Анализ инвестиционных проектов в условиях инфляции

чувствительности, а также о  возможных отклонениях выбранного критерия эффективности проектов.

Вместе с тем метод исследует  поведение только результирующих показателей  эффективности (NPV, IRR, РI), не давая информации о возможных отклонениях потоков денежных поступлений и других ключевых показателях, определяющих процесс реализации проекта.

Несмотря на некоторые ограничения, метод успешно применяется во многих разделах финансового анализа.

Анализ вероятностных распределений  потоков предполагает определение ожидаемой величины чистых поступлений наличности (NCF_t) в соответствующем периоде, расчет чистой современной стоимости(NPV) и оценку ее возможных отклонений. Проект с наименьшей вариацией доходов считается менее рисковым.

Проблема заключается в том, что количественная оценка вариации зависит от степени корреляции между отдельными элементами потока платежей.

В реальной практике между элементами потока платежей существует умеренная корреляция. В этом случае вычисления существенно усложняются, необходимы специальные программные продукты.

В целом применение этого метода анализа рисков позволяет получить информацию об ожидаемых значениях NPV и чистых поступлениях, а также их вероятностных распределениях.

Использование этого метода предполагает, что вероятности для всех вариантов  денежных поступлений известны или  могут быть точно определены. В действительности распределение вероятностей может быть задано с высокой степенью достоверности только на основе анализа больших объемов фактических данных. Чаще всего такие данные недоступны, поэтому распределения, по оценкам экспертов, отличаются субъективизмом, а расчеты на их основе — определенной условностью.

Дерево решений обычно используется для анализа рисков проектов, имеющих обозримое или разумное число вариантов развития. Они ценны в ситуациях, когда решения, применяемые в граничные моменты времени (t = n), зависят от предыдущих решений и в свою очередь определяют сценарии дальнейшего развития событий.

Анализ инвестиционных рисков данным методом выполняется следующим  образом.

Для каждого момента времени  определяют проблему и все возможные варианты дальнейших событий, откладывают на дереве решений соответствующую вершину и исходящие от нее дуги, каждой дуге приписывают ее денежную и вероятностную оценки, исходя из значений , всех вершин и дуг рассчитывают вероятное значение критерия NPV(IRR, РI). Далее проводят анализ вероятностных распределений полученных результатов. Проекты с большей ожидаемой величиной NPV являются предпочтительными.

Вместе с тем с ростом числа  периодов реализации проекта структура дерева решений сильно усложняется, требует сложных вычислений, а также применения специальных программных средств для реализации моделей.

Преодолеть многие недостатки перечисленных  методов позволяет имитационное моделирование — наиболее мощное средство анализа экономических  систем.

Имитация — это компьютерный эксперимент с моделью системы, а не с самой системой.

При решении многих задач финансового  анализа используются модели, содержащие случайные величины, поведение которых  не поддается управлению (со стороны лиц, принимающих решения). Такие модели называют стохастическими, а имитацию — методом Монте-Карло. Применение имитации позволяет сделать выводы о возможных результатах, основанных на вероятностных распределениях случайных факторов.

Имитационное моделирование рисков инвестиционных проектов предусматривает  серию численных экспериментов, дающих эмпирические оценки степени влияния различных факторов (объема выпуска, цены, переменных расходов и др.) на зависящие от них результаты.

Имитационный эксперимент выполняется  следующим образом. Устанавливается  взаимосвязь между входными и  выходными показателями (NPV, IRR, РI) в виде математического уравнения или неравенства, задаются законы распределения вероятностей для ключевых параметров модели, проводится компьютерная имитация значений ключевых параметров модели, рассчитываются основные характеристики распределений входных и выходных показателей, проводится анализ полученных результатов.

Результаты имитационного эксперимента можно дополнить статистическим анализом, а также использовать для построения прогнозных моделей и сценариев.