Bài 38 · Mô hình định lượng, không gian & mô phỏng trong BĐS

Monte Carlo: mô phỏng hàng nghìn kịch bản giá, tiền thuê, CAPEX và giá thoái vốn

Development appraisal và đầu tư BĐS chứa nhiều biến bất định cùng lúc: giá bán, rent, absorption, construction cost, delay, vacancy, cap rate, lãi suất. Sensitivity một biến mỗi lần cho thấy hướng tác động nhưng không cho distribution kết quả. Monte Carlo Simulation lấy mẫu hàng nghìn tổ hợp đầu vào để tạo phân phối NPV, IRR, RLV hoặc DSCR.

Điểm khó không nằm ở chạy 10.000 vòng mà ở xây phân phối đầu vào, tương quan và dependence hợp lý. Garbage in, distribution out.

Chuyên đề: Mô hình định lượng, không gian & mô phỏng trong BĐS · Bài 38 · Mô phỏng, tối ưu và tương tác chiến lược

Biên soạn: ThS. Nguyễn Mạnh Hùng
Đơn vị: GV. Khoa QLĐĐ&BĐS – ĐH Nông Lâm TP.HCM
Email: nguyenmanhhung@hcmuaf.edu.vn

1. Từ deterministic tới stochastic

Deterministic DCF cho một NPV. Monte Carlo coi một số inputs là random variables và tính NPV ở mỗi lần mô phỏng, tạo distribution của kết quả.

2. Chọn biến bất định

  • Selling price/rent growth.
  • Construction cost inflation.
  • Absorption/lease-up.
  • Completion delay.
  • Exit cap rate.
  • Interest rate.
  • Vacancy/opex.

3. Distribution không chọn theo thói quen

Normal phù hợp khi có thể âm/dương quanh mean; lognormal cho biến dương lệch; triangular/PERT cho expert low–mode–high; empirical distribution khi có historical data.

4. Triangular vs PERT

Triangular dồn density tuyến tính quanh mode và tails; PERT mượt hơn, ít weight ở extremes. Không gọi triangular là 'phân phối chuẩn chuyên gia'.

5. Correlation giữa inputs

Price growth và exit cap thường tương quan âm; cost inflation và interest rate có thể dương. Mô phỏng độc lập có thể tạo combinations phi thực tế. Dùng correlation matrix/c copula nếu cần.

6. Time series dependence

Nếu mô phỏng rent theo nhiều năm, growth từng năm không nên độc lập hoàn toàn. Có thể simulate AR processes hoặc macro scenarios.

7. Scenario + Monte Carlo

Có thể chạy riêng policy/base/downside regimes, rồi Monte Carlo bên trong mỗi regime. Scenario xử structural uncertainty; simulation xử parameter uncertainty.

8. Output distribution

Chỉ sốÝ nghĩa
P(NPV<0)Xác suất phá giá trị
P(IRRRủi ro không đạt chuẩn
P90 costChi phí mức thận trọng
VaR/CVaRTail loss

9. Percentiles

P50 không phải 'kịch bản base' nếu distribution lệch. P90 cost nghĩa 90% simulations cost không vượt mức này dưới model assumptions.

10. Sensitivity sau Monte Carlo

Tornado chart one-at-a-time khác global sensitivity. Rank correlation, Sobol indices hoặc regression on simulation outputs cho biết drivers uncertainty.

11. Convergence

10.000 vòng không phải luật. Kiểm stability của mean/percentiles/tail probabilities khi tăng iterations.

12. Rare events

Tail risk như delay 3 năm có xác suất thấp nhưng impact lớn. Nếu distribution không chứa event, Monte Carlo không tự sinh ra. Cần scenario mixture hoặc explicit event node.

13. Case: RLV

Price ±, cost, delay và exit cap được mô phỏng. Mean RLV 220 tỷ nhưng P10 chỉ 40 tỷ và P(RLV<100)=28%. Land bid ceiling nên dựa risk appetite chứ không mean.

14. Cấu trúc dữ liệu

variabledistributionparam1param2correlation_groupsource
exit_capPERT6.07.5macromarket evidence

15. Validation

So simulated distributions với historical ranges, expert review và backtest các dự án cũ. Distribution assumptions phải version hóa.

16. Monte Carlo không tạo causal knowledge

Simulation truyền uncertainty qua công thức đã cho. Nếu relationship price→absorption sai, nhiều iterations chỉ cho kết quả sai chính xác hơn.

17. Sai lầm

  • Mọi input độc lập.
  • Triangular tùy ý.
  • Không tail events.
  • Chỉ báo mean.
  • P90 hiểu sai.
  • 10.000 vòng = đúng.
  • Không backtest distributions.

18. Bài tập thực hành

Xây Monte Carlo DCF 10 năm với rent growth, vacancy, CAPEX, interest và exit cap. Đặt correlations, chạy đủ iterations tới P10/P50/P90 ổn định, báo P(NPV<0) và top 3 uncertainty drivers.

19. Cholesky và copula để tạo correlation

Nếu marginals gần chuẩn, Cholesky decomposition của correlation matrix tạo correlated draws. Với marginals không chuẩn hoặc tail dependence, copula linh hoạt hơn. Correlation matrix phải positive semidefinite.

20. Parameter uncertainty và model uncertainty

Không chỉ inputs kinh doanh bất định; hệ số dự báo cũng có uncertainty. Có thể sample coefficients từ posterior hoặc bootstrap. Model uncertainty – chọn Hedonic hay XGBoost, cap-rate equation nào – cần ensemble hoặc scenario riêng, không bị một distribution input xử lý hết.

21. Risk measures và quyết định

Developer có thể dùng xác suất IRR thấp hơn hurdle, expected shortfall của equity, P90 funding need và xác suất covenant breach. Chỉ báo percentile phải gắn quyết định: land bid, contingency, debt sizing hay go/no-go.

22. Value of Information

Nếu uncertainty địa chất làm quyết định rất nhạy, mô phỏng có thể ước giá trị kỳ vọng của thông tin để xem có đáng chi thêm khảo sát hay không. Đây là bước biến uncertainty thành quyết định thu thập dữ liệu.

23. Monte Carlo với cash flow theo thời gian

Không chỉ sample một selling price cuối. Mỗi simulation có thể tạo đường rent growth, vacancy, drawdown vốn, debt balance và exit. Khi delay xảy ra, interest expense và revenue timing cùng đổi. Mô phỏng từng cash-flow period giúp tránh bỏ qua interaction giữa timing và financing.

Ghi nhớ trong 30 giây

  • Monte Carlo tạo phân phối kết quả từ phân phối đầu vào.
  • Chất lượng distribution và correlation quan trọng hơn số vòng.
  • Scenario và Monte Carlo bổ sung nhau.
  • Báo probabilities và percentiles, không chỉ mean.
  • Simulation không sửa relationship sai.

Nguồn tham khảo

  • RICS development/financial viability guidance về NPV, projections và uncertainty.
  • Vose – Risk Analysis: A Quantitative Guide.
  • Glasserman – Monte Carlo Methods in Financial Engineering.

Bài tiếp theo: Markov Chain và State Transition: mô hình hóa trạng thái thị trường, khách thuê và tài sản

📚 Xem toàn bộ 45 bài trong series Mô hình định lượng, không gian & mô phỏng trong BĐS