<<
>>

34.2.2. КОЛИЧЕСТВЕННЫЕ МЕТОДЫ АНАЛИЗА РИСКОВ

Для целей количественного анализа рисков используют в основном методы прогнозирования и математического моделирования. Задача количественного анализа состоит в численном измерении степени влияния изменений рисковых факторов на поведение критериев эффективности деятельности предприятия.

В мировой практике существуют различные методы анализа рисков.

К наиболее распространенным из них следует отнести:

• анализ чувствительности критериев эффективности (чистый дисконтированный доход (NPV), внутренняя норма доходности (IRR) и др.);

• метод сценариев;

• методы имитационного моделирования (Монте-Карло) и др.;

• анализ вероятностных распределений потоков платежей;

• построение деревьев решений;

• построение детерминированных и стохастических аналитических моделей риска (зависимостей уровня риска от параметров проекта и внешней среды);

• методы теории нечетких множеств и нечетких интервалов;

• метод корректировки нормы дисконта (премии за риск);

• метод достоверных эквивалентов (коэффициентов достоверности).

Методы количественного анализа риска можно разбить на следующие группы:

1. Методы, дающие комплексную оценку инвестиций с учетом доходности (чистой стоимости) и риска. К этой группе относятся методы корректировки проектной дисконтной ставки и достоверных эквивалентов. Как правило, инвестиции оцениваются по математическому ожиданию критерия эффективности или рыночной оценки. Возможен также вариант снижения оценки относительно ее математического ожидания в зависимости от риска инвестиций.

2. Методы, дающие отдельные показатели оценки уровня риска.

Метод анализа чувствительности, аналитические модели риска (а также все методы третьей группы) способны давать оценку уровня риска в виде стандартного отклонения или его производных либо в виде специальных коэффициентов риска. Эти оценки наряду с критериями эффективности определяют инвестиционные решения.

598

3.

Методы, позволяющие оценить форму распределения вероятностей (профиль риска): метод сценариев, построение дерева решений, имитационное моделирование. В процессе применения этих методов анализируется некоторое множество вариантов развития событий, в результате аналитик получает в свое распоряжение кривую вероятностей в виде графика или таблицы. В зависимости от точности исходных данных и достоверности предположений, с той или иной степенью уверенности по этой кривой можно оценить все параметры риска инвестиций (стандартное отклонение, асимметрию кривой риска и др.). Вероятностные оценки риска, которые можно получить с использованием данных методов, являются наиболее удобными для восприятия менеджеров и обеспечения принятия управленческих решений.

Выбор конкретных методов анализа риска зависит от возможностей информационной базы, требований к конечным результатам (показателям) и к уровню надежности планирования инвестиций. Например, для небольших проектов аналитики могут ограничиться анализом чувствительности и корректировкой дисконта, для крупных проектов — провести имитационное моделирование и построить кривые распределения вероятностей, а в случае зависимости результатов проекта от наступления определенных событий или принятия определенных решений построить также дерево решений. Методы анализа рисков часто применяют комплексно, используя наиболее простые из них на стадии предварительной оценки, а сложные и требующие дополнительной информации — при окончательном обосновании инвестиций. Результаты применения различных методов к одному и тому же проекту дополняют друг друга, как и результаты различных методов оценки эффективности.

Рассмотрим сначала наиболее часто встречающиеся методы количественного анализа рисков проекта: анализ чувствительности и анализ сценариев.

Анализ чувствительности. Данный метод является хорошей иллюстрацией влияния отдельных исходных факторов на конечный результат проекта. Метод анализа чувствительности критериев эффективности дает финансовым аналитикам возможность субъективно и на количественной основе оценить влияние на проект изменения его ключевых переменных.

Метод основан на последовательном единичном изменении всех проверяемых на рискованность переменных: на каждом шаге только одна из переменных меняет свое значение на прогнозное число процентов, что приводит к пересчету значения используемого критерия. В качестве переменных могут быть использованы объем реализации,

599

цены на продукцию и производственные ресурсы, стоимость капитала. В качестве критерия могут выступать денежный поток или интегральные показатели эффективности проекта (МРУ, ШЛ, БРВ). При этом находят предельные значения этих переменных, при которых проект еще сохраняет эффективность. Имеющийся запас прочности сравнивают с субъективной или статистической оценкой вариации ключевых переменных. Метод может быть модифицирован с учетом корреляционной зависимости между ключевыми переменными. «Рискованными» переменными считаются те, при варьировании которых получается значение ИРУ < О и/или самый большой разброс в значениях ИРУ.

Наиболее информативным методом является расчет эластичности, т.е. показателя, позволяющего провести сравнение уровней чувствительности результирующей переменной (например, ИРУ) к изменению различных параметров. Эластичность ИРУ по варьируемой переменной определяется как отношение относительного приращения ИРУ к относительному приращению в варьируемом параметре. Преимуществом показателя эластичности является то, что он — безразмерная величина, т.е. с его помощью удается решить проблему сопоставимости влияния различных (как натуральных, так и стоимостных) варьируемых характеристик проекта.

ИРУ{ 1 '

где х, — базовое значение варьируемой переменной; х2 — измененное значение варьируемой переменной; ИРУ1 — значение ИРУ для базового варианта расчета; ИРУ2 — значение ИРУ при значении варьируемой переменной, равной х^.

При этом чем больше коэффициент эластичности по переменной х,, тем больше ее «рискованность», поскольку тем большее влияние она оказывает на изменение выбранного критерия. Проведение анализа чувствительности и выявление наиболее «узких» мест позволяет скорректировать проект и выбрать наиболее безопасную стратегию, т.е.

такую стратегию, которая позволит избежать значительных потерь из-за изменений внешней среды.

Как было отмечено выше, для разработки текущих производственных планов наиболее актуально рассмотрение производственных и финансовых рисков, которые принято объяснять интенсивностью использования финансового и операционного рычагов, являющихся по своей сущности инструментами анализа чувствительности. Подробно о механизме действия данных инструментов было рассказано в предыдущей главе. Рассмотрим обоб

600

щаюшую категорию этих двух механизмов — операционно-финан-совый леверидж или сопряженный риск операционного и финансового рычагов.

Исходным в рассмотренной схеме является операционный леверидж, влияние которого выявляется путем оценки взаимосвязи между выручкой предприятия, его прибылью (до вычета процентов и налогов) и расходами производственного характера. К последним относятся совокупные расходы предприятия, уменьшенные на величину расходов по обслуживанию внешних долгов. Влияние финансового левериджа выявляется путем оценки взаимосвязи между чистой прибылью и прибылью до выплаты процентов и налогов. Рассмотренные виды левериджа и их влияние, опосредованное взаимосвязью описанных показателей, могут быть представлены путем перекомпановки и детализации статей отчета о прибылях и убытках (рис. 34.1).

о

X

||

V а. О т

Выручка от реализации (за минусом НДС, акцизов и других аналогичных платежей)

— Переменные расходы на производство и сбыт продукции (исключая финансовые расходы)

— Постоянные расходы (исключая финансовые расходы)

+ Сальдо прочих доходов и расходов

= Прибыль до вычета процентов и налогов

— Проценты к уплате (финансовые расходы)

— Налогооблагаемая прибыль

— Налог на прибыль и иные обязательные платежи из прибыли

= Чистая прибыль

Рис. 34.1. Взаимосвязь доходов и левериджа

Выбор более или менее капиталоемких направлений деятельности определяет уровень операционного левериджа, выбор оптимальной структуры источников средств связан с финансовым левериджем.

Что касается взаимосвязи двух видов левериджа, то однозначную и безапелляционную ее характеристику вряд ли можно сделать. Тем не менее является достаточно распространенным

601

мнение, что они должны быть связаны обратно пропорциональной зависимостью — высокий уровень операционного левериджа предприятия предполагает желательность относительно низкого уровня финансового левериджа и наоборот. Объяснение этому очевидно с позиции как общего риска, так и совокупных постоянных расходов.

Предположим, что нам известны коэффициенты операционного и финансовых рычагов, которые составляют соответственно 2,5 и 3. Тогда сопряженный эффект операционного и финансового рычагов будет равен 2,5 • 3 = 7,5. То есть при изменении объема продаж на 1% получаемая прибыль изменится на 7,5%, а при изменении объема продаж, например, на 10% с сохранением той же структуры финансирования - на 75% (10% • 7,5 = 75%). Аналогично можно оценить влияние ценовых рисков (инфляции и относительных колебаний цен). Этот пример иллюстрирует преимущества коэффициентов риска для предварительных аналитических расчетов. Коэффициенты могут также применяться в процессе текущего контроля рисков инвестиций.

Обладая существенными преимуществами, в числе которых объективность, теоретическая прозрачность, простота расчетов, метод анализа чувствительности обладает существенными недостатками, главным из которых является его однофакторность. Ориентированность на изменение только одного фактора рассматривается изолированно, тогда как на практике все экономические факторы в той или иной степени коррелированны. Поэтому при проведении анализа чувствительности необходимо выделять переменные, которые будут независимы друг от друга, или, если последнее невозможно, такие переменные, взаимовлияние которых будет минимально. Если же переменные тесно взаимосвязаны, то лучше рассматривать альтернативные комбинации, что приводит к необходимости анализа сценариев, т.е. к выбору другой техники анализа.

Метод сценариев. 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.

В данном методе применяется вероятностный подход, предполагающий прогнозирование возможных исходов и присвоение им вероятностей, т.е.

разработка определенных сценариев развития событий. При этом используются:

602

а) известные, типовые ситуации (например, вероятность появления герба при бросании монеты равна 0,5);

б) предыдущие распределения вероятностей (например, из выборочных обследований или статистики предшествующих периодов известна вероятность появления бракованной детали);

в) субъективные оценки, сделанные аналитиком самостоятельно либо с привлечением группы экспертов.

Инструментами данного метода являются стандартные абсолютные характеристики риска — математическое ожидание и дисперсия.

Математическое ожидание (среднее ожидаемое значение) — средневзвешенное всех возможных результатов, где в качестве весов используются вероятности их достижения. Предположим, что у нас есть возможность вложить в проекг 1 долл. Данное рискованное вложение может закончиться двояко. Если все будет хорошо (А), то вы получите доход в размере 4 долл., если плохо (Б), то вы не получите ничего и потеряете все свои вложения в размере 1 долл. То есть чистая отдача (или просто отдача) составляет в первом случае 3 долл. либо минус 1 долл. Допустим, что данный результат возникает почти немедленно, т.е. вы можете не учитывать временную стоимость денег. Так как доход по данному проекту не определен, то он является случайной переменной. Предположим, что вероятность каждого из исходов равна 50%. Прежде чем вложить средства, вы хотите выяснить ожидаемую отдачу проекта и связанные с ним риски. Вероятностное распределение — это совокупность всех возможных значений дохода от вложения средств с учетом их вероятности. Для наглядности представим полученную информацию в виде табл. 34.6.

Таблица 34.6 Исход Вероятность Отдача А 50% +3 долл. Б 50% -1 долл. В данном случае ожидаемая стоимость переменой дохода (Е) может быть рассчитана по формуле:

Е = 3 • 0,5 + (-1) • 0,5 = 1 долл.

В общем виде, если произвольная переменная (г) может иметь (и) возможных исходов (г), где / = 1,2...л, а каждый исход имеет вероятность рп, то тогда ожидаемое значение дохода будет иметь следующий вид

Е(г) = г1Р1 + г2р2+...+ гпрп.

603

Или в более сжатой форме

Е(г) = !,•,./>,..

Необходимо обратить внимание на то, что сумма всех значений вероятностей должна равняться 1.

Рассмотрим еще один пример. Имеются два объекта инвестирования А и Б с одинаковой суммой требуемых капитальных вложений. Величина планируемого дохода (тыс. руб.) в каждом случае неопределенна и приведена в виде распределения вероятностей (табл. 34.7).

Таблица 34.7 Проект А Проект Б доход вероятность ДОХОД вероятность 0,1 30 0,1 20

35 0,2 30 0,15 40 0,4 40 0,3 45 0,2 50 0,35 50 0,1 60 0,1 Значения математического ожидания дохода для рассматриваемых проектов будут соответственно равны:

Е(га) = 30 • 0,1 + 35 • 0,2 + 40 • 0,4 + + 45 • 0,2 + 50 • 0,1 = 40 тыс. руб.

Дгб) = 20 • 0,1 + 30 • 0,15 + 40 • 0,3 + + 50 • 0,35 + 60 • 0,1 = 44 тыс. руб.

Таким образом, по критерию дохода проект Б следует признать более предпочтительным. Оценим теперь вариацию дохода данных проектов, рассчитав дисперсию (среднеквадратическое отклонение) — средневзвешенное квадратов отклонений случайной величины от ее математического ожидания (т.е. отклонений действительных результатов от ожидаемых). Иначе говоря, чем больше исход отличается от ожидаемого, тем больше разброс значений вокруг среднего, тем выше рискованность произвольной переменной.

Показатель дисперсии произвольной переменной г относительно его среднеарифметического значения рассчитывается как его вариация следующим образом:

о2 = [гх - Е(г))\ + [г2 - Е(г)]2р2 +...+ [г„ - Е(г)]2рп

или в сокращенном виде

о2 = Ъ1П-Е(г)]2рГ, /=1

604

для проекта А:

а2 = (30 - 40)2 • 0,1 + (35 - 40)2 • 0,2 + (40 - 40)2 • 0,4 + (45 -- 40)2 • 0,2 + (50 - 40)2 • 0,1 = 30, для проекта Б: а2 = 130.

Обратите внимание, что единица произвольной переменной выражается в тыс. руб., а единица вариации — в тыс. руб. в квадрате, поэтому значение вариации трудно толковать. По этой причине в качестве альтернативного показателя риска часто используется среднеквадратическое отклонение, которое представляет собой значение квадратного корня ее вариации и обозначается о

Среднеквадратическое отклонение показывает дисперсию произвольной переменной относительно своего среднеарифметического значения. Так, для рассматриваемого примера для проекта А аа = 5,5, для проекта Б — аб = 11,4. То есть при вложении средств в проект А ожидаемый доход составляет 40 тыс. руб., а среднеквадратическое отклонение 5,5 тыс. руб. указывает на то, что ожидаемый доход в основном находится в диапазоне между 34,5 тыс. руб. (40 - 5,5) и 45,5 тыс. руб. (40 + 5,5). Для проекта Б соответственно разброс значений дохода в пределах от 32,6 тыс. руб. до 55,4 тыс. руб. Таким образом, проект Б является более рискованным, чем проект А.

В результате вычислений мы получили, что проект Б, являясь более предпочтительным по критерию ожидаемого дохода, одновременно более рискованный, поскольку имеет большую вариацию дохода по сравнению с проектом А.

Использование этого метода предполагает, что вероятности для всех вариантов денежных поступлений известны либо могут быть точно определены. В действительности в некоторых случаях 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 (экспертной оценки) и несут в себе большую долю субъективизма.

Кроме того, метод сценариев наиболее эффективно применим в том случае, если количество возможных значений выбранного критерия ограничено. В случае, если количество возможных вариантов развития событий не может быть ограничено, для количественной оценки риска применяют метод имитационного моделирования.

605

Имитационное моделирование (метод Монте-Карло)К Поскольку при имитационном моделировании происходит имитация большого количества сценариев, то его можно назвать развитием сценарного подхода. Анализ значений результирующих показателей при сформулированных сценариях позволяет оценить возможный интервал их изменения при различных условиях реализации проекта.

В общем случае метод Монте-Карло называют численным методом решения математических задач при помощи моделирования случайных величин. Данный метод является одним из наиболее сложных в количественном анализе рисков и требует создания специального программного обеспечения.

Схему использования метода Монте-Карло в количественном анализе рисков можно представить в виде трех этапов.

На первом этапе строится математическая модель результирующего показателя как функция от переменных и параметров. Переменными считаются случайные составляющие проекта, параметрами — те составляющие проекта, значения которых предполагаются детерминированными. Решение о включении переменной в модель должно приниматься на основании анализа рейтинга эла-стичностей, при котором отбираются наиболее подверженные риску переменные, т.е. те, колебания которых вызывают наибольшие отклонения критериальных показателей. Для каждой риск-переменной по имеющимся статистическим данным и экспертной информации подбирается закон распределения, учитываются условия вероятностной зависимости переменных.

На втором этапе математическая модель пересчитывается при каждом новом имитационном эксперименте, в течение которого значения основных неопределенных переменных выбираются случайным образом на основе генерирования случайных чисел. Число имитационных экспериментов может быть выбрано с помощью методов математической статистики.

На третьем этапе результаты всех имитационных экспериментов объединяются в выборку и анализируются с помощью статистических методов с целью получения распределения вероятностей результирующего показателя и расчета основных измерителей риска проекта. При этом результирующими показателями могут являться:

• распределение вероятностей результирующей проектной переменной;

' Более подробно с применением данного метода можно ознакомиться в учебнике для вузов: Риск-анализ инвестиционного проекта/Под ред. М.В. Грачевой. - М.: ЮНИТИ-ДАНА, 2001.

606

• оценки среднего значения, среднего квадратичного отклонения, коэффициента вариации результирующего показателя;

• любые другие специальным образом сконструированные измерители риска (коэффициент ожидаемых потерь, вероятность реализации неэффективного проекта).

Использование вероятностных характеристик возможно для принятия инвестиционных решений, ранжирования проектов, обоснования применения тех или иных методов по управлению рисками. 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.

Еще одним из методов количественной оценки рисков является так называемый метод дерева решений. Этот метод используется в тех случаях, когда прогнозируемая ситуация может быть структурирована таким образом, что выделяются ключевые моменты, в которые либо нужно принимать решение с определенной вероятностью, либо также с определенной вероятностью наступает некоторое событие. 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. Рассмотрим логику применения данного метода на конкретном примере.

Управляющему нужно принять решение о целесообразности приобретения станка М, либо станка М2. Станок М2 более экономичен, что обеспечивает больший доход на единицу продукции, вместе с тем он более дорогой и требует относительно больших накладных расходов (табл. 34.8).

Таблица 34.8 Станок Постоянные расходы, руб. Операционный доход на единицу продукции, руб. М, 15 000 20 М2 21 ООО 24 Процесс принятия решения может быть выполнен в несколько этапов.

Первый этап. В качестве цели выбирается максимизация математического ожидания прибыли.

Второй этап. Определение набора возможных действий для рассмотрения и анализа.

Управляющий может выбрать один из двух вариантов:

а, — покупка станка М,;

а2 — покупка станка М2.

607

Третий этап. Оценка возможных исходов и вероятностей, которые носят случайный характер и являются, соответственно, случайными величинами. Управляющий (эксперт) оценивает возможные варианты годового спроса на продукцию и соответствующие им вероятности следующим образом:

х, = 1200 единиц с вероятность 0,4 Р(х.) = 0,4;

% — 2000 единиц с вероятностью 0,6 Р(х2) = 0,6.

Четвертый этап. Оценка математического ожидания возможного дохода, которая выполняется с помощью дерева решений (рис. 34.2).

Из приведенных на рис. 34.2 данных можно найти математическое ожидание возможного исхода по каждому проекту:

.- 1200 20-1200 - 15 000 = 9000 руб.

^>-:- 2000 20-2000 - 15000 = 25000 руб.

?

- 1200 24 • 1200 - 210С0 = 7800 руб.

- 2000 24 • 2000 - 21000 = 27 000 руб.

Рис. 34.2

E(Ral) = 9000 • 0,4 + 25 000 • 0,6 = 18 600 руб.; E(Rai) = 7800 • 0,4 + 2700 • 0,6 = 19 320 руб.

Таким образом, вариант с приобретением станка М2 является экономически более целесообразным.

Одним из применяемых также достаточно часто методов является метод достоверных эквивалентов. Он предполагает корректировку денежных потоков в зависимости от достоверности оценки их ожидаемой величины. Существует несколько разновидностей данного метода. Наиболее распространенный вариант — экспертная корректировка денежных потоков на понижающий коэффициент в зависимости от субъективной оценки вероятностей.

Недостатками этого метода следует признать:

• сложность расчета коэффициентов достоверности, адекватных риску на каждом этапе проекта;

• невозможность провести анализ вероятностных распределений ключевых параметров.

Одним из методов количественного анализа рисков, применяемых при долгосрочном планировании, является метод корректи

Мг 0,6

608

ровки нормы дисконта. Достоинства этого метода — в простоте расчетов, которые могут быть выполнены с использованием даже обыкновенного калькулятора, а также в понятности и доступности. Он достаточно широко применяется в практике.

Он основан на положении САРМ о рисковой премии, формирующейся на фондовом рынке. Рисковая премия (премия за риск) — это дополнительный доход, выплачиваемый (или предусмотренный к выплате) инвестору сверх того уровня, который может быть получен по безрисковым финансовым операциям.

САРМ дает возможность оценить дисконтную ставку1 инвестиционного проекта, базируясь на его систематическом риске. Таким образом, модель дает ключ к сопоставлению проектов различных классов рискованности.

САРМ (Capital Assets Pricing Model) — модель стоимости капитальных (долгосрочных) активов, используется для оценки требуемого уровня доходности инвестиционного портфеля для инвестора. Он основан на положении о рисковой премии, формирующейся на фондовом рынке. Формула требуемого уровня доходности на капитал имеет следующий вид:

E(r) = Rf+$-(Rm-Rf),

где Rf— безрисковая норма доходности по финансовым (инвестиционным) операциям, по которым отсутствует реальный риск потери капитала или дохода2; Rm — ожидаемая доходность, равная ожидаемой доходности биржевого индекса, характеризующего рынок; р — коэффициент систематического риска.

Основной разновидностью метода является расчет дисконта как средневзвешенной стоимости капитала с поправкой на риск. Методы определения поправки на риск — так называемой рисковой премии, различаются в зависимости от информационной базы анализа и принятой инвестиционной политики предприятия. Наи

1 Дисконтная ставка - ставка отдачи (доходности), используемая для конвертации денежной суммы, подлежащей выплате или получению в будущем, в нынешнюю стоимость. Дисконтная ставка выражается как процентная ставка, определяемая по рыночным данным об альтернативных инвестициях. При ее расчете учитываются такие факторы, как уровень процентных ставок, ставок отдачи, ожидаемых инвесторами от аналогичных инвестиций, а также риск, присущий ожидаемому потоку выгод.

2 В настоящее время еврооблигации России являются наиболее целесообразным финансовым инструментом для определения безрисковой ставки. Среди всех отечественных аналогов они характеризуются максимальным объемом выпуска (более 15 млрд долл.), наличием большого количества разнообразных траншей и легкостью получения необходимой информации об их доходности. Кроме того, даже во время августовского кризиса 1998 г. по данному виду ценных бумаг дефолт не объявлялся.

609

более точной считается оценка рисковой премии в зависимости от степени систематического риска, который количественно оценивается параметром (коэффициентом) ?, называемым также бета-фактором. Однако, как показывает практика организаций, трудно определить бета-фактор инвестиций. Их приближенно оценивают по бета-фактору акций компаний, деятельность которых проходит в сходных условиях, т.е. по средней ? отрасли. Коэффициенты ? статистически по мировому рынку определяются, например, агентством Barra International, Meryll Lunch. В России оценку для некоторых российских эмитентов осуществляет агентство АК&М. Данную информацию можно также получить на сайте Высшей школы финансового менеджмента (http:// ww.shfm.ane.ru/Consult/1/l.htm).

Интерпретация этого коэффициента следующая:

• рынок в целом характеризуется коэффициентом ? = 1, т.е. в этом случае инвестиция имеет такой же риск, как и рынок в среднем, а ставка требуемой доходности равна ожидаемой доходности по рынку в целом (Вт);

• безрисковое вложение имеет коэффициент ? = 0, т.е. инвестиция является безрисковой, а ставка требуемой доходности равна безрисковой ставке Rf;

• если ? < 1, то ценная бумага имеет меньший систематический риск, чем рынок в целом, если ? > 1, то больший.

Таким образом, бета-фактор является показателем чувствительности актива к изменению цены рыночного портфеля. Если, например, бета-фактор равен 1,5, это значит, что при изменении рыночного портфеля на +1% цена актива изменится на +1,5 %. Более чувствительным к рынку активам соответствуют большие значения бета.

Очевидно, что коэффициент систематического риска должен увеличиться в том случае, если предприятие пользуется заемными средствами, поскольку возникает дополнительная зависимость от кредитора. То есть твердые обязательства по выплате процентов за взятый кредит снижают предсказуемость прибыли предприятия, так как часть доходов идет на выплату процентов. Это приводит к увеличению требуемой акционером доходности на собственный капитал как платы за дополнительно взятый риск. Как показал Р.Хамада, увеличение коэффициента ? происходит в соответствии со следующей формулой:

? = ?0 • [1 + ЗК/СК • (1 - Снп)],

где ЗК/СК - коэффициент финансового левериджа (соотношение заемного и собственного капитала предприятия); ?0 — коэффици

610

ент систематического риска предприятия, которое не пользуется заемными средствами (безрычаговое предприятие); (3 - коэффициент систематического риска предприятия, имеющего смешанное финансирование, т.е. использующего и собственный и заемный капитал (коэффициент р с долговой нагрузкой); — ставка налога на прибыль.

Отметим, что выражение (1 — Снп) есть не что иное, как налоговый корректор из формулы эффекта финансового рычага (см. параграф 33.5).

В условиях наличия льгот по налогу на прибыль вводят дополнительно коэффициент /, который представляет собой удельный вес платежей, освобожденных от налога на прибыль, в общем объеме процентных платежей предприятия. В этом случае формула приобретает следующий вид:

Р = ру [1 + ЗК/СК .(!_/. С)].

В табл. 34.9 приведены коэффициенты систематического риска Р0 по отраслям экономики (очищенные от финансового рыча-

Таблица 34.9 Отрасль Коэффициент Зо Авиакомпании 0,92 Аэрокосмическая промышленность 0,57 Гостиничный бизнес 0,50 Деревообработка 0,56 Добыча металлов 0,78 Железнодорожный транспорт 0,55 Жилищное строительство 0,53 Машиностроение 0,54 Мебельная промышленность 0,75 Нефтяная и газовая промышленность 0,89 Обувная промышленность 0,85 Операции с недвижимостью 0,49 Производство продуктов питания 0,52 Промышленность стройматериалов 0,67 Реклама 1,16 Телекоммуникации: производство оборудования 1,92 Телекоммуникации: обслуживание населения 0,92 Торговля компьютерами 1,83 Торговля продуктами питания 0,56 Торговля одеждой 0,80 Угольная промышленность 0,79 Упаковка 0,52 Фармацевтическая промышленность и биотехнология 0,82 Химическая промышленность 0,67 Металлургия 0,78 Целлюлозно-бумажная промышленность 0,56 Энергетика 0,40 611

га) по базе данных проф. А. Дамодарана (Stern School of Business, New York).

В табл. 34.10 приведены данные АК&М1 по коэффициенту р ряда российских предприятий по состоянию на 31 июля 2002 г.

Таблица 34.10 Ранг Наименование Бета-фактор 1 «Сибнефть» 1,6802 2 РАО «ЕЭС России» 1,1041 3 НК «ЮКОС» 1,0992 4 «Газпром» 1,0946 5 « Су ргутнефте газ » 1,0654 6 «Ростелеком» 0,9613 7 «Мосэнерго» 0,9386 8 «Нефтяная компания ЛУКОЙЛ» 0,8096 9 ГМК «Норильский никель» 0,6956 10 «АвтоВАЗ» 0,6498 11 «Татнефть» 0,6453 12 Сбербанк России 0,6125 13 «Норильский никель» 0,5801 14 «Иркутскэнерго» 0,4292 15 «Славнефть-Мегионнефтегаз» 0,3587 16 «Уралсвязьинформ» 0,3364 17 «Башкирэнерго» 0,3306 18 «КамАЗ» 0,3260 19 «Башнефть» 0,2791 20 «Сибирьтелеком» 0,2548 21 «ЦУМ» 0,2104 22 «Аэрофлот» 0,2057 23 «Ростовэнерго» 0,2031 24 «Тверьэнерго» 0,1934 25 «Балтика» (пивоваренная компания) 0,1573 26 «ГАЗ» 0,1539 27 «ЦентрТелеком» 0,1219 28 «Тюменская НК» 0,1057 29 «Уфаоргсинтез» 0,0979 30 «Пермэнерго» 0,0857 31 «Ханты мансийскокртелеком » 0,0836 32 «Уралмаш-Ижора» 0,0719 33 «Уралтелеком» 0,0487 34 «Северо-Западный Телеком» 0,0458 35 « Костромаэнерго» 0,0320 1 Источник: http://www.akm.ru Аналитика. Степень риска.

612

Окончание таблицы 34.10 Ранг Наименование Бета-фактор 36 «Саратовэнерго» 0,0260 37 «Ивтелеком» 0,0214 38 « Мурманэлектросвязь» 0,0198 39 «Тюменьтелеком» 0,0179 40 «Конаковская ГРЭС» 0,0015 41 «Тулэнерго» -0,0190 42 «Боткинская ГЭС» - 0,0244 43 «Связьинформ» Челябинской области - 0,0307 44 «Электросвязь» Псковской области - 0,0382 45 «Волгоградэнерго» - 0,0387 46 «Колэнерго» - 0,0556 47 «Ленэнерго» - 0,0582 48 «Электросвязь» Вологодской области - 0,0635 49 «Артелеком» - 0,0696 50 «Электросвязь» Тверской области - 0,0721 51 «Липецкэлектросвязь» - 0,0822 52 «Электросвязь» Иркутской области - 0,0937 53 « Волгоградэлектросвязь» -0,1015 54 «Ижорские заводы» -0,1402 55 «Электросвязь» Ростовской области -0,2107 56 «Хабаровскэнерго» - 0,2995 Вместе с тем метод имеет существенные недостатки.

Методом корректировки нормы дисконта осуществляется 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.

При выборе ставки дисконтирования с учетом риска перед финансовыми аналитиками встает также следующая проблема: премия за риск может зависеть как от систематического, так и от общего риска инвестиций. Инвесторы, диверсифицирующие свои портфели, ориентируются только на систематический риск, что делает несущественным собственный риск не только отдельных финансовых активов, но и инвестиций в рамках данного предприятия. В то же время предприятие не может не учитывать несистематический риск капиталовложений, поскольку он прямо влияет на стабильность его работы. Таким образом, рисковая премия, соответствующая приросту стоимости капитала (рассчитанная по бета-коэффициенту), оказывается недостаточной. Необходимы применение поправок на собственный риск инвестиций или от

613

каз от использования корректировки дисконта в качестве меТ0^ комплексной оценки эффективности и риска инвестиций.

Он также предполагает увеличение риска во времени с пос^0 янным коэффициентом, что вряд ли может считаться корректнь1^ так как для многих проектов характерно наличие рисков в нача^ ные периоды с постепенным снижением их к концу реализай*11^ Таким образом, прибыльные проекты, не предполагающие со вРе' менем существенного увеличения риска, могут быть оценены верно и отклонены.

Наконец, обратная сторона простоты метода состоит в суШ6' ственных ограничениях возможностей моделирования различна вариантов, которое сводится к анализу зависимости критерии NPV (IRR, PI и др.) от изменений только одного показателя нормы дисконта.

Развитием данного метода является метод APT1 — модель ар' битражного ценообразования. Помимо учета влияния на измене ние стоимости актива одного рыночного фактора учитывается влияние и других, в том числе нерыночных, факторов риска — курс национальной валюты, стоимость энергоносителей, уровень инфляции и безработицы и т.д. То есть актив характеризуется набором показателей ?, каждый из которых представляет собой чувствительность актива к определенному фактору и характеризует систематический риск, связанный с влиянием именно этого фактора. Если в качестве факторов риска рассматривать только один — стоимость рыночного портфеля, то уравнение совпадает с уравнением САРМ.

Несмотря на отмеченные недостатки, метод корректировки нормы дисконта широко применяется на практике.

Многообразие ситуаций неопределенности делает возможным применение любого из описанных методов в качестве инструмента анализа рисков, однако, по мнению автора, наиболее перспективными для практического использования являются методы анализа чувствительности сценарного анализа, которые могут быть дополнены или интегрированы в другие методики.

Выше определены основные виды рисков и приведены метек ды, используемые для их анализа. Теперь рассмотрим практичен кую последовательность действий при принятии того или иног0 управленческого решения с учетом рисков. Необходимо:

1. Определить основные источники риска.

2. Определить возможные потери, денежные и не денежные, 0^ наступления неблагоприятных обстоятельств.

1 Несмотря на то что метод APT разрабатывался как альтернативный методу Сдр. подходы к расчету рисковой премии у них одинаковы. •

614

3. Оценить вероятность наступления того или иного события.

4. Оценить наихудший вариант развития событий.

5. Оценить, не превышают ли возможные потери, ожидаемые от осуществления данного проекта, выгоды от его реализации.

6. Определить, можно ли снизить вероятность наступления неблагоприятного исхода и разработать систему соответствующих мероприятий.

7. Оценить, не породят ли эти действия новые риски, если да, то следует ли прибегать к такой защите.

<< | >>
Источник: Г. К. Таль. АНТИКРИЗИСНОЕ УПРАВЛЕНИЕ. ЭКОНОМИЧЕСКИЕ ОСНОВЫ . 2004

Еще по теме 34.2.2. КОЛИЧЕСТВЕННЫЕ МЕТОДЫ АНАЛИЗА РИСКОВ:

  1. КОЛИЧЕСТВЕННЫЙ АНАЛИЗ РИСКОВ
  2. Количественные и качественные методы экономического анализа
  3. ДЕНЬ 5 КОЛИЧЕСТВЕННЫЕ МЕТОДЫ АНАЛИЗА ХОЗЯЙСТВЕННОЙ ДЕЯТЕЛЬНОСТИ
  4. ТЕМЫ РАЗДЕЛА «КОЛИЧЕСТВЕННЫЕ МЕТОДЫ АНАЛИЗА ХОЗЯЙСТВЕННОЙ ДЕЯТЕЛЬНОСТИ»
  5. 5.4. Методы количественного анализа рынка образования
  6. 63. Статистические и экономико-математические, количественные и качественные методы экономического анализа
  7. ОСНОВНЫЕ ПОЛОЖЕНИЯ РАЗДЕЛА «КОЛИЧЕСТВЕННЫЕ МЕТОДЫ АНАЛИЗА ХОЗЯЙСТВЕННОЙ ДЕЯТЕЛЬНОСТИ»
  8. В.И. Малюгин. Рынок ценных бумаг: Количественные методы анализа: Учеб. пособие. -М.: Дело, . - 320 , 2003
  9. 3.3. Методы анализа рисков
  10. 2.3. Виды рисков и их классификация. Анализ и методы устранения
  11. 7.5. Количественная оценка рисков
  12. Идентификация рисков результатов планирования и методы их анализа
- Антикризисное управление - Деловая коммуникация - Документоведение и делопроизводство - Инвестиционный менеджмент - Инновационный менеджмент - Информационный менеджмент - Исследование систем управления - История менеджмента - Корпоративное управление - Лидерство - Маркетинг в отраслях - Маркетинг, реклама, PR - Маркетинговые исследования - Менеджмент организаций - Менеджмент персонала - Менеджмент-консалтинг - Моделирование бизнес-процессов - Моделирование бизнес-процессов - Организационное поведение - Основы менеджмента - Поведение потребителей - Производственный менеджмент - Риск-менеджмент - Самосовершенствование - Сбалансированная система показателей - Сравнительный менеджмент - Стратегический маркетинг - Стратегическое управление - Тайм-менеджмент - Теория организации - Теория управления - Управление качеством - Управление конкурентоспособностью - Управление продажами - Управление проектами - Управленческие решения - Финансовый менеджмент - ЭКОНОМИКА ДЛЯ МЕНЕДЖЕРОВ -