Оценка инвестиций в условиях неопределенности

Особенности оценки эффективности инвестиций в условиях неопределенности и риска

Методы оценки инвестиционных рисков

Существует две основные группы для расчета инвестиционных рисков:

Количественные методы оценки могут применяться, если имеется представительная статистическая информация, по которой можно оценивать инвестиционную деятельность.

Качественные методы оценки риска применяются в том случае, если нет достоверной информации и необходимо использовать вероятностную оценку наступления риска, которую дают эксперты, финансовые консультанты и другие специалисты.

1. Статистический метод.

Расчет среднеквадратического отклонения.

Смысл метода заключается в оценке степени отклонения потока денежных средств для данного инвестиционного проекта от ожидаемого. Чем больше отклонение, тем более рискованным считается проект.

Математически это отклонение (разброс, дисперсия) оценивается среднеквадратическим отклонением.

1) расчет среднего ожидаемого значения показателя:

где Хi– абсолютное значение данного результата;

ni– вероятность получения данного результата; количество случаев получения данного результата.

2) расчет показателя вариации (разброса):

3) расчет среднеквадратического отклонения (стандартной девиации):

Расчет коэффициента вариации.

Недостатком среднего квадратического отклонения является его абсолютная величина, что делает неудобным сравнение инвестиций с различными значениями ожидаемого результата.

Коэффициент вариации позволяет определить уровень риска, если средние ожидаемые значения показателей различаются между собой.

Коэффициент вариации(v) – относительный показатель риска, который представляет собой риск на единицу ожидаемого результата:

Расчет фактора β.

Факторβ рассчитывается как отношение доходности одной компании к среднерыночной доходности всех анализируемых компаний.

2. Метод определения коэффициента риска.

Коэффициент риска равен отношению максимально возможного убытка к объёму собственных финансовых ресурсов.

3. Метод анализа чувствительности инвестиционных проектов.

Реализация инвестиционного проекта, часто, происходит в ситуации, отличной от той, которая планировалась, поэтому, разрабатывая инвестиционный проект, необходимо задаваться вопросом: «А что произойдет, если…?». Получение ответа на данный вопрос лежит в основе так называемого анализа чувствительности.

Цель анализа чувствительностисостоит в оценке того, насколько сильно изменится эффективность проекта при определенном изменении одного из исходных параметров проекта.Чем сильнее эта зависимость, тем выше риск реализации проекта.

Целью анализа чувствительности является определение степени влияния различных факторов на финансовый результат проекта. В качестве интегральных показателей, характеризующих финансовый результат проекта, используются обычно следующие показатели: чистый дисконтированный доход; индекс доходности; срок окупаемости проекта; внутренняя норма доходности.

Чувствительность инвестиционного проекта определяется с помощью коэффициента эластичности:

где Э – коэффициент эластичности;

∆Y– величина изменения критериального показателя;

∆х – величина изменения переменного фактора.

4. Метод анализа, основанный на нахождении точки безубыточности.

Степень устойчивости проекта по отношению к возможным изменениям условий реализации может быть охарактеризована показателями предельного уровня, например, объемов производства, цены реализации, издержек производства и т. п.

Точка безубыточности – объем продаж, при котором выручка от реализации продукции совпадает с издержками производства, т. е. она соответствует минимальному объему производствапродукции, при котором обеспечивается «нулевая» прибыль.

где ИОпост – издержки обращения постоянные;

Умд – уровень маржинального дохода.

Маржинальный доход – превышение выручки с продаж над совокупными издержками, относящимися к определенному уровню продаж.

где Иперем – издержки обращения переменные.

Точку безубыточности можно рассчитать и по следующей формуле:

где ОП – объем продаж.

Устойчивость инвестиционного проекта определяется соотношением точки безубыточности и фактического объема производства (продаж):

46.8.209.61 © studopedia.ru Не является автором материалов, которые размещены. Но предоставляет возможность бесплатного использования. Есть нарушение авторского права? Напишите нам | Обратная связь.

Отключите adBlock!
и обновите страницу (F5)
очень нужно

Оценка эффективности инвестиционных проектов в условиях неопределенности Текст научной статьи по специальности «Экономика и экономические науки»

Аннотация научной статьи по экономике и экономическим наукам, автор научной работы — Кадыров Т. А.

Существующие методики анализа эффективности инвестиционных проектов исторически основываются на субъективных предпосылках самого инвестора, что может привести к искажению конечного результата. Данная работа нацелена на обоснование возможности использования альтернативных методов инвестиционного моделирования, связанных с развитием квантовой механики и теорий изучения хаотических систем

Похожие темы научных работ по экономике и экономическим наукам , автор научной работы — Кадыров Т. А.,

Investment projects in the context of indeterminacy: evaluation of efficacy (Russia, Moscow)

Historically, existing practices of analysis related to investment projects are based on subjective prerequisites of investors themselves, which may distort final results. The article argues for the alternative methods of investment modeling, based on quantum mechanics and theories of chaotic systems

Текст научной работы на тему «Оценка эффективности инвестиционных проектов в условиях неопределенности»

речат друг другу, либо не соответствуют современным условиям хозяйствования [7, с. 129].

Значение инновационной деятельности для экономики страны так же существенно, как и условия, создаваемые государством для развития инноваций. Сформулируем значение инновационной деятельности в нескольких основных моментах:

— под влиянием инновационной деятельности меняется структура экономики страны, а именно за счет роста эффективности использования ресурсов часть их высвобождается и перераспределяется в другие сферы деятельности. Например, доля занятых в торговле сокращается, а в промышленном секторе — возрастает. Кроме того, инновации выступают непосредственной причиной возникновения новых производств, отраслей и постепенного отмирания уже существующих;

— инновационная деятельность изменяет экономическую организацию общества, а именно появляются новые общественные институты и хозяйственные организации, и трансформируется содержание взаимосвязей между ними. Происходят сдвиги в струк-

туре собственности. Совершенствуются технологии управления: вертикальные воздействия во все большей мере дополняются и заменяются горизонтальными. Претерпевает изменения и содержание государственного регулирования экономики.

По экспертным оценкам, вклад инновационной деятельности в развитие современной экономики может составлять до 60-70% (в зависимости от конкретных условий конкретного государства). Именно поэтому современную экономику иногда называют наукоемкой [2, с. 14].

При этом экономический рост в условиях наукоёмкой экономики — это динамика физических объемов производства и потребления товаров и услуг. Качественный экономический рост нужно понимать как разницу в развитии между одним государством и всеми остальными [11, с. 84-85]. Он обеспечивается за счет инноваций, которые, тем и примечательны, что дают пользователю добавочную экономическую прибыль. Эта добавочная прибыль и определяет разницу в развитии между государствами, ведь любое экономическое развитие упирается в финансовые ресурсы.

1. Багратян Г.А., Кравченко И.С. Инновации и экономический рост: проблемы измерения // Инновации. — 2009. — № 8.

2. Ильенкова С.Д. Инновационный менеджмент. — 2-е изд., перераб. и доп. — М.: ЮНИТИ-ДАНА, 2009.

3. Ильенкова С.Д. Руководство по изучению дисциплины «Инновационный менеджмент». 3-е изд. — М.: Клувер, 2009.

4. Инновационный менеджмент: Учеб.-справ. пособие / Сост. Н.А. Жернова, Н.Н. Голофастова. — Кемерово, КГТУ, 2001.

5. Инновационный менеджмент: справочное пособие. — М.: Вектор, 2008.

6. Кокурин Д.И. Инновационная деятельность. — М.: Финансы, 2011.

7. Макконелл К.Р., Брю С.Л. Экономикс: Принципы, проблемы и политика. — М.: Инфра-М, 2007.

8. Медынский В.Г., Скамай Л.Г. Инновационное предпринимательство. — М.: Спутник, 2010.

9. Менеджмент XXI века / Пер. с англ. С. Чодхаури. — М.: Инфра-М., 2009.

10. Мескон М.Х., Альберт М., Хедоури Ф. Основы менеджмента. — М.: Дело, 1998.

11. Овчинников С.Г. Инновационное ускорение как фактор экономического развития // Инновации. — 2009. — № 3.

12. Статистика науки и инноваций: краткий терминологический словарь / Под ред. Л.М. Гохберга. — М.: Вектор, 2006.

13. Шумпетер Й. Теория экономического развития (исследование предпринимательской прибыли, капиталов, кредита, процента и цикла конъюнктуры). — М.: Директ-Медиа, 2007.

ОЦЕНКА ЭФФЕКТИВНОСТИ ИНВЕСТИЦИОННЫХ ПРОЕКТОВ В УСЛОВИЯХ НЕОПРЕДЕЛЕННОСТИ

аспирант кафедры политической экономии экономического факультета Московского государственного университета им. М.В. Ломоносова

Существующие методики анализа эффективности инвестиционных проектов исторически основываются на субъективных предпосылках самого инвестора, что может привести к искажению конечного результата. Данная работа нацелена на обоснование возможности использования альтернативных методов инвестиционного моделирования, связанных с развитием квантовой механики и теорий изучения хаотических систем.

Ключевые слова: инвестиции, инвестиционная оценка, неупорядоченные системы, броуновское движение

УДК 330.45 ББК 65.05

Существующие модели анализа объективных и субъективных предпосылок инвестиционной деятельности обладают низким уровнем описательности и достаточно большим количеством допущений. Все это является следствием огромного количества неопределенностей и взаимосвязей, которые при совмещении дают огромное количество возможных вариантов развития системы. При увеличении неопределенности количество вариантов растет экспоненциально, что приводит к технической невозможности расчета.

С подобной проблемой уже сталкивались ученые физики, когда было выяснено, что существовавшие методы не позволяют с высокой степенью достоверности описывать квантовый мир. Решение данной проблемы стало возможным, когда был совершен переход от описания траекторий движения показателей к описанию вероятностей, что позволило описывать те процессы, которые до этого казались хаотичными

Прогнозирование рисков и снижение уровня неопределенности являются краеугольными камнями инвестиционного прогнозирования. Построение проекта основываются на неких значениях показателей, которые разработчиком считаются наиболее вероятными. В данной сфере действует презумпция точности — проектные показатели считаются точными и обоснованными, пока надлежащим образом не установлено, что это не так1. Однако с определенной долей вероятности показатели могут меняться, что в конечном счете повлияет на конечные показатели эффективности.

Основная проблема существующих методик расчета эффекта проекта состоит в том, что при увеличении числа вероятностных переменных количество вероятных эффектов растет экспоненциально. Попытки просчитать все возможные варианты приводят к тому же эффекту, как попытки просчитать броуновское движение. При увеличении количества переменных вполне логичное

изменение превращается в хаотическое в силу невозможности (недостаточности технических средств) расчета всех возможных взаимодействий.

При анализе методов построения инвестиционной модели, ее допущения, недостатки и риски можно провести аналогии с теми проблемами, с которыми столкнулись физики в период зарождения квантовой механики. При попытке описать микромир с точки зрения существовавших законов, ученые вставали перед тремя неразрешимыми проблемами.

Во-первых, была выявлена невозможность описания изменения какого-либо показателя с точки зрения траектории. При введении в описание модели понятия вероятности, любая траектория изменения также приобретает свойство вероятности. Данный феномен можно проиллюстрировать примером «случайного блуждания» — идеализированной моделью броуновского движения. В этой модели частица через равные промежутки времени совершает движение. С вероятностью 50% это будет движение вправо (+1), с аналогичной вероятностью — влево (-1). Это приводит к крайней нерегулярности траектории движения частицы. Одна из траекторий движения данной частицы будет выглядеть как (0-1-0-1-2-3-2-1-0. ). При известных законах можно вычислить вероятность траектории движения частицы, но подобная вероятность будет составлять 1/2п для п-ого шага.

Во-вторых, изучаемая система была необратима во времени. В случае квантового мира каждое событие имеет некую вероятность наступления. В системе одного события (Ап) и отклика (А’п) на него можно получить два возможных отклика — если событие произошло и если событие не произошло. В рамках одной системы при увеличении количества событий п, количество возможных откликов составляет пп. Данная концепция сродни броуновскому движению в физике — существует огромное количество частиц, постоянно сталкивающихся друг с другом. Что приводит к невозможности точного описания системы на шаге N+1 и на шаге N-1.

В-третьих, изучаемая система была крайне чувствительна к начальным условиям, малейшая погрешность в изначальных данных приводила к искажению конечного результата. Наиболее наглядно данный феномен был продемонстрирован т.н. сдвигом Бернулли. Сущность данного сдвига заключается в следующем: число х удваивается через регулярные промежутки времени, в случае необходимости отбрасывая целую часть произведения 2х. Так, число х будет всегда оставаться в промежутке между 0 и 1.

На графике можно увидеть траектории движения при х=0,14 и х=0,13:

1 2 3 4 5 б 7 8 9 10 11 12 13 14 15 16 17 18

Рис 1. Траектории сдвига Бернулли при х=0,14 и х=0,13

Данные три проблемы приводят к невозможности описания системы с точки зрения траекторий. Решение данной проблемы стало возможным, когда был совершен переход от описания траекторий движения показателей к описанию вероятностей, а в дальнейшем и к ансамблям вероятностей, что позволило описывать те процессы, которые до этого казались хаотичными.

Теоретически данный подход возможен и при анализе инвестиционных проектов, и обладает наибольшей потенциальной эффективностью при оценке неустойчивости проекта и учете рисков, однако он связан со значительным увеличением объема расчетной работы и требует информации о взаимосвязях основн ых параметров проекта и степени их неопределенности.

Традиционная схема построения сценария и анализа устойчивости проекта состоит из нескольких этапов2. На первом этапе необходимо выделить ключевые параметры, изменение которых не зависит от остальных. На втором этапе устанавливаются уме-

ренно пессимистические значения этих показателей. Существует ряд рекомендаций, по определению данных показателей для расчета эффективности проекта. При определении значения параметра выделяется его значение и вероятность получения данного значения.

Даже при известных законах, конечное значение, также как и траектория движения показателя в большой степени зависит от точности начальной позиции (сдвиг Бернулли). Для оценки инвестиционных проектов данная проблема также имеет немаловажное значение. При малейшем изменении значащих параметров (ставки дисконтирования, процента кредитования и т.п.) конечный эффект проекта может поменяться значительно, что в условиях неопределенности может привести к искажению информации, получаемой инвестором при принятии решения. Помимо этого, появляется поле для спекуляций — возможно незаметное изменение параметров, что приведет к получению положительного эффекта заведомо убыточного проекта.

Ансамбли вероятностей позволяют оперировать не конкретными значениями, но всеми возможными значениями параметра. В квантовой механике было введено понятие оператора3, нахождение конкретных значений которого является задачей на нахождение собственных значений.

Исходя из более точного прогнозирования проекта возможен более точный расчет границ безубыточности и эффективности. Те проекты, которые при определенном значении параметров являются убыточными, при других не менее возможных значениях имеют нулевую или положительную доходность. Таким образом, от точности расчета зависит решение инвестора об участии или отказе от участия в проекте.

Для инвестиционной оценки достаточно важны так называемые интервальные и интервально-вероятностные неопределенности. Первый вид неопределенностей заключаются в том, что известны возможные изменения каких-либо параметров, но не известны вероятности наступления того или иного события. Подобные неопределенности могут составлять один или несколько непересекаю-щихся интервалов (в общем случае, количество сценариев может стремиться к бесконечности).

Практические пособия советуют4 считать возможные исходы равновероятностными и в расчетах использовать математическое ожидание эффекта при том или ином исходе. В других, присутствуют рекомендации использовать субъективные вероятности5. Данные вероятности зависят от того, как сам инвестор оценивает вероятность наступления оптимистического, либо пессимистического сценария.

Интервально-вероятностная неопределенность заключаются в том, что существует риск наступления какого-либо события, известен его эффект, но неизвестна вероятность наступления данного события, известен лишь вероятностный интервал, в пределах которого может произойти наступление данного события. Для оценки ожидаемого эффекта используется формула, позволяющая совместить субъективную оценку инвестора с вероятностью наступления того или иного события6.

Если рассматривать данные проблемы с точки зрения теории неупорядоченных систем, то можно найти возможные пути решения без использования субъективной оценки инвестора. Интервальные и интервально-вероятностные неопределенности можно представить в виде случайных блужданий в определенных интервалах. Имеются закономерности, которые приводят к тому или иному исходу, однако неизвестны вероятности.

Представление интервальных и интервально-вероятностных неопределенностей позволит представить все множество вероятностей в виде детерминистического хаоса. Представление какого-либо исхода вне отрыва от общей системы позволит оценить ожидаемый эффект. Либо же можно воспользоваться уравнением Шредингера и представить интервальную неопределенность как суперпозицию всех возможных исходов до тех пор, пока не будет выяснен конкретный исход. Подобный эксперимент был поставлен Шредингером, когда он доказал, что до момента наблюдения частица находится в двух диаметрально противоположных состояниях одновременно7.

Помимо этого необратимость во времени ярко выражена в субъективном опыте самого инвестора. Функция, описывающая поведение предпринимателя не может быть обратима во времени, поскольку нельзя утверждать, что индивид не адаптируется к окружающей его реальности. Все знания индивида можно разделить на то, что предшествовало опыту, и то, что он приобрел благодаря опыту. Это приводит к тому, что невозможно, зная текущий выбор,

текущую мотивацию и текущую информацию, которой обладает индивид, спрогнозировать его действия в будущем или восстановить его решения в прошлом.

Вероятностная природа поведения, а также необратимость принимаемых решений во времени приводят к невозможности описания поведения индивида в виде траекторий. Подобная проблема была решена через переход от описания траектории к описанию через «операторы», конкретные значения которых находятся через решение задачи на собственные значения. Подобное реше-

ние может помочь и в объяснении и прогнозировании поведения инвестора в условиях неопределенности.

Таким образом, можно провести аналогию между квантовой механикой периода зарождения и экономическим анализом, в частности инвестиционным анализом. Исходя из этой предпосылки, можно предположить возможность адаптации методов и инструментов квантовой физики к изучению взаимодействия в мире экономическом, что может привести к большей правдоподобности прогнозирования событий.

1. Виленский П.Л., Лившиц В.Н., Смоляк С.А. Оценка эффективности инвестиционных проектов. Теория и практика: Учеб. пособие. — М.: Дело, 2002. — 888 с.

2. Дамодаран А. Инвестиционная оценка. Инструменты и методы оценки любых активов. — М.: Альпина Паблишер, 2010. — 1344 с.

3. Козырев Н.А., Насонов В.В. Об исследованиях физических свойств времени http://www.univer.omsk.su/omsk/Sci/Kozyrev/time-k.htm

4. Николис Г., Пригожин И. Познание сложного. Введение. — М.: Едиториал УРСС, 2003. — 344 с.

5. Патрушев В.Д. Время как экономическая категория. — М.: Мысль, 1966.

6. Пригожин И., Стенгерс И. Время, хаос, квант. К решению парадокса времени. — М.: Едиториал УРСС, 2003. — 240 с.

7. Хасанов И.А. Время: природа, равномерность, измерение. — М.: Прогресс-Традиция, 2001. — 304 с.

1 Виленский П.Л., Лившиц В.Н., Смоляк С.А. Оценка эффективности инвестиционных проектов. Теория и практика: Учеб. пособие. — М.: Дело, 2002. — С. 481.

2 Виленский П.Л., Лившиц В.Н., Смоляк С.А. Оценка эффективности инвестиционных проектов. Теория и практика: Учеб. пособие. — М.: Дело, 2002. — С. 502.

3 Николис Г., Пригожин И. Познание сложного. Введение. — М.: Едиториал УРСС, 2003. — С. 245.

4 Дамодаран А. Инвестиционная оценка. Инструменты и методы оценки любых активов. — М.: Альпина Паблишер, 2010. — 1344 с.

5 Виленский П.Л., Лившиц В.Н., Смоляк С.А. Оценка эффективности инвестиционных проектов. Теория и практика: Учеб. пособие. — М.: Дело, 2002. — С. 490.

6 Виленский П.Л., Лившиц В.Н., Смоляк С.А. Оценка эффективности инвестиционных проектов. Теория и практика: Учеб. пособие. — М.: Дело, 2002. — С. 618-621.

7 Пригожин И., Стенгерс И. Время, хаос, квант. К решению парадокса времени. — М.: Едиториал УРСС, 2003. — С. 100.

ПРОБЛЕМЫ ЗАКОНОДАТЕЛЬНОГО РЕГУЛИРОВАНИИ ОБОРОТА АЛКОГОЛЬНОЙ ПРОДУКЦИИ В СУБЪЕКТАХ РОССИЙСКОЙ ФЕДЕРАЦИИ

аспирант Уфимского института (филиала) Российского государственного торгово-экономического университета

заведующий кафедрой торгового дела Омского института (филиала) Российского государственного торгово-экономического университета,

кандидат технических наук xod-55@yandex.ru

В статье рассматриваются вопросы рынка алкогольной продукции в РФ: динамика производства, оборот этилового спирта, розничная продажа и т.п. Приведены нормативные документы, регулирующие производство и оборот этилового спирта, алкогольной и спиртосодержащей продукции в РФ.

Ключевые слова: алкогольные напитки, этиловый спирт, товарооборот алкогольной продукции, рынок алкогольной продукции, спиртосодержащая продукция

УДК 663.5 ББК 30.609

Рынок алкогольной продукции в России практически всегда играл существенную роль в экономике. Несмотря на то, что за последние 25 лет доля алкоголя в товарообороте страны сократилась, алкогольный рынок по-прежнему занимает лидирующие позиции среди других рынков продовольственных товаров, как по темпам развития, так и по доле отчислений в бюджет. Однако, если раньше удельный вес алкогольной отрасли в доходах федерального бюджета составлял 10-11%, то сейчас он не превышает 2%, а в сумме акцизных сборов — 10-12%.

В царской России доход бюджета на 30% состоял из отчислений от производства спирта, в советское время — на 20%. Сегодня доходы от акцизных сборов составляют 0,5% [1].

По данным Росстата, в январе 2012 г. сократилось производство практически всех видов алкогольных напитков. Столовых вин было произведено меньше по сравнению с январем прошлого года

на 28,8%. Светлого пива выпустили меньше на 17,5%, коньяка — на 10,5%, водки — на 7,8% [2]. В среднем за последние годы производство практически всех основных видов алкоголя снизилось в среднем на 10%. Одна из причин снижения производства — ужесточение регулирования в отрасли, из-за чего с рынка ушли некоторые предприятия. Так, например, выполнить требование об увеличении минимального размера уставного капитала для производителей спиртосодержащей продукции до 10 млн рублей (водки — до 50 млн рублей) смогли далеко не все производители продукции [3]. В 2011 г. рынок покинули ряд мелких игроков, а из-за проблем с получением лицензий, по данным Росалкогольрегулирования, процедуру перелицензирования решили не проходить около 50% алкогольных дистрибуторов (из 1700 компаний) и около 35% (из 440 компаний) производителей.

3.5. Оценка инвестиционных проектов в условиях неопределенности

В условиях определенности рыночную стоимость инвестиций можно установить с помощью текущей стоимости будущих денежных потоков при ставке дисконтирования, равной проценту по безрисковым вложениям.

Например, можно составить прогноз ожидаемых денежных потоков на каждый период и дисконтировать их по соответствующей ставке с поправкой на риск, определяя тем самым стоимость активов.
Третья группа методов разработана для того, чтобы обеспечить более глубокое понимание характеристик инвестиций, особенно связанного с ними риска. Это может принести пользу, даже если метод и не дает точного прогноза рыночной стоимости инвестиций. Анализ окупаемости, анализ чувствительности, стратегическое планирование могут послужить примерами таких методов.
Хотя эти три подхода могут вступить в противоречие, их можно использовать и так, чтобы они дополняли друг друга. В условиях неопределенности любое инвестиционное решение в значительной мере основано на субъективных суждениях (на здравом смысле).
Чтобы принимать правильные решения, необходимо:
– понимать, каким образом альтернативные сценарии денежных потоков, возможные в результате инвестирования, повлияют на рыночную стоимость проекта;
– осознавать риск конкретного рассматриваемого инвестиционного проекта (этому поможет применение третьего подхода);
– на основании своих заключений по первым двум пунктам оценить стоимость инвестиций (используя один из методов второй группы) так, чтобы данный проект можно было сравнивать с другими альтернативами.
Существует множество подходов к решению непростой проблемы анализа инвестиционных проектов в условиях риска и неопределенности.
Рассмотрим наиболее известные из них.

Источники: http://studopedia.ru/3_27201_osobennosti-otsenki-effektivnosti-investitsiy-v-usloviyah-neopredelennosti-i-riska.html, http://cyberleninka.ru/article/n/otsenka-effektivnosti-investitsionnyh-proektov-v-usloviyah-neopredelennosti, http://pravo.studio/finansovyiy-menedjment/otsenka-investitsionnyih-proektov-usloviyah-43004.html

Источник: invest-4you.ru