Контрольная работа по "Инвестиции"

Метод основан на предположении  о том, что финансовые потоки каждой ветви «дерева» обратно (во времени) не коррелированы между собой. Таким  образом, во время анализа на основе определения вероятности наступления положительного исхода на каждой «ветви» выбирают действия по «ветви», обладающей наилучшей характеристикой.

В общем случае выполняются следующие  шаги:

1) период исполнения инвестиционного проекта условно делят на временные интервалы, исходя из представления, что каждый временной интервал начинается с особо значимого для общего проекта события, причем в этот момент существует ограниченный набор инвестиционных альтернатив;

2) для каждого периода определяют  частную проблему и все возможные  альтернативные варианты дальнейших событий;

3) формируют «дерево» за счет  соответствующих проблем (вершин) и вариантов их решения (исходящих  дуг);

4) для каждой дуги проводят  ее денежную и вероятностную  оценки;

5) за счет частных решений формируют путь решения конечной инвестиционной проблемы, получая фактически «дерево». Одновременно демонстрируют иные пути, которые могут возникать из-за наличия альтернатив при инвестировании;

6) исходя из значений, присвоенных  вершинам и дугам, рассчитывают вероятное значение глобального критерия проекта (NPV, IRR, PI), а также глобальные критерии, характеризующие

альтернативные направления ресурсных потоков, формирующихся при реализации данного инвестиционного направления.

Дерево решений — это графическое  изображение последовательности решений и состояний окружающей среды с указанием соответствующих вероятностей и выигрышей для любых комбинаций альтернатив и состояний сред.

Аналитик проекта, осуществляющий построение «дерева решений», для формулирования различных сценариев развития проекта должен обладать необходимой и достоверной информацией с учетом вероятности и времени их наступления.

Можно предложить следующую последовательность сбора данных для построения «дерева  решений»:

• определение состава и продолжительности  фаз жизненного цикла проекта;

• определение ключевых событий, которые  могут повлиять на дальнейшее развитие проекта;

• определение времени наступления  ключевых событий;

• формулировка всех возможных решений, которые могут быть приняты в  результате наступления каждого  ключевого события;

• определение вероятности принятия каждого решения;

• определение стоимости каждого  этапа осуществления проекта (стоимости  работ между ключевыми событиями) в текущих ценах.

На основании полученных данных строится «дерево решений», структура которого содержит узлы, представляющие собой ключевые события (точки принятия решений) и ветви, соединяющие узлы, — работы по реализации проекта.

В результате построения «дерева решений» рассчитываются вероятность каждого  сценария развития проекта, NPV по каждому сценарию, а также ряд других принципиально важных (как для анализа рисков проекта, так и для принятия управленческих решений) показателей.

Построение «дерева решений» обычно используется для анализа рисков тех проектов, которые имеют обозримое  количество вариантов развития. В противном случае «дерево решений» принимает очень большой объем, так что затрудняется не только вычисление оптимального решения, но и определение данных. Метод полезен в ситуациях, когда более поздние решения сильно зависят от решений, принятых ранее, но, в свою очередь, определяют дальнейшее развитие событий.

Методы оценки проектных  рисков с учетом распределений вероятностей

Вторую группу аналитических методов  представляют методы оценки проектных  рисков с учетом распределений вероятностей. Они предполагают, что построение и расчеты по моделям осуществляются не только в соответствии с принципами теории вероятностей. В рамках этой группы мы рассмотрим самые популярные на сегодняшний день методы, а именно:

• основанные на использовании теории принятия решений (критерии принятия решений в условиях неопределенности);

• имитационное моделирование по методу Монте-Карло;

• методы теории игр;

• использующие представления теории нечетких множеств.

Любая сфера экономической деятельности (и в особенности инвестиционное планирование) связана с принятием решений в условиях неполноты информации. Источники неопределенности могут быть разные: нестабильность экономической и / или политической ситуации, неопределенность действий партнеров по бизнесу, неточность информации и множество других случайных факторов. Экономические решения с учетом всех этих факторов принимаются в рамках так называемой ТПР — аналитического подхода к выбору наилучшего действия или последовательности действий в рамках определенной модели.

В теории принятия решений важно отличать ситуацию риска, которая возникает в том случае, если известны вероятности наступления в будущем условий, относительно которых принимается решение (см. выше методы без учета распределений вероятностей) от ситуации неопределенности, когда вероятности условий неизвестны и нет никакой возможности получить о них дополнительную статистическую информацию. В соответствии с этим в ТПР и выделяются два типа моделей, которые требуют разных подходов к выбору оптимальных решений и используют различные критерии и методы.

Имитационное моделирование  по методу Монте-Карло (Monte-Carlo Simulation) позволяет построить математическую модель для проекта с неопределенными значениями параметров. Зная вероятностные распределения параметров проекта, а также связь между изменениями параметров (корреляцию), можно получить распределение доходности проекта.

Данный метод является весьма сложным, но и вполне корректным методом учета и оценки рисков при принятии инвестиционного проекта, поскольку наиболее полно характеризует всю гамму неопределенностей, с которой может столкнуться реальный инвестиционный проект, и через задаваемые изначально ограничения позволяет учитывать всю доступную проектному аналитику информацию. Практическая реализация данного метода возможна только с применением компьютерных программ, позволяющих описывать прогнозные модели и рассчитывать большое число случайных сценариев.

Теория игр является разделом теории принятия решений. Цель теории игр — создание и анализ математических моделей принятия оптимальных решений в условиях конфликта. Конфликтом называется ситуация, в которой сталкиваются не менее двух сторон с различными интересами, каждая из которых для достижения своей цели может действовать различными способами, при некоторых условиях осуществляя свой выбор в зависимости от действий противника. Математическая модель конфликтной ситуации называется игрой. Заинтересованные стороны называются игроками. Любое возможное в игре действие игрока называется его чистой стратегией или просто стратегией. В условиях конфликта каждый игрок делает свой ход, т. е. выбирает некоторую свою стратегию, в результате чего образуется набор стратегий всех игроков, который называется исходом (или ситуацией) конфликта. Так, например, если в парной игре участвуют игроки А и В с множествами стратегий соответственно БАС = [А],..., Ат} и БВС = [В],..., В„}, и в результате очередного хода игроки выбрали стратегии соответственно А1 и В, то упорядоченная пара х = (А/, В,) и является ситуацией после этого хода.

Итак, протекание конфликтной игры состоит в выборе каждым игроком  своей стратегии и получении в сложившейся ситуации выигрыша. Поэтому всякая конфликтная игра полностью описывается совокупностью, состоящей из множества игроков, множеств их возможных стратегий и множества их функций выигрыша.

Основной целью теории игр является выработка рекомендаций (принципов оптимальности), позволяющих установить, какое поведение игроков следует считать целесообразным с точки зрения самих игроков) для удовлетворительного поведения игроков в конфликте, т. е. выявление для каждого из них «оптимальной стратегии».

Оптимальной называется стратегия, которая  при многократно повторяющейся  игре гарантирует игроку максимально возможный средний выигрыш (или эквивалентно минимально возможный средний проигрыш). Выбор оптимальной стратегии базируется на принципе, предполагающем, что оба игрока разумны в одинаковой степени, и поведение каждого из них направлено на противодействие противнику в достижении его цели.

Таким образом, теория игр абстрагируется от ошибок, просчетов, азарта и риска, присущих игрокам в реальных случаях.

Однако в экономической практике во многих задачах принятия решений существенным элементом является неопределенность иного вида, не связанная с сознательным целенаправленным противодействием противника, а заключающаяся в недостаточной информированности лица, принимающего решение об объективных условиях, в которых будет приниматься решение. Неопределенность такого рода может порождаться различными причинами: нестабильность экономической ситуации, рыночная конъюнктура, уровень инфляции, налоговая политика и т. д.

Во всех задачах такого рода выбор решения зависит от объективной действительности, называемой в математической модели «природой». Сама же математическая модель подобных ситуаций называется «игрой с природой».

Таким образом, в игре с природой осознанно действует только один игрок, а именно лицо, принимающее  решение; обозначим его как игрок  А. Природа, обозначим П, является вторым игроком, но не противником игрока А, так как она не действует осознанно против игрока А, а принимает неопределенным образом то или иное состояние, не преследуя конкретной цели и безразлично к результату игры. Игрока А в игре с природой называют иногда статистиком, а теорию игр с природой — теорией статистических решений.

В теории игр с природой, как  и в ТПР, в зависимости от имеющейся  или добываемой информации различают  две ситуации.

Одна из них характеризуется  тем, что известны вероятности, с  которыми природа принимает каждое из своих возможных состояний, либо эти вероятности неизвестны, но имеются сведения об их относительных значениях или вероятности состояний природы устанавливаются в результате опроса экспертов и усреднений их показаний. В этой ситуации говорят о «принятии решения в условиях риска».

Если эти вероятности неизвестны и отсутствует всякая возможность получения о них какой-либо статистической информации, то в этом случае говорят о принятии решения в условиях неопределенности.

Наиболее известной областью применения теории игр (с природой) в оценочной деятельности стала оценка инвестиционных проектов. Здесь в качестве состояний природы берутся различные варианты внешнеэкономической информации, в качестве возможных стратегий — конкретные альтернативные инвестиционные проекты, а в качестве выигрышей — совокупность показателей каждого инвестиционного проекта.

В оценке недвижимости в рамках анализа  принципа наиболее эффективного использования (НЭИ) оценщик должен определить стратегию, при которой доход от недвижимости будет максимальным.

В оценке бизнеса в рамках доходного  подхода оценщик должен сформулировать предположения о возможном дальнейшем развитии предприятия. Это предположение  должно основываться на анализе предшествующей деятельности предприятия, возможностей его дальнейшего развития, внешней информации.

В области управления стоимостью компании метод теории игр может использоваться для приведения стоимости к желаемой величине. Поскольку предполагается, что лицо, управляющее предприятием, действует рационально, им будет выбрана стратегия, максимизирующая стоимость предприятия. Именно эта стратегия и должна рассматриваться в рамках доходного подхода.

Применяя методы теории игр, оценщик  может определить наиболее рациональное стратегическое решение в отношении  проблемы целесообразности инвестирования.

Учет неопределенности, в том  числе исходных данных, как уже  неоднократно отмечалось ранее, в рамках традиционных теоретико-вероятностных  методов зачастую невозможен из-за отсутствия объективной информации о вероятностях будущих событий. Осознание исследователями ограниченности теории вероятностей привело к разработке теории нечетких множеств и ее применению для получения адекватно четких оценок финансовых параметров инвестиционных проектов при нечетко заданных исходных данных.

Разработанные методики нечетко-интервальной оценки и многокритериальной оптимизации  финансовых параметров инвестиций позволяют  с большей полнотой (чем традиционные методы) использовать априорную информацию о будущих потоках платежей и  процентных ставках с учетом ее неопределенности. Задача оптимизации формулируется как компромисс между конкурирующими частными критериями, характеризующими доходность и финансовый риск инвестиций.

Концепция нечеткости мира является обоснованием необходимости применения для действенного анализа гуманистических систем новых подходов, для которых точность, строгость и математический формализм не являются чем-то абсолютно необходимым и в которых используется методологическая схема, допускающая нечеткости и частичные истины. Это третий подход (кроме детерминистского и вероятностного), позволяющий учитывать степень неопределенности входных данных. Ограниченность вероятностно-статистических методов делает вполне обоснованным переход к исследованию объектов нечисловой природы — нечетких множеств. Данный подход определяет место теории нечетких множеств в общей теории управления и показывает, насколько расширяются границы наших возможностей с переходом от анализа четких, детерминированных систем и применения вероятностных моделей к описанию данных в форме нечетких множеств и их анализу с помощью методов теории нечеткости.