在制造业中,与存货有关的成本主要有这么几类:
1、购置成本=年需要量*单价,一般来讲都是土地价格,建安成本,营销费用,大配套费等各种税费
2、订货成本:制造业中分为订货固定成本和订货变动成本,而房地产此项几乎为零。并不会因为你一次买地还是多次买地会有跟次数有关的额外成本。
3、储存成本:
1储存固定成本,与存货占用量无关。地产公司的存货基本上不涉及仓储成本啊,损耗率啊,变质啊,灭失啊等等传统非不动产商品会面临到的储存固定成本。
2储存变动成本,与存货占用量有关。由于地产行业的房子,不涉及到仓储成本或者变质毁损的成本,所以此处的储存的变动成本主要是指货值占用的资金成本。
一般的商贸企业,年存货购置成本*年资本成本率=变动储存成本。
但是地产行业变动成本是按照“开盘几栋楼座”来决策生产节奏的,所以单体楼座就成为最小计量单位。
4、缺货成本:在行情好的时候,因没有供货,损失的机会成本。
地产行业几乎没有什么长期资产,所有的土地储备,楼房存货,都可以看成流动资产,因为本来政府就是要求土地要在获取之后2年内开工建设的,所以说——
拿地政策和开工节奏就成了营运资本管理里面的投资的策略。只需考虑持有成本和短缺成本之和最小就可以了。
持有成本的计算很容易理解,就是上面所说的储存变动成本。用占压资金乘以资金成本率得到。
但是不好计算的是缺货成本。
一般来讲,对于一般的制造业来说,财务成本管理对此处的解决方案是求解TC(S,B):
TC(S,B)=Ku*S*N+Kc*B
如果一套房子(一个单位),在一年当中,有一个客户需要,但是因为你“缺货”,则损失的机会成本(该赚而没赚的钱)为Ku,假设一套房子综合成本100万,开发商卖110万,开发商赚10%,也就是赚10万,那么缺货成本Ku=10万,此时发生了掉货.
一次订货缺货量为S,一会会通过表格逐步测试进行计算。
年开盘次数为N,如果每次开盘提供的楼栋包含Q套房子,一年成交量预计为D套房子,那么:
N=D/Q
假设Q=100,D=120,那么N=保险储备量为B,也就是说,为了避免缺货,我要储备点货值。
单位存货储存成本为Kc,这里主要指建造一套房子,所花费的综合成本,我们预设是100万,我的资金成本是8%,那么Kc=100*8%=8万。
再拿地点R的含义:企业再次有扩张买地需求时尚有存货的库存量。
再拿地点R=L×d=交货时间(月)×每月需求量
一个典型的楼盘大概的工期安排为下图:
也就是说,L为6-8个月。
我们把条件放的宽松一些,假设拿地到开盘按照10个月考虑(一个固定数),而月均需求量的范围是7~13套房子,主观估计一下月均需求量为10套房,一年就卖120套房,D为120套。Q其实不是一个开发商能够进行控制的数字,而是根据所拿地块的土地面积和容积率综合确定的。在土地出让条件公布出来之前,开发商是不太容易确定这个地块的Q的。
当然,一二级联动的项目或者收并购的项目就会有例外。在长期跟进土地的过程中,总会有工地条件的端倪。
但是从拿地到开盘,由于政府可能并不一次性同意开发商对小区的规划,中间可能会发生很多变故,所以说交货时间L是一个变数,如果月均需要量为10套是一个固定数,那么下面的表格是成立的:
需要量L*d
70
80
90
100
110
120
130
概率P
1%
4%
20%
50%
20%
4%
1%
假设这10个月的需要量满足一个正态分布,如上面表格所示,最可能的销售量是100套,概率为50%,期望值为:
L×d=70×××××××套)
往两边都会越来越低——行业景气度超级低迷的可能性比较小(卖不出去房子),超级景气的可能性也比较小(房子特别好卖)。
当然,在现实实操中并不容易将这个需求量的概率表列出来,可能要通过多个营销总监发挥集体智慧,一人一票,然后根据可信度加权的方式把这个表“主观地”求解出来。
在瑞达里欧《原则》一书中,桥水基金凡是涉及到对未来的判断从而影响到决策的时候,最终都不是某个领导一人独断拍脑门决定的,而是人手一个APP,在这个APP中,对每一个决策每个人都有投票权,你的判断会如实记录,当复盘的时候,你的投票如果和实际一致,那么他的“可信度”就会有一定程度的提升,你对的次数越多,你累积的类似于“信用”的东西就会越多,你的“可信度”就会升高,那么你在下一次做决策时表达意见所占的权重就会提高(有没有点贝叶斯更新的意思?)。当群体的智慧用可信度加权的方式得到一个期望值,那么我们就直接用这个期望值就好了。
只有领导一个人的意见时,那些原本不大的噪音就被放大,以至于会淹没信号。相反,如果每一个人都把自己主观的意见说出来,虽然每一个人有偏见,也就是说噪音,但是合在一起我们就得到了大众想法的轮廓。
所以说我们应该鼓励员工讲真话,把自己主观的意见说出来。
这个逻辑其实有点像PMI指数:
PMI指数的英文全称为Purchasing Managers' Index,中文意思是采购经理指数,是通过对采购经理的月度调查汇总出来的指数,能够反映经济的变化趋势。PMI每项指标均反映了商业活动的现实情况,综合指数则反映制造业或服务业的整体增长或衰退。调查采用非定量的问卷形式,被调查者对每个问题只需做出定性的判断,在(比上月)上升、不变或下降三种答案中选择一种。进行综合汇总就是统计各类答案的百分比,通过各指标的动态变化来反映经济活动所处的周期状态。制造业及非制造业PMI商业报告分别于每月1号和3号发布,时间上大大超前于政府其他部门的统计报告,所选的指标又具有先导性,所以PMI已成为监测经济运行的及时、可靠的先行指标。每个月去问一些经理人, 对于下个月你所在的行业景气的判断。为什么要问他们呢?因为这些人熟悉自己的企业状况,特别是自己的采购、销售、库存状况,所以他们可以提供给你关于这个行业的信息。在我国,关于PMI指数你会听到两个,一个是国家统计局公布的指数,另外一个是财新的指数。如果你要在市场上看到这两 个PMI的话,财新的PMI可能反映中小企业 的情况比较多,而国家统计局公布的可能是一个更加平均化的状况。
仿照这个逻辑,我们也可以用“营销人员指数”来替代拍脑门判断未来房价及成交量的判断决策。
或者真的有大数据系统,通过观察数据趋势,预测一下接下来10个月到底能卖多少房子?
比如说,如果能够买到安居客或者链家地产或者百度的搜索指数(反应广大人民群众对购房的需求),和当月成交量做统计分析,就能从中看出一点点市场透露出来的端倪。
市场不是铁板一块,它是很多人组成的。所谓的市场预期是一个平均的预期,综合了很多人的观点。比如说经济学家,还有企业家,甚至普通的老百姓。市场里面其实是有很多的关于预期 的数据库的。关于宏观经济形势,每个月、每个季度都会有很多问卷调查,去问一些经济学家对于下个月、下个季度甚至下一年的宏观形势的预判,然后把它们汇总成一个平均的观点。比如说,你觉得明年的GDP会是多少?或者你觉得明年的CPI大概是多少?把他们的观点算一个平均值,然后给出一个市场预期值。市场上影响比较大的数据库,包括国内的 Winds CIC,国外的OECD、彭博、路透社等等。行业方面也有类似的数据库。在单个企业方面,往往是上市公司才有这 样的数据,现实中对于较大的上市公司, 会有很多的分析师去跟踪,定期发布报 告,报告里面就会给出下个季度、下个年度的预测,包括这些企业的销售、盈利、 现金流等等。这时候,很多大的数据公司 就会收集这些数据,建立一个数据库,著名的包括Wind、Capital IQ、国泰安的 CSMAR,还有巨潮等数据库。市场的预期其实就是一个市场平均观点,然后数据库会把它们的平均观点给公布出来。人们的观点是有误差的,而由此形成的预期也就有偏差的时候。在经济好的时候,人们就普遍倾向于乐观,有时候你会有意识地忽略那些经济其实已经开始变坏的迹象,就形成了过于乐观的预期。所以你会经常发现,在经济上行的时候,给出来的市场预期往往是偏高的。那反过来讲,经济形势不好的时候,就容易过于悲观,这时候的预期是偏低的。从这个角度看,预期有时候不是往前看, 而是往后看,是一个过去经济形势和市场情绪的反映。市场预期其实给你的是一个参考值。
这里面有一个资金方面的错位,那就是很多时候开盘时,不是所有的楼栋都开工建设,而是陆续供货,也就是说,如果一个小区12栋楼,那么我先开3栋楼,卖完了继续开6栋楼,最后尾盘再开3栋楼。这是当前市场环境造成的,要小步快跑,要进行一栋楼一栋楼地供货,这样才能减少建安成本的投入(当然土地成本是很早就交给政府了)。但是这里为了简化计算,我们暂且忽略陆续生产供货给成本带来的影响,而是假设只要拿了一块地,那么就在第一次开盘时全部生产出来(达到预售部位)。
Ku=10万,Kc=100*8%=8万
当保险储备B=0时,
一次订货缺货量S0=(110-100)×××套)
TC(S,B)=10×××8=10*万元)
(2)设B=10,R=100+10=110(套)
一次订货缺货量S10=(120-110)××件)
TC(S,B)=KU×S×N+B×KC=10×××8=10*万元)
(3)设B=20,R=100+20=120(件)
一次订货缺货量S20=(130-120)×件)
TC(S,B)=10×××8=10*万元)
(4)设B=30,R=100+30=130(件)
此种情况下可满足最大需求,不会发生缺货,
S30=0(件)
TC(S,B)=30×8=240(万元)
结论:保险储备量为0套,或者说应确定以100套为再拿地点。
在制造业中,最好的节奏是JIT,just in time,有多少订单生产多少,买了就刚好有货。
但是难道房地产企业实现不了JIT,我们就要自暴自弃地拍脑门去决策今年到底要卖多少吗?
