у_A²=var_A=[(b_A-a_A)/6]²=[(11-3)/6]²=1,69

Проведя идентичны расчеты по всем этапам работ по проекту, получаем следующую таблицу данных:

Таблица 9

Результаты расчета дисперсии, отдельно для каждого этапа работ

Предполагая, что время выполнения работ равен ожидаемому времени их выполнения t_i, находим критический путь, и используем для этого метод CPM.

Таблица 10

Таблица 11

Результаты расчета критического пути методом CPM

Критический путь для исследуемого проета включает следующий ряд этапов работ: A, D, F, H. Таким образом, длинна критического пути равна 4,5+4+2+1=11,5 это значит, ожидаемой время выполнения проекта равняется 11,5 неделям.

Предположим, распределение времени выполнения этапов работ по проекту является нормальным, тогда определим вероятность выполнения проекта за 15 недель. Для начала рассчитаем дисперсию времени выполнения проекта:

S²(T)=1,69+1,69+0,10+0,06=3,54

Теперь найдем значение z для нормального распределения при T₀=15

Z=[T₀-E(T)]/у(T)=(15-11,5)/1,88=1,86

С помощью таблицы нормального распределения, найдем вероятность нахождения T (времени выполнении проекта) в интервале E(T) < T < T₀ (11,5 < T < 15). Поскольку в таблице нормального распределения нет значения 0,15 (существуют либо 0,1, либо 0,2), то по правилам округления рассчитаем для значения 0,2 (показатели для значения 0,1 и 0,2 различаются не значительно). В результате вероятность выполнения проекта за 15 недель, при ожидаемых 11,5 неделях выполнения, равна 0,5 + 0,4656 = 0,9656. С вероятностью 96,5% проект будет выполнен за 15 недель.

Располагая результатами PERT-анализа, появляется возможность принятия более корректных решений относительно продолжительности проекта. Определение критического пути проекта, позволяет компании приступать к жестким мерам контроля и исполнительности выделенных этапов, в целях недопущения ошибок и увеличения временных затрат, которые приведут к повышению общего срока выполнении проекта, а следовательно и определенные убытки. Анализ временных затрат на реализацию проекта, позволяет компании - инвестору тщательнее отслеживать весь процесс работы над проектом, и учитывать все максимально возможные риски.

Проведя анализ инвестиционного проекта по разработке информационной системе «Логистик», тремя выбранными методиками анализ и моделирования рисков проекта, следует в первую очередь отметить, что по всем полученным результатам проект следует принимать (проект не убыточный). Анализ чувствительности проекта показал, что наиболее значимым фактором для эффективности проекта является его цена реализации. Также не маловажным наблюдением по результатам данного анализа является положительная (даже не близкая к значению 0) чистая прибыль при любых изменениях параметров, что подтверждает прибыльность проекта. Проведенный метод имитационного моделирования Монте-Карло, подтвердил полную положительность проекта, согласно критериям принятия проекта по всем параметрам (Индекс прибыльности PI, Средняя норма рентабельности ARR, MIRR) проект стоит принять, проект не убыточный. Период окупаемости проекта составляет 4 месяца. С помощью проведенного PERT анализа, получен результат выполнения проекта за 15 недель с вероятностью 96,5%.

Полученные результаты по все методам анализа, помогают более точно определить сильные и слабые стороны проекта, учет и правильная работа с которыми впоследствии приведет к увеличению финансовых результатов ООО «ВСК Лоджистик».

3.3 Анализ результатов и разработка рекомендаций

Анализ тремя методами оценки проекта позволил получить общие и максимально точные результаты по оценке рисков инвестиционного проекта. С помощью анализа чувствительности проекта выявлены значимые риски, рассчитаны возможные значения чистой прибыли. Проект обладает низкой долей рисков, и причиной этого служит инновационность разрабатываемого проекта информационной системы «Логистик». Значимым риском для проекта выявлена цена реализации.

Анализ рисков проекта имитационным методом (методом Монте-Карло), диктует следующие выводы: проект следует принимать в разработку и реализацию, поскольку по анализируемым параметрам (цена реализации, объем продаж), значения отвечают всем критериям принятия проекта. PERT анализ временного риска прединвестиционной стадии проекта, также отвечает критериям принятия.

Учитывая сокращение прибыли компании ООО «ВСК Лоджистик» к концу отчетного периода 2013 года, необходимо полностью учесть все результаты анализа рисков проекта. Так как правильное развитие и реализация проекта принесет компании значительную прибыль, и задать положительную динамику роста прибыли.

Проект необходимо принимать в реализацию. Так как: анализ проекта и анализ рисков показал положительное значение чистой прибыли по проекту (NPV); результаты PERT анализа показали высокую вероятность разработки проекта в запланированный срок времени;

«ВСК Лоджистик», после запуска проекта, может поднять цену реализации (аренды) информационной системы «Логистик» на 20%, по причине того что анализ чувствительности проекта в этом случае показал сокращение периода окупаемости на 1 месяц, и рост чистой прибыли на 42%. Рекомендуется не повышать размер инвестиционных вложений, так как с их повышением следует снижение чистой прибыли по проекту.

Важным результатом работ является то, что алгоритм анализа и моделирования рисков, может быть применим не только к анализируемому проекту, но и к проектам других логистических компаний, и компаний других сфер деятельности имеющих аналогичный спектр рисков.

Для анализа рисков инвестиционного проекта в целях анализа эффективности целесообразно использовать следующие методы в следующем порядке: 1) Анализ чувствительности проекта по параметрам (NPV, PI, PB) позволяет определить значимые риски, нуждающиеся в дальнейшем анализе; 2) Имитационное моделирование методом Монте-Карло (рисков выявленных как значимые в анализе чувствительности, или рисков, важность которых объясняется спецификой проекта). Метод дает четкие результаты относительно каждого риска (учитывая любое множество заданных экспериментов); 3) PERT анализ, позволяет проанализировать риск прединвестиционного периода - время разработки и подготовки проекта к реализации.

Заключение

В работы были освещены теоретические аспекты определения и сущности понятия риск и неопределенность. Представлена классификация инвестиционных рисков, а также способ их идентификации. Обобщая освещенную в работе литературу по данному вопросу, охарактеризуем понятие риск, как неопределенное событие или условие, при осуществлении которого, может быть как негативное, так и позитивное влияние на итог проекта.

Далее было произведено изучение и обзор методов анализа и моделирования рисков инвестиционного проекта, качественные методы (метод экспертных оценок, метод уместности затрат и метод аналогий) и количественные методы анализа рисков (анализ чувствительности, метод сценариев (метод PERT анализа), Дерево решений, Метод имитационного моделирования Монте-Карло, Метод корректировки нормы дисконта). В результате изучения методов, было отмечено, что качественные методы оценки рисков проекта предназначены больше для первичного анализа проекта, так как демонстрируют только ряд возможных рисков по проекту и источник их возникновения.

Изучив различные вышеуказанные методы моделирования рисков, необходимо отметить, что не существует одно полностью подходящего метода, каждому из них присуще определенные достоинства и недостатки. Поэтому для наиболее корректного и эффективного для использования результата следует комбинировать несколько методов. Для дальнейших практических расчетов были выбраны три метода анализа и моделирования рисков:

· Анализ чувствительности -данный метод наглядно показывает влияние отдельных факторов на значения эффективности проекта в общем. Единственным недостатком метода выявлено то, что анализируется влияние только одного из возможных факторов, и предполагается, что остальные факторы остаются неизменными. В реальности же, в той или иной степени, изменяются несколько факторов одновременно.

· Метод имитационного моделирования рисков Монте-Карло - несмотря на затруднительность расчетов по данному методу, отличительной особенностью является генерация сотен комбинаций параметров проекта, при этом учитывая их вероятностное распределение. Плюсами этого метода можно выделить то, что он является наиболее точным и надежным при рассмотрении при рассмотрении нелинейных инструментов, и возможность учета разных факторов риска в одном подходе. А также, метод не использует конкретную модель определения параметров и может быть легко перенастроен соответственно экономическому прогнозу. Недостаток метода заключается в сложности и трудоемкости расчетов, так как метод основан на сборе и обработке больших массивов данных с использованием статистических методов.

· PERT - анализ - это один из способов сценарного анализа, позволяющий оценить возможные результаты сроков выполнения проекта, основываясь на трех сценариях: оптимистическом, наиболее вероятном, пессимистическом.

Вторая часть работы посвящена изучению и анализу рынка логистики в России. Определяющим фактором для существования и развития логистики как отдельного вида деятельности, является спрос на продукцию. Только при условии высокого спроса производители прибегают к использованию логистических услуг. Поэтому важно отметить два фактора продукции провоцирующих колебание спроса, это сезонность, и жизненный цикл продукции.

Также, относительно общей структуры деятельности логистики, стоит выделить цепь логистических услуг, которая может быть представлении, как правило «7П»: Получить правильный продукт (именно тот, который нужен), в правильном количестве, в правильном состоянии, в правильном месте, в правильное время, для правильного клиента, по правильной цене. Для отдельно существующих от предприятия логистических компаний следует исключить только первый пункт цепи - получение правильного продукта, так как это задача производителя, а остальные позиции могут быть спроецированы на компанию.

Анализ рынка логистики по положению на 2008-2013г.г. показал, что независимо от значительного отставания развития логистики в России по сравнению со странами Европы, в общей динамики развития перевозки грузов наблюдается положительная тенденция роста. Зафиксированы показатели роста и по грузообороту, самые активные темпа роста показали автомобильный и водный транспорт - 19,3% и 33,2% соответственно. На текущий 2014 год наиболее сильное развитие прогнозируется автомобильным грузоперевозкам. Основываясь на оценках и предположениях РБК research, рост стоимостного объема ожидается в пределах 3-4%. И снова, самые высокие темпа роста в пределах 9-10%прогнозируются сегменту автомобильных грузоперевозок.

Далее были определены риски характерные специфики деятельности логистических компаний, так как детальный список рисков довольно обширный, то они разделены по критериям (организационные риски, рыночные риски, предпринимательские риски, технические риски, кредитные риски).

Последним этапом работы являлся анализ инвестиционного проекта по разработке информационной системе «Логистик», тремя выбранными методиками анализ и моделирования рисков проекта, следует в первую очередь отметить, что по всем полученным результатам проект следует принимать (проект не убыточный).

Анализ чувствительности проекта показал, что наиболее значимым фактором для эффективности проекта является его цена реализации. Также не маловажным наблюдением по результатам данного анализа является положительная (даже не близкая к значению 0) чистая прибыль при любых изменениях параметров, что подтверждает прибыльность проекта. При изменении цены реализации от -40% до +40%,чистая прибыль изменяется на миллион рублей, и период окупаемости увеличивается в 2 раза. А увеличение цены реализации на 20-40% снизит периода окупаемости проекта на 1 год, и при этом приведет к увеличению чистой прибыли как минимум на 42%. Также инвестиционный проект сильно чувствителен к изменениям объема продаж, значимость данного показателя равноценна значимости показателя изменения цен реализации. Чистая прибыль при изменении объемов продаж от -40 до +40 изменяется на ±80%, при этом в два раза изменяется период окупаемости проекта.

Проведенный метод имитационного моделирования Монте-Карло, подтвердил полную положительность проекта, согласно критериям принятия проекта по всем параметрам проект стоит принять, проект не убыточный. Полученный индекс прибыльности уверенно вписывается в критерии принятия проекта, так как при PI>1 проект следует принимать, а в нашем случае PI=1,99. Показатель внутренне нормы рентабельности, также позволяет принимать проект, поскольку по критериям принятия проекта IRR>k (где k-коэффициент дисконтирования) а в нашем случае среднее IRR=1246,68, в то время как k=0,08%. Период окупаемости проекта составляет 4 месяца. Исследуемый инвестиционный проект в общем характеризуется низкой долей риска, поскольку с очень большой вероятностью NPV проект имеет положительное значение, следовательно, проект может быть принят.

С помощью проведенного PERT анализа, получен результат выполнения проекта за 15 недель с вероятностью 96,5%.

Полученные результаты по все методам анализа, помогают более точно определить сильные и слабые стороны проекта, учет и правильная работа с которыми впоследствии приведет к увеличению финансовых результатов.

На основании всех вышеизложенных результатов были предложены ряд рекомендаций относительно как конкретно анализируемого проекта, так и общего алгоритма анализа и моделирования рисков инвестиционного проекта.

Компания ООО «ВСК Лоджистик» может поднять цену реализации (аренды) как минимум на 20%, при этом не понести никакие потери, а наоборот, повысив тем самым чистую прибыль как минимум на 42% и сократить период окупаемости проекта. Аналогично и с объемом продаж, однако этот фактор не всегда задается самой компанией.

Проект является рентабельным, и целесообразно принимать финансирование. При оперативном процессе разработки и развития проекта, компания выйдет на положительную динамику чистой прибыли за текущий период 2014 года.

Представленный алгоритм анализа и моделирования может также использоваться инвесторами или самими логистическими компаниями, деятельность которых не является международной и инвестиционный проект обладает подобными рисками.

Для анализа рисков проекта в целях анализа эффективности уместно использование следующих методов: анализ чувствительности проекта (по параметрам NPV, PB, PI); метод Монте-Карло; сценарный анализ методом PERT анализа.

Дальнейшие исследования в данной области могут быть нацелены на анализ рисков логистических компаний международных перевозок, по причине высокой доли импорта в РФ. Анализ литературы по исследуемой теме показал отсутствие в российской литературе единого алгоритма оценки и моделирования рисков инвестиционных проектов в сфере логистики, как внутренней, так и международной. При этом необходимо учитывать в разы увеличивающийся спектр рисков при увеличении масштабов деятельности логистических компаний до международных.

Список литературы

1. Авдошин, C.М., Песоцкая, Е.Ю. Информационные технологии для управления финансовыми рисками // Бизнес-информатика. 2011. №1(15). С. 42-49.

2. Алан Харрисрон, Ремко ван Хоук Управление логистикой: Динамическая логистическая цепочка. URL: http://www.marketing.spb.ru

3. Андреев Д. М. Вероятностная модель ставки дисконтирования денежных потоков // Аудиторские ведомости. 2002. № 9. C. 74-77.

4. Аникин Б.А. Логистика: Учебное пособие/ под ред. Б.А. Аникина. - М: ИНФРА-М, 1999. С. 327.

5. Байрамукова Е.И. Использование методов имитационного моделирования при оценке рисков и оптимизации процессов управления на промышленных предприятиях / Известия Российского государственного педагогического университета им. А.И. Герцена, 2008. С. 315-320;

6. Васильева Т.А. Риск-менеджмент инноваций. - Сумы: Деловые перспективы, 2005. С. 260.

7. Виленский П.Л. Оценка эффективности инвестиционных проектов. М.: Дело, 2007.

8. Волков И. Анализ проектных рисков / И. Волков, М. Грачева. URL: http://www.cfin.ru/finanalysis/invest

9. Вяткин В.Н., Гамза В.А. Управление рисками фирмы: программа интегративного риск-менеджмента. М.: Финансы и статистика, 2006. С. 400.

10. Грачева М.В. Риск-менеджмент инвестиционного проекта. под ред. М.В. Грачевой. М.: Юнити-Дана, 2009. С. 544.

11. Дамодаран А. Инвестиционная оценка. Инструменты и техника оценки любых активов. М.: Альпина Бизнес Букс, 2004. С. 1342.

12. Даморан А. Премия за риск // Дамодарн он-лайн. URL: http://people.stern.nyu.edu/adamodar

13. Джеймс С. Джонсон, Дональд Ф.Вуд, Дэниэл Л. Ворлоу, Поль Р. Мэрфи-Мл. Современная логистика: Седьмое издание. М.: Вильямс. 2002.

14. Долан Э., Домненко Б.И. Экономикс: Англо-русский словарь-справочник. М.: Лазурь, 2006. С. 211

15. Зинкевич В., Черкашенко В. Карта рисков - эффективный инструмент управления. URL: www.franklin-grant.ru

16. Ибрагимов Р. Г. Экономический анализ управленческих решений: согласованность финансовой модели оценки // Российский журнал менеджмента. 2007. № 3. С. 53-84.

17. Иванов А.А., Олейников С.Я. Риск-менеджмент. М.: Изд. центр ЕАОИ, 2008. - С. 193.

18. Исмагилов Р.Х., Гирипова Г.Ф. Алгоритм оценки рисков инвестиционных и инновационных проектов. URL: http://www.econ.asu.ru

19. Каранина Е.В. Оптимизация процесса систематизации и оценки рисков предприятия в кризисных условиях // Вестник Пермского университета. Выпуск 4(7): Раздел 4. Оценка рисков. 2010.

20. Качественные методы оценки рисков // Экономическая библиотека. URL: http://eclib.net/58/26

21. Кобилев А.Г., Лачин, Ю.В. Оценка риска при планировании инвестиций на предприятии // Экономический Вестник Ростовского государственного университета. 2008. №1. С. 168-170.

22. Колотынюк Б. А. Инвестиционные проекты. М.: Изд-во Михайлова В. А., 2000. С. 422.

23. Кошечкин С.А. Методы количественного анализа риска инвестиционного проекта URL: http://www.aup.ru

24. Лекция троицк, Риск - менеджмент, 2012. С. 3.

25. Лимитовский М. А., Минасян В. Б. Анализ рисков инвестиционного проекта // Управление финансовыми рисками. 2011. №2. С. 132-150.

26. Лимитовский М.А., Минасян В. Б., Анализ рисков инвестиционного проекта // Управление финансовыми рисками. 2011. №2. С. 132-150.

27. Лукасевич И.Я. Имитационное моделирование инвестиционных рисков / Анализ финансовых операций. М.: ЮНИТ, 2001.

28. Малашихина Н.Н., Белокрылова О.С., Риск-менеджмент. М.: Феникс, 2004.

29. Методы экспертных оценок // Экономико-математические методы. URL: http://emm.ostu.ru/lect/lect7

30. Миль Дж. Основы политической экономики: В 2-х т. М.: Прогресс, 1980. С. 129-130.

31. Павлов М. Методология управления рисками проектов // Фианасовый директор. 2008. Выпуск 8.

32. Панасенко Е.В. Управление логистическими затратами. URL: www.logistic-forum.lv

33. Рикардо Д. Начала политической экономики и налогообложения / Аналогия экономической классики. М.: Эконов Ключ, 1993. С. 470.

34. Российский рынок транспортно-логистических услуг в 2008*2013 годах // МЭР РФ, РБК.research. URL: http://marketing.rbc.ru

35. Симонова Л. Рынок транспортных услуг в 2012-2013 годах: от замедления к стагнации. URL: http://www.logistika-prim.ru/sites/default/files/26-27_7.pdf

36. Смит А. Исследования о природе и причинах богатства народов / Антология экономической классики. М.: Эконов Ключ, 1993. С. 161-162, 171-174.

37. Смоляк С.А. Оценка эффективности инвестиционных проектов в условиях риска и неопределенности. М.: Наука, 2008.

38. Современная трактовка понятия «логистика» с позиции бизнеса // Logistic system, аналитика. URL: http://www.logsystems.ru

39. Станиславчик Е. Основы инвестиционного анализа // Финансовая газета. 2004. № 11. C. 7-12.

40. Теплова Т.В. Финансовый менеджмент: управление капиталом и инвестициями / ГУ ВШЭ, 2000.

41. Уринцов А.И., Дик В.В. Системы поддержки принятия решений. М.: МЭСИ, 2008.

42. Филина Ф.Н. Риск-менеджмент. М.: ГроссМедиа: РОСБУХ, 2008.

43. Финансово-кредитные операции и их автоматизация: Учеб. пособие/ В.П. Божко, Т.П. Бут. - Харьков: Нац. аэрокосмический ун-т «Харьк. авиац. ин-т», 2003. С. 80.

44. Хэлдман К. Управление рисками / Управление проектами. М.: ДМК-Пресс, 2007. С. 171-194.

45. Шапкин С.А., Шапкин В.А., Теория риска и моделирование рисковых ситуаций, М.: Дашков и Ко, 2005.

46. Шевцова Ю.В. Методические подходы и практические приёмы операционного риск-менеджмента в телекоммуникационных компаниях // Вестник СибГУТИ. 2009

47. Экономическая библиотека, Качественные методы оценки рисков. URL: http://eclib.net/58/26

48. Экономико-математические методы, методы экспертных оценок. URL: http://emm.ostu.ru/lect/lect7

49. Damodaran A., Strateegic Rick Talking: a framework for risk management. New Jersey: Pearson Prentice Hall, 2008 - 388 p.;

50. Kloman H. Felix. Integrated Risk Assessment. Current Views of Risk Management. URL www.garp.com

51. Marcelo G. Cruz. Modeling, measuring and hedging operational risk. John Wiley & Sons. UK. 2002. P. 330.

52. Upitis V., Quickand efficient way toidentify the mostcriticalenterprise risks. URL: www.riskconference.ru

53. Coyle J.J., Bardi J.E., Langley J.J. Management of Business Logistics: A Supply Chain Perspec-tive. 7th edition. - South-Western College Pub, 2002. P. 672.

54. Supply Chain and Logistics Terms and Glossary. - Council of Supply Chain Management Pro-fessionals, 2005.

55. Yogesh Malhotra. Knowledge Assets in the Global Economy: Warehouse and distribution management.- Journal of Global Information Management. July-Sep, 2000, 8(3). p. 5-15.

56. Huss, W.R. A move toward scenario analysis//International Journal of Forecasting. 1988. №4. pp. 377-388;

57. Росстат [Сайт]. URL: http://www.gks.ru (дата обращения: 19.04.2014);

ПРИЛОЖЕНИЕ 1

Структура грузооборота по видам транспорта [57]

Перевозки грузов по видам транспорта (миллион тонн) [57]

1) Исключая перевозки судами смешанного (река-море) плавания. В сопоставимых условиях перевозки грузов составили 82,7% к уровню 2011 г.

2) Включая перевозки судами смешанного (река-море) плавания. В сопоставимых условиях перевозки грузов составили 101,8% к уровню 2011 г^.

ПРИЛОЖЕНИЕ 2

Исходные данные для PERT анализа по проекту «Логистик»

ПРИЛОЖЕНИЕ 4

Административное приложение информационной системы «Логистик»

ПРИЛОЖЕНИЕ 5

Оборот розничной торговли непродовольственными и продовольственными товарами РФ [57]

Размещено на Allbest.ru