Анализ чувствительности инвестиционного проекта

Наиболее часто встречающимися методами количественного анализа рисков проекта являются анализ чувствительности (уязвимости), анализ сценариев и имитационное моделирование рисков по методу Монте-Карло [11].

При классическом анализе чувствительности(уязвимости), применяемом к проекту, происходит последовательно - единичное изменение каждой переменой: только одна из переменных меняет значение на прогнозное число процентов, и на этой основе пересчитывается новая величина используемого критерия (например, NPV или IRR). Затем оценивается процентное изменение критерия по отношению к базисному случаю и рассчитывается показатель чувствительности, представляющий собой отношение процентного изменения критерия к изменению значения переменной на один процент (так называемая частичность изменения показателя). Таким же образом исчисляются показатели чувствительности по каждой из остальных переменных.

Следующий метод, применяемый при количественной оценке риска - анализ сценариев— позволяет отчасти исправить недостаток предыдущего метода, так как включает одновременное (параллельное) изменение факторов проекта, проверяемых на риск. По существу этот метод представляет собой развитие методики анализа чувствительности, заключающееся в одновременном непротиворечивом (реалистическом) изменении всей группы переменных проекта, проверяемых на риск.

В результате определяется воздействие одновременного изменения всех основных переменных проекта, характеризующих его денежные потоки, на критерии проектной эффективности. Важным преимуществом этого метода является тот факт, что отклонения параметров рассчитываются с учетом их взаимозависимостей (корреляции).

В качестве возможных вариантов целесообразно построить как минимум три сценария:пессимистический, оптимистический и наиболее вероятный (реалистический, или средний).

Построение пессимистического сценария связано с ухудшением значений переменных параметров до определенного разумного уровня по сравнению с базовым (реалистическим). На основании полученных значений факторов (цен на продукцию, объемов производства, капитальных вложений, текущих издержек, налоговых платежей, нормы дисконтирования и т. д.) рассчитываются значения критериев эффективности проекта (NPV, IRR и др.). Полученные значения критериев эффективности сравниваются с их базисными значениями, и формулируются необходимые рекомендации. В основе рекомендаций лежит обязательное условие: даже в оптимистическом варианте нет возможности оставить проект для дальнейшего рассмотрения, если рассчитанное значение находится за пределами его эффективности (например, NPV проекта отрицательно), и, наоборот, при пессимистическом сценарии получение, например, положительного значения NPV позволяет говорить о приемлемости данного проекта.

Итак, анализ чувствительности и сценарный анализ являются последовательными шагами в количественном анализе рисков, при этом последний позволяет избавиться от некоторых недостатков метода анализа чувствительности. Однако следует отметить, что метод сценариев наиболее эффективно применим в случае, когда количество возможных значений NPV конечно. Вместе с тем, как правило, при анализе рисков инвестиционного проекта эксперт сталкивается неограниченным количеством различных вариантов развития событий.

Проведение анализа рисков проекта требует использования компьютерной техники и программных продуктов. Реализация и построение моделей сценарного подхода возможны, например, на основе электронных таблиц типа Ехсеl, QPRO, Lotus-123, что помогает значительно упростить работу.

Имитационное моделирование по методу Монте - Карло (Monte-Carlo Simulation)считается самым сложным, но и самым корректным способом оценки и учета рисков при принятии инвестиционного решения по инновационным процессам. Метод позволяет построить математическую модель для проекта с неопределенными значениями параметров и, зная вероятностные распределения параметров проекта, а также связь между изменениями параметров (корреляцию), получить распределение доходности проекта [11].

Процедура имитации Монте - Карло базируется на последовательности следующих шагов (рис 1.2.).

Метод Монте-Карло наиболее полно характеризует всю гамму неопределенностей, с которой может столкнуться реальный инвестиционный проект при реализации инноваций, 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.

Одним из программных продуктов, реализующих метод Монте - Карло, является пакет Risk Master (RM), разработанный в Гарвардском университете с целью обучения студентов экспертизе инвестиционных проектов [11].

Структурно программа RM включает два блока — имитационный и аналитический. При работе первого из них происходит имитация методом Монте - Карло модели инвестиционного проекта, построенной в электронных таблицах. Задачей второго блока программы является анализ полученных на первом этапе результатов и вычисление показателей совокупного риска проекта.

В процессе работы программы RM математическая модель проекта подвергается повторяющимся имитациям, в ходе каждой из которых ключевые рисковые переменные выбираются случайным образом в соответствии с заранее заданными распределениями вероятностей и условиями корреляции. Затем проводится статистический анализ результатов всех имитаций для получения распределения вероятностей результирующего показателя проекта.

Рассмотрим эти стадии подробнее.

Построение математической модели инвестиционного проекта —первая стадия анализа рисков в соответствии с программой RM. Модель содержит алгебраические и/или логические соотношения между его факторами (переменными). Она должна включать все важные для проекта переменные (и не включать лишних переменных), а также правильно отражать корреляционные связи между ними.

Успешное завершение первой стадии позволяет перейти к следующей. Среди известных и важных для проекта факторов выявляются ключевые рисковые проектные переменные. Риск проекта в целом представляет собой функцию риска отдельных переменных оценочной модели, поэтому следует различать, во-первых, те из них, к которым очень чувствителен результат проекта, и, во - вторых, те, которые обладают высокой степенью неопределенности (большим разбросом значений). Другими словами, есть переменные, значения которых варьируют в большом интервале, не оказывая существенного влияния на отдачу проекта, и есть переменные достаточно стабильные, но даже небольшие отклонения их значений могут вызывать значительный разброс отдачи проекта. Таким образом, разбиение всех факторов проекта на соответствующие группы является необходимым по двум причинам:

• чем больше рисковых переменных включено в математическую модель, тем сложнее отразить все корреляционные связи между ними;

• затраты, необходимые для нахождения распределений вероятностей и корреляционных зависимостей большого числа переменных, могут превысить выгоду от включения этих переменных в модель. В связи с этим представляется целесообразным сконцентрировать внимание и имеющиеся ресурсы на определении и проверке предположений относительно наиболее чувствительных (анализ чувствительности)и неопределенных (анализ неопределенности) факторов модели.

Применение имитации Монте - Карло позволяет учитывать любые распределения экзогенных переменных и получать распределение результирующего показателя. Вместе с тем вопрос об учете зависимостей остается открытым.

Из всего сказанного следует, что наиболее приспособленным для анализа рисков в ситуации нестабильности является системный (комплексный) подход.Он ориентирован на любые виды зависимостей и распределений, позволяет использовать различные показатели эффективности, предполагает непосредственный учет рисков и вычисление совокупного риска проекта. Единственным недостатком системного подхода являются значительные затраты, связанные с его реализацией (сбором и обработкой огромного массива исходной информации, значительными временными и финансовыми расходами) [11].

Учитывая ограниченные возможности применения всех названных методов анализа рисков к инвестиционным проектам в условиях нестабильной экономики, а также аналогичный опыт проектного анализа других стран, накопленный Всемирным банком, необходимо сказать несколько слов о промежуточном подходе, универсальном для различных инвестиционных проектов. В нестабильных условиях качественный анализ как первый этап анализа рисков, призванный выявить факторы, области, виды рисков и произвести возможную на данном этапе их стоимостную оценку, приобретает особенно большое значение. Это связано с наличием нетрадиционных рисков и относительно более высокой степенью обычных рисков, поверхностная оценка которых может привести к пагубным последствиям. Необходимым условием при этом является ранжирование и систематизация рисков, полностью отражающая всю их совокупность, с которой придется иметь дело при реализации проекта.

Второй стадией анализа рисков является количественный анализ, который можно проводить с помощью ряда описанных выше методов. Особое внимание надо уделить построению модели: она должна хорошо описывать реальность, быть адекватной рассматриваемой экономической ситуации, чтобы достоверно отражать влияние рисков.

Подчеркнем еще раз, что априори трудно предугадать, какой метод из всех проанализированных предпочтителен. Каждый проектный аналитик должен выбрать для анализа своего инвестиционного проекта тот метод, ту технику исследования рисков, которые наиболее полно соответствуют возможностям данного проекта и внешним требованиям, учитывая при этом как их преимущества, так и недостатки.

При этом необходимо помнить, что ни один из этих методов не устраняет необходимости для аналитика выбирать решение, балансируя между большей ожидаемой NPV и меньшим риском. Использование предложенных подходов и методов позволяет получить более четкое представление о направлениях действий. Однако как бы ни были точны, многообразны и сложны эти методы, они являются только инструментом и не могут заменить человека, принимающего решение.