台北大學不動產與城鄉環境系碩博士班專題演講不動產財務 (real estate finance) --- 分析方法與實務應用

台北大學不動產與城鄉環境系碩博士班專題演講不動產財務(real estate finance)---分析方法與實務應用林左裕現職：國立政治大學地政系教授國際認證理財規劃師CFP 講座教授華視空中學院「期貨與選擇權」主講教授學經歷：美國德州農工大學(Texas A&M University)不動產金融博士美國北卡州Appalachian State University 商學院訪問講座教授北京科技大學管理學院EMBA訪問講座教授內政部地政司不動產證券化估價報告審查委員台北地檢署不動產估價報告書諮詢專家著作: 「不動產投資管理」、「衍生性金融商品」 (智勝)、「期貨與選擇權」(華視) tsoyulin@nccu.edu.tw

綱要 • 不動產財務金融之相關研究方法 • 研究相關重點 • 不動產財務之實用及投資獲利之原則 • 大趨勢之預期與資產配置 • 錢從哪裡來？ • 金融風暴的探討：東南亞金融風暴與次貸海嘯 • 金融風暴的預警指標 • 國家經濟體質之探討 • 經濟預測的有效指標 • 結論、Q&A tsoyulin@nccu.edu.tw

不動產財務金融(real estate finance)之分析方法 • 簡單直線迴歸 • 複迴歸 • Logistic (or Logit 邏輯特)迴歸（and Probit） • 區別分析(discriminant analysis) • 類神經與模糊分析 • 時間序列分析 (time series analysis) • 選擇權分析方法 • 存活分析(survival analysis)法 • 其他：AHP、DEA及事件研究法等 tsoyulin@nccu.edu.tw

簡單 or 直線迴歸 (Simple or Linear Regression) • 預測變數(X, 或自變數)只有一個 • Y=a + bX • a為截距；b為係數，表X對Y之影響程度(量)與方向(正負號) • 常見範例： --- 體重(Y, 為依變數或應變數) vs 身高(X) --- 資本資產定價模式 (capital asset pricing model, CAPM) (個股報酬率Y vs 市場報酬率x) --- 不動產總價格vs 面積 • 注意：樣本數、數據規模、有無二次項等問題 tsoyulin@nccu.edu.tw

複迴歸 (Multiple Regression) • 複迴歸 y = a +b1x1 + b2x2 +… --- 預測自變數(Xi)有兩個以上 • 需處理共線性(collinearity)問題常用範例： --- 體重(Y) vs 身高(X1) 、? (X2) 、? (X3)… --- 套利定價理論(Arbitrage Pricing Theory, APT) (個股報酬率Y vs x1(經濟成長率or工業產值), x2(通貨膨脹率), x3(利差),… --- 不動產價格Y vs x1(樓層), x2(街道寬), x3(角地), X4(屋齡)… --- e.g., Hedonic Regression Model • 樣本數需至少為自變數之5倍, 一般要求為15倍以上。 • 可應用之電腦軟體：Excel、SAS、EView、SPSS、…等多種 tsoyulin@nccu.edu.tw

自變數相關性(共線性)之測試 • 兩個自變數若分別對應變數均有顯著影響，但若二者相關性極高，可能同時放入模型中結果均不顯著， • 此時即應選擇其中之一進入模式中檢測 • 方式一：直接觀察相關係數表中各自變數之相關係數(約0.7以下) • 方式二：以「變異數影響因子」(VIF, Variance Inflation Factor)抉擇： • VIFk= 1/ (1- R2Xk) • R2Xk：xk與其他自變數間之判定係數，當R2Xk很高時，即VIF亦大，表示該自變數與其他自變數間存在多元共線性（高度相關）問題。 • 當VIF>=10時，可考慮將xk自模式中去除。 tsoyulin@nccu.edu.tw

迴歸分析之基本假設 • 常態性與變異同質性對每一X而言, Y是常態分配的, 且其樣本變異數均相同。 • 獨立性每一Y彼此間是獨立的。（若不獨立, 則需考慮時間序列） • 直線性所有抽樣樣本分配之平均數落在母體迴歸線上。 • ei~N(0, 1) 誤差ei 之分配服從平均數為0, 變異數為1之常態分配, 且各誤差項間彼此獨立。 tsoyulin@nccu.edu.tw

定性(qualitative)變數之處理 • 當自變數為定性（質化或指標）變數時，因無法量化，則以虛擬變數(dummy variable)之型態輸入。 • 例： --- 如自變數為性別，無法以男或女輸入；或不動產區位是否角地時, --- 可設此變數為虛擬變數。 • 當區位為角地時, 令此變數=1；否則為0。 • 迴歸結果中此變數之係數即代表角地對應變數y之影響。 tsoyulin@nccu.edu.tw

多類定性自變數之處理 • 當一定性變數有k種類別時，則需要(k-1)個變數 • 例：若某一餐館座落之區位分為三類：大都會區、中小城市及鄉區 • 此時需要二個虛擬變數, D1及D2： • Di1= 1, 第i個觀測餐館處於大都會區 0, 其他情形 • Di2= 1, 第i個觀測餐館處於中小城市區 0, 其他情形 • 則當(Di1, Di2) 為(1,0) 、(0,1)及(0,0)時，分別代表大都會區、中小城市區及鄉區。 tsoyulin@nccu.edu.tw

定性應變數之處理---羅吉斯迴歸(Logistic Regression)及機率迴歸 (Probit Regression) • Y=0 or 1---即是否、好壞、成功或通過與否等二元分類資料 • 應用時機？ • 銀行核貸與否、公司是否會發生危機、考試或藥物檢測是否會通過等二元離散變數之分類研究。 • 常用的檢測方式有羅吉斯迴歸(Logistic Regression)及機率迴歸 (Probit Regression)等方式。 tsoyulin@nccu.edu.tw

羅吉斯迴歸(Logistic Regression)簡介 • 羅吉斯的關鍵來自於勝算率（P/1-P ）的觀念，令 P 為成功事件的機率，1-P 為失敗事件的機率。 • 羅吉斯迴歸曲線圖: tsoyulin@nccu.edu.tw

羅吉斯迴歸(Logistic Regression)簡介 • Logit regression程式中需注意之問題: --- 假設cutoff point = 0.5, 即直接自0與1之中間點假設0.5為中間點(即default 值 )區分為兩半。 ---risk: 例: 成人之區分(0+70)/2 = 35 tsoyulin@nccu.edu.tw

其他常見之方法 • 模糊(Fuzzy)分析 --- 即將常用之discrete 轉換為continuous. --- 實際所有之度量衡應都是連續型的, 所慣用的間斷型單位都是人類設計出來所方便使用的 ---例：不動產估價中, 常見難以量化的變數（如”地段”好壞等） • 類神經網路(Artificial Neural Network) --- 利用大量的資料取得相關資訊, 經運算再輸出其結果到外界環境或其他資料點 --- 優點：樣本可不受某一分配限制。 tsoyulin@nccu.edu.tw

其他常見之方法 • 時間序列：共整合(cointegration)與因果(causality)分析 --- 共整合（or 共積）：二個市場長期間有無相關如股市與房市間、港股與陸股間、REIT與inflation間、美國房市與台灣房市間 --- 因果關係: 實為二者(stationary穩定數列)間之”先後”關係 tsoyulin@nccu.edu.tw

其他常見之方法 • 選擇權(option) or 實質選擇權(real option)分析 --- Black-Scholes Model, Binomial (二項式)Model, PDE（偏微分方程）, Simulation 等 --- 如訂購預售屋屬？權；房貸違約屬？權；房貸提前清償屬? 權等問題 • 存活分析 (survival analysis) --- 改善僅以目前時點觀測即進行推測所致偏誤之缺點。 --- 如以Logit推測房貸違約率之誤估。 tsoyulin@nccu.edu.tw

0 … … X：提前清償或違約所導致抵押貸款契約終止的時點； Tt：觀察截止日、Tk：未來的某一時點。設限概念說明圖存活分析 (survival analysis)之簡介 X X Tt Tk tsoyulin@nccu.edu.tw

Selection of an Appraisal Approach and Related Criteria Property Market Location Economy Condition Growth Prospects Income Stability Macro & regional economy Growth in rental income Stability of income stream S&D Situation Market Stability Transpor -tation Cost of capital Appreciation Default rate Approach A Approach B Approach C 其他常見之方法 • 層級分析法(Analytic Hierarchy Analysis, AHP) --- 將複雜的問題系統化, 由不同的層面將各因子依層級分解為量化的強弱指標 • AHP vs ANP tsoyulin@nccu.edu.tw

其他常見之方法 • 資料包絡法(Data Envelopment Analysis, DEA) --- 衡量多項產出(output)相對於多項投入(input)之相對效率(efficiency, not performance！)之衡量方法 --- 樣本無須服從統計分配(即無母數估計) --- 如生產效率、管理效率及合併效率等 tsoyulin@nccu.edu.tw

其他常見之方法 • 事件研究法 (Event Study) --- 探討某一事件對某結果是否具影響程度 --- 如「股利宣告」對股價之影響（在宣告後某期間是否有異常報酬）、「不動產證券化條例」之通過、及「土增稅調降政策」對不動產價格之影響等 tsoyulin@nccu.edu.tw

研究相關重點--- Research 之過程 • “Research” 是自”觀察”及”現象”追求真理”truth”的過程。 • 但真理無窮盡，因此無所謂”此研究主題已被做完了”之說法。 • 然值得刊登的論文一定是”半衰期”極長的文章。 --- 此即why升等需考慮”五年內”所發表之論文。 tsoyulin@nccu.edu.tw

研究相關重點--- 研究方法的選用 • 殺雞不用牛刀 (不必over-engineering) • 很多好的研究是僅用迴歸分析得來的，因此方法不在”複雜”或”艱澀”, 而在”適用” (appropriateness) 。 • 研究程序: --- 想法(idea) + 存疑 (questioning) + 探索 (exploring) tsoyulin@nccu.edu.tw

研究相關重點--- 研究程序各步驟之探討 • What’s new? New to What? 有無新意？ ---研究結果未來會不會新增至有貢獻之文獻? --- Will this paper be cited? • So what? ---Empirical test to prove or support your argument. --- 方法可以簡單, 但不能誤用。 • Why so? --- to explain the reasons (e.g., why these variables and the results?) --- New findings or new theory created? • Who cares? ---Parties: People? Investors? Companies? Government? tsoyulin@nccu.edu.tw

不動產財務之實用--- 一輩子受用 投資獲利之基本程序： • Compare with current market price • Trend forecasting 法規其他貨幣銀行估價 (appraisal) 評價 (valuation) 定價 (pricing) 財務投資 Finding Nemo! (fundamental value) 3. Action: 買低賣高 (現貨) or 做多放空 (期貨與選擇權) 會計經濟統計 tsoyulin@nccu.edu.tw

投資獲利之原則 • 投資獲利之原則---買低賣高 • 不動產估價或股票評價---為投資獲利之基礎 • 股票投資之概念：大環境(or 景氣 or timing) 產業個股 (績效) tsoyulin@nccu.edu.tw

不動產與股票投資之比較 • 股票投資評估重點： 1. 大盤(市場或景氣) 2. 個股 3. 產業 • 不動產投資評估重點： 1. 市場或景氣(即timing) 2. 地段(location) 3. 使用種類(工商業、住宅或辦公大樓等) tsoyulin@nccu.edu.tw

不動產投資之概念 大環境(or 景氣 or timing) 使用分區(業種) 地段 (location) tsoyulin@nccu.edu.tw

基本價值 (fundamental value) vs 市價 市價基本價值結構性轉變：Opportunity ! tsoyulin@nccu.edu.tw

投資Action之四準則 • 1. 該漲而不漲(e.g., SARS之台股) • 2. 不該漲而漲 (e.g., 紐國提高利率而使紐幣升值，但其總體基本面不佳；或股票經炒作) 。 • 3. 該跌而不跌 (e.g., 某公司基本面不佳，但因股票質借而護盤) 。 • 4. 不該跌而跌 (e.g., SARS 時之中鋼) tsoyulin@nccu.edu.tw

投資決策過程中之重點 • Q1:目前的基本價值 (fundamental value) ？ • Q2: 趨勢的預期 Trend forecasting （如經濟成長或衰退）？ • Q3:循環(如景氣、產業或季節循環、通貨膨脹或通貨緊縮)變動？ • Q4: 結構性轉變 Structural change（世界局勢、區域及國家經濟、政治等）？ --- 您的工作、專長及利基？ tsoyulin@nccu.edu.tw

經濟趨勢的變動 • 通貨膨脹(inflation) ： • 過多的錢追逐”相對上”過少的商品（包括麵包, 衛生紙及不動產等, 不包括固定收益債券) • 此時商品P 上漲, 消費者行為 ”搶購”, • 原因：經濟高度成長、石油價格劇漲(成本推動) • 現象：囤積居奇、台灣錢淹腳目 • 範例：多數時期（如1973, 1980, 1986, 2005）。 tsoyulin@nccu.edu.tw

經濟趨勢的變動（續） • 通貨緊縮(deflation) ： • 過少的錢追逐”相對上”過多的商品 • 此時商品P下跌, 消費者行為 ”觀望”, 投資不振, 失業率上升, • 現象：現金為王(cash is king),可能形成惡性循環 • 範例：歐美 1929、日本 1990-2004、台灣1997-2002、全球 2008-2009。 • 投資理財重點：認清目前及預測未來之趨勢 tsoyulin@nccu.edu.tw

不同趨勢下之資產配置 通貨膨脹時期 (2003 -2008, 10) 部分股票、不動產、黃金、實質資產 (麵包、衛生紙、沙拉油…)等 • 2008,11 • 2009,3 • (次貸風暴影響) 通貨緊縮時期 (1996-2002) 現金、定存、固定收益但安全之債券 2009, 4 - … 注意 ”結構性轉變” tsoyulin@nccu.edu.tw

錢(流通的貨幣M) 從哪裡來？ • MV = PQ M: 貨幣供給額(M1B及M2之差異) V: 所得流通速度 P: 物價 Q: 商品及勞務之產出量 • M與Q呈正向變動 • 範例：台灣經驗與中國大陸之走勢 tsoyulin@nccu.edu.tw

貨幣供給： 台灣2009年4月M1B及M2成長率續揚 10.07% 6.72% 寬鬆貨幣政策與兩岸關係增溫吸引資金回流因市場資金充沛，造成股市熱絡，定存持續湧進活存，使得M1B超越M2 tsoyulin@nccu.edu.tw

金融風暴的起因--- 常來自多重因素之結合 • 如東南亞金融風暴之國家 --- 外匯存底不足 vs 外債過高（富國 vs窮國） --- 長期經常帳逆差（每年賺錢 or 賠錢） --- 固定匯率制度（該跌不跌、or 該漲不漲） • 次級房貸風暴 --- 高LTV及高DTI（debt to income, 償債壓力）等高風險放款。 --- 資產證券化所賦予之風險移轉機制，導致放款審核寬鬆。 --- 利率急遽上漲導致ARM(浮動利率貸款)違約率上升。 tsoyulin@nccu.edu.tw

次級房貸發生之根源（一） • 美國自2000年小布希當選後，網路科技泡沫破滅，歷經911恐怖攻擊、出兵攻打伊拉克，經濟不振。 • 小布希擬以低利率刺激經濟景氣，卻引起資產(證券與不動產)價格膨脹。 • 2004年起擬藉不動產刺激經濟，遂通過「可負擔房價計畫」(Affordable Housing Plan) ，鼓勵民眾購屋，包括通常銀行不願放款者（如所得不穩定者、無收入證明者、及高成數貸款者(可達95%)，即次級房貸）。 tsoyulin@nccu.edu.tw

次級房貸發生之根源（二） • 為達政策目的，要求成立已逾40年的二房出面擔保，以提高銀行之放款意願。 • 適逢石油價格劇漲，引發通貨膨脹，遂以調升利率以抑制通膨，卻引發次貸之償債違約潮（因浮動利率）。 • 在資產證券化機制下，證券經多次包裝與轉售至全球後，終引發全世界之金融風暴，也使各國經濟逆轉為衰退，甚至通貨緊縮。 tsoyulin@nccu.edu.tw

次級房貸風暴的成因之一--- 利率劇烈波動 • 美國利率之波動抑制通膨調漲利率小布希當選，網路泡沫破滅 911事件儲貸協會S&L 金融風暴美國聯邦儲備銀行市場利率 (1977-2008年初) tsoyulin@nccu.edu.tw

固定收益證券(債券、MBS及CDO等)之價格與利率間之關係固定收益證券(債券、MBS及CDO等)之價格與利率間之關係有極限, 非無限大證券價格市場利率次貸問題：經過度包裝後，超值發售，終釀成巨災。 tsoyulin@nccu.edu.tw

固定收益證券超值發售的嚴重程度 • 據估計，在2006年約有1,000億美元次級房貸包裝進總額3,750億美元的CDO在美國市場銷售（許振明與陳沛柔，2007）。 • 可見次貸風暴中金融資產證券化等固定收益性商品超值銷售所引發違約情事的嚴重性。 tsoyulin@nccu.edu.tw

高貸款成數(LTV)對金融秩序的影響 • 日本：1980年代LTV可達120%，導致衰退期超過十年。 • 美國：小布希執政2000-2006年代，接受次貸，LTV可達103%，導致全球金融海嘯，美國至少衰退五年。 • 台灣：1997金融風暴後，在2003年全球景氣達谷底後攀升，LTV多鎖定在80%以下，違約情形較不嚴重，復甦力道亦較強、較迅速。 tsoyulin@nccu.edu.tw

金融風暴或股市暴跌前的先行指標---收益率(殖利率)曲線(Yield Curve) • 收益率(殖利率)曲線的簡介正常時為正斜率收益率時間 tsoyulin@nccu.edu.tw

金融風暴或股市暴跌前的先行指標---短期利率逼近長期利率時金融風暴或股市暴跌前的先行指標---短期利率逼近長期利率時 tsoyulin@nccu.edu.tw

金融風暴或股市暴跌前的先行指標---收益率曲線轉為負斜率時美國公債殖利率曲線圖（1978/1/3）金融風暴或股市暴跌前的先行指標---收益率曲線轉為負斜率時美國公債殖利率曲線圖（1978/1/3） tsoyulin@nccu.edu.tw

美國公債殖利率曲線圖（1979/1/2） tsoyulin@nccu.edu.tw

台北大學不動產與城鄉環境系碩博士班專題演講不動產財務 (real estate finance) --- 分析方法與實務應用