13.3. методы количественного анализа проектных рисков

Перед тем, как перейти к количественных измерений рисков, необходимо выделить направления учета неопределенности, то есть провести качественный анализ проектных ризикив.
Важная специфическая особенность анализа инвестиционных рисков заключается в определении возможных рисков, имеющих существенное влияние на результаты реализации проекту.
Основными результатами качественного анализа рисков являются:
выявление конкретных рисков проекта и их причин;
анализ и стоимостной эквивалент гипотетических последствий возможной реализации отмеченных рисков;
предложение мероприятий по минимизации ущерба и их стоимостной оцинки.
К дополнительным, но также значительных результатов анализа следует отнести определение пограничных значений возможного изменения всех факторов (переменных) проекта, проверяемых на ризик.
После этапа анализа производится количественная оценка ризикив.
Методами количественного анализа рисков, встречающихся наиболее часто, как уже отмечалось, является анализ чувствительности (уязвимости), анализ сценариев и имитационное моделирование рисков по методу Монте-Карло.
Перед тем, как исследовать каждый из перечисленных методов, подадим общее представление о них. Следовательно, проведение количественного анализа проектных рисков опирается на уже упомянутый базисный вариант расчета проекта. В ходе анализа были определены факторы проекта, проверяемых на риск. Задача количественного анализа состоит в численном измерении влияния изменений рискованных факторов на эффективность проекту.
Анализ чувствительности (уязвимости) происходит при "последовательно-единичном" изменении каждой переменной. То есть предполагается, что только одна из переменных меняет значение, на основе чего пересчитывается новое значение используемого критерия (например, критерия чистого дисконтированного дохода (NPV)). Затем оценивается процентное изменение критерия по сравнению с базисным случаем и рассчитывается показатель чувствительности, составляет отношение процентного изменения критерия к изменению значения переменной на 1% (так называемая эластичность изменения показателя).
Так же вычисляются показатели чувствительности по каждой из остальных переменных. По результатам этих расчетов осуществляется экспертное ранжирование переменных по степени важности (например, "очень высокая", "средняя", "невысокая") и экспертная оценка прогнозируемости (предсказуемости) значений переменных (например, "высокая", "средняя", "низкая" ). Далее эксперт строит матрицу чувствительности, что позволяет выделить наименее и наиболее рискованные для проекта переменные (показатели).
Анализ чувствительности - самый простой и поэтому наиболее используемый количественный метод исследования рисков. Однако в его простоте кроются некоторые недостатки: во-первых, этот метод является экспертным, есть разные группы экспертов могут получить разные результаты, во-вторых, в ходе анализа чувствительности не учитывается связь (корреляция) между изменяемыми зминними.
Анализ сценариев - это развитие методики анализа чувствительности проекта, потому что одновременно непротиворечивой (реалистической) изменению подвергается вся группа переменных, которые проверяются на риск. Рассчитываются пессимистический вариант (сценарий) возможного изменения переменных, а также оптимистический и наиболее вероятный варианты. Согласно этим расчетам определяются новые значения критериев оценки эффективности проекта. Эти показатели сравнивают с базисными значениями и дают необходимые рекомендации.
В основе рекомендаций лежит определенное "правило": даже в оптимистическом варианте нет возможности считать проект целесообразным для реализации, если значение критерия NPV этого проекта отрицательно. И наоборот: пессимистический сценарий в случае получения положительного значения NPV позволяет эксперту судить о приемлемости этого проекта, несмотря на худшие прогнозы изменения зминних.
Метод моделирования Монте-Карло по анализу рисков составляет синтез методов анализа чувствительности и анализа сценариев. Это сложная методика, которая реализуется на компьютере. Результатом такого анализа является распределение возможностей вероятных результатов проекта (например, возможность получения NPV <0).
13.2. практические методы учета рисков 13.4. методы предотвращения рисков