На основе анализа
наиболее распространенных методов оценки риска инвестиционного кредитования
предлагается использовать адекватную модель взаимосвязи всех выходных и входных
данных расчета инвестиционного проекта. В рамках этой модели для
количественного анализа предполагается использование всех основных методов
оценки рисков.
Любая производственная и иная деятельность для своего успешного осуществления и развития нуждается в инвестициях. Привлечение внешнего финансирования для развития предприятий становится сегодня наиболее актуальной задачей. Однако инвестиционные ресурсы ограничены и поэтому очень важным становится их выгодное распределение и более эффективное использование. Такие задачи приходится решать всем участникам инвестиционного процесса (предприятиям, банкам, консалтинговым организациям и т.п.).
Одной из форм участия банков на рынке реальных инвестиций является инвестиционное кредитование, т.е. предоставление ими кредита на срок более одного года, при котором источником возврата кредита является вся хозяйственная и финансовая деятельность заемщика, включая доходы, генерируемые проектом.
При этом основной задачей в практике инвестиционного кредитования является поиск (и выбор) наиболее рентабельных проектов и минимизация рисков, связанных с возможной потерей капитала. Для этих целей в рамках эффективной системы инвестиционного кредитования необходимо проведение оценки и полного анализа инвестиционной привлекательности предприятий и эффективности предполагаемых инвестиций. Особое внимание должно уделяться анализу текущего финансового состояния предприятия и прогнозу его изменений, оценке показателей коммерческой эффективности и рискованности инвестиций. Для этого прежде всего необходимо, чтобы специалисты, принимающие решения и оценивающие их последствия на всех этапах процесса инвестиционного кредитования, владели основными понятиями и методами практических инвестиционных расчетов, в том числе и с использованием специальных компьютерных программ.
В настоящее время получили широкое распространение различные виды методического и расчетного инструментария по инвестиционному расчету и анализу. Однако необходимо отметить, что методологический уровень оценки рисков инвестиционных проектов не так высок, как уровень других разделов проектных решений. В основе принятой методологии оценки рисков лежат международные стандарты и подходы.
Чаще всего понятие риска инвестиционных проектов определяют как заложенную в проектные решения вероятность неполучения (недостижения) результатов, планируемых его (проекта) участниками.
Своеобразие инвестиционной деятельности связано с аккумуляцией практически всех видов предпринимательского риска (производственного, финансового, коммерческого, макроэкономического и др.). При этом предпринимательский риск интерпретируется как возможность отклонения фактического результата проводимых операций от ожидаемого (прогнозного) в связи с различными неблагоприятными изменениями ключевых факторов, определяющих этот результат. Чем шире диапазон возможных отклонений, тем выше риск данной операции.
Итак, мы имеем дело с собственным риском инвестиционного проекта, то есть риском того, что реальные поступления денежных средств (следовательно, и ожидаемые доходность, эффективность) в ходе реализации проекта будут отличаться от запланированных. Процесс оценки такого риска надо начинать с качественного анализа проектных рисков, включающего не только описательный аспект определения тех или иных конкретных видов рисков данного проекта, но и выявление возможных причин их возникновения, анализ предполагаемых последствий их реализации и предложения по минимизации выявленных рисков, а также стоимостную оценку всех возможных негативных воздействий. Численное определение влияния факторов риска на показатели эффективности проекта осуществляется с помощью методов количественного анализа рисков.
Выделяют три группы методов оценки риска:
· корректировка параметров проекта и экономических нормативов;
· проверка устойчивости;
· формализованное описание неопределенности.
Наиболее простым является метод корректировки нормы дисконта, по которому все возможные риски отражаются в виде надбавки за риск к так называемой безрисковой ставке дисконтирования:
(1 + E) = (1+ R) (1 + I) (1 + b),
где E - ставка дисконтирования; R - минимально гарантированная реальная норма доходности; I - процент инфляции; b - рисковая поправка.
Однако высказываются сомнения в правомерности такого «навешивания» на ставку дисконтирования надбавок за все виды риска [1]. Альтернативным вариантом является корректировка элементов потока платежей и параметров проекта на величины расходов, связанных с предотвращением или ликвидацией негативных воздействий, и пересчет показателей эффективности с новыми значениями потока платежей и безрисковой ставкой дисконтирования.
Одним из наиболее распространенных как в литературе, так и в практической реализации методов количественной оценки рисков является анализ чувствительности (или проверка устойчивости). Достаточно подробно этот метод рассматривается в [2]. Там же можно найти и описание других методов оценки риска.
Цель анализа чувствительности - определить важнейшие факторы, так называемые «критические переменные», способные наиболее серьезно повлиять на проект, и проверить воздействие последовательных (одиночных) изменений этих факторов на результаты проекта. В теории эксперимента анализ чувствительности называют однофакторным анализом. Результаты проведенного ранее качественного анализа рисков проекта являются базой, фундаментом для его количественного анализа. Варьируемые в процессе анализа чувствительности факторы подразделяются на факторы, влияющие на объем доходов (выгод) проекта, и факторы, влияющие на объем проектных затрат. На практике в качестве варьируемых факторов рассматриваются:
· показатели инфляции;
· физический объем продаж как следствие емкости рынка, доли предприятия на рынке, потенциала роста рыночного спроса;
· переменные издержки;
· постоянные издержки;
· требуемый объем инвестиций;
· стоимость привлекаемого капитала в зависимости от условий и источников его формирования (например, процент за кредиты).
В инвестиционном проектировании анализ чувствительности играет важную роль для учета неопределенности и выделения факторов, которые могут повлиять на успешный результат проекта. Кроме того, анализ чувствительности лежит в основе принятия ряда управленческих решений.
Экономико-математическая сущность анализа чувствительности состоит в следующем: на основе базового сценария проекта определяют ожидаемое среднее отклонение каждой переменной величины (фактора) и результаты проекта в случае отклонения одной из переменных величин от базового сценария. Предполагается, что проект более чувствителен к изменению одного параметра базового сценария, чем другого, если отклонение первого параметра дает большее отклонение NPV - чистого дисконтированного дохода проекта (или другого критерия, выбранного для оценки) по сравнению с базовым сценарием.
Нужно отметить, что несмотря на все свои преимущества: объективность, теоретическую прозрачность, простоту расчетов, экономико-математическую естественность результатов и наглядность их толкования (именно эти критерии и лежат в основе его широкой практической применимости) - метод анализа чувствительности обладает существенными недостатками, первым и основным из которых является его однофакторность, т.е. ориентация на изменения только одного фактора проекта, что приводит к недоучету возможной связи между отдельными факторами или недоучету их корреляции.
Еще одним методом анализа, применяемым при оценке риска проекта, является анализ сценариев. Он представляет собой развитие методики анализа чувствительности проекта в том смысле, что одновременному непротиворечивому (реалистическому) изменению подвергается вся группа переменных. Таким образом, определяется воздействие одновременного изменения всех основных переменных проекта, характеризующих его денежные потоки. Важным преимуществом метода является тот факт, что отклонения параметров рассчитываются с учетом их взаимозависимостей (корреляции).
При оценке индивидуального риска проекта методом анализа сценариев аналитики просят менеджеров высказать свое мнение о наиболее плохом - пессимистическом варианте развития событий (низкий объем продаж, низкие цены, высокие издержки), наиболее вероятном варианте и оптимистическом варианте развития событий. Чистый дисконтированный доход для пессимистического и оптимистического вариантов подсчитывается и сравнивается с базисным значением NPV проекта.
Анализ сценариев позволяет инвесторам не оценивать вероятности изменений отдельных параметров и их взаимосвязь измерения доходности проекта и связанного с ним риска. Метод оценивает доходность по каждому из сценариев и вероятность развития событий по каждому из них.
Итак, анализ чувствительности и сценарный подход являются последовательными шагами в анализе рисков, при этом последний позволяет избавиться от некоторых недостатков метода анализа чувствительности. Однако метод сценариев наиболее эффективно можно применять, когда количество возможных значений чистой приведенной стоимости конечно. Вместе с тем, как правило, при проведении анализа рисков инвестиционного проекта эксперт сталкивается с неограниченным количеством различных вариантов развития событий. Далее рассмотрим метод оценки индивидуального риска проекта, помогающий разрешить эту проблему (имитационное моделирование), в основе которого лежит вероятностная оценка возникновения различных обстоятельств.
Имитационное моделирование по методу Монте-Карло позволяет построить математическую модель для проекта с неопределенными значениями параметров, и, зная вероятностные распределения параметров проекта, а также связь между изменениями параметров (корреляцию), получить распределение доходности проекта.
Анализ рисков с использованием метода имитационного моделирования Монте-Карло представляет собой «воссоединение» методов анализа чувствительности и анализа сценариев на базе теории вероятностей. Алгоритм метода имитации Монте-Карло выглядит следующим образом:
Шаг 1. Опираясь на использование статистического пакета, случайным образом выбираем, основываясь на вероятностной функции распределения, значение переменной, которая является одним из параметров определения потока наличности.
Шаг 2. Выбранное значение случайной величины наряду со значениями переменных, которые являются экзогенными переменными, используется при подсчете чистой приведенной стоимости проекта.
Шаги 1 и 2 повторяются большое количество раз, например 1000, и полученные 1000 значений чистой приведенной стоимости проекта используются для построения плотности распределения величины чистой приведенной стоимости со своим собственным математическим ожиданием и стандартным отклонением.
Метод Монте-Карло наиболее сложный из всех применяемых для оценки рисков. Его применение возможно только с применением вычислительной техники. Возможно поэтому данный метод не нашел еще очень широкого практического использования при анализе проектных рисков. Из существующих программ инвестиционного анализа он реализован только в пакете PROJECT EXPERT.
Методы, использующие формализованное описание неопределенности на базе вероятностного подхода к оценке рисков, доминируют в различных методологических разработках, представленных в литературе. При этом исходят из того, что в общем случае индивидуальный риск проекта зависит от следующих факторов:
· чувствительность чистой приведенной стоимости (или другого показателя эффективности) к изменению значений ключевых параметров проекта;
· величина диапазона возможных изменений значений ключевых показателей, определяющая их вероятностные распределения.
Таким образом, при определении риска необходимо учитывать вероятность отклонения значений ключевых переменных от ожидаемых и чувствительность, т.е. реакцию на такие отклонения основных показателей эффективности проекта. Расчетный показатель рискованности инвестиций должен отражать вероятностные характеристики параметров проекта, запас устойчивости по ним и внешние (макроэкономические) условия.
Для получения объективной оценки риска проекта необходимо использовать адекватную модель взаимосвязи всех входных и выходных данных расчета инвестиционного проекта. Прежде всего это касается определения прогнозных значений элементов денежных потоков, финансовой и бухгалтерской отчетности, макроэкономических показателей. Обоснованный выбор значений параметров расчета (ставки дисконтирования и др.), учет прогнозного характера исходных данных и особенностей применяемого метода прогнозирования, многовариантное рассмотрение проектов с учетом влияния разнообразных факторов - вот основные моменты такой модели. Моделирование рисков на ее базе должно включать расчет показателей эффективности вложений, качественный, а затем количественный анализ, сочетающий в себе основные методы оценки рисков (анализ чувствительности, метод сценариев, анализ вероятностных распределений потоков платежей).
Использование существующего в настоящее время программного обеспечения инвестиционного анализа позволяет достаточно эффективно решать основные, как правило, стандартные задачи инвестиционного проектирования и оценки эффективности проектов. Однако существует множество недостатков и ограничений, с которыми при этом приходится сталкиваться. Поэтому при использовании в качестве базовых существующих программ появляется необходимость разработки прикладного инструментария для решения возникающих практических задач, в том числе по оценке инвестиционных рисков, а также для реализации собственных методик и процедур по их анализу.
Построение эффективной системы, позволяющей решить задачу выбора наиболее рентабельных проектов с учетом факторов риска и минимизации рисков, связанных с возможной потерей капитала, должно опираться на применение современных, подтверждаемых практикой методологических разработок и использование адаптированного для решения таких задач программного обеспечения.
Валентина СТЯЖКИНА,
кандидат экономических наук, доцент
Павел ТЮРЮКАНОВ,
аспирант,
кафедра Автоматизированных информационных и управляющих систем,
Тульский государственный университет
Литература
1. Смоляк С.А. Три проблемы теории эффективности инвестиций. Экономика и математические методы. № 4, 1999. с.87 - 104.
2. Волков И.М. Грачева М.В. Проектный анализ: Учебник для вузов. М.: Банки и биржи: ЮНИТИ, 1998. 423 с.