В какой-то мере избежать недостатков, присущих анализу чувстви-тельности, позволяет метод сценариев, при котором одновременному не-противоречивому изменению подвергается вся совокупность факторов ис-следуемого проекта с учетом их взаимозависимости. Этот метод основывается на проработке опытными экспертами сценариев нескольких типо-

вых вариантов развития событий по проекту и соответствующих им значений динамики выпуска продукции, доходов, расходов и т. д., а также на расчете для каждого сценария чистого дисконтированного дохода (ЧДД) и других показателей эффективности проекта.

Метод сценариев наиболее сложен с технической точки зрения и включает следующие этапы :

· описание всего множества возможных условий реализации проекта (либо в форме сценариев, либо в виде системы ограничений на зна-чения основных технических, экономических и прочих параметров проекта) и отвечающих этим условиям затрат (включая возможные санкции и затраты, связанные со страхованием и резервированием),

· результатов и показателей эффективности;

o преобразование исходной информации о факторах неоп-ределенности в информацию о вероятностях отдельных условий реализации и соответствующих показателях эффективности или об интервалах их изменения;

· определение показателей экономической эффективности проекта с

o учетом неопределенности условий его реализации - показателей ожидаемой эффективности.

Основным недостатком сценарного анализа является рассмотрение только нескольких возможных исходов по проекту (дискретное множество значений ЧДД), хотя в действительности число возможных исходов не ограничено. Кроме того, при невозможности использования объективного метода определения вероятности того или иного сценария приходится делать предположения, основываясь на личном опыте или суждении, при этом возникает проблема достоверности вероятностных оценок.

Метод дерева решений

Как вспомогательный инструмент при проведении сценарного анализа удобно использовать метод дерева решений. Он применяется в тех ситуациях, когда решения, принимаемые в каждый момент времени, сильно за-висят от предыдущих решений и в свою очередь определяют сценарии дальнейшего развития событий.

Дерево решений - это сетевые графики, каждая ветвь которых представляет собой альтернативные варианты развития или состояния среды. При проведении сценарного анализа на сетевом графике указываются ве-роятности наступления тех или иных событий, а затем производится рас-чет ожидаемых результатов.

Дерево решений используют, когда нужно принять несколько реше-ний в условиях неопределенности, когда каждое решение зависит от исхо-да предыдущего или исходов испытаний. Составляя «дерево» решений, нужно нарисовать «ствол» и «ветви», отображающие структуру проблемы. Располагаются «деревья» слева направо. «Ветви» обозначают возможные альтернативные решения, которые могут быть приняты, и возможные исходы, возникающие в результате этих решений. На схеме мы используем два вида «ветвей» :первый - пунктирные линии, соединяющие квадра-ты возможных решений, второй - сплошные линии, соединяющие кружки возможных исходов.

Квадратные «узлы» обозначают места, где принимается решение, круглые «узлы» - появление исходов. Так как принимающий решение не может влиять на появление исходов, ему остается лишь вычислять вероятность их появления. Пример построения «дерева» решений смотри в зада-нии.

Когда все решения и их исходы указаны на «дереве», просчитывается каждый из вариантов, и в конце проставляется его денежный доход. Все расходы, вызванные решением, проставляются на соответствующей «ветви».

9.4. Метод имитационного моделирования (метод Монте-Карло) Имитационную модель можно рассматривать как множество правил

(дифференциальных уравнений, карт состояний, автоматов, сетей и т.п.), которые определяют, в какое состояние система перейдёт в будущем из заданного текущего состояния.

Существуют следующие виды имитационного моделирования :

o Агентное моделирование. Цель агентных моделей – получить пред-ставление о глобальных правилах поведения системы, исходя из предположений об индивидуальном, частном поведении ее отдель-ных активных объектов и взаимодействии этих объектов в системе. Агент – некая сущность, обладающая активностью, автономным поведением, может принимать решения в соответствии с некото-рым набором правил, взаимодействовать с окружением, а также са-мостоятельно изменяться;

o Дискретно-событийное моделирование. Этот вид модлирования наиболее подходит для моделирования производственных процес-сов и имеет огромную сферу приложений – от логистики и систем массового обслуживания до транспортных и производственных систем;

o Системная динамика. Такой вид моделирования более всех других парадигм помогает понять суть происходящего выявления причинно следственных связей между объектами и явлениями. С помощью системной динамики строят модели бизнес-процессов, развития города, модели производства, динамики популяции, экологии и развития эпидемии;

o Метод Монте-Карло – численный метод решения математических задач при помощи моделирования случайных величин.

Анализ рисков с использованием метода Монте-Карло - метода имитационного моделирования или метода статистических испытаний - пред-ставляет собой соединение методов анализа чувствительности и анализа сценариев на базе теории вероятности. Вместо того, чтобы создавать отдельные сценарии (наилучший, наихудший), в имитационном методе компьютер генерирует сотни возможных комбинаций параметров (факторов)

проекта с учетом их вероятностного распределения. Каждая комбина-ция дает свое значение NPV, и в совокупности аналитик получает вероятностное распределение возможных результатов проекта. Реализация этой достаточно сложной методики возможна только с помощью современных информационных технологий. Суть метода в том, что компьютер случайным образом выбирает комбинацию параметров и для каждой комбинации рассчитывается эффективность. И это статистическая совокупность анали-зируется с помощью теории вероятности (дисперсия и др. показатели). На основе этого статистического материала определяется риск проекта.

9.5 .Метод Z-модель (модель Альтмана)

Этот метод оценки риска базируется на оценке и анализе финансовых показателей. Эта модель позволяет определить, находится ли компания в рискованном положении (опасность разорения или банкротства). Эта концепция разработана американским профессором Эдвардом Альтманом и (независимо) профессором Ричардом Таффлером, исследователем из Вели-кобритании. Z-модели разработаны на основе статистического анализа большого количества финансовых коэффициентов как «благополучных», так и обанкротившихся компаний.

Z-модель Альтмана выглядит следующим образом:

Z=1,2X₁+1,4X₂+3,3Х₃+0,6Х₄+0,999Х₅

где X₁ - отношение оборотного капитала к общим активам; Х₂ - отно-шение нераспределенной прибыли к общим активам; Х₃ - отношение при-были до выплаты процентов и налогов к общим активам; Х₄ - отношение рыночной стоимости акций к стоимости балансовых обязательств; Х₅ - от-ношение объема продаж к общим активам.

Альтман определил граничные значения функции - 1,81 (наступление дефолта) и 2,99 (выполнение обязательств).

этой модели уровень Z, превышающий 2,99, указывает на стабиль-ность, а величина ниже 1,81 - на потенциальное банкротство. Выборка Альтмана рассчитана на американские фирмы.

Таблица 9 .2.