Расчет эффективности ивестиционного проекта

Процессы принятия решения в управлении проектами происходят в условиях наличия той или иной меры неопределенности, определяемой следующими факторами:

· Неполным знанием всех параметров, обстоятельств, ситуации для выбора оптимального решения, а также невозможностью адекватного и точного учета информации и наличием вероятностных характеристик поведения среды;

· Наличием фактора случайности, т.е. реализация факторов, которые невозможно предусмотреть и спрогнозировать даже в вероятностной реализации;

· Наличием субъективных факторов с противоположными или совпадающими интересами.

Таким образом, реализация любого проекта идет в условиях неопределенности и рисков и эти две категории взаимосвязаны.

Неопределенность – неполнота или неточность информации об условиях реализации проекта, в том числе связанных с ними затратах и результатах [30, с. 123].

Риск – потенциальная, числено измеримая возможность неблагоприятных ситуаций и связанных с ними последствий в виде потерь, ущерба, убытков, например – ожидаемой прибыли, дохода или имущества, денежных средств в связи с неопределенностью, т.е. случайным изменением условий экономической деятельности. Риск проекта – это степень опасности для успешного осуществления проекта и измеряется частотой, вероятностью возникновения того или иного уровня потерь. [3, с. 231]

Вероятность риска – вероятность того, что в результате принятия решения произойдут потери для предпринимательской фирмы, т.е. вероятность нежелательного исхода. [30, с. 110]

Измерение рисков – определение вероятности наступления рискового события.

Управление рисками – совокупность методов анализа и нейтрализации факторов риска, объединенных в систему планирования, мониторинга и корректирующих действий. [19, с. 112]

Анализ рисков – это процедуры выявления факторов рисков и оценки их значимости. Анализ рисков можно подразделить на качественный и количественный анализ. Качественный анализ имеет целью определить факторы, области и виды рисков. Количественный должен дать возможность численно определить размеры отдельных рисков и риска проекта в целом. [19, с. 67]

Оценка рисков – это определение количественным и качественным способом величины (степени) рисков.

Методы анализа и оценки рисков рассмотрены в табл. 37.

Таблица 37

Методы анализа и оценки риска

МЕТОДЫ АНАЛИЗА И ОЦЕНКИ РИСКОВ Анализ чувствительности
Проверка устойчивости
Определение точки безубыточности
Корректировка параметров проекта
Формализованное описание неопределенности
Анализ сценариев
Метод Монте-Карло
Метод построения дерева решений

Методы снижения рисков приведены в табл. 38.

Таблица 38

Виды снижения рисков

СНИЖЕНИЕ РИСКОВ Распределение рисков между участниками проекта (передача, отвод, трансфер части рисков соисполнителям)
Страхование рисков
Резервирование

Распределение рисков между участниками проекта – действия по передаче, полной или частичной, рисков другой стороне, посредством контракта определенного вида.

Страхование рисков – метод минимизации рисков. Представляет собой отношения по защите имущественных интересов физических и юридических лиц при наступлении определенных событий за счет денежных фондов, формируемых из уплачиваемых ими страховых взносов.

Анализ и учет неопределенности и рисков при инвестировании предполагает и выбор наиболее действенных и оптимальных по затратам методов и технологий оценки, анализа, учета, управления, снижения и оптимизации рисков, а также соответствующего аппаратного и программного обеспечения [10, с. 34].

Анализ проектных рисков подразделяется на качественный (описание предполагаемых рисков проекта, а также стоимостная оценка их последствий и мер по снижению) и количественный (непосредственные расчеты изменений эффективности проекта в связи с рисками).

Качественный анализ рисков

Для нашего проекта был проведен следующий качественный анализ рисков (табл. 39).

Таблица 39

Качественный анализ рисков

Факторы рисков Потери Мероприятия по снижению рисков
Финансово-экономические риски
· Экономическая нестабильность в стране · Инфляция · Рост стоимости ресурсов · Зависимость от поставщиков · Неустойчивость спроса · Рост налогов   Эти факторы могут привести к росту процентной ставки, удорожанию финансирования, а также росту цен и услуг. Разработка сценариев неблагоприятных ситуаций

Продолжение табл.39

Факторы рисков Потери Мероприятия по снижению рисков
Риски персонала
· Низкая квалификация и малый опыт работы руководителей и исполнителей · Низкое стремление к обучению Может привести к неэффективной деятельности организации, снижению прибыли, конфликтам · Грамотный подбор персонала · Эффективная система мотивации персонала · Карьерный рост
Социальные риски
· Недостаточный уровень зарплаты · Криминальная обстановка в стране Может существенно повредить деятельности организации · Заключение договоров с охранным предприятием
Риски сторонних организаций
· Недобросовестная конкуренция · Перебои поставок · Банкротство поставщиков, потребителей   Может привести к ухудшению финансового состояния организации · Хорошие механизмы правовой защиты · Предварительный анализ поставщиков и потребителей

Количественный анализ рисков

Существуют следующие методы количественного анализа рисков:

· Анализ целесообразности затрат;

· Экспертный анализ;

· Анализ точки безубыточности;

· Метод одного значения (анализ вероятных доходов и рисков с помощью точечных оценок);

· Метод корректировки денежного потока;

· Метод нескольких значений (анализ сценариев);

· Анализ чувствительности;

· Статистические методы;

· Метод Монте-Карло.

Для оценки рисков нашего предприятия будем применять следующие методы:

1. Экспертный анализ;

2. Анализ безубыточности;

3. Анализ чувствительности;

4. Метод Монте-Карло.

Экспертную оценку рисков применяют на начальных этапах работы над проектом, если объем исходной информации является недостаточным для количественной оценки эффективности и рисков проекта.

Достоинствами экспертного метода анализа рисков являются: отсутствие необходимости в точных исходных данных и дорогостоящих программных средствах, возможность проводить оценку до расчета эффективности проекта, а простота расчетов. К основным недостаткам следует отнести: трудность в привлечении независимых экспертов и субъективность оценки.

Для оценки рисков проекта были приглашены следующие эксперты:

· Главный бухгалтер;

· Маркетолог;

· Начальник отдела снабжения;

· Представитель одного из банков региона.

Эксперты оценили риски по 10 бальной шкале (табл. 40). 1 балл – риск с минимальной опасностью, 10 баллов – риск с максимальной опасностью.

Таблица 40

Экспертная оценка рисков

Эксперты Виды рисков Значимость экспертов  
Финансово-экономические риски Риски персонала Социальные риски Риски сторонних организаций  
 
Главный бухгалтер 0,8  
Маркетолог 0,8  
Начальник снабжения 0,7  
Представитель банка 0,9  
Сумма баллов    
Сумма баллов *значимость 26,4 21,6 20,5 27,2    

Риски с наибольшим количеством баллов являются наиболее опасными и требуют более пристального внимания.

Наиболее опасными рисками являются финансово-экономические риски и риски сторонних организаций.

Точка безубыточности (ТБ) – уровень физического объема продаж на протяжении расчетного периода времени, при котором выручка от реализации продукции совпадает с издержками производства [19, с. 45].

Для подтверждения устойчивости проекта необходимо, чтобы значение точки безубыточности было меньше значений номинальных объемов производства и продаж. Чем дальше от них значение точки безубыточности, тем устойчивее проект. Проект обычно признается устойчивым, если значение точки безубыточности не превышает 75% от номинального объема производства.

Точка безубыточности определяется по формуле:

ТБ=ПЗ/(Ц-ПерЗ), (18)

Где ПЗ – постоянные затраты, размер которых напрямую не связан с объемом производства продукции; Ц – цена за единицу продукции; перЗ – переменные затраты, величина которых изменяется с изменением объема производства продукции.

При помощи программного продукта Project Expert 6.0. была рассчитана точка безубыточности за 3,5 года проекта по видам выпускаемых изделий (табл. 41)

Таблица 41

Точка безубыточности

Продукт 2013 год 2014 год 2015 год 2016 год
Гладкоствольное
Нарезное
Газовое
Пневматика

Графики точки безубыточности представлены в приложении Д.

Запланированная реализация представлена в табл. 42.

Таблица 42

План реализации в целом

Продукт/Вариант Ед. изм. 2013 год 2014 год 2015 год 2016 год
Гладкоствольное шт 525,0 846,0 1 047,0 590,00
Нарезное шт 574,0 740,0 863,0 488,00
Газовое шт 741,0 870,0 1 005,0 540,00
Пневматика шт 505,0 741,0 975,0 577,00

Целью анализа чувствительности является выяснение насколько результаты проекта чувствительны к изменению отдельных переменных состояния среды и проекта [19, с. 34].

Посчитаем чувствительность NPV проекта (табл. 42).

Таблица 42

Чувствительность NPV к изменению различных параметров

Параметр -20% -10% 0% 10% 20%
Объем сбыта 2 644,31 1 899,62 6 256 10 924,51 15 336,61
Цена сбыта -19 323,25 -5 269,86 6 256 17 614,28 28 714,10
Прямые издержки 18 684,67 12 599,56 6 256 181,83 -6 633,57
Объем инвестиций 10 057,82 8 259,75 6 256 4 632,48 2 818,84
Зарплата персонала 9 988,1 8 241,13 6 256 4 651,10 2 856,09

Графически анализ чувствительности представлен на рисунке 3.

Расчет эффективности ивестиционного проекта - student2.ru

Рис. 3. Анализ чувствительности

На рис. видно, что NPV более всего чувствителен к таким параметрам как:

1. Цена сбыта (при -20%, NPV= -19 323,25 тыс. руб.);

2. Объем сбыта (при -20%, NPV= -2 644,31 тыс. руб.);

3. Прямые издержки (при +20%, NPV= -6 633,57 тыс. руб.).

Из этого следует, что компании следует уделять внимание неценовым факторам привлечения клиентов и отслеживать динамику цен на продукцию производителя.

Имитационное моделирование по методу Монте-Карло позволяет построить математическую модель для проекта с неопределенными значениями параметров, и, вероятностные распределения параметров проекта, а также связь между изменениями параметров (корреляцию), получить распределение доходности проекта.

При формировании сценариев с использованием методов имитационного моделирования применяется следующая последовательность действий:

· Определяются интервалы возможного изменения исходных переменных, внутри которых эти переменные являются случайными величинами;

· Определяются виды распределения вероятностей внутри заданных интервалов;

· Устанавливаются коэффициенты корреляции между зависимыми переменными;

· Многократно рассчитываются результирующие показатели;

· Полученные результирующие показатели рассматриваются как случайные величины, которым соответствуют такие характеристики как: математическое ожидание, дисперсия, функция распределения, плотность вероятностей;

· Определяется вероятность попадания результирующих показателей в тот или иной интервал, вероятность превышения минимально допустимого значения. [19, с. 67]

Созданный проект является, в сущности, прогнозом, который показывает, что при определенных значениях исходных данных могут быть получены расчетные показатели эффективности хозяйственной деятельности. Однако, строить свои планы на таком, жестко заданном прогнозе, несколько рискованно, поскольку даже незначительное изменение исходных данных может привести к совершенно неожиданным результатам. Ведь успех реализации проекта зависит от множества переменных величин, которые вводятся в описание в качестве исходных данных, но в действительности не являются полностью контролируемыми параметрами. К числу таких параметров относятся объем сбыта, цена продукции, суммы издержек, величина налогов, уровень инфляции и др. Все эти величины можно рассматривать как случайные факторы, оказывающие влияние на результат проекта. Цель статистического анализа состоит в определении степени воздействия случайных факторов на показатели эффективности проекта. [30, с. 45]

Метод анализа

Допустим, определили, какие именно данные следует признать неопределенными, а также установили диапазон значений, в пределах которого они могут изменяться случайным образом. Если речь идет о двух параметрах, это означает, что определена область значений исходных данных, имеющая форму прямоугольника. Для трех переменных эта область представляет собой параллелепипед, а для N переменных – N-мерный параллелепипед. В любом случае, совокупность исходных данных, от которых зависит судьба проекта, отображается точкой, лежащей внутри выделенной области. Таких точек множество, поэтому выполнить расчет для каждой из них невозможно. Тем не менее, необходимо определить, какое воздействие оказывает неопределенность исходных данных на поведение модели. Эта задача решается с помощью метода Монте-Карло.[30, с. 48]

Предположим, в нашем распоряжении имеется способ выбирать точки в выделенной области данных случайным образом, аналогичный рулетке в игорном заведении. Для каждой, выбранной таким способом точки, проведем расчет показателей эффективности. Проделав достаточно большое количество опытов, можно подвести некоторые итоги. Например, если из 100 попыток 99 были успешными, т.е. получены приемлемые результаты, то можно утверждать, что при воздействии указанных случайных факторов риск реализации проекта невелик. Очевидно, для получения надежного результата, число опытов должно быть достаточным для формирования статистической выборки, не менее 100. Далее рассмотрим данные для моделирования в табл. 43.

Таблица 43

Данные для моделирования

Элементы для моделирования Изменение
-% +%
Инфляция
Объем продаж
Процентные выплаты
Цена продаж
Затраты на персонал

После обработки данных в Project Expert 6.0. (число расчетов –200) получены следующие результаты (табл. 44)

Таблица 44

Результаты метода Монте-Карло

Эффективность инвестиций Среднее Неопределенность
Дисконтированный период окупаемости, мес 0,11
Индекс прибыльности 1,65 0,17
Чистый приведенный доход 0,40
Внутренняя норма рентабельности 50,92 0,26
Период окупаемости, мес. 0,10
Средняя норма рентабельности 63,15 0,17
Модифицированная внутренняя норма рентабельности 28,42 0,18
Длительность, лет 2,83 0,02

Устойчивость проекта, согласно результатам метода Монте-Карло составила – 58%.

Интерпретация результатов

Анализ статистических данных – это творческий процесс, который сложно регламентировать. Поэтому можно привести только некоторые рекомендации, которые будут полезны на начальном этапе.

Во-первых, нужно обратить внимание на результат расчета устойчивости проекта. Если он близок к 90-100%, значит, велика вероятность того, что проект может быть доведен до завершения.

В противном случае возрастает риск возникновения дефицита средств.

В нашем случае устойчивость составляет 58%, значит, риск возникновения дефицита средств очень мал.

В дополнение к показателю устойчивости проекта, следует рассмотреть средние значения показателей эффективности.

Удовлетворительные средние значения позволяют надеяться на то, что большинство расчетов дает приемлемые результаты. Необходимо учитывать также разброс результатов расчета, т.е. параметр неопределенности. Если хорошее среднее получено в широком диапазоне значений, то каждый отдельный показатель может быть очень далек от оптимального значения. Другими словами, чем больше неопределенность, тем больше риск. Приемлемым отклонением можно считать величины в пределах 20% от среднего значения.

В нашем случае наибольшая неопределенность наблюдается в NPV (0,40), IRR (0,26).

Необходимую информацию можно извлечь из гистограммы распределения показателей. Наиболее благоприятная – когда гистограмма имеет один пик. В этом случае все значения показателя группируются вокруг средней величины, которая приблизительно совпадает с пиком.

В более сложных обстоятельствах, распределение может не иметь выраженного пика или иметь их несколько. Возможны случаи, когда хорошие значения среднего и неопределенности не дают уверенности в благоприятном результате, поскольку распределение имеет два пика. [30, с. 56]

В такой ситуации риск получения неудовлетворительного результата довольно велик.

Рассмотрим гистограммы распределения NPV (рисунок 4), IRR (рисунок 5).

Расчет эффективности ивестиционного проекта - student2.ru

Рис. 4. Гистограмма распределения NPV

Расчет эффективности ивестиционного проекта - student2.ru

Рис. 5. Гистограмма распределения IRR

Из рисунков видно, что гистограммы NPV, IRR и MIRR имеют один пик. Это говорит о том, что все значения данных показателей группируются вокруг средней величины, которая приблизительно совпадает с пиком.

Таким образом, данные, полученные с помощью метода Монте-Карло, свидетельствуют о малой рискованности проекта.

Наши рекомендации