상업용 부동산을 위한 AI 운영 플랫폼.
부동산 추가
메뉴
포트폴리오 + 매물 추가 계정 만들기 로그인 작동 방식 재무 도구 뉴스 학습 데이터에 질문 AI 에이전트
소개 회사 소개 담당자 면책 조항
이미지 및 테마 황혼 에버그린 그래파이트 ✓
계정
데모 포트폴리오를 둘러보고 있습니다

이 포트폴리오는 어떤 계정에도 속하지 않으며 둘러보기용 가상 포트폴리오입니다. 본인 소유의 자산을 관리하려면 계정을 생성하세요.

로그인 계정 만들기
다크 모드
이미지 및 테마

네 가지 룩 — 사진과 색상이 함께 변경됩니다.

황혼 에버그린 그래파이트 ✓
데모 워크스페이스

이 워크스페이스의 모든 부동산, 임차인, 문서 및 수치는 가상의 데이터입니다. 실제 레코드를 변경하는 작업은 명확하게 표시됩니다.

인터페이스 언어
샘플 데이터 — 현재 작성된 예시를 살펴보고 계십니다. 실제 보유 자산이 이 자리에 표시됩니다. 계정 만들기

학습Commercial Real Estate Finance → 레슨 11 중 11

Deal metrics and sensitivity thinking

A one-page deal read: price and $/SF; in-place and stabilized NOI; cap rate on each; yield-on-cost for any project (stabilized NOI ÷ all-in cost) versus market cap — the development spread; DSCR/LTV/debt yield on the proposed debt; cash-on-cash year one; IRR and equity multiple over the hold; break-even occupancy = (OpEx + debt service) ÷ gross potential income.

Then flex it. One variable at a time: cap rate ±50 bps, market rents ±10%, downtime ±6 months, rate ±100 bps. The output is not one number but a shape — where the deal breaks, which lever dominates, how much cushion the structure leaves. Two deals with the same base IRR and different shapes are not the same deal.

Finally, honesty about precision: inputs are estimates, so outputs are ranges. Present base / downside / upside with the driving assumptions attached — decisions made on ranges survive contact with reality better than decisions made on decimals.

핵심 요점

레슨 퀴즈 4 문항

← 이전 레슨 목차 코스 완료 →