CHƯƠNG 1. CƠ SỞ LÝ THUYẾT VÀ TỔNG QUAN NGHIÊN CỨU VỀ RỦI RO TRONG PHÁT TRIỂN DỰ ÁN BẤT ĐỘNG SẢN
1.3 Đánh giá và quản lý rủi ro trong phát triển dự án bất động sản
1.3.1 Các phương pháp đánh giá rủi ro trong phát triển dự án bất động sản
Việc đánh giá rủi ro trong phát triển dự án bất động sản là một điều khó khăn, các nhà phát triển đã đề xuất và sửa đổi nhiều công cụ đánh giá để phù hợp với các yêu cầu và môi trường dự án khác nhau. Các phương pháp đánh giá đã được phát triển dựa trên bản chất và nguồn gốc của rủi ro. Các phương pháp này có thể được phân loại dựa trên các yếu tố đầu vào, đầu ra và quá trình hoạt động của dự án tương ứng bằng phương pháp định lượng và định tính (Tan, 2006). Cách tiếp cận định lượng trình bày rõ những rủi ro dưới dạng số liệu, ví dụ, tổn thất tài chính dự kiến và xác suất hoàn vốn, trong khi cách tiếp cận định tính dựa trên ý kiến của những người ra quyết định, tức là kết quả được tóm tắt bằng các từ như “thấp”,
“trung bình” và “cao” (Yazar, 2002). Một ví dụ của phương pháp định tính là ma
trận đánh giá rủi ro, mà người đánh giá xếp hạng các phán đoán của họ dựa trên sự xuất hiện các rủi ro đã xảy ra trong thực tế (Khumpaisal, 2009). Trong khi, các phương pháp đánh giá rủi ro định lượng hầu như thực hiện dựa trên mô phỏng Monte Carlo để xác định mức độ ảnh hưởng của rủi ro đến tiến độ và ngân sách của dự án.
Có nhiều phương pháp định tính và định lượng khác nhau được sử dụng trong phân tích rủi ro trong quá trình phát triển dự án bất động giúp các nhà phát triển đưa ra quyết định đúng đắn và có những biện pháp xử lý hiệu quả khi gặp phải các rủi ro trong quá trình hoàn thiện dự án. Tuy nhiên, nghiên cứu sẽ tập chung giới thiệu một vài phương pháp nghiên cứu được sử dụng phổ biến sau đây.
1.3.1.1. Phương pháp phân tích cây sự kiện (Event Tree Analysis)
Phân tích cây sự kiện (ETA) được định nghĩa đơn giản là một kỹ thuật dùng để xác định hậu quả của một sự kiện nguy hiểm sắp diễn ra (Andrews và Dunnett, 2000). ETA được xây dựng dựa trên logic nhị phân các hậu quả phát sinh từ sự cố hoặc sự kiện không mong muốn. Việc định tính dữ liệu từ sơ đồ cây sự kiện cho phép dự đoán tần suất của mỗi kết quả, giúp tạo ra một đường cong rủi ro để đánh giá khả năng phản ứng đối với các mối nguy. Đây là một kỹ thuật quy nạp, logic chuyển tiếp, kiểm tra tất cả các phản ứng có thể xảy ra đối với sự kiện kể từ khi bắt đầu. Các nhánh trên cấu trúc cây thường đại diện cho sự thành công, thất bại hoặc thất bại một phần của các hệ thống và hệ thống con khác nhau. Andrews và Dunnett (2000) đã tóm tắt quy trình của ETA thành 5 bước sau:
(1) Xác định sự kiện không mong muốn: Phương pháp ETA sẽ được xử lý bởi những người ra quyết định có kinh nghiệm khắc phục và hiện thực hóa các sự kiện không mong muốn.
(2) Hiểu biết về hệ thống: Sau khi người ra quyết định lựa chọn sự kiện không mong muốn, họ phải nghiên cứu và phân tích tất cả các nguyên nhân ảnh hưởng đến sự kiện này. Các nhà phân tích và nhà thiết kế có kinh nghiệm giúp những người ra quyết định hiểu biết về dự án tổng thể và cung cấp đầy đủ kiến thức về dự án đó.
(3) Xây dựng sơ đồ cây: Sau khi người ra quyết định xác nhận các tác động gây ra và xác suất của chúng, cây rủi ro sẽ được xây dựng.
(4) Đánh giá cây sự kiện: Cần đánh giá cây sự kiện để xem có thể cải thiện được vấn đề gì và bước này giới thiệu quy trình kiểm soát các mối nguy đã xác định.
(5) Kiểm soát các mối nguy đã xác định: Bước này nhằm đảm bảo rằng các sự kiện nguy hiểm được xử lý bằng các phương án để giảm xác suất xảy ra.
Phương pháp ETA là phương pháp định tính đơn giản và dễ sử dụng nhưng thường cung cấp ít dữ liệu chính xác cho quá trình ra quyết định đối với rủi ro
1.3.1.2. Các ứng dụng của Tỷ lệ tài chính
Vì dự án bất động sản là một dự án tạo ra thu nhập, các nhà phát triển luôn áp dụng “tỷ lệ tài chính” để đánh giá rủi ro tài chính trong dự án (Pyhrr, 1973). Rủi ro trong đầu tư bất động sản được chia thành 2 loại “rủi ro kinh doanh” có nghĩa là xác suất một khoản đầu tư sẽ không tạo ra lợi nhuận và mô hình năng suất như cũng như sự gia tăng lãi suất và mức độ tài trợ. Rủi ro tài chính cũng liên quan đến tính thanh khoản kém hoặc khả năng trả nợ của nhà đầu tư. Tuy nhiên, các nhà phát triển ít chú ý đến rủi ro xảy ra trong các dự án, vì ngành này thiếu các phương pháp đánh giá rủi ro sáng tạo (Pyhrr, 1973).
Các nhà phát triển có thể đánh giá rủi ro bằng cách đo lường lợi tức đầu tư, giả định một số tỷ lệ tài chính để đánh giá tình trạng tài chính của dự án như tỷ suất hoàn vốn nội bộ (IRR), tỷ suất vốn hóa, lợi nhuận ròng, lợi nhuận, vốn chủ sở hữu (tỷ lệ P/E) và lãi suất chiết khấu (Sagalyn, 1990). Các tỷ lệ này thường được sử dụng trong phân tích tính khả thi tài chính của dự án để dự báo lãi và lỗ của dự án.
Tuy nhiên, Hendershott (2002) cho rằng các nhà phát triển hầu hết phụ thuộc vào thông tin chủ quan không chính xác để dự đoán rủi ro trong tương lai. Các giả định về tỷ lệ tài chính được đưa ra cụ thể cho từng kịch bản phát triển và phụ thuộc vào mức độ rủi ro cao nhất mà nhà phát triển đề ra. Tỷ lệ tài chính chủ yếu được sử dụng để đánh giá rủi ro do các yếu tố liên quan đến tài chính gây ra mà không quan tâm đến các rủi ro trọng yếu khác cũng ảnh hưởng đến tiến độ dự án (Huffman 2002). Vì vậy, phương pháp này chỉ phù hợp với những người có nền tảng tài chính và không phải là một phương pháp thích hợp cho các bên liên quan của dự án.
1.3.1.3. Ma trận rủi ro (Risk matrix)
Phương pháp “Ma trận rủi ro” (RM) được phát triển để đơn giản hóa các rủi ro của dự án, được chấp nhận bởi những người làm trong ngành bất động sản, do tính đơn giản để sử dụng và dễ hiểu ngay cả trong đầu tư bất động sản phức tạp.
Khumpaisal (2009) ủng hộ rằng RM dễ dàng xác định rủi ro quan trọng ảnh hưởng đến các hoạt động quản lý và nguồn lực của dự án, quá trình thành lập RM gồm 4 giai đoạn như sau:
(1) Xác định tất cả các rủi ro có thể xảy ra trong các giai đoạn phát triển.
(2) Đánh giá tác động và khả năng xảy ra của từng rủi ro, đầu vào của giai đoạn này phải là tỷ lệ phần trăm (%) để làm rõ rủi ro tiềm ẩn trong dự án.
(3) Ưu tiên các rủi ro dựa trên các đánh giá tác động và xác suất. Để đánh giá tác động của rủi ro sẽ sử dụng phương pháp xếp hạng, vì việc xếp hạng phụ thuộc vào tác động của rủi ro đối với quá trình tổng thể của dự án.
(4) Giai đoạn cuối cùng là quản lý hoặc giảm thiểu từng rủi ro. Các phương pháp giảm thiểu phải được cân nhắc kỹ càng và thảo luận giữa tất cả những người tham gia dự án để tìm ra phương pháp thích hợp nhất.
RM thường được trình bày dưới dạng ma trận đơn giản, chia thành 4 góc phần tư trong đó người dùng sử dụng các kỹ thuật hoặc thảo luận để điều chỉnh ý kiến của họ về khả năng xảy ra và hậu quả của từng rủi ro. Sau đó, nhập từng rủi ro vào góc phần tư thích hợp.
Mặc dù RM đơn giản là sử dụng và truyền đạt cho mọi người tham gia dự án, nhưng nhược điểm của ma trận rủi ro là dữ liệu chủ yếu chứa giá trị chủ quan vì chúng dựa vào theo ý kiến cá nhân mà không sử dụng các phép đo định lượng đáng tin cậy và / hoặc cơ sở lý thuyết chưa vững chắc. Hơn nữa, RM không cho phép so sánh từng tiêu chí và kết quả tính toán theo phương pháp này thường mang tính chủ quan, không cung cấp chi tiết dữ liệu để giúp các nhà phát triển đưa ra quyết định (Chen và Khumpaisal, 2009). Trên thực tế, các yếu tố rủi ro có rất nhiều, đặc biệt là trong các dự án bất động sản lớn, và khả năng đánh giá nhiều yếu tố cùng lúc của con người là rất hạn chế. Do đó, kết quả tính toán của RM có thể bị dao động trong mỗi lần tính toán vì đánh giá của các chuyên gia và thái độ đối với rủi ro sẽ không nhất quán.
1.3.1.4. Mô phỏng Monte Carlo (Monte Carlo Simulation)
“Mô phỏng Monte Carlo” (MCS) được tạo ra dựa trên các kỹ thuật mô phỏng thống kê và toán học tiên tiến, được sử dụng phổ biến trong lĩnh vực kinh doanh vì có thể phân tích sự không chắc chắn trong các dự án phức tạp dưới dạng số. MCS được định nghĩa là phương pháp ngẫu nhiên hóa dựa trên một thuật tính toán lấy mẫu ngẫu nhiên lặp lại để tính kết quả của chúng. Kết quả của MCS được sử dụng trong nhiều ngành công nghiệp để phân tích rủi ro và giúp quá trình ra quyết định chính xác hơn trong bất kỳ sự kiện không chắc chắn nào như sự thay đổi của lãi suất.
MCS bắt đầu bằng việc nhập tổ hợp các biến không chắc chắn được chọn theo cách thủ công (chẳng hạn như trường hợp tốt nhất / lạc quan, trường hợp xấu nhất / bi quan và trường hợp có khả năng xảy ra nhất / bình thường), các phân tích này được đặt tên là “kịch bản nếu xảy ra”. Mỗi biến không chắc chắn trong một mô hình được chỉ định là ước tính "phỏng đoán tốt nhất". Kết quả cung cấp xác suất xảy ra các kết quả khác nhau, từ phương pháp mô phỏng này có thể được biểu diễn bằng đồ thị phân bố xác suất (hoặc biểu đồ) dự đoán độ tin cậy, vùng đúng sai và khoảng tin cậy.
MCS có một nhược điểm là không thể định lượng được các rủi ro chủ quan, mặc dù thực tế là các dự án bất động sản luôn bị ảnh hưởng bởi các yếu tố rủi ro không thể xác định được (nghĩa là các yếu tố xã hội, chính trị hoặc tâm lý). MCS là phương pháp phân tích toán học, vì vậy chỉ được tính toán một cách định lượng, cũng như không phải là một đánh giá rủi ro thực tế cho những người ít hiểu biết về các thống kê trước và không có thời gian hoặc nguồn lực để chi trả mô hình này.
1.3.1.5 Quy trình mạng phân tích (Analytical Network Process)
Mô hình mạng phân tích ANP thực chất là một mô hình tổng quát hóa để giải quyết các vấn đề về sự phụ thuộc và đánh giá trong quá trình phát triển mô hình ra quyết định được sử dụng siêu ma trận. Mô hình ANP rất thích hợp để giúp đưa ra quyết định về các vấn đề phức tạp (Saaty, et al., 2006). Khi ra quyết định nhà phát triển sẽ sử dụng thước đo tính tối ưu với một số tiêu chí, xem xét các khía cạnh khác nhau của quyết định và tất cả các thước đo ảnh hưởng đến độ chính xác. Và phương pháp ANP là một công cụ hữu ích được sử dụng bao gồm các bước:
Bước 1. Các mô hình sản xuất: các vấn đề phải được nêu ra rõ ràng và hệ thống logic (ví dụ như dạng lưới) để phân tích.
Bước 2. Phát triển sự phụ thuộc lẫn nhau và so sánh từng cặp giữa các yếu tố đối với mỗi vấn đề cần kiểm soát, tiêu chí và các yếu tố ảnh hưởng tới dự án.
Bước 3. Siêu ma trận không trọng số: các siêu ma trận được hình thành để biểu diễn ảnh hưởng lẫn nhau giữa các yếu tố hoặc với các yếu tố bên trong bản thân yếu tố đó. Đối với mỗi biện pháp kiểm soát, siêu ma trận được hình thành riêng biệt và theo các tiêu chí khác nhau, các mối quan hệ và ảnh hưởng có thể được hiệu chỉnh theo cụm (Saaty, 2006).
Bước 4. Hình thành siêu ma trận có trọng số: ở giai đoạn này, đối với bất kỳ biện pháp kiểm soát để đánh giá tác động của bất kỳ yếu tố nào, các cụm được ghép nói với nhau, thông số kỹ thuật cho các vectơ cụ thể. Kết quả thu được siêu ma trận có trọng số và kết quả là ngẫu nhiên.
Bước 5. Sử dụng ma trận ngẫu nhiên thu được ở bước trước, để tính toán và thu được các mức độ ưu tiên của từng phương án. Siêu ma trận tính toán được vô hạn siêu ngẫu nhiên ma trận hoặc một số rất lớn.
Tóm lại, một mô hình toàn diện dựa trên ANP là phương pháp phân tích rủi ro phù hợp nhất đã được một chuyên gia phân tích để xác định mức độ ưu tiên của yếu tố ra quyết định bằng phần mềm SUPER DECISION (một trong những phần mềm ra quyết định để đẩy nhanh tốc độ và chất lượng ra quyết định), mối quan hệ giữa các thuộc tính, tiêu chí và lựa chọn quyết định trong các nghiên cứu cũng như cung cấp các phương pháp xếp hạng đánh giá rủi ro trong đầu ra của mô hình cho các nhà phát triển.
1.3.1.6 Phương pháp phân tích thứ bậc AHP (Analytic Hierachy Process - AHP) a. Mục đích áp dụng
Phương pháp AHP, được tạo ra bởi Thomas L. Saaty vào những năm 1970 (Saaty, 1980), giả định rằng tất cả các tiêu chí (thuộc tính) là độc lập (Brunelli, 2015). Bởi vì các tiêu chí có thể được chia thành các thuộc tính, các tiêu chí có cấu trúc thứ bậc. Kỹ thuật ANP đã được sử dụng để tiếp cận phương pháp AHP, cách
này cũng được Thomas L. Saaty dự đoán và gợi ý rằng có thể có sự tương tác và phụ thuộc giữa các tiêu chí (thuộc tính) (Saaty & Vargas, 2006). Trong phát triển bất động sản thương mại, phương pháp AHP được sử dụng để phân tích rủi ro (Chen & Khumpaisal, 2010; Thilini & Wickramaarachchi, 2019). Việc sử dụng AHP để tính toán trọng số của các chỉ tiêu và phương án là các khía cạnh của kỹ thuật AHP trong lựa chọn mục tiêu tốt nhất (Kozioł-Kaczorek, 2014).
Hiệu quả của phương pháp AHP cũng đã được chứng minh trong một nghiên cứu điển hình với bối cảnh thị trường bất động sản địa phương ở Sri Lanka (Malka Thilini và cộng sự, 2021). Tác giả đã đưa nghiên cứu tiến thêm một bước bằng cách sử dụng các trọng số được thiết lập bởi các hệ thống thẩm định bất động sản khác nhau trong cả phương pháp tiếp cận cá nhân và đại chúng. Ngoài việc kiểm tra chỉ số trọng lượng thị trường, việc xem xét các kết quả định giá được cung cấp như một bức tranh tổng thể về tiện ích của phương pháp AHP. Quy trình tích thứ bậc (AHP) rất thích hợp trong các trường hợp mà người đưa quyết định cần đưa ra lựa chọn trước nhiều phương án với nhiều tiêu chí khác nhau phải xem xét (Saaty, 1980, 1994, 1996; Saaty & Vargas, 1991). AHP được coi là một phương pháp nâng cao hơn các phương pháp tiếp cận ra quyết định khác vì nó cho phép tích hợp các yếu tố chủ quan (Emrouznejad & Marra, 2017).
Quá trình phân tích, xác định các trọng số theo phương pháp AHP được mô tả chi tiết trong các tài liệu tham khảo (Saaty, 1980; 1994; 1995; Saaty và Vargas, 1991). Saaty và Vargas (1991) giới thiệu ứng dụng của AHP để giải quyết các vấn đề kinh tế, chính trị, xã hội và thiết kế kỹ thuật. Trong đó, tác giả đề cập đến ứng dụng AHP trong lựa chọn mẫu kiến trúc, chiến lược giá, chiến lược marketing, lựa chọn công nghệ… Thêm vào đó, Saaty (1995) thảo luận ứng dụng AHP cho việc lập kế hoạch, giải quyết xung đột, phân tích lợi ích / chi phí và phân bổ nguồn lực.
Liberatore và Nydick (2008) đã tiến hành nghiên cứu tổng quan về ứng dụng của AHP trong 50 bài báo nhằm giải quyết các vấn đề quan trọng trong y tế và chăm sóc sức khỏe. Hơn nữa, Vaidya và Kumar (2006) giới thiệu 150 bài báo ứng dụng của AHP trong các lĩnh vực khác nhau như kỹ thuật, sản xuất, công nghiệp, giáo dục, ngân hàng, xã hội, chính trị… Bên cạnh đó, Ho (2008) đã trình bày một tài liệu nghiên cứu về các ứng dụng của AHP kết hợp với các phương pháp khác thay vì sử dụng AHP riêng lẻ. Các công cụ kết hợp với AHP bao gồm các mô hình toán học, QFD, meta-heuristics, phân tích SWOT, và DEA. Khác với các nghiên cứu trước,