5.2. Методы анализа рисков инвестиционного проекта

Обязательной составляющей оценки эффективности инвестиционного проекта является анализ проектных рисков, назначение которого – предоставление потенциальным инвесторам необходимых данных для принятия решения о целесообразности участия в проекте и определение мер по защите от возможных финансовых потерь.

В процессе планирования проекта должен проводиться качественный и количественный анализ рисков. Если по итогам оценки принимается решение о реализации проекта, то перед организацией встает задача управления выявленными рисками. Статистика, накопленная по результатам реализации инвестиционного проекта, позволяет в дальнейшем более точно определять риски и работать с ними. Если же на этапе анализа рисков проекта выявлена высокая степень неопределенности, присущая проекту, то данный проект может быть отправлен на доработку, после чего снова производится оценка рисков. Порядок управления проектными рисками, а также сбора и использования статистической информации в конкретной ситуации зависит от специфики компании и реализуемого проекта.

На начальном этапе проводится анализ сильных и слабых сторон, возможностей и угроз (strengths, weaknesses, opportunities and threats analysis, или SWOT-анализ). Это метод сбора информации, при котором проект изучается с точки зрения каждой из его сильных и слабых его сторон, благоприятных возможностей и угроз, что позволяет увеличить охват рисков, рассматриваемых в рамках управления рисками.

Проводится изучение факторов внешней и внутренней среды организации (enterprise environmental factors), влияющих на успех проекта. Факторы среды формируются каждой из организаций, являющейся участником проекта. Данные факторы включают корпоративную культуру, структуру организации, инфраструктуру, существующие ресурсы, коммерческие базы данных, условия рынка и программное обеспечение для управления проектами.

Анализ рисков проекта должен сочетать качественные и количественные методы.

Проведение качественного анализа рисков (perform qualitative risk analysis) – процесс расстановки приоритетов в отношении рисков для их дальнейшего анализа или действий путем их оценки и сопоставления.

При проведении качественного анализа не используются математические расчеты. На данном этапе применяются общенаучные (индукция, дедукция, систематизация, обобщение (синтез), абстрагирование, сравнение и пр.) и эвристические методы (метод инверсии, метод идеализации, "мозговой штурм", конференция идей, метод коллективного блокнота, метод контрольных вопросов, метод фокальных объектов, метод морфологического анализа и др.).

Рассмотрим некоторые методы качественного анализа.

Экспертные оценки (expert judgment) – суждения, предоставляемые на основании компетентности в прикладной области, области знаний, сфере деятельности, отрасли и т.д., соответствующих выполняемой операции. Экспертное заключение могут давать как группы, так и отдельные лица, имеющие специальное образование, знания, навыки, опыт или подготовку.

Мозговой штурм (brainstorming) – общий метод сбора информации, идей и предложения решений, который может использоваться для идентификации рисков, идей или решения проблем группой членов команды или экспертов.

Метод Дельфи (Delphi technique) – метод сбора информации, используемый для достижения консенсуса экспертов по какому-либо вопросу. В этом методе эксперты участвуют на условиях анонимности. Устроитель с помощью вопросника запрашивает мнения по важным моментам проекта, относящимся к данному вопросу. Ответы суммируются и возвращаются экспертам для комментариев. Консенсуса можно достичь за несколько циклов этого процесса. Метод Дельфи помогает преодолеть необъективность данных и устраняет избыточное влияние отдельных лиц на исход обсуждения.

Качественные методы, как правило, используются на начальном и заключительном этапах анализа. Качественные методы на начальных этапах количественного исследования используются для формирования цели и задач исследования, для словесного описания объекта, выделения проблемных зон организации. На заключительном этапе экономического анализа качественные методы позволяют обобщить, систематизировать накопленную аналитическую информацию, проанализировать ее на качественном уровне, произвести сравнения, сформировать выводы исследования, дать рекомендации, которые будут основой для принятия управленческих решений.

Для описания рисков проекта удобно использовать специально разработанные логические карты – список вопросов, которые помогают выявить существующие риски.

По результатам проведения качественного анализа рисков приводится описание неопределенностей, присущих инвестиционному проекту, причин, которые их вызывают, и формируется перечень рисков, которым подвержен данный проект.

После того как перечень рисков, присущих проекту, сформирован, необходимо их проранжировать по вероятности реализации рискового события и по величине возможных потерь, для чего составляется матрица вероятностей и последствий.

Матрица вероятности и последствий (probability and impact matrix) – общепринятый подход для отнесения риска к высоким, средним или низким путем сопоставления двух параметров риска: вероятности и влияния на содержание проекта в случае его наступления.

После того как риски, присущие проекту, выявлены и проранжированы по степени значимости, проводится количественная оценка основных проектных рисков.

Проведение количественного анализа рисков (perform quantitative risk analysis) – процесс численного анализа влияния выявленных рисков на цели проекта в целом. Результатом количественного анализа рисков является оценка влияния наиболее рисковых факторов на показатели эффективности инвестиционного проекта. Количественный анализ рисков предполагает использование статистического анализа и вероятностных понятий, что соответствует современным международным стандартам. Однако в ряде случаев, при оценке некрупных инвестиционных проектов, можно ограничиться более простыми подходами, которые связаны с использованием анализа чувствительности и сценарного анализа.

Как правило, в инвестиционном проектировании на первом этапе проводится анализ чувствительности и сценариев, а в случае, если рассматривается крупный инвестиционный проект с большим объемом финансирования, – следующим этапом является оценка рисков с использованием вероятностно-статистических методов.

Анализ чувствительности (sensitivity analysis) – метод количественного анализа рисков и моделирования, используемый для определения рисков с наибольшим возможным влиянием на проект. Анализ чувствительности позволяет менеджерам оценивать, насколько показатели эффективности проекта реагируют на изменения переменных, которые используются для ее вычисления. При проведении анализа чувствительности варьируется одна из выбранных для анализа переменных при фиксировании остальных переменных на уровне базовых значений. В качестве варьируемых факторов обычно выбираются цена и объем реализации продукции (работ, услуг), операционные расходы, первоначальные вложения, стоимость капитала, срок реализации проекта. Использование анализа чувствительности позволяет выявить переменные, являющиеся наиболее критичными с точки зрения влияния на эффективность проекта, и то, при каком изменении переменных проект станет неэффективен. Отображение результатов анализа чувствительности может быть представлено в виде диаграммы "торнадо".

Для построения этой диаграммы необходимо сделать несколько последовательных шагов:

• 1) отобрать основные параметры, по отношению к которым будет производиться анализ чувствительности NPV (объем продаж, расходы, ставка дисконта и т.п.);
• 2) эспертным способом оценить, в каком диапазоне могут реально находиться эти параметры: каковы их максимальные и минимальные значения;
• 3) для максимального и минимального значения каждого из выбранных параметров найти соответствующее изменение NPV, предполагая все остальные параметры постоянными, т.е. зафиксировав их на уровне проектируемых значений;
• 4) построить вертикальную диаграмму, на которой отобразить эти изменения NPV по каждому из выбранных параметров. Факторные изменения NPV располагаются так, чтобы те параметры, по которым изменение NPV максимально, находились в верхней части диаграммы, а по которым минимально – в нижней.

Диаграмма примет воронкообразную форму и по внешнему облику будет действительно напоминать торнадо (рис. 5.1). В верхней части диаграммы будут находиться те параметры и факторы риска, которые наиболее сильно влияют на NPV проекта.

Пример

Определение NPV проекта (базовый вариант) представлено в табл. 5.1. Средневзвешенная стоимость капитала составляет 14,7%.

Таблица 5.1

Первым шагом является отбор параметров, по отношению к которым будет производиться анализ чувствительности (табл. 5.2).

Таблица 5.2

Следующим шагом является оценка диапазонов изменения отобранных для анализа параметров; далее в пределах этих диапазонов определяются соответствующие приросты чистой текущей стоимости проекта (табл. 5.3).

Таблица 5.3

Завершающим этапом является построение диаграммы (рис. 5.1).

Рис. 5.1. Диаграмма "торнадо"

Очевидно, что наиболее существенным риском по проекту является операционный (затратный) риск. На втором месте идет рыночный риск, на третьем – риск, связанный с предоперационным периодом и объемом капиталовложений. Замыкает список процентный риск.

При осуществлении анализа чувствительности можно воспользоваться и классическим методом. В данном случае рассматривается базовый вариант, в котором используются наиболее вероятные значения каждой исходной переменной. Проводится оценка эффективности проекта, реализуемого в базовом варианте (см. табл. 5.1).

Далее рассматриваются ситуации, в которых значения входных переменных отклоняются от базового варианта, и оценивается, какое влияние это окажет на эффективность проекта. Для этого выбирается ключевой показатель проекта, чувствительность которого к изменению входных параметров и будет изучаться. Обычно в качестве такого показателя выбирают чистую текущую стоимость (NPV) или внутреннюю норму доходности (IRR). В этом примере в качестве ключевого параметра выбрана чистая текущая стоимость проекта.

Затем определяются факторы, влияние которых на ключевой показатель эффективности проекта будет изучаться. Это должны быть факторы, относительно которых нет однозначного суждения (в рассматриваемом примере в качестве таких факторов выберем объем продаж, капитальные затраты, переменные затраты на единицу продукции, стоимость капитала).

При анализе чувствительности каждая входная переменная изменяется на несколько процентов вверх и вниз от ожидаемого значения (принятого в базовом варианте); при этом предполагается, что остальные переменные остаются неизменными. Вычисляется новое значение ключевого показателя при условии использования новых значений. Например, если мы хотим оценить чувствительность чистой текущей стоимости к такому показателю, как объем продаж, то значение объема продаж базового варианта принимается за 100%. Значение NPV в этом случае уже определено. Затем мы рассчитываем NPV для вариантов, в которых все входные параметры, кроме объема продаж, соответствуют базовому варианту. Значение объема продаж мы варьируем, изменяя его, например на ±5%, ±10% от значения, принятого в базовом варианте.

Наконец, набор значений ключевого показателя накладывается на график, чтобы показать, насколько чувствительно это значение к изменению каждой из переменных (рис. 5.2).

Зависимость NPV от объема продаж представлена в табл. 5.4.

Таблица 5.4

Зависимость NPV от величины переменных издержек на ед. продукции представлена в табл. 5.5.

Таблица 5.5

Зависимость NPV от величины капитальных затрат представлена в табл. 5.6.

Таблица 5.6

Зависимость NPV от стоимости капитала представлена в габл. 5.7.

Таблица 5.7

Результаты проведенного анализа представлены на рис. 5.2.

Рис. 5.2. Чувствительность проекта к изменению неопределенных факторов

Чем выше чувствительность результативного показателя (в рассмотренном примере – NPV) к изменению факторного показателя, тем выше риски, связанные с отклонением данного переменного фактора от прогнозируемого значения. Чувствительность определяется углом наклона линии на графике (чем больше угол наклона, тем выше чувствительность). Точка пересечения линии с осью абсцисс показывает, на сколько процентов может изменяться переменный фактор, прежде чем результатом инвестирования станет отрицательное значение NPV. Построенный график позволяет выявить факторы повышенного риска, на которые необходимо будет обратить особое внимание в ходе реализации инвестиционного проекта. Таким образом, анализ чувствительности может предоставить полезную информацию о рискованности проекта.

Данный график позволяет сделать вывод о наиболее критических факторах инвестиционного проекта, с тем чтобы в ходе его реализации обратить на эти факторы особое внимание.

Так, в рассмотренном примере критическим оказался фактор переменных издержек. При росте переменных издержек на 12% NPV проекта обращается в ноль. В случае если переменные издержки вырастут больше, чем на 12%, проект станет неэффективным. Так как переменные издержки оказалась критическим фактором, то целесообразно улучшить отношение с поставщиками, заключив долгосрочные контракты, которые, возможно, позволят снизить закупочную цену сырья.

Анализ чувствительности, являясь широко применяемой технологией оценки риска, имеет ряд ограничений. Например, проведя анализ чувствительности, мы увидели, что чистая текущая стоимость проекта очень чувствительна к изменениям переменных затрат на единицу продукции, а это говорит о том, что проект рискованный. Однако если предположить, что у компании есть договоры с поставщиками на поставку по фиксированной цене, то в этих условиях проект будет рискованным, несмотря на его высокую чувствительность к данной переменной.

Очевидно, что следовало бы расширить анализ чувствительности, чтобы учитывать вероятностные распределения исходных данных и иметь возможность менять более одной переменной за раз для анализа совместного эффекта изменения нескольких параметров.

Такую возможность предоставляет анализ сценариев – прием анализа риска, который на ряду с базовым набором исходных данных проекта рассматривает ряд других наборов данных, которые, по мнению разработчиков проекта, могут иметь место в процессе реализации.

Изначально рассматривается базовый вариант, в котором приняты наиболее вероятные значения входящих переменных. Далее с учетом корреляции входных параметров подбираются показатели при "плохом" и при "хорошем" варианте развития событий.

Чаще всего рассматривают три сценария: базовый, наилучший и наихудший. В этом случае сценарный анализ также называют оценкой по трем точкам.

Оценка по трем точкам (three-point estimate) – аналитический метод, использующий три оценки стоимости или длительности, отражающие оптимистический, наиболее вероятный и пессимистический сценарии. Этот метод применяется для повышения точности оценок стоимости или длительности, когда исходный элемент операции или стоимости неточен.

Обычно наилучшему и наихудшему сценариям приписывается вероятность по 25%, а базовому сценарию – 50%. На практике вероятности сценариев могут отличаться от названных, и может быть рассмотрено более трех сценариев. Однако в большинстве случаев ограничиваются рассмотрением трех сценариев, при этом каждому из них приписывается названное выше значение вероятности. Для каждого сценария рассчитываются показатели эффективности, например NPV. Зная значения NPV для каждого сценария и вероятность сценариев, можно рассчитать ожидаемую чистую текущую стоимость проекта (математическое ожидание) по формуле

Далее рассчитываются среднее квадратическое отклонение NPV проекта

Коэффициент вариации проекта полезно сравнивать со "средним" коэффициентом проектов компании – это позволит получить представление об относительной рискованности проекта.

Анализ сценариев позволяет получить полезную информацию об автономном риске проектов. Однако в данном случае рассматривается ограниченное число сценариев, обычно только три варианта развития событий. Если рассматривается крупный инвестиционный проект, при оценке риска желательно не ограничиваться анализом чувствительности и сценариев, а прибегнуть к более полному методу оценки автономного риска.

Метод Монте-Карло (Monte-Carlo analysias) – метод, многократно (итеративно) рассчитывающий стоимости проекта или длительности проекта с использованием входных величин, произвольно взятых из возможных значений стоимости или длительности, с целью получения распределения вероятностей значений общей стоимости проекта или дат завершения проекта.

Моделирование методом Монте-Карло (Monte-Carlo simulation) – процесс, который на основе распределения вероятностей для стоимости и сроков для отдельных задач генерирует сотни или тысячи возможных результатов выполнения. Затем результаты используются для генерации распределения вероятностей проекта в целом.

Преимущество метода имитационного моделирования Монте-Карло заключается в том, что он делает возможным создание случайных сценариев, тем самым предоставляя дополнительную возможность при оценке риска

(5.1)

(5.2)

и коэффициент вариации проекта

(5.3)

инвестиционного проекта. Данный метод может быть реализован лишь в компьютерной среде. Создается математическая модель определения какого-либо результативного финансового показателя (например, в рассмотренном выше примере это может быть NPV, IRR, РГ). Например, в качестве результативного показателя выбрана чистая текущуя стоимость проекта NPV. На основании выбранной модели, в сочетании с соответствующей вероятностной информацией, осуществляется тестирование. Выбранная модель подвергается ряду имитационных прогонов.

При использовании метода имитационного моделирования исходные переменные, чьи значения являются неопределенными и могут варьироваться, полагаются случайными величинами. В качестве таких переменных могут быть выбраны цена продукции, переменные затраты, объем продаж и т.д. Процесс имитации должен осуществляться таким образом, чтобы не нарушать существующие или предполагаемые корреляционные связи между входными переменными. Компьютерная программа начинает работу с того, что из определенных вероятностных распределений исходных переменных выбирает случайным образом значение каждой из них. Для выбранных значений переменных определяется значение результативного показателя (например, NPV), которое должно быть записано в память компьютера. Рассмотренный процесс может быть повторен несколько тысяч раз, т.е. просчитывается множество случайных сценариев. Каждый раз получается то или иное сочетание значений исходных переменных и соответствующее им значение NPV инвестиционного проекта. Таким образом будет получено не одно и не два значения NPV, а несколько тысяч, в соответствии с числом прогонов. Результаты имитационных прогонов объединяются в выборку и анализируются с целью получения закона распределения вероятностей NPV. Определив закон распределения вероятностей, можно найти ожидаемую величину NPV и разброс относительно этой ожидаемой величины.

Не всегда определяют закон распределения вероятностей. В отдельных случаях могут ограничиться статистической характеристикой объекта. Определяют среднее значение NPV по полученной выборке и показатели вариации, используемые для оценки риска. В качестве меры риска в инвестиционном проектировании используют и вероятность получения отрицательного значения NPV. Имитационные прогоны, в результате которых было получено отрицательное значение NPV, также могут быть объединены в отдельную выборку, по которой будет рассчитано среднее значение NPV (оно будет отрицательным). Данное значение характеризует ожидаемый убыток в случае, если проект окажется неэффективным.

Процесс анализа риска методом имитационного моделирования может быть разбит на следующие стадии:

• 1) строится прогнозная модель, определяющая результирующий показатель как функцию от переменных и параметров. В качестве базовой модели для анализа инвестиционного риска обычно используется модель расчета показателя NPV;
• 2) проводится анализ выбранных переменных. Из их числа выбирают только те, изменение которых существенным образом влияет на результат (отбор может производиться, например, с помощью анализа чувствительности);
• 3) определяется вероятностный закон распределения выбранных переменных;
• 4) устанавливаются границы диапазона значений переменных;
• 5) определяются корреляционные связи между выбранными переменными (фактически наличие корреляции ограничивает случайный выбор отдельных значений для коррелированных переменных; две коррелированные переменные моделируются так, что при случайном выборе одной из них другая выбиралась не свободно, а в диапазоне значений, который управляется смоделированным значением первой переменной);
• 6) проводятся имитационные прогоны (генерируются случайные сценарии, основанные на наборе допущений; всю работу проводит компьютер);
• 7) проводится статистический анализ результатов имитации.

Подводя итог вышесказанному, отметим, что при использовании имитационного моделирования результат анализа риска проекта выражается не каким-либо единственным значением NPV, а в виде вероятностного распределения всех возможных значений этого показателя. Благодаря этому потенциальный инвестор будет обеспечен полным набором данных, характеризующих риск проекта, и сможет принять взвешенное решение об участии в проекте.