Mewakili sebagian penting dari kekayaan rumah tangga. Di Inggris, nilai perumahan mencapai £5,2 triliun pada Januari 2014, naik dari £3,6 triliun pada tahun 2003 (Savills 2014).
Dalam real estat perumahan, investor institusi terutama tertarik untuk berinvestasi dalam hipotek yang didukung oleh perumahan dan real estat residensial. Kepemilikan dalam instrumen ini biasanya ditetapkan melalui kumpulan hipotek. Pasar hipotek residensial global memiliki total saldo terutang sebesar $25,7 triliun pada akhir 2013 (Market Reports Online 2015). Menurut data dari Federal Reserve dan MarketResearch.com, hipotek residensial di pasar utama menyumbang sekitar:
- $12 triliun di Amerika Serikat (akhir 2014)
- $2,5 triliun di Jepang (2013)
- $1,6 triliun di Inggris (2013)
- $1,4 triliun di Jerman (2013)
- $1,2 triliun di Prancis (2013)
dengan saldo terutang sebesar $7,0 triliun di sisa dunia.
Real estat komersial investor institusi. Sebagai contoh, investasi real estat komersial pada tahun 2013 dan awal 2014 rata-rata sekitar $100 miliar di Amerika Serikat; $75 miliar di Eropa, Timur Tengah, dan Afrika; dan $180 miliar di wilayah Asia-Pasifik (Deloitte 2015).
Sebagian besar, real estat residensial dan komersial memerlukan metode analisis keuangan yang sangat berbeda. Misalnya, risiko kredit dari hipotek pada real estat residensial biasanya dianalisis dengan fokus pada kelayakan kredit peminjam. Hipotek pada real estat komersial cenderung fokus pada analisis arus kas bersih dari properti tersebut.
Eksposur terhadap pasar real estat, terutama sisi ekuitas, dapat dicapai melalui kepemilikan pribadi dan publik. Investasi ekuitas real estat pribadi melibatkan akuisisi dan pengelolaan langsung atau tidak langsung terhadap properti fisik yang nyata yang tidak diperdagangkan di bursa. Investasi real estat publik melibatkan pembelian... posisi, dan dapat merupakan klaim atas posisi real estat pribadi yang mendasari atau posisi real estat publik yang mendasari. Real estat publik juga dikenal sebagai real estat yang disekuritisasi, finansial, tidak langsung, atau real estat yang diperdagangkan di bursa. Dengan demikian, real estat publik memungkinkan kepemilikan real estat pribadi melalui satu atau lebih tingkat kontrak yang dirancang untuk memfasilitasi kepemilikan real estat, mengurangi biaya, atau meningkatkan likuiditas relatif terhadap kepemilikan langsung. Misalnya, sekuritisasi, terutama dalam bentuk sekuritas berbasis hipotek komersial (CMBS), telah secara signifikan meningkatkan likuiditas dan aksesibilitas investasi real estat, sambil memungkinkan investasi terstruktur berdasarkan target profil risiko-imbal hasil investor institusi tertentu. REIT yaitu kumpulan real estat yang disekuritisasi yang merupakan bentuk penting dari real estat publik, terutama di Amerika Serikat, yang memiliki pasar terbesar di dunia, diikuti oleh Australia, Prancis, Inggris, dan selama REIT mematuhi batasan yang relevan, ia dapat mengurangi dividen dari pendapatannya ketika menentukan kewajiban pajak korporasinya (yaitu, ia membayar pajak penghasilan korporasi hanya atas laba yang ditahan yang dapat dikenakan pajak). REIT juga menikmati efisiensi pajak yang serupa di belahan dunia lain—misalnya, di Inggris dan Jerman.
Di Amerika Serikat, REIT dapat berinvestasi baik di pasar real estat swasta (REIT ekuitas) dan di utang berbasis real estat (REIT hipotek), meskipun, secara praktis, setiap REIT tertentu cenderung mengelola portofolionya dengan memfokuskan hampir sepenuhnya pada kepemilikan ekuitas (termasuk penggunaan usaha patungan) atau utang (termasuk derivatif). Umumnya, jika sebuah REIT memiliki 50% atau lebih dari asetnya di pasar ekuitas real estat swasta, ia dianggap sebagai REIT ekuitas; jika lebih dari 50% asetnya diinvestasikan dalam utang real estat, ia dianggap sebagai REIT hipotek. Distinksi ini penting dalam analisis pengembalian. Sebagai contoh, tidak seperti ekuitas Here's the translation of your text to Indonesian:
sekuritas sebesar $1,81 triliun di 487 perusahaan (lihat Lampiran 14.2).
14.3.5 Kategorisasi Real Estat Berdasarkan Pasar
Investor institusional sering mengkategorikan investasi ekuitas real estat komersial swasta berdasarkan ukuran pasar real estat di mana properti tersebut berada. Aset real estat dikatakan diperdagangkan di pasar real estat primer jika lokasi geografis dari real estat tersebut berada di daerah metropolitan besar di dunia, dengan banyak properti real estat besar atau tingkat pertumbuhan yang sehat dalam proyek real estat. Pasar real estat primer cenderung memiliki nama yang mudah dikenali. Menggunakan Amerika Serikat sebagai ilustrasi, contohnya berkisar dari kota-kota seperti Orlando, Florida, hingga area metropolitan tertentu, seperti Manhattan di New York City. Investor institusional besar fokus pada investasi di pasar primer ini. Pasar real estat sekunder mencakup komunitas dengan ukuran sedang serta area pinggiran pasar primer. Pasar real estat tersier dan kembali, mungkin menggunakan kategori inti, bernilai tambah, dan oportunistik untuk mengklasifikasikannya.
14.3.7 Fokus pada Real Estat Komersial Swasta
Sebagian besar fokus pada Bab 15 hingga 18 yaitu pada real estat komersial swasta (yaitu, yang menghasilkan pendapatan) daripada pada real estat publik, real estat residensial, atau hipotek komersial. Ada tiga alasan untuk ini:
1. Sebagian besar real estat komersial di seluruh dunia dimiliki secara pribadi daripada diperdagangkan secara publik.
2. Sebagian besar ekuitas dari real estat residensial dimiliki oleh penghuni properti tersebut daripada oleh investor institusional.
3. Penetapan harga klaim ekuitas terhadap real estat komersial swasta mempengaruhi penetapan harga risiko kredit dalam penetapan harga hipotek komersial. Dengan kata lain, utang real estat dapat dilihat melalui model struktural sebagai sesuatu yang dijelaskan dengan baik melalui pemahaman tentang risiko ekuitas dalam properti yang sama.
Dengan demikian, dalam empat bab kami yang tersisa yang fokus pada real estate... estimasi, yang berasal dari inflasi masa lalu, atau disimpulkan dari informasi pasar lainnya seperti suku bunga. Sejauh pasar bersifat efisien informasi, tingkat inflasi yang diharapkan seharusnya sudah tercermin dalam harga dan, dengan demikian, tingkat imbal hasil yang diharapkan pada berbagai aset. Sebagai contoh, efek Fisher menyatakan bahwa suku bunga nominal sama dengan kombinasi suku bunga riil dan premi untuk inflasi yang diantisipasi (sementara model lain mencakup efek dari perpajakan yang diharapkan):
Suku Bunga Nominal (ex ante) = Suku Bunga Riil (ex ante) + Inflasi yang Diharapkan
Hasil bersihnya yaitu bahwa setiap aset di pasar yang efisien informasi memberikan perlindungan yang identik dari inflasi yang diantisipasi, karena harga setiap aset disesuaikan untuk mengkompensasi pembeli atas inflasi yang diantisipasi. Dengan demikian, tingkat inflasi yang stabil atau yang sebelumnya diantisipasi seharusnya tidak menjadi faktor pendorong imbal hasil, atau penentu, dengan sendirinya. Semakin inflasi.
Akhirnya, inflasi yang tidak terduga dapat memiliki efek yang berbeda terhadap harga relatif, yang mewakili sumber risiko lain. Misalnya, inflasi yang lebih tinggi dan tidak terduga dapat menyebabkan kenaikan biaya tenaga kerja secara langsung, sambil memiliki efek yang terbatas pada beberapa properti real estat tertentu.
Sensitivitas berbagai investasi real estat terhadap inflasi yang tidak terduga dapat dianalisis melalui analisis empiris terhadap imbal hasil masa lalu atau analisis fundamental terhadap sumber-sumber risiko dan imbal hasil investasi tersebut. Tantangan dalam analisis empiris efek inflasi yang tidak terduga yaitu mengembangkan perkiraan yang objektif dan akurat dari tingkat inflasi yang diharapkan konsensus. Sebuah perkiraan dari tingkat inflasi yang diantisipasi diperlukan untuk memperkirakan tingkat inflasi yang tidak terduga sebagai selisih antara tingkat inflasi yang direalisasikan dan yang diharapkan.
Tantangan lain yaitu bahwa biasanya ada tingkat inflasi yang diantisipasi yang berbeda-beda untuk berbagai jangka waktu. Perubahan dalam antisipasi dari Inflasi dapat merugikan mereka. Properti dengan struktur sewa yang mungkin mendapatkan manfaat dari inflasi tinggi termasuk yang memiliki sewa jangka pendek atau sewa di mana pembayaran secara kontrak naik seiring dengan tingkat inflasi. Faktanya, banyak sewa yang mengatur sewa komersial jangka panjang di Amerika Serikat mengandung klausul eskalator, yang secara berkala menyesuaikan pembayaran sewa berdasarkan beberapa ukuran inflasi yang disepakati.
Faktor-faktor berikut juga mempengaruhi imbal hasil properti: keadaan ekonomi, demografi, tingkat suku bunga, perlakuan pajak atas pendapatan real estate dan biaya pembiayaan, serta tren. Bagian berikutnya menganalisis dampak yang mungkin dimiliki beberapa faktor ini terhadap pasar real estate, pasar aset, dan industri pengembangan (konstruksi) dalam kerangka model empat kuadran.
14.5 MODEL EMPAT KUADRAN
Dalam bagian ini, yang diambil dari Geltner, Miller, Clayton, dan Eichholtz (2014), kami menggambarkan empat kuadran. Here is the translation of your text into Indonesian:
ort run. Permintaan, di sisi lain, yaitu fungsi dari kondisi ekonomi serta karakteristik properti. Ini muncul di kuadran timur laut (NE).
2. Nilai pasar aset: Sewa keseimbangan dari langkah sebelumnya menentukan pendapatan yang dihasilkan oleh sebuah properti. Dengan asumsi pendapatan yang relatif tetap dalam jangka pendek hingga menengah, nilai pasar dari properti dapat dihitung sebagai nilai sekarang dari aliran kas masa depan. Mengingat tingkat kapitalisasi yang diperlukan dari sebuah properti, nilai pasar akan sama dengan pendapatan operasional bersih dibagi dengan tingkat kapitalisasi. Pendapatan sewa yaitu penentu utama dari pendapatan operasional bersih, dan Sebagian akan tumpah ke industri konstruksi, yang dengan sedikit keterlambatan akan mempengaruhi pasokan ruang. Ini terlihat di kuadran tenggara (SE). Sekarang setelah kita membahas logika keseluruhan dari model tersebut, selanjutnya kita akan memberikan analisis yang lebih mendetail tentang model empat kuadran.
Kuadran timur laut (NE) memiliki dua sumbu: sewa (yang diukur dalam dolar per unit ruang, seperti kaki persegi) dan stok ruang (diukur dalam unit ruang yang sama). Kuadran ini menggambarkan bagaimana sewa di pasar ruang ditentukan. Dalam keadaan seimbang, permintaan ruang, yang dilambangkan dengan garis menurun D, sama dengan stok ruang, S. Dengan mengasumsikan bahwa stok ruang tetap (sebuah asumsi yang masuk akal untuk jangka pendek), sewa harus ditentukan sehingga permintaan ruang sama persis dengan stok ruang. Permintaan yaitu fungsi dari sewa dan kondisi dalam ekonomi. Sewa (R∗) ditemukan dengan memplot tingkat stok ruang pada sumbu x hingga ke garis permintaan dan kemudian ke sumbu y. sebuah hasil pendapatan yang diperlukan dan mengingat pendapatan yang dihasilkan oleh suatu properti, kita dapat menilai properti tersebut sebagai sewa/tingkat kapitalisasi. Dalam model empat kuadran, harga aset real estat ditentukan dengan bergerak dari sumbu vertikal (tingkat sewa) di kuadran NE menuju sinar di kuadran NW, dan kemudian turun ke tingkat harga di sumbu horizontal. Melanjutkan pergerakan secara berlawanan arah jarum jam, kuadran berikutnya (barat daya, atau SW) yaitu bagian dari pasar aset di mana konstruksi aset real estat baru ditentukan. Di sini, garis f(C) mewakili biaya penggantian (RCosts) real estat. Biaya konstruksi meningkat dengan aktivitas konstruksi yang lebih besar, dan karena itu kurva bergerak ke arah barat daya, memotong sumbu harga pada nilai dolar minimum per unit ruang yang diperlukan untuk menghasilkan aktivitas konstruksi. Tingkat konstruksi baru ditetapkan di mana harga aset sama dengan biaya penggantian. Depresiasi tersebut akan persis sama dengan penyelesaian baru. Oleh karena itu, Δ sama dengan nol dan C = dS.
14.5.1 Ilustrasi Model Empat Kuadran: Menjelaskan Lonjakan dan Penurunan Pasar Real Estat
Mari kita anggap bahwa pasar real estat mengalami lonjakan, dan permintaan ruang meningkat secara tidak terduga (misalnya, akibat peningkatan pekerjaan, produksi, atau jumlah rumah tangga yang tidak terduga). Dalam Gambar 14.4, ini diwakili oleh pergeseran ke kanan pada kurva permintaan untuk sewa di kuadran NE (dari D0 ke D1). Dalam jangka pendek, sewa meningkat dari R∗ ke R1 (level sewa yang menghubungkan stok ruang awal Q∗ dengan yang baru).
GAMBAR 14.4 Model Empat Kuadran: Lonjakan dan Penurunan di Pasar Real Estat
Sumber: Diadaptasi dari DiPasquale dan Wheaton (1992).
Real Estat sebagai Investasi 357
D1). Dalam jangka pendek, sewa meningkat dari R∗ ke R1 (level sewa yang menghubungkan stok ruang awal Q∗ dengan yang baru). peningkatan sewa, mengingat bahwa tingkat ruang real estat yaitu tetap. Sewa yang lebih tinggi ini kemudian menyebabkan kenaikan harga real estat (kuadran NW), yang, pada gilirannya, merangsang konstruksi baru (kuadran SW). Dalam jangka panjang, ini mengarah pada jumlah ruang real estat yang lebih besar (kuadran SE). Kemiringan dari berbagai sinar menentukan ukuran perubahan dalam keempat variabel ini. Misalnya, jika konstruksi sangat tidak elastis terhadap harga real estat, maka tingkat sewa dan harga aset yang baru akan jauh lebih tinggi dibandingkan sebelumnya, dan konstruksi baru serta stok ruang hanya akan berkembang sedikit. Perubahan dalam permintaan aset real estat dapat disebabkan oleh sejumlah faktor, seperti perubahan suku bunga jangka pendek atau jangka panjang, perlakuan pajak terhadap real estat, dan ketersediaan pembiayaan konstruksi, seperti yang ditunjukkan oleh DiPasquale dan Wheaton (1992). Jika suku bunga di sisa ekonomi meningkat, maka hasil yang ada dari real estat... Perubahan dalam perlakuan pajak terhadap real estat akan menyebabkan penurunan pendapatan yang diperlukan oleh investor dari real estat. Perubahan ini juga dapat dianalisis menggunakan model empat kuadran. Seperti yang dicatat oleh DiPasquale dan Wheaton (1992), suku bunga yang lebih tinggi, risiko yang lebih besar, dan perubahan pajak yang merugikan memutar sinar ke arah jarum jam. Mengingat tingkat sewa dari pasar properti, penurunan hasil atau tingkat kapitalisasi saat ini untuk real estat akan meningkatkan harga aset, dan di kuadran SW memperluas konstruksi. Akhirnya, ini meningkatkan stok ruang (di kuadran SE), yang kemudian menurunkan sewa di pasar properti untuk ruang (kuadran NE). Keseimbangan baru membutuhkan agar tingkat sewa awal dan akhir saling sama. Keseimbangan baru ini menghasilkan solusi baru yang lebih rendah dan lebih persegi panjang dibandingkan yang sebelumnya. Dalam keseimbangan baru, harga aset harus lebih tinggi dan sewa lebih rendah, sementara stok jangka panjang dan... presentasi dari dinamika sistem real estat.
Empat bab selanjutnya akan membantu kita mendapatkan pemahaman yang lebih dalam tentang real estat sebagai investasi dalam berbagai aspek. Bab 15 membahas indeks real estat dan evaluasi kinerja. Bab ini membahas dua pendekatan utama untuk indeksasi (berbasis penilaian dan berbasis transaksi), dan fokus pada konsekuensi dan solusi dari pemulusan data dalam real estat. Bab 16 membahas gaya investasi (inti, nilai tambah, dan oportunistik, pendekatan utama untuk mengkategorikan investasi dalam kategori ekuitas real estat komersial swasta), alokasi portofolio, dan tantangan dalam menggunakan derivatif real estat untuk melindungi risiko pasar di pasar real estat. Bab 17 menyajikan karakteristik utama produk real estat yang tidak terdaftar (dana terbuka dan dana tertutup) dan produk real estat yang terdaftar (REIT dan dana yang diperdagangkan di bursa [ETFs] yang didasarkan pada indeks real estat), serta sejauh mana analisis dari produk yang diperdagangkan secara publik. Here is the translated text in Indonesian:
utlook.” www2.deloitte.com/us/en/
industri/properti.html?icid=top_real-estate.
DiPasquale, D., dan W. C. Wheaton. 1992. “Pasar untuk Aset dan Ruang Properti: Sebuah Kerangka Konseptual.” Jurnal Asosiasi Ekonomi dan Real Estat Amerika 20 (1): 181–97.
Federal Reserve. 2015. “Z.1 Akun Keuangan Amerika Serikat.” Rilis Statistik Federal Reserve, 10 Desember. www.federalreserve.gov/releases/z1/.
Geltner, D., N. Miller, J. Clayton, dan P. Eichholtz. 2014. Analisis dan Investasi Properti Komersial. Mason, OH: OnCourse Learning.
Idzorek, T., M. Barad, dan S. Meier. 2007. “Real Estat Komersial Global.” Jurnal Manajemen Portofolio 33 (5): 37–52.
Laporan Pasar Online. 2015. “Hipotek Residensial: Panduan Industri Global.” Januari. www.marketreportsonline.com/395332.html.
Asosiasi Nasional Real Estat Investasi Trust. 2016. “Lembar Fakta Industri REIT.” Januari. alokasi ke berbagai kategori investasi real estat). Dalam penilaian, investor real estat sering kali fokus pada penjualan terbaru dari properti serupa dan yang berada di dekatnya untuk membentuk tolok ukur utama perubahan nilai properti. Namun, praktik terbaik untuk investasi institusional membutuhkan pandangan yang lebih terstruktur dan kurang terlokalisasi tentang penilaian dan atribusi kinerja. Bab ini berfokus pada tantangan dan peluang pengindeksan real estat.
Dua pendekatan utama untuk pengindeksan yaitu berbasis penilaian dan berbasis transaksi, masing-masing memiliki masalah potensialnya sendiri. Bab ini membandingkan pendekatan-pendekatan tersebut dan meninjau banyak indeks real estat yang paling populer, yang bervariasi dalam hal metodologi yang digunakan. Prevalensi berbagai metodologi pengindeksan menunjukkan bahwa semua metodologi memiliki masalah yang tidak sepele dan bahwa analis real estat harus menyadari tantangan yang terkait dengan setiap metodologi. Menggunakan data masa lalu untuk menyimpulkan risiko masa depan dan Dana tersebut. Oleh karena itu, prosedur penghalusan yang dibahas dalam bab ini sangat penting untuk analisis investasi alternatif.
Ada tantangan substansial yang dihadapi oleh penilai properti dan profesional keuangan lainnya yang diminta untuk memberi nilai pada suatu aset sepanjang waktu. Pertimbangkan pergerakan pasar besar di tengah periode stabilitas keuangan yang lebih umum. Sebagai contoh, misalkan pasar ekuitas mengalami kenaikan harga umum dan cepat sebesar 10%. Ada kemungkinan bahwa harga yang dilaporkan dari kelas aset yang cenderung berkolerasi dengan pasar ekuitas dapat menunjukkan reaksi tertunda terhadap kenaikan tersebut dan perubahan kondisi ekonomi yang menyertainya. Sejauh harga atau seri pengembalian yang dilaporkan menunjukkan respons tertunda, mungkin karena metode penilaian yang digunakan oleh penilai atau profesional keuangan lain yang bertanggung jawab untuk menerbitkan harga, seri harga atau pengembalian yang dihasilkan disebut sebagai harga yang halus. Berikut yaitu terjemahan teks ke dalam bahasa Indonesia:
yang akan dapat diterima oleh kedua pembeli dan penjual. Kebisingan transaksi yaitu isu teknis penting lainnya ketika berurusan dengan indeks real estat. Nilai properti bersifat bising (dalam arti mencerminkan kesalahan acak) karena nilai real estat empiris merupakan indikator yang kurang tepat dari nilai yang sebenarnya. Terakhir, bab ini membahas kinerja berbagai indeks real estat yang berbasis penilaian dan yang berbasis transaksi.
15.1 PENETAPAN HARGA YANG DIHALUSKAN
Ilustrasi numerik konsep penetapan harga yang dihaluskan ditunjukkan dalam Tabel 15.1. Hasil pasar ekuitas secara umum, yang ditunjukkan dalam kolom 2, diasumsikan mengalami lonjakan harga sebesar 10% di tengah periode waktu yang lebih besar dengan nilai yang stabil. Tiga seri hasil lainnya diilustrasikan dalam kolom 3, 4, dan 5, yang masing-masing akhirnya merespons dengan kenaikan 8% (mengabaikan penggabungan untuk kesederhanaan), konsisten dengan memiliki nilai yang sebenarnya.
TABEL 15.1 Ilustrasi Penetapan Harga yang Dihaluskan
(1)
Waktu harus memanfaatkan peluang profit yang disebabkan oleh keterlambatan respons harga yang konsisten yang terkandung dalam harga yang telah diratakan. Setiap aset dengan respons harga yang tertunda secara konsisten akan dibeli setelah harga umum naik dan akan dijual pendek oleh arbiter setelah harga umum turun. Dengan cara ini, arbiter akan terus-menerus mendapatkan keuntungan dari peningkatan harga yang tertunda menggunakan posisi beli, dan mendapatkan keuntungan dari penurunan harga yang tertunda menggunakan posisi jual pendek. Misalnya, seorang arbiter dapat membeli aset yang diratakan dengan kuat di akhir periode waktu 2 (segera setelah pasar naik) dan mengharapkan, rata-rata, untuk menerima alpha sebesar 4% di periode waktu 3, saat harga aset mengalami respons yang tertunda terhadap kenaikan pasar yang besar di periode waktu 2. Dalam kasus penurunan pasar yang besar di pasar yang sempurna, arbiter dapat menjual pendek harga yang diratakan segera setelah penurunan besar pada harga aset serupa yang tidak diratakan. Perlu dicatat bahwa arbiter dapat melakukan lindung nilai terhadap risiko dengan mengambil dua penyebab utama yang mencegah serangkaian pengembalian yang dihaluskan dari tidak dihaluskan oleh arbitrageur. Pertama, serangkaian pengembalian mungkin tidak menunjukkan peluang perdagangan yang sebenarnya. Penilaian, misalnya, biasanya merupakan indikasi harga yang tidak mewakili tawaran untuk membeli atau penawaran untuk menjual. Penilaian digunakan untuk menilai portofolio untuk tujuan akuntansi dan untuk menyusun indeks harga. Dalam kedua kasus, penilaian tersebut mewakili nilai perkiraan, bukan harga pasar.
Kedua, bahkan jika serangkaian pengembalian yang dihaluskan menunjukkan peluang perdagangan (yaitu, harga di mana transaksi dapat dilakukan), aset yang mendasarinya mungkin memiliki biaya transaksi yang substansial atau hambatan lain terhadap arbitrase. Sebagai contoh, dalam real estat, waktu dan biaya transaksi untuk membeli dan menjual aset guna mengeksploitasi respons harga yang tertunda mungkin sangat mahal jika dibandingkan dengan potensi keuntungan dari penghalusan harga yang moderat. Komisi penjualan real estat, transfer real estat Banyak perusahaan reksa dana menerapkan metode penetapan harga yang lebih akurat atau mendirikan penghalang kuat terhadap perdagangan jangka pendek pada dana tersebut, seperti biaya penebusan sebesar 2% untuk posisi yang dipegang kurang dari 90 hari. Karena tindakan arbitrase dan peserta pasar lainnya, aset dengan harga yang dapat diperdagangkan, biaya transaksi rendah, dan hambatan perdagangan minimal biasanya tidak memerlukan penghalusan harga. Kebutuhan untuk menghaluskan harga cenderung lebih besar untuk harga yang tidak dapat diperdagangkan dan aset dengan biaya transaksi tinggi atau hambatan perdagangan.
15.1.3 Masalah yang Diakibatkan oleh Penghalusan Harga
Penghalusan dari dua seri pengembalian terakhir di Exhibit 15.1 menghasilkan deviasi standar yang lebih rendah, korelasi yang lebih rendah dengan pasar, dan beta yang dilaporkan jauh lebih rendah. Sebagai contoh, perhatikan bahwa beta sebenarnya sebesar 0,80 terindikasi dalam beta yang diperkirakan dari seri pengembalian yang tidak dihaluskan, tetapi seri pengembalian yang sedikit dihaluskan memiliki beta yang dilaporkan sepertiga lebih kecil daripada seri pengembalian yang tidak dihaluskan, dan yang sangat dihaluskan.
Pengembalian rata-rata dalam pembilang rasio Sharpe biasanya hanya sedikit terpengaruh oleh pelonggaran, sedangkan penyebut mengandung estimasi deviasi standar yang secara artifisial rendah. Pelonggaran mengakibatkan peningkatan artifisial dalam estimasi rasio Sharpe dan ukuran kinerja serupa lainnya.
Indeks Real Estate dan Teknik Pembuangan Pelonggaran 365
15.2 MODEL PELONGGARAN HARGA DAN PENGEMBALIAN
Untuk mendeteksi, memperbaiki, atau memanfaatkan pelonggaran, perlu untuk memahami bagaimana pelonggaran terjadi dan bagaimana itu dapat dimodelkan. Model yang ditentukan dengan tepat dapat digunakan untuk menentukan metode untuk memperkirakan harga atau pengembalian yang tidak dilonggarkan. Bagian ini membahas pendekatan utama untuk memodelkan pelonggaran.
15.2.1 Harga yang Dilaporkan sebagai Lag dari Harga yang Sebenarnya
Definisikan Pt, dilaporkan sebagai harga yang dilaporkan atau pelonggaran dari suatu aset pada waktu t, dan Pt, sebenarnya sebagai harga yang sebenarnya. Contoh harga yang dilaporkan yaitu indeks harga yang berdasarkan pada nilai appraisal atau nilai aset bersih dari sebuah hedge fund yang menjadi objek. harga yang dilaporkan saat ini. Hubungan antara harga yang dilaporkan saat ini dan harga sebenarnya ditentukan menggunakan seperangkat parameter yang dilambangkan sebagai βi. Model yang mungkin lebih sederhana yang hanya memiliki satu parameter menentukan hubungan yang tepat antara parameter dalam Persamaan 15.1, seperti yang ditunjukkan dalam Persamaan 15.2:
Pt,reported = αPt,true + α(1 − α)Pt−1,true + α(1 − α)2Pt−2,true +⋯ (15.2)
di mana α yaitu parameter yang lebih besar dari nol dan kurang dari atau sama dengan 1 yang menentukan kecepatan fungsi peluruhan. Fungsi peluruhan yaitu konstruksi numerik yang memberikan bobot lebih sedikit pada penilaian yang lebih lama dan bobot lebih banyak pada penilaian yang lebih baru. Pertimbangkan kasus α = 0,50 dalam Persamaan 15.2. Dalam kasus ini, harga yang dilaporkan saat ini tergantung 50% pada harga sebenarnya saat ini, 25% pada harga sebenarnya dari tanggal pengamatan sebelumnya, 12,5% pada harga sebenarnya dari tanggal pengamatan dua periode sebelumnya, dan seterusnya. Dengan kata lain, harga sebenarnya dalam periode tertentu hanya tercermin 50% dalam indeks yang telah dihaluskan terbaru
nilai dan nilai indeks yang telah dihaluskan sebelumnya, yang keduanya dapat diamati. Persamaan
15.4 menyusun ulang Persamaan 15.3 menjadi bentuk yang mungkin lebih intuitif:
Pt,benar = Pt−1,laporan + [1∕α × (Pt,laporan − Pt−1,laporan)] (15.4)
Persamaan 15.4 menunjukkan bahwa harga sebenarnya berbeda dari harga yang dilaporkan sebelumnya
dengan jumlah yang berdasarkan pada perubahan harga terbaru dalam seri harga yang dilaporkan.
Pertimbangkan kasus nilai yang dilaporkan meningkat Pt,laporan > Pt−1,laporan, dan perhatikan bahwa dalam
Persamaan 15.4, ekspresi 1/α lebih besar dari 1 (dengan asumsi bahwa α berada di antara nol
dan 1). Dalam kasus ini, nilai sebenarnya dari aset dinyatakan sebagai nilai yang dilaporkan sebelumnya
dari aset (Pt−1,laporan) ditambah perubahan harga yang dilaporkan ditingkatkan dengan faktor
1/α. Sebagai contoh, dengan α = 0,60, perubahan $10 dalam harga yang dilaporkan menyiratkan perbedaan $16,67
antara harga sebenarnya saat ini dan harga yang dilaporkan sebelumnya. Perubahan
harga yang diminimalkan sebesar $10 dalam laporan (dan Teks yang akan diterjemahkan ke dalam Bahasa Indonesia yaitu sebagai berikut:
---
Dalam hal pengembalian, seperti dalam Persamaan 15.5:
Rt,laporkan ≈ β0Rt,benar + β1Rt−1,benar + β2Rt−2,benar +⋯ (15.5)
di mana Rt,laporkan yaitu pengembalian pada seri harga yang dilaporkan dalam periode t, dan Rt,benar yaitu pengembalian pada seri harga yang benar tetapi tidak dapat diobservasi dalam periode t.
15.2.3 Mengestimasi Parameter untuk Autokorelasi Orde Pertama
Persamaan 15.3 menunjukkan bahwa harga yang benar dapat ditentukan dari harga yang dilaporkan menggunakan parameter α. Oleh karena itu, nilai yang diestimasi dari harga yang benar dapat ditentukan dari harga yang dilaporkan menggunakan estimasi parameter.
Indeks Real Estate dan Teknik Unsmoothing 367
Interpretasi intuitif dari α yaitu bahwa ini menentukan sejauh mana harga (atau pengembalian) yang dilaporkan dalam periode waktu tertentu ditentukan atau dipengaruhi oleh nilai harga yang benar (atau pengembalian) dalam periode waktu yang sama. Semakin tinggi nilai α, semakin banyak nilai yang dilaporkan saat ini dipengaruhi oleh perubahan nilai yang benar saat ini daripada oleh perubahan di masa lalu.
Persamaan 15.6 yaitu ...
---
Silakan beri tahu saya jika ada bagian lain yang perlu diterjemahkan! sure! Here is the translation of the provided text to Indonesian:
sisi). Pengembalian terbaru dari seri pengembalian yang diperhalus tergantung sebagian pada informasi pasar baru yang terkandung dalam pengembalian sesungguhnya (Rt,true) dan sebagian pada pengembalian yang diperhalus dari periode waktu sebelumnya. Parameter ρ menentukan tingkat kepentingan relatif dari dua variabel penjelas, dengan nilai ρ yang lebih tinggi menunjukkan penghalusan yang lebih besar.
Sebagai contoh, anggaplah bahwa ρ dalam Persamaan 15.8 yaitu 40% dan bahwa perubahan harga yang mendasari sesungguhnya dalam kelas aset tertentu dalam lima periode waktu terakhir yaitu 0%, 0%, 10%, 0%, dan 0%. Menerapkan Persamaan 15.8 untuk memperoleh serangkaian harga yang diperhalus akan menghasilkan seri pengembalian berikut: 0%, 0%, 6%, 2.4%, dan 0.96%.
Perlu dicatat bahwa pengembalian yang diperhalus untuk periode waktu 4 yaitu 2.4% bukannya 4.0%. Alasan untuk ini yaitu bahwa dalam Persamaan 15.8, ρ dikalikan dengan pengembalian yang diperhalus tertunda (6%), bukan pengembalian sesungguhnya yang tertunda (10%). Demikian juga, dampak dari pengembalian sesungguhnya sebesar 10% pada pengembalian yang diperhalus akan terus dirasakan. Here is the translation of your text into Indonesian:
"Pengembalian sejati 10% pada sisa 40% nilai aset yang mendasari akan tercermin seiring waktu saat mereka bertransaksi di periode waktu berikutnya (seperti yang tercermin dalam pengembalian periode 4 dan periode 5 sebesar 2,4% dan 0,96%).
Seorang penilai profesional juga dapat menghasilkan serangkaian harga yang dilicinkan. Salah satu alasannya yaitu bahwa penilai mengamati perubahan harga secara tertunda dan hanya pada properti yang telah bertransaksi. Alasan lainnya yaitu bahwa penilai mungkin menunjukkan fenomena perilaku yang dikenal sebagai anchoring. Anchoring yaitu kecenderungan yang diamati pada manusia untuk memberikan bobot atau keandalan yang tidak proporsional pada pengamatan sebelumnya. Dalam contoh sebelumnya, seorang penilai mungkin enggan percaya bahwa aset yang mendasari benar-benar telah meningkat sebesar 10%, dan mungkin mengubah penilaian sebesar 60% ke arah 10% selama periode pertama, dan kemudian terus menyesuaikan penilaian di periode berikutnya.
Alasan utama ketiga untuk penetapan harga yang dilicinkan yaitu bahwa bahkan harga transaksi saat ini di pasar yang efisien..."
(Note: The translation was stopped where the original passage ended.) tipe dengan harga 25% lebih tinggi, bahkan ketika harga yang lebih tinggi dari setiap jenis properti mencerminkan nilai pasar yang sebenarnya. Harus dicatat bahwa ini hanya salah satu dari banyak skenario yang bisa terjadi.
Melanjutkan contoh tersebut, jika 80% dari properti yang ditransaksikan yaitu jenis yang mengalami pertumbuhan harga yang lebih rendah (5%), maka perubahan harga rata-rata dari transaksi yang diamati akan menjadi 9%, yang ditemukan sebagai [(80% × 5%) + (20% × 25%)]. Perubahan indeks harga rata-rata 9% yaitu 60% dari perubahan harga yang sebenarnya (15%) untuk seluruh pasar. Diperkirakan, pembeli akan semakin membeli jenis properti yang telah naik harganya 25% begitu tingkat harga baru yang lebih tinggi menjadi familiar. Demikian pula, penurunan harga akan dilaporkan secara lebih halus jika para penjual enggan untuk menjual jenis properti yang mengalami penurunan paling besar.
Alasan terakhir untuk harga yang halus yaitu potensi penundaan antara penetapan harga dalam transaksi properti dan pelaporan transaksi tersebut. Harga real estat mungkin akan (15.9)
Kembali ke contoh deret pengembalian yang sebenarnya yang digunakan di bagian sebelumnya (0%, 0%, 10%, 0%, dan 0%) untuk menghasilkan deret pengembalian yang sudah diratakan sebesar 0%, 0%, 6%, 2.4%, dan 0.96%, Persamaan 15.9 dapat digunakan bersama dengan ρ = 0.40 untuk mendapatkan kembali deret pengembalian yang sebenarnya dari deret yang dilaporkan. Dengan memasukkan deret pengembalian yang sudah diratakan sebagai pengembalian yang dilaporkan dalam Persamaan 15.9 dan terus menggunakan ρ = 0.40, pengembalian yang sebenarnya yang diimplikasikan yaitu sebagai berikut:
R3,benar = (R3,dilaporkan − ρR2,dilaporkan)∕(1 − ρ) = [6% − (0.40 × 0%)]∕(1 − 0.40) = 10%
R4,benar = (R4,dilaporkan − ρR3,dilaporkan)∕(1 − ρ) = [2.4% − (0.40 × 6%)]∕(1 − 0.40) = 0%
R5,benar = (R5,dilaporkan − ρR4,dilaporkan)∕(1 − ρ) = [0.96% − (0.40 × 2.4%)]∕(1 − 0.40) = 0%
Perlu dicatat bahwa deret pengembalian yang sudah diratakan dapat digunakan tanpa kesalahan untuk menemukan deret pengembalian yang sebenarnya jika prosesnya mengikuti proses autokorelasi urutan pertama tanpa istilah kesalahan dan jika ρ dapat diestimasi tanpa kesalahan. Tentu saja, dalam praktiknya, pengembalian tidak selalu sesuai. periode waktu, seperti model autokorelasi orde keempat, ketika penghalusan pengembalian triwulanan dilakukan selama periode satu tahun. Bagian berikutnya membahas proses tiga langkah untuk menghilangkan penghalusan dari serangkaian harga atau pengembalian yang dilaporkan untuk memperkirakan serangkaian harga atau pengembalian yang sebenarnya.
15.3.2 Tiga Langkah Menghilangkan Penghalusan
Menghilangkan penghalusan dari serangkaian pengembalian yang mengandung autokorelasi melibatkan tiga langkah:
Langkah 1: Langkah pertama yaitu menentukan atau menentukan bentuk autokorelasi tersebut. Seperti yang telah diuraikan dalam bab ini, autokorelasi orde pertama diasumsikan (seperti yang ditunjukkan dalam Persamaan 15.8).
Langkah 2: Langkah kedua yaitu memperkirakan parameter dari proses autokorelasi yang diasumsikan. Dalam contoh kita mengenai koefisien autokorelasi orde pertama, satu-satunya parameter yaitu ρ, seperti yang ditunjukkan dalam Persamaan 15.8 dan 15.9. Koefisien autokorelasi orde pertama dari sebuah seri ditemukan sebagai koefisien korelasi antara setiap pengamatan dan pengamatan dari seri yang sama pada periode sebelumnya. tep sedang memasukkan koefisien korelasi yang diperkirakan sebagai pengganti ρ dalam Persamaan 15.9 dan menyelesaikannya untuk Rt,yang dilaporkan. Menggunakan Persamaan 15.9 dan koefisien korelasi yang diperkirakan (0,037) alih-alih koefisien korelasi yang sebenarnya (0,40) menghasilkan deret 0%, 0%, 6,2%, 2,3%, dan 0,9%:
R2,benar = [0% − (0,037 × 0%)]∕(1 − 0,037) = 0%
R3,benar = [6% − (0,037 × 0%)]∕(1 − 0,037) = 6,2%
R4,benar = [2,4% − (0,037 × 6%)]∕(1 − 0,037) = 2,3%
R5,benar = [0,96% − (0,037 × 2,4%)]∕(1 − 0,037) = 0,9%
Deret pengembalian yang sudah dihaluskan untuk periode waktu 2 hingga 5 (0%, 6%, 2,4%, dan 0,96%) tidak dihaluskan menjadi 0%, 6,2%, 2,3%, dan 0,9%, yang sedikit lebih mendekati deret pengembalian sebenarnya yang diharapkan (0%, 10%, 0%, dan 0%) dari mana contoh ini diambil. Alasan untuk keberhasilan yang sangat terbatas yaitu estimasi ρ yang buruk (0,037 sebagai estimasi dari 0,40). Seperti yang ditunjukkan dalam bagian 15.3.1, penggunaan ρ = 0,40 untuk menghaluskan deret pengembalian menghasilkan perubahan harga.
3. Terapkan Persamaan 15.11 untuk memperkirakan korelasi antara rangkaian perubahan harga dan nilai tertinggalnya.
4. Terapkan Persamaan 15.9, mengganti perubahan harga dengan imbal hasil.
5. Gunakan perubahan harga yang tidak mulus untuk membentuk indeks harga.
6. Konversikan indeks harga yang tidak mulus kembali menjadi imbal hasil.
15.3.4 Menghaluskan Imbal Hasil dengan Autokorelasi Orde Lebih Tinggi
Bagian sebelumnya membahas autokorelasi orde pertama, di mana imbal hasil dari rangkaian yang dihaluskan sepenuhnya dijelaskan oleh imbal hasil yang sebenarnya dalam periode yang sama dan imbal hasil yang dihaluskan dari periode waktu sebelumnya. Analisis yang lebih maju tentang autokorelasi imbal hasil memungkinkan imbal hasil atau harga yang sebenarnya saat ini bergantung pada imbal hasil atau harga yang dilaporkan atau dihaluskan sebelumnya dari dua periode sebelumnya atau lebih dengan dasar yang lebih umum daripada autokorelasi orde pertama. Misalnya, mari kita asumsikan bahwa efek tertinggal hingga k periode menghasilkan Persamaan 15.12:
Rt,reported = α + β1Rt−1,reported + β2Rt−2,reported +⋯ + βkRt−k,reported Berikut yaitu terjemahan teks yang Anda berikan ke dalam bahasa Indonesia:
bahwa dalam kasus regresi suatu variabel pada nilai tertundanya, deviasi standar sebenarnya dari setiap seri yaitu sama, sehingga σx = σy dan β = ρxy (dan deviasi standar yang terestimasi dari seri asli dan seri tertunda mendekati satu sama lain seiring dengan meningkatnya ukuran sampel). Dengan demikian, koefisien kemiringan yang sebenarnya dari regresi linear antara suatu variabel dan nilai tertundanya yaitu sama dengan koefisien korelasi, yang pada gilirannya sama dengan koefisien autokorelasi orde pertama. Oleh karena itu, autokorelasi orde pertama yang diasumsikan sepanjang contoh dalam bab ini yaitu kasus di mana k = 1 dalam model yang lebih umum yang ditunjukkan dalam Persamaan 15.12.
15.4 SEBUAH ILUSTRASI UNRATAKAN
Tujuan dari bagian ini yaitu untuk memberikan contoh rinci tentang unrataan dari seri pengembalian aktual dengan autokorelasi orde pertama. Bagian ini mengikuti prosedur tiga tahap yang dibahas dalam bagian 15.3.2.
15.4.1 Data yang Dihaluskan dan Data Pasar
Pameran 15.2 berisi delapan tahun data triwulanan serangkaian (meskipun mengandung kebisingan transaksi, seperti yang akan dibahas di bagian 15.5), dan NPI berfungsi sebagai proxy dari serangkaian pengembalian yang diratakan. Meskipun kedua seri memiliki pengembalian rata-rata yang relatif mirip, deviasi standar pengembalian berdasarkan NPI jauh lebih rendah dibandingkan dengan Indeks NAREIT, seperti yang ditunjukkan dalam Lampiran 15.2. Sebagian dari perbedaan volatilitas dapat dijelaskan oleh fakta bahwa NPI tidak mencerminkan leverage (yaitu, mencerminkan aset real estat yang mendasari tanpa leverage), sementara seri Indeks NAREIT mencerminkan pengembalian REIT yang umumnya mencerminkan posisi real estat yang terleverase. Perhatikan pengembalian negatif yang sangat besar dari Indeks NAREIT pada kuartal keempat tahun 2008 dan kuartal pertama tahun 2009. Perhatikan lebih lanjut bahwa seri yang dinilai (NPI) hanya menunjukkan pengembalian negatif yang relatif moderat pada dua kuartal yang sama, tampaknya mencerminkan kecenderungan harga yang dinilai untuk bergerak hanya sebagai tanggapan parsial terhadap perubahan harga pasar yang nyata (meskipun % −3,32% 33,28% 4,47% 2,91%
2010 1 0,76% 10,02% −2,11% 9,39% 16,38% 10,19%
2010 2 3,31% −4,06% 0,76% 10,02% 17,19% −7,88%
2010 3 3,86% 12,83% 3,31% −4,06% 6,85% 17,41%
2010 4 4,62% 7,43% 3,86% 12,83% 8,76% 5,96%
2011 1 3,36% 7,50% 4,62% 7,43% −3,50% 7,52%
2011 2 3,94% 2,90% 3,36% 7,50% 7,10% 1,65%
2011 3 3,30% −15,07% 3,94% 2,90% −0,18% −19,95%
2011 4 2,96% 15,26% 3,30% −15,07% 1,11% 23,49%
2012 1 2,59% 10,49% 2,96% 15,26% 0,58% 9,20%
2012 2 2,68% 4,00% 2,59% 10,49% 3,17% 2,24%
2012 3 2,34% 1,03% 2,68% 4,00% 0,49% 0,22%
2012 4 2,54% 3,11% 2,34% 1,03% 3,63% 3,67%
2013 1 2,57% 8,10% 2,54% 3,11% 2,73% 9,45%
2013 2 2,87% −2,13% 2,57% 8,10% 4,50% −4,91%
2013 3 2,59% −2,61% 2,87% −2,13% 1,07% −2,74%
2013 4 2,53% −0,17% 2,59% −2,61% 2,20% 0,49%
2014 1 2,74% 8,52% 2,53% −0,17% 3,88% 10,88%
2014 2 2,91% 7,13% 2,74% 8,52% 3,84% 6,75%
2014 3 2,63% −2,48% 2,91% 7,13% 1,11% −5,09%
2014 4 3,04% 11,54% 2,63% −2,48% 5,27% 15,34%
Rata-rata Aritmatika 1,53% 2,55% 1,48% 2,26% 1,36% Indeks NCREIF dan NAREIT untuk kuartal pertama tahun 2007 yaitu 3,62% dan 3,46%, masing-masing. Pengembalian yang sama, ketika tertunda, terletak di baris untuk kuartal kedua tahun 2007. Deret waktu yang tertunda, dengan 31 kuartal data, memiliki satu pengamatan lebih sedikit dibandingkan dengan deret waktu yang tidak tertunda, yang berarti bahwa estimasi deviasi standar mereka akan berbeda, meskipun keduanya didasarkan pada sebagian besar data yang sama.
Rumus untuk koefisien korelasi dari suatu sampel digunakan untuk menghitung autocorrelation tingkat pertama dari setiap seri. NPI berbasis penilaian memiliki koefisien autocorrelation yang diperkirakan sebesar 84,5%, sementara Indeks NAREIT berbasis harga pasar memiliki koefisien autocorrelation yang diperkirakan sebesar 21,3%. Perlu dicatat bahwa periode sampel mencakup keruntuhan pasar real estat yang sangat tidak biasa yang bertepatan dengan krisis keuangan yang dimulai pada tahun 2007. Oleh karena itu, korelasi yang diamati mungkin tidak representatif dari kondisi ekonomi yang lebih normal karena adanya. 9) menghasilkan hanya penurunan sebesar −2,11% dalam pengembalian yang tidak dihaluskan untuk kuartal yang sama. Teknik penghalusan ini menangkap kemungkinan bahwa pengembalian negatif besar kedua (–7,33% pada kuartal pertama tahun 2009) merupakan reaksi tertunda terhadap peristiwa kuartal keempat tahun 2008 akibat penghalusan.
15.4.4 Hubungan antara Varians Pengembalian Sejati dan yang Dilaporkan
Selain menghitung pengembalian yang tidak dihaluskan, autokorelasi yang diperkirakan dapat digunakan untuk menghitung volatilitas dan beta dari seri pengembalian yang tidak dihaluskan. Dengan memperhatikan bahwa
Rt,dilaporkan = ρRt−1,dilaporkan + (1 − ρ)Rt,nyata
Indeks Real Estate dan Teknik Penghalusan 375
seseorang dapat menyatakan varians pengembalian yang dihaluskan sebagai
σ2(Dilaporkan) = ρ2 × σ2(Nyata) + (1 − ρ)2σ2(Dilaporkan) (15.13)
Persamaan 15.13 diperoleh dengan asumsi bahwa varians seri pengembalian nyata dan autokorelasi dari seri yang dihaluskan keduanya konstan seiring waktu. Menggunakan beberapa aljabar akan memungkinkan kita untuk menyatakan Dapat dimungkinkan untuk memperkirakan nilai dari variabel ketiga. Juga, yaitu hal yang umum bagi penyebaran imbal hasil untuk dibahas menggunakan deviasi standar alih-alih varians.
15.4.5 Hubungan antara Beta dari Imbal Hasil yang Sesungguhnya dan yang Dilaporkan
Menggunakan pendekatan yang mirip dengan subseksi sebelumnya mengenai varians, seseorang dapat menyajikan beta dari seri imbal hasil yang tidak halus sebagai fungsi dari beta dari seri yang halus. Misalnya, jika beta pasar dari seri yang halus diperkirakan menggunakan regresi satu faktor berikut, maka seseorang dapat memperoleh estimasi beta dari seri imbal hasil yang sesungguhnya menggunakan nilai autokorelasi:
Rt,dilaporkan = αdilaporkan + βdilaporkan × Rt,m + εt
Beta dari seri imbal hasil yang sesungguhnya yaitu
βsesungguhnya =
βdilaporkan
1 − ρ
Menurut Persamaan 15.15, jika autokorelasi positif (ρ > 0), maka beta sesungguhnya akan lebih besar daripada beta yang diperkirakan. Oleh karena itu, risiko sistemik dari suatu seri yang halus Berikut yaitu terjemahan teks tersebut ke dalam bahasa Indonesia:
---
Tidak Halus
Pameran 15.2 mencantumkan deviasi standar dari seri pengembalian yang tidak halus dan yang halus. Perhatikan bahwa deviasi standar dari NPI yang halus (3,27%) meningkat menjadi 11,36% ketika pengembalian tidak dihaluskan. Sejauh mana seri pengembalian telah diolah dengan benar dan akurat untuk mencerminkan nilai yang sebenarnya, volatilitas sebenarnya dari aset tersebut lebih dari tiga kali lipat volatilitas yang dipersepsikan berdasarkan nilai yang dihaluskan. Perhatikan juga bahwa Indeks NAREIT mengandung autokorelasi positif dan bahwa deviasi standar yang diestimasi dari Indeks NAREIT yang tidak dihaluskan (17,34%) sedikit lebih tinggi daripada deviasi standar yang diestimasi dari Indeks NAREIT yang asli (13,73%). Ada kemungkinan bahwa autokorelasi positif dari harga pasar yang terkandung dalam Indeks NAREIT yaitu hasil palsu dari gejolak luar biasa di pasar real estat selama krisis keuangan yang dimulai pada tahun 2007.
Indeks Real Estat dan Teknik Penghalusan
---
Jika Anda memerlukan bantuan lebih lanjut, silakan beri tahu! Pengembalian digunakan tanpa penyesuaian untuk memperkirakan risiko jangka panjang. Standar deviasi kuartalan yang diperkirakan dari pengembalian NPI yang diilustrasikan dalam Paparan 15.2 yaitu sekitar 3%. Tanpa mempertimbangkan autokorelasi, standar deviasi tahunan yang diperkirakan dari seri yang sama yaitu 6% (ditemukan dengan mengalikan standar deviasi kuartalan dengan akar kuadrat dari jumlah kuartal dalam setiap tahun). Berdasarkan standar deviasi tahunan sebesar 6% dan pengembalian yang diharapkan sekitar 6%, seorang pengalokasi portofolio mungkin tidak mengharapkan kerugian tahunan yang sangat besar. Namun, rangkaian kerugian kuartalan yang berkorelasi dari kuartal keempat tahun 2008 hingga akhir tahun 2009 menunjukkan potensi kerugian jangka panjang yang sangat besar yang dihasilkan dari autokorelasi positif bahkan ketika volatilitas jangka pendek tampak moderat. Pengembalian yang dihaluskan meremehkan tidak hanya volatilitas tetapi juga korelasi pengembalian yang dihaluskan dengan pengembalian kelas aset lainnya. Paparan 17.11 dalam Bab hasil yang disesuaikan, termasuk rasio Sharpe. Faktanya, overestimasi kinerja yang disesuaikan dengan risiko akibat penyampaian hasil dapat menjelaskan teka-teki premi risiko properti, yang menanyakan mengapa investasi real estat ekuitas swasta tampaknya menawarkan hasil yang disesuaikan dengan risiko yang sangat tinggi dibandingkan dengan investasi lainnya.
Pelajaran ini jelas. Autokorelasi hasil dapat memberikan indikasi yang menyesatkan tentang risiko jangka panjang dibandingkan dengan risiko jangka pendek. Penyampaian hasil dapat secara berbahaya menyembunyikan risiko yang sebenarnya. Menghapus penyampaian hasil yaitu metode penting untuk memberikan estimasi yang lebih baik menunjukkan risiko yang sebenarnya dan memfasilitasi keputusan yang lebih tepat mengenai alokasi aset.
378 BAGIAN 3: ASET NYATA
15.5 PENETAPAN HARGA YANG BISING
Seperti yang telah kita bahas, nilai real estat empirik dapat diperoleh baik dengan mengevaluasi harga transaksi dari properti yang benar-benar terjual atau dengan menggunakan nilai yang dinilai yang dihasilkan oleh penilai real estat profesional. Kedua jenis nilai tersebut bersifat bising. Untuk mengurangi bias lag tanpa meningkatkan kesalahan acak, dan sulit untuk mengurangi kesalahan acak tanpa meningkatkan bias lag. Untuk memahami masalah penetapan harga yang bising ini, kami memperkenalkan konsep harga reservasi, yaitu harga terendah di mana seorang penjual potensial bersedia menjual suatu properti, atau harga tertinggi yang bersedia dibayar oleh pembeli potensial untuk suatu properti. Tabel 15.3 menunjukkan bahwa distribusi harga reservasi lintas-seksi dari pembeli dan penjual potensial tumpang tindih untuk populasi properti tertentu dan pada saat tertentu. Di daerah tumpang tindih inilah (yaitu, wilayah harga di mana harga berkisar antara nilai II dan IV) transaksi real estat dapat terjadi, karena beberapa penjual akan memiliki harga reservasi paling tidak sama rendahnya dengan harga reservasi beberapa pembeli. Seseorang dapat berargumen bahwa harga reservasi ini akan cenderung terdistribusi. Teks berikut diterjemahkan ke dalam bahasa Indonesia:
Ay tiba pada lima penilaian yang berbeda. Perbedaan antara nilai appraised empiris tertentu dan nilai pasar sebenarnya yang tidak dapat diamati dikenal sebagai kesalahan penilaian. Berbeda dengan harga transaksi, dispersi lintas sektoral dari nilai appraised mungkin atau mungkin tidak berpusat pada nilai yang sebenarnya. Ini menunjukkan bahwa nilai appraised mungkin memiliki bias. Untuk mengurangi kesalahan estimasi acak, diperlukan lebih banyak data transaksi. Dan untuk mendapatkan lebih banyak data transaksi, transaksi harus dicatat dengan menjangkau ke belakang lebih jauh dalam waktu. Dengan demikian, seseorang dapat mengurangi kebisingan acak, tetapi dengan mengorbankan peningkatan keterlambatan temporal, atau mengurangi keterlambatan tetapi meningkatkan kebisingan. Perdagangan antara kebisingan dan keterlambatan ini memiliki bentuk cembung, yang menunjukkan bahwa ada hasil yang menurun dalam proses tersebut (misalnya, semakin banyak data transaksi yang dimiliki, semakin akurat inferensi tentang nilai pasar real estat, tetapi dengan laju yang menurun). Lebih spesifik, akurasi dari nilai pasar yang diperkirakan cenderung berbanding terbalik. indeks properti yang tersedia bagi peserta pasar. (Tipe kedua, indeks berbasis transaksi, akan dibahas di bagian selanjutnya.) Indeks berbasis penilaian berasal dari nilai properti yang diperkirakan oleh penilai, yang mungkin mencerminkan sub-populasi tertentu. Secara teori, semua properti yang termasuk dalam jenis indeks ini dapat dinilai setiap periode, meskipun ini tidak selalu terjadi.
15.6.1 Pendekatan untuk Penilaian
Ada tiga cara utama untuk menilai real estat: pendekatan perbandingan penjualan, pendekatan biaya, dan pendekatan kapitalisasi pendapatan. Setiap metode memiliki nilai tersendiri tergantung pada situasi dan jenis real estat yang terlibat.
380 BAGIAN 3: ASET NYATA
15.6.1.1 Tiga Pendekatan untuk Membentuk Penilaian Metode ini paling umum digunakan untuk real estat komersial.
1. Pendekatan perbandingan penjualan, di mana sebuah aset real estat dievaluasi terhadap properti terkait (pengganti) yang baru-baru ini dijual. Penyesuaian nilai dapat dilakukan untuk metode penjualan ulang, yang akan dibahas nanti).
2. Semua properti dapat dinilai secara berkala, meskipun ini yaitu proses yang mahal.
15.6.1.3 Tiga Kerugian dari Model Berbasis Penilaian Terdapat tiga kerugian utama dari model berbasis penilaian:
1. Penilaian secara inheren subjektif dan melihat ke belakang, sehingga memperkenalkan kesalahan dalam harga. Dalam kasus NPI, tidak semua properti dinilai ulang setiap kuartal. Ini menyebabkan efek "penilaian yang tidak segar" (yaitu, penilaian yang sudah ketinggalan zaman), yang menambah keterlambatan.
2. Indeks berbasis penilaian lebih halus dibandingkan dengan perubahan aktual dalam nilai pasar real estat. Oleh karena itu, ukuran volatilitas nilai aset real estat komersial di bawahestimasi menggunakan indeks berbasis penilaian. Untungnya, teknik penghilangan halus, seperti yang disajikan sebelumnya dalam bab ini, membantu mengurangi masalah ini. Dalam kasus NPI, terdapat musiman dalam indeks karena penilaian ulang kuartal keempat.
3. Metode penilaian cenderung... data yang diperoleh dan menggunakan data tersebut untuk menerbitkan NPI dan sub-indeksnya serta beberapa indeks lainnya, seperti indeks lahan pertanian dan indeks hutan.
NPI didasarkan pada informasi keuangan dari investor institusi anggota. Anggota diwajibkan untuk melaporkan informasi tentang kepemilikan properti mereka setiap kuartal. NPI dimulai pada kuartal keempat tahun 1977. Pada kuartal keempat tahun 2014, terdiri dari 7.062 properti (yaitu, apartemen, industri, hotel, kantor, dan properti ritel) dengan nilai pasar bruto yang adil lebih dari $409 miliar. Sebagian besar penilaian berdasarkan appraisal. Alasan penggunaan appraisal yaitu sifat real estat yang tidak likuid: Properti tidak berpindah tangan dengan frekuensi cukup tinggi untuk menghitung pengembalian jangka pendek menggunakan harga dari transaksi yang dilakukan dengan cara arm's-length. NCREIF mengumpulkan informasi berdasarkan bobot nilai untuk menerbitkan NPI.
Seperti yang disebutkan sebelumnya, NCREIF yaitu keluarga indeks berbasis appraisal. Estimasi nilai properti didasarkan pada nilai yang dinilai pada awal periode, dengan penyesuaian untuk setiap perbaikan modal, penjualan sebagian, dan reinvestasi dari NOI (Net Operating Income). Numerator dari pengembalian nilai modal yaitu perubahan dalam nilai yang diperkirakan dari properti dari awal kuartal hingga akhir kuartal, yang disesuaikan untuk perbaikan modal dan penjualan sebagian sehingga peningkatan nilai akibat investasi lebih lanjut tidak termasuk sebagai keuntungan, dan penurunan nilai akibat penjualan sebagian tidak dikurangkan sebagai kerugian. Denominator dari pengembalian nilai modal yaitu sama dengan denominator untuk bagian pendapatan.
NPI (National Property Index) dihitung berdasarkan basis tanpa utang, seolah-olah properti yang dimasukkan dalam indeks dibeli dengan 100% ekuitas dan tanpa utang. Akibatnya, pengembaliannya kurang volatil, dan tidak ada biaya bunga yang dikurangkan. Pengembalian ke NPI dihitung sebelum pajak, sehingga tidak termasuk pengeluaran pajak penghasilan. Pengembalian (jika bukan kota) sebagai properti yang dinilai. Harga jual aktual ini memberi penilai sebuah perkiraan biaya (yaitu, harga) per kaki persegi dari properti real estat serupa. Penilai kemudian menyesuaikan biaya per kaki persegi ini untuk karakteristik unik dari properti yang dinilai: parkir atau akses yang lebih baik, lokasi yang lebih baik, lobi yang lebih baru, penyewa jangka panjang, dan sebagainya. Proses ini memiliki keuntungan karena didasarkan pada transaksi jual beli yang sebenarnya. Namun, akurasi proses ini lebih rendah ketika terdapat kurangnya frekuensi penjualan properti, dan, karena setiap properti itu unik, sulit untuk menyesuaikan nilai perhitungan kaki persegi dari satu properti untuk membentuk nilai dari properti lainnya dengan akurat. Metode kedua yaitu pendekatan pendapatan atau analisis arus kas yang didiskontokan, yang juga diperkenalkan di bagian sebelumnya. Metode ini telah menjadi praktik yang lebih diterima oleh penilai properti real estat untuk properti komersial. Dalam pendekatan penilaian ini, penilai memperkirakan Selama dua tahun berikutnya. Anggaplah bahwa perusahaan real estate mengharapkan untuk memelihara gedung perkantoran selama empat tahun, dan bahwa sewa serta biaya operasional diperkirakan meningkat sebesar 5% per tahun. Gedung perkantoran diproyeksikan akan dijual dalam empat tahun, memberikan perkiraan hasil penjualan bersih sebesar €75 juta pada saat itu. Menggunakan analisis arus kas yang didiskontokan, nilai gedung perkantoran ini akan dinilai. Perusahaan real estate yaitu Indeks Real Estate dan Teknik Penghalusan.
**EXHIBIT 15.4 Proyeksi Pendapatan Operasional Bersih selama Empat Tahun Mendatang**
Tahun 1: Pendapatan kotor potensial €10,000,000, Kerugian kekosongan €1,000,000, Pendapatan kotor efektif €9,000,000, Biaya operasional €3,800,000, Pendapatan operasional bersih €5,200,000
Tahun 2: Pendapatan kotor potensial €10,500,000, Kerugian kekosongan €1,050,000, Pendapatan kotor efektif €9,450,000, Biaya operasional €3,990,000, Pendapatan operasional bersih €5,460,000
Tahun 3: Pendapatan kotor potensial €11,025,000, Kerugian kekosongan €882,000, Pendapatan kotor efektif €10,143,000, Biaya operasional €4,189,500, Pendapatan operasional bersih €5,953,500
Tahun 4: Pendapatan kotor potensial €11,576,250, Kerugian kekosongan €926,100, Pendapatan kotor efektif €10,650,150, Biaya operasional €4,398,975, Pendapatan operasional bersih €6,251,175
Menggunakan tingkat pengembalian yang diperlukan sebesar 6% untuk yang sebanding. portofolio
properti.
Bahkan ketika properti baru saja dinilai, ada kemungkinan bahwa proses penilaian akan didorong oleh informasi lama, seperti transaksi sebelumnya pada properti sebanding, atau oleh keterlambatan dalam kesediaan penilai untuk mengadopsi standar penilaian baru yang ditimbulkan oleh perubahan kondisi pasar, seperti tingkat kapitalisasi (cap). Dengan demikian, bahkan penilaian yang baru saja dilakukan dapat menyebabkan pelunakan karena keterlambatan dalam mencerminkan perubahan nilai sebenarnya secara penuh. Akhirnya, perlu dicatat bahwa NPI diterbitkan setiap kuartal tetapi nilai akhir kuartal diterbitkan dengan keterlambatan waktu. Oleh karena itu, bahkan jika mengabaikan pelunakan berdasarkan penilaian, penurunan besar dalam harga aset yang terjadi pada bulan Oktober tidak akan tercermin dalam angka indeks kuartalan hingga penilaian 31 Desember, dan nilai 31 Desember tidak akan diterbitkan hingga hampir sebulan kemudian. Sebaliknya, indeks pasar, seperti indeks real estat yang didasarkan pada harga pasar REIT, diperbarui secara terus-menerus. NCREIF telah mulai memproduksi Metode ekonometrika.
2. Setiap perbedaan dalam perdagangan properti pada periode yang berbeda dikendalikan.
3. Kebisingan statistik diminimalkan.
Di sisi lain, masalah utama ketika menggunakan indeks berbasis transaksi yaitu bahwa setiap properti individu itu unik, sehingga masalah menemukan pembanding yang tepat muncul ketika harga dari properti yang berbeda dibandingkan pada titik waktu yang sama. Selain itu, setiap properti individu dijual secara tidak teratur dan tidak konsisten dalam waktu.
Dua metode utama yang digunakan untuk memperkirakan indeks harga berbasis transaksi yaitu metode penjualan ulang (RSM) dan metode harga hedonik (HPM).
15.7.1 Metode Penjualan Ulang
Penjualan ulang terjadi ketika sebuah properti tertentu dijual setidaknya dua kali selama periode sampel yang digunakan. Pengembalian berkala kemudian diperkirakan hanya dari perubahan persentase dalam pengamatan penilaian dari waktu ke waktu dalam properti yang sama. Dengan demikian, perbedaan di antara properti dikendalikan dengan hanya menggunakan perubahan harga. untuk kedua investor,
karena mereka berdua mempertahankan investasi mereka selama periode tersebut. Tabel 15.5 menyajikan data model regresi yang sesuai.
Koefisien dummy waktu untuk dua periode kemudian diperkirakan dengan menjalankan regresi di mana koefisien yang diperkirakan akan sesuai dengan pengembalian tahunan atas investasi yang diwakili oleh kedua properti tersebut. Dalam contoh sederhana ini, regresi menghasilkan pengembalian 10% sebagai koefisien dari variabel dummy yang mewakili periode pertama, dan pengembalian 5% sebagai koefisien dari variabel dummy yang mewakili periode kedua. Variabel dependen diubah menggunakan fungsi log sebelum regresi diperkirakan; yaitu, log dari total pengembalian, 1.155 dan 1.050, digunakan sebagai variabel dependen.
Indeks Properti dan Teknik Penyesuaian 385
TABEL 15.5 Pengaturan Data Model Regresi
Variabel Dummy Waktu
Variabel Dependen Periode Waktu 1 Periode Waktu 2
$115,500/$100,000 = 1.155 1 1
$210,000/$200,000 = 1.05 Here is the translation of the provided text into Indonesian:
(komersial umum dan peringkat investasi); dan berdasarkan ukuran pasar (indeks komposit dari area pasar utama di negara tersebut).
15.7.1.1 Dua Keuntungan dari Metode Penjualan Ulang Ada dua keuntungan utama dari metode penjualan ulang:
1. Metode RSM menghitung perubahan harga rumah berdasarkan penjualan properti yang sama. Oleh karena itu, metode ini menghindari masalah mencoba menjelaskan perbedaan harga pada properti dengan karakteristik yang bervariasi. Dengan demikian, metode penjualan ulang tidak memerlukan informasi rinci tentang karakteristik properti.
2. Metode RSM relatif tahan terhadap kesalahan spesifikasi. Biasanya, jenis kesalahan ini muncul ketika model regresi yang salah dipilih untuk menjelaskan variasi dalam variabel dependen. Kesalahan spesifikasi menyebabkan variabel independen dan istilah kesalahan dari persamaan regresi menjadi berkorelasi.
15.7.1.2 Tiga Kerugian dari Metode Penjualan Ulang Ada tiga kerugian utama dari metode penjualan ulang:
1. Yang utama
(Note: The text seems to be incomplete at the end, so the translation of the last point remains unfinished as well.) Masalah terjadi karena sebuah properti yang merekam "penjualan kedua" baru terhubung kembali ke "penjualan pertama" yang lebih awal dalam sejarah estimasi.
15.7.2 Metode Penetapan Harga Hedonik
Harga setiap aset real estat ditentukan oleh kondisi penawaran dan permintaan secara keseluruhan di pasar real estat lokal, serta oleh berbagai atribut yang dimiliki aset tersebut. Metode penetapan harga hedonik (HPM) mengasumsikan bahwa masing-masing atribut ini memiliki pasar tersendiri, dan bahwa harga masing-masing atribut ditentukan oleh permintaan dan penawarannya. Contoh atribut ini termasuk jumlah ruangan, ukuran lahan, jumlah kamar mandi, dan sebagainya.
Aset real estat merupakan barang yang heterogen, yang membuatnya hampir tidak dapat diulang dan unik. Kita dapat mengamati harga pasar sebuah properti, tetapi kita tidak dapat membedakan harga marginal dari atribut-atribut yang menyusunnya. Oleh karena itu, diperlukan untuk menentukan harga implisit atau kontribusi dari masing-masing atribut ini (yaitu, harga hedonik). Indeks harga menggunakan harga transaksi yaitu :
1. Memodelkan nilai properti real estat sebagai fungsi dari karakteristik tertentu dari properti tersebut.
2. Menggunakan sampel harga yang diamati dari transaksi terbaru untuk menyesuaikan parameter model penilaian real estat; yaitu, menentukan harga implisit dari setiap atribut.
3. Menggunakan parameter penilaian yang diperkirakan untuk memperkirakan nilai properti yang ada dalam indeks tetapi tidak melakukan transaksi.
Sebagai contoh yang sangat sederhana, model properti kantor dapat dinilai menggunakan model dengan dua variabel: ukuran (kaki persegi dari ruang) dan kualitas (Kelas 1, 2, atau 3).
Data tentang transaksi properti kantor terbaru dicatat dengan harga jual, ukuran, dan Kualitas Properti Real Estat 387
TAMPILAN 15.6 Harga Hipotetik, Ukuran, dan Kualitas dari Enam Properti Kantor
Harga Jual Ukuran (Sq. Ft.) Kualitas
Kantor A $110,000 840 3
Kantor B $145,000 1,155 2
Kantor C $152,000 1,035 1
Kantor D $133,000 970 Variabel independen yaitu ukuran dan kualitas. Kemudian hitung logaritma natural (ln) dari harga, dan gunakan itu sebagai variabel dependen karena memberikan estimasi yang lebih baik saat memperkirakan regresi hedonik. Persamaan regresi yang diperkirakan yaitu sebagai berikut (perhatikan bahwa t-statistik berada dalam tanda kurung):
ln(Harga) = 11.13151 + 0.000918 × Ukuran − 0.1159316 × Kualitas
(3.06) (−1.86)
R2 dari regresi yaitu 0.95, dan variabel ukuran serta kualitas memiliki tanda yang diharapkan dan secara statistik signifikan pada tingkat 5% dan 10%, masing-masing. Mari kita anggap bahwa kita perlu memperkirakan harga dari kantor baru, G, yang memiliki tipe kualitas 2 dan luas 1.020 kaki persegi. Menggunakan persamaan yang diperkirakan, kita mendapatkan:
ln(Harga) = 11.13151 + 0.000918 × 1.020 − 0.1159316 × 2
ln(Harga) = 11.8360068
Dengan menghitung eln(harga), kita mendapatkan perkiraan harga untuk kantor G:
e^14.124391 = $138.136
15.7.2.2 Lima Keuntungan dari Model Penetapan Harga Hedonik Ada lima keuntungan utama dari penetapan harga hedonik. dalam ruang dan kawasan yang dilindungi.
15.7.2.3 Enam Kekurangan Model Penetapan Harga Hedonik Ada enam kekurangan utama dari model penetapan harga hedonik:
1. HPM memerlukan sejumlah besar data tentang beberapa variabel hedonik (baik internal maupun eksternal). Pengumpulan data ini bisa mahal dan memakan waktu.
2. Seperti dalam kasus model penjualan ulang, HPM juga dapat mengalami bias pemilihan sampel. Ini terjadi ketika properti yang dijual tidak mewakili seluruh univers properti. Misalnya, bias pemilihan sampel akan muncul jika, dalam pasar yang normal, pemilik properti dengan nilai yang meningkat cenderung menjual properti mereka, sementara pemilik properti dengan nilai yang menurun cenderung tidak menjual properti mereka.
3. HPM terpapar kesalahan spesifikasi. Artinya, semua atribut properti mungkin belum dimasukkan ke dalam model.
4. HPM mengasumsikan bahwa semua orang sudah tahu sebelumnya tentang potensi eksternal positif dan negatif yang muncul ketika Tingkat harga pada beberapa properti real estat untuk menyimpulkan tingkat harga pada semua properti real estat. Indeks penjualan ulang menggunakan perubahan harga yang diamati pada beberapa properti real estat untuk menyimpulkan perubahan harga pada semua properti real estat. Keandalan kedua pendekatan ini tergantung pada akurasi model, termasuk efek perbedaan properti dan perbedaan waktu.
Indeks Real Estat dan Teknik Penyikapan 389
TBI NCREIF yang dikembangkan oleh MIT yaitu contoh dari keluarga indeks real estat yang diperkirakan menggunakan model harga hedonik tetapi memiliki kesamaan dengan indeks metode penjualan ulang. Indeks ini didasarkan pada basis data Indeks NCREIF dan dengan demikian merupakan indeks real estat institusional. TBI melakukan regresi harga transaksi dari properti yang dijual dari basis data Indeks Properti NCREIF terhadap nilai taksiran terbaru mereka dan variabel dummy waktu. Indeks ini menggabungkan Indeks Properti NCREIF (yang berbasis pada taksiran) dengan koefisien dummy waktu regresi dan dengan demikian mencerminkan perbedaan. Indeks properti cenderung menjadi sangat parah untuk properti komersial karena jumlah properti komersial biasanya kecil dan jumlah transaksi dalam periode waktu tertentu bahkan lebih sedikit. Efek dari acak pada atribut sampel cenderung lebih besar ketika sampel kecil.
Ada alasan lain untuk khawatir tentang bias pemilihan sampel selain dari ide bahwa sampel properti dengan transaksi akan menyimpang dari seluruh properti karena acak. Seperti yang diungkapkan oleh Haurin (2005),
"Di pasar yang normal, nilai riil (yaitu, nilai yang telah disesuaikan) dari beberapa properti akan meningkat sementara yang lainnya mungkin menurun. Jika pemilik properti dengan nilai yang menurun cenderung memilih untuk tidak menjual properti mereka, sementara pemilik properti dengan nilai yang meningkat cenderung memilih untuk menjual (atau sebaliknya), maka sampel properti yang ditransaksikan jelas tidak acak dan memiliki bias terhadap hasil harga tertentu." indeks real estat di dunia didasarkan pada harga pasar sekuritas real estat. Indeks real estat dapat berbeda dalam hal apakah indeks tersebut berdasarkan nilai (harga) atau total imbal hasil (termasuk pendapatan). Indeks yang berdasarkan total imbal hasil juga dapat berbeda dalam hal apakah imbal hasil tersebut bruto atau neto setelah biaya.
15.8.1 Indeks Properti Perumahan atau Real Estat Residensial
Investor institusi memiliki minat investasi yang terbatas dalam ekuitas real estat residensial selain dari properti multifamily (yaitu, gedung apartemen, yang biasanya diklasifikasikan sebagai komersial). Namun, harga real estat residensial membantu dalam analisis hipotek residensial dan menyediakan data ekonomi yang berguna dalam analisis ekonomi umum dan real estat. Selain itu, derivatif dapat digunakan untuk memberikan investasi institusi dalam ekuitas real estat residensial. Oleh karena itu, indeks real estat residensial termasuk dalam Lampiran 15.7.
Sebuah jenis indeks properti residensial yang populer tetapi primitif. Di dalam suatu wilayah tertentu, diukur dan digunakan untuk menginferensikan perubahan dalam tingkat indeks untuk wilayah tersebut. Keluarga indeks ini telah dihitung setiap bulan sejak Januari 1987. Opsi dan futures yang berdasarkan indeks S&P/Case-Shiller diperdagangkan di Chicago Mercantile Exchange.
15.8.2 Indeks Tanah Pertanian dan Hutan
Indeks Tanah Pertanian NCREIF (yang tidak ditampilkan dalam Exhibit 15.7) yaitu indeks berbasis penilaian kuartalan yang mengukur kinerja investasi dari kumpulan besar properti pertanian individual yang diperoleh di pasar swasta hanya untuk tujuan investasi. Hanya properti pertanian yang menghasilkan pendapatan yang termasuk dalam indeks. Menurut NCREIF, semua properti dalam Indeks Tanah Pertanian telah diperoleh, setidaknya sebagian, atas nama investor institusi yang dibebaskan dari pajak, mayoritas besarnya yaitu dana pensiun. Dengan demikian, pengembalian mencerminkan properti yang dipegang dalam lingkungan fiduciary. Here is the translation of the text into Indonesian:
Indeks Tahunan Semua Properti IPD UK Komersial Privat
Indeks Penilaian Komersial Privat UK FTSE NAREIT Semua Saham REIT
Indeks REIT Komersial Pasar AS
Indeks Properti NCREIF (NPI)
Indeks Penilaian Komersial Privat AS
Indeks Berbasis Transaksi NCREIF (TBI)
Indeks Hedonik Komersial Privat AS
Indeks Harga Rumah Nasional S&P/Case-Shiller AS
Indeks Penjualan Ulang Residensial Privat AS
Indeks Penjualan Ulang Komersial Privat CoStar
Indeks Harga Properti Komersial Green Street Advisors AS
Indeks Komersial Campuran Privat AS ∗
∗ Mencerminkan valuasi berdasarkan analisis profesional mengenai properti yang dimiliki oleh REIT ekuitas yang terdaftar.
392 BAGIAN 3: ASET RIIL
Indeks Hutan NCREIF (tidak ditampilkan dalam Pameran 15.7) yaitu indeks triwulanan yang mengukur kinerja investasi dari investasi hutan institusional. Untuk memenuhi syarat dalam indeks, sebuah properti harus dimiliki dalam lingkungan fidusia dan dinilai pasar setidaknya sekali dalam setahun. Kurangnya penilaian triwulanan untuk Keluarga indeks kinerja REIT yang mencakup berbagai sektor ruang real estat komersial di AS. Konstituen dari Indeks Komposit FTSE NAREIT diklasifikasikan sebagai REIT ekuitas (yang sebagian besar memiliki properti real estat dalam bentuk bangunan) atau REIT hipotek (yang sebagian besar memiliki utang real estat). REIT ekuitas dapat dibagi lebih lanjut berdasarkan sektor properti: industri/kantor, ritel, perumahan (apartemen dan rumah pabrikan), terdiversifikasi (spesialis), akomodasi/resor, perawatan kesehatan, penyimpanan mandiri, dan kayu. Sektor industri/kantor dan ritel dibagi lebih lanjut menjadi tiga subsektor masing-masing. Indeks ekuitas real estat publik lainnya yang banyak digunakan (tidak ditampilkan di Tampilan 15.7) yaitu Indeks Komposit REIT S&P AS, Indeks Trust Investasi Real Estat Dow Jones Wilshire (DJW REIT), Indeks Sekuritas Real Estat Dow Jones Wilshire (RESI), dan Indeks REIT MSCI AS. Berikut yaitu beberapa indeks REIT yang tersedia di sekitar berbagai jenis sekuritas hipotek komersial yang didukung (CMBS). Indeks Real Estat dan Teknik Unsmoothing 393 15.9 KINERJA INDEKS REAL ESTATE Dengan berbagai macam indeks real estat yang tersedia, penting bagi para investor untuk memahami kinerja, risiko, dan pendorong pengembalian dari indeks-indek
.jpg)
