3.2. Учет и анализ рисков

Учет риска при анализе инвестиционных проектов может осуществляться с использованием двух основных методических подходов:

• Первый подход — корректировка на фактор риска ставки дисконтирования, с последующим дисконтированием по ней ожидаемых денежных потоков. В этом случае задача сводится к обоснованию ставки дисконтирования с учетом рисковой премии.

• Второй подход - корректировка на фактор риска денежных потоков по проекту с последующим их дисконтированием по ставке, не учитывающей фактор риска. В этом случае наиболее распространенным инструментом оценки риска в инвестиционных расчетах является вероятностный подход, предполагающий оценку вероятности возможных исходов и последствий их реализации на базе анализа рисков.

Анализ рисков предусматривает проведение качественного и количественного анализа рисков, дополняющих друг друга.

Качественный анализ более прост, его главная задача состоит в определении факторов риска, этапов и сфер его возникновения, то есть в установлении потенциальной области риска и идентификации всех возможных рисков.

Количественный анализ риска — более сложный этап, предполагающий численное определение размеров отдельных рисков и риска проекта в целом.

Анализ риска - это методология, с помощью которой неопределенность, охватывающая основные прогнозируемые переменные, подвергается анализу для того, чтобы оценить влияние риска на предполагаемые результаты для чего используется прием «имитационных прогнозов» математической модели, в ходе которых строятся последовательные сценарии с учетом неопределенности исходных данных, задаваемой в виде множественных значений основных переменных.

Процесс имитации контролируется таким образом, чтобы случайный выбор значений из определенных вероятностных распределений не нарушал существования известных или предполагаемых соотношений среди переменных проекта. Результаты имитации анализируются с тем, чтобы получить вероятностное распределение потенциальных результатов проекта и оценить различные уровни риска проекта.

Процесс анализа риска разбивается на этапы, представленные на рис. 3.1.

• Первым этапом анализа является создание прогнозной модели оценки эффективности инвестиционных проектов.

Прогнозная модель - это модель, определяющая математические соотношения между переменными, относящимися к прогнозу будущего, способная спрогнозировать требуемый результат и включающая все относящиеся к данной ситуации переменные.

• На втором этапе производится отбор «переменных риска» модели - переменных, у которых даже небольшие отклонения снижают ценность проекта. Для отбора переменных риска используется анализ чувствительности и неопределенности.

Анализ чувствительности направлен на выявление переменной, в значительно степени влияющей на эффективность проекта. Чувствительность определяется коэффициентом эластичности, позволяющим измерить реакцию проекта на изменения данной переменной.

Рис. 3.1. Процесс анализа риска

Для того чтобы результаты анализа чувствительности имели смысл, в расчетах эффективности следует учесть влияние неопределенности информации и отобрать переменные повышенного риска. Например, при оценке чувствительность обнаружено, что небольшое отклонение в закупочной цене оборудования в первый год инвестиционного цикла существенным образом влияет на величину ЧДД. Однако сама вероятность даже такого небольшого отклонения может быть чрезвычайно малой, если поставщик по условиям контракта связан гарантиями и обязан совершать поставки по фиксированной цене. Следовательно, риск, связанный с этой переменной, незначителен, несмотря на то, что результаты проекта очень чувствительны к этим изменениям. И наоборот, переменные, имеющие высокую степень неопределенности, не должны включаться в вероятностный анализ, если только результаты их влияния на проект в целом в рамках ожидаемых ограничений неопределенности не будут значительными.

Анализ чувствительности позволяет измерить влияние изменения данного фактора на доходность проекта. Степень чувствительности проекта на возможные изменения условий реализации оценивается при изменении значения переменных, наиболее существенно влияющих на эффективность проекта, таких, как объем продаж, цены и тарифы, объем инвестиций, их структура и распределение по годам инвестиционного периода и т.д. Анализ чувствительности должен проводиться на этапе разработки проекта, когда принимаются решения об использовании той или иной технологии, вида топлива, площадки размещения, выбора поставщиков оборудования и т.д.

При оценке инвестиционного проекта важно не только определить факторы, изменение которых в определенном диапазоне в значительной степени влияет на эффективность проекта, но и то, когда произойдут отклонения от прогноза. Например, разница в величине ЧДД будет значительной, если увеличение цен на топливо произойдет, либо в начальный период эксплуатации, либо в пределах, либо за пределами периода окупаемости инвестиций.

Для учета неопределенности условий реализации проекта возможна корректировка параметров проекта с учетом накопленной информации и негативного опыта реализации проектов, в частности:

- сроки строительства и выполнения работ должны увеличиваться на величину возможных задержек;

- учитывается среднее увеличение стоимости строительства, обусловленное частичным пересмотром проектных решений в ходе строительства объекта, ошибками проектных организаций, увеличением непредвиденных расходов;

- учитывается запаздывание платежей, неритмичность поставок оборудования, материалов, топлива, внеплановые отказы оборудования, допускаемые персоналом нарушения технологии и т.д.

Учет указанных факторов неопределенности в оценке эффективности инвестиционных проектов увеличит расходы по проекту, что отрицательно отразится на его эффективности, но в существенной степени снизит риск инвестирования проекта.

• Третий этап анализа риска заключается в определении ограничений значений переменных риска (шаг 1, этап 3, рис. 3.1), группировке результатов расчета (шаг 2, этап 3, рис. 3.1) с последующей оценкой и распределением вероятностей.

Способность снизить рамки неопределенности предсказания зависит от понимания природы и уровня неопределенности конкретной переменной, а также от качества и количества располагаемой информации в момент оценки. Точность прогнозов повышается:

- при увеличении выборки данных;

- при уменьшении разброса значений переменных;

- при сокращении периода экстраполяции от основных базовых данных.

Неопределенность информации снижается в случае установления в пределах разумных значений диапазона изменения переменных, оказывающих существенное влияние на критерии эффективности инвестиций. Рост критерия эффективности (ЧДД) при изменении переменной от минимума до максимума позволяет путем группировки результатов по последовательным интервалам значений (рис. 3.2, а) получить частотность результатов (рис. 3.2, б) и в последующем распределение вероятности (рис. 3.2, в).

Рис. 3.2. Переход от частотности к вероятности возникновения события

В процессе анализа рисков в модель вводятся множественные (а не детерминированные) распределения вероятности, имеющие в свою очередь различные формы: симметричные, дискретные, ступенчатые.

Определение рисковых переменных и придание им соответствующего распределения вероятности является необходимым условием проведения анализа рисков, при последующем переходе к стадии моделирования.

• На четвертом этапе исследуется наличие корреляционных связей между переменными факторами модели. Переход к моделированию будет справедлив только в том случае, если среди рисковых переменных, включенных в модель, будут отсутствовать корреляционные связи. Наличие в модели коррелирующих переменных может привести к серьезным искажениям результатов анализа риска. Поэтому перед прогонами моделей важно убедиться в наличии или отсутствии таких связей и, если это необходимо, ввести в модель дополнительные ограничения.

• Пятый этап предполагает имитационный прогон модели — это часть процесса анализа рисков, когда большую часть работы выполняет компьютер. После того, как все допущения тщательно определены, на модели производится расчет эффективности инвестиционных проектов при изменении переменных параметров до тех пор, пока не будет получено достаточно информации для репрезентативной выборки из почти бесконечного числа возможных сочетаний. Для этого обычно достаточно выборки, представленной 200-500 прогонами. Результаты каждого прогона сохраняются для последующей статистической обработки, являющейся окончательной стадией анализа рисков.

• Окончательной стадией анализа рисков (этап 6) является обработка и интерпретация результатов, полученных на стадии прогонов модели. Каждый прогон представляет вероятность события, равную:

р = 1׃ п ,

где р — доля вероятности результатов единичного прогона; п — размер выборки.

В случае если проведено четыреста прогонов, доля вероятности наступления события равна 1:400 = 0,0025. Если при этом в ста прогонах полученное значение ЧДД ниже нуля, то вероятность отрицательного значения ЧДД равна 100 • 0,0025 = 25%. Располагая вероятности в порядке возрастания, получается интегральное распределение вероятности всех возможных результатов, благодаря которому можно выяснить степень вероятности того, что результаты проекта будут выше или ниже предполагаемого значения. Таким образом, риск проекта отражается в виде положения и формы интегрального распределения вероятности результатов проекта (рис. 3.3)

Рис. 3.3. Распределение результатов расчета ЧДД

В общем случае решение об инвестировании проекта принимается, если ЧДД > 0.

Однако окончательное решение в значительной степени зависит от отношения инвестора к риску. Общее правило гласит, что следует выбирать проект с таким распределением дохода, которое наилучшим образом соответствует этому отношению. Если инвестор - рисковый игрок, то он, скорее всего, вложит деньги в проект с относительно высокой отдачей, не обращая внимания на высокий риск, и наоборот.

Для принятия решения об инвестировании проекта целесообразно анализировать как интегральное, так и неинтегральное распределение вероятности результатов расчета ЧДД, так как неинтегральное распределение вероятности более наглядно иллюстрирует характер распределения, в то время, как интегральная вероятность позволяет прийти к определенному решению:

Пример1.

Вывод: Нижний конец графика интегрального распределения вероятности находится правее точки, где ЧДД ⁼ 0. Решение об инвестировании проекта положительное, вероятность получения отрицательного ЧДД равна нулю.

Пример 2.

Вывод: Верхний конец графика интегрального распределения вероятности находится левее точки, где ЧДД = 0. Вероятность получения положительного значения ЧДД нулевая, решение по проекту отрицательное.

Пример 3.

Вывод: Вероятность изменения ЧДД больше нуля, но меньше единицы. Решение неоднозначно.

Пример 4.

Вывод: Кривые распределения интегральных вероятностей не пересекаются ни в одной точке. Предпочтителен проект В.

Вывод: Кривые распределения интегральных вероятностей пересекаются. Решение неопределенно.

Ожидаемая ценность проекта представляет собой средневзвешенное значение всех вероятных результатов, долями (весами) которых служат вероятности получения каждого возможного значения ЧДД. При расчете ЧДД потоки реальных денег дисконтируются по ставке дисконта, не учитывающей риск, так как риск учитывается в момент задания вероятностей развития проекта по каждому сценарию.

Совокупным показателем ценности проекта с учетом риска является ожидаемый чистый дисконтированный доход, определяемый по формуле

(3.1)

где — чистый дисконтированный доход проекта при наступлении i-ro случая; - вероятность наступления i-го случая m - количество рассматриваемых случаев.

Ожидаемый чистый дисконтированный доход представляет сумму ценности всех полученных результатов.