Вход

Оптимизация инвестиционных рисков

Рекомендуемая категория для самостоятельной подготовки:
Дипломная работа*
Код 142109
Дата создания 2008
Страниц 78
Источников 47
Мы сможем обработать ваш заказ 6 декабря в 8:00 [мск]
Файлы будут доступны для скачивания только после обработки заказа.
4 330руб.
КУПИТЬ

Содержание


Введение
Глава 1. Исследование и анализ инвестиционных рисков
1.1. Неопределенность, понятие и определение риска в экономике
1.2. Причины возникновения рисков
1.3. Сущность, задачи и цели управления инвестиционными рисками
1.4. Классификация инвестиционных и финансовых рисков
1.5. Особенности реального инвестирования
1.6. Инвестиционный риск, как один из видов финансовых рисков
Глава 2. Сравнительная характеристика методов анализа инвестиционных рисков
2.1. Статистические критерии рисков
2.2. Качественный анализ инвестиционных рисков
2.3. Количественный анализ инвестиционных рисков
2.3.1. Вероятностный анализ
2.3.2. Экспертный анализ
2.3.3. Анализ показателей предельного уровня
2.3.4. Анализ чувствительности проекта
2.3.5. Анализ сценариев развития проекта
2.3.6. Имитационное моделирование. Метод Монте Карло
2.3.7. Методы корректировки дисконта с учетом риска
2.3.8. Сравнительный анализ методов анализа инвестиционных рисков
2.3.9. Принятие решений в условиях риска и неопределенности
Список литературы

Фрагмент работы для ознакомления

Обозначим основные этапы анализа чувствительности проекта:
I этап — значения всех переменных на входе проекта, кроме одной, остаются базовыми, а одна анализируемая переменная меняется на какое-либо фиксированное значение, например на 10%. После этого пересчитывается чистая текущая стоимость и оценивается влияние изменения данной переменной на рентабельность проекта на основе показателя чувствительности, который представляет собой процентное изменение чистой текущей стоимости при изменении на 1% значения выбранной переменной.
Значение переменной, при котором чистая текущая стоимость становится равной нулю (т.е. затраты равны выгодам), называют критическим значением, или точкой безубыточности.
II этап — расчет показателя чувствительности и критических значений для каждого компонента.
III этап — ранжирование компонентов на основании показателей чувствительности в порядке убывания: чем выше чувствительность, тем важнее данная переменная для значения чистой текущей стоимости [29].
В мульти- и монопроектах речь идет обычно о двух - трех переменных, изменение которых может существенным образом повлиять на величину показателей эффективности проекта.
Наиболее информативным методом, применяемым для анализа чувствительности, является расчет показателя эластичности, представляющего собой отношение процентного изменения результирующего показателя к изменению значения параметра на один процент.
где х1 – базовое значение варьируемого параметра, x2 – измененное значение варьируемого параметра, NPV1 – значение результирующего показателя для базового варианта, NPV2 – значение результирующего показателя при изменении параметра.
Таким же образом исчисляются показатели чувствительности по каждому из остальных параметров.
Чем выше значения показателя эластичности, тем чувствительнее проект к изменениям данного фактора, и тем сильнее подвержен проект соответствующему риску.
Анализ чувствительности можно также проводить и графически, путем построения прямой реагирования значения результирующего показателя (NPV) на изменение данного фактора. Чем больше угол наклона этой прямой, тем чувствительнее значение NPV к изменению параметра и больше риск.
Пересечение прямой реагирования с осью абсцисс показывает, при каком изменении (рост – со знаком плюс, снижение – со знаком минус) параметра в процентном выражении проект станет неэффективным.
Затем на основании этих расчетов происходит экспертное ранжирование параметров по степени важности (например, очень высокая, средняя, невысокая) и построение так называемой "матрицы чувствительности", позволяющей выделить наименее и наиболее рискованные для проекта факторы.
Анализ чувствительности позволяет определить ключевые (с точки зрения устойчивости проекта) параметры исходных данных, а также рассчитать их критические (предельно допустимые) значения.
Как видно, анализ чувствительности до некоторой степени экспертный метод. Кроме того, не анализируется связь (корреляция) между изменяемыми переменными.
Очевидно, что тесты чувствительности проекта будут наиболее эффективными на ранних стадиях его подготовки, что позволяет в ходе дальнейших предынвестиционных исследований сосредоточить основное внимание на выявленных факторах риска.
Данный метод является хорошей иллюстрацией влияния отдельных исходных факторов на конечный результат проекта.
Главным недостатком данного метода является предпосылка о том, что изменение одного фактора рассматривается изолированно, тогда как на практике все экономические факторы в той или иной степени коррелированны.
По этой причине применение данного метода на практике как самостоятельного инструмента анализа риска, по мнению автора весьма ограничено, если вообще возможно.
2.3.5. Анализ сценариев развития проекта
Анализ сценариев (scenario analysis) — методика, в соответствии с которой с базовым сценарием сравниваются значения чистой текущей стоимости лучшей и худшей ситуаций.
Анализ сценариев учитывает, что некоторые переменные взаимосвязаны. Таким образом, можно согласованно менять некоторое число переменных одновременно.
На основании анализа чувствительности уже выбраны наиболее важные компоненты, изменение значений которых определяет риск осуществления проекта. С другой стороны, имеется и базовый случай, использовавшийся в предыдущих анализах и рассматриваемый здесь как оценка аналитика в отношении будущего проекта. В анализе сценариев разрабатываются еще два дополнительных сценария. "Наилучший", или "оптимистичный", сценарий представляет соображения аналитика о том, насколько хорошо может повести себя проект в том случае, если все обстоятельства будут более благоприятными, чем планировалось.
Затем разрабатывается "наихудший", или "пессимистичный" сценарий, отражающий, насколько окажется плох проект, если все пойдет гораздо хуже, чем предполагалось. И здесь, и в первом сценарии должен присутствовать реалистичный набор событий.
Результаты анализа сценариев сводятся в матрицу, и рассматривается распределение значений чистой текущей стоимости и внутренней нормы прибыли. При достоверных результатах критерии принятия решений об инвестировании такие:
даже в худшем случае принимать проект, если чистая текущая стоимость больше нуля;
даже в наилучшем случае не принимать проект, если чистая текущая стоимость меньше нуля; если значение чистой текущей стоимости колеблется (иногда положительно, иногда отрицательно), то результаты нельзя считать полными.
Иногда требуется ввести дополнительные сценарии для того, чтобы показать точки между двумя экстремальными значениями.
Проект считается устойчивым, если при всех сценариях он оказывается эффективным и финансово реализуемым, а возможные неблагоприятные последствия устраняются мерами, предусмотренными организационно-экономическим механизмом проекта.
Таким образом, метод сценариев представляет собой развитие методики анализа чувствительности проекта в том смысле, что одновременному непротиворечивому (реалистическому) изменению подвергается вся группа переменных.
Для проведения сценарного анализа разработана методика, позволяющая учитывать все возможные сценарии развития, а не три варианта (оптимистичный, пессимистичный, реалистичный), как это предлагается в литературе. Предлагается следующий алгоритм сценарного анализа [21]:
Алгоритм сценарного анализа
1.Используя анализ чувствительности, определяются ключевые факторы ИП.
2.Рассматриваются возможные ситуации и сочетания ситуаций, обусловленные колебаниями этих факторов. Для этого рекомендуется строить «дерево сценариев».
3.Методом экспертных оценок определяются вероятности каждого сценария.
4.По каждому сценарию с учетом его вероятности рассчитывается NPV проекта, в результате чего получается массив значений NPV
В целом 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.
2.3.6. Имитационное моделирование. Метод Монте Карло
Имитационное моделирование но методу Монте-Карло (simulation modeling on MONTE-CARLO method) — методика, основанная на анализе распределений вероятностей входных переменных. Если распределение вероятности и взаимодействие между переменными на входе проекта можно оценить и ввести в компьютер, то появляется возможность выработать буквально тысячи сценариев, которые последовательны со статистической точки зрения. Затем компьютер делает выборку этих распределений, строит последовательный и логичный поток денежных средств и рассчитывает значения чистой текущей стоимости и внутренней нормы прибыли. Повторяя этот процесс много раз, можно оценить полное распределение значений чистой текущей стоимости точнее, чем при анализе сценариев.
Этапы разработки имитационного моделирования Монте-Карло:
а) выработка математической модели — таблицы оценки проекта;
б) определение "уязвимых" и неопределенных переменных;
в) выявление неопределенностей — диапазона вариантов (минимум и максимум); распределения вероятностей (нормальное, треугольное, единообразное и шаговое распределение);
г) выявление и определение соотнесенных переменных — положительной или отрицателььной связи; силы связи;
д) построение модели;
е) анализ результатов.
Алгоритм метода имитации 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 потока наличности.
Шаг 2. Выбранное значение случайной величины наряду со значениями переменных, которые являются экзогенными переменными используется при подсчете чистой приведенной стоимости проекта.
Шаги 1 и 2 повторяются большое количество раз, например 1000, и полученные 1000 значений чистой приведенной стоимости проекта используются для построения плотности распределения величины чистой приведенной стоимости со своим собственным математическим ожиданием и стандартным отклонением.
Используя значения математического ожидания и стандартного отклонения, можно вычислить коэффициент вариации чистой приведенной стоимости проекта и затем оценить индивидуальный риск проекта, как и в анализе методом сценариев.
Анализ рисков с использованием метода моделирования Монте-Карло представляет собой воссоединение методов анализа чувствительности и анализа сценариев. Это достаточно сложная методика, имеющая под собой только компьютерную реализацию. Результатом такого анализа выступает распределение вероятностей возможных результатов проекта (например, вероятность получения NPV<0).
Для проведения имитационного моделирования по методу Монте-Карло разработано специальное программное обеспечение QpRlSK, встроенное в пакет Lotus.
Алгоритм имитационного моделирования (инструмент «РИСК-АНАЛИЗ») следующий [21]:
1.Определяются ключевые факторы ИП. Для этого предлагается применять анализ чувствительности по всем факторам (цена реализации, рекламный бюджет, объём продаж, себестоимость продукции и т. д.), используя специализированные пакеты типа Project Expert и Альт-Инвест, что позволит существенно сократить время расчётов. В качестве ключевых выбираются те факторы, изменения которых приводят к наибольшим отклонениям чистой текущей стоимости (NPV).
2. Определяются максимальное и минимальное значения ключевых факторов, и задаётся характер распределения вероятностей. В общем случае рекомендуется использовать нормальное распределение.
3. На основе выбранного распределения проводится имитация ключевых факторов, с учётом полученных значений рассчитываются значения NPV.
4. На основе полученных в результате имитации данных рассчитываются критерии, количественно характеризующие риск ИП (матожидание NPV, дисперсия, среднеквадратическое отклонение и др.).
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, а также с теорией игр и другими методами исследования операций. Практическое применение автором данного метода показало, что зачастую он даёт более оптимистичные оценки, чем другие методы, например анализ сценариев, что, очевидно обусловлено перебором промежуточных вариантов.
Метод Монте-Карло является мощным средством анализа инвестиционных рисков, позволяя учитывать максимально возможное число факторов внешней среды. Необходимость его применения в отечественной финансовой практике обусловлена особенностями российского рынка, характеризующегося субъективизмом, зависимостью от внеэкономических факторов и высокой степенью неопределенности.
Но, тем не менее, этот подход не лишен недостатков:
- существование коррелированных параметров сильно усложняет модель, оценка их зависимости не всегда доступна аналитикам;
- иногда трудно даже приблизительно определить для исследуемого параметра (фактора) или результирующего показателя вид вероятностного распределения;
- при разработке реальных моделей может возникнуть необходимость привлечения специалистов или научных консультантов со стороны;
- исследование модели возможно только при наличии вычислительной техники и специальных пакетов прикладных программ;
- следует также отметить относительную неточность полученных результатов по сравнению с другими методами численного анализа.
2.3.7. Методы корректировки дисконта с учетом риска
В зависимости от того, каким методом учитывается неопределенность условий реализации проекта при определении ожидаемого NPV, поправка на риск в расчетах эффективности может включаться либо в норму дисконта (метод корректировки ставки дисконтирования) [17], либо в величину чистого гарантированного денежного потока (метод эквивалентного денежного потока).
Норма дисконта, включающая поправку на риск, отражает доходность альтернативных направлений инвестирования, характеризующихся тем же риском, что и инвестиции в оцениваемый проект.
При этом в величине поправки на риск обычно учитываются три типа рисков, связанных с реализацией инвестиционного проекта:
- страновой риск;
- риск ненадежности участников проекта;
- риск неполучения предусмотренных проектом доходов.
Поправка на каждый вид риска не вводится, если инвестиции застрахованы на соответствующий страховой случай.
Величина поправки на страновой риск оценивается экспертно:
по зарубежным странам на основании рейтингов стран мира по уровню странового риска инвестирования, публикуемых специализированной рейтинговой фирмой ВЕRI (Германия), Ассоциацией швейцарских банков, аудиторской корпорацией "Ernst@Young";
по России страновой риск определяется по отношению к безрисковой, безынфляционной норме дисконта и может превышать ее в несколько (2, 3 и более) раз. При этом размер поправки на страновой риск снижается в условиях предоставления проекту федеральной (и в меньшей степени региональной) поддержки, а также когда проект реализуется на условиях соглашения о разделе продукции.
Размер премии за риск ненадежности участников проекта определяется экспертно каждым конкретным участником проекта. Обычно поправка на этот вид риска не превышает 5 %, однако ее величина существенно зависит от того, насколько детально проработан организационно-экономический механизм реализации проекта, насколько учтены в нем опасения участников проекта.
Поправка на риск неполучения предусмотренных проектом доходов определяется с учетом технической реализуемости и обоснованности проекта, детальности проработки проектных решений, наличия необходимого научного и опытно-конструкторского задела и представительности маркетинговых исследований.
Достоинства этого метода — в простоте расчетов, которые могут быть выполнены с использованием даже обыкновенного калькулятора, а также в понятности и доступности. Вместе с тем метод имеет существенные недостатки.
Метод корректировки нормы дисконта осуществляет приведение будущих потоков платежей к настоящему моменту времени (т.е. обыкновенное дисконтирование по более высокой норме), но 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.
Данный метод не несет никакой информации о вероятностных распределениях будущих потоков платежей и не позволяет получить их оценку.
Наконец, обратная сторона простоты метода состоит в существенных ограничениях возможностей моделирования различных вариантов, которое сводится к анализу зависимости критериев NPV(IRR,PI и др.) „от изменений только одного показателя — нормы дисконта.
Несмотря на отмеченные недостатки, метод корректировки нормы дисконта широко применяется на практике.
Однако следует отметить, что расчет, основанный на поправке к норме дисконта, одинаковой для положительных и отрицательных элементов денежного потока (хотя, возможно, и переменной во времени), может приводить к неоправданному завышению эффективности как всего проекта (для проектов, денежные потоки которых принимают отрицательные значения не только в начале расчетного периода), так и эффективности участия в проекте.
Кроме того, указанный подход расчета нормы дисконта с поправкой на риск обладает определенной долей субъективизма и не учитывает корреляцию факторов. Попыткой избежать этого является подход, который основывается на интерпретации поправки на риск как характеристики случайной величины, а именно премий за риск конкретных инвестиций в исследуемой области бизнеса. При этом предполагается, что премия за риск как случайная величина имеет нормальный закон распределения
2.3.7.1. Пофакторный анализ оценки премии за риск
Поправка на риск может быть определена пофакторным расчетом. При этом в поправке на риск суммируется влияние учитываемых факторов. К числу этих факторов можно отнести:
новизну применяемой технологии;
степень неопределенности объемов спроса и уровня цен на производимую продукцию;
наличие нестабильности (цикличности) спроса на продукцию;
наличие неопределенности внешней среды при реализации проекта;
наличие неопределенности процесса освоения применяемой техники или технологии.
Каждому фактору в зависимости от его оценки можно приписать величину поправки на риск по этому фактору, зависящую от отрасли, к которой относится проект, и региона, в котором он реализуется. В тех случаях, когда эти факторы являются независимыми и в смысле риска дополняют друг друга, поправки на риск по отдельным факторам следует сложить для получения общей поправки, учитывающей риск неполучения доходов, запланированных проектом.
1. При определении необходимого уровня премии за риск используется следующая формула:
RPn=(Rn-An)xБета коэффициент,
Где RPn — уровень премии за риск по конкретному финансовому (фондовому) инструменту;
Rn —средняя норма доходности на финансовом рынке;
Ап — безрисковая норма доходности на финансовом рынке;
бета-коэффициент, характеризующий уровень систематического риска по конкретному финансовому (фондовому) инструменту.
2. При определении необходимой суммы премии за риск используется следующая формула:
RPS = SI х RPn ,
где RPS — сумма премии за риск по конкретному финансовому (фондовому) инструменту в настоящей стоимости;
SI—стоимость (котируемая цена) конкретногофинансового (фондового) инструмента;
RPn—уровень премии за риск по конкретному финансовому (фондовому) инструменту, выраженный десятичной дробью.
3. При определении (необходимого) общего уровня доходности финансовых операций с учетом фактора риска используется следующая формула:
RDn = An + RPn ,
где RDn —общий уровень доходности по конкретному финансовому (фондовому) инструменту с учетом фактора риска;
Ап — безрисковая норма доходности на финансовом рынке;
RPn — уровень премии за риск по конкретному финансовому (фондовому) инструменту.
2.3.7.2. Бета-метод
Модель САРМ в качестве меры оценки риска отдельного актива (проекта) по отношению к риску рыночного портфеля (у которого остался только систематический риск) рассматривает бета-коэффициент, предложенный Уильямом Шарпом, профессором Стэнфордского универ-ситета [4]. САРМ — однофакторная модель, единственный фактор, определяющий премию за риск — рыночный риск, который не устраняется диверсификацией (табл. 5). В теории рыночная доходность и рыночный риск оцениваются по портфелю, включающему все рискованные активы рынка. На практике рыночный портфель строится по активам фондового рынка (локального или глобального) и анализируется по динамике фондового индекса.
Таблица 5.
Терминология портфельной теории и САРМ: выделение двух классов риска
Первый класс риска — риск, не устраняемый диверсификацией, который присутствует у всех активов, у портфелей активов и у рыночного портфеля Второй класс риска — устраняемый диверсификацией риск Синонимы: Систематический риск Специфический риск Рыночный риск Уникальный риск Бета-риск Диверсифицируемый риск По терминологии У. Шарпа, систематический риск влияет на большое число инвестиций, несистематический — присущ только данному активу. Следует отметить, что на практике разграничение рисков не является однозначным, одно и то же событие может трактоваться и как имеющее общее влияние, и как специфическое.
Формула, увязывающая меру систематического риска и требуемую доходность в рамках САРМ, принимает вид:
ki = kf + βi (km – kf),
где k — требуемая (и ожидаемая) доходность актива, так как модель равновесная;
kf — безрисковая доходность на рынке, то есть это такой вариант рыночного инвестирования, который при всех колебаниях цен в исторической перспективе дает оценку риска (среднеквадратическое отклонение доходности), близкую к нулю;
km — рыночная доходность (как доходность рыночного портфеля, на практике — доходность фондового индекса с наибольшей возможностью диверсификации), рассматривается как доходность инвестирования среднего уровня риска на данном рынке;
km – kf — премия за рыночный (систематический) риск на данном рынке;
β — мера оценки систематического риска актива (акции, проекта):
Бета-коэффициент = (Covar im)/ σm2.
Оценки бета-коэффициента по отраслям приведены в Приложении 7.
Следует отметить, что для недиверсифицированного инвестора также возможно применение модели САРМ, только в модифицированном виде, когда учитывается риск данного инвестиционного варианта. Следует помнить, что бета-коэффициент является хорошей мерой риска для случая интегрированных рынков с возможностью диверсификации капитала.
Модель САРМ описывает один из самых распространенных мер риска – систематический рыночный риск, или «бета». Однако, последние два десятилетия наблюдается непрекращающаяся критика данного показателя риска, причем как теоретического, так и эмпирического плана.
CAPM основывается на предположении, что предпочтения инвесторов исчерпывающе описываются двумя переменными: среднее и дисперсия. Это в свою очередь приводит к тому, что a) инвесторы беспокоятся только о первых двух моментах распределения, и, также, b) распределения имеют симметричную форму. Первый пункт приводит к квадратичной функции полезности, вместе с ее хорошо описанными недостатками. Второй пункт не имеет поддержки со стороны многочисленных эмпирических исследований финансовых рынков, особенно рынков развивающегося типа.
Более специфические проблемы с неудовлетворительными эмпирическими результатами «беты» описаны в работах, посвященных исследованию развивающихся финансовых рынков. Во-первых, в CAPM неявно предполагается, что развивающиеся рынки полностью интегрированы в структуру мирового рынка. Однако, это предположение не нашло поддержки со стороны эмпирических свидетельств, т.е. бета и ожидаемые доходности активов гораздо менее коррелированы по сравнению с теоретическими расчетами. Харви [50] показал, что величины беты на развивающихся рынках слишком малы, чтобы объяснить высокую стоимость акций на таких рынках. Этот результат подтвердили дальнейшие исследования. Объяснение этому феномену пытались найти большое количество исследователей. При этом предлагались различные подходы, такие как непосредственная корректировка беты, использование кредитных рейтингов и др.
Корректировка отражает процесс движения к среднему риску, то есть к бета-коэффициенту равному единице. Эти корректировки базируются на исследованиях М. Блюма, которые показали, что с течением времени бета портфеля приближается к единице, а систематический риск компании приближается к среднерыночному.
Блюм показал, что корректные поправки позволяют точнее спрогнозировать бета-коэффициенты [33]:
β2i= α+ bβ1i,
где β2i и β1i — статистические бета-коэффициенты для последовательных семилетних периодов. Параметры а и b определяются с помощью регрессионного анализа. Их оценка позволяет записать уравнение прогноза:
β3i= α+ bβ2i.
Эта методика используется компаниями-лидерами финансовой аналитики Value Line и Merril Lynch, которые профессионально занимаются оценками параметра бета-коэффициента. Компания Bloomberg использует скорректированный бета-коэффициент, который вычисляется следующим образом для всех компаний: βadj = 0,67 x β+ 0,33 x 1, где Р — «сырое» значение, полученное из регрессионного уравнения (как тангенс угла наклона). Веса 0,67 и 0,33 для различных акций рынка принимаются постоянными. Это может быть объяснено тем фактом, что фирмы по мере своего роста становятся более диверсифицированными в продуктовом портфеле и клиентской базе.
Необходимость учета временного лага, который имеет место в реакции фактического бета-коэффициента на изменения в рыночной доходности, заставила обратиться к еще одному показателю бета-коэффициента — суммовой или лагированный бета-коэффициент (lagged). Исследования показали, что чем меньше размер капитала компании, тем проблема лага ощутимее.
Для развивающихся рынков выбираемые методы оценки параметров исторического построения бета-коэффициента (по регрессии) должны быть изменены: временной период выбирается более коротким, чем для развитого рынка, увеличивается интервал наблюдений, в качестве индекса используются композитные варианты, учитывающие котировки по нескольким торговым площадкам.
В аналитической практике на развивающихся рынках вместо фондового метода оценки бета-коэффициента получили популярность методы: фундаментальных параметров (иначе называемый метод «восходящего бета» по компаниям-аналогам) и «бухгалтерского бета». Основные различия показаны на рис. 6.
Рис. 6. Введение в модель СAPM третьего параметра — бета-коэффициента как меры оценки добавочного риска к портфелю инвестора [33]
2.3.7.3. Средневзвешенная стоимость капитала
Данная оценочная процедура является общей методологией, используемой при оценке компаний. При наличии соответствующего качества информации рассматриваемый метод обычно является приоритетным для использования корпорацией как потенциальным покупателем. Основные шаги алгоритма представлены на рис. 7.
Рис. 7. Шаги оценки стоимости пакета акций компании
Рассмотрим кратко некоторые основные шаги этого алгоритма.
Определение дисконтной ставки. Прибыль, получаемая держателями акций и долговых обязательств, представляет собой стоимость долгового обязательства, зависящую от рыночной стоимости этого обязательства, а также стоимость акции, зависящую от рыночной стоимости этих акций. Среднее значение, определенное в соответствии с рыночной стоимостью, называется Средневзвешенной Стоимостью Капитала (ССК). Прогнозируемые свободные потоки средств дисконтируются в соответствии с ССК.
Основная формула для определения ССК выглядит следующим образом
,
Где Rd – стоимость долгового обязательства до уплаты налогов;
Tc – маргинальные налоговые ставки для компании;
D – рыночная стоимость долгового обязательства;
E – рыночная стоимость акций;
Re – стоимость акций до налогов [2].
Стоимость акций может определяться при помощи Модели Оценки Капитальных Активов ("МОКА"). Данная модель строится на том основании, что разница в прибыли представляет собой необходимую степень риска, однако вознаграждению подлежит лишь та часть этой разницы, которая не подвержена диверсификации. Модель определяет разницу, не подверженную диверсификации, и связывает ожидаемую прибыль с данной степенью риска. Основную формулу модели МОКА можно представить так:
.
В данном случае Rf представляет ставку, свободную от риска (обычно это государственные облигации или другие виды правительственных долговых инструментов на развивающихся рынках);  – степень риска, не подверженного диверсификации; а Rm – рыночный риск. Премия по рыночному риску представлена разницей между значениями Rf и Rm. Риск, не подверженный диверсификации, то есть , может быть определен путем деления коварианта компании с рынком на общую вариацию самого рынка.
,
где:
Covim – ковариация приобретаемой компании с рынком;
– общая вариация рынка.
Вычисление конечной стоимости. Конечная стоимость (КС) обычно определяется с использованием формулы роста до бесконечности или терминальной кратности.
Формула роста до бесконечности является следующей [2]:
.
Здесь FcFn представляет потоки средств по окончании прогнозируемого периода, а g – ожидаемую степень роста этих потоков. Данная формула должна быть нормализована для использования в полных циклах деятельности в тех отраслях промышленности, которые имеют цикличную структуру. Основной недостаток оценки конечной стоимости заключается в предположении того, что компания достигла стадии устойчивого функционирования.
2.3.8. Сравнительный анализ методов анализа инвестиционных рисков
Каждый вид риска, даже при весьма низком уровне агрегирования, всегда содержит множество компонентов, и имеет ряд модификаций, в том числе в зависимости от обстоятельств проявления. Поэтому оценка и управление риском всегда должны носить конкретизированный характер, адаптированный для объекта управления риском, объекта-носителя риска, особенностей инвестиционного проекта, инвестиционного климата региона в целом, а также специфических характеристик субъекта управления. Однако это не означает принципиальной невозможности универсализации подходов к классификации, оценке и управлению инвестиционным риском – напротив, сложность объекта исследования обусловливает необходимость поиска единых методологических подходов к анализу и оценке.
Можно сделать вывод о том, что не существует универсального метода, позволяющего провести полный анализ и дать оценку инвестиционного риска. Каждый из рассмотренных методов обладает своими достоинствами и недостатками.
Качественные методы позволяют рассмотреть все возможные рисковые ситуации и описать все многообразие рисков рассматриваемого инвестиционного проекта, но получаемые при этом результаты оценки часто обладают не очень высокой объективностью и точностью.
Использование количественных методов дает возможность получить численную оценку рискованности проекта, определить степень влияния факторов риска на его эффективность. К числу недостатков этих методов можно отнести необходимость наличия большого объема исходной информации за длительный период времени (статистический метод); сложности при определении законов распределения исследуемых параметров (факторов) и результирующих показателей (статистический метод, метод Монте-Карло); изолированное рассмотрение изменения одного фактора без учета влияния других (анализ чувствительности, метод проверки устойчивости) и т. д.
Особое внимание хотелось бы уделить недостаткам вероятностного и минимаксного подходов при проведении сценарного анализа, ведь этот метод позволяет наиболее полно описать все возможные условия осуществления инвестиционного проекта. При вероятностном подходе в случае отсутствия информации об объективных вероятностях реализации того или иного сценария приходится применять субъективные оценки, основанные на опыте или суждении, что приводит к проблеме достоверности этих оценок и полученных результатов. К тому же при этом подходе рассматривается только дискретное множество сценариев реализации инвестиционного проекта и оценок их эффективности, а минимаксный подход и вовсе позволяет принимать решения на основании только наилучшего и наихудшего интегральных эффектов.
Преодоление этих недостатков возможно при использовании теории нечетких множеств, позволяющей сформировать полный спектр сценариев реализации инвестиционного проекта. При этом решение принимается не на основе нескольких оценок эффективности проекта, но по всей совокупности этих оценок. Ожидаемая эффективность проекта не является точечным показателем, а представляет собой поле интервальных значений со своим распределением ожиданий, характеризующимся функцией принадлежности соответствующего нечеткого числа. А взвешенная полная совокупность ожиданий позволяет оценить интегральную меру ожидания негативных результатов инвестиционного процесса.
Анализ существующих методов управления рисками инвестиционной деятельности, позволил предложить алгоритм снижения рисков в условиях неопределенности, присущих современной экономической ситуации страны и региона в частности.
Процесс управления рисками в ходе реализации инвестиционного проекта состоит из:
идентификации рисков,
выделения основных факторов риска,
прогнозирования показателей, определяющих динамику этих факторов,
принятия решения по инвестиционному проекту на основе оценки эффективности.
Предлагаемая модель включает в себя 4 этапа, два из которых представляют собой качественный анализ рисков, а два последних – количественный (см. рис.1. данной работы).
Таким образом, существует реальная возможность сочетания достоинств различных методов и исключения их недостатков.
2.3.9. Принятие решений в условиях риска и неопределенности
Для обеспечения эффективного принятия решений мера риска должна обеспечивать возможности:
четкого, компактного, прозрачного (с точки зрения экономического смысла) и наглядного представления данных,
отслеживания динамики процесса;
сопоставления оценок риска по различным инструментам,
направлениям деятельности и видам рисков и получения агрегированных оценок;
принятия обоснованных решений в отношении параметров проведения операции, в т.ч. их объемов, сроков, стоимостных и других существенных условий.
Принимая решение об эффективности инвестиционного проекта в условиях неопределённости, инвестор решает как минимум двухкритериальную задачу, иначе говоря, ему необходимо найти оптимальное сочетание «риск-доходность» инвестиционного проекта. Очевидно, что найти идеальный вариант «максимальная доходность - минимальный риск» удаётся лишь в очень редких случаях. Поэтому автор предлагает четыре похода для решения этой оптимизационной задачи.
1. Подход «максимум выигрыша» заключается в том, что из всех вариантов вложений капитала выбирается вариант, дающий наибольший результат (NPV, прибыль) при приемлемом для инвестора риске (R пр.доп). Таким образом, критерий принятия решения в формализованном виде можно записать как
2. Подход «оптимальная вероятность» состоит в том, что из возможных решений выбирается то, при котором вероятность результата является приемлемой для инвестора
,
где: M(NPV) – матожидание NPV.
3. На практике подход «оптимальная вероятность» рекомендуется сочетать с подходом «оптимальная колеблемость». Колеблемость показателей выражается их дисперсией, средним квадратическим отклонением и коэффициентом вариации. Сущность стратегии оптимальной колеблемости результата заключается в том, что из возможных решений выбирается то, при котором вероятности выигрыша и проигрыша для одного и того же рискового вложения капитала имеют небольшой разрыв, т.е. наименьшую величину дисперсии, среднего квадратического отклонения, вариации.
,
где: CV(NPV) – к

Список литературы

1.Балдин К. В., Воробьев С. Н. Риск-менеджмент. Учебное пособие. Издательство: Гардарики, 2005 г. - 288с.
2.Бандурин А. Методы инвестиционного анализа. Автореферат на соискание ученой степени кандидата экономиче-ских наук. Москва. 2006г.
3.Бланк И. В. «Финансовый менеджмент»- М. 1999 г.
4.Валравен К.Д. Управление рисками коммерческого банка. – М.: ИНФРА-М, 2003. – 293 с.
5.Волков И., Грачева М. Проектный анализ.
6.Гиляровская Л.Т., Ендовицкий Моделирование в стратегическом планировании долгосрочных инвестиций // Финан-сы-1997-№8-53-57.
7.Глущенко В. В. Риски инновационной и инвести-ционной деятельности в условиях глобализации. Издательство: ТОО НПЦ "Крылья", 2006 г. - 232 стр.
8.Гончаренко Л. П., Филин С. А. Риск-менеджмент. Учебное пособие. Издательство: КноРус, 2007 г. - 216 с.
9.Десятирикова Е.Н. Слинькова, Н.В. Инвестицион-ное проектирование и управление рисками. // Кибернетика и высо-кие технологии XXI века: материалы VI международной научно-технической конференции 17-19 мая 2005г. - Воронеж -2005 - с.95-99
10.Десятирикова Е.Н. Слинькова, Н.В. Оценка и ана-лиз рисков инвестиционных проектов // Экономическое прогнози-рование: модели и методы: материалы Международной научно-практической конференции 29 – 30 апреля 2005г.: в 2ч. // под ред. проф. В.В.Давниса. – Воронеж: Воронежский Государственный университет – 2005 – Ч.2. - с.295-297
11.Доценко Е.В. Основные подходы классификации предпринимательских рисков// Проблемы современной экономики: Сборник. Вып. 8. Современные проблемы социально-экономического развития Брянской области.- Брянск: Изд. БГУ, 2005.
12.Ермасова Б. Риск-менеджмент организации. Изда-тельство: Альфа-Пресс, 2005 г. - 240 стр.
13.Иода Е.В., Мешкова Л.Л., Болотина Е.Н. Анализ банковских рисков и их оптимизация / Под общ. ред. проф. Е. В. Иода. 2-е изд., испр., перераб. Тамбов: Изд-во Тамб. гос. техн. ун-та, 2002. 120 с.
14.Ионов, Ю. Г. Риск-предикторы в задачах обосно-вания управленческих решений: дис. … канд. экон. наук: 08.00.13 / Ю. Г. Ионов. – Воронеж, 2004. – 162 с.
15.Киселев Д.И. Моделирование, оценка и снижение рисков финансовых инвестиций в условиях развивающегося фон-дового рынка. Диссертации на соискание ученой степени кандидата экономических наук. Москва – 2004.
16.Киселев Д.И. Моделирование, оценка и снижение рисков финансовых инвестиций в условиях развивающегося фон-дового рынка. Диссертации на соискание ученой степени кандидата экономических наук. Москва – 2004.
17.Киселев Д.И. Оценка устойчивости активных ин-вестиционных стратегий методом статистического моделирования // Обозрение прикладной и промышленной математики.–2004. т.11, вып.3.
18.Киселев Д.И. Риски финансовых инвестиций: вре-менной аспект // Математические методы и информационные тех-нологии в экономике, социологии и образовании: Сборник статей XIII Международной научно-технической конференции. – Пенза: Приволжский Дом Знаний, 2004.
19.Королев О.Г. Анализ и управление рисками в дея-тельности малых и средних кредитных организаций // Деньги и кредит. №2, 2002.
20.Коршунова Л. Н., Проданова Н. А. Оценка и ана-лиз рисков. Серия: Высшее образование. Издательство: Феникс, 2007 г. - 96с.
21.Кошечкин С. А. Методы количественного анализа риска инвестиционных проектов/ Библиотека Exsolver.
22.Кошечкин С.А. Концепция риска инвестиционного проекта. // Консалтинг.ру.
23.Кривошеев С.С. Управление промышленным предприятием с учетом факторов хозяйственного риска. Диссерта-ция на соискание ученой степени кандидата экономических наук. Орел. 2003.
24.Куликов Н.И., Иода Е.В., Мешкова Л.М., Болотина Е.Н. Классификация банковских рисков и их оптимизация / Под общ. ред. проф. Е. В. Иода. 2-е изд., испр., перераб. Тамбов: Изд-во Тамб. гос. техн. ун-та, 2002. 120 с.
25.Лапченко Д. А. Оценка и управление экономиче-ским риском. Теория и практика. Издательство: Амалфея, 2007 г. - 148с.
26.Малышев Ю. Управление рисками бизнеса // Управление компанией, №5, 2004.
27.Менеджмент организации: Учебное пособие для подготовки к итоговому междисциплинарному экзамену профес-сиональной подготовки менеджера. // Под общей ред. В.Е. Ланкина. Таганрог: ТРТУ, 2006.
28.Романов В. Понятие рисков и их классификация как основной элемент теории рисков // Инвестиции в России. 2000. № 12. С. 41 – 43.
29.Румянцева Е.Е. Новая экономическая энциклопе-дия»: «Инфра-М» - 2006 - 724с.
30.Слинькова Н.В. Снижение инвестиционных рисков // XIII Международная конференция. «Математика. Экономика. Образование». III Международный симпозиум «Ряды Фурье и их приложения». Тезисы докладов. - Ростов-на-Дону: изд-во ООО «ЦВВР» - 2005 - с.121-122.
31.Слинькова Н.В. Снижение рисков инвестиционной деятельности на основе вейвлет-анализа и прогнозирования корот-ких временных рядов. Автореферат на соискание ученой степени кандидата экономических наук. Воронеж. 2007.
32.Стратегии бизнеса: аналитический справочник //Под общей редакцией Г.Б. Клейнера. Москва, «КОНСЭКО»,1998.
33.Теплова Т.В. Инвестиционные рычаги максимиза-ции стоимости компании. Практика российских предприятий. Из-дательство «Вершина». 2005г.
34.Теплова Т.В. Инвестиционные рычаги максимиза-ции стоимости компании. Практика российских предприятий. Из-дательство «Вершина». – 2006г.
35.Тхакушинов Э.К. Системное управление инвести-ционными рисками в регионе: теория, методология и инструмента-рий. Автореферат диссертации на соискание ученой степени докто-ра экономических наук. Белгород 2007.
36.Управление инвестиционными рисками http://investhouse.sitecity.ru
37.Фатхутдинов Р.А. Конкурентоспособность: эконо-мика, стратегия, управление. – М.: ИНФРА-М, 2000.
38.Финансовые риски в странах с формирующимися рынками, включая Россию, остаются сбалансированными. Источ-ник: www.prime-tass.ru. 01 октября 2007.
39.Финансовый менеджмент: Учеб. Пособие/под ред. Д.А. Панкова. – Мн.: БГЭУ, 2005. – 363с.
40.Чернова Г. В., Кудрявцев А. А. Управление риска-ми. Издательства: ТК Велби, Проспект. 2007 г. - 160с.
41.Шапкин А. С., Шапкин В. А. Теория риска и моде-лирование рисковых ситуаций. Учебник. Издательство: Дашков и Ко, 2007 г. - 880 с.
42.Экономический анализ хозяйственной деятельно-сти: Учебник / Э.А Маркарьян, Г.П. Герасименко, С.Э Маркарьян – Ростов н / Д: Феникс, 2005. – 560с.
43.Управление инвестиционными рисками http://investhouse.sitecity.ru
44.www.injp.ru
45.http://www.businessproect.com/ Бизнес - информа-ционный сайт.
46.http://www.risk24.ru
47.ЭкспертРА
Пожалуйста, внимательно изучайте содержание и фрагменты работы. Деньги за приобретённые готовые работы по причине несоответствия данной работы вашим требованиям или её уникальности не возвращаются.
* Категория работы носит оценочный характер в соответствии с качественными и количественными параметрами предоставляемого материала. Данный материал ни целиком, ни любая из его частей не является готовым научным трудом, выпускной квалификационной работой, научным докладом или иной работой, предусмотренной государственной системой научной аттестации или необходимой для прохождения промежуточной или итоговой аттестации. Данный материал представляет собой субъективный результат обработки, структурирования и форматирования собранной его автором информации и предназначен, прежде всего, для использования в качестве источника для самостоятельной подготовки работы указанной тематики.
© Рефератбанк, 2002 - 2019