Метод сценариев как один из способов анализа чувствительности

Анализ чувствительности. Данный метод является хорошей иллюстрацией влияния отдельных исходных факторов на конечный результат проекта.

Главным недостатком данного метода является предпосылка о том, что изменение одного фактора рассматривается изолированно, тогда как на практике все экономические факторы в той или иной степени коррелированны.

По этой причине применение данного метода на практике как самостоятельного инструмента анализа риска, по мнению автора весьма ограничено, если вообще возможно.

Метод сценариев. В целом метод позволяет получать достаточно наглядную картину для различных вариантов реализации проектов, а также предоставляет информацию о чувствительности и возможных отклонениях, а применение программных средств типа Excel позволяет значительно повысить эффективность подобного анализа путем практически неограниченного увеличения числа сценариев и введения дополнительных переменных.

Метод сценариев используется в сфере принятия управленческих решений в долгосрочном периоде.

Сценарий — описание или картина будущего какого-либо объекта (фирмы), составленные с учетом правдоподобных предпочтений.

Прогнозная оценка чаще всего представляется в виде трех возможных вариантов сценария:

1) оптимистического;

2) пессимистического;

3) ожидаемого, наиболее вероятного.

Сценарий используют для принятия решений в сфере стратегического развития фирм, регионов, технологий, рынков.

Выделяют следующие этапы проведения (составления) сценария:

1. Формулирование проблемы:

а) производится сбор и анализ информации;

б) выполняются согласование со всеми участниками проекта решения сути задачи и ее формулирование.

2. Определение и группировка сфер влияния:

а) выделяются критические точки среды бизнеса;

б) производится оценка их возможного влияния на будущее фирмы.

3. Определение показателей будущего развития объекта.

Эти показатели не должны быть амбициозными или завышенными. Те сферы деятельности, развитие которых может идти по нескольким вариантам, описываются при помощи нескольких альтернативных показателей.

4. Формулирование и отбор согласующихся наборов предположений:

а) развитие определяется исходя из сегодняшнего положения и все
возможных изменений;

б) различные альтернативные предположения о будущем комбинируются в наборы;

в) из всех полученных наборов выбирают, как правило, три с учетом следующих критериев:

—высокая сочетаемость, совместимость предположений, входящих в набор;

—наличие большого числа значимых переменных;

—высокая вероятность событий, относящихся к набору предположений.

5. Сопоставление намеченных показателей будущего состояния сфер
(фирмы) с предположениями об их развитии:

а) сравниваются результаты этапов 3 и 4;

б) завышенные и заниженные показатели состояния корректируются при помощи данных этапа 4.

Для более точного прогноза необходимо сокращать интервал прогнозирования, то есть делить его на несколько фрагментов, составляя несколько сценариев.

6. Введение в анализ разрушительных событий.

Под разрушительным событием понимаются как негативный, так и позитивный моменты.

7. Установление последствий.

На данном этапе происходит сравнение стратегических проблем фирмы и выбранных вариантов ее развития.

34) Имитационное моделирование (метод Монте-Карло)

Имитационное моделирование (метод Монте-Карло) результат анализа риска выражается не каким-либо единственным значением ЧДД, а в виде вероятностного распределения всех возможных значений этого показателяв данном случаеинвестор обеспечен полным набором данных, характеризующих риск проекта.

Метод Монте-Карло используется в имитационном моделировании, показывающем влияние неопределенности на эффективность проекта.

Данный метод предполагает расчет множества вариантов сочетания переменных величин показателей. По ним рассчитывают чистый дисконтированный доход. По сравнению с другими методами здесь требуется крупный массив информации, сбор которой и составляет главную трудность. Также в методе Монте-Карло сложно определяются взаимосвязи вводимых переменных, поэтому правила их отбора зависят от сложности проекта.

При решении некоторого класса экономических и математических задач пользуются методом Монте-Карло. При этом параметры рассматриваются как случайные величины, их распределения моделируются, и затем на основе этих распределений формируются оценочные показатели. В методе соединены прямые и косвенные измерения риска.

Метод похож на анализ чувствительности тем, что также оценивает влияние параметров денежного потока на NPV и другие оценки. Но в методе Монте-Карло рассматривается распределение соответствующих значений оценок риска. Это позволяет записывать их в форме дисперсии, стандартного отклонения или коэффициента вариации.

В методе Монте-Карло предполагается, что значения всех параметров, определяющих величину компонент денежного потока, заданы, за исключением тех, которые являются факторами риска. Их распределения и моделируются на ЭВМ.

35) этапы реализации метода имитационного моделирования

Метод Монте-Карло можно разбить на следующие этапы.

1. Выделение показателей, по которым будет измеряться риск.

2. Определение параметров и формы распределения.

Для анализа обычно выделяются наиболее подверженные риску компоненты денежного потока. В принципе можно рассматривать все компоненты и соответствующие случайные параметры. Но такое увеличение последних может привести к противоречивым результатам и потребовать больше времени.

3. Моделирование значений случайных параметров на основе выбранной формы

распределения.

4. Вычисление денежного потока и NPV проекта, а также других показателей.

5. Многократное выполнение расчетов по этапам 3 и 4.

6. Получение расчетных оценок риска, графиков распределения.

7. Анализ результатов.

Метод Монте-Карло позволяет получить распределение доходности проекта на основе математической модели, в которой значения параметров не определены, но известны их вероятностные распределения и корреляция (связь между изменениями параметров).

Учитывать корреляцию очень важно, т.к. посчитав коррелированные переменные полностью независимыми, компьютер сгенерирует нереалистичные сценарии.

В методе Монте-Карло объединены метод анализа чувствительности и метод сценариев.

Т. е. мы оцениваем чувствительность NPV или других оценок к различным параметрам, как в методе анализа чувствительности, и одновременно применяем теорию вероятностей, как в анализе сценариев, о котором будет рассказано ниже. В результате мы получаем распределение вероятностей возможных значений оценок (например, значения NPV<0).

Сформировав распределения значений NPV, мы переходим к этапу 6, на котором определяется ожидаемое значение NPV. Также строится плотность распределения данной величины с ее собственным математическим ожиданием и стандартным отклонением. Затем определяется коэффициент вариации. На его основе оценивается индивидуальный риск проекта, т.е. вероятность отрицательного значения NPV. Коэффициент вариации рассчитывается как стандартное отклонение показателя, деленное на его ожидаемую стоимость. Чем меньше коэффициент вариации, тем ниже риск проекта. Коэффициент вариации является абсолютным показателем, и его удобно использовать при сравнении альтернативных проектов. В методе Монте-Карло за счет одновременности рассмотрения всех параметров учитывается синхронность их изменения.

Метод Монте-Карло имеет свои минусы. Как и анализ сценариев, он оставляет открытым вопрос о том, стоит ли реализовывать данный проект. Результаты методов не дают точных рекомендаций по этому поводу.

Рассмотрим две особенности метода Монте-Карло. Метод обладает простой структурой вычислительного алгоритма. Составляется программа для осуществления одного случайного испытания, а затем мы повторяем испытание N раз, причем опыты друг от друга не зависят. Результаты усредняются. Поэтому Монте-Карло также называют методом статистических испытаний. Вторая особенность состоит в обратной пропорциональности ошибки вычисления и количества испытаний.

Метод Монте-Карло можно применять к любому процессу, на течение которого влияют случайные факторы. С помощью этого метода можно решать и задачи, не связанные с какими-либо случайными факторами, так как мы можем искусственно создать вероятностную модель. Иногда выгодно отказаться от моделирования истинного случайного процесса в пользу искусственного. Метод Монте-Карло предполагает генерирование случайных чисел. Их можно получать различными способами, разыгрываются псевдослучайные числа, раньше применялись специальные таблицы случайных чисел.

С помощью метода Монте-Карло эксперт получает значение ожидаемой чистой настоящей стоимости проекта и плотность распределения этой случайной величины. Риск по проекту оценивается стандартным отклонением и коэффициентом вариации. Однако аналитик не обладает информацией о том, сможет ли прибыльность по проекту компенсировать риск по нему. Таким образом, при корректности модели, мы получаем важные сведения о доходности проекта и о его устойчивости. Решение же относительно проекта будет зависеть от правильного анализа данных и склонности инвестора к риску.

Метод «дерево решения»

Метод имеет несколько вариаций — дерево решений, дерево целей, эффективно реализуется путем коллективной экспертизы.

Суть метода дерева целей сводится к тому, что группа экспертов дает свою оценку всем направлениям и вариантам решения проблемы, выделяя наиболее приоритетный путь (вариант).

Метод показывает «пробелы», которым не уделили внимания.

Принцип построения:

1) четкая иерархия;

2) полнота.

3) Формирование результатов выполняется в несколько этапов.

Этап 1. Формирование группы экспертов с высоким уровнем компетентности. Количество экспертов может быть от 7 до 15 человек. В состав группы, как правило, включаются эксперты, которые непосредственно работают в этой области знаний. При этом уровень их компетентности Ктмп оценивается с учетом их осведомленности (коэффициент осведомленности К осв) и аргументации их предложений (коэффициент аргументации К):

Осведомленность и аргументированность определяются следующими характеристиками:

1) наличие у экспертов научных трудов в этой области (их теоретическая база, образование);

2) наличие у экспертов опыта работы в данной сфере;

3) источники аргументации (специальная литература, периодическая и патентная литература, всевозможные отчеты, электронные средства передачи информации, в том числе Интернет);

4) участие в симпозиумах, конференциях и совещаниях.
Совокупность этих оценок характеризует уровень компетентности каждого члена экспертной группы.

Считается, что допустимый уровень компетентности группы экспертов должен быть больше или равен 0,67. В этом случае группа имеет основание приступить к экспертным оценкам. В противном случае необходимо еще раз проанализировать состав группы с целью отстранения от работы менее компетентных экспертов.

Этап 2. Оценка относительной значимости, приоритетности, которая производится экспертами на каждом уровне дерева целей.

Для этого используется система балльных оценок — как правило, 5-ти или 10-балльная.

Деревья решений. 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.