Using Monte Carlo simulation to support a retail real estate investment decision

Abstract

The academia and professional organizations in the field of real estate have raised discussion about adding probabilistic features into real estate valuations to take into account the uncertain characteristics of any valuation. Currently in the real estate sector the value of a property is usually calculated by an appraiser using a discounted cash flow model (DCF-model) to reach a single point valuation. The valuation of the appraiser is often falsely interpreted as an absolute truth, even though no cash flow model can be exactly certain unless the future can be correctly predicted.

A more sophisticated application of the DCF analysis can be used to achieve a probability distribution of single point valuations. This application uses a tool that simulates the valuation process multiple times. It includes defining the input variables as ranges of possible values to be used in the valuation. This method is called Monte Carlo simulation.

This master’s thesis looks to clarify how DCF is used when evaluating potential real estate investments, what are its main disadvantages, and can the decision process be enhanced using Monte Carlo simulation. These questions are answered by conducting a literature study where the frame of reference for the theoretical study is built and a case study where the acquisition of Shopping Centre Arabia is reviewed. In the revision process people involved in the acquisition process are interviewed and the material available for the initial real estate investment analysis is examined and developed to create a Monte Carlo simulation model. The results created by the model are compared with the results produced with a traditional DCF model during the acquisition process.

The main disadvantage of using only DCF calculation to assess a real estate investment target is that DCF does not take into account the uncertainty that the input variables are subject to. In the empiric study it was recognized that a MCS model can support an initial analysis based on direct capitalization calculation or DCF calculation. MCS model provides numerical data about the uncertainty of the market value calculation results of a standard DCF calculation and therefore measures the level of comfort that the analyst has towards the DCF calculation.

Akateemikkojen ja kiinteistöalan ammattilaisten keskuudessa on herännyt keskustelu todennäköisyysominaisuuksien lisäämisestä kiinteistöarvioihin, jotta arvioissa voitaisiin ottaa huomioon niihin liittyvä epävarmuus. Yleisesti kiinteistöalalla arviot toteutetaan diskontatun kassavirran laskentamallilla, joka yleensä tuottaa yhden pistemäisen arvion kiinteistön arvolle. Arviomiehen tuottamaa arvio tulkitaan yleisesti absoluuttisena totuutena, vaikka todellisuudessa mikään kassavirtamalli ei voi tuottaa täydellistä arviota, jos tulevaisuutta ei voida täydellisellä tarkkuudella ennustaa.

Pidemmälle kehitetyllä versiolla tästä laskentatavasta voidaan muodostaa yksittäisten pistemäisten arvioiden sijasta arvion mahdollisten tulosten todennäköisyysjakauma. Tässä versiossa käytetään sovellusta, joka toistaa yksinkertaisen prosessin useita kertoja ja jossa mallin käyttämät muuttujat määritellään yksittäisten lukujen sijasta mahdollisina raja-arvoina. Tätä metodia kutsutaan Monte Carlo simulaatioksi.

Tämä diplomityö pyrkii selvittämään miten diskontatun kassavirran mallia käytetään potentiaalisten sijoituskohteiden arvioinnissa, mitkä ovat sen heikkoudet, ja voiko sijoituspäätöstä tukea Monte Carlo simulaation avulla. Näihin kysymyksiin vastataan kirjallisuuskatsauksen avulla, jossa luodaan viitekehys empiiriselle tutkimukselle, sekä case-tutkimuksella, jonka yhteydessä käydään uudelleen läpi kauppakeskus Arabian hankintaprosessi. Case-tutkimuksessa haastatellaan kauppakeskus Arabian hankinnassa mukana olleita ihmisiä, sekä analysoidaan hankintaprosessissa käytössä ollut materiaali. Materiaalianalyysin pohjalta luodaan Monte Carlo simulaatio-malli, josta saatavia laskelmia verrataan tuloksiin, jotka tuotettiin traditionaalisella kassavirtamallilla Arabian hankinnan yhteydessä.

Perinteisen kassavirtalaskelman heikkoutena voidaan pitää sitä, ettei se ota huomioon epävarmuutta, joka liittyy siinä käytettäviin lähtömuuttujiin. Empiirisessä tutkimuksessa havaittiin, että Monte Carlo simulaatio voi tukea perinteisen kassavirtalaskelman avulla saatavia tuloksia. Monte Carlo simulaatio tuottaa tietoa kassavirtalaskelman mahdollisien lopputulosten todennäköisyyksistä ja voi lisätä analyytikon luottamusta tuloksiin, joita saadaan perinteisen kassavirtalaskelman avulla.