Содержание к диссертации
Введение
ГЛАВА 1. Использование имитационного моделирования в проектном анализе 10
1.1. Теоретические основы использования имитационного моделирования как инструмента исследования рисков инвестиционных проектов 10
1.1.1. Риск и неопределенность инвестиционного проекта. Место имитационного моделирования при принятии решений в условиях риска и неопределенности 10
1.1.2. Схема применения метода Монте-Карло в риск-анализе ИП 22
1.2. Практическое применение имитационного моделирования в проектном анализе для оценки рисков 33
1.2.1. Обзор программного обеспечения 33
1.2.2. Особенности применения вероятностного имитационного моделирования в условиях российской экономики 37
ГЛАВА 2. Основные принципы использования вероятностного имитационного моделирования для управлении рисками инвестиционных проектов 50
2.1. Общие принципы построения моделей вероятностного имитационного моделирования для управления рисками инвестиционных проектов 50
2.1.1. Методы управления рисками инвестиционных проектов 50
2.1.2. Основные требования к исходной информации при моделировании...55
2.1.3. Основные требования к точности и надежности результатов моделирования 69
2.1.4. Оценка эффективности выбранного метода управления рисками 72
2.1.5. Описание программного обеспечения, используемого для проведения имитационного моделирования 74
2.1.6. Описание примеров инвестиционных проектов, используемых для моделирования 80
2.2. Вероятностные имитационные модели управления рисками инвестиционных проектов 85
2.2.1. Вероятностная имитационная модель оценки рисков ИП 86
2.2.2. Вероятностная имитационная модель управления рисками ИП с помощью метода уклонения от рисков 93
2.2.3. Вероятностная имитационная модель управления рисками ИП с помощью диссипации рисков проекта 105
2.2.4. Вероятностная имитационная модель управления рисками ИП с помощью компенсации рисков 109
ГЛАВА 3. Оптимизационный подход к управлению рисками инвестиционных проектов 117
3.1. Методика поиска оптимального способа управления рисками инвестиционных проектов на основе имитационного моделирования 117
3.2. Практическое применение последовательного поиска оптимального управления рисками инвестиционного проекта 129
Заключение 153
Библиографический список использованной литературы 157
- Особенности применения вероятностного имитационного моделирования в условиях российской экономики
- Описание программного обеспечения, используемого для проведения имитационного моделирования
- Вероятностная имитационная модель управления рисками ИП с помощью метода уклонения от рисков
- Практическое применение последовательного поиска оптимального управления рисками инвестиционного проекта
Введение к работе
Актуальность темы
В настоящее время российская экономика испытывает существенный дефицит инвестиций. Именно увеличение инвестиционной активности может стать стимулирующим фактором, позволяющим обеспечить стабильный экономический рост. Помимо макроэкономических факторов, определяющих инвестиционный климат в стране, при принятии решений о реализации отдельного инвестиционного проекта наибольшее значение имеет эффективность инвестиций, то есть степень соответствия результатов поставленным целям.
Микроэкономический подход к решению задачи привлечения инвестиций -
важное направление исследований. В значительном количестве научных работ на
основе стандартных подходов проектного анализа формируется методология
разработки бизнес-плана инвестиционного проекта в соответствии с
международными стандартами в условиях российской экономической
V действительности [6,20, 31, 38,42,47, 48, 50].
При большой роли фактора неопределенности, а именно, неполноты и неточности информации об условиях реализации ИП, требуется изменение стандартных подходов проектного анализа к оценке проекта. В основном, это связано с наличием различного рода рисков, другими словами, с возможностями возникновения неблагоприятных последствий при определенных условиях осуществления ИП. Степень влияния рисков характеризует рискованность (неустойчивость) проекта как его неэффективность при определенных возможных условиях его реализации.
Наличие качественного бизнес-плана инвестиционного проекта, к
сожалению, не достаточно для обоснования того, что данный инвестиционный
і проект при его реализации в условиях высокорискованной российской экономики
сможет обладать такой эффективностью и прибыльностью, как это предполагается в бизнес-плане. Таким образом, учет фактора неопределенности, различных рисков и поиск эффективных методов управления рисками, позволяющих путем
реализации специальных антирисковых мероприятий добиться уменьшения негативного эффекта случайных вариаций, становятся в российской экономической действительности необходимыми компонентами процесса разработки и экспертизы ИП.
Очевидно, что для обоснования привлекательности проекта и обеспечения его успешной реализации необходимо проведение качественного и количественного анализа рисков проекта, разработка антирисковых мероприятий, оценка связанных с ними затрат и эффекта от их реализации, проведение расчетов, демонстрирующих устойчивость проекта к изменениям экономической ситуации.
Для определения эффекта конкретного метода управления рисками необходимо наличие инструментов его количественной оценки. Тогда моделирование управления рисками позволит сравнить эффективности методов и выбрать оптимальный вариант, таким образом, уже на предынвестиционной стадии обеспечивая требуемое снижение рискованности проекта при ограниченных затратах на проведение антирисковых мероприятий.
Следует отметить, что теоретический подход к учету неопределенности и рисков сформирован еще не полностью. Большинство исследований на тему учета рисков ограничиваются определением и классификацией возможных источников риска. Относительно оценки эффективности проекта в условиях неопределенности в научной литературе встречаются разные точки зрения. В частности, предлагается корректировать ставку дисконтирования [25, 53, 54, 88], использовать стандартные методы количественного анализа рисков (анализ чувствительности, сценарный подход и т.д.) [12, 24, 25, 31, 88], оценивать ожидаемый интегральный эффект с учетом вида неопределенности [19, 20, 68-72], оценивать риск проекта, понимаемый как его устойчивость [15,24,25, 57, 58, 65].
Таким образом, создание методов оценки и управления рисками инвестиционных проектов с использованием математических средств, в частности, имитационного моделирования по методу Монте-Карло представляет интерес с точки зрения развития теории оценки проектов в условиях неопределенности.
Ограничивая область исследования ситуациями вероятностной
неопределенности, то есть наличия информации о вероятностях событий и законах
распределения случайных величин, можно сделать вывод о преимуществах метода
^ Монте-Карло. Имитационное моделирование по сравнению с анализом
чувствительности, сценарным подходом, методом планирования эксперимента позволяет наиболее адекватно учесть все идентифицированные риски и количественно оценить рискованность и эффективность ИП, а следовательно, определить влияние управления рисками на проект.
Такой инструмент количественного анализа рисков позволяет моделировать различные методы управления рисками, рассчитывать их результаты, сравнивать их между собой и выбирать оптимальные варианты. Он может быть применен как разработчиками проекта для повышения его инвестиционной привлекательности, так и инвесторами при экспертизе проекта, осуществляемого в условиях российской экономики.
Таким образом, научные работы, которые развивают методику применения имитационного моделирования для количественной оценки и управления рисками помимо теоретической значимости имеют важное прикладное значение.
Целью диссертации является разработка методических основ применения вероятностного имитационного моделирования для управления рисками инвестиционных проектов, включая построение экономико-математических вероятностных имитационных моделей для оценки, оптимизации и выбора методов управления рисками.
В соответствии с этой целью в работе поставлены и решены следующие
задачи:
к 1. Выявить возможности и определить область применения метода Монте-Карло
\ для количественной оценки рискованности инвестиционного проекта на основе
обзора опыта исследования рисков в проектном анализе.
2. Разработать методику применения имитационного моделирования для
количественного анализа проектных рисков путем развития имеющихся в
литературе рекомендаций по использованию метода Монте-Карло в инвестиционных расчетах, обеспечивающую выполнение требований содержательной адекватности, точности и надежности результатов.
Разработать экономико-математические вероятностные имитационные модели управления рисками инвестиционных проектов, позволяющие осуществлять расчеты по разработанной методике с целью анализа влияния выбранной схемы минимизации рисков на рискованность и эффективность проекта.
Разработать методику оптимизации управления рисками инвестиционного проекта, основанную на применении вероятностных имитационных моделей управления рисками.
Разработать программное обеспечение процесса вероятностного имитационного моделирования, реализующее методику применения метода Монте-Карло для проведения расчетов по разработанным вероятностным имитационным моделям, удовлетворяющее требованиям гибкого сочетания средств генерации случайных величин и событий с моделями денежных потоков проекта.
Проверить практическую применимость разработанных методик и экономико-математических моделей на примерах конкретных инвестиционных проектов.
Объектом исследования выступают инвестиционные проекты, которые разрабатываются на предынвестиционной стадии. Предметом исследования является изучение влияния методов управления рисками на изменение рискованности и эффективности инвестиционных проектов.
Теоретическая и методологическая основы диссертации
В работе широко использовалась российская и зарубежная экономическая литература, посвященная как методологии качественного и количественного анализа рисков инвестиционного проекта, оценки экономической эффективности проектов в условиях неопределенности, так и непосредственно вопросам имитационного моделирования по методу Монте-Карло. Теоретической основой являлись работы Д.Б.Хертца (Hertz; 1964, 1968, 1979, 1983)[93-96], в которых впервые был разработан подход по применению имитационного моделирования
при бюджетировании капиталовложений, в инвестиционных расчетах, Р. Брейли, С. Майерса (Breally, Meyers; 1988) [88] с описанием и анализом методов количественного анализа рисков, В.Н. Лившица, С.А. Смоляка (Смоляк; 1980, 1990, 1993, 1996), (Виленский, Лившиц, Смоляк; 2001) [20, 68-72], в которых представлена методика оценки проектов в нестабильных хозяйственных условиях, наиболее глубоко и теоретически четко проанализированы вопросы учета неопределенности и риска при принятии инвестиционных решений, P.M. Качалова (Качалов; 1997, 2002) [33, 34], в которых определены подходы и методы управления хозяйственным риском. Исследования в диссертации проводились на основе методов исследования операций, методов теории вероятностей и математической статистики, методов оптимизации и планирования экспериментов. Для построения вероятностных имитационных моделей управления рисками был использован инструментарий финансового планирования и финансового анализа.
Научная новизна работы
Научная новизна работы определяется следующим:
В результате исследования методологии анализа рисков инвестиционных проектов сформулированы условия целесообразности применения метода Монте-Карло и требования к исходной информации для количественной оценки влияния идентифицированных рисков и методов управления рисками.
На основе обобщения описанных в литературе подходов к применению метода Монте-Карло в инвестиционных расчетах разработана методика применения вероятностного имитационного моделирования для оценки и управления проектными рисками. Такая методика позволяет обеспечить качество результатов моделирования за счет выбора случайных переменных модели на основе объединенного рейтинга эластичности и вариабельности, учета разных законов распределения и типов вероятностной зависимости, алгоритма выбора количества реализаций по требуемой точности и надежности результатов, анализа результатов моделирования с помощью статистических методов.
3)В рамках основных методов управления рисками ИП разработаны оригинальные вероятностные имитационные модели, позволяющие по предложенной методике количественно оценить эффект различных антирисковых
мероприятий. Модели страхования проектных рисков входят в класс методов уклонения от рисков. Модель диверсификации поставщиков сырья относится к методам диссипации рисков. Методы компенсации рисков представлены моделью создания страховых запасов сырья.
4) Предложена методика оптимизации управления рисками инвестиционных
проектов. Она позволяет найти способ управления рисками (значения управляемых
параметров), который обеспечивает минимальную рискованность при ограничении
на минимально приемлемое значение эффективности, либо максимальную
эффективность при ограничении на максимально приемлемую рискованность
проекта. Предложено последовательно:
выбрать в рамках одного метода наилучший с точки зрения заданного критерия способ управления рисками, для чего результаты имитационного моделирования обрабатываются с помощью планирования эксперимента с целью постановки и решения стандартными средствами соответствующей оптимизационной задачи;
выбрать из альтернативных методов управления рисками наиболее соответствующую конкретному инвестиционному проекту альтернативу путем проверки статистических гипотез с целью сравнения результатов имитационного моделирования для определенных на предыдущем шаге оптимальных способов.
Разработано программное обеспечение вероятностного имитационного моделирования, удовлетворяющее как требованиям точности и надежности результатов, так и требованиям гибкости и полноты представления экономических процессов.
В результате проведенных расчетов с применением разработанных в диссертации экономико-математических моделей и программного обеспечения для конкретных инвестиционных проектов найдены оптимальные схемы управления проектными рисками, подтверждающие практическую применимость предлагаемых методик имитационного моделирования и оптимизации управления рисками.
Практическая ценность
Практическая значимость диссертации состоит в том, состоит в том, что представленные в работе методика и вероятностные имитационные модели могут быть использованы при анализе рисков конкретных ИП для сравнения эффективности методов управления рисками на этапе разработки или экспертизы проектов. Особенно полезной является возможность проведения расчетов по предложенным в диссертации математическим моделям имитации в комплексе с моделями денежных потоков ИП, запрограммированными в электронных таблицах Microsoft Excel, совместно с программными средствами бизнес-планирования на базе Microsoft Excel (в частности, с программой «Альт-инвест»).
Апробация работы
Основные результаты работы обсуждались на научном семинаре «Инвестиционное проектирование» кафедры ММАЭ экономического факультета МГУ (2002), на научных конференциях на экономическом факультете МГУ -Ломоносов-99 (1999) и Немчиновских чтениях экономического факультета МГУ (2000).
Разработанная методика и программное обеспечение использовались при демонстрации возможностей метода Монте-Карло как инструмента количественного анализа рисков в рамках учебных курсов на экономическом факультете МГУ и в Академии народного хозяйства при Правительстве Российской Федерации в 2000-2002 гг.
Публикации
Автором опубликовано по теме диссертации 4 научные работы, общим объемом 4,6 печатных листов, в том числе один учебник в качестве соавтора.
Диссертация состоит из введения, трех разделов и заключения. Общий объем машинописного текста составляет 164 листа.
Особенности применения вероятностного имитационного моделирования в условиях российской экономики
Критерии математического ожидания ЧДД и вероятности реализации неэффективного проекта удобны и для практического применения, так как сравнение таких показателей, рассчитанных по выборочным данным - результатам имитационного моделирования, можно осуществлять с помощью проверки статистических гипотез.
При анализе рисков проекта с учетом схемы финансирования для учета интересов участников целесообразно с целью оценки рискованности применять критерий вероятности реализации проекта со значением критериального показателя ниже порогового уровня, а для оценки эффективности — соответствующие интересам каждого участника ожидаемые показатели эффективности.
Так как для реализации имитационного моделирования требуется проведение большого количества расчетов, то необходимым становится применение компьютерной программы. Метод Монте-Карло может быть реализован: 1) в специальных компьютерных программах по расчету и анализу бизнес-планов ИП, в данном случае он должен быть запрограммирован самими разработчиками программы, так как закрытость ее алгоритмов для пользователя не позволяет самостоятельно проводить имитационное моделирование; 2) в программах по разработке бизнес-планов ИП, реализованных в среде электронных таблиц, а частности, в Microsoft Excel. Тогда модуль имитационного моделирования может быть запрограммирован отдельно и подключен к расчетным таблицам бизнес-плана для осуществления имитации. Во втором случае срабатывает преимущество электронных таблиц перед специальными программами, заключающееся в их гибкости и прозрачности для пользователя. С другой стороны, специальные программы основаны на реализованной в них методике расчета денежных потоков проекта, и, следовательно, обладают более адекватной моделью для расчетов. Сравнительный анализ реализации метода Монте-Карло в компьютерных программах по бизнес-планированию, предлагаемых на российском рынке, позволил выявить их преимущества и недостатки. Сравнительный анализ специальных программ 1. В разработке «Инвестиционный аналитик» фирмы «Инэк» имитационное моделирование с помощью метода Монте-Карло отсутствует. 2. Метод Монте-Карло реализован в программе по расчету и анализу ИП Project Expert фирмы ПроИнвестКонсалтинг. Среди преимуществ программы можно выделить следующие: - возможность предварительного анализа чувствительности любых интегральных показателей проекта по различным переменным проекта, то есть присутствует компьютерная реализация одного из этапов отбора риск-переменных; - возможность провести достаточно большое количество имитационных экспериментов; - возможность построения гистограммы и расчета коэффициента вариации для каждого из интегральных показателей ИП; - расчет «устойчивости» проекта — то есть расчет (в процентах к общему числу) количества случайных сценариев, в которых хотя бы один из интегральных показателей принял негативное значение (подтвердил реализацию неэффективного проекта), то есть расчет вероятности реализации неэффективного проекта как показателя интегральной рискованности проекта; - наличие «Справки» относительно теоретической сути метода Монте-Карло и алгоритме его применения в программе, что облегчает возможности использования данного метода пользователями, не знакомыми с ним ранее. Недостатками программы являются: - ограничение набора составляющих денежных потоков, по которым можно провести анализ чувствительности, а также тех, которые можно включить в качестве случайных величин (риск-переменных) в модель для имитации; - возможность введения риск-переменных в модель только в качестве случайных величин с равномерным законом распределения, причем минимальное и максимальное значения могут быть заданы только в процентах от базового значения переменной; - отсутствие возможности учета условий вероятностной зависимости при моделировании и тестирования на наличие такой зависимости; - отсутствие информации о конкретных значениях интегральных показателей эффективности ИП, полученных в ходе имитационных экспериментов; - расчет только коэффициента вариации, отсутствие расчета других показателей риска; - отсутствие автоматического подбора числа интервалов группирования при построении гистограммы; -отсутствие возможности подбора закона распределения по построенной гистограмме; -отсутствие оценки точности моделирования (подбор количества имитационных экспериментов осуществляется произвольно и качество моделирования не отслеживается). Таким образом, можно сделать вывод, что специальные программы не обладают достаточными возможностями для использования в полной мере всех возможностей метода Монте-Карло для анализа рисков ИП и могут быть использованы только при соблюдении установленных ограничений. Обзор программ в электронных таблицах Среди программ, реализованных в среде электронных таблиц, лидирует, прежде всего, разработка «Альт-инвест» фирмы «Альт». Также к таким программам можно отнести и авторские разработки консалтинговых фирм и агентств, банков, используемые для внутрифирменных расчетов и анализа проектов, а также для разработки проектов с учетом индивидуальных особенностей бизнеса заказчиков. Эти программы, чаще всего, представляют собой прогнозы денежных потоков проекта и других отчетных документов, сформированные не основе задания взаимосвязей между различными ячейками, в том числе содержащими исходную информацию в рабочей книге, а также между различными файлами. Реализация моделей денежных потоков в среде электронных таблиц типа Microsoft Excel позволяет воспользоваться следующими их преимуществами: - использовать встроенный статистический инструментарий Microsoft Excel; -осуществлять автоматическую генерацию случайных чисел для имитационного моделирования при его самостоятельном осуществлении пользователем; - осуществлять динамическую связь с запрограммированной в Visual Basic программой по реализации имитационных экспериментов и анализу результатов имитационного моделирования. Недостатками программ является: - необходимость постоянного контроля пользователя за введенными в программу связями, - иногда отсутствие блока анализа чувствительности, без которого невозможен отбор риск-переменных; -необходимость повышенной подготовки в области применения метода Монте-Карло при анализе рисков. Следовательно, проведенное сопоставление показывает, что программы, построенные в электронных таблицах, хотя и не включают в себя блок имитационного моделирования, но, обладая большей гибкостью на программном уровне, открытостью и прозрачностью для пользователей, дают возможность подключить программно реализованную методику метода Монте-Карло и проводить с помощью этого метода комплексный анализ рисков проекта, включающий как оценку, так и управление рисками проекта.
Таким образом, обзор российского программного обеспечения по бизнес-планированию выявил необходимость в разработке специальной программной реализации метода Монте-Карло.
Описание программного обеспечения, используемого для проведения имитационного моделирования
Оба подхода к построению доверительных интервалов могут быть применены при использовании модели денежных потоков проекта без учета источников финансирования. В случае же модели с учетом схемы финансирования для определения необходимого количества экспериментов можно использовать построение доверительного интервала для параметра а (теоретического математического ожидания интегрального показателя эффективности проекта) и построение доверительного интервала для вероятности реализации проекта, эффективность которого ниже заданной, либо для вероятности нарушения условия финансовой реализуемости проекта по аналогии с изложенным выше алгоритмом.
Для оценки эффективности метода управления рисками предлагается, используя в качестве критериев оценки как показатели эффективности, так и рискованности проекта, рассчитать и сравнить их для метода управления рисками и для исходного варианта проекта. На основе обзора научной литературы в первой главе были выделены показатель эффективности в условиях вероятностной неопределенности (ожидаемое значение интегрального показателя эффективности проекта, например, ЧДД), показатели рискованности - индекс ожидаемых потерь и вероятность реализации неэффективного проекта.
Следует отметить, что при сравнении показателей эффективности и рискованности, полученных по результатам имитационного моделирования, необходимо учитывать, что такие данные являются выборочными. Предлагается для того, чтобы с определенной вероятностью делать выводы на основе выборочных значений, осуществлять проверку статистических гипотез, в частности, гипотезы о равной эффективности вариантов проекта (гипотеза о равенстве математических ожиданий ЧДД) и гипотезы о равной рискованности проектов (гипотеза о равенстве вероятностей реализации неэффективного проекта). Алгоритмы проверки таких гипотез широко известны, в работе применялся вариант из [18], стр. 462-469.
Результаты расчетов для ИП (пример 2, параграф 2.1.6), для которого была смоделирована схема диверсификации поставщиков сырья (модель описана в параграфе 2.3), представлены в таблице 15 (4 поставщика, цены сырья у поставщиков являются независимыми нормально распределенными случайными величинами).
Число имитационных экспериментов в каждом случае выбиралось автоматически, исходя из длины доверительного интервала для вероятности реализации неэффективного проекта, равной 10% от ее выборочного значения при доверительной вероятности 0.95.
Были проверены две гипотезы - гипотеза об однородности выборок в смысле равенства средних значений, и гипотеза об однородности выборок в смысле равенства вероятностей реализации неэффективного проекта. Они отвергаются в пользу гипотез, соответственно, о том, что среднее и вероятность неэффективного проекта больше в 1 выборке, с доверительной вероятностью 0.99.
То есть можно сделать вывод, что диверсификация позволила снизить рискованность (повысить устойчивость) проекта с 0.142 (0.135; 0.148) до 0.045 (0.043; 0.047), но ценой снижения эффективности проекта с 183 258.02 (180 019.52; 186 496.53) до 165 186.19 (164 061.72; 166 310.66), в скобках указаны доверительные интервалы.
С учетом проведенного в первой главе анализа существующих недостатков реализации метода Монте-Карло в российском программном обеспечении по бизнес-планированию автором была разработана программа в среде электронных таблиц Microsoft Excel. Во-первых, в ней полностью реализован описанный выше алгоритм метода Монте-Карло. Во-вторых, компьютерная программа может быть объединена с любой моделью денежных потоков, сформированной в Excel. Программное обеспечение разработано с учетом преимуществ электронных таблиц и лишено определенных в первой главе недостатков реализации метода в специальных программах.
Возможен ввод до 40 случайных величин, путем задания ссылок с указанием файла-программы и имени переменной в этом файле (переменным присваиваются имена - varl, var2, var3 и т.д.), возможно расширение числа случайных величин. На рисунке 6 отображен общий вид рабочего листа Excel, в котором осуществляется ввод данных о риск-переменных. В колонке В пользователем вводится название переменной, в колонке С - ее значение при базовом варианте ИП, в колонке D - формула для вычисления (необходима для задания регрессии или функциональной зависимости), в колонках Е и F - границы изменения переменной (если она является случайной величиной с равномерным или треугольным законами распределения). В колонке G задается одной буквой тип закона распределения или тип вероятностной зависимости. Перечни возможных для автоматического моделирования законов распределения и вероятностных зависимостей описаны в таблице 16 и в таблице 17 соответственно. В колоне Н задается математическое ожидание (для нормально распределенных независимых или связанных множественной корреляцией риск-переменных), в колонке J задается дисперсия (для нормально распределенных риск-переменных, либо для случайных ошибок при моделировании регрессии или авторегрессии). В последующих колонках возможно задание либо корреляционной матрицы для множественной корреляции, либо задание дискретного закона распределения.
Вероятностная имитационная модель управления рисками ИП с помощью метода уклонения от рисков
Основными компонентами комплекса страховой защиты инвестиционного проекта являются страхование коммерческих рисков; риска задержки платежа до наступления фактической несостоятельности; имущества предприятия; ущерба от перерыва в производстве; финансовых рисков (при операциях на фондовом рынке); политических и курсовых рисков (для иностранных инвестиций); экспортных кредитов; общегражданской ответственности и т.д.
В зависимости от типа финансирования инвестиционного проекта данный комплекс страховых услуг может быть дополнен: - при кредитовании и предоставлении финансовых средств на условиях заимствования в иных формах - страхованием риска непогашения кредитов (займов) и ответственности заемщиков за непогашение кредитов (займов); - при прямых инвестициях - страхованием от снижения расчетного уровня рентабельности и от непредвиденных убытков. Итак, можно сделать вывод, что российским законодательством не предусматривается возможность страхования инвестиционного проекта как такового. Возможно, однако, страхование имущества, ответственности и др. Таким образом, можно подобрать определенную схему страхования, которая была бы приемлемой и создавала бы необходимый уровень защиты от тех или иных видов рисков. Выбор видов страхования, осуществляемых в рамках проекта, должен быть связан с вероятностью реализации риска и масштабами потерь при его наступлении. Существенную защиту можно получить в случае страхования рисков, вероятность реализации которых и размер потерь по которым достаточно велики. Следует отметить, что риски подразделяются на следующие группы: риски, которые можно застраховать (страховые) и риски, которые невозможно застраховать (нестраховые). Таким образом, возможности страховой защиты проекта ограничены. Основные критерии, которые позволяют считать риск страховым определены в [77], стр. 142 и в [76], стр.128 следующим образом: - риск, который включается в объем ответственности страховщика, должен быть возможным; - риск должен носить случайный характер; -случайность проявления данного риска следует соотносить с массой однородных объектов (осуществлять статистическое наблюдение, анализ данных которого позволяет установить адекватную прогнозу страховую премию, данные статистики позволяют судить о закономерности проявления риска применительно к совокупности однородных объектов); - наступление страхового случая, выраженное в реализации риска, не должно быть связано с волеизъявлением страхователя или иного заинтересованного лица (нельзя принимать на страхование риски, связанные с умыслом страхователя -спекулятивные); - факт наступления страхового случая должен быть неизвестен во времени и пространстве; - страховое событие не должно иметь размеров катастрофического бедствия, то есть не должно охватывать массу объектов в рамках крупной страховой совокупности, причиняя массовый ущерб; -вредоносные последствия реализации риска необходимо объективно измерить и оценить. Масштабы этих последствий должны быть достаточно крупными и затрагивать интересы страхователя». Существуют различные подходы к оценке рисков для целей страхования. Цена риска в денежном выражении составляет тарифную ставку, обычно рассматриваемую в процентах от страховой суммы договора, которая, в свою очередь, определяет объем страховой ответственности по договору. Страхование имущественных интересов предприятия состоит в страховании имущества, машин и оборудования от поломок, убытков предприятия от простоя и др., сельскохозяйственного страхования (в том числе сельскохозяйственных культур и многолетних насаждений, животных), страхования гражданской ответственности предприятий (например, профессиональной ответственности, ответственности за загрязнение окружающей среды, страхование ответственности предприятия - источника повышенной опасности). Отдельным важным элементов является страхование внешнеэкономической деятельности, включающее страхование судов торгового флота, транспортное страхование грузов, контейнеров, ущерба от внешнеторговых операций и т.д. По отраслевому признаку выделяют следующие типы страхования [76, стр.11]: личное страхование; имущественное страхование; страхование ответственности; страхование экономических рисков. В страховании экономических (предпринимательских рисков) выделяются две подотрасли: страхование риска прямых потерь; страхование риска косвенных потерь. К прямым потерям могут быть отнесены, например, потери от недополучения прибыли, убытки от простоя оборудования вследствие недопоставок сырья, материалов и комплектующих изделий, забастовок и других объективных причин, косвенные потери - это упущенная выгода. Следует отметить, что огромное количество возможных рисков определяют многообразие конкретных видов страхования, поэтому моделирование страхования будет осуществлено на конкретном примере.
По стандартным видам страхования существует значительный опыт как у страхователей, так и у страховых компаний. Оценка риска осуществляется страховщиками чаще всего методом средних величин или методом процентов. Страхование же экономических рисков в России развито недостаточно. Это приводит к необходимости оценки таких рисков методом индивидуальных оценок, который состоит в построение страховщиком «произвольной оценки, отражающей его произвольный опыт и субъективный взгляд» [77, стр.141]. «Внедрение достижений научно-технической революции в различные отрасли промышленности и сельского хозяйства, создание крупномасштабных объектов, имеющих высокую степень и уникальность технологий, делают необходимым все большее использование этого метода при заключении договоров страхования» [77].
С другой стороны, индивидуальный тариф должен быть определен в «виде точного экономического расчета, исходя из степени опасности (рискованосте) деятельности соответствующего страхователя. Применение подобных тарифов оправдано при страховании очень крупных объектов с нетиповыми рисками. Расчет индивидуальных тарифов сложен и требует предварительного проведения математического и экономического анализов». ([76], стр. 22-23). Специалисты в области страхования отмечают, что при всей неразвитости системы страхования экономических рисков в России для ее развития существует огромный потенциал. В [77, стр.476] высказывается следующая позиция:
«Исключительную актуальность приобретает страхование от коммерческих, технических, правовых и политических рисков. Страхование должно стать средством защиты от неблагоприятного изменения конъюнктуры, должно помочь упорядочиванию финансовых и юридических взаимосвязей между участниками рыночных отношений. При этом важное значение приобретает страхование на случай возможной потери ожидаемой прибыли или недополучения ожидаемого дохода. При страховании коммерческих рисков объектом страхования является коммерческая деятельность страхователя, которая включат в себя инвестирование денежных и других ресурсов в какой-либо вид производства, работ или услуг, получение через определенный период дохода». Теоретические основы страхования коммерческих и финансовых рисков изложены, например, в [56].
Практическое применение последовательного поиска оптимального управления рисками инвестиционного проекта
В главе представлено исследование возможностей применения вероятностного имитационного моделирования для управления рисками инвестиционных проектов, включающее разработку серии экономико-математических моделей различных способов управления рисками.
В параграфе 2.1.1 на основе обзора современной научной литературы по вопросам управления рисками классифицированы и выделены четыре группы методов управления рисками: уклонение, локализация, диссипация и компенсация. Моделирование методов управления рисками на предынвестиционной стадии позволит оценить количественно эффективность и целесообразность применения таких методов для решения задачи минимизации проектных рисков. Для моделирования управления рисками в главе предлагается использовать метод Монте-Карло применительно к вероятностным имитационным моделям управления рисками.
При решении задачи управления рисками с помощью имитационного моделирования необходимо обеспечить точность и надежность результатов. Для этого были проведены исследования, позволяющие улучшить качество создаваемых моделей (параграфы 2.1.2-2.1.4). Во-первых, по итогам анализа представленных в литературе рекомендаций по выбору переменных для моделирования (риск-переменных) предлагается усовершенствовать имеющуюся методику путем построения смешанного рейтинга составляющих модели денежных потоков по произведению модуля эластичности показателя эффективности проекта по переменной и диапазона изменения переменной.
Во-вторых, проведенное исследование влияния выбора закона распределения риск-переменной на результаты моделирования показало, что важным является уточнение информации о риск-переменной для определения ее дисперсии.
В-третьих, осуществленный анализ влияния учета вероятностной зависимости (моделирование регрессионной зависимости и множественной корреляции при разных коэффициентах корреляции между переменными) позволил сделать вывод, что целесообразно как можно точнее отражать такие условия, так как они могут полностью изменить результаты моделирования. Предлагаются методы учета вероятностной зависимости при моделировании.
В-четвертых, разработан алгоритм, позволяющий автоматически контролировать заданную надежность и точность результатов. Предлагается определять количество имитационных экспериментов, исходя из задаваемой длины доверительного интервала для математического ожидания показателя эффективности ИП или, исходя из задаваемой длины для вероятности реализации неэффективного проекта.
В-пятых, аккуратность в интерпретации результатов по сравнению с рассматриваемыми в литературе подходами усилена, так как для сравнения полученных после имитационного моделирования показателей, рассчитываемых по выборочным данным (выборка строится по результатам всех имитационных экспериментов), предлагается воспользоваться аппаратом проверки статистических гипотез.
Для практической реализации вышеизложенных усовершенствований в алгоритме реализации метода Монте-Карло для анализа проектных рисков в условиях отсутствия на российском рынке программного обеспечения надлежащего качества (как это было показано в первой главе) автором было разработано программное обеспечение реализации метода в среде электронных таблиц Microsoft Excel. В параграфе 2.1.5 представлено описание программы, а в параграфе 2.1.6 описаны условные инвестиционные проекты, использованные в работе для проведения иллюстративных расчетов.
Во параграфах 2.2.1 - 2.2.4 представлены разработанные вероятностные имитационные модели оценки рисков и управления рисками: модель уклонения от рисков путем имущественного страхования, модели диссипации рисков путем диверсификации поставщиков сырья в условиях высокой корреляции цен поставщиков и в условиях низкой корреляции цен поставщиков, модель компенсации рисков через создание страхового запаса сырья.
Моделирование страхования позволило сделать вывод, что для рассматриваемого проекта при страховании имущества (оборудования) установление достаточно высокого тарифа приводит к росту издержек на страхование и снижает эффективность метода. Расчеты показали, что для данного примера добиться существенного снижения рискованности проекта можно, застраховав имущество не целиком, а только на 50% от его стоимости.
Имитационное моделирование диверсификации поставщиков, проведенное для примера ИП, показало, что такое антирисковое мероприятие позволяет добиться существенных результатов только при слабой корреляции или отсутствии корреляции между ценами, устанавливаемыми поставщиками. Кроме того, определение степени диверсификации существенно зависит от величины издержек на диверсификацию. С их ростом эффект диверсификации нейтрализуется эффектом роста издержек и не позволяет должным образом минимизировать рискованность ИП.
Расчеты по вероятностной имитационной модели создания страхового запаса показали, что наибольшего эффекта от этого метода можно достичь, увеличивая величину страхового запаса только до какого-то порогового уровня, начиная с которого издержки, связанные с созданием запасов сырья, настолько снизят показатель ожидаемой эффективности, что рискованность проекта начнет увеличиваться, а не снижаться.
Таким образом, полученные результаты имитационного моделирования для рассмотренных методов управления рисками позволили сделать вывод, что антирисковые мероприятия оказывают два разнонаправленных влияния на эффективность и рискованность проекта. Эффект мероприятия выражается в снижении рискованность проекта, однако, эффект сопряженных с антирисковым мероприятием издержек представляет собой снижение ожидаемой эффективности, что, зачастую приводит одновременно к некоторому росту рискованности ИП. Наличие таких эффектов делает актуальной постановку оптимизационных задач и поиск путей их решения.
