Количественный подход к анализу инвестиционных рисков

21

ФЕДЕРАЛЬНОЕ ОБРАЗОВАТЕЛЬНОЕ УЧРЕЖДЕНИЕ ВЫСШЕГО ПРОФЕССИОНАЛЬНОГО ОБРАЗОВАНИЯ КАЛИНИНГРАДСКИЙ ГОСУДАРСТВЕННЫЙ ТЕХНИЧЕСКИЙ УНИВЕРСИТЕТ

Кафедра «Экономики и предпринимательства»

КОНТРОЛЬНАЯ РАБОТА

на тему: Количественный подход в анализу инвестиционных рисков

по дисциплине: Инвестиции

Работу выполнила студент

Учебной группы 06-ВИМ-3

Николаева А.Н.

шифр: 099

Калининград

2008 г.

СОДЕРЖАНИЕ

Введение

Глава 1. Понятие и виды рисков

1.1 Понятие риска

1.2 Виды рисков

Глава 2. Анализ инвестиционных рисков. Количественный метод

2.1 Анализ и оценка рисков

2.2 Количественный анализ инвестиционных рисков

Заключение

Список используемых источников

ВВЕДЕНИЕ

Целью написания данной контрольной работы является изучение количественного подхода к анализу инвестиционных рисков.

Актуальность работы:

Процесс инвестирования играет важную роль в экономике любой страны.

Инвестирование в значительной степени определяет экономический рост государства, занятость населения и составляет существенный элемент базы, на которой основывается экономическое развитие общества. Поэтому проблема, связанная с эффективным осуществлением инвестирования, заслуживает серьезного внимания.

Значение экономического анализа для планирования и осуществления инвестиционной деятельности трудно переоценить. При этом особую важность имеет предварительный анализ, который проводится на стадии разработки инвестиционных проектов и способствует принятию разумных и обоснованных управленческих решений.

В инвестиционной деятельности существенное значение имеет фактор риска.

Инвестирование всегда связано с иммобилизацией финансовых ресурсов предприятия и обычно осуществляется в условиях неопределенности, степень которой может значительно варьировать.

В условиях рыночной экономики возможностей для инвестирования довольно много. Вместе с тем объем финансовых ресурсов, доступных для инвестирования, у любого предприятия ограничен. Поэтому особую актуальность приобретает задача оптимизации бюджета капиталовложений.

В связи с вышеизложенной целью данной работы, поставлены следующие задачи:

- рассмотреть понятие рисков и их виды;

- изучить методы анализа инвестиционных рисков.

Глава 1. Понятие и виды рисков

1.1 Понятие риска

В общем случае под риском понимают возможность наступления некоторого неблагоприятного события, влекущего за собой различного рода потери (например, получение физической травмы, потеря имущества, получение доходов ниже ожидаемого уровня и т.д.).

Предпринимательская деятельность содержит определенную долю риска, которую должен взять на себя предприниматель, определив характер и масштабы этого риска. Закон РФ "О предприятиях и предпринимательской деятельности" определяет предпринимательство как "инициативную, самостоятельную деятельность граждан и их объединений, осуществляемую на свой страх и риск, под свою имущественную ответственность и, направленную на получение прибыли". Таким образом, законодательно установлено, что осуществление предпринимательской деятельности в любом виде связано с риском.

В предпринимательской деятельности под "риском" принято понимать вероятность (угрозу) потери предприятием части своих ресурсов, недополучения доходов или появления дополнительных расходов в результате осуществления определенной производственной и финансовой деятельности.

Или риск - это деятельность, связанная с преодолением неопределенности в ситуации неизбежного выбора, в процессе которой имеется возможность количественно и качественно оценить вероятность достижения предполагаемого результата, неудачи и отклонения от цели.

В явлении "риск" можно выделить следующие элементы, взаимосвязь которых и составляет его сущность:

- возможность отклонения от предполагаемой цели, ради которой осуществлялась выбранная альтернатива;

- вероятность достижения желаемого результата;

- отсутствие уверенности в достижении поставленной цели;

- возможность материальных, нравственных и др. потерь, связанных с осуществлением выбранной в условиях неопределенности альтернативы.

1.2 Виды рисков

1. По объектам приложения инвестиционной деятельности:

- риск финансового инвестирования. Этот риск связан с непродуманным подбором финансовых инструментов для инвестирования; финансовыми затруднениями или банкротством отдельных эмитентов; непредвиденными изменениями условий инвестирования, прямым обманом инвесторов и т.п.

- риск реального инвестирования. Этот риск связан с неудачным выбором месторасположения строящегося объекта; перебоями в поставке строительных материалов и оборудования; существенным ростом цен на инвестиционные товары; выбором неквалифицированного или недобросовестного подрядчика и другими факторами, задерживающими ввод в эксплуатацию объекта инвестирования или снижающими доход (прибыль) в процессе его эксплуатации.

2. По формам собственности:

- риск государственного инвестирования;

- риск частного инвестирования;

- риск иностранного инвестирования;

- риск совместного инвестировании.

3. По характеру участия в инвестировании:

- риск прямого инвестирования;

- риск непрямого инвестирования.

4. По организационным формам:

- риск инвестиционных программ;

- риск инвестиционного проекта;

- риск инвестиционного портфеля.

5. По периоду инвестирования:

- риск краткосрочного инвестирования;

- риск долгосрочного инвестирования.

6. По региональному признаку:

- риски инвестирования внутри государства;

- риски инвестирования за рубежом.

7. По масштабам.

8. По видам потерь.

9. По степени возможности прогнозирования.

10. По источнику возникновения

- Систематический (или рыночный);

- Несистематический (или специфический).

Глава 2. Анализ инвестиционных рисков. Количественный метод

2.1 Анализ и оценка рисков

Анализ рисков - процедуры выявления факторов рисков и оценки их значимости, по сути, анализ вероятности того, что произойдут определенные нежелательные события и отрицательно повлияют на достижение целей проекта. Анализ рисков включает оценку рисков и методы снижения рисков или уменьшения связанных с ним неблагоприятных последствий.

Оценка рисков - это определение количественным или качественным способом величины (степени) рисков.

Американский эксперт Б. Берлимер предложил при анализе использовать некоторые допущения:

- Потери от риска независимы друг от друга.

- Потеря по одному направлению деятельности не обязательно увеличивает вероятность потери по другому (за исключением форс-мажорных обстоятельств).

- Максимально возможный ущерб не должен превышать финансовых возможностей участника.

Анализ рисков можно подразделить на два взаимно дополняющих друг друга вида: качественный и количественный. Качественный анализ имеет целью определить (идентифицировать) факторы, области и виды рисков. Количественный анализ рисков должен дать возможность численно определить размеры отдельных рисков и риска предприятия в целом.

Итоговые результаты качественного анализа риска, в свою очередь, служат исходной информацией для проведения количественного анализа.

Однако осуществление количественной оценки встречает и наибольшие трудности, связанные с тем, что для количественной оценки рисков нужна соответствующая исходная информация.

2.2 Количественный анализ инвестиционных рисков

Количественный анализ рисков инвестиционного проекта предполагает численное определение величин отдельных рисков и риска проекта в целом. Количественный анализ базируется на теории вероятностей, математической статистике, теории исследований операций.

Для осуществления количественного анализа проектных рисков необходимы два условия: наличие проведенного базисного расчета проекта и проведение полноценного качественного анализа. При качественном анализе выявляются и идентифицируются возможные виды рисков инвестиционного проекта, также определяются и описываются причины и факторы, влияющие на уровень каждого вида риска.

Задача количественного анализа состоит в численном измерении влияния изменений рискованных факторов проекта на поведение критериев эффективности проекта.

Наиболее часто на практике применяются следующие методы количественного анализа инвестиционных рисков:

- метод корректировки нормы дисконта;

- анализ чувствительности показателей эффективности (чистый дисконтированный доход, внутренняя норма доходности, индекса рентабельности и др.)

- метод сценариев;

- деревья решений;

- имитационное моделирование - метод Монте-Карло.

Перечисленные методы анализа инвестиционных рисков базируются на концепции временной стоимости денег и вероятностных подходах.

Выбор конкретного метода анализа инвестиционного риска зависит от информационной базы, требований к конечным результатам (показателям) и к уровню надежности планирования инвестиций. Для небольших проектов можно ограничиться методами анализом чувствительности и корректировки нормы дисконта, для крупных проектов - провести имитационное моделирование и построить кривые распределения вероятностей, а в случае зависимости результатов проекта от наступления определенных событий или принятия определенных решений построить также дерево решений. Методы анализа рисков следует применять комплексно, используя наиболее простые из них на стадии предварительной оценки, а сложные и требующие дополнительной информации - при окончательном обосновании инвестиций.

Результаты применения различных методов к одному и тому же проекту дополняют друг друга

1. Метод корректировки нормы дисконта.

Достоинства этого метода -- в простоте расчетов, которые могут быть выполнены с использованием даже обыкновенного калькулятора, а также в понятности и доступности. Вместе с тем метод имеет существенные недостатки.

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, обратная сторона простоты метода состоит в существенных ограничениях возможностей моделирования различных вариантов, которое сводится к анализу зависимости критериев NPV(IRR,PI и др.) „от изменений только одного показателя -- нормы дисконта.

Несмотря на отмеченные недостатки, метод корректировки нормы дисконта широко применяется на практике.

2. Анализ чувствительности.

Цель анализа чувствительности состоит в сравнительном анализе влияния различных факторов инвестиционного проекта на ключевой показатель эффективности проекта, например, внутреннюю норму прибыльности.

Приведем наиболее рациональную последовательность проведение анализа чувствительности. Выбор ключевого показателя эффективности инвестиций, в качестве которого может служить внутренняя норма прибыльности (IRR) или чистое современное значение (NPV).

Выбор факторов, относительно которых разработчик инвестиционного проекта не имеет однозначного суждения (т. е. находится в состоянии неопределенности). Типичными являются следующие факторы:

- капитальные затраты и вложения в оборотные средства,

- рыночные факторы - цена товара и объем продажи,

- компоненты себестоимости продукции,

- время строительства и ввода в действие основных средств.

Как правило, проведение подобного анализа предполагает выполнение следующих шагов.

1.Задается взаимосвязь между исходными и результирующим показателями в виде математического уравнения или неравенства.

2. Определяются наиболее вероятные значения для исходных показателей и возможные диапазоны их изменений.

3.Путем изменения значений исходных показателей исследуется их влияние на конечный результат.

Проект с меньшей чувствительностью NPV считается менее рисковым.

Обычная процедура анализа чувствительности предполагает изменение одного исходного показателя, в то время как значения остальных считаются постоянными величинами.

Данный метод является хорошей иллюстрацией влияния отдельных исходных факторов на конечный результат проекта.

Установление номинальных и предельных (нижних и верхних) значений неопределенных факторов, выбранных на втором шаге процедуры. Предельных факторов может быть несколько, например 5% и 10% от номинального значения (всего четыре в данном случае)

Расчет ключевого показателя для всех выбранных предельных значений неопределенных факторов.

Построение графика чувствительности для всех неопределенных факторов. В западном инвестиционном менеджменте этот график носит название “Spider Graph”. Ниже приводится пример такого графика для трех факторов.

Данный график позволяет сделать вывод о наиболее критических факторах инвестиционного проекта, с тем чтобы в ходе его реализации обратить на эти факторы особое внимание с целью сократить риск реализации инвестиционного проекта. Так, например, если цена продукции оказалась критическим фактором, то в ходе реализации проекта необходимо улучшить программу маркетинга и (или) повысить качество товаров. Если проект окажется чувствительным к изменению объема производства, то следует уделить больше внимания совершенствованию внутреннего менеджмента предприятия и ввести специальные меры по повышению производительности. Наконец, если критическим оказался фактор материальных издержек, то целесообразно улучшить отношение с поставщиками, заключив долгосрочные контракты, позволяющие, возможно, снизить закупочную цену сырья.



Рис 1. Чувствительность проекта к изменению неопределенных факторов.

Главным недостатком данного метода является предпосылка о том, что изменение одного фактора рассматривается изолированно, тогда как на практике все экономические факторы в той или иной степени коррелированны.

По этой причине применение данного метода на практике как самостоятельного инструмента анализа риска, по мнению автора весьма ограничено, если вообще возможно. Анализ чувствительности может быть легко реализован в среде EXCEL.

3. Анализ сценариев

Анализ сценариев - это прием анализа риска, который на ряду с базовым набором исходных данных проекта рассматривает ряд других наборов данных, которые по мнению разработчиков проекта могут иметь место в процессе реализации.

В отличие от предыдущих метод сценариев позволяет совместить исследование чувствительности результирующего показателя с анализом вероятностных оценок его отклонений. В общем случае процедура использования данного метода в процессе анализа инвестиционных рисков включает выполнение следующих шагов.

1. Определяют несколько вариантов изменений ключевых исходных показателей (например, пессимистический, наиболее вероятный и оптимистический).

2. Каждому варианту изменений приписывают его вероятностную оценку.

3. Для каждого варианта рассчитывают вероятное значение критерия NPV (либо IRR, РI), а также оценки его отклонений от среднего значения.

4. Проводится анализ вероятностных распределений полученных результатов.

Проект с наименьшими стандартным отклонением (s ) и коэффициентом вариации (СV) считается менее рисковым.

В целом метод позволяет получать достаточно наглядную картину для различных вариантов реализации проектов, а также предоставляет информацию о чувствительности и возможных отклонениях, а применение программных средств типа Excel позволяет значительно повысить эффективность подобного анализа путем практически неограниченного увеличения числа сценариев и введения дополнительных переменных.

Метод сценариев может быть легко реализован в среде EXCEL.

4. Деревья решений.

Деревья решений (decision tree) обычно используются для анализа рисков проектов, имеющих обозримое или разумное число вариантов развития. Они особо полезны в ситуациях, когда решения, принимаемые в момент времени t = n, сильно зависят от решений, принятых ранее, и в свою очередь определяют сценарии дальнейшего развития событий.

Дерево решений имеет вид нагруженного графа, вершины его представляют ключевые состояния, в которых возникает необходимость выбора, а дуги (ветви дерева) - различные события (решения, последствия, операции), которые могут иметь место в ситуации, определяемой вершиной. Каждой дуге (ветви) дерева могут быть приписаны числовые характеристики (нагрузки), например, величина платежа и вероятность его осуществления. В общем случае использование данного метода предполагает выполнение следующих шагов.

1. Для каждого момента времени t определяют проблему и все возможные варианты дальнейших событий.

2. Откладывают на дереве соответствующую проблеме вершину и исходящие из нее дуги.

3. Каждой исходящей дуге приписывают ее денежную и вероятностную оценки.

4. Исходя из значений всех вершин и дуг рассчитывают вероятное значение критерия NPV (либо IRR, РI).

5. Проводят анализ вероятностных распределений полученных результатов.

5. Имитационное моделирование Монте-Карло

Метод имитационного моделирования Монте-Карло создает дополнительную возможность при оценке риска за счет того, что делает возможным создание случайных сценариев. Применение анализа риска использует богатство информации, будь она в форме объективных данных или оценок экспертов, для количественного описания неопределенности, существующей в отношении основных переменных проекта и для обоснованных расчетов возможного воздействия неопределенности на эффективность инвестиционного проекта. Результат анализа риска выражается не каким-либо единственным значением NPV, а в виде вероятностного распределения всех возможных значений этого показателя. Следовательно, потенциальный инвестор, с помощью метода Монте-Карло будет обеспечен полным набором данных, характеризующих риск проекта. На этой основе он сможет принять взвешенное решение о предоставлении средств.

В общем случае имитационное моделирование Монте-Карло - это процедура, с помощью которой математическая модель определения какого-либо финансового показателя (в нашем случае NPV) подвергается ряду имитационных прогонов с помощью компьютера. В ходе процесса имитации строятся последовательные сценарии с использованием исходных данных, которые по смыслу проекта являются неопределенными, и потому в процессе анализа полагаются случайными величинами. Процесс имитации осуществляется таким образом, чтобы случайный выбор значений из определенных вероятностных распределений не нарушал существования известных или предполагаемых отношений корреляции среди переменных. Результаты имитации собираются и анализируются статистически, с тем, чтобы оценить меру риска.

Процесс анализа риска может быть разбит на следующие стадии.

Прогнозная модель Подготовка модели, способной прогнозировать расчет эффективности проекта	Распределение вероятности (шаг 1) Определение вероятностного закона распределения случайных переменных	Распределение вероятности (шаг 2) Установление границ диапазона значений переменных
Условия корреляции Установление отношений коррелированных переменных	Имитационные прогоны Генерирование случайных сценариев, основанных на наборе допущений	Анализ результатов Статистический анализ результатов имитации

Рис.2. Процесс анализа риска

Первая стадия в процессе анализа риска - это создание прогнозной модели. Такая модель определяет математические отношения между числовыми переменными, которые относятся к прогнозу выбранного финансового показателя. В качестве базовой модели для анализа инвестиционного риска обычно используется модель расчета показателя NPV



Использование этой формулы в анализе риска сопряжено с некоторыми трудностями. Они заключаются в том, что при генерировании случайных чисел, годовой денежный поток выступает как некое случайное число, подчиняющееся определенному закону распределения. В действительности же это совокупный показатель, включающий множество компонент рассмотренных в предыдущих публикациях. Этот совокупный показатель изменяется не сам по себе, а с учетом изменения объема продаж. То есть ясно, что он коррелирован с объемом. Поэтому необходимо тщательно изучить эту корреляцию для максимального приближения к реальности.

Общая прогнозная модель имитируется следующим образом. Генерируется достаточно большой объем случайных сценариев, каждый из которых соответствует определенным значениям денежных потоков. Сгенерированные сценарии собираются вместе и производится их статистическая обработка для установления доли сценариев, которые соответствуют отрицательному значению NPV. Отношение таких сценариев к общему количеству сценариев дает оценку риска инвестиций.

Распределения вероятностей переменных модели (денежных потоков) диктуют возможность выбора величин из определенных диапазонов. Такие распределения представляют собой математические инструменты, с помощью которых придается вес всем возможным результатам. Этим контролируется случайный выбор значений для каждой переменной в ходе моделирования.

Необходимость применения распределения вероятностей обусловлена попытками прогнозирования будущих событий. При обычном анализе инвестиций используется один тип распределения вероятности для всех переменных, включенных в модель анализа. Такой тип называют детерминированным распределением вероятности, и он придает всю вероятность одному значению. При оценке имеющихся данных аналитик ограничен выбором единственного из множества возможных результатов или расчетом сводного показателя. Затем аналитик должен принять, что выбранное значение обязательно реализуется, то есть он придает выбранному наиболее обоснованным образом показателю с единственным значением вероятность, равную 1. Поскольку такое распределение вероятности имеет единственный результат, итог аналитической модели можно определить на основании всего одного расчета (или одного прогона модели).

В анализе рисков используется информация, содержащаяся в распределении вероятности с множественными значениями. Именно использование множественных значений вместо детерминированных распределений вероятности и отличает имитационное моделирование от традиционного подхода.

Определение случайных переменных и придание им соответствующего распределения вероятности является необходимым условием проведения анализа рисков. Успешно завершив эти этапы, можно перейти к стадии моделирования. Однако непосредственный переход к моделированию будет возможен только в том случае, если будет установлена корреляция в системе случайных переменных, включенных в модель. Под корреляцией понимается случайная зависимость между переменными, которая не носит строго определенного характера, например, зависимость между ценой реализации товара и объемом продаж.

Наличие в модели анализа коррелированных переменных может привести к серьёзным искажениям результатов анализа риска, если эта корреляция не учитывается. Фактически наличие корреляции ограничивает случайный выбор отдельных значений для коррелированных переменных. Две коррелированные переменные моделируются так, что при случайном выборе одной из них другая выбирается не свободно, а в диапазоне значений, который управляется смоделированным значением первой переменной.

Хотя очень редко можно объективно определить точные характеристики корреляции случайных переменных в модели анализа, на практике имеется возможность установить направление таких связей и предполагаемую силу корреляции. Для этого применяют методы регрессионного анализа. В результате этого анализа рассчитывается коэффициент корреляции, который может принимать значения от -1 до 1.

Стадия "прогонов модели" является той частью процесса анализа риска, на которой всю рутинную работу выполняет компьютер. После того, как все допущения тщательно обоснованы, остается только последовательно просчитывать модель (каждый пересчет является одним "прогоном") до тех пор, пока будет получено достаточно значений для принятия решения (например более 1000).

В ходе моделирования значения переменных выбираются случайно в границах заданных диапазонов и в соответствии с распределениями вероятностей и условиями корреляций. Для каждого набора таких переменных вычисляется значение показателя эффективности проекта. Все полученные значения сохраняются для последующей статистической обработки.

Для практического осуществления имитационного моделирования можно рекомендовать пакет "Risk Master", разработанный в Гарвардском университете. Генерирование случайных чисел этот пакет осуществляет на основе использования датчика псевдослучайных чисел, которые рассчитываются по определенному алгоритму. Особенностью пакета является то, что он умеет генерировать коррелированные случайные числа.

Окончательной стадией анализа рисков является обработка и интерпретация результатов, полученных на стадии прогонов модели. Каждый прогон представляет вероятность события, равную

p = 100 : n,

где p - вероятность единичного прогона, %;

n - размер выборки.

Например, если количество случайных прогонов равно 5000, то вероятность одного прогона составляет

p = 100 : 5000 = 0,02 %.

В качестве меры риска в инвестиционном проектировании целесообразно использовать вероятность получения отрицательного значения NPV. Эта вероятность оценивается на основе статистических результатов имитационного моделирования как произведение количества результатов с отрицательным значением и вероятности единичного прогона. Например, если из 5000 прогонов отрицательные значения NPV окажутся в 3454 случаях, то мера риска составит 69.1%.

ЗАКЛЮЧЕНИЕ

Эффективность применения методов количественного анализа для оценки рисков обусловлена тем, что они могут быть легко реализованы обычным пользователем ПК в среде MS Excel, а универсальность математических алгоритмов, используемых в технологиях, позволяет применять их для широкого спектра ситуаций неопределённости, а также модифицировать и дополнять другими инструментами.

В инвестиционной деятельности существенное значение имеет фактор риска.

Инвестирование всегда связано с иммобилизацией финансовых ресурсов предприятия и обычно осуществляется в условиях неопределенности, степень которой может значительно варьировать.

Анализ рисков можно подразделить на два взаимно дополняющих друг друга вида: качественный и количественный. Качественный анализ имеет целью определить (идентифицировать) факторы, области и виды рисков. Количественный анализ рисков должен дать возможность численно определить размеры отдельных рисков и риска предприятия в целом.

Наиболее часто на практике применяются следующие методы количественного анализа инвестиционных рисков:

- метод корректировки нормы дисконта;

- анализ чувствительности показателей эффективности (чистый дисконтированный доход, внутренняя норма доходности, индекса рентабельности и др.)

- метод сценариев;

- деревья решений;

- имитационное моделирование - метод Монте-Карло.

Список используемой литературы

1. Бирман Г., Шмидт С. Экономический анализ инвестиционных проект. - М.: Банки и биржи, ЮНИТИ, 1999.

2. Бромвич М. Анализ экономической эффективности капиталовложений. - М.: ИНФРА-М, 1996. - 432 с.

3. Идрисов А. Б., Картышев С.В., Постников А.В. Стратегическое планирование и анализ эффективности инвестиций. - М.: Информационно- издательский дом “Филинъ”, 1997. - 272 с.

4. Ковалев В. В. Методы оценки инвестиционных проектов. - М.: Финансы и статистика, 1998. - 144 с.

5. Ковалев В. В. Финансовый анализ. - М.: Финансы и статистика, 1996. - 432 с.

6. Липсиц И. В., Коссов В. В. Инвестиционный проект: методы подготовки и анализа. - М.: Издательство БЕК, 1999.

7. Мелкумов Я. С. Экономическая оценка эффективности инвестиций. - М.:

ИКЦ “ДИС”, 1997. - 160 с.