JP2010225103A - 投資収支リスク分析方法、プログラム、及び、投資収支リスク分析装置 - Google Patents

Abstract

【課題】商業施設の特性を捉えた、投資収支リスク分析が可能な投資収支リスク分析装置等を提供する。
【解決手段】投資収支リスク分析装置１００を、分析対象物件ファイル２４０等を記憶する記憶部１２０、この記憶部１２０から読み出したデータを基に、面積あたりの賃料モデルを構築する賃料モデル構築部１０、稼働率モデルを構築する可動率モデル構築部２０、分析対象物件の賃料収入をシミュレーションする賃料収入シミュレーション部３０、分析対象物件別に売上高を予測する売上高予測部４０、賃料収入の実現可能性を判定する賃料収入実現可能性判定部５０、賃貸事業費用算定のための各種関数を構築する賃貸事業費用関数構築部６０、賃貸事業ＮＣＦをシミュレーションする賃貸事業ＮＣＦシミュレーション部７０、賃貸事業のリスク評価指数を算定する賃貸事業リスク評価指数算定部８０、及び、分析結果を表示する分析結果表示部９０から構成する。
【選択図】図１

Description

本発明は、投資収支リスク分析方法、プログラム、及び、投資収支リスク分析装置に関する。

従来、商業施設を含む不動産投資判断を行うために、コンピュータを用いた支援システムが開示されている（例えば、特許文献１参照）。この特許文献１に記載の「賃料算定手段とキャップレート算定手段を含む不動産投資判断支援システム」は、以下のような方法で不動産投資リスクの判定を行っている。

（１）投資収支リスクの内容
特許文献１に記載のシステムでは、クラス別ビルインデックス（候補物件が属する投資適格度のビル群の収益性の推定データ）を利用してオフィスビルの将来の収益性の変動リスクを分析している。ここで、投資適格度（ビルスコア）とは、オフィスビルの立地エリアの競争力（エリア評価）と、オフィスビルの周辺立地条件、ビルグレード、貸室グレード、設備グレード、賃貸状況、管理状況といったビル自体の競争力（ビル属性評価）を総合して投資対象としてのオフィスビルを評価したものである。ビル属性評価には、商業業務地としての成長性等が含まれている。

（２）投資収支リスク評価の目的
特許文献１に記載のシステムでは、不動産証券化のための、ビルスコアに応じたキャップレート（要求利回り）を決定するとともに、下記式（ｘ）で示すように、投資物件の収益をキャップレートで除算することで計算される適正投資価格、その変動リスク、および、デットの発行比率（ＬＴＶ）の上限を設定することが目的となっている。キャップレートは、ビルスコア（投資適格度）とキャップレート（要求利回り）とを関係付ける関数をＦ１としたとき、次式（ｘ）により算出され、算出されたキャップレートを基に、適正投資価格は、下記式（ｙ）により算出される。

キャップレート＝Ｆ１（ビルスコア） （ｘ）
適正投資価格 ＝ 投資物件の収益／キャップレート（又は投資収益率） （ｙ）

上記式（ｘ）におけるビルスコアとキャップレートとの関係（Ｆ１）として、ビルスコアの評価の低い物件が現実の市場動向では一般的にキャップレートが高くなり、逆に、格上の物件でビルスコアの評価が高いものの場合、キャップレートは低くなる傾向にあることが特許文献１の図２のグラフに示されている。すなわち、ビルスコア（投資適格度）と要求利回り（キャップレート）との間には、逆相関の関係が成立していることが実証的に示されている。

（３）投資収支リスクの評価手法と、その性質
また、特許文献１に記載のシステムでは、クラス別ビルインデックスを利用して、ビルスコアごとの投資収益率から、その時系列トレンドを把握し、それを投資収益率の変動（投資収支リスク）として捉えている。ここで、クラス別ビルインデックスとは、契約賃料、取引事例といった現実の市場において成立した事例を採用することにより市場実勢を反映した不動産投資収益率の時系列トレンドを把握するとともに、不動産の収益性、価格形成に影響を与える要因を各不動産ごとに網羅的に検討することにより、ある一定の特性を持ったビル群にカテゴリー分けし、各ビル群ごとの投資収益率のトレンドを把握するものをいう。

特開２００２−５６１９２号公報

しかしながら、前出の式（ｙ）からわかるように、投資収益率は、投資収益を不動産投資価額で除算したものなので、不動産時価変動の影響を直接受けることになる。したがって、投資収益自体が変動しなくても、不動産時価が変動すれば、投資収益率は変動するので、当該技術の評価する投資収支リスクは、以下に示すような理由で、必ずしも、投資収益自体の変動リスクとはいえないという課題があった。

まず、当該技術では、ビル物件投資を中心とした投資収益率の予測技術であり、商業施設投資収支リスク分析には適なさい。すなわち、特許文献１に記載のシステムでは、もともと不動産証券化を最終目的として、オフィスなどのビル物件投資を念頭に置いた、物件ごとの投資収益率を予測する技術であり、その予測機能の一変数として、商業業務地としての成長性を含めているのみである。商業施設は、テナント店舗からの賃料収入が収益の柱であり、賃料収入の額は、テナント店舗の売上高に対して一定の水準となる特徴がある。したがって、商業施設の賃料収入のモデル化には、その立地や地域の消費特性などを考慮した売上高予測が必要となるが、特許文献１に記載のシステムでは、この要素を欠いており、商業施設の賃料を適切に予測できるとはいえない。

また、当該技術は、不動産物件の適正価格とその変動を予測する技術であり、商業施設の収益性リスク自体を評価するものではない。すなわち、特許文献１に記載のシステムは、商業施設の証券化を目的とした、物件の適正価格と、その将来的な変動を予測する技術であり、信託銀行などの金融機関による利用を仮定したものである。商業施設に対して大型設備を長期リースする電力会社やリース会社は、債権回収の視点から、その商業施設の収益性（ネット・キャッシュ・フローと言い換えてもよい）およびその変動リスクに注視する必要があるため、こうした企業にとっては、このようなシステムは、必ずしも有用とはいえない。

さらに、当該技術は、不動産投資収益率インデックスの時系列トレンドから、投資収益リスクを捉えているため、不動産価格の変動が反映されており、投資物件からのネット・キャッシュ・フローの変動リスク（収益性リスク）を把握できない。すなわち、特許文献１に記載のシステムは、クラス別ビルインデックスと呼ばれる、不動産の投資収益率インデックスにおける時系列トレンドから、物件の投資収益率リスクを捉えるものである。当該インデックスにおける不動産の投資収益率は、不動産物件からの収益（ネット・キャッシュ・フロー）を、当該物件の時価で除したものなので、投資収益率の変動リスクは、不動産価格の変動に直接影響されるものである。このため、特許文献１に記載のシステムによる収益性リスク分析は、商業施設の収益性リスク（ネット・キャッシュ・フロー）自体を把握することができない。したがって、長期の設備リースを行う事業会社や、ノンリコース・ローンを行う金融機関など、商業施設の収益性リスクに関心を寄せる利用者にとっては、活用が難しくなっている。

本発明はこのような課題に鑑みてなされたものであり、商業施設の特性を捉えた、投資収支リスク分析が可能な投資収支リスク分析方法、プログラム、及び、投資収支リスク分析装置を提供することを目的とする。

前記課題を解決するために、本発明に係る投資収支リスク分析方法は、処理部を有し、商業施設と投資物件情報とが記憶される商業施設物件ファイル、面積当たりの賃料モデルが記憶される賃料モデルファイル、店舗の稼働率モデルが記憶される可動率モデルファイル、物件ごとの物件情報と投資収支リスク分析結果とが記憶される分析対象物件ファイル、賃貸事業費用を算定するための関数が記憶される賃貸事業費用関数ファイル、商業施設の属性情報が記憶される商業施設地域別ファイル、地域の家計支出が記憶される家計支出ファイル、及び、物件の売上高と賃料との比率の適正値が記憶される売上高賃料比率ファイルを記憶する記憶部にアクセス可能なコンピュータにより実行される投資収支リスク分析方法であって、処理部により、商業施設物件ファイルから賃料と店舗面積とを読み出し、面積あたりの賃料モデルを構築して、賃料モデルファイルに書き出す賃料モデル構築処理と、商業施設物件ファイルから稼働率を読み出し、稼働率モデルを構築して、稼働モデルファイルに書き出す可動率モデル構築処理と、賃料モデルファイルから賃料モデル構築処理で構築された面積当たり賃料モデルを読み出し、稼働率モデルから稼働率モデル構築処理で構築された稼働率モデルを読み出し、分析対象物件ファイルから物件情報を読み出して、分析対象物件ごとに賃料収入をシミュレーションし、得られた賃料収入シミュレーション値を分析対象物件ファイルに書き出す賃料収入シミュレーション処理と、分析対象物件ファイルから物件情報を読み出し、商業施設地域別ファイルから商業施設の属性情報を読み出し、分析対象物件ごとに売上高予測値を算出して、分析対象物件ファイルに書き出す売上高予測処理と、分析対象物件ファイルから賃料収入シミュレーション処理で算出された賃料収入シミュレーション値、及び、売上高予測処理で算出された売上高予測値を読み出し、賃料収入の実現可能性を判定するための賃料収入実現性指数を算出し、分析対象物件ファイルに書き出す賃料収入実現可能性判定処理と、商業施設物件ファイルから賃料収入及び賃貸事業費用を読み出し、賃貸事業費用を算定するための賃貸事業費用関数を構築し、得られた賃貸事業費用関数を賃貸事業費用関数ファイルに書き出す賃貸事業費用関数構築処理と、賃貸事業費用関数ファイルから賃貸事業費用関数構築部処理で得られた賃貸事業費用関数と、賃料収入実現可能性判定処理で得られた賃料収入シミュレーション値とを読み出し、物件ごとに賃貸事業ネットキャッシュフローをシミュレーションし、得られた賃貸事業ネットキャッシュフローシミュレーション値を分析対象物件ファイルに書き出す賃貸事業ネットキャッシュフローシミュレーション処理と、分析対象物件ファイルから賃貸事業ネットキャッシュフローシミュレーション処理で得られた賃貸事業ネットキャッシュフローシミュレーション値を読み出し、物件ごとに賃貸事業リスク評価指数を算定し、分析対象物件ファイルに書き出す賃貸事業リスク評価指数算定処理と、を含む。

なお、本発明に係る投資収支リスク分析方法をコンピュータに実行させるためのプログラムを作成することができ、このプログラムは、例えばフレキシブルディスク、ＣＤ−ＲＯＭ、光磁気ディスク、半導体メモリ、ハードディスク等の記憶媒体又は記憶装置に格納される。また、ネットワークなどを介してディジタル信号として配信される場合もある。このとき、中間的な処理結果はメインメモリ等の記憶装置に一時保管される。

また、本発明に係る投資収支リスク分析装置は、商業施設と投資物件情報とが記憶される商業施設物件ファイル、面積当たりの賃料モデルが記憶される賃料モデルファイル、店舗の稼働率モデルが記憶される可動率モデルファイル、物件ごとの物件情報と投資収支リスク分析結果とが記憶される分析対象物件ファイル、賃貸事業費用を算定するための関数が記憶される賃貸事業費用関数ファイル、商業施設の属性情報が記憶される商業施設地域別ファイル、地域の家計支出が記憶される家計支出ファイル、及び、物件の売上高と賃料との比率の適正値が記憶される売上高賃料比率ファイルを記憶する記憶部と、商業施設物件ファイルから賃料と店舗面積とを読み出し、面積あたりの賃料モデルを構築して、賃料モデルファイルに書き出す賃料モデル構築部と、商業施設物件ファイルから稼働率を読み出し、稼働率モデルを構築して、稼働モデルファイルに書き出す可動率モデル構築部と、賃料モデルファイルから賃料モデル構築処理で構築された面積当たり賃料モデルを読み出し、稼働率モデルから稼働率モデル構築処理で構築された稼働率モデルを読み出し、分析対象物件ファイルから物件情報を読み出して、分析対象物件ごとに賃料収入をシミュレーションし、得られた賃料収入シミュレーション値を分析対象物件ファイルに書き出す賃料収入シミュレーション部と、分析対象物件ファイルから物件情報を読み出し、商業施設地域別ファイルから商業施設の属性情報を読み出し、分析対象物件ごとに売上高予測値を算出して、前記分析対象物件ファイルに書き出す売上高予測部と、分析対象物件ファイルから賃料収入シミュレーション部で算出された賃料収入シミュレーション値、及び、売上高予測部で算出された売上高予測値を読み出し、賃料収入の実現可能性を判定するための賃料収入実現性指数を算出し、分析対象物件ファイルに書き出す賃料収入実現可能性判定部と、商業施設物件ファイルから賃料収入及び賃貸事業費用を読み出し、賃貸事業費用を算定するための賃貸事業費用関数を構築し、得られた賃貸事業費用関数を賃貸事業費用関数ファイルに書き出す賃貸事業費用関数構築部と、賃貸事業費用関数ファイルから賃貸事業費用関数構築部部で得られた賃貸事業費用関数と、賃料収入実現可能性判定部で得られた賃料収入シミュレーション値とを読み出し、物件ごとに賃貸事業ネットキャッシュフローをシミュレーションし、得られた賃貸事業ネットキャッシュフローシミュレーション値を分析対象物件ファイルに書き出す賃貸事業ネットキャッシュフローシミュレーション部と、分析対象物件ファイルから賃貸事業ネットキャッシュフローシミュレーション部で得られた賃貸事業ネットキャッシュフローシミュレーション値を読み出し、物件ごとに賃貸事業リスク評価指数を算定し、分析対象物件ファイルに書き出す賃貸事業リスク評価指数算定部と、を含む。

また、本発明に係る投資収支リスク分析装置は、表示部と、分析対象物件ファイルから分析結果を読み出して表示部に視覚的に表示する分析結果表示部と、を更に含むことが好ましい。

本発明に係る投資収支リスク分析方法、プログラム、及び、投資収支リスク分析装置を以上のように構成すると、商業施設に特化した、賃料収入シミュレーション機能、売上高予測機能を通じて、賃料収入実現可能性の判定が可能となり、商業施設の特性を捉えた、投資収支リスク分析が可能となる。

本発明の実施の形態に係る投資収支リスク分析装置の機能ブロック図である。 本発明の実施の形態における投資収支リスク分析処理フローを示す図である。 賃料モデル構築部における賃料モデル構築処理を説明するための説明図である。 稼働率モデル構築部における稼働率モデル構築処理を説明するための説明図である。 賃料収入シミュレーション部における賃料収入シミュレーション処理を説明するための説明図である。 売上高予測部における売上高予測処理を説明するための説明図である。 賃料収入実現可能性判定部における賃料収入実現可能性判定処理を説明するための説明図である。 賃貸事業費用関数構築部における賃貸事業費用関数構築処理を説明するための説明図である。 賃貸事業ＮＣＦシミュレーション部における賃貸事業ＮＣＦシミュレーション処理を説明するための説明図である。 賃貸事業リスク評価指数算定部における賃貸事業リスク評価指数算定処理を説明するための説明図である。 分析結果表示部における分析結果表示処理を説明するための説明図である。 商業施設物件ファイルのデータ構造を説明するための説明図である。 賃料モデルファイルのデータ構造を説明するための説明図である。 可動率モデルファイルのデータ構造を説明するための説明図である。 分析対象物件ファイルのデータ構造を説明するための説明図である。 賃貸事業費用関数ファイルのデータ構造を説明するための説明図である。 商業施設地域別ファイルのデータ構造を説明するための説明図である。 家計支出ファイルのデータ構造を説明するための説明図である。 売上高賃料比率ファイルのデータ構造を説明するための説明図である。

以下、本発明の好ましい実施形態について図面を参照して説明する。図１に示すように、本実施形態の投資収支リスク分析装置１００は、本発明に係る投資収支リスク分析方法を処理するためのＣＰＵやメモリからなる処理部１１０と、後述する各ファイルを記憶するためのハードディスク等の外部記憶装置からなる記憶部１２０と、この記憶部１２０へのデータや各種指示を入力するための入力部１３０と、分析結果を表示するＣＲＴ１４１やプリンタ１４２等からなる表示部１４０とを有して構成される。

また、処理部１１０には、面積あたりの賃料モデルを構築する賃料モデル構築部１０、稼働率モデルを構築する可動率モデル構築部２０、分析対象物件の賃料収入をシミュレーションする賃料収入シミュレーション部３０、分析対象物件別に売上高を予測する売上高予測部４０、賃料収入シミュレーション部３０で得られた賃料収入シミュレーション値と売上高予測部４０で得られた売上高予測値とを基に賃料収入の実現可能性を判定する賃料収入実現可能性判定部５０、賃貸事業費用を算定するための各種関数を構築する賃貸事業費用関数構築部６０、この賃貸事業費用関数構築部６０で得られた賃貸事業費用関数と賃料収入実現可能性判定部５０で得られた賃料収入シミュレーション値を基に物件ごとに賃貸事業ネットキャッシュフロー（ＮＣＦ）をシミュレーションする賃貸事業ＮＣＦシミュレーション部７０、この賃貸事業ＮＣＦシミュレーション部７０で得られた賃貸事業ＮＣＦシミュレーション値を基に物件毎に賃貸事業のリスク評価指数を算定する賃貸事業リスク評価指数算定部８０、及び、各部で得られた分析結果を表示部１４０に視覚的に表示するための分析結果表示部９０が設けられている。

また、本実施形態の投資収支リスク分析装置１００は、商業施設物件ファイル２００、賃料モデルファイル２２０、可動率モデルファイル２３０、分析対象物件ファイル２４０、賃貸事業費用関数ファイル２７０、商業施設地域別ファイル２９０、家計支出ファイル３００、及び、売上高賃料比率ファイル３１０を有している。これらのファイルは、上述の通り、記憶部１２０に記憶されている。

以下、各ファイルのデータ構造について説明する。商業施設物件ファイル２００は、商業施設情報や投資物件情報が記憶されたファイルであり、例えば、Ｊ−ＲＥＩＴ（不動産投資信託）などから提供された公開情報を基に作成されている。この商業施設物件ファイル２００は、図１２に示すようなデータ構造であって、物件の識別コードが記憶される物件コード領域２０１、物件の住所が記憶される所在地領域２０２、所在地の都道府県及び市区町村を示す地域コードが記憶される地域コード領域２０３、物件の店舗面積が記憶される店舗面積領域２０４、物件中のテナント数が記憶されるテナント数領域２０５、建物用途（１：商業施設、２：住宅店舗）が記憶される建物用途領域２０６、稼働面積が記憶される稼働面積領域２０７、決算期（６ヶ月ごとの期、例えば、２００９年３月）が記憶される決算期領域２０８、テナントからの賃料収入が記憶される賃料収入領域２０９、物件の面積当たり賃料が記憶される面積当たり賃料領域２１０、物件の総額、減価償却費、管理業務費・委託費、水道光熱費、マネージメントフィー、修繕費、公租公課費、損害保険料、及び、その他賃貸事業に係る各種賃貸事業費用が記憶される賃貸事業費用領域２１１、東京都心３区、６区、政令指定都市等の地域ダミーが記憶される地域ダミー領域２１２、最寄り駅からの距離や国道からの距離が記憶される立地条件領域２１３、などから構成されている。なお、賃料収入領域２０９及び賃貸事業費用領域２１１は、分析対象年数分のデータが記憶され、本実施形態では、１５年分の情報が記憶されている。以降のファイルについても同様である。

賃料モデルファイル２２０は、図１３に示すようなデータ構造であって、面積当たりの賃料モデルの識別コードが記憶される賃料モデルコード領域２２１、面積当りの賃料モデルの区分（１：平均、２：標準偏差）が記憶される賃料モデル区分領域２２２、賃料モデルにおける店舗面積の変数に対する係数が記憶される店舗面積係数領域２２３、同じくテナント数の変数に対する係数が記憶されるテナント数係数領域２２４、同じく東京都心３区、６区その他の地域ダミーの変数に対する係数が記憶される地域ダミー係数領域２２５、同じく最寄駅や国道からの距離（立地条件）の変数に対する係数が記憶される立地条件係数領域２２６、同じく定数が記憶される定数領域２２７、などから構成されている。

可動率モデルファイル２３０は、図１４に示すようなデータ構造であって、稼働率モデルの識別コードが記憶される稼働率モデルコード領域２３１、稼働率モデルの区分（１：平均、２：標準偏差）が記憶される稼働率モデル区分領域２３２、稼働率モデルにおける
店舗面積の変数に対する係数が記憶される店舗面積係数領域２３３、同じくテナント数の変数に対する係数が記憶されるテナント数係数領域２３４、同じく東京都心３区、６区その他の地域ダミーの変数に対する係数が記憶される地域ダミー係数領域２３５、同じく最寄駅や国道からの距離（立地条件）の変数に対する係数が記憶される立地条件係数領域２３６、同じく定数が記憶される定数領域２３７、などから構成されている。

分析対象物件ファイル２４０は、処理部１１０による分析結果が記憶されるファイルであり、図１５に示すようなデータ構造であって、物件の識別コードが記憶される物件コード領域２４１、物件の住所が記憶される所在地領域２４２、所在地の都道府県及び市区町村を示す地域コードが記憶される地域コード領域２４３、物件の店舗面積が記憶される店舗面積領域２４４、テナント数が記憶されるテナント数領域２４５、建物用途（１：商業施設、２：住宅店舗）が記憶される建物用途領域２４６、稼働面積が記憶される稼働面積領域２４７、面積当たり賃料の平均実績値が記憶される面積当たり賃料平均実績値領域２４８、面積当たり賃料の標準偏差実績値が記憶される面積当たり賃料標準偏差実績値領域２４９、稼働率の平均実績値が記憶される稼働率平均実績値領域２５０、稼働率の標準偏差実績値が記憶される稼働率標準偏差実績値領域２５１、売上高の予測値が記憶される売上高予測値領域２５２、東京都心３区、６区、政令指定都市等の地域ダミーが記憶される地域ダミー領域２５３、最寄り駅からの距離や国道からの距離が記憶される立地条件領域２５４、面積当たりの賃料モデルの識別コードが記憶される賃料モデルコード領域２５５、面積当りの賃料モデルの区分（１：平均、２：標準偏差）が記憶される賃料モデル区分領域２５６、面積当たりの賃料の平均値（推計値）が記憶される面積当たり賃料平均値（推計値）領域２５７、面積当たりの賃料の標準偏差値（推計値）が記憶される面積当たり賃料標準偏差値（推計値）領域２５８、稼働率モデルの識別コードが記憶される稼働率モデルコード領域２５９、稼働率モデルの区分（１：平均、２：標準偏差）が記憶される稼働率モデル区分領域２６０、稼働率の平均値（推計値）が記憶される稼働率平均値（推計値）領域２６１、稼働率の標準偏差値（推計値）が記憶される稼働率標準偏差値（推計値）領域２６２、各年の賃料収入のシミュレーション値（ｔ＝１，２，…，Ｔ：１〜Ｔ年のシミュレーション値を示す）と平均値（ｔ＝１〜Ｔ年の平均値）とが記憶される賃料収入シミュレーション値領域２６３、売上高と賃料との比率の適正値が記憶される売上高賃料比率適正値領域２６４、賃料収入の実現性指数が記憶される賃料収入実現性指数領域２６５、賃貸事業ネットキャッシュフロー（ＮＣＦ）シミュレーション値（ｔ＝１，２，…、Ｔ：１〜Ｔ年のシミュレーション値を示す）と平均値（ｔ＝１〜Ｔ年の平均値）と標準偏差値（ｔ＝１〜Ｔ年の標準偏差値）とが記憶される賃貸事業ＮＣＦシミュレーション値領域２６６、賃貸事業リスクの評価指数が記憶される賃貸事業評価指数領域２６７から構成されている。

賃貸事業費用関数ファイル２７０は、図１６に示すようなデータ構造であって、物件の識別コードが記憶される物件コード領域２７１、市区町村の地域コードが記憶される地域コード領域２７２、店舗面積が記憶される店舗面積領域２７３、建物の用途が記憶される建物用途領域２７４、管理業務費・委託費関数の係数が記憶される管理業務費・委託費関数の係数領域２７５、水道光熱費関数の係数が記憶される水道光熱費関数の係数領域２７６、マメネジメントフィー関数の係数が記憶されるマメネジメントフィー関数の係数領域２７７、管理業務費・委託費関数の定数が記憶される管理業務費・委託費関数の定数領域２７８、水道光熱費関数の定数が記憶される水道光熱費関数の定数領域２７９、マメネジメントフィー関数の定数が記憶されるマメネジメントフィー関数の定数領域２８０、減価償却比率が記憶される減価償却比率領域２８１、修繕費比率が記憶される修繕費比率領域２８２、公租公課比率が記憶される公租公課比率領域２８３、損害保険料比率が記憶される損害保険料比率領域２８４、及び、その他費用比率が記憶されるその他費用比率領域２８５から構成されている。

商業施設地域別ファイル２９０は、図１７に示すようなデータ構造であって、都道府県と市区町村と地区との地域コードが記憶される地域コード領域２９１、物件の店舗面積が記憶される店舗面積領域２９２、当該商業施設地域の人口が記憶される人口領域２９３、及び、世帯数が記憶される世帯数領域２９４等から構成されている。なお、この商業施設地域別ファイル２９０は、経済産業省発行の「商業統計調査報告書」を基に入力部１３０から入力してもよいし、これらが予め入力されたデータベースを購入等して、商業施設地域別ファイル２９０として記憶部１２０にインストールしてもよい。

家計支出ファイル３００は、図１８に示すようなデータ構造であって、都道府県の地域コードが記憶される地域コード領域３０１、当該地域の人口当たりの年間の家計支出が記憶される家計支出（人口当たり）領域３０２、及び、世帯当たりの家計支出が記憶される家計支出（世帯当たり）領域３０３から構成されている。なお、家計支出ファイル３００は、総務省発行の「家計調査年報」を基に入力部１３０から入力してもよいし、これらが予め入力されたデータベースを購入等して、家計支出ファイル３００として記憶部１２０にインストールしてもよい。

売上高賃料比率ファイル３１０は、図１９に示すようなデータ構造であって、都道府県と市区町村との地域コードが記憶される地域コード領域３１１、建物の用途が記憶される建物用途領域３１２、及び、売上高と賃料との比率の適正値が記憶される売上高賃料比率適正値領域３１３から構成されている。なお、売上高賃料比率ファイル３１０は、日本ショッピングセンター協会発行の「ＳＣ賃貸・共益費報告書」を基に入力部１３０から入力してもよいし、これらが予め入力されたデータベースを購入等して、売上高賃料比率ファイル３１０として記憶部１２０にインストールしてもよい。

次に、図１に示した投資収支リスク分析装置１００により行われる投資収支リスク分析処理について、図２のフローチャートを用いて説明する。投資収支リスク分析処理では、図２に示すように、まず、賃料モデル構築部１０により賃料モデル構築処理（ステップＳ１００）、可動率モデル構築部２０により可動率モデル構築処理（ステップＳ２００）、賃料収入シミュレーション部３０により賃料収入シミュレーション処理（ステップＳ３００）、売上高予測部４０により売上高予測処理（ステップＳ４００）、及び、賃料収入実現可能性判定部５０により賃料収入実現可能性判定処理（ステップＳ５００）が行われる。次に、賃貸事業費用関数構築部６０により賃貸事業費用関数構築処理（ステップＳ６００）、賃貸事業ＮＣＦシミュレーション部７０により賃貸事業ＮＣＦシミュレーション処理（ステップＳ７００）、及び、賃貸事業リスク評価指数算定部８０により賃貸事業リスク評価指数算定処理（ステップＳ８００）が行われる。そして最後に、分析結果表示部９０により分析結果表示処理（ステップＳ９００）が行われる。

賃料モデル構築処理、可動率モデル構築処理及び賃料収入シミュレーション処理（ステップＳ１００〜ステップＳ３００）は、商業施設の賃料収入・属性などに関する公開情報（例えば、不動産証券化協会の「Ｊ−ＲＥＩＴ・個別保有不動産検索システム」の個別保有物件データを基に作成した商業施設物件ファイル２００）を基に、面積当りの賃料・稼働率モデルを自動構築し、得られた数値を基に当該商業施設の賃料収入をシミュレーションする。なお、この賃料収入シミュレーションについては、電力会社等による設備リースのための活用を想定して、そのリース期間（例えば１５年）を記憶部１２０に設定できるようにする。

さらに、売上高予測処理（ステップＳ４００）では、経済産業省発行の「商業統計調査報告書」（商業施設地域別ファイル２９０）や総務省発行の「家庭調査年報」（家計支出ファイル３００）などの公開情報をもとに、商業施設属性から売上高を予測するモデルを構築し、それをもとに当該商業施設の売上高を予測する。また、賃料収入実現可能性判定処理（ステップＳ５００）では、上記の賃料収入シミュレーション結果、売上高予測値、および日本ショッピングセンター協会発行の「ＳＣ賃料・共益費」報告書（売上高賃料比率ファイル３１０）などの公開情報をもとに、当該商業施設の賃料収入実現性を判定する。このように、商業施設に特化した、賃料収入シミュレーション機能、及び、売上高予測機能を通じて、賃料収入実現可能性の判定を可能としたことにより、商業施設の特性を捉えた、投資収支リスク分析が可能となった。

また、賃貸事業費用関数構築処理（ステップＳ６００）では、商業施設の賃貸事業収支に着目し、将来の賃貸事業ネット・キャッシュ・フロー（ＮＣＦ）をシミュレーションにより予測し、ＮＣＦの変動リスクとリターンを評価する指数を自動的に算出する。この賃貸事業ＮＣＦシミュレーションは、賃貸収入と同様に、電力会社等の設備リースのための利用を念頭に、そのリース期間などを設定可能とする。具体的には、商業施設の賃料収入・属性などに関する公開情報（不動産証券化協会の「Ｊ−ＲＥＩＴ・個別保有不動産検索システム」の個別保有物件データ）を基に、管理業務費・委託費、水道光熱費、マネジメントフィーについては、賃貸収入を説明変数とする各費用関数式を自動推定し、減価償却費、修繕費、公租公課、損害保険料、その他費用については、各経費率を算出する。

賃貸事業ＮＣＦシミュレーション処理（ステップＳ７００）では、ステップＳ５００で予測した物件コード別の将来の賃料収入と、ステップＳ６００で算出した管理業務費・委託管理費などの各費用関数式、減価償却費などの各経費率を基に、商業施設ごとに、将来の各年の賃貸事業ＮＣＦを算出する。賃貸事業リスク評価指数算定処理（ステップＳ８００）は、この賃貸事業ＮＣＦのシミュレーション結果をもとに、それらの平均値と、標準偏差値を算出し、賃貸事業リスク評価指数（＝物件コードごとの賃貸事業ＮＣＦの平均値／物件コードごとの賃貸事業ＮＣＦ・標準偏差値）を計算する。分析結果表示処理（ステップＳ９００）では、得られた分析結果を編集して、表示部１４０に表示するための分析結果表示部９０が設けられている。以下、各処理の詳細を図３〜図１１のフローチャートを用いて説明する。

（１）賃料モデル構築処理（ステップＳ１００）
賃料モデル構築部１０では、図３に示すように、商業施設物件ファイル２００を読み込んで、物件ごとの各種数値を取得する（ステップＳ１１０）。次に、この取得した数値のうちで、賃料収入領域２０９及び店舗面積領域２０４に記憶されていた店舗面積と賃料収入とを基に、物件ごとに面積当たりの賃料（賃料収入／店舗面積）を算出する（ステップＳ１２０）。そして、算出された面積当たりの賃料（千円／ｍ²）を、商業施設物件ファイル２００の面積当たり賃料領域２１０に記憶する（ステップＳ１３０）。

次に、賃料モデル構築部１０は、上述のように算出された面積当たり賃料と、商業施設物件ファイル２００から読み出した物件ごとの属性情報とを基に、下記式（１）及び式（２）を用いて、面積当たり賃料モデル式（平均値と標準偏差値）を構築するとともに各実績値を算出する（ステップＳ１４０）。なお、式（１）及び式（２）中、ａ_1-1，ａ_1-2，ａ_1-3，ａ_2-1，ａ_2-2，ａ_2-3等は面積当たり賃料モデル式関数中の店舗面積、テナント数、地域ダミー等の変数に対する傾き（係数）を表し、ｂ_1-1，b_2-1は切片（定数）を表す。

Ｌｎ（面積当たり賃料・平均値）
＝ Ｆ_RAVE（Ｌｎ（店舗面積），Ｌｎ（テナント数），地域ダミー，...）
＝ ａ_1-1×ｘ_1-1 ＋ ａ_1-2×ｘ_1-2 ＋ ａ_1-3×ｘ_1-3 ＋....＋ ｂ_1-1 （１）

Ｌｎ（面積当たり賃料・標準偏差値）
＝ Ｆ_RSD（Ｌｎ（店舗面積），Ｌｎ（テナント数），地域ダミー，...）
＝ ａ_2-1×ｘ_2-1 ＋ ａ_2-2×ｘ_2-2 ＋ ａ_2-3×ｘ_2-3 ＋....＋ ｂ_2-1 （２）

そして、上記式（１）及び式（２）で構築された面積当たり賃料モデル式（平均値及び標準偏差値）の係数、定数、及び、区分（平均値：１、標準偏差値：２）を、賃料モデルファイル２２０の各記憶領域（２２２〜２２７）に記憶させ、算出された面積当たり賃料平均実績値及び標準偏差実績値（千円／ｍ²）を、分析対象物件ファイル２４０の各記憶領域（２４８，２４９）に記憶させ、この賃料モデル構築処理を終了する（ステップＳ１５０）。

（２）稼働率モデル構築処理（ステップＳ２００）
稼働率モデル構築部２０は、図４に示すように、商業施設物件ファイル２００を読み込んで、稼働面積領域２０７の稼働面積（稼働率）、テナント数領域数２０５のテナント数などの各種数値を取得する（ステップＳ２１０）。この取得した数値を基に、下記式（３）及び式（４）を用いて、稼働率モデル式（平均値と標準偏差値）を構築するとともに各実績値を算出する（ステップＳ２２０）。なお、式（３）及び式（４）中、ａ_3-1，ａ_3-2，ａ_3-3，ａ_4-1，ａ_4-2，ａ_4-3等は稼働率モデル式関数中の店舗面積関数、テナント数関数、地域ダミー関数等の傾き（係数）を表し、ｂ_3-1，b_4-1は切片（定数）を表す。

Ｌｎ（稼働率・平均値）
＝ Ｆ_TAVE（Ｌｎ（店舗面積），Ｌｎ（テナント数），地域ダミー，...）
＝ ａ_3-1×ｘ_3-1 ＋ ａ_3-2×ｘ_3-2 ＋ ａ_3-3×ｘ_3-3 ＋....＋ ｂ_3-1 （３）

Ｌｎ（稼働率・標準偏差値）
＝ Ｆ_TSD（Ｌｎ（店舗面積），Ｌｎ（テナント数），地域ダミー，...）
＝ ａ_4-1×ｘ_4-1 ＋ ａ_4-2×ｘ_4-2 ＋ ａ_4-3×ｘ_4-3 ＋....＋ ｂ_4-1 （４）

そして、上記式（３）及び式（４）で算出された稼働率モデル式（平均値及び標準偏差値）の係数、定数、及び、区分を、稼働率モデルファイル２３０の各記憶領域（２３２〜２３７）に記憶させ、算出された稼働率平均実績値及び標準偏差実績値（千円／ｍ²）を、分析対象物件ファイル２４０の各記憶領域（２５０，２５１）に記憶させ、この稼働率モデル構築処理を終了する（ステップＳ２３０）。

（３）賃料収入シミュレーション処理（ステップＳ３００）
この処理においては、図５に示すように、賃料収入シミュレーション部３０が、各種ファイルを読み込んで、必要な数値を取得する。具体的には、分析対象物件ファイル２４０を読み込んで、物件コード、店舗面積、面積当たり賃料平均値（推計値）、面積当たり賃料標準偏差値（推計値）、稼働率平均値（推計値）、稼働率標準偏差値（推計値）などの各種数値を該当記憶領域（２４１，２４４，２５７、２５８，２６１，２６２等）から取得する。また、賃料モデルファイル２２０を読み込んで、面積当たり賃料モデル式関数に用いる係数及び定数を該当記憶領域（２２３〜２２７）から取得し、稼働率モデルファイルを読み込んで、稼働率モデル式関数に用いる係数及び定数を該当記憶領域（２３３〜２３７）から取得する（以上、ステップＳ３１０）。

次に、取得した数値を基に、下記式（５）を用いて、分析対象物件の年度別の賃料収入シミュレーションを行う（ステップＳ３２０）。なお、この式（５）において、ｔはシミュレーションする期間（年）であって、１〜Ｔの整数を表し、Ｔはシミュレーションする期間の最大年数（本実施形態ではＴ＝１５）を表し、面積当たり賃料シミュレーション値は下記式（６）で算出される数値を示し、稼働率シミュレーション値は下記式（７）で算出される数値を示す。また、式（６）及び式（７）中、ｔはシミュレーションする期間（年）であって、１〜Ｔの整数を表し、Ｔは最大年数（本実施形態ではＴ＝１５）を表し、ＮＯＲＭＳＩＮＶは標準正規累積分布関数の逆関数を表し、ＲＡＮＤは０以上で１より小さい乱数を返す関数を表す。

賃料収入シミュレーション値_{ｔ＝1,2,....T}
＝ 店舗面積 × 面積当たり賃料シミュレーション値_{ｔ＝1,2,....T}
× 稼働率シミュレーション値_{ｔ＝1,2,....T} （５）
面積当たり賃料シミュレーション値_{ｔ＝1,2,....T}
＝ （面積当たり賃料・平均値 ＋ ＮＯＲＭＳＩＮＶ（ＲＡＮＤ_{ｔ＝1,2,....T}））
× 面積当たり賃料・標準偏差 （６）
稼働率シミュレーション値_{ｔ＝1,2,....T}
＝ （稼働率・平均値 ＋ ＮＯＲＭＳＩＮＶ（ＲＡＮＤ_{ｔ＝1,2,....T}））
× 稼働率・標準偏差 （７）

そして、上記式（５）で算出された賃料収入（ｔ＝１〜Ｔ）のシミュレーション値を、分析対象物件ファイル２４０の賃料収入シミュレーション値領域２６３に記憶させ、賃料収入シミュレーション処理を終了する（ステップＳ３３０）。

（４）売上高予測処理（ステップＳ４００）
この処理では、図６に示すように、売上高予測部４０が各種ファイルを読み込んで、必要な数値を取得する。具体的には、分析対象物件ファイル２４０を読み込んで、物件コード、所在地（住所）、店舗面積、テナント数、建物用途、稼働面積、稼働率等を各記憶領域（２４１〜２４７等）から取得する。なお、これらの情報は、入力部１３０から予め入力されて記憶されたものである。また、商業施設地域別ファイル２９０を読み込んで、都道府県、市区町村別、地区ごとの地域コード、店舗面積、人口、世帯数等を各記憶領域（２９１〜２９４等）から取得する。さらに、家計支出ファイル３００を読み込んで、都道府県における地域ごとの人口当たり又は世帯当たりの家計支出を該当記憶領域（３０２，３０３）から取得する（ステップＳ４１０）。

上記で取得した数値を基に、分析対象物件ごとの売上高の予測処理を行う（ステップＳ４２０）。まず、修正ハフモデルに適用した下記式（８）を用いて、物件所在地の商業施設（商業集積地）ごとの消費者の購買率を求める、これを。なお、この式（８）中、ｉは居住区の識別番号であって、１〜ｍまでの整数を表し、ｊは買い物先の商業集積地の識別番号であって、１〜ｎまでの整数を表し、Ｐ_ijは居住地ｉに住む消費者が商業集積地ｊで買い物を行う確率（購買率）を表し、Ｓ_jは商業集積地ｊの店舗面積を表し、Ｔ_ijは居住地ｉから商業集積地ｊまでの距離を表し、λは距離抵抗を示すパラメータ（λ＝２）を表す。

次に、上記式（８）で算出された各地域のＰij（購買率）、商業施設地域別ファイル２９０から取得した都道府県・市区町村下における各地区の人口、世帯数、及び、家計支出ファイル３００から取得した家計支出（人口当たり又は世帯当たり）を基に、下記式（９）又は式（１０）を用いて物件ごとの売上高予測値を算出する。

売上高予測値（百万円／年）
＝ Σ｛各地域の人口×各地域の購買率×家計支出（人口当り）｝ （９）
売上高予測値（百万円／年）
＝ Σ｛各地域の世帯数×各地域の購買率×家計支出（世帯当り）｝ （１０）

次に、上記式（９）又は式（１０）を用いて得られた売上高予測値（百万円／年）を、分析対象物件ファイル２４０の売上高予測値領域２５２に記憶させ、売上高予測処理を終了する（ステップＳ４３０）。

（５）賃料収入実現可能性判定処理（ステップＳ５００）
この処理では、図７に示すように、まず、賃料収入実現可能性判定部５０が各種ファイルを読み込んで、必要な数値を取得する。具体的には、分析対象物件ファイル２４０を読み込んで、物件コード、賃料収入シミュレーション処理（ステップＳ３００）で得られた賃料収入シミュレーション値、売上高予測処理（ステップＳ４００）で得られた売上高予測値を各記憶領域（２４１，２６３，２５２）から取得する。また、売上高賃料比率ファイル３１０を読み込んで、立地属性別（地域コードや建物用途）に、売上高賃料比率・適正値を、売上高賃料比率・適正領域３１３から取得する（以上、ステップＳ５１０）。

次に、上述のように取得した売上高賃料比率・適正値と、売上高予測値とを比較した上で、賃料収入シミュレーション値を基に、以下の手順により、物件ごとに、賃料収入実現性指数を算出し、賃料収入の実現可能性を判定する（ステップＳ５２０）。まず、下記式（１１）を用いて売上高賃料比率を算出する。なお、この式（１１）中、ｔはシミュレーションする期間（年）であって、１〜Ｔの整数を表し、Ｔはシミュレーションする最大年数（本実施形態ではＴ＝１５）を表す。

売上高賃料比率
＝ 賃料収入シミュレーション値_{ｔ＝1,2,....T}の平均値／売上高予測値 （１１）

上記式（１１）で算出された売上高賃料比率、及び、売上高賃料比率ファイル３１０から読み込んだ売上高賃料比率・適正値を基に、下記式（１２）を用いて、賃料収入実現性指数を算出する。

賃料収入実現性指数 ＝ 売上高賃料比率 ／ 売上高賃料比率・適正値 （１２）

上記式（１０）で算出された賃料収入実現性指数から、賃料収入実現可能性を判定することができる。本実施形態では、以下の条件式（１３）〜条件式（１５）を用いて、賃料収入実現可能性（Ａ〜Ｃ）を判定している。なお、Ａ判定が賃料収入実現可能性が最も高く、Ｂ，Ｃの順に実現可能性が低くなる。

賃料収入実現性指数 ＜ ０．８ （１３）
０．８ ≦ 賃料収入実現性指数 ＜ １．０ （１４）
１．０ ≦ 賃料収入実現性指数 ＜ １．２ （１５）

条件式（１３）を満足する場合、賃料収入実現可能性はＡと判定し、条件式（１４）を満足する場合、賃料収入実現可能性はＢと判定し、条件式（１５）を満足する場合、賃料収入実現可能性はＣと判定する。Ａが実現可能性が最も高く、Ｂ，Ｃの順に実現可能性は低くなる。なお、この分類は一例であり、別の数値範囲としてもよい。

そして、上述のように算出された賃料収入実現性指数等を、分析対象物件ファイル２４０の賃料収入実現性指数領域２６５等に記憶させ、賃料収入実現可能性判定処理を終了する（ステップＳ５３０）。

（６）賃貸事業費用関数構築処理（ステップＳ６００）
この処理では、図８に示すように、賃貸事業費用関数構築部６０が商業施設物件ファイル２００を読み込んで、物件コード、賃料収入、賃貸事業費用（内訳：管理業務費、水道光熱費、マネジメントフィー、減価償却費、修繕費、公租公課、損害保険料、その他費用）を各記憶領域（２０１，２０９，２１１）から取得する（ステップＳ６１０）。

上述のように取得した数値を基に、次のステップＳ６２０では、賃貸事業費用の内訳ごとに賃貸事業費用関数を構築する。まず、取得した管理業務費、水道光熱費、マネジメントフィーの各期（ｔ＝１〜１５年）の数値を基に、最小二乗法等により、下記式（１６）〜式（１８）のような管理業務費・委託費、水道光熱費、マネジメントフィーの線型モデル式を推定する。なお、下記式（１６）〜式（１８）中、ａ１，ａ２，ａ３は各賃貸事業費用関数の傾き（係数）を表し、ｂ１，ｂ２，ｂ３は各賃貸事業費用関数の切片（定数）を表す。

管理業務費・委託費 ＝ ａ１×賃料収入＋ｂ１ （１６）
水道光熱費 ＝ ａ２×賃料収入＋ｂ２ （１７）
マネジメントフィー ＝ ａ３×賃料収入＋ｂ３ （１８）

次に、ファイルから取得した減価償却費、修繕費、公租公課、損害保険料、その他費用について各期の平均値を求め、この各期の平均値を基に、下記式（１９）〜式（２３）を用いて、各経費率を算出する。

減価償却費比率
＝ Ａ_VE（減価償却費_{ｔ＝1,2,....T}）／Ａ_VE（賃料収入_{ｔ＝1,2,....T}） （１９）
修繕費比率
＝ Ａ_VE（修繕費_{ｔ＝1,2,....T}）／Ａ_VE（賃料収入_{ｔ＝1,2,....T}） （２０）
公租公課比率
＝ Ａ_VE（公租公課_{ｔ＝1,2,....T}）／Ａ_VE（賃料収入_{ｔ＝1,2,....T}） （２１）
損害保険料比率
＝ Ａ_VE（損害保険料_{ｔ＝1,2,....T}）／Ａ_VE（賃料収入_{ｔ＝1,2,....T}） （２２）
その他費用比率
＝ Ａ_VE（その他費用_{ｔ＝1,2,....T}）／Ａ_VE（賃料収入_{ｔ＝1,2,....T}） （２３）

次に、物件コード、上記式（１６）〜式（１８）で得られた管理業務費・委託費、水道光熱費、マネジメントフィーの費用関数の傾き（係数：ａ１，ａ２，ａ３）及び切片（定数：ｂ１，ｂ２，ｂ３）、上記式（１９）〜式（２３）で算出された減価償却比率、修繕費比率、公租公課比率、損害保険料比率、その他費用比率等を、賃貸事業費用関数ファイル２７０各記憶領域（２７１，２７５〜２８５等）に記憶させ、賃貸事業費用関数構築処理を終了する（ステップＳ６３０）。

（７）賃貸事業ＮＣＦシミュレーション処理（ステップＳ７００）
この処理では、図９に示すように、ＮＣＦシミュレーション部７０が各種ファイルを読み込んで、必要な数値を取得する。具体的には、分析対象物件ファイル２４０を読み込んで、物件コード、及び、賃料収入シミュレーション処理（ステップＳ３００）で得られた賃料収入シミュレーション値を各記憶領域（２４１，２５７）から取得する。また、賃貸事業費用関数ファイル２７０を読み込んで、管理業務費・委託費、水道光熱費、マネジメントフィーの各関数に用いられる係数及び定数、減価償却比率、修繕費比率、公租公課比率、損害保険料比率、その他費用比率を各記憶領域（２７５〜２８５）から取得する（ステップＳ７１０）。

このようにして取得した数値を基に、物件ごとに、将来の各年（１５年分）の賃貸事業ＮＣＦのシミュレーションを行う（ステップＳ７２０）。次に、得られた各年の賃貸事業ＮＣＦシミュレーション値（ｔ＝１〜Ｔ、Ｔ＝１５）を分析対象物件ファイル２４０の賃貸事業ＮＣＦシミュレーション値領域２６６に記憶させ、賃貸事業ＮＣＦシミュレーション処理を終了する（ステップＳ７３０）。

（８）賃貸事業リスク評価指数算定処理（ステップＳ８００）
この処理では、図１０に示すように、賃貸事業リスク評価指数算定部８０が分析対象物件ファイル２４０を読み込んで、物件コード、及び、ＮＣＦシミュレーション処理（ステップＳ７００）で得られた各年の賃貸事業ＮＣＦシミュレーション値を記憶領域（２４１，２６０）から取得する（ステップＳ８１０）。

このようにして取得した数値を基に、次のステップＳ８２０では、物件ごとに、賃貸事業ＮＣＦシミュレーション値の平均値及び標準偏差値を算出する。更に、下記式（２４）を用いて、賃貸事業リスク評価指数を算出する。

賃貸事業リスク評価指数
＝ 賃貸事業ＮＣＦシミュレーション値平均値
／賃貸事業ＮＣＦシミュレーション値標準偏差値 （２４）

次に、上述のように算出された各年（ｔ＝１〜１５）の賃貸事業ＮＣＦシミュレーション値・平均値、標準偏差値、及び、賃貸事業リスク評価指数を、分析対象物件ファイル２４０の各記憶領域（２６６，２６７）に記憶させ、賃貸事業リスク評価指数算定処理を終了する（ステップＳ８３０）。

（９）分析結果表示処理（ステップＳ９００）
以上のようにして分析された数値を基に、物件ごとの投資収支リスクを判定することができる。この分析結果を視覚的に表示するため、表示部９０では、図１１に示すように、分析対象物件ファイル２４０を読み込んで、表示目的に応じた分析結果及び属性情報を取得する（ステップＳ９１０）。次に、テンプレートなどを用いて出力画像や出力リストの編集を行い（ステップＳ９２０）、表示部１４０のＣＲＴ１４１に画像を表示したり、プリンタ１４２でリストを印刷する等の処理を行う（ステップＳ９３０）。

以上のように、本実施形態の投資収支リスク分析装置１００を用いた投資収支リスク分析処理では、商業施設の賃料収入・属性などに関する公開情報を基に、投資収支リスクを分析することにより、以下のような利点があり、商業施設の特性を捉えた、投資収支リスク分析が可能となる。

まず、商業施設の立地特性（競合施設との距離・面積など）や地域特性（家計支出など）を考慮した修正ハフモデルによる売上高予測を可能とすることで、従来技術における商業施設の特性への考慮不足という問題点が解決される。

また、Ｊ−ＲＥＩＴ・個別保有物件データなどの公開情報をもとにした、面積当り賃料モデル、稼働率モデルを自動構築できる機能、管理業務費・委託費、減価償却費などの各費用関数モデルを自動推計とする機能を提供し、加えて、分析対象の商業施設の立地特性など入力すれば、これらのモデルをもとに、将来の賃貸事業ネット・キャッシュ・フロー（収益性）の自動シミュレーションを可能とすることで、商業施設の収益性自体を予測できないという問題点が解決される。

さらに、電力会社などによる商業施設への設備リース契約時にも、上記のシミュレーション機能およびリスク評価機能を利用することで、商業施設の収益性に着目した与信判断が可能となり、金融機関以外の事業会社の利用が困難という問題点も解消される。

１０ 賃料モデル構築部 ２０可動率モデル構築部
３０ 賃料収入シミュレーション部 ４０ 売上高予測部
５０ 賃料収入実現可能性判定部 ６０ 賃貸事業費用関数構築部６０
７０ 賃貸事業ＮＣＦシミュレーション部 ８０ 賃貸事業リスク評価指数算定部
９０ 分析結果表示部
１００ 投資収支リスク分析装置 １１０ 処理部 １２０ 記憶部
２００ 商業施設物件ファイル ２２０ 賃料モデルファイル
２３０ 可動率モデルファイル ２４０ 分析対象物件ファイル
２７０ 賃貸事業費用関数ファイル ２９０ 商業施設地域別ファイル
３００ 計支出ファイル ３１０ 売上高賃料比率ファイル

Claims (4)

1. 処理部を有し、商業施設と投資物件情報とが記憶される商業施設物件ファイル、面積当たりの賃料モデルが記憶される賃料モデルファイル、店舗の稼働率モデルが記憶される可動率モデルファイル、物件ごとの物件情報と投資収支リスク分析結果とが記憶される分析対象物件ファイル、賃貸事業費用を算定するための関数が記憶される賃貸事業費用関数ファイル、商業施設の属性情報が記憶される商業施設地域別ファイル、地域の家計支出が記憶される家計支出ファイル、及び、物件の売上高と賃料との比率の適正値が記憶される売上高賃料比率ファイルを記憶する記憶部にアクセス可能なコンピュータにより実行される投資収支リスク分析方法であって、
   前記処理部により、
   前記商業施設物件ファイルから賃料と店舗面積とを読み出し、面積あたりの賃料モデルを構築して、前記賃料モデルファイルに書き出す賃料モデル構築処理と、
   前記商業施設物件ファイルから稼働率を読み出し、稼働率モデルを構築して、前記稼働モデルファイルに書き出す可動率モデル構築処理と、
   前記賃料モデルファイルから前記賃料モデル構築処理で構築された面積当たり賃料モデルを読み出し、前記稼働率モデルから前記稼働率モデル構築処理で構築された稼働率モデルを読み出し、前記分析対象物件ファイルから物件情報を読み出して、分析対象物件ごとに賃料収入をシミュレーションし、得られた賃料収入シミュレーション値を前記分析対象物件ファイルに書き出す賃料収入シミュレーション処理と、
   前記分析対象物件ファイルから物件情報を読み出し、前記商業施設地域別ファイルから商業施設の属性情報を読み出し、分析対象物件ごとに売上高予測値を算出して、前記分析対象物件ファイルに書き出す売上高予測処理と、
   前記分析対象物件ファイルから賃料収入シミュレーション処理で算出された賃料収入シミュレーション値、及び、前記売上高予測処理で算出された売上高予測値を読み出し、賃料収入の実現可能性を判定するための賃料収入実現性指数を算出し、前記分析対象物件ファイルに書き出す賃料収入実現可能性判定処理と、
   前記商業施設物件ファイルから賃料収入及び賃貸事業費用を読み出し、賃貸事業費用を算定するための賃貸事業費用関数を構築し、得られた賃貸事業費用関数を前記賃貸事業費用関数ファイルに書き出す賃貸事業費用関数構築処理と、
   前記賃貸事業費用関数ファイルから前記賃貸事業費用関数構築部処理で得られた賃貸事業費用関数と、前記賃料収入実現可能性判定処理で得られた賃料収入シミュレーション値とを読み出し、物件ごとに賃貸事業ネットキャッシュフローをシミュレーションし、得られた賃貸事業ネットキャッシュフローシミュレーション値を前記分析対象物件ファイルに書き出す賃貸事業ネットキャッシュフローシミュレーション処理と、
   前記分析対象物件ファイルから前記賃貸事業ネットキャッシュフローシミュレーション処理で得られた賃貸事業ネットキャッシュフローシミュレーション値を読み出し、物件ごとに賃貸事業リスク評価指数を算定し、前記分析対象物件ファイルに書き出す賃貸事業リスク評価指数算定処理と、
   を含む投資収支リスク分析方法。
2. 請求項１に記載の投資収支リスク分析方法をコンピュータに実行させるためのプログラム。
3. 商業施設と投資物件情報とが記憶される商業施設物件ファイル、面積当たりの賃料モデルが記憶される賃料モデルファイル、店舗の稼働率モデルが記憶される可動率モデルファイル、物件ごとの物件情報と投資収支リスク分析結果とが記憶される分析対象物件ファイル、賃貸事業費用を算定するための関数が記憶される賃貸事業費用関数ファイル、商業施設の属性情報が記憶される商業施設地域別ファイル、地域の家計支出が記憶される家計支出ファイル、及び、物件の売上高と賃料との比率の適正値が記憶される売上高賃料比率ファイルを記憶する記憶部と、
   前記商業施設物件ファイルから賃料と店舗面積とを読み出し、面積あたりの賃料モデルを構築して、前記賃料モデルファイルに書き出す賃料モデル構築部と、
   前記商業施設物件ファイルから稼働率を読み出し、稼働率モデルを構築して、前記稼働モデルファイルに書き出す可動率モデル構築部と、
   前記賃料モデルファイルから前記賃料モデル構築処理で構築された面積当たり賃料モデルを読み出し、前記稼働率モデルから前記稼働率モデル構築処理で構築された稼働率モデルを読み出し、前記分析対象物件ファイルから物件情報を読み出して、分析対象物件ごとに賃料収入をシミュレーションし、得られた賃料収入シミュレーション値を前記分析対象物件ファイルに書き出す賃料収入シミュレーション部と、
   前記分析対象物件ファイルから物件情報を読み出し、前記商業施設地域別ファイルから商業施設の属性情報を読み出し、分析対象物件ごとに売上高予測値を算出して、前記分析対象物件ファイルに書き出す売上高予測部と、
   前記分析対象物件ファイルから賃料収入シミュレーション部で算出された賃料収入シミュレーション値、及び、前記売上高予測部で算出された売上高予測値を読み出し、賃料収入の実現可能性を判定するための賃料収入実現性指数を算出し、前記分析対象物件ファイルに書き出す賃料収入実現可能性判定部と、
   前記商業施設物件ファイルから賃料収入及び賃貸事業費用を読み出し、賃貸事業費用を算定するための賃貸事業費用関数を構築し、得られた賃貸事業費用関数を前記賃貸事業費用関数ファイルに書き出す賃貸事業費用関数構築部と、
   前記賃貸事業費用関数ファイルから前記賃貸事業費用関数構築部部で得られた賃貸事業費用関数と、前記賃料収入実現可能性判定部で得られた賃料収入シミュレーション値とを読み出し、物件ごとに賃貸事業ネットキャッシュフローをシミュレーションし、得られた賃貸事業ネットキャッシュフローシミュレーション値を前記分析対象物件ファイルに書き出す賃貸事業ネットキャッシュフローシミュレーション部と、
   前記分析対象物件ファイルから前記賃貸事業ネットキャッシュフローシミュレーション部で得られた賃貸事業ネットキャッシュフローシミュレーション値を読み出し、物件ごとに賃貸事業リスク評価指数を算定し、前記分析対象物件ファイルに書き出す賃貸事業リスク評価指数算定部と、
   を含む投資収支リスク分析装置。
4. 表示部と、
   前記分析対象物件ファイルから分析結果を読み出して前記表示部に視覚的に表示する分析結果表示部と、
   を更に含む請求項３に記載の投資収支リスク分析装置。

Images