Риски в принятии инвестиционных решений

                                                                                                     

                                                                                   

                                                                                                     Таблица 2.3

          Основные методы количественного анализа проектных рисков [11,c.86-90]

Метод	Сущность	Сфера применения
Деревья решений	Метод принятия решений статистических изменений при выборе одного из альтернативных вариантов и формирования оптимальной стратегии	Анализ рисков на этапе планирования проекта. Управление проектом.
Анализ чувствительности	Анализ поведения критериальных показаний проекта в результате изменения только одного фактора (однофакторный анализ)	Количественный анализ рискованности
Сценарный подход	Анализ поведения критериальных показателей проекта в результате изменения спектра рисковых факторов (многофакторный анализ)	Количественный подход в анализе и управления рисками
Имитационное моделирование	Использование числовой оценки риска	Количественная оценка интегральной рискованности всего проекта в целом
Статистический подход	Использование числовых значений показателей дисперсии и среднеквадратичного (стандартного) отклонения	Количественная оценка рисков нескольких проектов (или несколько вариантов одного проекта)

 

Анализ чувствительности. Классический анализ чувствительности представляет собой целенаправленный процесс варьирования ключевых предположений при прогнозировании денежных потоков с целью определить влияние, которое они могут оказать на проектную выгоду. Первый шаг при проведении анализа чувствительности – выбор варьируемых переменных. Как правило, чем больше или ненадежнее переменная, тем более важным становится для нее анализ чувствительности. Применение анализа чувствительности и выбор варьированных компонентов, влияющих на устойчивость проекта, должны определяться для каждого проекта с учетом его специфики.

Далее следует рассчитать относительные величины -  эластичности, отражающие насколько сильно изменяется критериальный проектный анализ при единичном изменении риск-переменной. Например, эластичность NPV (проекта) по варьируемой переменной определяется как отношение относительного приращения в NPV к относительному приращению варьируемому параметре, умноженного на 100%. Преимущество эластичности как показателя в том, что это безразмерная величина, то есть с его помощью удается сопоставить влияния разных (как натуральных, так и стоимостных) варьируемых характеристик проекта.

По эластичности можно построить вектор чувствительности, позволяющий выявить наиболее рискованные переменные [14,c.167-172].

Завершает анализ чувствительности ранжирование риск - переменных в зависимости от значений эластичности: чем больше значение, тем сильнее эта зависимость  и тем более рискованным для проекта является данный фактор. Чем больше эластичность, тем большее внимание должно быть уделено варьируемой переменной, и тем более чувствителен проект к ее изменениям.

Построение рейтинга эластичности позволяет обнаружить наиболее чувствительные переменные, для которых целесообразно провести дополнительные исследования в рамках количественного анализа[12,c.117-119].

 Сценарный подход. Для более полной и точной оценки проектной эффективности в условиях неопределенности необходимо рассматривать разные сценарии реализации проекта. При этом на первый план выходят три проблемы:

- формирование разумного  перечня подлежащих рассмотрению  сценариев;

- учет взаимосвязи параметров  проекта при установлении их  значений для каждого сценария;

- расчет обобщающего показателя  эффективности проекта по значениям  в отдельных сценариях.

На практике при проведении анализа рисков инвестиционного проекта эксперт сталкивается с неограниченным множеством вариантов развития событий. Это связано с необходимостью описания всех возможных условий реализации проекта в форме соответствующих им сценариев или моделей, учитывающих взаимосвязи между основными техническими, экономическими и другими параметрами проекта, учете разнообразных затрат, включая затраты на противорисковые мероприятия [16,c.76-90].

На основе сценариев может быть проанализировано воздействие на изменение выбранного критерия оценки проектной эффективности одновременного изменения всех основных переменных проекта, определяющих его денежные потоки. Важным преимуществом экспетного метода является то, что отклонения параметров рассчитываются с учетом их взаимозависимости (корреляции).

Имитационное моделирование. Метод  Монте – Карло [8,c.289-297].

В общем случае методом Монте-Карло называют численный метод решения математических задач при помощи моделирования случайных величин.  Схема использования метода Монте – Карло такова, что строится математическая модель результирующего показателя (характеризующего инвестиционный проект) как функции переменных и параметров. Переменными считаются случайные составляющие проекта, параметрами – те составляющие проекта, значения которых предполагаются детерминированными. Математическая модель пересчитывается при каждом новом имитационном эксперименте, в течении которого значения основных неопределенных переменных выбираются случайным образом на основе генерирования случайных чисел. Результаты всех имитационных экспериментов объединяются  в выборку и анализируются с помощью статистических методов для получения распределения вероятностей результирующего показателя и расчета основных измерителей риска проекта.

При использовании метода Монте – Карло в инвестиционных расчетах требуетс создания специального программного обеспечения.

Разработка компьютерного обеспечения необходима по следующим причинам [15,c.45-59] :

- во-первых, осуществляется многократное повторение имитационных экспериментов как минимум 100 повторений);

- во-вторых,  используемые модели достаточно сложны (большое количество переменных, учет функций распределения, условий корреляции);

-в - третьих, обработка результатов имитации значительно упрощается;

-в - четвертых, облегчается демонстрация метода в процессе обучения.

В приложении 2 курсового проекта показаны основные недостатки методов анализа чувствительности и сценариев и способы их устранения с помощью метода Монте -  Карло.

Преимущества использования имитационного моделирования методом Монте- Карло в российской экономике обусловлено следующими причинами:

а) высокая неопределенность приводит к тому, что результаты реализации проекта существенно отличаются от прогнозных, поэтому для избежания серьезных потерь необходимо оценивать вероятность реализации неэффективного проекта;

б) различного рода высокого риски, присутствующие в российской экономике, требует от разработчиков проекта реализации мероприятий по  управлению рисками, с помощью предлагаемого подхода можно заранее оценить, насколько те или иные мероприятия по управлению рисками смогут снизить рискованность проекта и как это отразится на эффективности проекта.

Итак, имитационное моделирование методом Монте-Карло может быть использовано[13,c.145-176]:

- для оценки инвестиционного  проекта;

- для управления рисками  инвестиционного проекта;

- для построения оптимизационных  моделей управления рисками с  целью выбора минимального уровня  риска при заданной ожидаемой  чистой дисконтированной стоимости  проекта или максимальной эффективности  проекта при заданном пороговом  уровне риска.

В заключение  второй главы курсового проекта выделим наиболее важные аспекты. Теория управления риском инвестиционного проекта базируется на ряде методов. Каждый метод включает в себя совокупность инструментов, которые классифицируются по нескольким основаниям: сфере деятельности, фазам проектного цикла, методам управления. На каждом этапе реализации инвестиционного проекта меняется набор применяемых инструментов по управлению рисками. Это также доказывает, что процесс управления рисками является непрерывным и остается существенным на протяжении всего проектного цикла.

В данной главе курсового проекта подробно описаны преимущества и недостатки количественных и качественных методов управления проектными рисками, дана их сравнительная характеристика, указана  область применения в зависимости от  уровня и характера инвестиционного проекта.

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

3. Современный инструментарий оценки проектных рисков

 

Каждое инвестиционное решение основывается на различных формализованных и неформализованных подходах. В зарубежной и отечественной практике  используются целый набор методов, расчеты которых могут служить основой для принятия важных  инвестиционных решений. Однако какого то универсального подхода, применимого ко всем проектам, не существует.

 Среди многочисленных  подходов, используемых в анализе  инвестиционной деятельности, можно  выделить три основных подхода: вероятностный, нечетко-множественный  и экспертный. Как показывает  опыт, эффективность применения  подходов на основе вероятностных, нечетко-множественных и экспертных  описаний зависит от уровня  и характера неопределенности, связанной  с конкретным инвестиционным  проектом [20,c.56-78].

Тем временем, по мере увеличения неопределенности классические вероятности уступают место, с одной стороны, субъективным (аксиологическим) вероятностям, основанным на экспертных оценках, а с другой стороны, нечетко-интервальным описаниям, выраженным в виде функций принадлежности нечетких чисел или, в частном случае, в виде нечеткого интервала.

В отличие от вероятностного подхода, который связан с большим количеством однородных объектов или данных наблюдений за объектом , теория нечетких множеств применима к малому числу объектов или наблюдений, выявленных в соответствии  проблемной ориентации.

Вероятностный подход с точки зрения проявления негативного человеческого фактора выражается  в следующих аспектах:

- во - первых,  возникают разногласия  при анализе результатов полученных распределений, так как либо  наблюдаются относительные частоты, либо существует единственное распределение   или  результат распределений определяется субъективно, что является недопустимым.

- во- вторых, практически  невозможно исключить нежелательный  субъективизм полученных от экспертов  данных. А в теории нечётких  множеств изначально предполагается, что функция принадлежности может  быть субъективной.

 В теории нечетких множеств первоначально предусматривается, что функция принадлежности может быть субъективной.

Важным преимуществом теории вероятности по  сравнению с другими подходами является применение логических приемов, таких как дисперсионный анализ. Следует отметить, что со временем неопределенность будущего состояния объекта исследования  теряет свою статичность, поэтому применять теорию классической вероятности, как измеримой характеристики массовых процессов, становится невозможным [21,c.165-164].

Многие экономисты  в своих научных исследованиях, посвященных вопросам инвестиционного анализа, используют не объективные, а задаваемые вероятности, что   неизбежно порождает  проблему достоверности вероятностных оценок.

 Практически лицо, принимающее  решение (ЛПР), присваивая оцениваемым  характеристикам субъективные точечные значения вероятностей, исходит из собственных экономических или иных предпочтений, которые могут быть деформированы искажёнными ожиданиями и пристрастиями. Данное замечание справедливо, если оценкой вероятностей занимается сторонний эксперт [14,c.156-160].

В тех случаях, когда применяется теория нечетких множеств,  от лица принимающего решения  не требуется устанавливать точечные вероятностные оценки, необходимо сформировать расчетный диапазон значений прогнозируемых параметров. В данном случае результатом является нечеткое число со своим диапазоном (степенью нечеткости), в котором следует принимать конкретное значение с минимальным уровнем риска.

Таким образом, применение в инвестиционном анализе нечётко-множественного подхода характерно повышенным уровнем обоснованности, поскольку в нечётко-множественный расчёт попадают все возможные сценарии развития событий,  которые образуют непрерывный спектр[17,c.116-119].

Под нечетким множеством понимается совокупность элементов произвольной природы, по которым нельзя с точной определенностью утверждать принадлежит ли конкретный элемент рассматриваемой совокупности данному множеству или нет.

Установлено, что ключевыми моментами при выборе оптимального варианта инвестиционного проекта являются оценки чистой текущей ценности проекта и  единого срока окупаемости, полученных дисконтирования денежных потоков. Основная проблема этих методов – входная неопределенность относительно ставки дисконта, которая может быть разрешена с помощью теории нечетких множеств [18,c.95-118].

А.О Недосекин в своей работе « Нечеткий финансовый менеджмент» на базе идеи, высказанной Дж. Бакли разработал метод, получивший название  треугольные нечеткие числя, которые представляют собой нормальные нечеткие числа с функцией принадлежности в треугольном виде [15,c.89-93].