Данная методика заключается в определении поправки к коэффициенту дисконтирования, учитывающей риск. Данная поправка выбирается в зависимости от характера инвестиционной деятельности. Автор в /4/ приводит пример поправок к коэффициенту дисконтирования, который показан в таблице 2.
Таблица 2 – Поправки на риск к коэффициентам дисконтирования показателей инвестиционного проекта
| Уровни риска | Пример цели проекта | Премия за риск, % |
| Очень низкий | Вложения в государственные облигации | 0 |
| Низкий | Вложение в надежную технику | 3 – 5 |
| Средний | Увеличение объема продаж существующей продукции | 8 – 10 |
| Высокий | Производство и продвижение на рынок нового продукта | 13 – 15 |
| Очень высокий | Вложения в исследования и инновации | 18 – 20 |
Чем выше степень рискованности проекта, тем больше значение поправки и, соответственно, меньше значение приведенной стоимости проекта и тем менее охотно инвесторы склонны вкладывать капиталы в такие проекты
В /9/ автор указывает достоинства этого метода - простота расчетов, а также в понятности и доступности. Вместе с тем, как отмечает автор, метод имеет существенные недостатки.
Метод не дает никакой информации о степени риска (возможных отклонениях результатов). При этом полученные результаты существенно зависят только от величины надбавки за риск.
Он также предполагает увеличение риска во времени с постоянным коэффициентом, что вряд ли может считаться корректным, так как для многих проектов характерно наличие рисков в начальные периоды с постепенным снижением их к концу реализации. Таким образом, прибыльные проекты, не предполагающие со временем существенного увеличения риска, могут быть оценены неверно и отклонены.
В /1/ автор описывает цель метода как сравнительный анализ влияния различных факторов инвестиционного проекта на ключевой показатель эффективности проекта, например, внутреннюю норму прибыльности.
Сначала производится выбор ключевого показателя эффективности инвестиций, в качестве которого может служить внутренняя норма прибыльности (IRR) или чистое современное значение (NPV). Далее происходит выбор факторов, относительно которых разработчик инвестиционного проекта не имеет однозначного суждения и установление их номинальных и предельных значений. Далее производится расчет ключевого показателя для всех выбранных предельных значений неопределенных факторов. В конце анализа происходит построение графика чувствительности для всех неопределенных факторов. В западном инвестиционном менеджменте этот график носит название “Spider Graph”. Данный график позволяет сделать вывод о наиболее критических факторах инвестиционного проекта, с тем чтобы в ходе его реализации обратить на эти факторы особое внимание с целью сократить риск реализации инвестиционного проекта.
В /9/ автор отмечает, что данный метод является хорошей иллюстрацией влияния отдельных исходных факторов на конечный результат проекта.
Главным недостатком данного метода, по мнению автора, является предпосылка о том, что изменение одного фактора рассматривается изолированно, тогда как на практике все экономические факторы в той или иной степени коррелированны.
Это прием анализа риска, который, как отмечает автор в /1/, на ряду с базовым набором исходных данных проекта рассматривает ряд других наборов данных, которые, по мнению разработчиков проекта, могут иметь место в процессе реализации. В анализе сценария, финансовый аналитик просит технического менеджера подобрать показатели при “плохом” стечении обстоятельств (малый объем продаж, низкая цена продажи, высокая себестоимость единицы товара, и т. д.) и при “хорошем”. После этого, NPV при хороших и плохих условиях вычисляются и сравниваются с ожидаемым NPV.
В /9/ автор говорит о том, что метод позволяет получать достаточно наглядную картину для различных вариантов реализации проектов, а также предоставляет информацию о чувствительности и возможных отклонениях, а применение программных средств типа Excel позволяет значительно повысить эффективность подобного анализа путем практически неограниченного увеличения числа сценариев и введения дополнительных переменных.
В целом применение этого метода анализа рисков, как отмечено в /9/, позволяет получить полезную информацию об ожидаемых значениях NPV и чистых поступлений, а также провести анализ их вероятностных распределений.
Вместе с тем использование этого метода предполагает, что вероятности для всех вариантов денежных поступлений известны либо могут быть точно определены. В действительности распределение вероятностей может быть задано с высокой степенью достоверности на основе анализа прошлого опыта при наличии больших объемов фактических данных. Однако чаще всего такие данные недоступны, поэтому распределения задаются, исходя из предположений экспертов, и несут в себе большую долю субъективизма.
В /7/ дается определение дерева решений, как графического изображения последовательности решений и состояний среды с указанием соответствующих вероятностей и выигрышей для любых комбинаций альтернатив и состояний среды.
Процесс принятия решений с помощью дерева решений автор разделяет на пять этапов: формулирование задачи (то есть определение возможностей сбора информации, составление перечня событий, которые с определенной вероятностью могут произойти, установление временного порядка расположения событий и тех действий, которые можно предпринять), построение дерева решений; оценка вероятностей состояний среды (то есть сопоставление шансов возникновения конкретного события), установление выигрышей (или проигрышей), решение задачи.
Процедура принятия решения заключается в вычислении для каждой вершины дерева (при движении справа налево) ожидаемых денежных оценок, отбрасывании неперспективных ветвей и выборе ветвей, которым соответствует максимальное значение ожидаемой денежной оценки.
В /9/ автор указывает, что ограничением практического использования данного метода является исходная предпосылка о том, что проект должен иметь обозримое или разумное число вариантов развития. Метод особенно полезен в ситуациях, когда решения, принимаемые в каждый момент времени, сильно зависят от решений, принятых ранее, и в свою очередь определяют сценарии дальнейшего развития событий.
Данный метод описан во многих источниках, например в /1,2,10/. Здесь в центре внимания оказываются распределения вероятностей какого-либо финансового показателя (например, NPV). В общем случае имитационное моделирование Монте-Карло - это процедура, с помощью которой математическая модель определения данного показателя подвергается ряду имитационных прогонов с помощью компьютера. В ходе процесса имитации строятся последовательные сценарии с использованием исходных данных, которые по смыслу проекта являются неопределенными, и потому в процессе анализа полагаются случайными величинами. Процесс имитации осуществляется таким образом, чтобы случайный выбор значений из определенных вероятностных распределений не нарушал существования известных или предполагаемых отношений корреляции среди переменных. Результаты имитации собираются и анализируются статистически, с тем, чтобы оценить меру риска.
Как отмечает автор в /9/, практическое применение данного метода продемонстрировало широкие возможности его использования в инвестиционном проектировании, особенно в условиях неопределённости и риска. Данный метод особенно удобен для практического применения тем, что удачно сочетается с другими экономико-статистическими методами и другими методами исследования операций. Практическое применение данного метода, как замечает автор, показало, что зачастую он даёт более оптимистичные оценки, чем другие методы, например анализ сценариев, что обусловлено перебором промежуточных вариантов.
В предыдущих разделах были проанализированы основные модели оценки эффективности инвестиционного проекта в условиях неопределенности (риска). Однако ни одна из приведенных моделей не позволяет объективно оценить риск инвестиционного проекта количественно. Эти модели оценивают риск либо путем корректировки вариационных показателей на величину риска (косвенные методы учета), либо учитывая вероятность исходов и достижений той или иной альтернативы (метод дерева решений), либо через изменение значения целевой функции при упорядочении изменения случайных величин.
В /2/ автор представляет модель оценки рисков стратегического инвестиционного проекта. Он выделяет систему критериев стратегического инвестиционного проекта, состоящую из степени неопределенности (рискованности) результата, доли покрытия заемного капитала собственным, ликвидности проекта, стратегической значимости для субъекта.
Для учета частных рисков проекта автор использует метод корректировки нормы дисконта.
В качестве целевой функции для построения модели оценки риска берется определение чистого приведенного эффекта и его классическая функция, приведенная в формуле (4).
Ненадежными случайными величинами являются чистые денежные потоки в момент времени t. На основе метода Монте-Карло определяется математическое ожидание чистого приведенного эффекта и его дисперсия.
Для оценки уровня риска проекта в качестве меры риска автор выбирает среднеквадратическое отклонение чистого приведенного эффекта от его математического ожидания. Поскольку чистый приведенный эффект – функция случайных величин денежных потоков, то его дисперсия будет зависеть от силы корреляционной связи между величинами денежных потоков для каждого периода проекта.