Существующие классификации инвестиционных проектов. Неопределенность и риск инвестиционного проекта

Среди качественных методов  оценки инвестиционного  риска

наиболее  часто используются следующие:

- анализ  уместности  затрат;

- метод  аналогий;

- метод  экспертных  оценок.

Основой  анализа  уместности затрат  выступает предположение  о том, что перерасход средств  может быть вызван одним или несколькими  из следующих факторов:

- изначальная  недооценка стоимости проекта  в целом или его отдельных  фаз и составляющих;

- изменение   границ проектирования, обусловленное   непредвиденными обстоятельствами;

- увеличение  стоимости проекта в сравнении   с первоначальной вследствие  инфляции или изменения налогового  законодательства.

В процессе анализа, исходя из условий  конкретного инвестиционного  проекта, происходит детализация указанных  факторов и составляется контрольный  перечень возможного повышения затрат по статьям для каждого варианта проекта или его элементов. Процесс  финансирования разбивается на стадии, связанные с фазами реализации проекта. Не  менее распространенным при проведении качественной оценки инвестиционного  риска является метод аналогий  . Суть его заключается в анализе всех имеющихся данных по не менее рискованным аналогичным проектам, изучении последствий воздействия на них неблагоприятных факторов с целью определения потенциального риска при реализации нового проекта. При этом источником информации могут служить регулярно публикуемые западными страховыми компаниями рейтинги надежности проектных, подрядных, инвестиционных и прочих компаний, анализы тенденций изменения спроса на конкретную продукцию, цен на сырье, топливо, землю и т. д. В настоящее время и российские проектные организации стали создавать базы данных о рискованных проектах путем изучения литературных источников, проведения исследовательских работ и опроса менеджеров проектов. Основная  сложность при использовании  данного метода состоит в правильном подборе аналога, т. к. отсутствуют формальные критерии, позволяющие установить степень аналогичности ситуаций. Метод анализа уместности затрат и метод  аналогий пригодны скорее для описания возможных рисковых ситуации, нежели для получения более или менее  точной оценки риска инвестиционного проекта. Метод экспертных оценок  базируется на опыте экспертов в вопросах управления инвестиционными проектами. Анализ начинается с составления исчерпывающего перечня рисков по всем стадиям проекта.Каждому эксперту, работающему отдельно, предоставляется перечень первичных рисков в виде опросных листов и предлагается оценить вероятность их наступления, руководствуясь специальной системой оценок. В том случае, если между мнениями экспертов будут обнаружены большие расхождения, они обсуждаются всеми экспертами для выработки более согласованной позиции. В целях получения более объективной оценки специалисты, проводящие экспертизу, должны обладать полным спектром информации об оцениваемом проекте. Основная  проблема, возникающая при использовании  метода экспертных оценок, связана с объективностью и точностью получаемых результатов. Это связано с такими факторами, как некачественный подбор экспертов, возможность группового обсуждения, доминирование какого-либо мнения (мнения "авторитетного лидера") и т. д.Наибольшее  распространение при оценке риска  инвестиционных проектов (особенно производственных инвестиций) получили такие количественные методы, как:

- анализ  чувствительности (метод вариации  параметров);

- метод  проверки  устойчивости (расчета  критических  точек);

- метод  сценариев  (метод формализованного  описания  неопределенностей);

- имитационное  моделирование (метод статистических  испытаний, метод Монте-Карло);

- метод  корректировки  ставки дисконтирования.

В инвестиционном проектировании при  оценке риска  применяется также анализ чувствительности. Цель анализа чувствительности состоит в сравнительном анализе влияния различных факторов инвестиционного проекта на ключевой показатель эффективности проекта, например, внутреннюю норму прибыльности. Приведем  наиболее рациональную последовательность проведение анализа чувствительности.

Выбор ключевого  показателя эффективности инвестиций, в качестве которого может служить  внутренняя норма прибыльности (IRR) или чистое современное значение (NPV). Выбор факторов, относительно которых разработчик инвестиционного проекта не имеет однозначного суждения (т. е. находится в состоянии неопределенности). Установление номинальных и предельных (нижних и верхних) значений неопределенных факторов, выбранных на втором шаге процедуры. Предельных факторов может быть несколько, например 5% и 10% от номинального значения (всего четыре в данном случае). Расчет ключевого показателя для всех выбранных предельных значений неопределенных факторов. Построение графика чувствительности для всех неопределенных факторов. В западном инвестиционном менеджменте этот график носит название "Spider Graph". Ниже приводится пример такого графика для трех факторов. Данный  график позволяет сделать вывод  о наиболее критических факторах инвестиционного проекта, с тем чтобы в ходе его реализации обратить на эти факторы особое внимание с целью сократить риск реализации инвестиционного проекта. Так, например, если цена продукции оказалась критическим фактором, то в ходе реализации проекта необходимо улучшить программу маркетинга и (или) повысить качество товаров. Если проект окажется чувствительным к изменению объема производства, то следует уделить больше внимания совершенствованию внутреннего менеджмента предприятия и ввести специальные меры по повышению производительности. Наконец, если критическим оказался фактор материальных издержек, то целесообразно улучшить отношение с поставщиками, заключив долгосрочные контракты, позволяющие, возможно, снизить закупочную цену сырья.  Метод проверки устойчивости  предусматривает разработку сценариев реализации проекта в наиболее вероятных или наиболее "опасных" для каких-либо участников условиях. По  каждому сценарию исследуется, как  будет действовать в соответствующих условиях организационно-экономический механизм реализации проекта, каковы будут при этом доходы, потери и показатели эффективности у отдельных участников, государства и населения. Влияние факторов  риска на норму дисконта при этом не учитывается. Проект считается устойчивым и эффективным, если во всех рассмотренных ситуациях:

- NPV положителен;

- обеспечивается  необходимый резерв финансовой  реализуемости проекта. Анализ  сценариев — это прием анализа риска, который на ряду с базовым набором исходных данных проекта рассматривает ряд других наборов данных, которые по мнению разработчиков проекта могут иметь место в процессе реализации. В анализе сценария, финансовый аналитик просит технического менеджера подобрать показатели при "плохом" стечении обстоятельств (малый объем продаж, низкая цена продажи, высокая себестоимость единицы товара, и т. д.) и при "хорошем". После этого, NPV при хороших и плохих условиях вычисляются и сравниваются о ожидаемым NPV. Возвратимся к примеру оценки эффективности трубного завода, инвестиционный проект которого был "спасен" за счет финансовых средств. В конечном итоге, внутренняя норма доходности составила 28.11%. Проанализируем сценарии инвестиционного проекта, сделав предположения относительно некоторых критических показателей проекта. Сначала приведем номинальные показатели, которые обеспечили указанное значение внутренней нормы доходности.  

                                                                                                    Таблица.1 Номинальные показатели инвестиционного проекта Показатель Труба 1 Труба 2 Труба 3 Труба 4

Производительность  в смену (т) 25 19 13 10

Стоим. сырья  на т. готовых труб $940  $910  $532  $605

Затраты прямого  труда на т. труб $385  $320  $226  $243

Постоянные издержки за год $934,050  $794,200  $826,800  $910,240

Цены  товаров (за тонну) $2,134  $2,197  $1,224  $1,439

Наибольший  интерес обычно представляют пессимистичные сценарии. Сделаем предположение  о том, цена продаж по первой и второй трубам уменьшилась на 5%. Проведя  все расчеты эффективности, получим  значение внутренней нормы доходности на уровне 12.94%. Может быть также интересен  сценарий, когда  на 5% уменьшается  объем реализации первой и второй труб. В этом случае  IRR = 22.20%. Более комплексный сценарий может быть представлен, например, в виде одновременного увеличения цены готовой продукции и стоимости сырья на единицу продукции на 5 процентов. Данный сценарий может быть квалифицирован, как оптимистичный. В самом деле, расчет внутренней нормы доходности приводит к значению 38.45%. Имитационное  моделирование Монте-Карло.  Метод имитационного моделирования Монте-Карло создает дополнительную возможность при оценке риска за счет того, что делает возможным создание случайных сценариев. Применение анализа риска использует богатство информации, будь она в форме объективных данных или оценок экспертов, для количественного описания неопределенности, существующей в отношении основных переменных проекта и для обоснованных расчетов возможного воздействия неопределенности на эффективность инвестиционного проекта. Результат анализа риска выражается не каким-либо единственным значением NPV, а в виде вероятностного распределения всех возможных значений этого показателя. Следовательно, потенциальный инвестор, с помощью метода Монте-Карло будет обеспечен полным набором данных, характеризующих риск проекта. На этой основе он сможет принять взвешенное решение о предоставлении средств. В общем случае имитационное моделирование Монте-Карло — это процедура, с помощью которой математическая модель определения какого-либо финансового показателя (в нашем случае NPV) подвергается ряду имитационных прогонов с помощью компьютера. В ходе процесса имитации строятся последовательные сценарии с использованием исходных данных, которые по смыслу проекта являются неопределенными, и потому в процессе анализа полагаются случайными величинами. Процесс имитации осуществляется таким образом, чтобы случайный выбор значений из определенных вероятностных распределений не нарушал существования известных или предполагаемых отношений корреляции среди переменных. Результаты имитации собираются и анализируются статистически, с тем, чтобы оценить меру риска.

Процесс анализа риска  может быть разбит на следующие стадии.

Первая  стадия в процессе анализа риска — это создание прогнозной модели. Такая модель определяет математические отношения между числовыми переменными, которые относятся к прогнозу выбранного финансового показателя. В качестве базовой модели для анализа инвестиционного риска обычно используется модель расчета показателя NPV                                  Использование этой формулы в анализе риска  сопряжено с некоторыми трудностями. Они заключаются в том, что  при генерировании случайных чисел, годовой денежный поток выступает как некое случайное число, подчиняющееся определенному закону распределения.                                    Общая прогнозная модель имитируется следующим  образом. Генерируется достаточно большой  объем случайных сценариев, каждый из которых соответствует определенным значениям денежных потоков. Сгенерированные сценарии собираются вместе и производится их статистическая обработка для установления доли сценариев, которые соответствуют отрицательному значению NPV. Отношение таких сценариев к общему количеству сценариев дает оценку риска инвестиций.                     Определение случайных переменных и придание им соответствующего распределения вероятности является необходимым условием проведения анализа рисков. Успешно завершив эти этапы, можно перейти к стадии моделирования. Стадия "прогонов модели" является той частью процесса анализа риска, на которой всю рутинную работу выполняет компьютер. После того, как все допущения тщательно обоснованы, остается только последовательно просчитывать модель (каждый пересчет является одним "прогоном") до тех пор, пока будет получено достаточно значений для принятия решения (например более 1000). Для практического осуществления имитационного  моделирования можно рекомендовать  пакет "Risk Master", разработанный в Гарвардском университете. Генерирование случайных чисел этот пакет осуществляет на основе использования датчика псевдослучайных чисел, которые рассчитываются по определенному алгоритму. Особенностью пакета является то, что он умеет генерировать коррелированные случайные числа. Окончательной стадией анализа рисков является обработка и интерпретация результатов, полученных на стадии прогонов модели. Каждый прогон представляет вероятность  события, равную:

p = 100 : n,

где p —  вероятность  единичного прогона, %;

n —  размер  выборки. 

Например, если количество случайных прогонов равно 5000, то вероятность одного прогона  составляет

p = 100 : 5000 = 0,02 %.

В качестве меры риска в инвестиционном проектировании целесообразно использовать вероятность  получения отрицательного значения NPV. Эта вероятность оценивается  на основе статистических результатов  имитационного моделирования как  произведение количества результатов  с отрицательным значением и  вероятности единичного прогона. Например, если из 5000 прогонов отрицательные  значения NPV окажутся в 3454 случаях, то мера риска составит 69.1%.

Список  литературы

1. Кузнецов Б.Т. Инвестиции. – М.: Юнити, 2009. – с. 9

2. Марголин А.М. Инвестиции: Учебник. – М.: РАГС, 2010. – с. 17

3. Риск-анализ инвестиционного проекта: Учебник для вузов / Под ред. М.В. Грачёвой. – М.: ЮНИТИ-ДАНА, 2006. – с. 34

 4. Инвестиции: теория и практика / Ю.А. Корчагин, И.П. Маличенко. – Ростов н/Д: Феникс, 2008. – с. 47

5. Нешитой А.С. Инвестиции: Учебник. – 6-е изд., перераб. и испр. – М.: Издательско-торговая компания «Дашков и К0», 2008. – с. 86

6. Рискология (управление рисками): Учебное пособие. – 3-е изд., испр. и доп. / В.П. Буянов, К.А. Кирсанов. – М.: Издательство «Экзамен», 2007. – с. 63

7. Чиненов М.В. Инвестиции: учебное пособие. – М.: КНОРУС, 2009. – с. 112

8. Марголин А.М. Инвестиции: Учебник. – М.: РАГС, 2010. – с. 152

9. Инвестиции: учебное пособие / Г,П. Подшиваленко, Н.И. Лахметкина, М.В. Макарова. – 3-е изд., перераб. и доп. – М.: КНОРУС, 2009. – с. 95

10. Риск-анализ инвестиционного проекта: Учебник для вузов / Под ред. М.В. Грачёвой. – М.: ЮНИТИ-ДАНА, 2006. – с. 99.

11. Островская Э. Риск инвестиционных проектов. – М., 2009. – с. 78