Анализ операционных рисков проекта по методу Монте-Карло

Этот метод объединяет анализ чувствительности и анализ распределений вероятностей входных системы. Однако моделирование требует относительно более мощной системы программного обеспечения, в то время как анализ сценариев можно провести на компьютере в среде электронных таблиц или даже с помощью калькулятора.

Первый этап компьютерного моделирования состоит в задании распределения вероятностей каждой исходной переменной денежного потока, например, цены и объема реализации. Для этой цели обычно используют непрерывные распределения, полностью задаваемые небольшим числом параметров, например среднее и среднее квадратическое отклонение или нижний предел, наиболее вероятное значение и верхний предел варьирующего признака. Собственно процесс моделирования выполняется следующим образом:

1 Программа моделирования случайным образом выбирает значение для каждой исходной переменной, основываясь на ее заданном распределении вероятностей. Например, выбирается значение объема реализации в натуральных единицах.

2 Значение, выбранное для каждой варьируемой переменной, вместе с заданными значениями других факторов, таких как ставка налога и амортизационные отчисления, затем используется в модели для определения чистых денежных потоков по каждому году. Далее рассчитывается NPV проекта в данном конкретном компьютерном прогоне.

3 Этапы 1 и 2 многократно повторяются, скажем 1000 раз, что даст 1000 NPV. которые составят распределение вероятностей; тем самим получают ожидаемые значения NPV и среднего квадратического отклонения.

Несмотря на очевидную привлекательность, имитационный анализ не пользуется в промышленности так широко, как этого можно было бы ожидать. Одна из главный трудностей состоит в обосновании распределений вероятностей переменных и корреляций между ними. Механически включить в имитационный анализ любой тип корреляции между переменными на составляет большого труда. Тем не менее определить, какими должны быть корреляции, непросто. Действительно, эксперты, пытавшиеся получить информацию о таких взаимосвязях у менеджеров-практиков в виде конкретных оценок, отмечали сопряженные с этим трудности. Безусловно, проблема не является непреодолимой, и моделирование используется в бизнесе все чаще и чаще. Тем не менее важно иметь в виду трудность получения достоверных оценок вероятностных распределений переменных и корреляций между распределениями.

Еще одна проблема, связанная как с анализом сценариев, так и с имитационным анализом, состоит в том, что даже по завершении вычислительных процедур не появляется четкого критерия принятия решения. Анализ завершается получением ожидаемого NPV и распределения значений, вокруг него, ко­торые можно использовать для оценки единичного риска проекта. Однако ана­лиз не дает механизма, с помощью которого можно было бы четко определить, достаточна ли прибыльность проекта, мерой которой является его ожидаемый NPV, для компенсации его риска, показателем которого являются сигма NPV или CV NPV.

Наконец поскольку анализ сценариев и имитационный анализ сосредоточены на единичном риске проекта, они игнорируют воздействие внутрифирменной диверсификации проектов, а также степени диверсифицированности персо­нальных портфелей инвесторов. Таким образом, если отдельный проект оце­нивается изолированно, его доходы могут быть крайне неопределенными. Од­нако если эти доходы не коррелируют с доходами от других активов фирмы или с доходами от портфеля акций, тогда проект может быть не очень рисковым в смысле либо внутрифирменного, либо рыночного риска. Действительно, если доходы, проекта отрицательно коррелируют с доходами от других активов фирмы, тогда он может снизить корпорационный риск фирмы, и чем больше его сигма npv тем больше он снизит общий риск фирмы Аналогично, если доходность проекте не имеет положительной корреляции с фондовым рынком, тогда, возможно, даже проект с очень неустойчивыми доходами нельзя считать рисковым для хорошо диверсифицированных акционеров, которые обычно рыночным риском озабочены больше, чем единичным или внутрифирменным.