Monte Carlo Simulatie methode, en de relevante risico s welke spelen bij vastgoedontwikkeling. Op basis van het theoretisch kader, zullen de risico s in het vastgoedontwikkelingsproces voor zowel de grondexploitatie als ook de opstalexploitatie op basis van literatuur en praktijkervaring nader geanalyseerd en geprioriteerd worden. Hiermee wordt, samen met de bevindingen uit het literatuuronderzoek naar risicokwantificering en de Monte Carlo Simulatie methode, de basis voor het model gelegd met betrekking tot de specificaties ten aanzien van de gewenste output, de vereiste input en de toe te passen rekenregels binnen het risicokwantificeringsmodel. Aan de hand van praktijkonderzoek middels een questionnaire gericht aan adviseurs en ontwikkelaars wordt de opzet en de toepasbaarheid van het model beoordeeld, de Top 0 risico s per ontwikkelingsfase van grond en opstalexploitaties vastgesteld, en getracht kansdichtheidsfuncties voor deze Top 0 risico s met betrekking tot een multifunctioneel binnenstedelijk (herstructurerings )project te definiëren. theoretisch kader Risico analyse model specificering (hoofdstuk 5) praktijktoets (hoofdstuk 6) Risicokwantificering (hoofdstuk 2) output Monte Carlo Simulatie methode (hoofdstuk 3) input risico items vastgoedontwikkeling (hoofdstuk 4) risico identificatie en kwalificering per fase grex & oex (hoofdstuk 4) rekenregels: risico itemlijsten kansdichtheidsfuncties correlaties voorspellingsmatrix risicokwantificeringsmodel Model toepasbaar? Risico itemlijsten? Top 0 risico s per fase? Kansdichtheidsfuncties? Figuur Onderzoeksmodel MRE Masterproof Adamfo de Groot 4

15 De onderzoeksmethoden die bij de uitvoering van dit onderzoek zijn toegepast, zijn: Bureau onderzoek: literatuuronderzoek ten behoeve risicokwantificering, de Monte Carlo Simulatie en het identificeren en vaststellen van risico items bij vastgoedontwikkeling; Empirisch onderzoek: ten behoeve van het identificeren en analyseren van tijdsreeksen en correlaties; Expert judgements (questionnaire): ten behoeve van het vaststellen van de in de praktijk gehanteerde risicokwantificeringsmodellen, risico items, en kansdichtheidsfuncties..6 Relevantie Het onderzoek geeft zowel een wetenschappelijke als praktijkgerichte bijdrage aan de verdere ontwikkeling en professionalisering van het vakgebied vastgoedkunde. Dit onderzoek is het eerste onderzoek dat zich specifiek richt op risicokwantificering met Monte Carlo Simulaties voor vastgoedontwikkeling. Het resultaat van het onderzoek is de definitie van specificaties voor een generiek risicokwantificeringsmodel, waardoor projecten onderling vergelijkbaar worden en trends in de loop der tijd zichtbaar worden. Dit model dient als ondersteunend instrument bij besluitvorming (go/no go) en voortgangsbewaking van vastgoedontwikkelingsprojecten. In de toekomst kan het mogelijk dienen als input voor een risico analyse op portefeuilleniveau. Met behulp van expert judgements worden per ontwikkelingsfase voor zowel de grondexploitatie als de opstalexploitatie de Top 0 risico s geïdentificeerd en geprobeerd om voor een multifunctionele binnenstedelijk (herstructurerings )project tot de definitie en vaststelling van kansdichtheidsfuncties voor deze Top 0 risico s te komen. In de literatuur zijn beiden niet eerder gepubliceerd..7 Leeswijzer In Figuur 2 is de opbouw van het rapport weergegeven. inleiding Inleiding met betrekking tot de probleem en doelstelling en de opzet van het onderzoek 2 theorie Wat is risicokwantificering?. Welke relatie heeft het met risico management en risico analyse? 2. Welke relatie heeft het met besluitvorming? 3 Wat is de Monte Carlo Simulatie methode?. toegepaste kwantificeringsmethoden 2. voorspellingen 3. correlaties 4. kansdichtheidsfuncties 5. aantal simulaties 6. uitkomst 4 Welke risico items spelen bij vastgoedontwikkeling een rol?. proces en risico hoofdgroepen 2. risico categorieën 3. risico items bij grondexploitatie, opstalexploitatie en combinatieprojecten 4. kwalitatieve risico beoordeling 5 model Wat zijn de specificaties van een bruikbaar risicokwantificeringsmodel?. output 2. input: documenten, risico itemlijst, correlatiematrix, indexen en inputparameters 6 praktijk Is het model in de praktijk toepasbaar?. model 2. top 0 risico s 3. kansdichtheidsfuncties 4. Monte Carlo Simulatie 7 analyse Conclusies en aanbevelingen. Conclusies 2. Aanbevelingen 3. Reflectie Figuur 2 Leeswijzer MRE Masterproof Adamfo de Groot 5

16 2 Risicokwantificering Dit hoofdstuk bevat een beschrijving van de plek van risicokwantificering in relatie tot risico management en risico analyse (2.), en de relatie tussen risicokwantificering en besluitvorming (2.2). 2. Risico management en risico analyse In Figuur 3 is de relatie tussen risico management en risico analyse weergegeven. Risico identificatie Risicodiagnose Risico analyse Kwalitatieve risico analyse Kwantitatieve risico analyse Risicorespons Analyse beheersmaatregelen Keuze beheersmaatregelen Risicobeheersing Implementatie beheersmaatregelen Risicomanagement Monitoring van risico s Figuur 3 Risicokwantificering in relatie tot risico managementcyclus (bron: Gehner, 2008a, p.2; eigen bewerking) Cooper (987, p.6) vat risico analyse en risicokwantificering als het systematisch doorlopen van een gefaseerd proces op. De toegepaste methoden moeten dusdanig ontworpen worden, zodat zij passen bij het model en de omstandigheden waarin het model gebruikt wordt. In Figuur 4 wordt dit proces weergegeven. fase stap. definitie a. activiteiten identificatie b. primaire risico identificatie c. primaire respons identificatie d. secundaire risico identificatie e. secundaire respons identificatie 2. structuur a. minimale en maximale risico identificatie b. specifieke en algemene respons identificatie c. eenvoudige en complexe beslisregel identificatie d. risico respons grafieken 3. parameterisatie a. benodigde parameter identificatie b. scenario identificatie en waarschijnlijkheidsvoorspelling 4. manipulatie en interpretatie a. risico berekening b. beoordeling risico efficiëntie en besluit regel c. beoordeling risico balans en besluit regel d. beoordeling som onvoorzien Figuur 4 faseplan risico analyse model (bron: Cooper, 987, p.6) Risicokwantificering of kwantitatieve risico analyse heeft tot doel de waarschijnlijkheid en het gevolg van risico s op het verwachte rendement van een investering bloot te leggen. Een kwantitatieve risico analyse geeft numeriek inzicht in de kans op en het effect van risico s, zowel van de afzonderlijke risico s als van het totaalrisico, teneinde de waarschijnlijkheid en de bandbreedte van de mogelijke uitkomsten te bepalen (Xu, 2002, p. 9). MRE Masterproof Adamfo de Groot 6

17 De risico s worden berekend door het manipuleren van waarschijnlijkheden en waarschijnlijkheidsverdelingen zodat het gecombineerde gevolg van de risico s op het project bepaald kan worden (Cooper, 987, p. 5). Het uitvoeren van een kwantitatieve risico analyse bestaat uit drie hoofdactiviteiten (Well Stam, 2003, pp.78 79, 85, 89):. Het kwantificeren van risico s Risico s kunnen worden gekwantificeerd als bijzondere gebeurtenissen of normale onzekerheden. Bijzondere gebeurtenissen hebben een kleine kans van optreden, maar aanzienlijke gevolgen voor de planning, projectkosten of projectopbrengsten. Normale onzekerheden zijn onzekerheden in de kostenraming, opbrengstenraming of doorlooptijden als gevolg van gebruikelijke variaties. 2. Het berekenen van het totale projectrisico Het totale projectrisico wordt berekend op basis van de gekwantificeerde risico s en uitgedrukt in een kansdichtheidsfunctie van de gewenste parameters tijd of geld. 3. Het interpreteren van de resultaten Met de resultaten van de risicoberekening kunnen de verwachtingen ten aanzien van de planning, de kosten en de opbrengsten ten behoeve van besluitvorming geëvalueerd worden. Conclusie Ten behoeve van risicokwantificering is het noodzakelijk eerst de risico s te identificeren (fase, stap a t/m e Figuur 4) en vervolgens de risico s te analyseren (fase 2, stap a t/m d). Daarna kunnen de onderscheden risico items gekwantificeerd worden, zowel op kwalitatieve (fase 3, stap a t/m b) als kwantitatieve wijze (fase 4, stap a). Ten behoeve van kwantificering is het noodzakelijk per risico item een kansdichtheidsfunctie te definiëren (fase 3, stap b). Afhankelijk van het risico item type heeft deze kansdichtheidsfunctie een bepaalde verschijningsvorm. Het door Cooper voorgestelde proces staat borg voor een gedegen definitie van de risicorespons functies. 2.2 Besluitvorming In Figuur 5 is de relatie tussen risico analyse en interne besluitvormingsproces weergegeven. De resultaten uit de risicoanalyse en de beleidsmatig gehanteerde risicomaatstaven geven uitsluitsel over het te nemen besluit go, no go of go elsewhere. Beleidsplan Projectgegevens Risicoanalyse Rendementseis Rendementsafweging Risicorespons Risicoattitude Besluitvorming Besluit Risicobeheersing Risicomanagement Figuur 5 Risicoanalyse in relatie tot interne besluitvorming (bron: Gehner, 2003, p. 38) Ten behoeve van sturing en besluitvorming op strategisch, tactisch en operationeel niveau, dient het risicokwantificeringsmodel met voldoende zekerheid 95% uitsluitsel te geven over:. De verwachte doorlooptijd van het totale project en/of deelfase; 2. De verwachte kosten van het totale project en/of deelfase; 3. De verwachte opbrengsten van het totale project en/of deelfase 4. De verwachte cashflows van het totale project en/of deelfase; 5. Het verwachte eindresultaat van het totale project en/of deelfase. Het eindresultaat is een afgeleide van de verwachte kosten en verwachte opbrengsten; 6. Het verwachte rendement van het totale project en/of deelfase. Het rendement is een afgeleide van de verwachte kosten, verwachte opbrengsten en de stichtingskosten (totale investeringskosten); 7. De verwachte risico omvang van het totale project en/of deelfase. De omvang van het risico kapitaal wordt bepaald aan de hand van de formule risico = kans van optreden * omvang van het gevolg. De totale omvang van het risicokapitaal vertegenwoordigt de waarde van de post onvoorzien ; 8. De bijdrage van een individueel risico item aan de totale risico omvang van het totale project en/of deelfase; MRE Masterproof Adamfo de Groot 7

18 9. De verwachte omvang van het exit risico. De omvang van het exit risico wordt bepaald door bij een no go beslissing alle reeds bestede kosten en alle uitstaande verplichtingen te sommeren. Ten behoeve van voortgangsbewaking (kwartaal en jaarrapportages) dient het risicokwantificeringsmodel naast een actualisatie van bovengenoemde onderwerpen met betrekking tot het totale project en de desbetreffende ontwikkelingsfase, ook uitsluitsel te geven over de verandering van het risicoprofiel voor zowel het totale project als de desbetreffende fase ten opzichte van de voorgaande rapportage. Het beoogde risicokwantificeringsmodel moet zowel het individuele als het gecombineerde gevolg van alle geïdentificeerde onafhankelijke en afhankelijke onzekere variabelen (risico s) berekenen, en een waarschijnlijkheidsverdeling van de mogelijke uitkomsten met betrekking tot boven genoemde aspecten bepalen. Conclusie Door een generiek risicokwantificeringsmodel toe te passen voor alle projecten, worden deze onderling vergelijkbaar, waardoor bij go/no go/go elsewhere beslissingen objectieve besluitvorming kan plaatsvinden. Zolang de omvang van het risicokapitaal kleiner is dan de omvang van het exit risico, leidt dit cijfermatig tot een go beslissing. Daarnaast kunnen bij opeenvolgende voortgangsrapportages trends in de ontwikkeling van het risicoprofiel en effecten van risico maatregelen waargenomen worden, waardoor op effectieve wijze besluitvorming over mitigerende maatregelen kan plaatsvinden. De berekening van de verwachte cashflows, het verwachte rendement en de risico omvang op elk willekeurig tijdstip, vereisen een dynamisch rekenmodel. MRE Masterproof Adamfo de Groot 8

19 3 Monte Carlo Simulatie De Monte Carlo Simulatie methode is een probabilistische of stochastische berekeningsmethode ten behoeve van risicokwantificering. In dit hoofdstuk zal kort het verschil tussen deterministische en probabilistische kwantificeringsmethoden worden toegelicht (3.). Vervolgens zal specifiek worden ingegaan op inputvereisten en rekenregels voor een probabilistische kwantificeringsmethode: voorspellingen (3.2), correlaties (3.3), kansdichtheidsfuncties (3.4). Het hoofdstuk zal worden afgesloten met het aantal benodigde simulaties (3.5) en de interpretatie van de uitkomst van het model (3.6). 3. Kwantificeringstechnieken 3.. Deterministisch Deterministische modellen geven antwoorden op de what if vragen of scenario s (Byrne, 996; Vose, 996). Enkel punts of deterministisch modelleren gaat uit van een enkelvoudige beste schatting voor elke variabele in het model, teneinde de uitkomst(en) van het model te bepalen. De gevoeligheden van het model worden getest door de variatie in uitkomsten bij verschillende combinaties van invoervariabelen met elkaar te vergelijken (Vose, 996, p. 7). Toegepaste deterministische kwantificeringstechnieken zijn: de risico opslag Aan de begroting wordt een post onvoorzien toegekend middels een opslagpercentage; de gevoeligheidsanalyse Het effect op het rendement van kosten en opbrengstenrisico s wordt berekend door voor de verschillende investeringsvariabelen een pessimistische, optimistische en verwachte waarde te definiëren. Het rendement wordt per invoerwaarde berekend, waarbij de andere variabelen gelijk gehouden worden. Per parameter wordt de gevoeligheid van het rendement duidelijk. de scenario analyse Het effect van combinaties van variabelen op het rendement wordt berekend. Meervoudige invoerwaarden bepalen een enkelvoudige uitvoerwaarde. In de praktijk wordt vaak gebruik gemaakt van een Worst Case, Mid Case en Best Case scenario. Door de definitie van deze specifieke scenario s, met elk hun specifieke waarden voor inputvariabelen, wordt een bandbreedte voor mogelijk verwachte uitkomsten met betrekking tot rendement vastgelegd. Doordat in het Worst Case scenario allemaal negatieve waarden van inputvariabelen en in het Best Case scenario allemaal positieve waarden van inputvariabelen gehanteerd worden, en deze bij berekening in feite allemaal op elkaar gestapeld worden, leidt risicokwantificering op deterministische wijze tot extreme waarden, met een relatief grote bandbreedte tot gevolg Probabilistisch Stochastische of probabilistische modellen doen hetzelfde als deterministische modellen voor wat betreft het genereren van het aantal mogelijke scenario s. Echter deze modellen gaan een stap verder door naast elke mogelijke waarde die de variabele kan aannemen ook het relatieve gewicht van elk mogelijk scenario (de kans van optreden) mee te nemen. De waarden welke onzekere variabelen bij bepaalde gebeurtenissen met een gedefinieerde kans van optreden kunnen aannemen, worden beschreven in een kansdichtheidsfunctie (Vose, 996, p.8). Het uiteindelijke doel van het model is het gecombineerde gevolg van de verschillende onafhankelijke en afhankelijke onzekere variabelen te berekenen, zodat een waarschijnlijkheidsverdeling van de mogelijke uitkomsten van het model bepaald kan worden (Vose, 996, p.9). Toegepaste stochastische kwantificeringstechnieken zijn: de regressie analyse (Van Dijk, 2006, pp ) Regressie analyse voorspelt de variatie van een afhankelijke variabele door data van een onafhankelijke variabele te gebruiken. Het is noodzakelijk dat variabelen op enige wijze een verband met elkaar hebben, bijvoorbeeld tijd in een historische datareeks. Regressie analysemethoden zijn lineaire regressie, waarbij wordt uitgegaan van een lineair verband tussen twee variabelen, en meervoudige regressie, waarbij wordt uitgegaan van een verband tussen één afhankelijke variabele en een set van onafhankelijke variabelen. de Monte Carlo Simulatie Een Monte Carlo Simulatie is in feite een groot aantal what if scenario s. Per input variabele wordt vastgesteld wat de grenzen (uiterste waarden) zijn waarbinnen deze zich beweegt, wat de distributie is volgens welke deze zicht beweegt en wat de correlatie tussen de input variabelen in het model is. Alle mogelijke willekeurige combinaties van inputvariabelen worden doorgerekend en verwerkt in alle mogelijke uitkomsten van het model. Hiermee ontstaat een MRE Masterproof Adamfo de Groot 9

20 verzameling van mogelijke scenario s rondom het reëel geachte scenario, ofwel een kansverdeling van alle mogelijk gesimuleerde scenario s (Van Dijk, 2006, p. 32). De Monte Carlo Simulatie maakt het niet alleen mogelijk de meest belangrijke variabelen met betrekking tot onzekerheid te identificeren, maar biedt ook de mogelijkheid de relatieve invloed van de verschillende input variabelen op de output variabelen te meten en de prioriteringsvolgorde vast te stellen (Emblemsvåg, 2003, pp ). Risicokwantificering middels de probabilistische methode leidt tot een meer realistische en smallere bandbreedte van uitkomsten, omdat de probabilistische methode: positieve en negatieve gevolgen per risico item conform de kansdichtheidsfunctie ad random met elkaar combineert; afhankelijke en onafhankelijke risico items via een correlatie matrix aan elkaar gekoppeld worden. Conclusie De probabilistische risicokwantificeringsmethode, zoals de Monte Carlo Simulatie, geeft een meer betrouwbaar beeld en een smallere bandbreedte van mogelijk uitkomsten ten aanzien van verwachtingen met betrekking tot doorlooptijd, rendement en risicokapitaal omvang. Ten aanzien van risicokwantificering als instrument voor besluitvorming, verdient de probabilistische methode de voorkeur. Wel dient men zich te realiseren dat de mate van nauwkeurigheid in de input en rekendata de mate van nauwkeurigheid van de uitkomsten bepaalt. Rubbish in is rubbish out. 3.2 Voorspellingen Met betrekking tot indexen en verwachte marktontwikkelingen is het noodzakelijk goede voorspellingen te maken. Dit kan op basis van beschikbare historische tijdsreeksen, of op basis van eigen inschattingen (interne en/of externe expert judgements). De beschikbare tijdsreeksen hebben alle een verschillende looptijd. Een voldoende lange historische periode van ca. 25 tot 30 jaar is gewenst om een goede voorspelling voor de korte, middellange en lange termijn toekomst te kunnen maken. Als gevolg van nieuwe kwartaal en jaarcijfers wijzigen de bovengenoemde data regelmatig. Voor actuele en adequate voorspellingen is het noodzakelijk de indexen en parameters regelmatig te updaten, zodat tijdig ingesprongen kan worden op voorspelde trends. Conclusie Zowel voorspelling op basis van historische datareeksen, als ook in of externe expert judgements zijn goede methodieken voor het voorspellen van trends en toekomstwaarden voor indexen en marktontwikkelingen. 3.3 Correlaties (afhankelijke en onafhankelijke variabelen) Probabilistische risicokwantificeringsmethoden bieden de mogelijkheid correlaties en interpendenties tussen inputvariabelen en risico items te definiëren. Hierdoor kan het model inspelen op specifieke kenmerken en typische situaties die zich bij vastgoedontwikkeling kunnen voordoen. Van Helvoirt (2008, pp. 57, 63, 65) heeft middels een kwalitatief relatienetwerk de afhankelijkheden tussen de verschillende inputvariabelen en risico items inzichtelijk gemaakt. Met behulp van een vastgesteld stappenplan kunnen de relaties en correlaties tussen de risicovariabelen vervolgens vastgesteld worden (zie Figuur 6). Van Helvoirt concludeert dat correlaties slechts een statistisch verband uitdrukken en niet automatisch ook een oorzakelijk verband. Daarnaast moet naast correlaties tussen twee verschillende risicovariabelen ook rekening gehouden worden met autocorrelaties, ofwel onderlinge correlatie van variabelen op achtereenvolgende tijdstippen. Tenslotte stelt Van Helvoirt dat de correlaties op het niveau van macro economie en de vastgoedmarkt berekend kunnen worden door gebruik te maken van historische datareeksen. Op het niveau van vastgoedexploitatie en grondexploitatie dient gebruik gemaakt te worden van in en/of externe expert judgements. MRE Masterproof Adamfo de Groot 0