Оценка инвестиционных рисков
Суть этих методов – исходные данные задаются не в детерминированной, а в вероятностной форме, и главная задача сводится к определению вероятностей распределения их значений
Пример реализации метода с использованием случайных событий – метод дерева решений, где неопределенность исходных данных задается в виде отдельных случайных событий – дискретное распределение вероятностей
Например, если содержание полезного компонента в руде составляет 3,4%, очевидно, что в реальности содержание может составить как 2,5%, так и 4,7% и т.д.
Этот возможный ряд значений содержания п.к. может быть определен вероятностью распределения этих значений. Соответствующее определение вероятности представляет собой оценку вероятности случайного события на основе частоты его появления.
При дискретном распределении вероятностей задается несколько сценариев развития предприятия с различными вероятностями исходных параметров. Далее формируются денежные потоки с соответствующим распределением вероятности, что в конечном итоге трансформируется в дискретное распределение вероятностей критерия оценки проекта.
Оценка риска с использованием случайных величин
При представлении исходных данных в виде случайных величин каждая случайная переменная может принимать бесконечное число значений внутри определенных диапазонов
Исходные данные представляются в виде непрерывных распределений вероятностей
При оценке рассматриваемого горного проекта исходные параметры (размер инвестиций, содержание меди в руде, извлечение меди из руды) представляются в виде непрерывных распределений вероятностей
Для того чтобы получить одно значение из непрерывного распределения IRR, должно быть взято случайное значение каждого из трех входных параметров
Если этот процесс повторять бесконечно долго, то это приведет к формированию генеральной совокупности
Процесс повторения должен быть прекращен тогда, когда выборочное распределение значений IRR будет достаточно близко определять генеральную совокупность, а это значит, что продолжение процесса отбора параметров практически не изменит общие статистические характеристики выборки
С помощью компьютеров производится такое большое количество циклов имитационных расчетов за короткий промежуток времени, что получение выборки достаточной представительности не является проблемой
Решение подобных задач называется проведением полного имитационного риск-анализа
Для решения большинства задач, обеспечивают достаточную точность и надежность
Оценка риска с использованием случайных величин
При представлении исходных данных в виде случайных величин каждая случайная переменная может принимать бесконечное число значений внутри определенных диапазонов
Исходные данные представляются в виде непрерывных распределений вероятностей
При оценке рассматриваемого горного проекта исходные параметры (размер инвестиций, содержание меди в руде, извлечение меди из руды) представляются в виде непрерывных распределений вероятностей
Для того чтобы получить одно значение из непрерывного распределения IRR, должно быть взято случайное значение каждого из трех входных параметров
Если этот процесс повторять бесконечно долго, то это приведет к формированию генеральной совокупности
Процесс повторения должен быть прекращен тогда, когда выборочное распределение значений IRR будет достаточно близко определять генеральную совокупность, а это значит, что продолжение процесса отбора параметров практически не изменит общие статистические характеристики выборки
С помощью компьютеров производится такое большое количество циклов имитационных расчетов за короткий промежуток времени, что получение выборки достаточной представительности не является проблемой
Решение подобных задач называется проведением полного имитационного риск-анализа
Для решения большинства задач, обеспечивают достаточную точность и надежность
Моделирование на основе непрерывного распределения вероятностей исходных переменных привело к разработке формализованного метода имитационного моделирования Монте-Карло
При использовании метода Монте-Карло исходные параметры задаются в виде случайных величин с различными распределениями вероятностей, полученными методом экспертных оценок.
В результате производится оценка влияния неопределенности входных параметров на критерии оценки проектов.
Метод Монте-Карло характеризуется следующими основными этапами:
– задаются распределения вероятностей значений исходных параметров;
– из распределений вероятностей каждого исходного параметра случайным образом выбираются значения для каждой переменной, совокупность которых используется для расчета критериев эффективности;
(Такой выбор осуществляется с использованием компьютерной техники и повторяется много раз.)
– в результате формируется распределение вероятностей значения критериев оценки
– на основе анализа распределений вероятностей критериев оценки проекта делаются выводы об уровне риска его инвестирования
Уровень риска определяется средним значением критерия и сигмой
Существующая система методов риск-анализа основана главным образом на использовании положений теории вероятностей и статистических концепциях. В качестве меры риска в большинстве случаев принимается уровень неопределенности достижения тех или иных показателей в будущем, оцениваемый на основе вариации их в прошлом.
Следует отметить, что при принятии инвестиционных решений должны быть учтены такие факторы, как стратегия конкурентоспособности, человеческий фактор, социальные цели компании и множество других, которые невозможно оценить количественно. Поэтому в конечном итоге принятие решения основывается на количественной оценке измерения риска в сочетании с опытом и интуицией менеджеров, принимающих решение.
