Управление инновационными процессами

Исходя из изложенного, мы можем получить средний результат проекта, взвешивая каждый возможный исход от его вероятности и складывая эти суммы для каждого исхода.

Средний чистый доход от проекта на нашем графике составляет 400 млн.руб. Эта величина представляет собой среднее или центральное значение распределения вероятностей проекта и обычно называется математическим ожиданием (expected value) проекта.

Риск, связанный с проектом, обычно рассматривается в литературе по оценке и отбору проектов как возможное рассеяние результатов относительно этого значения. Данная мера риска обладает определенной привлекательностью для многих людей, поскольку измерение разброса или дисперсии распределения математического ожидания указывает на вероятное отклонение фактического результата от его "наиболее оптимистического" прогноза.

Смысл такого подхода к риску можно проиллюстрировать графиком (рис.3.2), на котором представлены распределения вероятностей результатов различных проектов.

Все три проекта имеют одинаковое математическое ожидание, равное 400 млн.руб. Проект С был показан на предыдущем графике. Анализируя график 3.2., многие будут рассматривать проект В как менее рискованный, чем проект С, поскольку крайние значения первого проекта расположены ближе к среднему значению и больше вероятность получения математического ожидания в 400 млн.руб. Исходя из таких же критериев, можно сказать, что проект А лучше проектов В и С.

Обычными измерениями разброса в экономической литературе являются дисперсия (V - variance) или среднеквадратическое отклонение ( - standard deviation) распределения вероятностей. Первым шагом в расчете дисперсии является вычисление разностей между каждым возможным исходом и ожидаемым значением распределения вероятностей. Эти отклонения затем возводятся в квадрат и взвешиваются по своим вероятностям. Последним шагом является сложение полученных величин для всех отклонений. Описанные расчеты можно представить в виде формулы:

где Oi - возможный результат;

Е - математическое ожидание распределения вероятностей

(expected value of probability distribution); pi - вероятность (likelihood) результата Oi.

Знак означает, что все возведенные в квадрат и взвешенные

по своим вероятностям квадратичные отклонения должны быть сложены. Среднеквадратическое отклонение распределения вероятностей определяется, как квадратный корень из дисперсии:

Следовательно, связанная с проектом неопределенность, обычно определяемая дисперсией или среднеквадратическим отклонением, зависит от нашей интерпретации вероятностей.

До самого последнего времени в статистике концепция вероятности основывалась на классической частотной интерпретации (frequency interpretation), с которой происходит данное событие. Основанные на частотах вероятности называют объективными, так как точно такие же результаты могут быть получены любым другим лицом, повторившим, например, классические эксперименты с бросанием монеты. Или лицо, принимающее решение, может основываться на информации предшествующих периодов, задавая тем самым объективные вероятности вариантов развития проектов. Например, зная, каким был спрос на определенный продукт в течение последних нескольких лет, можно предположить, каким он будет в следующем году.

Однако основанные на частотах вероятности имеют мало общего с инновационными решениями, которые обычно нельзя повторить много раз, когда нет прошлых данных для прогноза. Эта проблема заставила Савиджа (Savage. 1954) и других ученых попытаться найти такую концепцию вероятности, которая соответствовала бы этим решениям. Разработанная концепция была названа субъективной вероятностью. Субъективная вероятность представляет собой специфическое индивидуальное мнение относительно возможности совершения данного события.

Одно из главных отличий субъективной концепции вероятности от классической состоит в том, что у каждого индивидуума оценка субъективной вероятности различна. Это равносильно утверждению, что люди имеют различные мнения относительно перспектив данной инвестиции. Аналогично можно сказать, что индивидуальная субъективная вероятность данного события может изменяться с течением времени по мере того, как индивидуум получает все больше информации об этом событии. Например, в начале экспериментов по бросанию монеты субъективная вероятность значительно отличалась от частотной вероятности, однако в ходе эксперимента первая величина имела тенденцию к совпадению с последней.

Эдвардс считает, что необходимо рассматривать субъективные вероятности не как эквивалент объективных, а как систему весов, присваиваемых индивидуумом неопределенным результатам. Весьма часто субъективные вероятности определяют на основе суждений экспертов. Простейшим методом определения таких вероятностей является получение мнения эксперта о проекте в виде распределения вероятностей. При другом методе специалисту предлагается из предоставленного ему множества распределения вероятности выбрать из них те, которые в наибольшей степени соответствуют его мнению о проекте. Однако многие люди испытывают неудобства, когда сталкиваются с задачей выразить свое мнения в виде распределения вероятностей. Поэтому в настоящее время в практической деятельности концепцию субъективных вероятностей используют не очень часто.

Можно на практике применять несколько упрощенный метод определения степени риска.

Количественно риск инвестора характеризуется его оценкой вероятной величины максимального и минимального доходов. При этом чем больше диапазон между этими величинами при равной их вероятности, тем выше степень риска.

Тогда для расчета дисперсии, среднеквадратического отклонения и коэффициента вариации можно использовать следующие формулы:

Как показывает практика, чтобы иметь возможность уменьшить риск, предприятия внедряют за один период несколько инновационных проектов, имеют портфель инновационных проектов. Ожидаемый доход каждого проекта может быть и не достигнут, однако разнонаправленные отклонения в развитии различных проектов приведут к тому, что сумма ожидаемого дохода по совокупности проектов будет почти достигнута. Если у предприятия инновационных проектов много и они рассредоточены по разным отраслям, то риск минимизируется и вероятность успеха инновационного предпринимательства возрастает. При этом прибыль от реализации успешных проектов может быть настолько большой, что перекрывает затраты по всем неудавшимся разработкам. Однако на практике диверсификация может не только уменьшать, но и увеличивать риск инновационной деятельности. Это возможно в случае, если предприниматель занимается проектом, в котором его знания и способности ограничены.

Диверсификация портфеля может частично устранить несистематические (специальные) риски, присущие конкретному проекту, такие как коммерческий риск, связанный с возможными колебаниями доходов от проекта в зависимости от ситуации на самом предприятии, выполнением своих обязательств поставщиками и поведением покупателей, финансовый риск проекта, обусловленный финансовым положением и политикой предприятия, технические риски, зависящие от уровня техники, технологии и т.п. Систематический риск, характерный для проектов, который определяется состоянием рынка в целом и возможными изменениями общеэкономического характера, практически не устраним путем диверсификации портфеля.

Привлекательность портфеля определяется тремя основными переменными:

* ожидаемым доходом;

индивидуальным риском, измеренным среднеквадратическим отклонением (или дисперсией) доходов;

корреляцией данных доходов с доходами от других проектовили их портфелем.

При оценке риска инновационного портфеля можно использовать отдельные концепции теории инвестиционного портфеля.

Теория портфеля (portfolio theory) помогает в выборе лучшего из альтернативных проектов по характеристикам "риск - доход", отражаемых в ожидаемом групповом (портфельном) доходе и его отклонениях. Теория вводит понятие эффективного портфеля, именуемого "Е -V эффективностью", где Е обозначает ожидаемый доход, а V - риск (измеряемый отклонениями) и концепцию доминирования (dominance). Эффективный или доминирующий портфель (efficient or dominant portfolio) - это такой портфель, который обеспечивает максимальный доход для данного уровня риска или минимальный риск для данного уровня дохода. Диверсификация теории портфеля и анализ среднего отклонения предусматривает измерение ковариации (зависимость среднего значения некой величины от нескольких факторов) проектов. До тех пор, пока проект, добавленный к портфелю, приносит доход, не коррелирующий строго с общим портфельным доходом, диверсификация дает выгоды. Возможно если число проектов в портфеле более 10, то выгоды от диверсификации путем добавления новых ограничены.

Теория портфеля предполагает, что финансовые менеджеры должны оценивать проекты на основе того, как они изменяют соотношение "риск - доход" в портфеле активов предприятия.

При оценке риска инновационного портфеля оправдано использование отдельных допущений. Например, неопределенность, связанная с любым портфелем, состоящим из двух проектов А и В, может быть измерена простым средневзвешенным значением их отдельных среднеквадратических отклонений или дисперсией (соответственно), если оба дохода этих проектов не зависят друг от друга и на них влияют различные факторы. Портфели, состоящие из проектов, на которые оказывают влияние одни и те же факторы, являются более рискованными, чем те комбинации проектов, в которых на отдельные проекты оказывают влияние различные факторы. В противном случае доходы ниже ожидаемого значения по одному проекту могут быть связаны с более высокими доходами по другим. Влияние этого явления зависит от следующих факторов:

относительной долей каждого проекта в портфеле;

величины их относительных дисперсий или среднеквадратических отклонений;

плотности связи между их доходами. Коэффициент корреляцииявляется обычным статистическим показателем, используемым при измерении степени связи между доходами или другими переменными.

При анализе риска инновационного портфеля мы будем исходить из того, что если доходы проектов портфеля связаны между собой, то инвесторы могут предсказать корреляцию между доходами по каждой паре проектов. Однако, как показывает практика, большинство людей не способны давать такие оценки, поэтому существуют весьма сложные математические методы, способные исправить эту ситуацию. Вместе с тем данный математический аппарат трудно реализуется на практике.

Обеспечение процесса оценки риска как отдельного проекта, так и инновационного портфеля информацией является весьма сложной проблемой, так как связана с обработкой больших объемов информационных массивов.