如何定价高，又卖得快？千亿级房企常用这种测算模型

关注爱德地产研究院  ↑  ，索阅最新期刊。

目前，房地产市场的外部环境不断发生变化，如何练好“内功”事关增长大计。

市场预测是房企投资决策的重要依据。对管理者来说，正确的市场预测可以让房企在面对市场风云变幻时做到心有定数。

所以，使用一些必要的工具来预测或防范风险，无疑是上策。构建敏感性分析测算模型，有助于管理者完成最佳决策。

测算模型：

借助敏感性分析工具，有效防范风险

敏感性分析，是从定量分析的角度去计算和分析一种或者多种敏感因子变动时，对关键结果指标的影响程度。

在具体测算过程中，一般会选择价格、去化周期、成本等指标作为主要的敏感因子，而关键结果指标通常包含利润和投资收益率等。

简而言之，敏感性分析就是通过一个指标的变动，分析对其他指标产生的影响。

1、三大价值：敏感因子快速寻源、全面跟踪、自动调整

借助敏感性分析工具，可以实现三大价值。

其一，可以帮助企业寻找到最敏感的因素，并判断影响程度。一旦发现经营管理中不确定因素的根源，管理者就可以更有针对性地去采取相应措施，从而防范风险。

其二，可以帮助管理者全面了解敏感因子变动，对项目经营效益带来的影响，从而前瞻性地采取针对性的措施来避免风险。

其三，通过不同敏感因子的调整和释放，可以帮助管理者发现最优解决方案，从而进行相应的管理决策。

2、三大要点：底层模型设计要考虑数据支撑、测算方法、影响因素

在实际工作中，房企需要构建敏感性分析测算模型，为管理决策提供助力。这一过程中，有以下三个问题需重点考虑。

一是，底层测算模型的设计，是否能支撑敏感性分析？

例如，在价格调整时，要输出利润指标的变动情况。在底层模型中，对费用或税金如果没有做好测算的相关设计，价格的变动会导致收入的变动，而收入的变动肯定会影响费用，特别是税金的变动。由于这种设计上的缺失，最终输出的并不是房企想要的结果。

所以，底层模型的设计至关重要，在实际操作过程中，一定要有关联的、严密的数据逻辑支持，这样才能实现客观的敏感性分析。

二是，计划数的处理，是否在测算模型中做好了合理而严密的逻辑设计？

例如，均价变动可能会影响回款。这部分回款如何进行预测和调整才能更合理？在设计计划数时，要先把未回款的部分做好处理，确保这部分回款不会受价格影响。

三是，设计敏感性分析时，是否全面考虑了其直接和间接的影响因素？

在设计敏感性分析时，测算逻辑要全面地考虑受敏感因子影响的直接因素，以及这些因素彼此之间的关系，也就是间接的影响因素，以免有所遗漏。一旦遗漏其中一项因素，都可能导致输出结果指标不准确。

应用场景：

调整项目销售计划、项目均价、敏感因子

1.项目销售计划调整：利用模拟测算结果辅助目标决策

对房企来说，项目销售计划是很常见的一种敏感性分析。销售计划的敏感性分析是可以调整销售计划中一些相关的敏感因子，利用系统模拟测算后的指标来进行分析和对比，通过这些分析的结果来辅助目标决策，进行方案优选。

图1 调整销售计划敏感因子的测算（模拟数据）

如图1所示，整个调整在系统操作层面相对简单，可以灵活调整。

每个业态未来的销售情况，如第5个月、第6个月、第7个月，不仅可以设置不同的去化率、调整去化节奏，还可以针对已经调整完的各业态销售计划来匹配价格结构，设置相应的调价数据。

对销售计划以及销售价格的节奏进行调整，最终可以直接看到调整之后的测算结果，以及指标的敏感度。比如一个销售计划进行调价后，整体的销售收入并没有太大变化，但通过图1可以看到调整前和调整后的对比。

毫无疑问，模拟市场对策，调整单个或多个敏感因子，系统模拟测算调整后的指标数据，以此进行多个调整方案比选，方便管理者进行方案优选。

2.项目均价调整：关注销售收入和回款两个关键指标

以项目价格调整为例（见图2），在对项目各业态之间的未售均价进行调整时，核心要素有两个指标：一是销售收入，二是回款。

图2 项目均价调整的敏感性分析（模拟数据）

在销售收入方面，可以用项目各业态的未售面积与调整后的未售均价相乘，来预测未来的销售收入情况。

在回款方面，需要注意的是，在价格调整之前，关于已经签约未回款的部分，调整未来的未售均价并不会对这部分产生影响。

因此，可以用调整未售单价的时点开始计算，此前的回款计划保持不变，直到已签约未回款的部分全部回款。

在此时点之后才签约的部分，因为要根据新的签约额进行回款，所以这部分可以根据原来的回款节奏进行回款计划数的调整。

对于当期签约的部分，有些项目是按照调整之前的价格成交，这部分还是按照当前的计划回款。

当然，还有一些是未成交，其适用的价格是调整之后的价格。这部分要按照未来调价的幅度重新预测回款计划。这个调整方式并非固定模式，在实际操作过程中，企业也可以采用更加合理的方式。

对销售收入和回款这两个关键指标进行调整和预测后，敏感性分析模型也需预测其他的间接影响，比如税金的金额及一次性支付税金对现金流的影响。在此基础之上，输出最终结果指标，用于管理层决策比对。

3.敏感因子调整：利润和成本视角下的预测分析

（1）S企：经营利润视角下的单敏感因子调整

千亿级S企基于利润视角的经营分析，主要是调整单敏感因子，进行预测分析。

S企的项目是一个投后运维系统，内设移动端敏感性分析功能。使用者可以直接在手机端调整相应的敏感因子，然后直接输出结果，实现快速测算（见图3）。

图3 S企单敏感因子调整示例（模拟数据）

S企在该项目设置的敏感因子较少，主要有均价、建安成本、其他成本及税金这四类。

这些指标都是依据单因子变动来计算结果，使用者每次只能调整一个因子，而不能既调整价格又调整建安成本。通过单因子的调整，直接输出使用者最关心的指标结果（见图4）。

图4 S企单敏感因子调整结果指标（模拟数据）

S企利用敏感性分析输出的结果，主要关注货值类、现金流类及其他利润类指标，这与S企主营业务的经营管理息息相关。

（2）ZA企：集团成本视角下的多敏感因子调整

相较于S企的单敏感因子，ZA企的投后运维系统升级成多因子的敏感性分析（见图5）。

使用过程中可以同时调整五个敏感因子，包括工程承包、均价、销售费用、税金及流速。这极大地提升了ZA企敏感性分析的准确性，其灵活性更强。

图5 ZA企多敏感因子调整结果指标（模拟数据）

ZA企通过对五个敏感因子的调整，输出其所关注的指标。值得注意的是，这些指标可以形成调整前后的对比，有利于使用者得到多维度分析结果。

从ZA企关注的结果指标来看，与S企类似，也是重点关注经营管理的货值类、利润收益类等指标。

方案亮点：

测算方式各有不同，预测模型多样化

1、测算方式：投前和投后的关注重点各有不同

在投前测算和投后运维过程中，敏感性分析所关注的要点有差异。

在投前测算阶段，由于测算颗粒度比较粗，没有细化到业态和楼栋，通常是以一个地块或整个项目分业态进行估算。这一过程中的数据并没有那么精确。

在测算过程中，应该关注算法和逻辑的处理，使其能够支持投资指标的顺利输出，同时保证输出指标的准确性。由于颗粒度不一，会导致测算重点不同，因此要优化业态和其他项目的逻辑关系。

在投后运维阶段，敏感性分析会更为复杂。因为此时的项目已经具有明确的业态、楼栋等计划。整套模型的逻辑应用会更复杂。这一过程中，有以下两点值得注意。

其一，已发生数据不可调整。在任何调整中，一定要注意实际发生的数据是不可调整的。

比如，已经认购却没有签约的部分，即使后期进行了价格调整，这部分的价格依旧是不能改变。正如前述，调整价格不应该对调整时点以前的已签约未回款部分的回款计划产生影响。

其二，处理预计数据和实际数据之间的差异。在规则层面，房企需要根据预实数据之间的差异大小，设计各种处理及校验方法。

比如，原先的计划数跟当前实际数之间出现不等，这个差异该如何处理。设计敏感性分析测算模型时就需要慎重考虑这个问题，其内容会复杂很多。

2、预测体系：多类型、多层级、多场景

S企在没有做完整的预测体系之前存在一系列问题，比如，相应管理场景下的指标数据不全、不准、不及时、不直观，缺乏相应的数据支持，无法量化指导各级运营动作，经营风险大。

无法实现多个管理工作场景的动态数据支持，包含投资目标的动态对比、关键指标的自动预警、运营节点的指标分析、动态奖惩的呈现、多层级管理看板、敏感性分析等。

这些场景之所以无法实现，是因为背后没有一套相应的预测体系和预测工具。为了实现这些相应的管理场景，我们增加了相应的预测模块，包括项目全周期预测、在线奖惩预测、股东预测、多业态不同业务预测、静态敏感性和动态敏感性分析预测等。

为了实现这些预测，S企建立了一个多类型、多层级、多场景的体系模型，它包含多种物业，四层汇总、六个管理场景，来实现项目的整体预测（见图6）。

图6 多类型多层级多场景模型设计

四层汇总包括分期层级模型、项目层级模型、城市层级模型和集团层级模型。由于S企的产业多元，涵盖了销售、商业、养老、租赁等多个业态的测算模型。

这些模型的应用场景不同，因此S企在主模型上做了一些附加的调整，形成了相应的场景模块，如敏感性分析、预警、多维查询、投资目标跟踪、关键指标跟踪、奖惩计算等。

基于上述模型，S企最终实现了如图7所示的BI看板，完成了相应的数据预测。

图7 整体信息和重点项目信息展现（模拟数据）

通过查看整体信息和重点项目信息，让管理者了解了运营现状，并对重点项目重点关注，尤其是对缺口大、偏差大、预警难的项目，通过提供资源或决策支持的方式重点督促、推动改善。这个看板还可以看到相应的投后奖惩预测，以及对项目全周期的经营指标预测，例如IRR、货值、毛利率等。

此外，S企还实现了动态的预测调整。管理者通过在PC端和手机端进行敏感性分析测算，下达至各层级业务团队，实现快速有效地决策。

总 结

借助敏感性分析工具，不仅帮助了管理者全面了解敏感因子变动对项目经营效益的影响，前瞻性地推出相关措施来防范风险，还可以通过对不同敏感因子的调整，输出比较结果，帮助管理者快速锁定最优解决方案。

合作与交流，欢迎添加小爱微信：sapi01