Риски инвестиционного проекта

Метод экспертных оценок базируется на опыте экспертов в вопросах управления инвестиционными проектами. Анализ начинается с составления  исчерпывающего перечня рисков по всем стадиям проекта. Каждому эксперту, работающему отдельно, предоставляется  перечень первичных рисков в виде опросных листов и предлагается оценить  вероятность их наступления, руководствуясь специальной системой оценок. В том  случае, если между мнениями экспертов  будут обнаружены большие расхождения, они обсуждаются всеми экспертами для выработки более согласованной  позиции. В целях получения более  объективной оценки специалисты, проводящие экспертизу, должны обладать полным спектром информации об оцениваемом проекте.

После определения вероятностей по простым рискам возникает вопрос о выборе метода сведения разнообразных  показателей к единой интегральной оценке. В качестве такого метода обычно используется один из традиционных методов  получения рейтинговых показателей, например, взвешивание. Этот метод предполагает определение весовых коэффициентов, с которыми каждый простой риск входит в общий риск проекта. При этом нет никакой необходимости использовать для каждой группы рисков единую систему  весов, единообразный подход должен соблюдаться только внутри каждой отдельно взятой группы. Важно лишь, чтобы  соблюдались такие общие требования, как неотрицательность весовых  коэффициентов и приравнивание  их суммы к единице.

Основная проблема, возникающая  при использовании метода экспертных оценок, связана с объективностью и точностью получаемых результатов. Это связано с такими факторами, как некачественный подбор экспертов, возможность группового обсуждения, доминирование какого-либо мнения (мнения «авторитетного лидера») и т. д. [6]

Наибольшее распространение при  оценке риска инвестиционных проектов (особенно производственных инвестиций) получили такие количественные методы, как:

• статистический метод;
• анализ чувствительности (метод вариации параметров);
• метод проверки устойчивости (расчета критических точек);
• метод сценариев (метод формализованного описания неопределенностей);
• имитационное моделирование (метод статистических испытаний, метод Монте-Карло);
• метод корректировки ставки дисконтирования. [14]

Часто производственная деятельность предприятий планируется  по средним показателям параметров, которые заранее не известны достоверно (например, прибыль) и могут меняться случайным образом. При этом крайне нежелательна ситуация с резкими изменениями этих показателей, ведь это означает угрозу утери контроля. Чем меньше отклонение показателей от среднего ожидаемого значения, тем больше стабильность рыночной обстановки.

Именно  поэтому наибольшее распространение  при оценке инвестиционного риска  получил статистический метод, основанный на методах математической статистики.

Расчет  среднего ожидаемого значения осуществляется по формуле средней арифметической взвешенной:

где   – среднее ожидаемое значение;   – ожидаемое значение для каждого случая;   – число случаев наблюдения (частота).

Среднее ожидаемое значение представляет собой  обобщенную количественную характеристику и поэтому не позволяет принять  решение в пользу какого-либо варианта инвестирования.

Основным преимуществом статистического  метода является то, что он позволяет  оценивать риск не только рассматриваемого инвестиционного проекта, но и всего  предприятия в целом, анализируя динамику его доходов за определенный отрезок времени. Несмотря на несложность  выполнения математических расчетов, для использования данного метода необходимо большое количество информации и данных за длительный период времени, что и является его основным недостатком. [2]

В инвестиционном проектировании при  оценке риска применяется также  анализ чувствительности. При использовании  данного метода риск рассматривается  как степень чувствительности результирующих показателей реализации проекта  к изменению условий функционирования (изменение налоговых платежей, ценовые  изменения, изменения средних переменных издержек и т.п.). В качестве результирующих показателей реализации проекта  могут выступать: показатели эффективности (NPV, IRR, PI, срок окупаемости); ежегодные показатели проекта (чистая прибыль, накопленная прибыль).

Анализ начинается с установления базового значения результирующего  показателя (например, NPV) при фиксированных  значениях параметров, влияющих на результат оценки проекта. Затем  рассчитывается процентное изменение  результата (NPV) при изменении одного из условий функционирования (другие факторы предполагаются неизменными). Как правило, границы вариации параметров составляют + - 10–15 %.

Наиболее информативным методом, применяемым для анализа чувствительности, является расчет показателя эластичности, представляющего собой отношение  процентного изменения результирующего  показателя к изменению значения параметра на один процент.

где x₁ – базовое значение варьируемого параметра, x₂ – измененное значение варьируемого параметра, NPV₁ – значение результирующего показателя для базового варианта, NPV₂ – значение результирующего показателя при изменении параметра.

Анализ чувствительности позволяет  определить ключевые (с точки зрения устойчивости проекта) параметры исходных данных, а также рассчитать их критические (предельно допустимые) значения.

По этой причине применение данного  метода как самостоятельного инструмента  анализа риска на практике, по мнению ряда авторов, весьма ограничено, если вообще возможно. [22]

Метод проверки устойчивости предусматривает разработку сценариев реализации проекта в наиболее вероятных или наиболее «опасных» для каких-либо участников условиях. По каждому сценарию исследуется, как будет действовать в соответствующих условиях организационно-экономический механизм реализации проекта, каковы будут при этом доходы, потери и показатели эффективности у отдельных участников, государства и населения. Влияние факторов риска на норму дисконта при этом не учитывается. [15]

Проект считается устойчивым и  эффективным, если во всех рассмотренных  ситуациях NPV положителен; обеспечивается необходимый резерв финансовой реализуемости  проекта.

Степень устойчивости проекта по отношению  к возможным изменениям условий  реализации может быть охарактеризована показателями предельного (критического) уровня объемов производства, цен  производимой продукции и других параметров проекта.

Предельное значение параметра  проекта для некоторого t-го года его реализации определяется как  такое значение этого параметра  в t-ом году, при котором чистая прибыль  участника в этом году становится нулевой. Одним из наиболее важных показателей  этого типа является точка безубыточности, характеризующая объем продаж, при  котором выручка от реализации продукции  совпадает с издержками производства:

где з_с - постоянные затраты, уровень которых напрямую не связан с объемом производства продукции;   – переменные затраты, величина которых изменяется с изменением объема производства продукции;   – цена единицы продукции.

Для подтверждения  работоспособности проектируемого производства (на данном шаге расчета) необходимо, чтобы значение точки  безубыточности было меньше значений номинальных объемов производства и продаж (на этом шаге). Чем дальше от них значение точки безубыточности (в процентном отношении), тем устойчивее проект.

Обычно  проект считается устойчивым, если в расчетах по проекту в целом  значение точки безубыточности не превышает 60–70 % от номинального объема производства после освоения проектных мощностей. Близость значения точки безубыточности к 100 %, как правило, свидетельствует  о недостаточной устойчивости проекта  к колебаниям спроса на продукцию  на данном шаге. [18]

В какой-то мере избежать недостатков, присущих анализу  чувствительности, позволяет метод  сценариев, при котором одновременному непротиворечивому изменению подвергается вся совокупность факторов исследуемого проекта с учетом их взаимозависимости.

Метод сценариев  предполагает описание опытными экспертами всего множества возможных условий  реализации проекта (либо в форме  сценариев, либо в виде системы ограничений  на значения основных технических, экономических  и прочих параметров проекта) и отвечающих этим условиям затрат, результатов  и показателей эффективности.

В качестве возможных вариантов целесообразно  построить как минимум три  сценария: пессимистический, оптимистический  и наиболее вероятный (реалистический, или средний).

Следующий этап реализации метода сценариев состоит  в преобразовании исходной информации о факторах неопределенности в информацию о вероятностях отдельных условий  реализации и соответствующих показателях  эффективности или об интервалах их изменения.

На основе имеющихся данных определяются показатели экономической эффективности проекта.

Если  вероятности наступления того или  иного события, отраженного в  сценарии, известны точно (вероятностная  неопределенность), то ожидаемый интегральный эффект проекта рассчитывается по формуле  математического ожидания: 

 

где NPV_i – интегральный эффект при условии реализации i-ого сценария, p_i – вероятность этого сценария.

При этом риск неэффективности проекта (p₃) оценивается как суммарная вероятность тех сценариев (к), при которых ожидаемая эффективность проекта (NPV) становится отрицательной.

В тех случаях, когда ничего не известно о вероятности отдельных сценариев (интервальная неопределенность) или  реализация любого из них вообще не является случайным событием и не может быть охарактеризована в терминах теории вероятности, используется минимаксный  подход, в частности, так называемый критерий оптимизма-пессимизма, предложенный Л. Гурвицем: ,

где   – наибольший и наименьший интегральный эффект по рассмотренным сценариям; – специальный норматив для учета неопределенности эффекта, отражающий систему предпочтений соответствующего хозяйственного субъекта в условиях неопределенности (рекомендуется принимать на уровне 0,3). [7]

Основным недостатком сценарного анализа является рассмотрение только нескольких возможных исходов по проекту (дискретное множество значений NPV), хотя в действительности число  возможных исходов не ограничено. Кроме того, при невозможности  использования объективного метода определения вероятности того или  иного сценария приходится делать предположения, основываясь на личном опыте или  суждении, при этом возникает проблема достоверности вероятностных оценок.

При применении минимаксного подхода, хотя и не использующего вероятности  отдельных сценариев, большой субъективностью  отличается выбор специального норматива.

Как вспомогательный инструмент при  проведении сценарного анализа удобно использовать метод дерева решений. Он применяется в тех ситуациях, когда решения, принимаемые в  каждый момент времени, сильно зависят  от предыдущих решений и в свою очередь определяют сценарии дальнейшего  развития событий.

Дерево решений – это сетевые  графики, каждая ветвь которых представляет собой альтернативные варианты развития или состояния среды.

При проведении сценарного анализа  на сетевом графике указываются  вероятности наступления тех  или иных событий, а затем производится расчет ожидаемых результатов. [4]

Анализ рисков с использованием метода имитационного моделирования (метода Монте-Карло) представляет собой  соединение методов анализа чувствительности и анализа сценариев на базе теории вероятности. Вместо того чтобы создавать  отдельные сценарии (наилучший, наихудший), в имитационном методе компьютер  генерирует сотни возможных комбинаций параметров (факторов) проекта с  учетом их вероятностного распределения. Каждая комбинация дает свое значение NPV, и в совокупности аналитик получает вероятностное распределение возможных  результатов проекта. Реализация этой достаточно сложной методики возможна только с помощью современных  информационных технологий.

Имитационное моделирование строится по следующей схеме:

• формулируются параметры (факторы), влияющие на денежные потоки проекта;
• строится вероятностное распределение по каждому параметру (фактору);

Метод Монте-Карло  является мощным средством анализа  инвестиционных рисков, позволяя учитывать  максимально возможное число  факторов внешней среды. Необходимость  его применения в отечественной  финансовой практике обусловлена особенностями российского рынка, характеризующегося субъективизмом, зависимостью от внеэкономических факторов и высокой степенью неопределенности.

Но тем  не менее этот подход не лишен недостатков:

• существование коррелированных параметров сильно усложняет модель, оценка их зависимости не всегда доступна аналитикам;
• иногда трудно даже приблизительно определить для исследуемого параметра (фактора) или результирующего показателя вид вероятностного распределения;
• при разработке реальных моделей может возникнуть необходимость привлечения специалистов или научных консультантов со стороны;
• исследование модели возможно только при наличии вычислительной техники и специальных пакетов прикладных программ;
• следует также отметить относительную неточность полученных результатов по сравнению с другими методами численного анализа. [16]