מדריך למשקיעים: איך להשתמש בנתוני עבר כדי לנבא את מחיר הזכייה במכרז

ניגשים למכרז מקרקעין של רשות מקרקעי ישראל (רמ"י) ונאבקים לקבוע את סכום ההצעה המדויק? במאמר זה תלמדו כיצד לבצע ניתוח היסטורי של מחירי זכייה בעזרת מודל מתמטי פשוט ויישומי, אשר יפחית את אי-הוודאות ויאפשר לכם להגיש הצעה תחרותית הממקסמת את רווחיות הפרויקט.

הגשת הצעה במכרזי מקרקעין היא לעיתים קרובות מהלך של "אי-וודאות כפולה": מחד, הגשת הצעה גבוהה מדי תפגע ברווחיות היזמית ואף עלולה להפוך פרויקט להפסדי; מאידך, הצעה נמוכה מדי תביא לאובדן הקרקע ולבזבוז משאבי תכנון יקרים. הדרך היחידה לעבור מ"ניחוש מושכל" לקבלת החלטות נתמכת נתונים (Data-Driven) היא באמצעות ניתוח שיטתי של תוצאות מכרזים משנים קודמות.

מדוע ניתוח היסטורי של מחירי זכייה הוא המפתח להצלחה במכרזים?

תשובה מהירה: ניתוח היסטורי מייצר נקודת ייחוס אובייקטיבית (Benchmark), מנטרל הטיות פסיכולוגיות ומגלה את "פרמיית התחרות" הנהוגה באזור גיאוגרפי ספציפי.

בכל מכרז של רשות מקרקעי ישראל, המשתתפים נחשפים לאותה חוברת מכרז, לאותן שומות שמאי ממשלתי ולנתונים תכנוניים דומים. עם זאת, התוצאות בפועל משתנות מקצה לקצה. השאלה המרכזית אינה רק "מה שווה הקרקע?", אלא "מה היריבים שלי יציעו בעבורה?".

כשמבצעים ניתוח היסטורי של מחירי זכייה, משיגים שלוש מטרות קריטיות:

1. זיהוי יחס שומה-זכייה (WTA Ratio): היחס בין הערכת השמאי הממשלתי בחוברת המכרז לבין המחיר ששולם בפועל על ידי הזוכה.
2. מדידת עוצמת התחרות: כמות ההצעות הממוצעת שהוגשה במתחמים בעלי מאפיינים דומים.
3. זיהוי מגמות תמחור תקופתיות: כיצד שינויים ברמת הריבית או במדד תשומות הבנייה השפיעו על התנהגות היזמים באותו אזור.

מערכת WizBid, אשר פותחה על ידי חברת WizBi.AI המנוסה בסינון וניתוח נתוני עתק (Big Data) והנגשתם בצורה פשוטה, מרכזת את כל אותם נתונים היסטוריים ומאפשרת ליזמים ולמשקיעים לנתח תוצאות מכרזי רמ"י בלחיצת כפתור.

המודל המתמטי לחישוב מחיר ההצעה האופטימלי (Baseline-Premium Model)

תשובה מהירה: המודל מבוסס על חישוב מחיר הבסיס למתחם (הגבוה מבין מחיר המינימום לשומה המעודכנת) והוספת "פרמיית תחרות" המחושבת לפי ממוצע סטיית הזכייה במתחמים מקבילים.

כדי לנבא את מחיר הזכייה, איננו צריכים נוסחאות מסובכות מעולם הפיזיקה. מודל ארבעת השלבים הבא מספק מסגרת עבודה מתמטית ברורה שכל יזם או מעריך שווי יכול ליישם.

מפתח המשתנים במודל:

• $V_{est}$ (Valuation Estimate): הערכת השמאי הממשלתי מעודכנת להיום.
• $R_{hist}$ (Historical Ratio): יחס הזכייה ההיסטורי הממוצע באזור (מחיר זכייה חלקי הערכת שמאי).
• $C_{factor}$ (Competition Factor): מקדם עוצמת התחרות (נגזר ממספר המציעים הצפוי).
• $P_{target}$ (Target Price): מחיר היעד להגשה.

ארבעת שלבי החישוב:

שלב 1: איסוף וסינון נתוני הבסיס

אוספים לפחות 5 עד 10 תוצאות של מכרזים שנסגרו באותה רשות מקומית או באזורים בעלי מאפיינים דמוגרפיים ותכנוניים דומים (משקלי בנייה, תמהיל דירות, פיתוח) במהלך 24 החודשים האחרונים.

שלב 2: חישוב יחס הזכייה ההיסטורי ($R_{hist}$)

לכל מכרז שנבדק, מחלקים את מחיר הזכייה בפועל (ללא הוצאות פיתוח) בהערכת השמאי שפורסמה באותו מכרז: $$R = \frac{\text{Winning Price}}{\text{Appraisal Value}}$$ מחשבים את הממוצע המשוקלל של $R$. אם באזור מסוים הממוצע עומד על 1.25, משמעות הדבר היא שבממוצע, הזוכים שילמו 25% מעל הערכת השמאי.

שלב 3: התאמת מקדם התחרות ($C_{factor}$)

אם לפי ניתוח המגמות ב-WizBid צפויה תחרות גבוהה מהרגיל (למשל, מעט מאוד קרקעות פנויות באזור מבוקש), נעדכן את המקדם כלפי מעלה בשיעור של 5% עד 10%. אם התחרות צפויה להיות דלילה, נעדכן מטה.

שלב 4: גזירת מחיר ההצעה ($P_{target}$)

הנוסחה הסופית לקבלת אומדן מחיר הזכייה הצפוי: $$P_{target} = V_{est} \times R_{hist} \times C_{factor}$$

דוגמה מעשית: ניתוח מכרז בניה רוויה באזור המרכז

תשובה מהירה: באמצעות הוספת פרמיית התחרות ההיסטורית (18%) והתאמת מקדם התחרות לנתוני השטח, ניתוח הנתונים הגדיל את אומדן הזכייה מ-10 מיליון ש"ח ל-12.15 מיליון ש"ח – תוצאה המשקפת את המציאות בשטח.

בואו נבחן דוגמה מספרית אופיינית. יזם מעוניין להגיש הצעה למתחם לבניית 40 יחידות דיור בבנייה רוויה.

• הערכת שמאי בחוברת המכרז ($V_{est}$): 10,000,000 ש"ח (ללא מע"מ וללא פיתוח).
• מחיר מינימום במכרז: 5,000,000 ש"ח.
• הוצאות פיתוח קבועות: 3,000,000 ש"ח.

הנתונים ההיסטוריים שנאספו באמצעות הפלטפורמה:

ניתוח הממצאים:

1. ממוצע יחס הזכייה ($R_{hist}$): $(1.18 + 1.22 + 1.15 + 1.17) / 4 = 1.18$. כלומר, השוק משלם בממוצע 18% מעל הערכת השמאי.
2. הערכת עוצמת התחרות ($C_{factor}$): בדיקת היצע הקרקעות האזורי ב-WizBid מעלה כי זהו המכרז היחיד באזור ברבעון הקרוב. לפיכך, צפויה תחרות ערות מהרגיל. נקבע $C_{factor} = 1.03$ (תוספת של 3%).
3. חישוב מחיר הזכייה החזוי ($P_{target}$): $$P_{target} = 10,000,000 \times 1.18 \times 1.03 = 12,154,000 \text{ ש"ח}$$

המסקנה הכלכלית: יזם שהיה מסתמך רק על הערכת השמאי ומציע 10 מיליון ש"ח, היה מפסיד במכרז בסבירות גבוהה מאוד. מנגdoc, יזם המבין את נתוני השוק יודע שזהו רף הכניסה הריאלי, כעת עליו לבדוק בסימולציית הרווחיות שלו האם מחיר של 12.15 מיליון ש"ח עדיין מותיר לו מרווח יזמי מספק.

5 טעויות קריטיות בפיענוח נתוני עבר של מכרזי רמ"י

תשובה מהירה: התעלמות מרכיב הפיתוח, הסתמכות על נתונים ישנים מדי, ואי-נטרול של מכרזים חריגים (Outliers) הן הטעויות הנפוצות ביותר שמטעות יזמים.

כדי שהמודל המתמטי יעבוד, נתוני הקלט חייבים להיות מדויקים. להלן חמש טעויות שכיחות שיש להימנע מהן:

1. ערבוב בין מחיר הקרקע להוצאות הפיתוח: תוצאות מכרזי רמי מציגות לעיתים את סכום הזכייה הכולל ולעיתים את רכיב הקרקע בלבד. יש לוודא כי ניתוח היחס נעשה אך ורק על רכיב הקרקע, שכן הוצאות הפיתוח הן קבועות ואינן נתונות למכרז.
2. התעלמות משינויי סביבת הריבית: תוצאות מכרז משנת 2021, כאשר הריבית הייתה אפסית, אינן מייצגות את התנהגות המציעים בסביבת ריבית גבוהה. יש לבצע התאמות הון או לסנן תוצאות ישנות.
3. אי-נטרול של מציעים אגרסיביים (Outliers): לעיתים נרשמת זכייה במחיר קיצוני ללא היגיון כלכלי (למשל, יזם שחייב קרקע להשלמת נפח פעילות). חובה להשמיט חריגים אלו מהממוצע.
4. התעלמות מתנאים מיוחדים בחוברת המכרז: האם המכרז ההיסטורי כלל מרכיב של דיור במחיר מופחת/מחיר מטרה? תנאים אלו משנים לחלוטין את מבנה ההצעה הכספית.
5. הסתמכות על גיאוגרפיה רחבה מדי: מחירי זכייה בעיר אחת אינם מעידים על העיר השכנה, ולעיתים אף קיימים פערים משמעותיים בין שכונות שונות באותה עיר.

צעד אחר צעד: כך תבצעו ניתוח היסטורי של מחירי זכייה בעזרת WizBid

תשובה מהירה: באמצעות מסננים מתקדמים, אלגוריתם הניתוח המהיר והפקת דוחות היסטוריים, פלטפורמת WizBid מקצרת את תהליך הניתוח מבראשית לשניות ספורות.

כדי ליישם את הניתוח בצורה מהירה ומדויקת, לא צריך לבצע עבודה ידנית סיזיפית של פתיחת עשרות קובצי PDF מאתר רמ"י. חברת WizBi.AI יצרה את פלטפורמת WizBid במיוחד כדי להנגיש מידע מורכב זה.

שלב 1: הגדרת הסינון הגיאוגרפי והתכנוני

נכנסים למערכת WizBid ומזינים את פרמטרי המכרז המבוקש: רשות מקומית, ייעוד הקרקע (מגורים, מסחר, תעשייה), והיקף יחידות הדיור או המטרים הבנויים.

שלב 2: חילוץ נתוני מכרזים שנזכו

המערכת מציגה מיידית טבלה מרוכזת של כל המכרזים התואמים שנסגרו. הנתונים כוללים את הערכות השמאי המקוריות, מחירי המינימום, מחירי הזכייה בפועל, וכמות ההצעות שהוגשו בכל מתחם.

שלב 3: הפעלת סגמנטציית ניתוח והשוואה

בעזרת כלי האנליטיקה של WizBid, ניתן לראות את התפלגות ההצעות (כמה מציעים היו קרובים לזוכה וכמה הגישו הצעות נמוכות), ולקבל חישוב אוטומטי של יחס הזכייה הממוצע ($R_{hist}$) לאזור.

שלב 4: קבלת תובנות מהסוכן החכם (AI)

משתמשי מסלולי ה-Pro יכולים להסתייע בסוכן הבינה המלאכותית של WizBid, המנתח את המגמות ההיסטוריות ומספק אינדיקציה על תחרותיות המכרז הנוכחי בהשוואה לעבר.

FAQ

כיצד משפיע מספר המציעים במכרז על מחיר הזכייה הצפוי?

קיים מתאם ישר וברור בין מספר המציעים לבין מחיר הזכייה. ככל שישנם יותר משתתפים, הסיכוי שיימצא מציע אגרסיבי המוכן לעבוד במרווח רווח מצומצם עולה. מניתוח נתוני עבר עולה כי כל תוספת של 3-4 מציעים מעבר לממוצע מעלה את מחיר הזכייה בשיעור של 3% עד 7% מעל הערכת השמאי.

האם מומלץ תמיד להגיש הצעה גבוהה מיחס הזכייה ההיסטורי כדי להבטיח זכייה?

חד משמעית לא. המטרה של יזם היא לזכות בפרויקט רווחי, ולא רק "לזכות בכל מחיר". הגשת הצעה גבוהה מדי עקב הפחד להפסיד (FOMO) עלולה להוביל ל"קלת הזוכה" (Winner's Curse) – מצב שבו זוכים במכרז אך במחיר שלא מאפשר להשלים את הפרויקט ברווח.

מה עושים כאשר אין מספיק נתונים היסטוריים באותה שכונה או עיר?

במקרים בהם אין נתונים ישירים, מרחיבים את ספקטרום החיפוש לאזורים בעלי מאפיינים סוציו-אקונומיים, סוגי בנייה וביקושים דומים. בפלטפורמת WizBid ניתן לבצע חתכים לפי סוגי מתחמים ומאפיינים תכנוניים ברמה ארצית כדי למצוא קבוצות השוואה מתאימות.

מהו ההבדל בין מחיר המינימום במכרז לבין הערכת השמאי?

מחיר המינימום נקבע על ידי רמ"י (לרוב כ-50% מהערכת השמאי) ומהווה את הרף התחתון שמתחתיו לא תתקבל אף הצעה. הערכת השמאי מייצגת את שווי השוק המוערך של הקרקע לפי עמדת המדינה. ניתוח היסטורי מראה כי במכרזים מבוקשים, מחירי הזכייה בפועל גבוהים בהרבה גם ממחיר המינימום וגם מהערכת השמאי.

סיכום: מעבר מניחושים לאסטרטגיית הגשה מבוססת נתונים

השתתפות במכרזי רשות מקרקעי ישראל דורשת איזון עדין בין זהירות פיננסית לאגרסיביות מסחרית. הסתמכות על תחושות בטן או ניחושים בלבד אינה מתאימה לשוק המקרקעין המודרני. באמצעות ניתוח היסטורי של מחירי זכייה, למידת תוצאות מכרזי רמ"י ויישום מודלים מתמטיים פשוטים, תוכלו לגדר את הסיכונים שלכם ולשפר משמעותית את סיכויי הזכייה.

רוצים לקבל יתרון תחרותי במכרז הבא? התחברו ל-WizBid והתחילו לנתח את נתוני המכרזים בדיוק ובמהירות בעזרת הטכנולוגיה מתקדמת של WizBi.AI.