Методы анализа и оценки рисков инвестиционных проектов - страница 03
- Подробности
- Категория: Методы анализа и оценки рисков инвестиционных проектов
За исключением очень крупных проектов, привлекающих значительные капитальные инвестиции, анализа сценариев будет достаточно для того, чтобы руководство получило представление о характеристики рентабельности проекта. Если эта работа выполняется тщательно, то такой анализ способен достаточно точно показать распределение экстремальных результатов. Однако через сложные взаимосвязи между переменными он не очень удачно показывает середину распределения значений КРУ. Нужны дополнительные сценарии для того, чтобы продемонстрировать точки между двумя экстремальными значениями. Это повысит точность прогноза. К сожалению, обычный и известный способ разработки таких сценариев сложный и требует значительного времени. Эффективность повышается в том случае, когда работа проводится с помощью программного обеспечения и электронных таблиц.
В случае, когда определение вероятности наступления нового сценария реализации проекта можно просчитать с помощью электронных таблиц, проводят анализ риска по методу имитационного программирования, или методом Монте-Карло. По этому методу определяется вид и вероятность распределения масштабов реализации проекта и методом отбора мер значимости неопределенных переменных рассчитывается возможность развития каждой модели.
Алгоритм проведения моделирования Монте-Карло предусматривает:
· Определение интервалов возможного изменения основных рискованных переменных проекта, внутри которых эти переменные являются случайными величинами;
· Оценку внутри заданных интервалов видов распределения вероятностей;
· Установление коэффициента корреляции между зависимыми переменными;
· Многократный расчет результирующего показателя, позволяет увидеть распределение частоты для чистой приведенной стоимости проекта;
· Определения вероятности попадания результирующей величины в тот или иной интервал и превышение минимально допустимого значения.
Метод Монте-Карло можно рассматривать как своего рода имитацию будущего в лабораторных условиях. Поскольку соответствующая программа выбирает значения входных переменных из случайных распределений вероятностей, то каждый полученный результат отражает возможное состояние дел в будущем.