Управление рисками предполагает правильное понимание степени риска, который постоянно угрожает имуществу, финансовым результатам деятельности организаций и предприятий.
В зависимости от результатов идентификации и анализа рисков возможно применение различных общих установок по их разрешению:
а) уклонение – отказ от проведения каких-либо действий, связанных с возможностью появления риска;
б) уменьшение – сокращение вероятности появления риска и объёма потерь;
в) оптимизация;
г) принятие – оставление риска за субъектом бизнеса, что влечёт полную ответственность за возможные последствия;
д) распределение или передача риска – субъект бизнеса передаёт ответственность за риск кому-то другому.
Конкретные процедуры управления рисками при оценке стоимости ОИС могут включать:
1. Создание баз данных и моделей для принятия решения о приемлемости каждого конкретного риска.
2. Разработку процедуры оценки рисков и проведение этой оценки.
3. Оценку рисков в каждый данный момент времени.
4. Определение формальной зависимости между методами учёта рисков и результатами учёта.
5. Разработку методов и средств для управления рисками и уменьшения рисков.
6. Создание программной (компьютерной) поддержки вышеперечисленных процедур.
Следует учитывать, что уровень рисков увеличивается, если:
– проблемы возникают внезапно и вопреки ожиданиям;
– поставленные новые задачи не соответствуют прошлому опыту или он отсутствует;
– существующий порядок, несовершенство законодательства, отсутствие достаточной и достоверной информации мешают принятию оптимальных для конкретной ситуации мер.
Прежде чем предпринимать конкретные шаги по влиянию риска при оценке ОИС, необходимо их выявить, предварительно оценить, минимизировать и таким образом застраховать себя от ошибок. В настоящее время во всём мире проблеме оценки рисков в бизнесе придаётся огромное значение. Возможные способы оценки рисков и методы управления ими имеют широчайший спектр: от грубых и тривиальных до общепринятых в мировой практике, с использованием современных подходов и технологий. Для оценки рисков при оценке стоимости ОИС могут быть использованы методы анализа чувствительности операций, анализа её безубыточности, экспертных оценок, теории игр, анализа сценариев, построения дерева решений, моделирования по методу Монте-Карло, аналитического моделирования, использования коэффициентов дисконтирования, функции полезности или операций-аналогов. Анализ научной литературы показывает, что большинство из этих методов базируется на специальном математическом аппарате теории вероятностей и традиционно предполагают использование статистической информации об этих или подобных экономических операциях.
Но в реальных условиях практически любая операция по оценке стоимости ОИС является уникальной, – статистический материал отсутствует, данные о подобных операциях недостоверны. Такое экономическое благо, как наличие полной исходной информации, недоступно или чрезвычайно дорого. Приходится принимать решения по оценке стоимости ОИС в условиях высокой информационной недостаточности и неопределённости.
Кроме того, существует множество рисков, которые практически невозможно корректно представить и оценить средствами традиционного математического аппарата (политические, природные, экологические, криминальные или риски форс-мажорных обстоятельств).
Таким образом, главной особенностью решения задачи оценки стоимости ОИС является тотальность неопределённости, причём далеко не статистической природы. Как показали исследования и практический опыт, это обусловлено тем, что: имеется только или преимущественно вербальная или экспертная информация; имеет место разнородная по составу и источникам информация; недостаточна или искажена статистическая информация; невозможно получить требуемый объём необходимой информации; необходимо учитывать постоянно возникающие новые факторы; имеется устойчивая противоречивость экономической ситуации и правового поля; отсутствует единый подход к оценке перспектив развития любой отрасли или сегмента рынка.
Тогда, исходя из рассмотренных выше условий оценки рисков, наиболее рациональными оказываются специальные методы и соответствующие инструментальные средства, лишённые недостатков и ограничений классических вероятностных подходов. В частности, к ним относятся методы, основанные на использовании нечётких множеств.
К такому выводу пришли ещё в 1965 году благодаря новаторским работам Лотфи Заде. Л. Заде была предложена теория нечётких множеств (Fuzzy Sets Theory), а впоследствии разработана специальная технология (Fuzzy-технология) решения практических задач бизнеса в условиях разнородных факторов неопределённости.
К середине 80-х годов в Японии, США, Германии теория нечётких множеств внедряется в учебный процесс, появляется более 40 патентов по пользованию Fuzzy-технологии. Особое внимание развитию теории нечётких мер и интегралов уделяется в Японии. В 1989 г. по инициативе министерства торговли и промышленности Японии создан Международный институт нечётких технологий. Наибольших успехов в разработке и внедрении Fuzzy-технологии на постсоветском пространстве добилась Украина.
На базе Европейского университета финансов, информационных систем, менеджмента и бизнеса, совместно с консалтинговой компанией «ИНЭКС», создан «Европейский центр подготовки педагогических кадров и специалистов по применению Fuzzy-технологии в бизнесе».
Из известных в мировой практике финансового менеджмента различных методов анализа собственных рисков в странах постосветского пространства наиболее распространенны метод корректировки нормыдисконта и метод достоверных эквивалентов.
1. Метод корректировки нормы дисконта: корректировка осуществляется путем прибавления премии за риск, после чего производится расчет критериев эффективности инвестиционного проекта, в котором используется объект интеллектуальной собственности. Чем больше риск, ассоциируемый с использованием в проекте объекта интеллектуальной собственности, тем выше должна быть величина премии, которая может определяться по внутрифирменным процедурам, экспертным путем или по формальным методикам. Например, фирма может установить премию за риск в размере 10%, при расширении успешного использования объекта интеллектуальной собственности, 15% при использовании нового объекта интеллектуальной собственности в проекте, связанном с основной деятельностью фирмы, и 20% в случае, когда использование объекта интеллектуальной собственности связано с выпуском продукции и внедрением технологии, требующих освоения новых для фирмы видов деятельности и рынков. Пусть предельная величина ставки доходности равна 8%. Тогда для перечисленных случаев использования объекта интеллектуальной собственности норма дисконта будет соответственно равна 18,23 и 28%. Этот метод позволяет привести будущие потоки платежей к настоящему моменту времени, но не дает никакой информации о степени риска. При этом полученные результаты существенно зависят только от величины надбавки за риск. Кроме того, он предполагает увеличение риска во времени с постоянным коэффициентом, хотя для многих проектов с использование объектов интеллектуальной собственности характерно наличие рисков в начальный период с их постепенным снижением к концу реализации.
2. Метод достоверных эквивалентов (коэффициентов достоверности). В отличие от предыдущего метода в этом случае осуществляют корректировку не нормы дисконта, а ожидаемых значений потока платежей CF путем введения специальных понижающих коэффициентов (
) для каждого периода реализации проекта, содержащего ОИС.
(7.1)
где: 
- величина чистых поступлений от безрисковой операции в период t;
- ожидаемая (запланированная) величина чистых поступлений от реализации объектов интеллектуальной собственности в период t;
t - номер периода.
Тогда достоверный эквивалент ожидаемого платежа может быть определен как:
(7.2)
Где.
Таким образом, осуществляется приведение ожидаемых поступлений к величинам платежей, получение которых практически не вызывает сомнений, и значения которых могут быть определены более или менее достоверно либо точно.
Однако на практике для определения значений коэффициентов чаще используется метод экспертных оценок. В этом случае коэффициенты отражают степень уверенности специалистов-экспертов в том, что поступление ожидаемого платежа осуществится.
После того, как значения коэффициентов определены, осуществляется расчет критерия 
:
(7.3)
где: 
- суммарный поток платежей в период t;
r - используемая ставка процента; - корректирующий множитель;
I0 - начальные инвестиции;
Предпочтение отдается тому проекту, по которому величина NPV больше.
Литература
1. Абдикеев Н.М. Методы и модели финансового обеспечения инновационных предприятий с учетом инвестиционных рисков / Н.М. Абдикеев, Н.В.Гринева, Н.В.Кузнецов // Финансовая аналитика: проблемы и решения. – 2013. - №23 (161). – С. 8 - 17
2. Бочарников В.П. Нечеткая технология анализа и управления рисками / В.П. Бочарников, А.В. Цыганок // Проблеми економiчного ризику: Аналiз та управлiння: материалы 1-й Всеукр. конф. Киев: Эльга, Ника-Центр, 1998. - 412 с.
2. Бочарников В.П. Fuzzy-Technology: модальность и принятие решения в маркетинговых коммуникациях / В.П. Бочарников. Киев: Эльга, Ника-Центр, 2002. - 224 с.
3. Бочарников В.П. Fuzzy-Technology: основы моделирования и решения экспертно-аналитических задач / В.П. Бочарников, С.В. Свешников. Киев: Эльга, Ника- Центр, 2003. - 296 с.
4. Грабовский П.Г. Риски в современном бизнесе / П.Г. Грабовский. - М.: Аланс, 1994. - 274 с.
5. Карлберг К. Бизнес анализ с помощью Excel: пер. с англ. / К. Карлберг. Киев: Диалектика, 1997. - 450 с.
6. Козырев А.Н. Оценка интеллектуальной собственности / А.Н. Козырев. М.: Финансы, 1998. - 296 с.
7. Лапуста М.Г. Риски в предпринимательской деятельности / М.Г. Лапуста, Л.Г. Маршукова. М.: ИНФРА-М, 1996. - 206 с.
8. Мингалева Ж.А. Выбор форм охраны интеллектуальной собственности в процессе инновационной деятельности /Ж.А.Мингалева // Вестник Пермского университета. – 2012. – Выпуск 3 (17). – С. 131 - 136
9. Поспелова Д.А. Нечеткие множества в моделях управления и искусственного интеллекта / Д.А. Поспелова. М.: Наука, 1986. - 262 с.
