Результаты и затраты, связанные с осуществлением проекта, можно вычислять с дисконтированием или без него. Соответственно, получится два различных срока окупаемости.

Определение срока окупаемости по формуле расчета ИД.

Нахождению интервала tn, в котором ИД становится больше 1

(1.5)
Rt - результаты, достигаемые на t-ом шаге расчета

Зt - затраты, осуществляемые на том же шаге при условии, что в них не входят капиталовложения

К - сумму дисконтированных капиталовложений t - номер шага расчета (t = 0,1,2,...Т) E - постоянная нормы дисконта в %

2. Суммирование временных интервалов от t=0 до tn.

(1.6)
t - номер шага расчета (t = 0,1,2,...Т)

tn - интервал, где ИД > 1Т – горизонт

Уточнения срока окупаемости внутри интервала tn производится методом линейной аппроксимации.

 

 (1.7)
D - длительность интервала tn, где ИД становится больше 1

M - количество разбиений интервала D

ИД(n)- значение ИД < 1, в начале tn

ИД(n+1) - значение ИД > 1, в конце tn

Существует ряд ситуаций, при которых применение метода, основанного на расчете срока окупаемости затрат, может быть целесообразным. В частности, это ситуация, когда руководство предприятия в большей степени озабочено решением проблемы ликвидности, а не прибыльности проекта - главное, чтобы инвестиции окупились как можно скорее. Метод также хорош в ситуации, когда инвестиции сопряжены с высокой степенью риска, поэтому, чем короче срок окупаемости, тем менее рискованным является проект. Такая ситуация характерна для отраслей или видов деятельности, которым присуща большая вероятность достаточно быстрых технологических изменений.

Как видим, разработаны сложные и эффективные методы оценки инвестиций. Все эти методы действуют по одной и той же схеме. Для того, чтобы алгоритм был применим, необходимо, чтобы данная задача полностью описывалась определенной детерминированной моделью.

К сожалению, классические методики оказываются малоэффективными во многих практических задачах. Это связано с тем, что невозможно достаточно полно описать реальность с помощью небольшого числа параметров модели, либо расчет модели требует слишком много времени и вычислительных ресурсов. Традиционные технологии применимы далеко не всегда, но и вероятностные технологии также обладают существенными недостатками при решении практических задач. Зависимости, встречающиеся на практике, часто нелинейные. Даже если и существует простая зависимость, то ее вид заранее неизвестен. Отметим также, что статистические методы хорошо развиты только для одномерных случайных величин. Если же мы хотим учитывать для прогнозирования несколько взаимосвязанных факторов (например, объем сделок, курс доллара и т.д.), то придется обратиться к построению  более сложных, например, динамических моделей.