Содержание к диссертации
Введение
Глава 1. Применение методов теории нечетких множеств в проектном анализе 8
1.1. Проектный анализ 8
1.2. Обзор существующих методов оценки рисков реальных инвестиционных проектов 13
1.2.1. Методы качественной оценки проектных рисков 16
1.2.2. Методы количественной оценки проектных рисков 22
1.3. Применение теории нечетких множеств и теории возможностей 30
Глава 2. Разработка концепции построения информационной системы поддержки принятия решений 32
2.1. Анализ критериев эффективности инвестиционного проекта 32
2.2. Анализ методов отбора инвестиционных проектов для финансирования 41
2.3. Построение информационной системы поддержки принятия решений 44
Глава 3. Разработка метода количественной оценки рисков реальных инвестиционных проектов в условиях неопределенности ... 64
3.1. Анализ входных данных для оценки проектных рисков в условиях неопределенности 64
3.1.1. Качественный анализ потоков поступлений и платежей инвестиционного проекта 64
3.1.2. Учет неопределенности при оценке рисков инвестиционных проектов 68
3.1.3. Выбор структуры исходных данных для оценки рисков инвестиционных проектов 68
3.2. Анализ неопределенности ставки дисконтирования и выбор метода статистического прогнозирования 70
3.2.1. Анализ неопределенности ставки дисконтирования 71
3.2.2. Выбор метода статистического прогнозирования 74
3.3. Разработка метода количественной оценки проектных рисков 77
3.4. Учет корреляции зависимых переменных 85
Глава 4. Проведение эксперимента 87
4.1. Методика проведения эксперимента 87
4.1.1. Входные данные для проведения эксперимента 87
4.1.2. Порядок проведения эксперимента 93
4.2. Анализ качества инвестиционных решений 109
4.3. Алгоритмическое и программное обеспечение 111
4.4. Анализ полученных результатов 116
4.5. Направления дальнейших исследований 120
Заключение 122
Список использованной литературы 124
Приложения 134
- Обзор существующих методов оценки рисков реальных инвестиционных проектов
- Построение информационной системы поддержки принятия решений
- Разработка метода количественной оценки проектных рисков
- Алгоритмическое и программное обеспечение
Введение к работе
Актуальность темы
Современная мировая и российская экономика немыслима без широкомасштабных инвестиционных вложений в производственный сектор. В рыночных условиях хозяйствования национальные и международные банки предоставляют кредиты, а партнеры по совместным предприятиям обеспечивают поступление акционерного капитала только в том случае, если в основе соглашений имеются глубоко проработанные и хорошо подготовленные технико-экономические обоснования, содержащие детальное исследование проектных рисков.
Исследованием различных аспектов проблемы оценки рисков инвестиционных проектов в разное время занимались такие зарубежные учёные как У. Шарп, Г. Маркович, Дж. Данциг, М. Гордон, Л. Сэвидж, Р. Льюис, Г. Райффа, а также отечественные исследователи Л.В. Канторович, ЯЛ. Рекитар, В.В. Ковалёв, П.Л. Виленский, С.А. Смоляк, В.Н. Лившиц, В.З. Беленький, Р.В. Фаттахов, О. Юдаков и другие.
Зачастую на практике качественные и количественные методы риск-анализа применяются раздельно друг от друга, что приводит к некорректной оценке проектных рисков и, как следствие, принятию неверных инвестиционных решений. В связи с этим, большое значение приобретают исследования, направленные на комплексный анализ качественных и количественных рисков инвестиционных проектов. Такой анализ должен формализовать воздействие качественных факторов на расчетные значения количественных проектных рисков. Для решения подобных задач широко применяются методы теории нечетких множеств и теории возможностей.
Действующий Государственный стандарт РФ для процедуры выборочного контроля по количественному признаку ГОСТ Р 50779.74-99 распространяется на сферу материального производства продукции. Вместе с тем, существу- ет объективная необходимость применения используемых критериев статистического контроля качества для анализа инвестиционных проектов.
Указанные обстоятельства обуславливают актуальность сформулированной темы исследования, направленной на разработку концепции информационной системы поддержки принятия инвестиционных решений, включающей в себя методы статистического анализа проектов и количественной оценки проектных рисков с учетом влияния внутренних и внешних факторов в условиях неопределенности.
Цель работы и задачи исследования
Целью диссертационной работы является разработка методов получения и обработки информации о количественных и качественных рисках реальных инвестиционных проектов, а также разработка методов статистического анализа, концепции и алгоритма функционирования информационной системы поддержки принятия решений по финансированию инвестиционных проектов в условиях неопределенности и риска.
Для достижения сформулированной цели поставлены следующие задачи исследования:
Разработать концепцию построения информационной системы поддержки принятия решений (ИСППР) о приоритетности финансирования реальных инвестиционных проектов.
Разработать метод количественной оценки проектных рисков, позволяющий рассчитывать агрегированный риск и статистики качества критериев эффективности реального инвестиционного проекта.
Разработать метод расчета верхних и нижних границ отклонения рисковых переменных от прогнозируемых значений, формализующий характер и уровень воздействия качественных факторов.
Разработать инструментальные средства для автоматизации процедуры оценки реальных инвестиционных проектов по критериям допустимости, эффективности, качества и риска.
5. Провести анализ качества инвестиционных решений, принимаемых с использованием разработанной информационной системы поддержки принятия решений, на примере представленных реальных инвестиционных проектов.
На защиту выносятся:
Концепция построения информационной системы поддержки принятия инвестиционных решений о приоритетности финансирования капиталовложений в реальные активы.
Метод количественной оценки проектных рисков, включающий в себя расчет агрегированного риска, а также статистический анализ реального инвестиционного проекта по количественному признаку приемлемых значений критериев эффективности.
Метод определения долей и возможностей на основе нечетких множеств для расчета верхних и нижних границ отклонения элементов потоков реальных денег, а также ставки дисконтирования от прогнозируемых значений, с использованием экспертных оценок влияния на эти рисковые переменные качественных факторов.
Алгоритмическое и программное обеспечение процедуры анализа реальных инвестиционных проектов на допустимость, эффективность, качество и риск с целью информационной поддержки процесса принятия решений о приоритетности их финансирования.
Метод анализа качества инвестиционных решений, принимаемых с использованием разработанной информационной системы поддержки принятия решений и результаты расчетов коэффициентов для фактически реализованных реальных инвестиционных проектов.
Научная новизна
1. Отличительная особенность предложенной концепции ИСППР заклю-
6 чается в использовании широкого спектра специализированных критериев и показателей, применении нового метода количественной оценки проектных рисков в условиях неопределенности. В работе впервые предложено использовать критерий выборочного контроля по количественному признаку (ГОСТ Р 50779.74-99) для статистического анализа приемлемых значений критериев эффективности проекта. В совокупности это позволяет проводить комбинированный анализ на допустимость и эффективность, оценивать статистики качества, а также частные и агрегированный риски каждого из представленных на рассмотрение реальных инвестиционных проектов.
Новизна предложенного метода количественного определения агрегированного риска проекта в условиях неопределенности заключается в формализации влияния качественных факторов на расчетные значения критериев эффективности. В отличие от известных методов, основанных на имитационном моделировании, разработанный метод предполагает генерирование случайных значений переменных, входящих в формулы расчета критериев эффективности проекта, в диапазоне, рассчитанном при помощи методов теории нечетких множеств и возможностей, с использованием базы знаний. При этом нужный объем выборки определяется с заданными доверительным интервалом и доверительной вероятностью после статистической обработки уже имеющейся пробной выборки. В качестве начальных значений для генерации используются элементы потоков реальных денежных средств инвестиционного проекта (результатов операционной и инвестиционной деятельности), а также ставки дисконтирования.
В разработанном методе определения долей и возможностей на основе нечетких множеств впервые предложено использовать экспертные оценки уровня влияния эндогенных и экзогенных факторов на значения потоков реальных денег и ставки дисконтирования для расчета верхних и нижних границ отклонений рисковых переменных, участвующих в расчете критериев эффективности проекта, от прогнозируемых значений.
Практическая значимость работы
Практическую значимость прикладных исследований определяют следующие результаты настоящей диссертации:
Информационная система поддержки принятия решений, включающая в себя инструментарий комплексного анализа реальных инвестиционных проектов по критериям допустимости, эффективности, качества и риска, что позволяет повысить качество управления финансированием реальных инвестиционных проектов в условиях неопределенности.
Результаты расчетов вероятностей негативного изменения критериев эффективности, статистик их качества, а также интегрального риска инвестиционного проекта, осуществляемых при помощи разработанного метода количественной оценки проектных рисков, что составляет информационную основу для принятия решений о приоритетности финансирования реальных инвестиционных проектов.
Результаты вычислений верхних и нижних границ отклонения рисковых переменных от прогнозируемых значений, с использованием широкого спектра качественных факторов, что позволяет с высокой степенью достоверности оценить подверженность проекта к возможному изменению внутренних и внешних условий его функционирования.
Результаты расчетов критериев эффективности, статистических характеристик и коэффициентов качества инвестиционных решений для фактически реализованных реальных проектов.
Обзор существующих методов оценки рисков реальных инвестиционных проектов
В разделе рассматриваются существующие приемы и подходы к оценке рисков реальных инвестиционных проектов, описываются их преимущества, недостатки и проблемы практического применения. Данный раздел отражает анализ существующей теории (risk analysis) и практически известный опыт оценки рисков проекта, что дает право на описание в этом разделе специального инструментария под общим названием анализ проектных рисков.
Теория риска в применении к инвестиционному анализу начала интенсивно развиваться за рубежом с 50-х гг. нашего столетия. Наибольшее число исследований, посвященных анализу риска, принадлежит американским ученым, но эта проблема активно изучалась и в западноевропейских странах. В то же время в нашей стране происходило серьезное развитие математического аппарата анализа рисков применительно к теории планирования эксперимента в технических и естественных областях знаний.
В современной отечественной практике инвестиционного проектирования понятие «анализ проектных рисков» появилось недавно. Оно объединило накопленный ранее международный опыт и основательную российскую теоретическую базу, став обязательным разделом любого бизнес-плана инвестиционного проекта.
Инвестиция в любой проект сопряжена с определенным риском, что, как уже указывалось, отражается в величине процентной ставки: проект может завершиться неудачей, т.е. оказаться нереализованным, неэффективным или менее эффективным, чем ожидалось. Риск связан с тем, что доход от проекта является случайной, а не детерминированной величиной (т.е. неизвестной в момент принятия решения об инвестировании), равно как и величина убытков. При анализе инвестиционного проекта следует учесть факторы риска, выявить как можно больше видов рисков и постараться минимизировать общий риск проекта [97].
По своему отношению к риску инвесторы могут быть разделены группы: склонные к риску (готовые платить за то, чтобы нести риск); не склонные к риску (готовые платить, чтобы уклониться от риска); нейтральные к риску (безразличные к наличию или отсутствию риска). Непосредственно отношение к риску зависит как от целей инвестирования (степени рискованности проекта), так и от финансового положения инициатора (инвестора). Для принятия правильного инвестиционного решения необ-ходимо не только определить величину ожидаемого дохода, степень риска, но и оценить, насколько ожидаемый доход компенсирует предполагаемый риск. Однако сложность заключается в том, что оценка риска осуществления инвестиций в меньшей степени, чем другие способы оценки, поддается формализации. Тем не менее, анализ риска является необходимым и чрезвычайно важным этапом инвестиционной экспертизы. К сожалению, в настоящее время ряд бизнес-планов инвестиционных проектов, содержащих раздел анализа рисков, сужает проблему до анализа только финансовых рисков или подменяет анализом банковских рисков, что не отражает весь спектр проектных рисков. Анализ проектных рисков подразделяется на качественный (описание всех предполагаемых рисков проекта, а также стоимостная оценка их последствий и мер по снижению) и количественный (непосредственные расчеты изменений эффективности проекта в связи с рисками). Практически все риски вне зависимости от категорий, источников, подходов к управлению ими можно классифицировать с нескольких различных позиций. Статический и динамический риски. Классификация рисков с точки зрения их значимости для организации. Динамический риск - это риск случайных колебаний результатов деятельности как в лучшую, так и в худшую строну, не способный значимо повлиять на жизнеспособность организации. Как правило, это спекулятивные риски, которые при принятии их организацией слабо коррелируют друг с другом. Статический риск - риск возникновения событий, ситуаций, в результате возникновения которых под угрозу ставится дальнейшая деятельность организации, жизнеспособность отдельных направлений деятельности, отдельных проектов. Это риск качественных, катастрофических потерь, в результате возникновения которых организация уже не сможет функционировать в прежнем режиме. Систематический и несистематический риски. Классификация рисков с точки их отображения в модели рисков. Систематический риск - это риск, связанный с факторами, рассматриваемыми как значимые в рамках некоторой модели. Систематические риски не должны значимо снижаться в рамках большого портфеля или с течением времени, в противном случае факторы, их определяющие, целесообразно игнорировать и данные риски могут быть отнесены к несистематическим. Систематические риски являются основным предметом исследования при оценке и управлении рисками. Несистематический риск - риск, источники которого и чувствительность к которому не рассматриваются в рамках модели оценки и управления рисками. При построении адекватной модели несистематические риски не должны приводить к сколько либо значимым потерям, и при большом их числе не должны быть связаны друг с другом. В отношении несистематических рисков должен действовать закон больших чисел - выявленные при анализе отдельных элементов деятельности организации, отдельных составляющих некоторого портфеля ценных бумаг, на каком-то небольшом промежутке времени в совокупности в целом по организации, портфелю или с течением времени их вклад в возможные потери будет стремиться к нулю. Несистематические риски, как правило, игнорируются при решении задач оценки и управления рисками. Собственный и предельный (marginal) риски. Классификация оценок рисков операции, финансового инструмента вне и внутри некоторой деятельности, портфеля. Собственный риск - оценка риска отдельной операции, финансового инструмента отдельно от контекста проведения операции или портфеля в который входит финансовый инструмент. Предельный риск - величина, на которую изменится оценка риска деятельности, портфеля в целом при добавлении в них оцениваемой операции или финансового инструмента.
Построение информационной системы поддержки принятия решений
Метод построения деревьев решений сходен с методом сценариев и основан на построении многовариантного прогноза динамики внешней среды. В отличие от метода сценариев, он предполагает возможность принятия самой организацией решений, изменяющих ход реализации проекта (осуществление выбора) и особую графическую форму представления результатов (дерево решений). Дерево решений может применяться как в условиях риска, так и в условиях неопределенности или полной определенности. Аналитик подсчитывает значения выбранного критерия эффективности (например, NPV) вдоль каждой ветви дерева, а при анализе рисков - также и вероятность каждого значения. На основе полученных значений можно построить кривую распределения вероятностей (профиль риска) и выбрать оптимальный вариант реализации проекта. Преимуществом метода построения деревьев решений является наглядность результатов и процесса анализа, а недостатком - его техническая сложность при больших размерах дерева.
Таким образом, ограничением практического использования данного метода является исходная предпосылка о том, что проект должен иметь обозримое или разумное число вариантов развития. Метод особенно полезен в ситуациях, когда решения, принимаемые в каждый момент времени, сильно зависят от решений, принятых ранее, и в свою очередь определяют сценарии дальнейшего развития событий.
Метод имитационного моделирования Монте-Карло. Практическое применение данного метода продемонстрировало широкие возможности его использования инвестиционном проектировании, особенно в условиях неопределённости и риска. Данный метод особенно удобен для практического применения тем, что удачно сочетается с другими экономико-статистическими методами, а также с теорией игр и другими методами исследования операций. Практическое применение авторами данного метода показало, что зачастую он даёт более оптимистичные оценки, чем другие методы, например анализ сценариев, что, очевидно обусловлено перебором промежуточных вариантов.
Метод имитационного моделирования Монте-Карло, используемый для анализа рисков, представляет собой синтез методов анализа чувствительности и анализа сценариев. Это сложная методика, имеющая только компьютерную реализацию. Результатом такого анализа выступает распределение вероятностей возможных результатов проекта (например, вероятность получения NPV 0).
Метод 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, 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 (NPV, PI, IRR) 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. Процесе 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.
Несмотря на то, что метод Монте-Карло обладает рядом достоинств, он не распространен и широко не используется в бизнесе, причина этого - неопределенность функций плотности переменных, используемых при подсчете потоков наличности. Другая проблема та же, что и при использовании метода сценариев - применение обоих методов не дает однозначного ответа на вопрос о необходимости реализации данного проекта [20].
В разделе обоснована применимость аппарата теории нечетких множеств и методов теории возможностей для формализации воздействия качественных факторов на расчетные значения количественных проектных рисков
Существующие в настоящее время подходы к анализу проектных рисков рассматривают качественные и количественные методы отдельно друг от друга, что приводит к некорректной оценке проектных рисков, принятию неверных инвестиционных решений, либо оценивают количественную оценку стоимости всех мероприятий, минимизирующих качественные риски конкретного проекта, что повышает роль человека в принятии инвестиционных решений.
В связи с этим, большое значение приобретают исследования, направленные на комплексный анализ качественных и количественных рисков инвестиционных проектов. Такой анализ должен формализовать воздействие качественных факторов на расчетные значения количественных проектных рисков.
Начиная с конца 70-х годов XX века, широкое применение в экономике для решения подобных задач получают методы теории нечетких множеств. Математическая теория нечетких множеств, предложенная Л. Заде более четверти века назад, позволяет описывать нечеткие понятия и знания, оперировать этими знаниями и делать нечеткие выводы. В последнее время нечеткое управление является одной из самых активных и результативных областей исследований применения теории нечетких множеств. Нечеткое управление оказывается особенно полезным, когда технологические процессы являются слишком сложными для анализа с помощью общепринятых количественных методов, или когда доступные источники информации интерпретируются качественно, неточно или неопределенно. Экспериментально показано, что нечеткое управление дает лучшие результаты, по сравнению с получаемыми при общепринятых алгоритмах управления [116]. Наличие математических средств отражения нечеткости исходной информации позволяет построить модель, адекватную реальности.
Нечеткие множества - это инструмент расчета возможностей [120]. Грамотное описание нечеткости исходных данных логически предопределяет нечеткость результирующих показателей. Оценка инвестиционного риска - это оценка меры возможности неблагоприятных событий в ходе инвестиционного процесса, когда ожидаемость таких событий, задаваемая функцией принадлежности соответствующих нечетких чисел, известна или определяется специальными методами.
Разработка метода количественной оценки проектных рисков
Входными данными для разрабатываемой ИСППР являются представленные на рассмотрение инвестору бизнес-проекты, включающие в себя таблицы потоков реальных денег, в которых занесены расчетные значения потоков реальных денег от операционной, инвестиционной и финансовой деятельности для каждого года прогнозного периода реализации проекта.
Цели информационной системы поддержки принятия решений о приоритетности финансирования капиталовложений в реальные активы: 1. Выявление с целью исключения тех реальных инвестиционных проектов, реализация которых при существующих и прогнозируемых внутренних и внешних условиях функционирования проекта с высокой вероятностью приведет к банкротству фирмы, а следовательно к частичной или полной потере инвестором вложенных средств; 2. Расчет критериев эффективности, а также интегральных вероятностей недостижения требуемых значений этих критериев для оставшихся из представленной совокупности реальных инвестиционных проектов с целью дальнейшего ранжирования и отбора инвестором наиболее предпочтительных инвестиционных проектов для финансирования [98]. Для достижения поставленных целей и задач предлагается следующий порядок анализа реальных инвестиционных проектов с целью их конкурсного отбора для финансирования (приложение 2). Первым этапом анализа инвестиционных проектов является проверка на положительность сальдо накопленных реальных денег в любом периоде реализации проекта. Сальдо накопленных реальных денег Fk на шаге к реализации проекта определяется следующим образом: где At - элемент результатов, достигаемых на t-ом шаге расчета; Bt - элемент затрат, осуществляемых на том же шаге, при условии, что в них не входят капиталовложения; Ct - результат финансовой деятельности на t-ом шаге расчета; Kt - инвестиционные затраты в период t.
Отрицательная величина сальдо накопленных реальных денег свидетельствует о необходимости привлечения участником дополнительных собственных или заемных средств и отражения этих средств в расчетах эффективности.
Как было отмечено ранее, инвестиционный проект называется допустимым, если и только если функция имеет единственный строго нормальный корень IRR, который и считается внутренней нормой доходности проекта. Отсюда вытекает необходимость осуществления второго этапа анализа инвестиционных проектов - проверки уравнения (2.3) на наличие единственного нормального корня. Помимо этого, рассчитанное значение корня должно удовлетворять требованиям инвестора к внутренней норме доходности проекта, то есть должно выполняться условие IRR IRRTP. Для реализации указанной процедуры необходимо наличие значений ставки дисконтирования для каждого года прогнозного периода. Выбор исходных данных, а также метода прогнозирования для экстраполяции величины ставки дисконтирования на прогнозируемый период реализации проекта будут рассмотрены в следующей главе.
Отсутствие корня, наличие одного нестрого нормального корня, либо множественность корней уравнения (2.3) могут свидетельствовать о неустойчивости инвестиционного проекта, следовательно их следует исключать из дальнейшего рассмотрения.
На третьем этапе процедуры анализа инвестиционных проектов с целью их конкурсного отбора для финансирования, при помощи формул (2.2) и (2.3) осуществляется расчет критериев эффективности - чистого дисконтированного дохода NPV и индекса доходности PL Указанные показатели рассчитываются с использованием прогнозных величин ставки дисконтирования для каждого года реализации проекта и характеризуют приведенную к начальному моменту времени величину «отдачи» капиталовложений в абсолютном выражении и в расчете на один рубль вложенных средств соответственно.
В результате реализации третьего этапа инвестиционный проект будет считаться допустимым, если критерии его эффективности окажутся не ниже нормативных значений, определенных инвестором: NPV NPVTP, PI PITP.
Четвертым этапом анализа инвестиционных проектов с целью их отбора и определения приоритетности финансирования является вычисление границ отклонения рисковых переменных от прогнозируемых значений для всего периода осуществления проекта.
Существующие в настоящее время подходы к анализу качественных проектных рисков сводятся к субъективной количественной оценке стоимости всех мероприятий, минимизирующих эндогенные и экзогенные риски конкретного проекта, что повышает роль человека в принятии инвестиционных решений. Автором диссертационной работы на основе теории нечетких множеств и теории возможностей разработан метод долей и возможностей, формализующий влияние качественных факторов на значения потоков реальных денег и ставки дисконтирования.
Этап расчета диапазонов отклонения рисковых переменных непосредственно предшествует этапу вычисления вероятностей недостижения требуемых значений эффективности проекта и выступает одним из ключевых звеньев модели, поскольку от корректности его реализации напрямую зависит объективность всего метода в целом, или адекватность расчетных значений вероятности невозврата инвестиций предполагаемым внешним и внутренним условиям функционирования проекта. В процессе расчета верхних и нижних границ отклонения эксперт (группа экспертов) обращается к базе знаний, хранящей в себе систематизированную информацию о следующих типах качественных факторов реальных инвестиционных проектов: финансовые, маркетинговые, технологические, участников проекта, политические, юридические, экологические, строительные, специфические, а также обстоятельства непреодолимой силы или форс-мажор. Указанные факторы классифицированы по характеру и уровню их влияния на рисковые переменные, входящие в формулы расчета критериев эффективности проекта. Каждый из этих факторов дает собственную поправку на кумулятивные риски рассматриваемых переменных, выражаемые в данном случае величинами отрицательных и положительных отклонений от прогнозируемых значений соответствующих переменных в каждом году прогнозного периода. Таким образом, база знаний содержит следующую информацию: 1. Система знаний о воздействующих на потоки реальных денег качественных факторах; 2. Система знаний о фактически реализованных реальных инвестиционных проектах; 3. Набор правил соответствия знаний о реальных инвестиционных проектах знаниям о качественных факторах. В результате анализа информация о качественных факторах была систематизирована по характеру их воздействия на значения потоков реальных денег, участвующих в расчете критериев эффективности проекта, а также на величину ставки дисконтирования.
Алгоритмическое и программное обеспечение
Как было отмечено ранее, любой инвестиционный проект сопряжен с риском, поскольку он может быть реализован при различных сценариях развития ситуации, т.е. при различных сочетаниях эндогенных и экзогенных факторов проекта. Следует отметить, что для каждого сценария параметры проекта и окружающей среды известны, так что соответствующие денежные потоки детерминированы, поэтому при определении любого из возможных эффектов разновременные затраты и доходы следует дисконтировать по безрисковой норме дисконта. Иными словами, риск проекта обуславливается только вероятностями сценариев и должен учитываться не при расчете возможных эффектов, а при их агрегировании в критериальный показатель ожидаемого эффекта. С использованием безрисковой нормы дисконта в расчетах возможных эффектов проекта согласны и западные экономисты. Например, в [15] по этому поводу говорится: «Для дисконтирования различных (отвечающих разным сценариям и имеющих разную вероятность) потоков денежных средств по их текущей стоимости следует применять безрисковую ставку. Эта ставка используется потому, что мы пытаемся изолировать изменение стоимости денег во времени путем дисконтирования, кроме того, это дает возможность анализировать риск отдельно. Включение премии за риск в ставку дисконтирования приведет к двойному расчету. Мы компенсировали бы риск в процессе дисконтирования, а затем еще раз - при анализе дисперсии распределения возможных чистых текущих стоимостей». Таким образом, если для учета неопределенности рассматриваются все возможные сценарии реализации проекта, премия за риск не нужна [85].
Традиционно в качестве безрисковых инвестиций рассматриваются вложения в государственные обязательства. Действительно, можно считать, что государство, выполняющее функцию выпуска денег, не может обанкротиться. Но, во-первых, с инвестициями в государственные ценные бумаги связан инфляционный риск (риск потери покупательной способности), и поэтому считать их абсолютно безрисковыми было бы значительным упущением. Во-вторых, на рынке, как правило, существует большое количество различных разновидностей государственных бумаг с различными сроками погашения, различными условиями и структурой выплат, и, главное, с различной доходностью, то есть, существует проблема выбора безрисковой ставки из множества существующих. Кроме того, доходность государственных ценных бумаг, как и любых других, подвержена колебаниям.
Таким образом, здесь необходимо прибегать к определенным упрощениям. Практически, в качестве безрисковой ставки выбирают, как правило, ставку доходности по краткосрочным (от трех месяцев до года) государственным обязательствам, учетную ставку (либо ставку рефинансирования) Центрального банка, либо рассчитанную определенным образом средневзвешенную ставку по кредитам на межбанковском рынке (наиболее известный пример: ставка LIBOR - London Interbank Offered Rate).
Искусственное спекулятивное завышение государством доходности ГКО в августе 1998 года до 150%, направленное на покрытие дефицита бюджета, и фактически ускорившее наступление кризиса неплатежеспособности государства перед кредиторами, значительно исказило статистику изменения величины ставки по этому, традиционно считавшемуся безрисковым, инструменту. В настоящее время доверие инвесторов к государственным краткосрочным обязательствам России возрождается, но полностью еще не окрепло, вследствие чего ставка доходности по ГКО подвержена сильным колебаниям. Указанные причины не позволяют получить объективные прогнозные значения ставки, что делает использование ее в качестве нормы дисконта в расчетах критериев эффективности проекта некорректным. Применение операций на открытом рынке является наиболее доступным механизмом денежного контроля, поскольку сказывается на величине денежного предложения, а следовательно, на покупательной активности потребителей и инвестиционной активности корпораций, практически без промедления. Вместе с тем, величина средней объявленной коммерческими банками ставки по размещению межбанковских кредитов MIBOR (Moscow Interbank Offered Rate) является результатом спекулятивных операций на межбанковском рынке и тесно коррелирована с рублевой ликвидностью коммерческих банков, флуктуация которой, помимо периодичности, носит характер случайности. По указанным причинам ставка MIBOR подвержена значительным колебаниям в широком диапазоне отклонений в течение короткого временного периода.
Ставка рефинансирования (базовая процентная ставка) - процентная ставка, под которую Центральный банк кредитует коммерческие банки.
Путем снижения или увеличения базовой ставки ЦБ может усиливать или ослаблять заинтересованность коммерческих банков в получении дополнительных резервов путем заимствований у него. При снижении ставки снижается стоимость заемных денег, и, как следствие, растет объем корпоративных инвестиций и расходов населения, стимулируя рост ВВП. И наоборот, повышение ставки сдерживает инвестиции и расходы, что замедляет рост экономики.
Ставка рефинансирования является одним из инструментов регулирования кредитно-денежной политики государства в лице ЦБ РФ, наряду с операциями на открытом рынке и изменением величины нормы обязательного резервирования коммерческих банков в ЦБ. Изменение величины процентной ставки связано как со сложностью реализации, для которой необходимо одобрение ряда правительственных организаций, так и с тем, что эффект от подобных мер проявляется лишь спустя 3-6 месяцев после их непосредственной реализации. Однако эффективность - глубина влияния - от изменения процентной ставки и значительно больше, чем от операций на открытом рынке.
На основании изложенного в настоящей работе возьмем за основу тенденцию изменения ставки рефинансирования Центрального банка РФ D в период с 1991 по 2001 годы (приложение 4), далее, при помощи одного из методов статистического прогнозирования, определим величину ставки дисконтирования для каждого года прогнозного периода реализации проектаDl,D2,...DT.
