Экономика недвижимости (стр. 53 из 54)

Условная шкала ранжирует риски проектов по диапазонам допустимых значений общего коэффициента риска.

KΩ	Уровень риска	Способ разрешения
<0,20≈ATCF/Ve	Приемлемый (минимальный)	Удержание
0,20-0,30≈PTCF/Ve	Допустимый (повышенный)	Снижение
0,30-0,75≈NOI/Ve	Критический (предельный)	Передача
>0,75	Катастрофический	Избежание

Заметим, что представленные в таблице границы интервалов для K_Ω ориентированы на возможные источники компенсации потерь, потенциал которых сравнивается со стоимостью собственного капитала V_e в составе объекта оценки. В качестве таких источников рассматриваются:

- доход ATCF после налогообложения (K_Ω ≤ ATCF/V_e),

- доход PTCF до налогообложения (K_Ω ≤ PTCF/V_e),

- чистый операционный доход (K_Ω <NOI/V_e).

Здесь названия способов разрешения риска расшифровываются следующим образом:

- избежание - отказ от реализации рискованного решения - рекомендуется при высокой вероятности неблагоприятного развития событий и очень большом размере возможного ущерба;

- передача (ответственности) — страхование, перестрахование, передача в доверительное управление, получение финансовых или материальных гарантий третьей стороны, используемое при невысокой вероятности события и большом размере возможных финансовых потерь;

- сокращение - принятие превентивных мер для минимизации потерь путем снижения вероятности риска и уменьшения размера возможного ущерба, рекомендуемое к использованию при высокой вероятности неудачи (неблагоприятного развития событий) и небольшом размере ущерба;

- удержание - реализация решения с готовностью покрыть потери из своих средств, в том числе с использованием резервных фондов, создаваемых для самострахования; способ рекомендуется при невысокой вероятности события и небольшом размере возможного ущерба.

Как отмечалось выше, при наличии затруднений в измерении количественных характеристик риска и ранжировании рисков используются методы экспертных оценок с привлечением профессионалов, имеющих достаточный опыт в управлении недвижимостью и обладающих соответствующими знаниями теории управления. При этом существенное внимание уделяется формированию количественного (12-16 чел.) и качественного (представительного по специализациям) состава группы экспертов, не обремененных особыми интересами, способными привести к искажению результатов экспертизы.

Чаще всего предпочтение отдается такой организации опросов, при которой эксперты могут открыто высказывать свои суждения при полном запрете критики со стороны (режим «мозгового штурма», богатый ценными идеями, но сопровождаемый значительным «информационным шумом») или, что предпочтительнее с точки зрения возможностей обработки результатов - с заполнением анкет экспертного опроса и с корректировкой их авторами после обсуждения «промахов» (метод «Делъфи»).

Практика анализа экономических рисков

При реализации доходного подхода к оценке в условиях неопределенности прогнозируются будущие доходы и изменения нормы отдачи на капитал. В связи с этим погрешность, с которой может быть рассчитана величина рыночной стоимости, будет определяться ошибками предсказания темпов изменения ставок арендной платы, потерь от недозагрузки и неплатежей, всех видов операционных расходов, темпа инфляции и норм доходности финансовых инструментов. Количество параметров задачи оказывается весьма большим и в практике оценки первоочередной оказывается задача исключения из рассмотрения тех факторов риска, влияние которых на конечный результат оказывается пренебрежимо малым. Дифференциация факторов риска обеспечивается использованием упомянутой выше техники анализа чувствительности.

Анализ чувствительности к изменению факторов

Анализ чувствительности искомого показателя F к изменениям отдельных факторов f_i сводится к ранжированию факторов данного типа риска по величине отношения φ=δF/δf_j (здесь δf_j =Δf_j /f_j, δF=ΔF_j /F, ΔF_j - изменение F при максимально возможном изменении Δf_j величины фактора f_j). Влияние фактора считается значимым, если φ≥1. При φ<<1 влиянием фактора можно пренебречь.

Многофакторный анализ рисков

Для измерения чувствительности изучаемого показателя к изменениям не единичного фактора (как было рассмотрено выше), а группы факторов риска применяется техника вариации сценариев. Обычно анализируются три альтернативных сценария - пессимистический («pes»), вероятный («most likely» - «ml») и оптимистический («opt»).

При моделировании пессимистического сценария предполагается, что с определенной (не стопроцентной) вероятностью W_pes= W_pesi, могут проявиться одновременно (равновероятно) самые неблагоприятные варианты каждого риска из всей совокупности рисков - с максимально возможными из мыслимых значений показателями опасности ΔF_maxi. Очевидно, что в этом случае величина искомой характеристики окажется минимально возможной F_min=F_pes.

Оптимистический сценарий, напротив, «собирает» вместе наиболее благоприятные варианты развития событий, исходя из предположения, что все риски из совокупности минимальны (вариант безрисковый, с минимально возможными из мыслимых значений показателя опасности ΔF_mini≈0) и равновероятны (с одинаковой вероятностью W_opt=W_opti). Можно ожидать, что в этом случае потери минимальны и искомый параметр может характеризоваться максимально возможной («безрисковой») величиной F_opt=F_max.

Наконец, базовый (вероятный) сценарий, реализующийся с экспертно определяемой вероятностью W_ml=W_mli, моделирует вариант прогноза развития ситуации с умеренной степенью опасности всей совокупности рисков (показатели опасности ΔF_midi) и соответствующей средней величиной искомой характеристики F_ml=F_mid. Учитывая случайный характер каждого из прогнозных сценариев, можно рассчитать математическое ожидание F_w искомого результата, дисперсии σ²(F_w) и стандартного отклонения σ обработкой результатов, получаемых в результате анализа трех сценариев: F_w=W_pesF_min+W_mlF_mid+W_optF_max.

Возможно уточнение приведенного выше варианта техники многофакторного анализа рисков с привлечением экспертов. Здесь вероятность сценария определена на основании обработки мнений экспертов, полученных с использованием алгоритма «балльных» оценок:

- эксперты определяют перечень наиболее важных критериев оценки сценариев;

- каждому критерию присваивают вес G_i в баллах (пятибалльная шкала);

- для оценки каждого критерия выбирается шкала;

- эксперты оценивают каждый сценарий по каждому критерию;

- вычисляется балл для каждого критерия, средний по группе экспертов.

На основании этих результатов вычисляется средневзвешенный балл X_j сценария j. Предполагается, что вероятность сценариев пропорциональна полученным баллам и сумма вероятностей равна 100%. Тогда вероятность j-го сценария W_j равна W_j=X_j /ΣX_j.

Пара слов о методе имитационного моделирования Монте-Карло. Этот метод, позволяющий рассмотреть максимальное число сочетаний исходных данных (I_pgs, K_v&l, K_oe, R_o), и оценить диапазон изменения результирующей переменной (V_o), реализуется стандартным алгоритмом. При этом, учитывая недостаток рыночных данных для объекта, рассмотренного в предыдущем примере, предполагается, что все факторы распределены равномерно.

После проверки генерируемой последовательности случайных факторов на мультиколлинеарность (по матрице парных коэффициентов корреляции), исследуется зависимость качества достижения заданного (равномерного) распределения и величины рыночной стоимости от числа испытаний. Установлено, что величина рыночной стоимости практически не изменяется с ростом числа испытаний после 10000 испытаний, а распределение для ставок арендной платы, близкое к равномерному, достигается только при числе испытаний, равном 20000. Полученное при этом распределение плотности вероятности для значений рыночной стоимости оказалось близким к нормальному.