ћенеджмент > ќц≥нка ризик≥в

ѕо кожн≥й фаз≥ проекту складаЇтьс¤ вичерпний перел≥к фактор≥в ризику. ѕри цьому кожен фактор характеризуЇтьс¤ показниками пр≥оритету та питомоњ ваги кожного фактора ≥ њх сукупност≥. «наченн¤ пр≥оритет≥в ≥ питомих ваг визначаютьс¤ експертним шл¤хом.

” приклад≥ наведено три пр≥оритети (1, 2, 3 ). ¬они зумовлюють значенн¤ ваг. ѕерший ≥ останн≥й пр≥оритети визначають в≥дпов≥дно м≥н≥мальне ≥ максимальне значнн¤. —каж≥мо, в≥дношенн¤ ваг, що в≥дпов≥дають першому й третьому пр≥оритетам, дор≥внюЇ У10Ф. якщо позначити вс≥ фактори ризику в третьому пр≥оритет≥ ¤к УхФ, то середньоарифметичне значенн¤ в першому пр≥оритет≥ становитиме У10хФ. ¬ага фактора ризику в другому пр≥оритет≥ становитиме (10+1)/2 = 5.5х.

” приклад≥ враховано 25 фактор≥в ризику. ѕитома вага фактора ризику в третьому пр≥оритет≥ дор≥внюЇ 0.4. ” другому в≥дпов≥дно Ц 2.2., у першому Ц 4.

ћаксимальний ризик Ц 250 (25 Ј 10), м≥н≥мальний Ц 25.

” приклад≥ експерти ставили оц≥нку з ранжируванн¤м в≥д кращих Ц У1Ф до г≥рших Ц У10Ф. ѕот≥м одержан≥ в процес≥ експертизи бали п≥дсумовуютьс¤ за вс≥ма показниками з урахувнн¤м вагових коеф≥ц≥Їнт≥в ≥ складаЇтьс¤ узагальнена оц≥нка ризик≥в. якщо узагальнена оц≥нка ризику дор≥внюЇ в≥д 25 до 100, проект в≥дноситьс¤ до малоризикованих, в≥д 100 до 160 Ц до середньоризикованих, в≥д 160 до 250 Ц до високоризикованих. ” приклад≥ вона дор≥внюЇ 175. ќтже, проект належить до високоризикованих.

5. ≤де¤ к≥льк≥сного п≥дходу до оц≥нки ризику грунтуЇтьс¤ на тому, що невизначен≥сть може бути под≥лена на два види.

якшо невизначен≥ параметри спостер≥гоютьс¤ досить часто за допомогою статистики або ≥м≥тац≥йних експеримент≥в, то можна визначити частоти по¤ви даних под≥й. “акий тип невизначеност≥ маЇ назву статистичноњ невизначеност≥. ѕри достатн≥й к≥лькост≥ спостережень частоти розгл¤даютьс¤ ¤к наближене значенн¤ ймов≥рностей под≥й.

якщо окрем≥ под≥њ, ¤к≥ нас ц≥кавл¤ть, повторюютьс¤ досить р≥дко або взагал≥ н≥коли не спостер≥галис¤ ≥ њх реал≥зац≥¤ можлива лише в майбутньому, то маЇ м≥сце нестатистична невизначен≥сть. ” цьому випадку використовуЇтьс¤ субТЇктивна ймов≥рн≥сть, тобто експертн≥ оц≥нки њњ величини.  онцепц≥¤ субТЇктивноњ ймов≥рност≥ грунтуЇтьс¤ не на статистичн≥й частот≥ по¤ви под≥њ, а на ступен≥ впевненост≥ експерта в тому, що задана под≥¤ в≥дбудетьс¤.

ћетодолог≥чною базою анал≥зу ≥ ризику ≥нвестиц≥йних проект≥в Ї розгл¤д вих≥дних даних ¤к оч≥куваних значень певних випадкових величин з в≥домими законами ймов≥рн≥сного розпод≥лу. ћатематичний аппарат, використовуваний при цьому п≥дход≥, розгл¤даЇтьс¤ докладно в курсах теор≥њ ймов≥рност≥ та математичноњ статистики.

«аконом розпод≥лу випалковоњ величини називаЇтьс¤ закон в≥дпов≥дност≥ м≥ж можливими значенн¤ми випадковоњ величини та њх ≥мов≥рност¤ми.

Ќаприклад, доходн≥сть певного ≥нвестиц≥йного проекту може характеризуватис¤ наведеним нижче законом розпод≥лу:

–озпод≥л доходу проекту за ймов≥рн≥стю одержанн¤

¬ипадкова величина, ¤ка набуваЇ певних окремих значень, називаЇтсь¤ дискретною.

“аблиц¤ Ї прикладом закону розпод≥лу дискретноњ випадковоњ величини.

«акон розпод≥лу характеризуЇтьс¤ к≥лькома показниками, зокрема математичним оч≥куванн¤м, дисперс≥Їю, середньоквадратичним в≥дхиленн¤м, коеф≥ц≥Їнтом вар≥ац≥њ.

ћатематичним оч≥куванн¤м, або середн≥м оч≥куваим значенн¤м випадковоњ величини ’, називаЇтьс¤ число, чке дор≥внюЇ сум≥ добутк≥в значень величини (х) на в≥дпов≥дн≥ ймов≥рност≥ (–≥):

Ќевизначен≥сть характеризуЇтьс¤ розс≥¤нн¤м можливих значень випадковоњ величини довкола њњ оч≥куваного значенн¤.

ƒл¤ характеристик ризику ¤к м≥ри невизначеност≥ використовуютьс¤ так≥ показники:

1) дисперс≥¤

D(x) = M[x ЦM(x)];

2) середньоквадратичне в≥дхиленн¤

Ќаприклад, дл¤ ≥нвестиц≥йного проекту, закон розпод≥лу ¤кого пдано в таблиц≥, ц≥ характеристики становл¤ть:

1) середнЇ оч≥куване значенн¤ доходу

ћ(х) = 200 Ј 0,2 + 800 Ј 0,5 + 1000 Ј 0,3 = 740

2) дисперс≥¤

D(x) = (200-740)2 Ј 0,2 + (800-740)2 Ј0,5 + (1000-740)2 Ј 0,3 = 80400

найчаст≥ше ¤к м≥ру ризику використовують середньоквадратичне в≥дхиленн¤. „им б≥льше його занченн¤, тим б≥льший ризик. –озгл¤немо ≥нвестиц≥йн≥ проекети ј ≥ ¬, закони розпод≥лу NPV ¤ких задано в таблиц≥:

–озрахунок середнього оч≥куваного значенн¤ NPV дл¤ двох проект≥в

ћ (’ј) = 100 Ј 0,2 + 500 Ј 0,4 + 700 Ј 0,3 + 1500 Ј 0,1 = 760

ћ (’¬) = -7200 Ј 0,2 + 1000 Ј 0,3 + 300 Ј 0,3 + 5000 Ј 0,2 = 760

“обто, оч≥куване значенн¤ NPV дл¤ обох проект≥в однакове. ¬т≥м, величини њх середньоквадратичного в≥дхиленн¤ ≥стотно р≥зн¤тьс¤:

D (’ј) = (100-760)2 Ј 0,2 + (500-760)2 Ј 0,4 + (700-760)2 Ј 0,3 + (1500- 760)2 Ј Ј0,1 = 170000

D (’B) =(-7200 Ц 760)2 Ј 0,2 + (1000 Ц760)2 Ј 0,3 + (3000 Ц 760)2 Ј 0,3 + (5000 Ц 760)2 Ј0,2 = 17790400

σ(х¬) значно б≥льше σ(х¬), а отже, ризик проекту ¬ вищий в≥д ризику проекту ј.

якщо пор≥внюютьс¤ два проекти з р≥зними оч≥куваними значенн¤ми NPV, то використовуЇтьс¤ коеф≥ц≥Їнт варац≥њ, ¤кий показуЇ частку ризику на одиницю оч≥куваного значенн¤ NPV.

ќсновною ≥деЇю анал≥зу р≥вн¤ власного ризику проекту Ї оц≥нка невизначеност≥ оч≥куваних грошових поток≥в в≥д даного проекту. ÷ей анал≥з може бути проведений р≥зними методами Ц в≥д неформальноњ ≥нтуњтивноњ оц≥нки проекту до складних розрахункових метод≥в та використанн¤ статистичного анал≥зу й математичних моделей.

ѕрактично вс≥ розразунков≥ значенн¤ грошових поток≥в, на ¤ких заснований проектний анал≥з, Ї оч≥куваними значенн¤ми випадкових величин з певними законами розпод≥лу. ÷≥ розпод≥ли можуть мати б≥льшу чи меншу вар≥ац≥ю, що Ї в≥дображенн¤м б≥льшоњ чи меншоњ невизначеност≥, тобто ступен¤ власного ризику проекту.

’арактер розпод≥лу ймов≥рностей грошових поток≥в та њх корел¤ц≥њ одного з одним зумовлюЇ характер розпод≥лу ймов≥рностей NPV проекту ≥, таким чином, р≥вень власного ризику даного проекту.

–озгл¤немо три методи оц≥нки власного ризику:

анал≥з чутливост≥ (sensitivity analysis);

сценарний анал≥з (scenario analysis);

≥м≥тац≥йне моделюванн¤ методом ћонте- арло (Monte Carlo Simulation).

6. јнал≥з чутливост≥ Ц це техн≥ка анал≥зу проектного ризику, ¤ка показуЇ, ¤к зм≥нитьс¤ значенн¤ NPV проекту при задан≥й зм≥н≥ вх≥дноњ зм≥нноњ за ≥нших р≥вних умов.

ѕроведенн¤ анал≥зу чутливост≥ Ц досить проста операц≥¤, ¤ка легко п≥ддаЇтьс¤ алгоритм≥зац≥њ, що зводитьс¤ до таких крок≥в:

1-й крок. ¬изначенн¤ ключових зм≥нних, ¤к≥ справл¤ють вплив на значенн¤ NPV.

2-й крок. ¬становленн¤ анал≥тичноњ залежност≥ NPV в≥д ключових зм≥нних.

3-й крок. –озрахунок базовох ситуац≥њ Ц встановленн¤ оч≥куваного значенн¤ NPV при оч≥куваних значенн¤х ключових зм≥нних.

4-й крок. «м≥на одн≥Їњ з вх≥дних зм≥нних на потр≥бну анал≥тиков≥ величину (в %). ѕри цьому вс≥ ≥нш≥ вх≥дн≥ зм≥нн≥ мають ф≥ксоване значенн¤.

5-й крок. –озрахунок нового значенн¤ NPV та його зм≥ни в процентах.

4-й ≥ 5-й кроки провод¤тьс¤ посл≥довно дл¤ вс≥х вх≥дних зм≥нних, внос¤тьс¤ до таблиц≥ й зображуютьс¤ граф≥чно, тобто, анал≥тик одержуЇ сер≥ю в≥дпов≥дей на питанн¤ Уа що, коли?Ф.

6-й крок. –озрахунок критичних значень зм≥нних проекту та визначенн¤ найб≥льш чутливих ≥з них..

7-й крок. јнал≥з одержаних результат≥в ≥ формуванн¤ чутливост≥ NPV до зм≥ни р≥зних вх≥дних параметр≥в.

 ритичне значенн¤ показника Ц це значенн¤, при ¤кому чиста тепер≥шн¤ варт≥сть дор≥внюЇ нулю (NPV = 0).

ѕриклад.

–озг¤лдаЇтьс¤ проект освоЇнн¤ технолог≥чноњ л≥н≥њ переробки молока та випуску сиру. ѕервинн≥ ≥нвестиц≥њ дор≥внюють 50 000 грн, пер≥од житт¤ проекту 5 рок≥в. ѕроект передбачаЇ випуск новоњ продукц≥њ обс¤гом 5 тис. кг за ц≥ною 10 грн. ¬итрати на оплату прац≥ на одницю продукц≥њ складають 4 грн, а на матер≥али 4 грн; варт≥сть кап≥талу 10%. «робимо анал≥з чутливост≥ проекту.

1	2	3	4

Ќазва: ќц≥нка ризик≥в
ƒата публ≥кац≥њ: 2005-03-03 (3900 прочитано)