Содержание к диссертации
Введение
Глава 1. Принятие решений в инвестиционном проектировании 12
1.1. Анализ методик инвестиционного проектирования 12
1.2. Исследование технологий инвестиционного проектирования 18
1.3. Инвестиционное проектирование в условиях риска 24
1.4. Методы количественного анализа риска инвестиционных проектов 27
1.5. Особенности инвестиционного проектирования в России 32
Глава 2. Развитие инструментария инвестиционного проектирования 35
2.1. Понятие риска в инвестиционном проектировании 35
2.2. Обоснование применимости теории нечетких множеств при моделировании финансовой деятельности 38
2.3. Использование нечетких множеств при количественной оценке риска в инвестиционном проектировании 50
2.4. Постановка задачи количественной оценки риска для произвольно-размытых факторов инвестиционного проекта 65
Глава 3. Применение нечетко-множественных описаний для оценки финансового риска в инвестиционном проектировании 84
3.1. Оценка финансовых рисков в инвестиционном проектировании 84
3.2. Формирование алгоритма оценки финансового риска в инвестиционном проектировании 88
3.3. Оценка риска инвестиционных проектов на примере проектов по организации промышленного производства 97
Заключение 113
Библиографический список 120
Приложение
- Исследование технологий инвестиционного проектирования
- Особенности инвестиционного проектирования в России
- Обоснование применимости теории нечетких множеств при моделировании финансовой деятельности
- Формирование алгоритма оценки финансового риска в инвестиционном проектировании
Введение к работе
Актуальность темы
Принятие финансовых решений в условиях неопределенности -малоизученный вопрос в российской экономической науке. Главная причина заключается в том, что еще 15-20 лет назад в СССР, в том числе в России, не существовало рыночных отношений, а все финансовые решения принимались в планово-административном порядке. Формирование рыночной инфраструктуры предопределило необходимость принятия решений российскими финансовыми менеджерами в условиях тотальной неопределенности. Немногочисленность, а подчас отсутствие квалифицированных специалистов в области финансового менеджмента на российских предприятиях стало одним из факторов, вызвавших существенное замедление темпов развития экономики. К тому же российская экономика пережила кризисы 1991 и 1998 гг., вследствие которых объем промышленного производства в России сократился вдвое по сравнению с доперестроечным уровнем.
В этих условиях важнейшим направлением развития народного хозяйства становится вывод российских предприятий на современной уровень корпоративной культуры, позволяющий принимать важнейшие финансовые решения в условиях неопределенности. Современные финансовые менеджеры и инвесторы при принятии решений о реализации инвестиционных проектов в современных условиях не должны ограничиваться простейшим учетом финансовых потоков исходя из возможностей приспособленных таблиц Excel. Для исследования инвестиционного проекта недостаточно использовать простейшие модели бухгалтерского учета, поскольку инвестиционный проект образуют не только денежные потоки, в нем участвуют лица, управляющие этими потоками. На реализацию инвестиционного проекта значительное влияние оказывает внешняя рыночная среда, действия которой, а также ограниченная способность финансового менеджера идентифицировать текущее состояние инвестиционного проекта и прогнозировать будущие денежные потоки порождают фактор неустранимой неопределенности. При этом рыночная неопределенность не обладает классически понимаемой статистической природой. Соответственно ставится под сомнение
применимость к анализу финансовых систем классических вероятностей и вероятностных случайных процессов.
В итоге, исследователь инвестиционного проекта, отказываясь от вероятностного подхода, вынужден использовать в анализе экспертные, минимаксные и другие детерминистские подходы, которые тоже не приспособлены для эффективного учета неопределенности поведения финансовых потоков. Иногда в ходе моделирования финансовые аналитики вводят субъективные вероятности, однако правомерность применения точечных вероятностных оценок и субъективных вероятностных распределений в большинстве используемых моделей может быть оспорена.
Таким образом, недостаточность имеющихся научных методов для обеспечения принятия обоснованных финансовых решений при инвестиционном проектировании порождает потребность в формировании новых подходов к проблеме принятия финансовых решений в условиях неопределенности, отвечающих современным требованиям финансовых менеджеров и инвесторов.
Степень изученности проблемы
Значительное содействие при принятии решений в условиях неопределенности оказала теория нечетких множеств, изложенная в фундаментальных работах Лофти Заде [22]. Изначально теория нечетких множеств ставила целью построить соответствие нечетких лингвистических описаний (типа "старый", "лысый" и т.д.) и специальных функций, выражающих степень принадлежности значений измеряемых параметров (возраста, степени облысения и т.д.) упомянутым нечетким описаниям. Позднее Лофти Заде определил нечеткие множества как инструмент построения теории возможностей [98, 99], где научные категории случайности и возможности, вероятности и ожидаемости получают теоретическое разграничение.
Дальнейшее развитие теории нечетких множеств связано с введением нечетких чисел как нечетких подмножеств специализированного вида, соответствующих высказываниям «значение параметра приблизительно равно а». Так появилась возможность прогнозировать будущие значения параметров, которые ожидаемо меняются в установленном расчетном диапазоне.
Фундаментальные исследования в этой области осуществлены Д. Дюбуа и Г. Прадом [94, 95].
В конце 70-х гг. прошлого столетия методы теории нечетких множеств нашли применение в различных экономических задачах: начиная с кадровых решений и заканчивая задачами замены оборудования. В этой связи следует отметить работы Г. Бояджиева [89], Л. Дымовой [92], К. Запоунидиса [100], Д. Севастьянова [92], Р. Словински [93], Б. Флое [91], Г. Циммермана [97]. Разработкой новых формализмов теории нечетких множеств и одновременно построением математических моделей для принятия финансовых решений в инвестиционном проектировании занимались А. Коффман [32, 96], X. Алуха [32], X. Лафуэнте [82], Дж. Бакли [90].
Отечественная научная школа общей теории нечетких множеств получила известность благодаря трудам А. Аверкина [1], А. Алексеева [2], А. Алехиной [3], А. Борисова [42], И. Батыршина [1], А. Недосекина [44, 45, 46, 48, 50, 51, 52, 54, 55, 57], А. Орлова [58], С. Орловского [59], В. Подиновского [60], Д. Поспелова [64], А. Рыжова [74], И. Язенина [87]. Однако наиболее глубоко вопросы применения теории нечетких множеств при моделировании количественной оценки риска инвестиционного проекта были рассмотрены А. Недосекиным.
Одно из основных направлений применения теории нечетких множеств при принятии инвестиционных решений, обозначенных А.Недосекиным, - это обоснование форм функций принадлежности соответствующих нечетких чисел и классификаторов, используемых в модели принятия решений. Если все исходные данные модели, имеющие нечеткий вид, обоснованны, то получение результирующих показателей осуществляется на основе методов теории нечетких множеств: методы, записанные в детерминированной постановке задачи, приводятся к нечеткому виду, «фузифицируются», а классические вычисления заменяются «мягкими» (основы нечеткой арифметики изложены в монографиях [32, 94, 95, 96, 97]). Проблема возникает тогда, когда результирующий показатель, полученный в нечетком виде, требует количественной и качественной интерпретации. Например, оценка инвестиционного проекта дает возможность представить результирующий показатель NPV в треугольной нечеткой форме, как это сделано впервые Дж. Бакли [90]. Количественную и качественную
интерпретацию полученных результатов при оценке риска принятия финансовых решений привел в своих исследованиях А. Недосекин [44,45, 50, 53, 54, 55, 57].
Использование нечетких множеств позволяет выявить ряд преимуществ при моделировании финансовых систем. Во-первых, необходимо отметить, что нечеткие множества рационально описывают субъектную активность лиц, принимающих финансовые решения: неуверенность эксперта в оценке может моделироваться функцией принадлежности, носителем которой выступает допустимое множество значений анализируемого фактора. Так, в работе А.Недосекина [44] описана возможность количественной интерпретации параметров инвестиционного проекта, первоначально сформулированных качественно, в терминах естественного языка.
Во-вторых, нечеткие числа целесообразно использовать для планирования параметров инвестиционного проекта во времени, когда их будущая оценка затруднена (размыта, не имеет достаточных вероятностных оснований). Изложенный Дж. Бакли [78] подход позволяет все сценарии по отдельным факторам инвестиционного проекта свести в один сводный сценарий в форме треугольного числа, где выделяется три точки: минимально возможное, наиболее ожидаемое и максимально возможное значения фактора.
В-третьих, разработчик инвестиционного проекта с помощью нечетких множеств может в пределах одной модели формализовать как особенности экономического объекта, так и познавательные особенности связанных с этим объектом субъектов - менеджера и аналитика, порождая экспертную модель в структуре обобщенной финансовой модели. В монографии А. Недосекина [46] описано получение в конечном итоге платформы для интеграции принципиально разнородных знаний в рамках одной количественной финансовой модели.
Необходимо отметить, что научные труды вышеназванных авторов внесли значительный вклад в развитие и применение теории нечетких множеств при принятии финансовых решений, однако уровень требований финансовых менеджеров, аналитиков и инвесторов к получению и интерпретации количественных и качественных оценок риска принятия финансовых решений в инвестиционном проектировании постоянно повышается. В связи с этим встает вопрос о необходимости качественного совершенствования информативности
модели количественной оценки риска принятия финансовых решений при
инвестиционном проектировании. Настоящая диссертационная работа
способствует решению этого вопроса и восполняет пробел в имеющихся исследованиях по изучаемой проблеме [32, 44, 45, 46, 90].
Цель диссертационной работы - разработка экономико-математических моделей количественной оценки риска инвестиционных проектов в условиях неопределенности. Достижение поставленной цели определило необходимость решения следующих задач:
исследование традиционных подходов к принятию инвестиционных решений в условиях неопределённости, анализ существующих методов оценки рисков инвестиционного проекта и выявление наиболее перспективных методов для практического использования;
формирование современного подхода к получению и интерпретации количественных оценок риска принятия финансовых решений при инвестиционном проектировании;
построение экономико-математических моделей количественной оценки риска инвестиционных проектов с применением результатов теории нечетких множеств;
формирование алгоритмов принятия решений на основе разработанных моделей.
Объектом диссертационного исследования являются инвестиционные проекты российских предприятий и организаций разных форм собственности.
Предметом диссертационного исследования стали теоретические, методические и практические проблемы математического моделирования количественной оценки риска инвестиционных проектов с применением методов теории нечетких множеств.
Методы исследования риска инвестиционных проектов в условиях существенной неопределенности базируются на аппарате теории нечетких множеств. В ходе моделирования используются следующие формализмы: квазистатистика, функции принадлежности, нечеткие числа (прямоугольные и треугольное), нечеткие знания и классификаторы.
Научная новизна диссертационной работы состоит в том, что автором предложен новый подход к моделированию количественной оценки риска в инвестиционном проектировании в условиях неопределенности, основанный на построении нечетко-множественной экономико-математической модели (НМЭММ). В ходе диссертационного исследования разработан алгоритм принятия инвестиционных решений, обеспечивающий их информационную обоснованность, что дает возможность создания новых программных решений для финансового менеджмента на основе экономико-математических моделей количественной оценки риска инвестиционных проектов.
Наиболее существенные результаты, обладающие научной новизной и полученные лично автором: \/ - разработан новый многофакторный подход к моделированию количественной оценки риска инвестиционного проекта, ориентированный на результаты теории нечетких множеств, который в отличие от применяемого многофакторного подхода позволяет идентифицировать опасные состояния превышения значений факторов над сформированными ограничениями инвестиционного проекта благодаря тому, что, во-первых, в качестве исходной базы для оценки риска инвестиционного проекта рассматривается не критерий эффективности инвестиционного проекта (NPV), а критерий «опасности» факторов инвестиционного проекта; во-вторых, оценки риска сформированы не путем приведения значений оцениваемого параметра и ограничений к начальному моменту времени, они получены для каждого временного промежутка;
предложено новое двухмерное представление количественной оценки риска инвестиционного проекта с применением результатов теории нечетких множеств, отличающееся от традиционного одномерного представления возможностью формирования комплексной оценки риска и выявления влияния отдельных составляющих инвестиционного проекта на риск проекта за счет того, что на основе нечетко-множественных оценок получены не только четкие оценки возможности риска (возможности финансовых потерь), но и четкие оценки величины риска в натуральном выражении;
создан новый способ актуализации исходной информации при моделировании количественной оценки риска инвестиционного проекта с
применением результатов теории нечетких множеств, который сопоставительно с существующим способом позволяет, во-первых, снизить исходную неопределенность за счет внедрения принципиально иного механизма учета актуализированной информации (исключение этапа соотнесения актуализированной информации непосредственно с исходной и переход к этапу соотнесения актуализированной информации одновременно с ограничением и с исходной информацией) и, тем самым, получить более точные оценки риска, во-вторых, устранить несоответствие оценок риска с реальными тенденциями развития проекта в случае поступления актуализированной информации, противоречащей исходным данным;
построены принципиально новые экономико-математические модели количественной оценки риска инвестиционных проектов с применением результатов теории нечетких множеств, учитывающие специфику разработанных автором подходов к формированию количественной оценки риска и предназначенные для построения системы количественных оценок риска и принятия на их основе эффективных, обоснованных и своевременных инвестиционных решений: обобщенная модель, интервальная модель, треугольная модель, вырожденные модели;
разработан алгоритм принятия инвестиционных решений, обеспечивающий реализацию новых программных решений для финансового менеджмента на основе построенных автором экономико-математических моделей количественной оценки риска инвестиционных проектов.
Практическое значение научных результатов диссертационной работы состоит в том, что на их основе возможны: создание новых программных решений для финансового менеджмента, а также разработка научно-методических обоснований для принятия финансовых решений (описание которых см. в гл. 3 настоящего исследования). Результаты диссертационной работы были реализованы в программном комплексе Maple.
Экономический эффект от внедрения данных научных результатов выражается в снижении затрат инвестора на этапе реализации проекта за счет получения корректных количественных оценок риска инвестиционного проекта и принятия своевременных финансовых решений до начала его реализации.
Информационная база исследования представлена материалами Министерства финансов РФ и Министерства экономического развития и торговли РФ, Министерства природных ресурсов РФ, Госкомстата РФ, данными экономических и промышленных структурных подразделении администрации субъектов РФ и администраций муниципальных образований, информацией представителей бизнеса, а также результатами исследований инвестиционных проектов.
Публикации. По содержанию диссертации опубликовано 9 работ общим
объемом 1,9 п.л.
^ Объем и структура диссертации. Работа изложена на 132 страницах
машинописного текста, состоит из введения, трех глав и заключения, иллюстрирована 6 таблицами, 20 рисунками, имеется также 3 приложения на 7 страницах.
Библиографический список содержит 100 литературных источников, в том числе отечественных- 88, зарубежных -12.
Во введении обосновывается актуальность темы, формулируется цель работы, определяется состав задач, приводится краткая характеристика выполненной работы, формулируются основные результаты, выносимые на защиту.
В первой главе («Принятие решений в инвестиционном проектировании»)
V дается анализ теоретических, методических и практических проблем, возникающих
при принятии решений в инвестиционном проектировании. Обсуждаются достоинства и недостатки существующих моделей и методов количественной оценки риска инвестиционного проекта. Рассматривается вопрос представления инвестиционного проекта как финансовой системы, функционирующей в условиях принятия финансовых решений (внутренние воздействия на систему) и внешних рыночных воздействий, т.е. в условиях рыночной неопределенности.
Во второй главе («Развитие инструментария инвестиционного проектирования») раскрывается понятие риска в инвестиционном проектировании и обосновывается целесообразность применения метода исследования количественной оценки риска. Проведен анализ существующих моделей оценки риска, сформирован новый подход к получению и интерпретации количественных
оценок риска принятия финансовых решений в инвестиционном проектировании и построены новые модели количественной оценки риска.
В третьей главе («Применение нечетко-множественных описаний для оценки
финансового риска в инвестиционном проектировании») результаты экономико-
математических моделей количественной оценки риска инвестиционных проектов
положены в основу алгоритма принятия финансовых решений по
инвестиционному проекту. Рассмотрены примеры практического применения указанного алгоритма.
В заключении представлены основные выводы теоретического и
wi практического характера.
На защиту выносятся следующие основные научные положения, основанные на нечетко-множественных описаниях:
определены исходные условия задачи получения и интерпретации количественной оценки риска принятия инвестиционных решений с применением результатов теории нечетких множеств;
разработаны новые подходы к формированию оценки риска, предназначенные для построения системы количественных оценок риска и принятия на их основе эффективных, обоснованных и своевременных инвестиционных решений;
3) построены экономико-математические модели количественной оценки
Ш риска инвестиционных проектов с применением результатов теории
нечетких множеств, учитывающие специфику разработанных автором новых подходов к формированию количественной оценки риска;
4) разработан алгоритм принятия инвестиционных решений,
обеспечивающий создание новых программных решений для
финансового менеджмента на основе разработанных автором
экономико-математических моделей количественной оценки риска
инвестиционных проектов.
*
Исследование технологий инвестиционного проектирования
Инвестиционное проектирование, и тем более исследование, - процесс весьма трудоемкий, требующий специальных знаний в сфере не только экономики, но и математики (например, для расчета рисков). Это обстоятельство, а также тот факт, что инвестиционное проектирование с учетом новых реалий и требований времени - вопрос малоизученный, и определило появление множества программных пакетов для инвестиционного проектирования и анализа. В этом параграфе будут рассмотрены отличительные особенности самых распространенных программных пакетов.
Наибольшей востребованностью отличается пакет «Альт-Инвест», созданный отечественными разработчиками с использованием электронных таблиц MS EXCEL.
Достоинством пакета является налоговый блок, полностью ориентированный на российские условия. При этом существует возможность настраивать блоки входных данных на условия, соответствующие реальной ситуации [63]. Пользователь при работе с пакетом может менять шаг и горизонт расчета, проверять устойчивость проекта к влиянию ряда факторов.
В пакете легко осуществляется пересчет результатов по другим входным данным, что облегчает проведение анализа чувствительности оценок к изменению входных данных. Можно оценить чувствительность проекта к влиянию следующих факторов: -показатели инфляции; -объем экспорта и условия реализации продукции на внутреннем и внешнем рынках (кредит, авансовые платежи); -задержки платежей.
Однако свободное владение пакетом требует от пользователя изучения принципов работы с электронными таблицами. Случайные корректировки пользователя могут привести к серьезным нарушениям в работе системы. При этом основная опасность состоит в том, что сбои в системе могут повлечь выход совершенно искаженных результатов и это может остаться незамеченным. Значительное распространение получил также «закрытый» пакет «PROJECT EXPERT».
Пакет «PROJECT EXPERT» - наиболее распространенный из закрытых пакетов. Случайные системные изменения в них исключены. Закрытость пакета требует регулярной его адаптации к изменяющимся условиям реализации. Пакет позволяет системно производить качественный анализ проекта по 40 позициям (реальность концепции проекта, качественные показатели, общественная значимость, рыночный потенциал и т.д.) [62].
Анализ рисков выполняется по 71 позиции, охватывающей 11 стадий каждого проекта. Здесь эксперт может провести исследование путем анализа чувствительности, сценарного анализа и имитационного моделирования по методу Монте-Карло (наиболее часто применяемому). Риск проекта характеризуется неопределенностью выбранного параметра. Приемлемым значением риска считается отклонение на 20% от среднего. Однако на практике это не всегда корректно интерпретируется (риск проекта по отдельным показателям может существенно превышать 1).
Расчет показателей проекта производится в соответствии с методикой UNIDO, но при больших возможностях задавать условия реализации. Условия реализации проекта (в частности, налоговое окружение) соответствуют российским. Однако здесь также не предусмотрены также «поправки на риск» (увеличение требуемой нормы дисконта).
Горизонт расчета составляет до 15 лет инвестиций и 15 лет производства. Из-за значительного объема расчетов работу пакета желательно производить с использованием микропроцессора класса не ниже чем 80386, хотя формально пакет может быть реализован и на процессоре 80286 (особенно при небольшом горизонте и небольшом количестве продуктов).
Все виды инфляции могут быть заданы как произвольные функции времени. Ввод информации в систему и выход из нее технологически организованы, однако графическое представление полученной информации и в этом пакете слабее, чем в пакетах COMFAR и "Альт-Инвест".
В отечественной практике получили распространение несколько зарубежных компьютерных имитирующих систем, используемых для оценки эффективности инвестиционных проектов. Среди наиболее часто встречающихся отмечают COMFAR (Computer Model for Feasibility Analysis and Reporting) [13].
Пакет прошел международную сертификацию. Оценка эффективности производится на основании имитации потока реальных денег. Имеется блок оценки экономической эффективности. Система выдает большой объем графической информации, позволяющей получить без дополнительных затрат времени результаты расчетов при варьировании ряда исходных данных (объем реализации, производственных издержек, инвестиционных затрат, процент за кредит).
Разработанная UNIDO (организацией ООН по промышленному развитию) система COMFAR применяется в настоящее время в ряде отечественных финансовых институтов для финансового анализа и оценки экономической эффективности инвестиционных проектов, ориентированных, в первую очередь, на привлечение иностранных инвестиций. Последнее объясняется тем, что результаты расчетов эффективности и представление выходной информации в системе COMFAR соответствуют принятым международным стандартам [62], что, в свою очередь, является необходимым условием для успешного проведения переговоров с иностранными инвесторами.
Особенности инвестиционного проектирования в России
Для большинства инвестиционных проектов характерно акцентирование внимания разработчиков на технической и технологической частях проекта и вместе с тем состояние неразработанности плана маркетинга и недоработанности финансового плана. По сути, значительная часть бизнес-планов инвестиционных проектов являют собой не проекты предпринимательской деятельности, а технико-экономическое обоснование идеи с упором на техническую сторону проекта.
Выделим более рельефно основные черты, характерные для финансового плана отечественного инвестиционного проекта. Прежде всего, это отсутствие единой формы. Изначально предполагается, что данный раздел должен включать как минимум следующие документы: прогнозный отчет о движении денежных средств; прогнозный баланс; прогнозный отчет о результатах хозяйственной деятельности; график погашения кредита.
В бизнес-планах инвестиционных проектов в лучшем случае можно найти кэш-фло и график погашения кредита. При этом зачастую отсутствует расчет интегральных показателей эффективности (NPV, IRR, PI, РВР). Разработчики ограничиваются исключительно учётными оценками эффективности проекта (рентабельность, прибыль после уплаты налогов и т.д.). Однако следует заметить, что по мере распространения программных продуктов по инвестиционному проектированию эти недостатки преодолеваются, и бизнес-планы инвестиционных проектов все больше приобретают унифицированную форму.
Необходимо подчеркнуть, что в инвестиционных проектах редко встречается обоснование ставки дисконтирования (г) - ключевого параметра расчета критериев эффективности. При этом в методических рекомендациях [40] описан механизм расчета ставки дисконтирования для инвестиционных проектов. Часть разработчиков пытаются компенсировать отсутствие дисконтирования расчетами в долларовом эквиваленте. Это отчасти заменяет учет фактора инфляции (хотя следует иметь в виду, что покупательная способность доллара зависит от соотношения долларовой и рублевой массы в России), но при этом игнорируется фактор времени. Особенно настораживает тот факт, что разработчики формально подходят к анализу рисков, зачастую избегая его. В лучшем случае в этом разделе можно увидеть SWOT-анализ (анализ сильных и слабых сторон инвестиционного проекта) или классификацию расходов. Это свидетельствует о том, что на сегодняшний день значительная часть отечественных финансовых менеджеров не имеют представления об управлении риском и методологии его количественного анализа [30].
Специфика использования программных пакетов при анализе и проектировании учитывается не часто и не вполне эффективно. Предпочтение отдаётся отечественным программным продуктам вследствие их наибольшей адекватности российским экономическим условиям и финансовым стандартам. Зарубежные программные пакеты малоизвестны и практически не востребованы. Вместе с тем значимость программных продуктов зачастую переоценивается, хотя по сути они являются лишь инструментом проектирования, своего рода «инвестиционным калькулятором», а не самим проектом, поскольку практически лишены финансово-аналитических функций и обосновать то или иное значение могут лишь математически.
Таким образом, проведённый выше анализ позволяет составить представление о традиционной практике инвестиционного проектирования, не до конца проработанной и требующей новых разработок по отдельным вопросам.
Подводя итог анализа практики инвестиционного проектирования, можно сделать вывод о том, что в методологии инвестиционного проектирования значительное внимание уделяется формированию системы организационно-правовых и расчётно-фииансовых документов, необходимых для реализации инвестиционного проекта. Доступные для разработчиков инвестиционных проектов пакеты прикладных программ позволяют рассчитывать издержки и прибыль проекта, реализующегося по намеченному проектировщиками сценарию, но лишены аналитических функций в части количественной оценки риска проекта, что намного важнее и ценнее для инвестора, чем расчёты прогнозных коэффициентов эффективности проекта.
Многообразие ситуаций неопределённости делает возможным применение любого из рассмотренных методов в качестве инструмента анализа рисков. Однако в процессе анализа методов количественной оценки рисков инвестиционного проекта не удалось выявить универсальный метод такой оценки, рассмотренные методы дополняют друг друга, как и результаты различных методов оценки эффективности. Выбор конкретных методов анализа инвестиционного риска зависит от возможностей информационной базы, требований к конечным результатам (показателям) и к уровню надежности планирования инвестиций. Исходя из специфики значительной части инвестиционных проектов (ограниченная информационная база для принятия инвестиционных решений) наиболее перспективными для практического использования в условиях неопределенности являются методы теории нечетких множеств и нечетких интервалов.
Обоснование применимости теории нечетких множеств при моделировании финансовой деятельности
Необходимо отметить, что причины, определяющие уровень эффективности инвестиционного проекта, частично находятся за пределами проекта и не могут в полной мере контролироваться со стороны менеджмента проекта. Такое положение дел вызывает феномен неопределенности. В работе А. Недосекина, посвященной нечетким множествам и их использованию в моделях принятия решений, приведена классификация видов неопределенности (рис. 2.1) [46].
Если спроецировать эту классификацию на специфику финансовых решений, то можно обозначить два укрупненных вида неопределенности: неясность (отсутствие точного знания) относительно будущего состояния всех прогнозируемых параметров финансовой модели хозяйствующего субъекта; нечеткость классификации отдельных сторон текущего состояния рынка.
Таким образом, принятие финансовых решений, сопровождающихся неясностью и нечеткостью относительно будущего состояния рынка, осуществляется в условиях рыночной неопределенности.
Рыночная неопределенность - это качество рыночной среды, связанное с тем, что на рыночные условия оказывает одновременное воздействие неизмеримое число факторов, различных по своей природе и направленности, не подлежащих совокупной оценке. Даже если бы все рыночные факторы были в модели учтены (что невозможно), сохранилась бы неустранимая неопределенность относительно характера реакций рынка на те или иные воздействия.
Поэтому рыночная неопределенность законно считается «дурной» (научный термин), т.е. не обладающей статистической природой. Экономика непрерывно порождает изменяющиеся условия хозяйствования, она подчинена закономерностям циклического развития, при этом хозяйственные циклы не являются стопроцентно воспроизводимыми, т.к. циклическая динамика макроэкономических факторов находится в суперпозиции с динамикой научно технического прогресса. Возникающая в результате этой суперпозиции рыночная парадигма является уникальной. Из всего сказанного следует, что не удается получить выборки статистически однородных событий, наблюдаемых в неизменных внешних условиях наблюдения, из их генеральной совокупности [46].
При всем многообразии определений термина «статистика» (перечень определений приведен у В. Налимова [43]) можно выделить основные положения, которые заключаются в следующем: пусть имеется некий набор наблюдений по одному объекту или по совокупности объектов. При этом предполагается, что за случайной выборкой наблюдений из их гипотетической генеральной совокупности кроется некий фундаментальный закон распределения, который не изменится в течение определенного промежутка времени в будущем. Это позволяет нам прогнозировать тренд будущих наблюдений и рассчитывать диапазон отклонений этих наблюдений от расчетных ожидаемых трендовых значений.
В случае же с «дурной» неопределенностью, когда отсутствует достаточное количество наблюдений, чтобы корректно подтвердить тот или иной закон распределения, или наблюдаются объекты, которые, нельзя назвать однородными, такой классической статистической выборки нет.
Вместе с тем, даже не имея достаточного числа наблюдений, можно предположить, что за ними стоит проявление некоторого закона. Невозможно оценить параметры этого закона вполне точно, но мы в состоянии прийти к определенному соглашению о виде этого закона и о диапазоне разброса ключевых параметров, входящих в его математическое описание. В подобных случаях уместно использовать понятие квазистатистики [46].
Квазистатистика - эта выборка наблюдений из их генеральной совокупности, которая считается недостаточной для идентификации вероятностного закона распределения с точно определенными параметрами, но признается достаточной для того, чтобы с той или иной субъективной степенью достоверности обосновать закон наблюдений в вероятностной или любой иной форме, причем параметры этого закона будут заданы по специальным правилам, чтобы удовлетворить требуемой достоверности идентификации закона наблюдений.
Такое определение квазистатистики дает расширительное понимание вероятностного закона, здесь намечены контуры синтеза вероятности в классическом смысле и вероятности, понимаемой как структурная характеристика познавательной активности эксперта-исследователя.
Это определение намечает также широкое поле для компромисса по поводу того, что считать достаточным объемом выборки, а что - нет. Например, эксперт, оценивая уровень риска проекта по созданию предприятия, понимает, что каждый фактор, влияющий на риск конкретного проекта, уникален, имеет свое влияние и поэтому классической статистики нет, даже если выборка захватывает сотни предприятий. Тем не менее эксперт, исследуя выборку какого-то определенного параметра, отмечает, что для большинства работающих предприятий значения данного параметра группируются внутри некоторого расчетного диапазона, ближе к некоторым наиболее ожидаемым типовым значениям факторов. И эта закономерность дает эксперту основания утверждать, что имеет место закон распределения, и далее эксперт может подыскивать этому закону нечетко-множественную форму.
Таким образом, понятие квазистатистики позволяет применять нечеткие описания для моделирования законов, по которым проявляется та или иная совокупность наблюдений. Другими словами, без введения понятия квазистатистики нельзя вполне обоснованно с научной точки зрения моделировать неоднородные и ограниченные по объему наблюдения процессы, протекающие в целом в экономике, невозможно учитывать неопределенность, сопровождающую процесс принятия финансовых решений.
В итоге перед экспертом встает вопрос, какой подход применить для учета неопределенности при моделировании финансовой деятельности: ввести ли понятие квазистатистики и использовать нечеткие множества или применить вероятностный подход для учета неопределенности? Может, предпочтительнее ограничиться экспертными оценками? Для ответа на эти вопросы целесообразно определить условия применения указанных подходов к моделированию финансовых систем.
Формирование алгоритма оценки финансового риска в инвестиционном проектировании
Таким образом, сформированный алгоритм позволяет разработчику инвестиционного проекта реализовать механизм расчета риска инвестиционного проекта в программном продукте, что обеспечит значительное снижение затрат времени на получение количественной оценки риска инвестиционного проекта и повышение информативности получаемых результатов без дополнительного усложнения требований к исходной информации, предоставляемой для количественной оценки риска инвестиционного проекта. Преимущества механизма расчета количественной оценки риска инвестиционного проекта целесообразно рассмотреть на примере проектов по организации промышленного производства. Для выявления преимуществ предложенного подхода к оценке риска инвестиционного проекта необходимо определить методику сравнения оценок риска по разработанному автором подходу с ныне существующим подходом. В процессе реализации инвестиционного проекта неопределенность проекта снижается до нуля, и в итоге становится понятным, оказался проект эффективным или, наоборот, убыточным. Риск успешно протекающего проекта уменьшается в пределе до нуля, риск опасного проекта, тяготеющего к неокупаемости, растет до единицы. В связи с этим следует наблюдать динамику риска проекта во времени, от интервала к интервалу планирования, т.е. осуществлять план-фактный контроль проекта по фактору риска, с перерасчетом всех параметров проекта в интервальной форме.
При этом уменьшение риска служит для инвестора подтверждением правильности выбранного пути развития своего бизнеса, однако ситуацию необходимо отслеживать по всем параметрам, поскольку снижение рисков по одним показателям может «компенсироваться» значительным увеличением по другим показателям. Увеличение риска позволяет принять своевременное решение о применении экстренных мер в отношении проекта, в том числе о выходе из него, с отсечением убытков. Таким образом, исследователь проекта получает в виде представленной модели эффективный инструмент управления проектным риском. Практическое применение предложенного автором подхода к количественной оценке риска инвестиционного проекта приведено на примере инвестиционных проектов организации промышленного производства. Критерием выбора проектов были расхождения оценок риска, полученных на основе существующего подхода, и оценок риска, рассчитанных по предлагаемой автором методике. Отметим, что ввиду конфиденциальности информации по проектам для анализа оценок рисков используются расчетные данные, сопоставимые с реальными. В качестве примеров рассматриваются следующие инвестиционные проекты: 1. Организация производства пеностекла - прочного, долговечного, экологически чистого теплоизоляционного и конструкционного материала для решения ряда задач в промышленном и гражданском строительстве, теплоэнергетике, химической, нефтехимической, пищевой, сельскохозяйственной, фармацевтической, дорожной и других отраслях промышленности. Основной компонент - стекло - закупается в Пермской области и других соседних регионах в виде несортированного стеклобоя.
Основной продукт - блочное и плитное пеностекло, насыпное пеностекло. 2. Организация нефтеперерабатывающего производства. Основная сфера деятельности - производство дизельного и печного топлива из нефти, добываемой как в Пермской области, так и за ее пределами. Основной продукт — дизельное топливо и мазут. 3. Строительство карьера и дробильно-сортировочного завода. Основная сфера деятельности - производство щебня мелких и крупных фракций. Проект предусматривает добычу и переработку габбро-диабазов Рассохинского месторождения в Пермской области. Основной продукт — щебень рассыпной низкой лещадности. Каждый из рассматриваемых проектов индивидуален, однако все они предусматривают организацию промышленного производства. Соответственно каждый проект содержит перечень основных показателей, характерных для всех перечисленных проектов. Сравнение существующей технологии оценки риска с помощью нечетко-множественных описаний и предложенного в работе нового подхода осуществляется на временном промежутке в 2 года по следующим показателям инвестиционных проектов: объем сбыта продукции; цена сбыта продукции; объем поставок сырья и материалов; цена сырья и материалов; численность персонала; заработная плата персонала; общезаводские расходы; инвестиционные затраты; затраты на маркетинг.
Принцип актуализации информации существующего подхода заключается в приведении актуализированных оценок в соответствие с полученными ранее оценками на основе подхода, предложенного А.Борисовым, с помощью функции принадлежности трапециевидной формы [47]. Актуализация осуществляется на основе двух интервалов вещественной оси [а,-, Ь,], і =1..2. Определим А = гшп;{а;}, В = mini{maxi(aj), minify)}, С = тах;{тах(а;), тіПі(Ь;)}, D = maxj{bj}. Тогда четыре пары чисел - (А,0), (B,l), (C,l), (D,0) - являются множеством вершин трапециевидной функции принадлежности, которая и составляет актуализированную оценку. Необходимо отметить, что актуализированная оценка риска рассчитывается только для показателей проекта, значение которых еще не известно, а по свершившимся данным риск рассчитывать нет необходимости, поскольку инвестор может самостоятельно определить, получил он прибыль или убыток, по фактической отчетности.
