можно определить как среднее расстояние между соседними приоритетами. Значения весов по группам приоритетов можно определить из определенных условий (табл.1).

Условия определения значения весов по группам приоритетов Таблица 1

Приоритет	Вес
1
2
k

Моделью распределения весов по приоритетам является арифметическая прогрессия, знаменатель которой – среднее расстояние между приоритетами.

Суммируя веса по всем приоритетам (сумма равна единице), получим:

(1.9)

и, подставив в найденное выражение значение S из формулы (1.8), получим:

(1.10)

Таким образом, получен вес последнего приоритета, а вес первого приоритета будет превосходить его в S раз.

Вторым шагом является определение веса каждого из промежуточных приоритетов. Поскольку среднее расстояние между приоритетами известно, то вес любого приоритета с номером m составит:

(1.11)

откуда, подставляя значение S, получим:

(1.12)

или

(1.13)

На третьем шаге определяют веса для простых факторов, входящих в приоритетные группы. Для этого производится расчет:

(1.14)

где - вес простого фактора i, входящего в приоритетную группу m;

- ее численность.

Все простые риски внутри одной приоритетной группы имеют одинаковые веса.

Анализ чувствительности.

В ходе анализа чувствительности происходит последовательно-единичное изменение всех проверяемых на рискованность переменных: каждый раз, как только одна из переменных меняет свое значение на прогнозное число процентов, и на этой основе пересчитывается новая величина принятого критерия.

В международной практике широко используется анализ точки безубыточности (break even point analysis), который является простейшим способом, позволяющим проводить грубую оценку рисков проекта, и одним из элементов финансовой информации, используемой при оценке эффективности инвестиционных проектов.

Анализом безубыточности называется исследование взаимосвязи объема производства, себестоимости и прибыли при изменении этих показателей в процессе производства. Цель такого анализа - выявление сбалансированного соотношения между издержками, объемом производства и прибылями; в конечном счете - нахождение объема реализации, необходимого для возмещения издержек.

Проведение анализа безубыточности представляет собой моделирование реального процесса и базируется на следующих исходных предпосылках.

· Неизменность цен реализации, с одной стороны, и цен на потребляемые производственные ресурсы - с другой.

· Разделение затрат предприятия на постоянные, которые остаются неизменными при незначительных изменениях объема производства, и переменные, изменение которых предполагается пропорциональным объему.

· Пропорциональность поступающей выручки и объема реализации.

· Существование единственной точки критического объема производства (что вытекает из вышеперечисленных условий).

· Равенство объема производства объему реализации.

· Постоянство ассортимента изделий в случае выпуска нескольких изделий.

Как видно, описанная система предпосылок является весьма жесткой, что, естественно, не может не сказаться на точности результатов работы с моделью.

Анализ точки безубыточности может иметь как графическую, так и аналитическую форму. В первом случае - это график взаимосвязи между названными показателями (Приложение 3), где объем реализации, необходимый для возмещения издержек, характеризуется особой точкой - точкой критического объема производства (точкой безубыточности). При таком объеме выпуска предприятие не получает ни прибыли, ни убытка, то есть выручка от реализации продукции равна ее полной себестоимости (издержкам).

Аналитический подход предполагает выявление воздействия на прибыль изменений в объеме продаж (Q). Элементами, которые определяют соотношение между этими переменными, являются: цена единицы продукции (Р), переменные затраты на единицу продукции (AVC) и постоянные затраты (FC).

Общие затраты, равные сумме постоянных и переменных, составляют величину (АVC х Q + FC). Выручка равна величине (PQ). В точке безубыточности (Q*) соблюдается равенство общих затрат и выручки, т. е. PQ* = AVC х Q* + FC.

Решая данное уравнение относительно величины объема производства продукции, обеспечивающего это равенство, получим:

(1.15)

Последовательно варьируя значения переменных в правой части этого выражения, можно проводить простейший анализ чувствительности.

Однако, как уже отмечалось, сильная система исходных предпосылок и различные способы расчетов как постоянных, так и переменных затрат (учет или неучет налогов; инфляции и так далее) оказывают существенное влияние на конечный результат.

В xoдe классического анализа чувствительности (уязвимости), применяемого к проекту, происходит последовательно-единичное изменение каждой переменной: только одна из переменных меняет свое значение на прогнозное число процентов, и на этой основе пересчитывается новая величина используемого критерия (например, NPV или IRR). Затем оценивается процентное изменение критерия по отношению к базисному случаю и рассчитывается показатель чувствительности, представляющий собой отношение процентного изменения критерия к изменению значения переменной на один процент (так называемая эластичность изменения показателя). Таким же образом исчисляются показатели чувствительности по каждой из остальных переменных.

На следующем шаге, используя результаты проведенных расчетов, осуществляют экспертное ранжирование переменных по степени важности (например: очень высокая, средняя, невысокая) и экспертную оценку прогнозируемости (предсказуемости) значений переменных (например: высокая, средняя, низкая). Далее можно построить так называемую «матрицу чувствительности», позволяющую выделить наименее и наиболее рискованные для проекта переменные (показатели).

Анализ сценариев.

Следующий метод, применяемый при количественной оценке риска, анализ сценариев - позволяет отчасти исправить недостаток предыдущего метода, так как включает одновременное (параллельное) изменение факторов проекта, проверяемых на риск. По существу, этот метод анализа рисков инвестиционного проекта представляет собой развитие методики анализа чувствительности, заключающееся в одновременном непротиворечивом (реалистическом) изменении всей группы переменных проекта, проверяемых на риск.

В результате определяется воздействие одновременного изменения всех основных переменных проекта, характеризующих его денежные патоки, на критерии проектной эффективности. Важным преимуществам этого метода является тат факт, что отклонения параметров рассчитываются с учетом их взаимозависимостей (корреляции).

В качестве возможных вариантов целесообразно построить как минимум три сценария: пессимистический, оптимистический и наиболее вероятный (реалистический, или средний).

Построение пессимистического сценария связано с ухудшением значений переменных параметров да определенного разумного уровня по с базовыми (реалистическими). На основании полученных значений факторов (например, цен на продукцию, объемов производства, капитальных вложений, текущих издержек, налоговых платежей и так далее) рассчитываются значения критериев эффективности проекта (NPV, IRR и другие). Полученные значения сравниваются с их базисными значениями, и формулируются необходимые рекомендации. В основе рекомендаций лежит обязательное условие: даже в оптимистическом варианте нет возможности оставить проект для дальнейшего рассмотрения, если рассчитанное значение находится за пределами эффективности проекта (например, NРV проекта отрицательно), и, наоборот, при пессимистическом сценарии получение, например, положительного значения NPV позволяет говорить о приемлемости данного проекта.

Итак, анализ чувствительности и сценарный анализ являются последовательными шагами в количественном анализе рисков, при этом последний позволяет избавиться от некоторых недостатков метода анализа чувствительности. Однако следует отметить, что метод сценариев наиболее эффективно применим в случае, когда количество возможных значений NPV конечно. Вместе с тем, как правило, при проведении анализа рисков инвестиционного проекта эксперт сталкивается с неограниченным количеством различных вариантов развития событий.

Проведение анализа рисков проекта требует использования компьютерной техники и программных продуктов. Реализация и построение моделей сценарного подхода возможны, например, на основе электронных таблиц типа Excel, QPRO, Lоtus-123, что помогает значительно упростить работу.

Метод ставки процента с поправкой на риск.

Чем выше инвестор оценивает риск проекта, тем более высокие требования он обычно предъявляет к его доходности. Эта может быть отражено в расчетах путем соответствующего увеличения нормы дисканта - включения в нее премии за риск

Существуют две группы методов - агрегированные и пофакторные (кумулятивные), учитывающие риск сразу целиком и каждый вид риска в отдельности соответственна.

Агрегированные методы включают в себя метод бета-коэффициента, метод средневзвешенной стоимости капитала.

Метод бета-коэффициента для расчета нормы дисконта использует модель оценки капитальных активов (Capital Assets Prices Mode - САРМ):

(1.16)

где R - ставка дисконта (требуемая инвестором ставка дохода на собственный капитал);

Rf - безрисковая ставка дохода;

- коэффициент бета (является мерой систематического риска, связанного с макроэкономическими и политическими процессами, происходящими в стране);

Rm - общая доходность рынка в целом (среднерыночного портфеля ценных бумаг);

(Rm-Rf) - рыночная премия за риск нессудного инвестирования при отсутствии безусловных долговых обязательств заемщика;

S1 - премия для малых предприятий;

S2 - премия за риск, характерный для отдельных компаний;

С - страновой риск.

Данная модель основана на анализе массивов информации фондового рынка, конкретно - изменения доходности свободно обращающихся акции.

В качестве безрисковой ставки дохода в мировой практике используется обычно ставка дохода по долгосрочным государственным долговым обязательствам; считается, что государство является самым надежным гарантом по своим обязательствам (вероятность его банкротства практически исключается). Однако, как показывает практика, государственные ценные бумаги в условиях России не воспринимаются как безрисковые. Для определения ставки дисконта в качестве безрисковой может быть принята ставка по вложениям, характеризующимся наименьшим уровнем риска (ставка по валютным депозитам в Сбербанке или других наиболее надежных банках). Безрисковая ставка используется как точка отсчета, к которой привязывается оценка различных видов риска, характеризующих вложения в данное предприятие, на основе чего и выстраивается требуемая ставка дохода.

Среднерыночная доходность должна рассматриваться как известная абстракция, поскольку полная информация о доходности всех обращающихся на рынке акций обычно отсутствует. На практике этот показатель рассчитывают по ограниченному числу представительных ценных бумаг, например по акциям «голубых фишек».

Коэффициент бета представляет собой меру риска. На фондовом рынке выделяются два вида риска: специфический для конкретной компании, еще называемый несистематическим (определяется микроэкономическими факторами), и общерыночный, характерный для всех компании, акции которых находятся в обращении, называемый также систематическим (вызван макроэкономическими и политическими причинами). В модели оценки капитальных активов при помощи коэффициента бета определяется величина систематического риска.

Для определения величины коэффициента бета используют два метода.

Первый метод основывается на анализе коэффициентов бета действующих предприятий-аналогов. Такой расчет производится в два этапа.

На первом этапе выбирается анализируемый период и собираются необходимые данные о доходности акций предприятия и о среднерыночной доходности на отдельные даты в этом периоде. Для m-го наблюдения обозначим указанные показатели через и . При увеличении объема такой информации расчеты становятся более точными, однако если при этом анализируемый период «расширяется в прошлое», то получаемые значения с меньшей долей уверенности можно будет распространить на перспективу.

На втором этапе по отдельным, конкретным величинам и вначале рассчитываются средние за период значения доходности а затем вычисляется :

(1.17)

Подобные коэффициенты для различных предприятий и групп предприятий рассчитываются многими специалистами и агентствами и часто публикуются в прессе.

Второй подход к определению коэффициента бета опирается на анализ показателей и характеристик деятельности компании, которые предположительно влияют на степень инвестиционного риска. Подобный коэффициент называется «фундаментальным».

Определение фундаментального бета основано на исследовании, которое выявляет тесную корреляцию между коэффициентом бета и показателями риска предприятия. Показатели риска включают:

· финансовые риски, которые рассчитываются на основе финансовой отчетности компании и включают анализ тенденций и сравнительный анализ финансовых коэффициентов;

· отраслевые риски;

· влияние изменений общеэкономической ситуации на деятельность компании.

Обычно коэффициент бета лежит в пределах от 0 до 2.

Коэффициент бета для рынка в целом равен 1. Если у какой-либо компании коэффициент бета равен 1, то колебания ее общей доходности полностью коррелируют с колебаниями доходности рынка в целом и ее систематический риск равен среднерыночному. Общая доходность компании, у которой коэффициент бета равен 1,5, будет изменяться на 50% быстрее доходности рынка. Например, если среднерыночная доходность акций снизится на 10%, общая доходность данной компании упадет на 15%.

Следует отметить ряд важных особенностей бета-метода, которые необходимо учитывать при попытках его применения.

1. В данном методе термином «риск» охватываются любые положительные или отрицательные отклонения доходности проекта от среднего значения. Тем самым если оценивать эффективность проекта, ориентируясь только на базовый сценарий его реализации (а именно для этой ситуации обычно применяется бета-метод), то в этом сценарии должны быть предусмотрены средние, а не умеренно пессимистические значения всех показателей. Поэтому при применении бета-метода все технико-экономические параметры проекта должны быть скорректированы в сторону улучшения.

2. Как ни была бы похожа продукция предприятия-аналога и проектируемого, цена акций первого определяется не только этим, но и другими факторами (например, структурой капитала, дивидендной политикой и степенью диверсификации производства). Играет роль и то обстоятельство, что взаимоотношения с государством у них могут быть различными. Поэтому некритическое распространение значения на другие предприятия неправильно.

3. В чистом виде бета-метод учитывает только один тип рисков - систематический. Этот недостаток поправим путем внесения в него дополнительных поправок на другие виды рисков. Для выравнивания результатов «чистого» бета-метода до -«фундаментального» перечень несистематических рисков следует, как минимум, соотнести со списком факторов финансового риска, ликвидность, прибыльность, качество управления, капиталоемкость, обменный курс, ставки процента, уровень инфляции, доля на рынке и так далее).

Метод средневзвешенной стоимости капитала.

Необходимо отметить, что метод -коэффициента используется при установлении нормы дисконта для денежного потока только собственного капитала. Если необходимо установить норму дисконта для денежного потока всего инвестированного капитала, используют метод средневзвешенной стоимости капитала (Weighted Average Cost оf Саpital - WACC). В наиболее простом случае, когда в структуре инвестированного капитала вычленяются только собственные и заемные средства (без их дальнейшего подразделения), расчетная формула для нормы дисконта имеет вид:

(1.18)

где - стоимость собственного капитала (требуемая отдача на акции),

- стоимость заемного капитала (ставка процента по займу),

- доли собственного и заемного капитала в общем капитале проекта.

В литературе часто встречается модификация указанной формулы. По существующему западному законодательству, проценты по займу исключаются при налогообложении прибыли, так что, используя кредиты, фирма получает налоговую льготу, что эквивалентно для нее выплате процентов в меньшем размере. В результате формула для расчета нормы дисконта принимает вид:

(1.19)

где t - ставка налога на прибыль предприятия.

Оценим данный метод с точки зрения возможностей практического использования.

Метод WACC применим к небольшим проектам, реализуемым на действующих предприятиях. Все входящие в формулу параметры должны задаваться в исходной информации о фирме, причем обычно берутся последние фактические данные о фирме, а получаемая норма дисконта распространяется на весь период осуществления проекта. Однако в типичных для современной России условиях, когда ставки процента за кредит имеют явную тенденцию к снижению, закладывать в расчет на длительную перспективу нынешние значения было бы ошибочно. А поэтому, работая с данным методом, необходимо прогнозировать входящие в формулу параметры на перспективу и устанавливать норму дисконта переменной во времени.

Неоднозначно решается вопрос и о том, как устанавливать доли собственного и заемного капитала. К сравнительно крупным проектам, реализуемым на действующих предприятиях, применяются два варианта.

Первый вариант предусматривает, что веса устанавливаются по всей фирме. При этом очевидно, что в норме дисконта отражается риск, связанный с деятельностью фирмы в целом, а не риск, относящийся к данному проекту. Это может рассматриваться как недостаток метода. Но такой подход позволяет учесть то обстоятельство, что, реализуя разные проекты, фирма старается поддерживать определенную структуру своего капитала, и тем самым как бы устраняет их риски. В этом варианте норма дисконта на протяжении всего расчетного периода оказывается стабильной.

При втором варианте в формулы включается структура капитала, относящаяся не к фирме, а к рассматриваемому проекту. Это мотивируется тем, что данный вариант в отличие от первого приводит к переменной по шагам норме дисконта, что несколько усложняет оценку эффективности. Но как именно будет меняться норма дисконта во времени? Если на начальном этапе предусматривается получение большого займа, то в процессе реализации проекта и погашения долга доля собственного капитала, а значит и норма дисконта будут возрастать. Между тем совершенно очевидно, что для самой фирмы, ее акционеров и кредитора риск проекта должен уменьшаться по мере того, как проект осуществляется, а заем погашается. Таким образом, динамику нормы дисконта второй вариант метода отражает неадекватно.

Кумулятивный метод.

Данный метод исходит из определенной классификации факторов риска и оценок каждого из них. За базу расчетов берется безрисковая ставка. Принимается, что каждый фактор увеличивает данную ставку на определенную величину, и общая премия получается путем сложения «вкладов» отдельных факторов. Классификация факторов и размеры их «вкладов» могут быть различными.

Методы оценки рисков с учетом распределений вероятностей разделяются на методы, основанные на использовании теории принятия решений, а также метод принятия решений с помощью «дерева решений» и метод Монте-Карло.

Методы, основанные на использовании теории принятия решений.

Анализируя и сравнивая варианты инвестиционных проектов, инвесторы и менеджеры действуют в рамках теории принятия решений.

Как было отмечено выше, понятия риска и неопределенности различаются. Вероятностный инструментарий позволяет достаточно четко разграничить их. В соответствии с этим, в теории принятия решении выделяются два типа моделей:

· Принятие решения в условиях неопределенности - когда лицо, принимающее решение, не знает вероятности наступления исходов или последствий для каждого решения.

· Принятие решений в условиях риска - когда лицо, принимающее решение, знает вероятности наступления исходов или последствий для каждого решения.

Исходная информация для принятия решения как в ситуации неопределенности, так и в ситуации риска, обычно представляется с помощью таблицы выплат.

В самом общем виде в ситуации риска она будет выглядеть так (табл.2):

Таблица выплат в ситуации риска Таблица 2

Выбор варианта решения	Состояния «среды» (S) и их вероятности (p)
Выбор варианта решения	S1(p1)	S2(p2)	Sj(pi)
A1	X11	X12	X1j
A2	X21	X22	X2j
A3	Xi1	Xi3	Xij

В таблице выплат обозначает выплату, которую можно получить от i-го решения в j-м состоянии «среды». Таблицу можно свернуть в матрицу выплат |Xij|, где i - номер строки матрицы выплат, то есть варианта решения, j- номер столбца матрицы, то есть состояния «среды».

В ситуации неопределенности таблица будет иметь несколько иной вид: в ней будут отсутствовать вероятности наступления последствий принимаемых решений.

Примеры ситуаций неопределенности и риска и соответствующих им таблиц выплат, а также методы выбора оптимального решения в рамках каждой из моделей приведены далее.

Критерии принятия решений в условиях неопределенности.

Для выбора оптимальной стратегии в ситуации неопределенности используются следующие критерии:

· критерий MAXIMAX;

· критерий MAXIMIN (критерий Вальда);

· критерий MINIMAX (критерий Сэвиджа);

· критерий пессимизма-оптимизма Гурвица.

Критерий MAXIMAX определяет альтернативу, максимизирующую максимальный результат для каждого состояния возможной действительности. Это критерий крайнего оптимизма. Наилучшим признается решение, при котором достигается максимальный выигрыш, равный:

(1.20)

Следует заметить, что ситуации, требующие применения такого критерия, в общем, нередки, и пользуются им не только безоглядные оптимисты, но и игроки, вынужденные руководствоваться принципом «или пан - или пропал».

Максиминный критерий Вальда eщe называют «критерием пессимиста», поскольку при его использовании как бы предполагается, что от любого решения надо ожидать самых худших последствий и, следовательно, нужно найти такой вариант, при котором худший результат будет относительно лучше других худших результатов. Таким образом, он ориентируется на лучший из худших результатов.

(1.21)

Критерий MINIMAX, или критерий Сэвиджа, в отличие от предыдущего критерия, ориентирован не столько на минимизацию потерь, сколько на минимизацию сожалений по поводу упущенной прибыли. Он допускает разумный риск ради получения дополнительной прибыли. Пользоваться этим критерием для выбора стратегии поведения в ситуации неопределенности можно лишь тогда, когда есть уверенность в том, что случайный убыток не приведет фирму (проект) к полному краху:

(1.22)

Критерий пессимизма-оптимизма Гурвица при выборе решения рекомендует руководствоваться некоторым средним результатом, характеризующим состояние между крайним пессимизмом и безудержным оптимизмом. То есть критерий выбирает альтернативу с максимальным средним результатом (при этом действует негласное предположение, что каждое из возможных состояний среды может наступить с равной вероятностью). Формально данный критерий выглядит так:

(1.23)

где k - коэффициент пессимизма, который принадлежит промежутку от 0 до 1 в зависимости от того, как принимающий решение оценивает ситуацию. Если он подходит к ней оптимистически, то эта величина должна быть больше 0,5. При пессимистической оценке он должен взять упомянутую величину меньше 0,5.

При k=0 критерий Гурвица совпадает с максимаксным критерием, а при k=1 - с критерием Вальда.

Критерии принятия решений в условиях риска.

Под ситуацией риска, как уже отмечалось, в теории принятия решений понимается такая ситуация, когда можно указать не только возможные последствия каждого варианта принимаемого решения, но и вероятности их появления. Для выбора оптимального решения в данном случае предназначены:

· критерий математического ожидания;

· критерий Лапласа.

Критерий математического ожидания является основным критерием для принятия решения в ситуации риска. Ему соответствует формула:

(1.24)

где - выплата, которую можно получить в i-м состоянии «среды»,

– вероятность j-го состояния среды.

Таким образом, лучшей стратегией будет та, которая обеспечит инвестору (менеджеру) максимальный средний выигрыш.

Критерию Лапласа соответствует формула:

(1.25)

Когда два разных критерия предписывают принять одно и то же решение, то это является лишним подтверждением его оптимальности. Если же они указывают на разные решения, то предпочтение в ситуации риска надо отдать тому из них, на которое указывает критерий математического ожидания.

Принятие решений с помощью «дерева решений».

Рассмотрим более сложные решения в условиях риска. Если имеют место два или более последовательных множества решений, причем последующие решения основываются на результатах предыдущих, или два или более множества состояний среды (то есть появляется целая цепочка решений, вытекающих одно из другого, которые соответствуют событиям, происходящим с некоторой вероятностью), используется «дерево решений».

С его помощью часто оценивают риск по проектам, при реализации которых инвестирование средств происходит в течение длительного периода времени.

Дерево решений - это графическое изображение последовательности решений и состояний окружающей среды с указанием соответствующих вероятностей и выигрышей для любых комбинаций вариантов и состояний сред.

Аналитик проекта, осуществляющий построение «дерева решений», для формулирования различных сценариев развития проекта должен обладать необходимой и достоверной информацией с учетом вероятности и времени их наступления. Можно предложить следующую последовательность сбора данных для построения «дерева решений»:

· определение состава и продолжительности фаз жизненного цикла проекта;

· определение ключевых событий, которые могут повлиять на дальнейшее развитие проекта;

· определение времени наступления ключевых событий;

· формулировка всех возможных решений, которые могут быть приняты в результате наступления каждого ключевого события;

· определение вероятности принятия каждого решения;

· определение стоимости каждого этапа осуществления проекта (стоимости работ между ключевыми событиями) в текущих ценах.

На основании полученных данных строится «дерево решений», структура которого содержит узлы, представляющие собой ключевые события (точки принятия решений), и ветви, соединяющие узлы, - работы по реализации проекта.

В результате построения «дерева решений» рассчитываются: вероятность каждого сценария развития проекта, NPV по каждому сценарию, а также ряд других принципиально важных как для анализа рисков проекта, так и для принятия управленческих решений показателей.

Построение «дерева решений» обычно используется для анализа рисков тех проектов, которые имеют обозримое количество вариантов развития. В противном случае «дерево решений» принимает очень большой объем, так что затрудняется не только вычисление оптимального решения, но и определение данных.

Метод полезен в ситуациях, когда более поздние решения сильно зависят от решений, принятых ранее, но, в свою очередь, определяют дальнейшее развитие событий.

Метод Монте-Карло.

Имитационное моделирование по методу Монте-Карло (Monte-Carlo Simulation) считается наиболее сложным, но и наиболее корректным методом оценки и учета рисков при принятии инвестиционного решения. Метод 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.

Процедура имитации методом Монте-Карло базируется на последовательности ряда шагов (Приложение 4).

Метод Монте-Карло наиболее полно характеризует всю гамму неопределенностей, с которой может столкнуться реальный инвестиционный проект, и через задаваемые изначально ограничения позволяет учитывать всю доступную проектному аналитику информацию. Практическая реализация данного метода возможна только с применением компьютерных программ, позволяющих описывать прогнозные модели и рассчитывать большое число случайных сценариев.

Одним из программных продуктов, реализующих метод Монте-Карло, является пакет Risk Master (RМ), разработанный в Гарвардском университете с целью обучения студентов экспертизе инвестиционных проектов.

Структурно программа RM включает два блока - имитационный и аналитический. В ходе работы первого из них происходит имитация методом Монте-Карло модели инвестиционного проекта, построенной в виде электронных таблиц. Задачей второго блока программы является анализ полученных на первом этапе результатов и вычисление показателей совокупного риска проекта.

В процессе работы программы RM математическая модель проекта подвергается повторяющимся имитациям, в ходе каждой из которых ключевые рисковые переменные выбираются случайным образом в соответствии с заранее заданными распределениями вероятностей и условиями корреляции. Затем проводится статистический анализ результатов всех имитаций для получения распределения вероятностей результирующего показателя проекта.

Выводы: Методы с учетом распределения вероятностей позволяют получить распределение вероятностей результирующего показателя на основе распределений экзогенных переменных, но так как в основе этих методов лежит применение теории вероятностей, их использование связано с рядом ограничений, что оказывает существенное влияние на практическую применимость рассматриваемых методов.

В нестабильных условиях первым этапом, приобретающим особо важное значение, является качественный анализ. Он имеет своей целью выявить факторы, области виды рисков, произвести возможную на данном этапе их стоимостную оценку. Важность данного этапа связана с наличием нетрадиционных рисков и относительно более высокой степенью обычных рисков, поверхностная оценка которых может привести к пагубным последствиям. Необходимым условием при этом является наличие ранжирования и систематизации рисков, полностью отражающей всю ту их совокупность, с которой придется иметь дело при реализации проекта.

Второй стадией анализа рисков является количественная оценка. Его реализация может происходить с помощью всего ряда описанных выше методов. Особое внимание должно быть уделено построению модели: она должна хорошо описывать реальность, быть адекватной рассматриваемой экономической ситуации, чтобы достоверно отражать влияние рисков.

Трудно предугадать, какой из методов является предпочтительным для анализа. Необходимо выбирать тот метод, который соответствует возможностям данного проекта. Кроме того, важно помнить, что любой из существующих методов лишь позволяет получить более четкое представление о направлениях действий, но не может заменить человека, принимающего решение.

Глава 2.Оценка стратегического потенциала ООО «Ситис»

2.1 Организационно-экономическая характеристика ООО «Ситис»

Общество с ограниченной ответственностью «Ситис» основано 12 мая 2006 года в г. Мытищи. ООО «Ситис» создано согласно договору о совместной деятельности и осуществляет свою деятельность на основании Устава, в соответствии с законодательством Российской Федерации.

Полное официальное наименование Общества: Общество с ограниченной ответственностью «Ситис». ООО «Ситис» в своей деятельности руководствуется Конституцией Российской Федерации, Гражданским кодексом РФ, законодательством РФ о труде, иными федеральными законами.

Фирма т предоставляет следующие услуги:

· Проявка фотопленок;

· Печать фотоснимков размером от 2´3 см до 30´45 см, как с цифровых, так и с обычных фотокамер;

· Печать фотоснимков с видеокассет и цифровых видеокамер;

· Реставрация и редактирование фотоснимков, разработка открыток, приглашений, виньеток, визиток и так далее;

· Изготовление визиток, виньеток, открыток, календарей и так далее;

· Съемка в фотостудии;

· Продажа сопутствующих товаров (фотоаппаратов, фотоальбомов, фотопленок, батареек и так далее).

Также при покупке предоставляются сервисные услуги: гарантийное обслуживание фотоаппаратов, продажа в рассрочку и заказ дорогостоящих фототоваров по каталогу.

Описание производственного процесса.

Производственный процесс печати фотоснимков состоит из следующих операций:

· Прием заказа (2 мин);

· Проявка фотопленки (13 мин);

· Печать фотоснимков (в зависимости от количества, из расчета 0,02 мин на фотоснимок);

· Контроль качества, оформление и выдача заказов (5 мин).

Съемка в фотосалоне фотоснимков занимает от 7 до 20 мин в зависимости от количества и сложности съемки. Услуги цифровой печати в зависимости от сложности могут занимать от 10 мин. до нескольких часов.

Страницы: 1, 2, 3, 4, 5