Стадия 2. Выбор критериев оценки. Эксперты выделили четыре важных критерия оценки:
1. Уровень прибыльности в долгосрочном периоде.
2. Доля рынка.
3. Рост.
4. Гибкость (возможность адекватно реагировать на изменения во внеш
ней среде и менять тактику в рамках выбранной стратегии).
Стадия 3. Формулирование стратегий.
Руководство определило три возможных инвестиционных стратегии развития предприятия.
Стратегия А. Продолжение сотрудничества с той же иностранной автомобильной компанией. Установка новых сборочных линий для выпуска нескольких моделей автомобилей.
Стратегия Б. Присоединение к крупному российскому автомобильному концерну. Установление сборочных линий для производства автомобилей под маркой концерна.
Стратегия В. Переход от сборки из комплектующих к собственному производству автомобилей. Основные инвестиции в создание собственного производства комплектующих изделий.
97
Стадия 4. Проверка стратегий на реализуемость. В данном случае все стратегии являются реальными и осуществимыми.
Стадия 5. Оценка комбинаций стратегия-сценарий с точки зрения разных критериев.
Сначала проранжируем все комбинации стратегия-сценарий по разным критериям (табл.2.3.1).
Таблица
Ранги комбинаций стратегия-сценарий.
Сценарии С гра! ci ни
...
Критерий
1
Критерий
2
Критерий
3
Критерий
4
1
II
I
II
I
II
i .
II
А
6
2
6
5
4
6
5
Б
1
3
2
5
2
4
3
4
В
5
4
1
4
1
3
1
2
Из таблицы видно, что, по мнению экспертов, с точки зрения уровня прибыльности в долгосрочном периоде наиболее выгодно присоединиться к крупному российскому автомобильному концерну при условии, что законодатели введут меры протекционистской защиты отечественных производителей автомобильной техники. Если же при данном сценарии развития будущего предприятие сохранит нынешнюю стратегию, то это даст наименьший уровень прибыльности в долгосрочном периоде.
Теперь от рангов необходимо перейти к стоимостям, т.е. числам шкалы от О до 100. Значение 100 присваивается той комбинации стратегия-сценарий, которая получила ранг 1, значение 0 присваивается комбинации с рангом 6. Остальные комбинации с промежуточными рангами (от 2 до 5) получают и промежуточные значения (от 1 до 99). Значения оценок по шкале «0-100» представлены в табл. 2.3.2.
98
Таблица 2.3.2. Оценки комбинаций стратегия-сценарий по шкале «0-100»
Критерий 1
Критерий 2
Критерий 3
Критерий 4
Сценарии Стратегия
1
II
I
II
I
II
I
II
А
0
80
0
50
10
40
0
30
Б
1 00
60
70
20
80
40
60
40
В
20
50
100
30
100
70
100
80
Стадия 6. Все стратегии являются приемлемыми.
Стадия 7. Оценка важности критериев.
Сначала необходимо проранжировать по степени важности возможный разброс значений от худшего до лучшего по каждому критерию. Соответствующие ранги представлены в таблице 2.3.3. Затем переводим ранги в значения шкалы от 0 до 100. Критерию с рангом 1 присваивается значение 100, остальным - меньше 100. В заключение все оценки нормализуем, т.е. преобразуем так, чтобы в сумме они составляли 100. Таким образом, получаем веса, характеризующие важность каждого критерия (табл.2.3.3).
Таблица 2.3.3. Ранги и веса критериев
Критерий
Ранг
Значение
Вес
Уровень прибыльности
1
100
42
Доля рынка
4
20
8
Рост
2
70
29
Гибкость
3
50
21
Стадия 8. Оценка каждой комбинации стратегия-сценарий. Для каждой комбинации стратегия-сценарий перемножаем соответствующие значения из табл.2.3.2. и веса критериев из табл.2.3.3 (табл.2.3.4).
Таблица 2.3.4.
Расчет оценок комбинаций стратегия-сценарий.
Крите-
Вес
А-1
А-П
Б-1
рий
(W)
а
a*w
а
a*w
а
a*w
1
42
0
0
80
3360
100
4200
2
8 '
L °
0
50
400
70
560
3
29
К)
290
40
1160
80
2320
4
21
0
0
30
630
60
1260
у
100
290
1 5550
8340
Вес
Б-П
B-I
Критерий 1
(W)
"42~~
а
60
---
a*w 2520"
а
—
a*w 840
а ~50~
—
a*w 21 00
1
8
20
160
100
800
30
240
3
29
Г 40
1160
100
2900
70
2030
4
21
40
840
100
2100
80
1680
Z
100
4680
6640
6050
Конечные оценки каждой комбинации стратегия-сценарий представлены в табл.3.3.5. Они получены путем деления суммарных оценок из табл.2.3.4 на 100.
Таблица 2.3.5. Окончательные оценки комбинаций стратегия-сценарий.
Стратегия
Сценарий
I
II
А
2,9
55,5
Б
83,4
46,8
В
66,4
60,5
Из табл. 2.3.5 видно, что стратегия А уступает двум другим, у нее очень низкие оценки по сценарию I. А вот выбор среди двух оставшихся стратегий не однозначен. По первому сценарию лучше оценка у стратегии Б, по второму - у стратегии В. Для разрешения этой проблемы можно дополнительно ввести вероятности реализации каждого из сценариев. Анализ чувствительности показывает, что, если вероятность реализации первого сценария будет более 40%, то стоит выбрать стратегию Б. В обратном случае - лучше реализовать стратегию В.
2.4. Имитационное моделирование по методу Монте-Карло.
Имитационное моделирование по методу Монте-Карло (Monte-Carlo Simulation) позволяет построить математическую модель для проекта с неопределенными значениями параметров, и, зная вероятностные распределения параметров проекта, а также связь (корреляцию) между параметрами, получить вероятностное распределение ожидаемой доходности проекта.
Анализ неопределенности с использованием метода имитационного моделирования Монте-Карло представляет собой соединение методов анализа чувствительности и анализа сценариев на базе теории вероятностей. Результатом такого комплексного анализа выступает распределение вероятностей возможных результатов проекта (например, вероятность получения NPV>0) [4, 22, 29, 30, 111].
Первый шаг при применении метода имитации состоит в определении функции распределения каждой переменной, которая оказывает влияние на формирование денежных потоков. Как правило, предполагается, ччо функция распределения являются нормальной, и, следовательно, для того, чтобы задать ее, необходимо определить только два показателя (математическое ожидание и дисперсию). Как только функция распределения определена, можно применять процедуру Монте-Карло. Блок-схема, представленная на рисунке 2.4.1, отражает укрупненную схему работы с моделью.
Алгоритм метода Монте-Карло
Шаг 1.Опираясь на использование статистического пакета, случайным образом выбираем, основываясь на вероятностной функции распределения значение переменной, которая является одним из параметров определения денежного потока.
101
Прогнозная модель
Подготовка модели,способной
прогнозировать будущую
реальность
Переменные риска
Отбор ключевых переменных проекта
I I I
Условия корреляции
Установление
отношений
коррелируемых
переменных
Вероятностное распределение
Шаг 1:определение
ограничения значений
возможных переменных
Шаг 2: размещение вероятностных весов по
границам значений
I I I
Имитационные прогнозы
Генерирование
случайных сценариев,
основанных на выборе
допущений
Анализ результатов
Статистический анализ результатов имитаций
Рис.2.4.1. Блок-схема метода Монте-Карло.
Шаг 2. Выбранное значение случайной величины наряду со значениями переменных, которые являются экзогенными переменными, используется при подсчете NPV инвестиционного проекта.
Шаги I II 2 повторяются большое количество раз, например, 1000, и полученные 1000 значений NPV проекта используются для построения плотности распределения величины NPV со своим собственным математическим ожиданием и стандартным отклонением. Используя значения математического ожидания и стандартного отклонения, можно вычислить коэффициент вариации NPV проекта и затем оценить его индивидуальный риск.
Далее необходимо определить минимальное и максимальное значения критической переменной. Границы варьирования переменной определяются, просто исходя из всего спектра возможных значений. По прошлым наблюдениям за переменной можно установить частоту, с которой та принимает соответствующие значения. В этом случае вероятностное распределение есть то же са-
102
мое частотное распределение, показывающее частоту встречаемости значения, правда, в относительном масштабе (от 0 до 1). Вероятностное распределение регулирует вероятность выбора значений из определенного интервала. В соответствии с заданным распределением модель оценки рисков будет выбирать произвольные значения переменной. До рассмотрения рисков мы подразумевали, что переменная принимает одно определенное нами значение с вероятностью 1, и через единственную итерацию расчетов получали однозначно определенный результат. В рамках модели вероятностного анализа рисков проводится большое число итерации, позволяющих установить, как ведет себя результирующий показатель (в каких пределах колеблется, как распределен) при подстановке в модель различных значений переменной в соответствии с заданным распределением.
Задача аналитика, занимающегося анализом риска, состоит в том, чтобы хотя бы приблизительно определить для исследуемой переменной (фактора) вид вероятностного распределения. При этом основные вероятностные распределения, используемые в анализе рисков, могут быть следующими: нормальное, постоянное, треугольное, пошаговое. Эксперт присваивает переменной вероятностное распределение, исходя из своих количественных ожиданий, и делает выбор из двух категорий распределений: симметричных (например, нормальное, постоянное, треугольное) и несимметричных (например, пошаговое распределение). Еще один фактор, влияющий на конечный результат, - это корреляция между значимыми переменными. Без учета возможной корреляции между переменными компьютер, посчитав их полностью независимыми, может сгенерировать нереалистичные сценарии.