Prévision des investissements: Art et science

Les acteurs du marché conviennent qu'il s'agit d'une période étrange et difficile pour prévoir les valorisations, car nous sommes confrontés à un déluge d'informations quotidiennes sur tout, depuis les nouveaux indicateurs économiques et la diplomatie jusqu'au réchauffement climatique et au développement de l'IA. La tâche est aggravée par le manque de données de transaction et de compositions fiables. « Chaque jour, de nouvelles informations ou un nouvel événement doivent être pris en compte dans les valorisations, mais nous avons l'impression que nous ne disposons chaque jour d'aucune donnée sur laquelle travailler pour créer de bonnes prévisions », déclare Jorge Paredes, directeur principal, Advisory. chez Groupe Altus.

Dans ce paysage, les investisseurs en apprennent davantage sur « l’art » de la prévision. Dans le même temps, l’adaptation de la technologie progresse également à un rythme de plus en plus effréné. Quelles ressources les investisseurs utilisent-ils pour identifier les taux de capitalisation dans le marché volatil actuel ? Et quel avenir pour des prévisions plus automatisées ? Un panel d'experts de l'industrie a partagé ses stratégies et ses perspectives lors d'une session bien intitulée Prévisions d'investissement : art et science lors du récent Altus Connect 2023.

Le plus grand défi dans toutes les classes d’actifs est l’absence d’un marché des capitaux d’emprunt fonctionnel, ce qui a indéniablement limité les achats et les ventes. Le secteur des bureaux est confronté à une incertitude accrue en raison des changements séculaires ayant un impact sur la demande d'espace. Historiquement, la détermination des valorisations a été un exercice relativement simple, dans le sens où les ventes étaient toujours nombreuses. Les investisseurs ont pu voir où évoluaient les tendances, si les rendements baissaient à mesure que les taux d’intérêt baissaient et où évoluaient les loyers. "Ces points de données sont très rares aujourd'hui, et cela a vraiment un impact à la fois sur l'établissement de marques sur les actifs existants pour les fonds à capital variable et, séparément, sur la souscription de tout nouveau", déclare Kevin Kujawski, associé, président et COO chez Menlo Equities, une société d'investissement en capital-investissement.

Grâce aux nouveaux produits technologiques et à un afflux de sources de données disponibles pour aider à élaborer des projections, les méthodes de prévision se sont améliorées et mieux. Ils n’ont jamais été tout à fait exacts, mais la tendance était généralement bonne, note Tal Peri, vice-président senior et responsable de la côte Est des États-Unis et du Latam chez Union Investment Real Estate, le plus grand fonds à capital variable d’Allemagne avec environ 60 milliards de dollars d’actifs sous gestion à l’échelle mondiale. Cependant, les prévisions ne pouvaient pas prédire des événements tels que le COVID, ni le fait qu’un métro attirerait un employeur majeur comme Tesla ou Amazon. Dans une certaine mesure, il y a toujours des événements imprévus qui se produisent en dehors des données et qui peuvent modifier les prévisions. Cependant, la pandémie a vraiment amplifié ces événements. Par exemple, la demande en matière de commerce électronique a explosé pendant la pandémie. "La prévision devient donc davantage un art, mais la vitesse de tous ces changements est si extrême", ajoute Peri.

L'art et la science jouent un rôle

Certains soutiennent que la science devient encore plus importante en l’absence d’un volume d’études fiables. « Dans des moments comme ceux-ci, nous devons nous appuyer davantage sur la science et moins sur l'art », déclare Heidi Learner, responsable de l'innovation chez Groupe Altus. « Nous avons tous moins de composants sur lesquels compter, mais peut-être que grâce à notre travail historique, nous pourrons déterminer le modèle dont nous disposons », dit-elle. Par exemple, peut-être qu'une maquette n'est pas très bonne parce qu'elle se trouve dans un quartier à 16 km ou qu'elle a 20 ans de plus que l'actif évalué. "Nous pouvons en fait modéliser l’impact de ces fonctionnalités et parvenir à une résolution en l'absence de beaucoup de données de transaction », dit-elle. "Ce n'est pas du tout parfait, mais le recours aux modèles devient plus important."

Un autre exemple est de pouvoir regrouper certains des points de données qui entrent dans vos modèles ARGUS ou vos modèles DCF et de s'appuyer sur cette science pour recueillir des informations permettant de mesurer ce qui détermine l'écart entre un prix de transaction et une valorisation. Les investisseurs peuvent se tourner vers d'autres variables des marchés de capitaux pour expliquer une partie de cet écart de prix, comme les opinions quotidiennes sur l'évolution du crédit, de la volatilité et des attentes en matière de taux d'intérêt. « En exploitant certaines de ces données et en nous tournant un peu plus vers la science, cela peut nous aider dans des périodes peu liquides comme celle-ci », explique Learner.

Les investisseurs privés recherchent des indices de valorisation dans ce qui se passe sur les marchés publics et dans la forte baisse des valorisations survenue au sein de nombreux REIT. Cependant, les évaluateurs continuent de dire que les valeurs ont légèrement augmenté parce que le NOI a flotté et que les taux de capitalisation sont relativement les mêmes. « Lorsque vous regardez certains des autres indices de référence, qu'il s'agisse de l'ODCE ou de la performance des REIT non négociés, ils ne nécessitent pas beaucoup d'ajustements à la baisse pour le moment. Il y a donc actuellement de grandes disparités sur le marché", ajoute Kujawski.

À la fin de l'année dernière, l'une des choses que Menlo Equities a examinées pour mieux comprendre les valeurs du portefeuille de son fonds à capital variable était l'endroit où les valeurs et les écarts se situaient à leur niveau d'avant la pandémie, lorsque le taux du financement à un jour se situait entre 2,5 et 2,75 % (avant la pandémie). La Fed a commencé à réduire ses taux). Cela a entraîné quelques ajustements marginaux des valorisations des actifs. Un autre défi en matière de prévision concerne l’évolution de la croissance des loyers. Compte tenu de la vacance fantôme, même sur des marchés robustes comme la Silicon Valley et Austin, il va y avoir une certaine pression à la baisse sur les loyers, note Kujawski. « L'ancienne méthode consistant à garantir une croissance des loyers de 3 % ne tient probablement pas. Je pense donc que c'est une période très difficile pour simplement extraire des données, en particulier des données historiques, les soumettre à un modèle et arriver à une évaluation. Je pense qu’il y a beaucoup d’art nuancé », dit-il.

Il est également important, lorsque vous consultez les feuilles de calcul, de savoir ce qu’il y a derrière, ajoute Peri. Par exemple, l’achat d’un immeuble peut se résumer à deux enchérisseurs finaux. Si l’enchère gagnante est 0,2 % supérieure à la deuxième enchère, il s’agit d’un marché très efficace. Si l’enchère dépasse 10 %, c’est une autre histoire. Il est important sur ce marché d’examiner l’histoire derrière la composition, explique Peri. Quelle est la source de capital et le financement utilisé dans la transaction ? Les investisseurs ne veulent pas être induits en erreur simplement en croyant en un chiffre et en payant ce même chiffre. « Les données peuvent être utiles, tout comme la technologie », déclare Peri. Cependant, il s'agit parfois d'appeler les gens pour en savoir un peu plus sur cette histoire afin de donner un sens à la composition et à ce qui a contribué à ce prix, ajoute-t-il.

ChatGPT peut-il automatiser la valorisation ?

Les investisseurs trouvent différentes manières de combler les lacunes en matière de données. Il est important de garder à l’esprit qu’il existe un environnement de marché des capitaux mondial, ajoute Learner. Par exemple, il se peut qu'il n'y ait que quelques points de données pour les immeubles multifamiliaux de Miami, mais l'ensemble des investissements ne se limite pas à Miami. En examinant les ventes sur d'autres marchés en tenant compte de l'offre, les investisseurs peuvent regrouper et standardiser ce qui pourrait être un ensemble de données limité, explique Learner. Par exemple, vous pouvez examiner les ventes par rapport au taux de financement au moment de la transaction. « Il est donc toujours possible de relier les points. Il s'agit simplement d'utiliser un pool de points plus large que celui dont nous disposions auparavant », explique Learner.

Dans un marché où l’IA alimente des avancées significatives en matière de données et d’analyses, la modélisation automatisée de la valorisation deviendra-t-elle une réalité dans un avenir pas trop lointain ? Il fut un temps où les gens faisaient simplement des calculs « à l’envers », note Peri. Puis sont arrivés Excel et ARGUS et les gens sont devenus beaucoup plus intelligents. La réalité est que les investisseurs acquièrent généralement des actifs dans le cadre d’une offre concurrentielle. Si deux investisseurs enchérissent sur la même transaction et que chacun a la même évaluation automatisée, à un moment donné, l’un devra décider qui surenchérira sur l’autre. "En tant qu'investisseur, vous devez toujours savoir comment le digérer, le lire et déterminer où vous vous arrêtez dans l'offre sur un actif", dit-il.

Certaines des applications d'automatisation sont très réalistes, notamment l'utilisation de la technologie pour automatiser certains des processus les plus manuels, tels que la collecte de compositions. L’un des défis de l’immobilier est qu’il existe encore de nombreuses informations qui sont étroitement conservées et, par conséquent, ne sont pas rendues publiques ni facilement accessibles. « Si nous pensons aux informations dont nous disposons chez Altus, le fait de pouvoir récolter nos propres ensembles de données internes et d'extraire ces données peut rendre notre processus beaucoup plus intelligent en termes de meilleure utilisation de nos propres données et de les compléter avec certaines des informations dont nous disposons chez Altus. les données qui sont accessibles au public », explique Learner.

Le secteur dispose de davantage de connaissances scientifiques pour faciliter la prévision des valorisations et de davantage de progrès qui s'orientent vers un avenir où l'évaluation automatisée est possible. « Il ne s'agit peut-être pas d'un modèle d'évaluation automatisé, mais peut-être d'un modèle d'évaluation augmenté, enrichi à la fois par la technologie et par l'intervention humaine », ajoute Learner. "Parce que nous ne sommes pas encore au point où nous pouvons nous en passer, de la même manière que nous ne sommes pas encore au point où nous pouvons nous en passer avec les automobiles sans conducteur."