Volodina-vasilisa.ru

Антикризисное мышление
0 просмотров
Рейтинг статьи
1 звезда2 звезды3 звезды4 звезды5 звезд
Загрузка...

Анализ вероятностных распределений потоков платежей

Количественный анализ риска инвестиционных проектов

В мировой практике финансового менеджмента используются различные методы анализа рисков инвестиционных проектов (ИП). К наиболее распространенным из них следует отнести:

  • метод корректировки нормы дисконта;
  • метод достоверных эквивалентов(коэффициентов достоверности);
  • анализ чувствительности критериев эффективности(чистый дисконтированный доход (NPV), внутренняя норма доходности (IRR) и др.);
  • метод сценариев;
  • анализ вероятностных распределений потоков платежей;
  • деревья решений;
  • метод Монте-Карло(имитационное моделирование) и др.

В данной статье кратко изложены преимущества, недостатки и проблемы их практического применения, предложены усовершенствованные алгоритмы количественного анализа рисков инвестиционных проектов и рассмотрено их практическое применение.

Метод корректировки нормы дисконта. Достоинства этого метода — в простоте расчетов, которые могут быть выполнены с использованием даже обыкновенного калькулятора, а также в понятности и доступности. Вместе с тем метод имеет существенные недостатки.

Метод корректировки нормы дисконта осуществляет приведение будущих потоков платежей к настоящему моменту времени (т.е. обыкновенное дисконтирование по более высокой норме), но не дает никакой информации о степени риска (возможных отклонениях результатов). При этом полученные результаты существенно зависят только от величины надбавки за риск.

Он также предполагает увеличение риска во времени с постоянным коэффициентом, что вряд ли может считаться корректным, так как для многих проектов характерно наличие рисков в начальные периоды с постепенным снижением их к концу реализации. Таким образом, прибыльные проекты, не предполагающие со временем существенного увеличения риска, могут быть оценены неверно и отклонены.

Данный метод не несет никакой информации о вероятностных распределениях будущих потоков платежей и не позволяет получить их оценку.

Наконец, обратная сторона простоты метода состоит в существенных ограничениях возможностей моделирования различных вариантов, которое сводится к анализу зависимости критериев NPV(IRR,PI и др.) „от изменений только одного показателя — нормы дисконта.

Несмотря на отмеченные недостатки, метод корректировки нормы дисконта широко применяется на практике.

Метод достоверных эквивалентов.Недостатками этого метода следует признать:

  • сложность расчета коэффициентов достоверности, адекватных риску на каждом этапе проекта;
  • невозможность провести анализ вероятностных распределений ключевых параметров.

Анализ чувствительности. Данный метод является хорошей иллюстрацией влияния отдельных исходных факторов на конечный результат проекта.

Главным недостатком данного метода является предпосылка о том, что изменение одного фактора рассматривается изолированно, тогда как на практике все экономические факторы в той или иной степени коррелированны.

По этой причине применение данного метода на практике как самостоятельного инструмента анализа риска, по мнению авторов весьма ограничено, если вообще возможно.

Метод сценариев. В целом метод позволяет получать достаточно наглядную картину для различных вариантов реализации проектов, а также предоставляет информацию о чувствительности и возможных отклонениях, а применение программных средств типа Excel позволяет значительно повысить эффективность подобного анализа путем практически неограниченного увеличения числа сценариев и введения дополнительных переменных.

Анализ вероятностных распределений потоков платежей. В целом применение этого метода анализа рисков позволяет получить полезную информацию об ожидаемых значениях NPV и чистых поступлений, а также провести анализ их вероятностных распределений.

Вместе с тем использование этого метода предполагает, что вероятности для всех вариантов денежных поступлений известны либо могут быть точно определены. В действительности в некоторых случаях распределение вероятностей может быть задано с высокой степенью достоверности на основе анализа прошлого опыта при наличии больших объемов фактических данных. Однако чаще всего такие данные недоступны, поэтому распределения задаются исходя из предположений экспертов и несут в себе большую долю субъективизма.

Деревья решений. Ограничением практического использования данного метода является исходная предпосылка о том, что проект должен иметь обозримое или разумное число вариантов развития. Метод особенно полезен в ситуациях, когда решения, принимаемые в каждый момент времени, сильно зависят от решений, принятых ранее, и в свою очередь определяют сценарии дальнейшего развития событий.

Имитационное моделирование. Практическое применение данного метода продемонстрировало широкие возможности его использования инвестиционном проектировании, особенно в условиях неопределённости и риска. Данный метод особенно удобен для практического применения тем, что удачно сочетается с другими экономико-статистическими методами, а также с теорией игр и другими методами исследования операций. Практическое применение авторами данного метода показало, что зачастую он даёт более оптимистичные оценки, чем другие методы, например анализ сценариев, что, очевидно обусловлено перебором промежуточных вариантов.

Многообразие ситуаций неопределённости делает возможным применение любого из описанных методов в качестве инструмента анализа рисков, однако, по мнению авторов, наиболее перспективными для практического использования являются методы сценарного анализа и имитационного моделирования, которые могут быть дополнены или интегрированы в другие методики.

В частности, для количественной оценки риска инвестиционного проекта предлагается использовать следующие алгоритмы:

Алгоритм имитационного моделирования (инструмент “РИСК-АНАЛИЗ”):

1.Определяются ключевые факторы ИП. Для этого предлагается применять анализ чувствительности по всем факторам (цена реализации, рекламный бюджет, объём продаж, себестоимость продукции и т. д.), используя специализированные пакеты типа Project Expert и Альт-Инвест, что позволит существенно сократить время расчётов. В качестве ключевых выбираются те факторы, изменения которых приводят к наибольшим отклонениям чистой текущей стоимости (NPV).

Таблица 1.
Выбор ключевых факторов ИП на основе анализа чувствительности

Анализ вероятностных распределений потоков платежей

Зная распределение вероятностей для каждого элемента потока платежей, можно определить ожидаемую величину чистых поступлений наличности в соответствующем периоде, рассчитать по ним чистую современную стоимость проекта NPV и оценить ее возможные отклонения. Проект с наименьшей вариацией доходов считается менее рисковым. Однако, количественная оценка вариации напрямую зависит от степени корреляции между отдельными элементами потока платежей. Рассмотрим два противоположных случая:

-элементы потока платежей независимы друг от друга во времени (т.е. корреляция между ними отсутствует);

-значение потока платежей в периоде t сильно зависит от значения потока платежей в предыдущем периоде t-1 (т.е. между элементами потока платежей существует тесная корреляция).

Сначала рассмотрим первый случай – независимые потоки платежей.

В этом случае ожидаемая величина NPV и ее стандартное отклонение могут быть определены из следующих соотношений:

где — ожидаемое значение потока платежей в периоде t; i –й вариант значения потока платежей в периоде t ; m – количество предполагаемых значений потока платежей в периоде t ; — вероятность i-го значения потока платежей в периоде t ; — стандартное отклонение потока платежей от ожидаемого значения в периоде t.

Пример. Проект требует первоначальных вложений в размере 10000 ден. ед. Предположим, что норма дисконта составляет 6%. Планируемый поток платежей по проекту характеризуется распределением вероятностей, приведенным в таблице.

Определим чистую современную стоимость NPV и риск проекта. Расчеты дают: NPV = 2475,06 и s=2257,27. Зная их можно провести анализ вероятностного распределения будущего дохода, исходя из предположения о его нормальном распределении.

Определим P(NPV≤0)=0,14, следовательно вероятность получения положительного значения NPV будет равна: 1-0,14 = 0,86.

Аналогично могут быть определены вероятности получения других значений NPV.

Теперь рассмотрим второй случай – сильно зависимые потоки платежей.

В этом случае распределения элементов потока платежей будут одинаковы. Например, если фактическое значение поступлений от проекта в первом периоде отклоняется от ожидаемого на n стандартных отклонений, все остальные элементы потока платежей в последующих периодах будут также отклоняться от ожидаемого значения на эту же величину. Другими словами, между элементами потока платежей существует линейная зависимость. Такие потоки платежей называют идеально коррелированными. В этом случае формулы расчетов следующие:

Предположим, что в рассмотренном выше примере потоки платежей идеально коррелированные. Проведенные расчеты по указанным формулам дают: NPV=2475,06; s=3888. Из таблицы значений стандартного нормального распределения находим P(NPV≤0)=0,26.

Рассмотренные случаи имеют важное теоретическое и практическое значение. Однако, в реальной практике преобладает золотая середина, и между элементами потоков платежей обычно существует умеренная корреляция. В этом случае сложность вычислений существенно возрастает. Несмотря на то, что их реализация средствами EXCEL не представляет особого труда, методика проведения анализа рисков при существовании умеренной корреляции между элементами потока платежей требует предварительного рассмотрения понятия условной вероятности. В целом, применение этого метода позволяет получить полезную информацию об ожидаемых значениях NPV и чистых поступлений, а также провести анализ их вероятностных распределений. Вместе с тем использование этого метода предполагает, что вероятности для всех вариантов денежных поступлений известны либо могут быть точно определены. В действительности в некоторых случаях распределение вероятностей может быть задано с высокой степенью достоверности на основе анализа прошлого опыта при наличии больших объемов фактических данных. Однако чаще всего такие данные недоступны, поэтому распределения задаются исходя из предположения экспертов и несут в себе большую долю субъективизма.

Деревья решений

Деревья решений обычно используются для анализа рисков проектов, имеющих обозримое или разумное число вариантов развития. Они особо полезны в ситуациях, когда решения, принимаемые в момент времени t, сильно зависят от решений, принятых ранее, и свою очередь определяют сценарии дальнейшего развития событий. Дерево решений имеет вид нагруженного графа, вершины его представляют ключевые состояния, в которых возникает необходимость выбора, а дуги (ветви дерева) – различные события (решения, последствия, операции), которые могут иметь место в ситуации, определяемой вершиной. Каждой дуге дерева могут быть приписаны числовые характеристики, например, величина платежа и вероятность его осуществления.

Процесс принятия решений с помощью дерева решений в общем случае предполагает выполнение следующих пяти этапов.

Этап 1. Формулирование задачи. Прежде всего, необходимо отбросить не относящиеся к проблеме факторы, а среди множества оставшихся выделить существенные и несущественные. Это позволит привести описание задачи принятия решения к поддающейся анализу форме. Должны быть выполнены следующие основные процедуры:

определение возможностей сбора информации для экспериментирования и реальных действий;

составление перечня событий, которые с определенной вероятностью могут произойти;

установление временного порядка расположения событий, в исходах которых содержится полезная и доступная информация, и тех последовательных действий, которые можно предпринять.

Этап 2. Построение дерева решений.

Этап 3. Оценки вероятностей состояний среды, то есть сопоставление шансов возникновения каждого конкретного события. Следует отметить, что указанные вероятности определяются либо на основании имеющейся статистики, либо экспертным путем.

Этап 4. Установление выигрышей (или проигрышей, как выигрышей со знаком минус) для каждой возможной комбинации альтернатив (действий) и состояний среды.

Прежде чем продемонстрировать процедуру применения дерева решений, нужно ввести ряд определений. В зависимости от отношения к риску решение задачи может выполняться с позиций, так называемых объективистов и субъективистов. Поясним эти понятия на следующем примере. Пусть предлагается лотерея: за 100 руб. (стоимость лотерейного билета) игрок с равной вероятностью p = 0,5 может ничего не выиграть или выиграть 1000 руб. Один индивид пожалеет и 100 руб. за право участия в такой лотерее, то есть просто не купит лотерейный билет, другой готов заплатить за лотерейный билет 500 руб., а третий заплатит даже 600 руб. за возможность получить 1000 руб. (например, когда ситуация складывается так, что, только имея 1000 руб., игрок может достичь своей цели, поэтому возможная потеря последних денежных средств, а у него их ровно 600 руб., не меняет для него ситуации).

Безусловным денежным эквивалентом (БДЭ) игры называется максимальная сумма денег, которую ЛПР готов заплатить за участие в игре (лотерее), или, что тоже, та минимальная сумма денег, за которую он готов отказаться от игры. Каждый индивид имеет свой БДЭ.

Индивида, для которого БДЭ совпадает с ожидаемой денежной оценкой (ОДО) игры, то есть со средним выигрышем в игре (лотерее), условно называют объективистом, индивида, для которого БДЭ не совпадает с ОДО, — субъективистом.

Ожидаемая денежная оценка рассчитывается как сумма произведений размеров выигрышей на вероятности этих выигрышей.

Например, для нашей лотереи ОДО = 0,5×0 + 0,5×1000 = 500 руб. Если субъективист склонен к риску, то его БДЭ > ОДО. Если не склонен, то БДЭ

VIII Международная студенческая научная конференция Студенческий научный форум — 2016

АНАЛИЗ ВЕРОЯТНОСТНЫХ РАСПРЕДЕЛЕНИЙ ПОТОКОВ ПЛАТЕЖЕЙ И НЕЧЕТКО-МНОЖЕСТВЕННОГО АНАЛИЗА ПРИ УПРАВЛЕНИИ РИСКАМИ ПРОЕКТОВ

Ключевые слова: проект, риск, управление проектами, методы оценки рисков, анализ вероятностных распределений, нечетко-множественный анализ.

Yakovleva M.F. is a student at the Chair of Business Informatics and information technology, Nosov Magnitogorsk State Technical University, e-mail: marina31-94@mail.ru

Kolobova O.L. — PhD, Associate Professor, Chair of Business Informatics and information technology, Nosov Magnitogorsk State Technical University, e-mail: kolomagn@mail.ru

Mamazhonova G.Yu. is a student at the Chair of Business Informatics and information technology, Nosov Magnitogorsk State Technical University, e-mail: gsnezhka@bk.ru

The probability distribution of payment flows and fuzzy multiple analysis in risk management projects

Annotation.This article addresses issues such as risk management project. The importance of risk assessment in the planning phase of the project for its effective implementation. The article lists the main methods for assessing the risks of the investment project. Particular attention is paid to techniques such as analysis of the probability distribution of payment flows and fuzzy multiple analysis in risk management projects. The paper provides a detailed description of these methods. The basic advantages of the methods of probability distributions of payment flows and fuzzy multivariate analysis.

Key words: project, risk, project management, methods of risk assessment, analysis of probability distributions, fuzzy multiple analysis.

Введение

Риск сопровождает все сферы деятельности и направления любой организации, которая действует в условиях рынка. Риском нужно управлять, используя определенные меры, которые смогут спрогнозировать наступление этого негативного события, а так же принять соответствующие решения к минимизации степени риска.

При осуществлении любого проекта всегда возникает ситуация, связанная с неопределенностью, неполнотой или неточностью. Все участники проекта заинтересованы в том, чтобы исключить возможность провала проекта из-за таких неопределенных ситуаций.

Управление рисками является одной из самых главных проблем при планировании проекта. Существуют различные методы оценки рисков проекта. В данной статье мы рассмотрим методы вероятностных распределений потоков платежей и нечетко-множественного анализа при управлении рисками проектов.

«Менеджеры слабо владеют методами вероятностных распределений потоков платежей и нечетко-множественного анализа при управлении рисками проектов» [6]. Это ведет к неэффективности проекта. Для того, чтобы проект был успешным, нужно исследовать все возможные риски, которые могут негативно повлиять на исход проекта.

Актуальность темы исследования определяется необходимостью использования методов оценки рисков для успешного достижения целей проекта. Оценка рисков проекта дает возможность спрогнозировать и определить различные риски, угрожающие успешному завершению проекта.

Анализ вероятностных распределений потоков платежей и нечетко-множественного анализа при управлении рисками проектов

В современной отечественной науке понятие «анализ проектных рисков» стало рассматриваться недавно. Оно является обязательным разделом любого бизнес-плана инвестиционного проекта. В трудах отечественных исследователей этому вопросу уделяется большое внимание. Среди них работы таких исследователей, как: М.Н. Крестьянова [2], И.Я. Лукасевич [3], А.О. Недосекин [4], Е.В. Фиронова [5], Г.Н. Чусавитина [6].

Для того, чтобы приступить к рассмотрению оценки инвестиционного проекта, необходимо различать понятия «риск» и «неопределенность».

«Под неопределенностью понимается неполнота или неточность информации о критериях осуществления проекта. Понятием риска характеризуется неопределенность, связанная с возможностью появления в процессе реализации проекта негативных ситуаций и последствий» [1].

Независимо от причин возникновения риска естественным является желание уменьшить возможные потери, связанные с реализацией данного риска. Это осуществляется путем принятия управленческих решений, в ходе реализации которых и происходит управление риском, называемое также в контексте бизнеса риск-менеджментом.

«Управление рисками – процесс принятия и выполнения управленческих решений, направленных на снижение вероятности возникновения неблагоприятного результата и минимизацию возможных потерь» [6].

«Цель управления рисками проекта – повышение вероятности возникновения благоприятных событий и снижение вероятности возникновения неблагоприятных событий» [6].

Существуют различные методы оценки рисков. Методы оценки инвестиционных рисков подразделяются на качественные и количественные.

«Качественная оценка рисков – процесс представления качественного анализа идентификации рисков, требующих быстрого реагирования» [2]. Эта оценка рисков определяет степень значимости риска и выбирает метод реагирования. Качественная оценка рисков подразделяется на экспертный метод, метод анализа уместности затрат, метод аналогий.

«Количественная оценка рисков позволяет определять: вероятность достижения конечной цели проекта, степень воздействия риска на проект и объемы непредвиденных затрат и материалов, которые могут понадобиться, а также риски, требующие скорейшего реагирования и большего внимания, фактические затраты, предполагаемые сроки окончания» [2]. В качестве методов количественного анализа рисков инвестиционных проектов определяют: метод корректировки нормы дисконта; анализ чувствительности критериев эффективности; метод сценариев; анализ вероятностных распределений потоков платежей; деревья решений; метод Монте-Карло (имитационное моделирование); нечетко-множественный анализ и др.

Далее мы подробно рассмотрим методы вероятностных распределений потоков платежей и нечетко-множественного анализа при управлении рисками проекта.

«Анализ вероятностных распределений потоков платежей дает полезную информацию об ожидаемых значениях чистой приведенной стоимости и чистых поступлений, а так же этот метод позволяет провести анализ их вероятностных распределений» [3]. Но использование этого метода, как правило, предполагает, что вероятности для всех вариантов денежных потоков известно или могут быть точно определены. На самом деле, в некоторых случаях, распределение вероятностей может быть задано с высокой степенью достоверности на основе анализа прошлых опытов при наличии достаточно больших объемов фактических данных. Но, к сожалению, эти данные почти всегда не бывают доступны, и распределения, как правило, задаются экспертно и несут в себе большую долю субъективизма.

Зная распределения вероятностей для каждого элемента потока платежей, можно определить ожидаемую величину чистых поступлений наличности в соответствующем периоде, рассчитать по ним чистую современную стоимость проекта и оценить ее возможные отклонения. Проект с наименьшей вариацией доходов считается менее рисковым.

В целом применение вышеизложенного метода анализа рисков позволяет получить полезную информацию об «ожидаемых значениях чистой приведенной стоимости и чистых поступлений, а также провести анализ их вероятностных распределений» [6].

Очень часто встречается в литературе метод, который основан на анализе рисков с точки зрения нечетко-множественного подхода. Отличие этого метода от других методов заключается в том, что вместо стандартных статистических приемов, присваивающих каждому рисковому фактору свои вероятностные характеристики, параметры описываются языком нечетких множеств.

«Суть метода – представить прибыльность проекта в виде нечеткого числа и определить его функцию принадлежности и максимизировать эту функцию, выполняя при этом условие минимизации риска проекта (вероятность провала проекта не превышает уровня, заданного инвестором)» [4]. Проект признается прибыльным, если чистая приведенная стоимость больше заданного инвесторами критерия.

Огромный вклад в изучение метода нечетко-множественного анализа внесли зарубежные ученые: Дж. Вейн [8], И. Хайширмохади [9], Н. Чайра [10]. Так же большой вклад в изучение этого метода внес американский ученый М. Нэдэри [7]. Его исследование рассматривает некоторые модели и методы и делает первоначальный вклад в развитие количественного метода анализа степени риска, основанного на нечеткой логике. Автор в своем исследовании стремится развить модель, основанную на нечеткой теории логического и нечеткого множества, заполнить некоторые промежутки между реальной окружающей средой и научными подходами. Нечеткая логика и теория нечетких множеств были использованы в качестве основы этой новой методологии. Это приводит к лучшим результатам, меньшему количеству неудач и более низкой терпимости к риску в планировании проекта.

Преимущества метода нечетко-множественного анализа:

на основе теории нечетких множеств формируется полный спектр возможных сценариев инвестиционного процесса;

решение принимается не на основе двух оценок эффективности проекта, а по всей совокупности оценок;

ожидаемая эффективность проекта не является точечным показателем, а представляет собой поле интервальных значений со своим распределением ожиданий, характеризующимся функцией принадлежности соответствующего нечеткого числа.

Вывод

Управление рисками является одной из самых главных проблем при планировании проекта. Для того, чтобы проект был успешным, нужно исследовать все возможные риски, которые могут негативно повлиять на исход проекта.

В связи с этим мы выделили, что проблема оценки рисков инновационных проектов является актуальной и пришли к выводу, что существуют большое количество различных методов для оценки рисков проекта и одни из них методы вероятностных распределений потоков платежей и нечетко-множественного анализа.

Как показало исследование, эти методы имеют очень много достоинств. Каждый метод имеет свои особенности, но единственное, что их объединяет – это эффективная оценка рисков инвестиционного проекта. Менеджеры, используя эти методы для оценки рисков, имеют большое преимущество для устранения рисков и принятия правильных решений для минимизации угрозы риска проекта.

Количественные методы анализа рисков проектов [Электронный ресурс] – Режим доступа: http://www.market-journal.com/ekonomikaupravlenija/59.html

Крестьянова М.Н. Анализ проектных рисков [Электронный ресурс] / М.Н. Крестьянова – Режим доступа: http://catalog.studentochka.ru/9907.html

Лукасевич И.Я. Анализ вероятностных распределений потоков платежей [Электронный ресурс] / И.Я. Лукасевич – Режим доступа: http://finlit.online/finansovyiy-analiz/analiz-veroyatnostnyih-raspredeleniy-potokov-6352.html

Недосекин А.О. Метод нечетко-множественной оценки инвестиционного проекта [Электронный ресурс] / А.О. Недосекин – Режим доступа: http://study.sale/riski/42metod-nechetko-mnojestvennoy-otsenki.html

Фиронова Е.В. Применение нечеткой логики для анализа рисков инвестиционных проектов [Электронный ресурс] / Е.В. Фиронова – Режим доступа: http://ecsocman.hse.ru/data/152/124/1231/Fuzzy_tekst_dlya_sajta.doc

Чусавитина Г.Н., Макашова В.Н., Колобова О.Л. Управление ИТ-проектами / Г.Н. Чусавитина, В.Н. Макашова, О.Л. Колобова — Магнитогорск: Магнитогорский государственный технический университет, 2015. — 141 с.

Анализ вероятностных распределений потоков платежей

4. Анализ вероятностных распределений потоков платежей.

В целом применение этого метода анализа рисков позволяет получить полезную информацию об ожидаемых значениях NPV и чистых поступлений, а также провести анализ их вероятностных распределений.

Вместе с тем использование этого метода предполагает, что вероятности для всех вариантов денежных поступлений известны либо могут быть точно определены. В действительности в некоторых случаях распределение вероятностей может быть задано с высокой степенью достоверности на основе анализа прошлого опыта при наличии больших объемов фактических данных. Однако чаще всего такие данные недоступны, поэтому распределения задаются исходя из предположений экспертов и несут в себе большую долю субъективизма. [15]

5. Определение предельного уровня устойчивости проекта.

Анализ предельного уровня устойчивости проекта предполагает выявление уровня объёма выпускаемой продукции, при котором выручка равна суммарным издержкам производства, т.е. нахождение безубыточного уровня (“точки безубыточности”).

Показатель безубыточного уровня производства используется при:

а) внедрении в производство новой продукции,

б) создании нового предприятия,

в) модернизации предприятия.

Показатель безубыточного производства определяется по формуле:

где ВEP – точка безубыточного производства

FC – постоянные издержки

Р – цена продукции

VC –переменные затраты[16]

6. «Дерево решений».

Дерево решений – графическое изображение последовательности решений и состояний среды с указанием соответствующих вероятностей и выигрышей для любых комбинаций альтернатив и состояний среды.

Процесс принятия решений с помощью дерева решений разделяется на пять этапов: формулирование задачи (то есть определение возможностей сбора информации, составление перечня событий, которые с определенной вероятностью могут произойти, установление временного порядка расположения событий и тех действий, которые можно предпринять), построение дерева решений; оценка вероятностей состояний среды (то есть сопоставление шансов возникновения конкретного события), установление выигрышей (или проигрышей), решение задачи.

Процедура принятия решения заключается в вычислении для каждой вершины дерева (при движении справа налево) ожидаемых денежных оценок, отбрасывании неперспективных ветвей и выборе ветвей, которым соответствует максимальное значение ожидаемой денежной оценки.

Ограничением практического использования данного метода является исходная предпосылка о том, что проект должен иметь обозримое или разумное число вариантов развития. Метод особенно полезен в ситуациях, когда решения, принимаемые в каждый момент времени, сильно зависят от решений, принятых ранее, и в свою очередь определяют сценарии дальнейшего развития событий.

7. Метод Монте-Карло (имитационное моделирование).

При разработке и экспертизе инвестиционного проекта вопрос о его эффективности решается на основе анализа значений различных интегральных показателей — NPV, IRR, РВ, PI и т.д. Но все расчеты проводятся для базового варианта инвестиционного проекта, реализация которого, по мнению разработчиков, наиболее правдоподобна. В данной ситуации строится только одна модель прогнозных потоков денежных средств. И эта модель является моделью принятия решений в условиях определенности.

Предпосылка полной определенности приводит к значительному упрощению действительности при моделировании. На практике нельзя быть полностью уверенным, что при реализации инвестиционного проекта все денежные потоки будут в точности соответствовать прогнозным. Наоборот, с момента реализации проекта на каждом этапе будет возникать все большее расхождение между прогнозными и реальными денежными потоками. Может даже возникнуть ситуация, когда задержки в оплате продукции, рост цен на импортные материалы в связи с изменением валютного курса, изменение налоговых ставок или другие негативные события приведут к полному краху проекта или, как минимум, к существенным дополнительным издержкам. Как оценить устойчивость проекта к изменениям внешней среды? Как количественно измерить риск, связанный со всем проектом в целом? Применение имитационного моделирования методом Монте-Карло в инвестиционных расчетах позволяет дать ответы на эти вопросы.

Проведение риск-анализа методом Монте-Карло не исключает осуществления на предыдущем этапе стандартных инвестиционных расчетов. Этот метод скорее является инструментом, который улучшает их результаты. Наличие хорошей исходной модели инвестиционного проекта — необходимая база для проведения значимого, результативного имитационного моделирования. Результаты сравнительного анализа стандартных инвестиционных расчетов и проведения анализа риска методом Монте-Карло приведены в табл. 9.

Таблица 9. Стандартные инвестиционные расчеты и риск-анализ методом Монте-Карло.

Анализ рисков инвестиционного проекта: рассмотрим подробно

В мировой практике достаточно широко используются качественный и количественный анализ рисков инвестиционного проекта. В общем случае используемые методы анализа отлично подходят для всех видов проектов.

Актуальность оценки проектов увеличивается из года в год, так как их число растет в геометрической прогрессии. Ежегодно в мире разрабатывается и реализуется огромное количество инновационных проектов, способствующих развитию новых технологий.

Риски инвестиционных проектов: виды и анализ

Учет рисков при анализе инвестиционных проектов позволяет точно определить механизмы их устранения, так как выбор оптимального варианта решения проблемы способствует минимизации возможных потерь.

Классификация и анализ рисков инвестиционных проектов позволяют инвестору провести полную, всеобъемлющую проверку ситуаций, которые могут привести к потере финансовых средств. Для анализа инвестиционных проектов используют качественный и количественный анализ инвестиционных рисков.

Качественный анализ рисков инвестиционных проектов заключается в :

  • выявлении рисков
  • идентификации рисков;
  • описании рисков;
  • оценке возможного ущерба от возникновения риска;
  • разработке антирисковых мероприятий;
  • расчете стоимости антирисковых мероприятий.

Основной задачей качественного анализа является оценка и управление рисками.

К методам управления рисками относят следующие методы:

  • диверсификация;
  • уклонение от рисков;
  • компенсация риска;
  • уклонения от риска.

Диверсификация рисков заключается в увеличении:

  • числа участников инвестиционного проекта;
  • видов выпускаемой продукции;
  • количества поставщиков;
  • количества потребителей и др.

Основным методом уклонения от риска является страхование. Компенсация риска связана с созданием резервов по таким видам ресурсов, как:

Локализация рисков связана с определением видов деятельности, максимально подверженных возникновению рисков. Количественные методы анализа рисков используются для оценки эффективности проекта.

Совет! Не стоит игнорировать эти методы анализа. Несмотря на то, что они не дают точных цифр, именно при помощи этих методов можно значительно сократить возможную потерю финансовых средств.

Количественные методы оценки риска

Применение методов этой группы позволяет получить точные и достаточно объективные цифры эффективности инвестиционного проекта, а также осуществлять промежуточную оценку эффективности.

Совет! Не стоит забывать оценивать промежуточные результаты реализации проекта. Своевременное выявление негативных тенденций позволит избежать убытков и своевременно произвести корректировку проекта.

Анализ рисков проекта инвестиционного или инновационного осуществляется на основе следующих, широко распространенных методов:

  • мониторинг критериев эффективности;
  • метод корректировки нормы дисконта;
  • метод сценариев;
  • метод расчета коэффициентов достоверности;
  • метод анализа вероятностных распределений потоков платежей;
  • метод Монте-Карло и др.

Рассмотрим эти методы анализа рисков инвестиционного проекта более подробно.

Мониторинг критериев эффективности

Мониторинг критериев эффективности позволяет оценить влияние отдельных исходных факторов на общий результат проекта. Необъективность полученных результатов в случае использования этого метода заключается в том, что изменение любого оцениваемого фактора рассматривается изолированно.

Обычно в экономике все процессы взаимосвязаны, и оценивать их без учета этого фактора невозможно. Вследствие этого, применять этот метод самостоятельно не целесообразно.

Метод корректировки нормы дисконта

Метод корректировки нормы дисконта широко используется при оценке рисков, так как он очень прост в использовании. Недостатком метода является то, что в результате корректировки нормы дисконта выявляются будущие потоки платежей, но информации о возможных будущих рисках при использовании этого метода получить нельзя.

Метод сценариев

Анализ инвестиционных проектов в условиях риска можно осуществлять при помощи метода сценариев, который позволяет получить наглядную картину развития событий при различной компоновке внешних и внутренних факторов. Использование различных компьютерных программ позволяет максимально увеличить количество рассматриваемых вариантов на основе вариаций неограниченного множества факторов.

Метод расчета коэффициентов достоверности

Не все методы анализа риска инвестиционных проектов широко используются.

Метод расчета коэффициента эквивалентности имеет следующие недостатки, препятствующие его широкому распространению:

  • трудности расчета коэффициентов достоверности, адекватных риску для каждого этапа реализации проекта;
  • сложность проведения анализа вероятностных распределений по ключевым параметрам проекта.

Совет! Несмотря на то, что некоторые методы не получили широкого распространения, стоит произвести расчеты, используя и их. Каждый метод позволяет провести анализ рисков инвестиционной деятельности организации со своей стороны и получить дополнительную информацию. Поэтому используйте любой инструмент, позволяющий оценить финансовые и инвестиционные риски: анализ, статистические расчеты и др.

Метод анализа вероятностных распределений потоков платежей

Использование вероятностного метода позволяет получить необходимую информацию о возможных размерах чистых поступлений и показателе NPV (см. Расчет npv инвестиционного проекта). Кроме этого метод позволяет провести анализ их вероятностных распределений.

К недостаткам стоит отнести то, что при использовании метода анализа вероятностных распределений подразумевается два допущения:

  • предполагается, что заранее известны вероятности по всем направлениям движения финансовых потоков;
  • вероятности для всех направлений движения денежных поступлений могут быть точно определены.

В реальной жизни этот параметр может быть задан с высокой степенью точности при условии:

  • большого массива данных;
  • качественного анализа данных на основе анализа прошлого опыта.

Справедливости ради стоит заметить, что чаще всего такие данные недоступны, а, следовательно, распределения задаются на основе данных предложенных экспертами. В результате проведенный экономический анализ: оценка инвестиционных рисков носит субъективный характер.

Метод Монте-Карло

Экономический анализ инвестиционных рисков проектов про помощи имитационного моделирования достаточно широко распространен. Особенно часто имитационное моделирование используется в условиях неопределенности и риска.

Метод Монте-Карло успешно используется совместно с другими экономико-математическими методами. Использование метода совместно с методом теории игр или другими методами исследования операций позволяет получить достаточно оптимистичную достоверную оценку, так как в расчетах используется большое количество промежуточных вариантов развития событий.

Совет! Для оценки рисков инвестиционного проекта хороши все методы, однако, по мнению специалистов, наилучшие результаты показывает интеграция методов сценарного анализа и имитационного моделирования с другими методиками.

Читать еще:  В качестве платежного средства
Ссылка на основную публикацию
Adblock
detector