АНАЛИЗ СИЛЬНЫХ И СЛАБЫХ СТОРОН ОЦЕНКИ РИСКОВ СОВРЕМЕННЫМИ МЕТОДАМИ

из "Совершенствование механизма количественной оценки рисков инвестиционных проектов "

Существенным преимуществом теории вероятностей, которая широко используется при применении количественных методов анализа риска, является многовековой исторический опыт использования вероятностей и логических схем на их основе. Однако, когда неопределенность относительно будущего состояния объекта исследования теряет черты статистической неопределенности, классическая вероятность как измеримая в ходе испытаний характеристика массовых процессов становится неактуальной. Этот факт, а также вывод о нерациональности проведения вероятностных расчетов на основе аналоговых данных, сделанный выше, говорят о необходимости использования субъективных неклассических вероятностей. Отметим, что для ЛПР или инвестора расчеты, основанные на умозаключениях экспертов, более прозрачны по сравнению с расчетами, основанными на статистических исследованиях. Кроме того, их можно корректировать в любой момент в течение жизненного цикла проекта. Это позволит обеспечивать участников проекта актуальной информацией для своевременного управления рисками проекта. [c.21]
Для достижения целей прогноза нужно иметь полную картину возможностей производства при существующем уровне требований, которые предъявляются к продукции. Располагая данными и опираясь на установившиеся тенденции в развитии, исследователи получают возможность определить направления технического совершенствования и развития науки. Процесс построения дерева решений принуждает исследователя заниматься деталями и процессами, которые он мог бы легко упустить, если бы ограничился абстрактными соображениями. Это в общем случае. В случае применения метода, например для крупных проектов топливно-энергетического комплекса (ТЭК) стоит вопрос о практически безграничном числе возможностей развития событий (это было рассмотрено выше), теряются и точность, и актуальность, и наглядность. [c.22]
Несмотря на отмеченные слабые стороны, различные приемы применения вероятностного подхода в принципе очень удобны и позволяют получать наглядные результаты, особенно в случае применения его в методе имитационного моделирования, позволяющего получить полный разброс возможных значений результатов проекта (ЧДД, ВНР, индекс доходности и т.д.) в сочетании с их вероятностью. Таким образом, можно сделать вывод, что применение вероятностных подходов необходимо, но следует искать такие пути их применения, которые бы позволили максимально уменьшить ошибки при определении вероятностей. [c.23]
Можно свести ошибки метода имитационного моделирования к следующему. [c.24]
Во-первых, интервал возможных значений параметра задается с вероятностью, равной 1, т.е. исключаются случаи непопадания случайной величины параметра в определенный интервал. [c.24]
Во-вторых, интервал изменения параметра, а также параметры закона его распределения определяются на основании оценок, которые могут не иметь ничего общего с реальной действительностью. [c.24]
В-третьих, метод статистических испытаний дает систематическую ошибку, возникающую вследствие подмены подлинных вероятностей относительными частотами, и для получения выводов с необходимой точностью иногда требуется огромное количество испытаний, находящееся на пределе возможностей вычислительной техники (чтобы получить в ответе еще один верный десятичный знак, нужно увеличить число имитаций в 100 раз). [c.24]
Что касается методов, оперирующих теорией нечетких множеств, то нечеткие числа, получаемые в результате не вполне точных измерений , во многом аналогичны распределениям теории вероятностей, но свободны от присущих последним недостатков, таких как малое количество пригодных к анализу функций распределения, необходимость их принудительной нормализации, соблюдение требований аддитивности, трудность обоснования адекватности математической абстракции для описания поведения фактических величин. В пределе, при возрастании точности, нечеткая логика приходит к стандартной, булевой. По сравнению с вероятностным нечеткий метод позволяет резко сократить объем производимых вычислений, что, в свою очередь, приводит к увеличению быстродействия нечетких систем. Недостатками нечетких систем являются отсутствие стандартной методики конструирования нечетких систем невозможность математического анализа нечетких систем существующими методами применение нечеткого подхода по сравнению с вероятностным не приводит к повышению точности вычислений. [c.25]
Что же касается приема корректировки нормы дисконта, то его достоинство состоит в простоте расчетов, а также в понятности и доступности. Вместе с тем метод имеет существенные недостатки. [c.26]
Метод корректировки нормы дисконта осуществляет приведение будущих потоков платежей к настоящему моменту времени (т.е. обыкновенное дисконтирование по более высокой норме), но не дает никакой информации о степени риска (возможных отклонениях результатов). При этом полученные результаты существенно зависят только от величины надбавки за риск. Он также предполагает увеличение риска во времени с постоянным коэффициентом, что вряд ли может считаться корректным, так как для многих проектов характерно наличие рисков в начальные периоды с постепенным снижением их к концу реализации. Таким образом, прибыльные проекты, не предполагающие со временем существенного увеличения риска, могут быть оценены неверно и отклонены. Данный метод не несет никакой информации о вероятностных распределениях будущих потоков платежей и не позволяет получить их оценку. Наконец, он существенно ограничивает возможности моделирования различных вариантов, которое сводится к анализу зависимости критериев ЧДД или других от изменений только одного показателя -нормы дисконта. [c.26]
Несмотря на отмеченные недостатки, метод корректировки нормы дисконта широко применяется на практике. В случаях, когда инвесторы не желают тратить дополнительные средства на исследование рисков либо не считают целесообразным такое исследование (что может быть актуально только для краткосрочных проектов с небольшими первоначальными инвестициями), разумно использовать метод корректировки дисконта с целью учета влияния всех возможных рисков в процентной надбавке. [c.26]
Из рассмотренных методов только два позволяют охватить весь спектр возможных отклонений по проекту - это метод имитационного моделирования и метод нечетких множеств. При этом ни один из них не обеспечивает должной точности расчетов, но метод имитационного моделирования более прозрачен и нагляден для пользователей информации по анализу рисков (участников проекта). Кроме того, он позволяет определить статистические показатели, что недоступно ни одним другим методом. А подход метода нечетких множеств обеспечивает легкость определения значений изменяемых параметров, так как они задаются нечетким множеством либо вырожденным множеством (т.е. интервалом). [c.27]
Выделяются также положительные стороны метода сценариев и дерева решений за счет аналитического (разумного, рационального) подхода к моделированию ситуаций. [c.27]
Отмеченные положительные стороны автор предлагает использовать в описанном ниже алгоритме, который также призван обеспечить избежание ошибок, вызванных уже выявленными недостатками данных методов. [c.27]
Группой экспертов составляется совокупность интервальных сценариев (назовем ее матрицей интервальных сценариев ) по входным параметрам с присвоением каждому из них соответствующей вероятности, где amn - интервал изменения входного параметра, P(amn) - вероятность попадания входного фактора в соответствующий интервал (табл. 1). [c.28]
На первый взгляд, структура такой совокупности интервальных сценариев кажется сложной. Однако попытка практического использования данного подхода при анализе рисков показала, что эксперты, как правило, склоняются к определению именно трех интервалов изменений входных параметров. Один из них - наиболее вероятный (средний) и два других- крайних (оптимистический и пессимистический) - менее вероятные. [c.28]
Помня об основной проблеме метода дерева решений - проблеме значимости ветвей при дроблении на мелкие сценарии, - автор считает нецелесообразным использование большего числа интервалов по каждому параметру. Более того, по многим входным параметрам (например, капитальные вложения) можно рассматривать только наиболее вероятный интервал и один из крайних интервалов. Это связано с тем, что во многих случаях вероятность, например уменьшения стоимости капитальных вложений, можно считать равной нулю (учитывая, что эти средства будут вложены в первые годы реализации проекта и в такой короткий срок, вероятно, не появится возможность применить оборудование, более дешевое или позволяющее интенсифицировать производство и снизить издержки). [c.28]
Интересно, что по сравнению с применяемым в методе анализа сценариев и дерева решений подходом, когда экспертам необходимо определять точечные вероятности сценария, в формировании которого участвует множество входных параметров одновременно, в определении вероятностей интервалов по каждому входному параметру, как и в значениях самих интервалов, особенной несогласованности мнений экспертов не наблюдалось. Кроме того, такой подход к определению границ и их вероятностей обеспечивает максимальную прозрачность и понятность в дальнейших расчетах. [c.29]

Вернуться к основной статье