ВУЗ: Не указан
Категория: Не указан
Дисциплина: Не указана
Добавлен: 05.05.2024
Просмотров: 41
Скачиваний: 0
ВНИМАНИЕ! Если данный файл нарушает Ваши авторские права, то обязательно сообщите нам.
проектов технических систем описано поверхностно, что затрудняет его применение на практике [12, 13, 16, 17, 22, 44].
Таким образом, в вопросе об оценке риска инновационного проекта нет методологической однозначности. Обычно методы оценки рисков классифицируют на качественные и количественные методы. Главная задача качественного подхода (метод аналогий, метод экспертных оценок, анализ уместности затрат) состоит в выявлении возможных видов рисков рассматриваемого проекта, а также в определении и описании источников и факторов, влияющих на данный вид риска. Основная задача количественного подхода (метод проверки устойчивости, метод сценариев, статистический метод) заключается в численном измерении влияния риска на поведение критериев эффективности инновационного проекта.
2.4. Применение имитационного моделирования для анализа инвестиционной составляющей инновационных проектов
Имитационное моделирование, как новое научное направление в прикладной математике и кибернетике начало интенсивно развиваться в конце 60-х годов прошлого века. Причиной этому послужило широкое внедрение и использование сложные технические системы в самых разнообразных отраслях человеческой деятельности (экономика, космос, транспорт, биология, новые технологии на производстве) [7, 8, 79].
Существует много определений метода «имитационное моделирование», как инструментария исследования сложных систем. Так, например, американский специалист Р. Шеннон определяет следующим образом [7]: «Имитационное моделирование систем - искусство и наука, имитационное моделирование является экспериментальной и прикладной методологией, имеющей целью:
С точки зрения компьютерной реализации имитационное моделирование — это комплексный метод исследования сложных систем на ЭВМ, включающий построение концептуальных/ математических и программных моделей, выполнение широкого спектра целенаправленных имитационных экспериментов, обработку и интерпретацию результатов этих экспериментов [28, с.5].
Отличием имитационного моделирования от других количественных методов оценки риска проектов, описанных в главе 2.3.2, состоит в том, что он проводится с моделью инновационного проекта. Однако проведение реальных экспериментов с экономическими системами, по крайне мере, неразумно, требует значительных затрат и вряд ли осуществимо на практике [24]. Таким образом, имитация является единственным способом исследования систем без осуществления реальных экспериментов.
Часто практически невыполним или требует значительных затрат сбор необходимой информации для принятия решений [27] (например, при оценке рисков используют прогнозные данные об объемах продаж, затратах, ценах).
Однако, чтобы адекватно оценить риск необходимо иметь достаточное количество информации для формулировки правдоподобных гипотез о вероятностных распределениях ключевых параметров проекта. В подобных случаях отсутствующие фактические данные заменяются величинами, полученными в процессе имитационного эксперимента (т.е. сгенерированными компьютером) [27].
Следует отметить, что имитационное моделирование позволяет в наибольшей степени ослабить предпосылку о детерминированности денежных потоков проекта, т.е. об однозначной определенности потоков [28, с. 15]. Имитационное моделирование позволяет генерировать большое количество случайных реализаций инновационного проекта, автоматически создавая множество возможных сценариев. В методе ослабление предпосылки о детерминированности достаточно существенное, т.к. в качестве исходной информации используются составляющие денежных потоков, являющиеся случайными величинами [18].
Следует также заметить, что при проведении имитационных экспериментов над моделями проектов в полной мере используется утверждение Тагути: «случайные отклонения определяются не столько чистыми случайностями, сколько факторами, о которых мы не знаем или не можем их учитывать» [56].
Схема использования имитационного моделирования в количественном анализе рисков такова [58]: строится математическая модель результирующего показателя как функции от переменных и параметров. Переменными считаются случайные составляющие проекта, параметрами - те составляющие проекта, значения которых предполагаются детерминированными. Математическая модель пересчитывается при каждом новом имитационном эксперименте, в течение которого значения основных неопределенных переменных выбираются случайным образом на основе генерирования случайных чисел. Результаты всех имитационных экспериментов объединяются в выборку и анализируются с целью расчета основных измерителей риска проекта.
Процесс количественной оценки риска с использованием имитационного моделирования может быть разбит на три этапа [18, 27, 28, 54] (рисунок 3).
Этап 1. Определение математической модели.
На этом этапе составляется концептуальная модель - логико- математическое описание моделируемой системы [27].
На основании обзора научной литературы [54, 78] для построения математической модели инновационного проекта необходимо следующее:
Рисунок 3. Этапы имитационного моделирования
Модель для имитации в общем случае будет определяться формулой [46]:
,
где Efficiency_index - показатель эффективности инновационного проекта (чистый дисконтированный доход (NPV), срок окупаемости (РВ), индекс доходности (PI)); - функция, устанавливающая зависимость между составляющими потока денежных средств проекта и показателям эффективности; - переменные математической модели, составляющие денежного потока проекта; n - количество переменных математической модели; - константы потока денежных средств; m - количество констант потока денежных средств.
Модель денежных потоков инновационного проекта задается чаще всего в дискретном виде и представляет собой таблицу денежных потоков [27].
Определение переменных математической модели инновационного проекта является сложным этапом. В риск-менеджменте переменные определяются на основании результатов метода анализа чувствительности, экспертных опросов, а также на основании информации о предсказуемости входных переменных. Однако в литературе [27, 46, 54, 78] нет четких критериев в определении переменных модели. Для повышения качества информационной модели важно правильное выделение тех составляющих денежного потока, которые в наибольшей степени определяют эффективность инновационного проекта [46].
Этап 2. Проведение имитационных экспериментов
При проведении серии имитационных экспериментов над математической моделью инновационного проекта значения входных переменных модели выбираются случайным образом в рамках заданного диапазона изменений. Далее по каждому имитационному эксперименту рассчитывается показатель эффективности (выходной параметр модели) [78]. Однако в научной литературе [27, 46, 54, 78] нет четких правил при определении диапазона изменения входных переменных.
Этап 3. Анализ результатов
После проведения серии имитационных экспериментов над математической моделью инновационного проекта технических систем заключительным этапом является анализ и объяснения результатов, полученных в течение осуществления этапа имитации [46].
Анализ литературы [27, 46, 54, 78] показал, что на сегодняшний день единых критериев в анализе полученных результатов имитационного моделирования нет.
2.5. Обзор автоматизированных систем анализа инвестиционной составляющей инновационного проекта
На основе анализа литературы [5, 35, 42, 87, 94] современные автоматизированные системы, позволяющие управлять инвестиционной составляющей (управление стоимостью и рисками проекта) на основе имитационного моделирования, можно разделить на две группы.
Сравнительный анализ реализации имитационного моделирования в компьютерных программах позволил выявить их преимущества и недостатки (таблица 4).
1) Обзор специальных аналитических систем.
Аналитическая система «Project Expert» компании «Эксперт Системе» [42, 97] является лидером на отечественном рынке среди таких программ.
«Project Expert» - считается стандартом для бизнес-планирования и оценки инвестиционных проектов в России, странах СНГ и Балтии [5]. Программа не заменима для создания и выбора оптимального плана развития бизнеса, проработки финансовой части бизнес-плана, оценки инвестиционных и инновационных проектов.
Аналитическая система «Project Expert» позволяет моделировать планируемые инвестиционные решения без потери финансовых средств, предоставить необходимую финансовую отчетность потенциальным инвесторам и кредиторам, обосновать для них эффективность участия в проекте [97]. Удобство ввода данных обеспечивается в системе хорошо структурированным интерфейсом и различными сервисными функциями.
Таблица 4. Обзор автоматизированных систем управления инвестиционной
Основными преимуществами аналитической системы «Project Expert» по применению имитационного моделирования являются [5, 42, 97]:
Недостатками аналитической системы «Project Expert» по применению имитационного моделирования являются [42, 97]:
2) Обзор программ в электронных таблицах (Microsoft Excel)
К основным программам данной категории относятся: «Альт-инвест», «@Risk», «Crystal Ball». Особенностью использования таких программ можно считать универсальность на программном уровне, а также открытость для пользователей [94].
Таким образом, в вопросе об оценке риска инновационного проекта нет методологической однозначности. Обычно методы оценки рисков классифицируют на качественные и количественные методы. Главная задача качественного подхода (метод аналогий, метод экспертных оценок, анализ уместности затрат) состоит в выявлении возможных видов рисков рассматриваемого проекта, а также в определении и описании источников и факторов, влияющих на данный вид риска. Основная задача количественного подхода (метод проверки устойчивости, метод сценариев, статистический метод) заключается в численном измерении влияния риска на поведение критериев эффективности инновационного проекта.
2.4. Применение имитационного моделирования для анализа инвестиционной составляющей инновационных проектов
Имитационное моделирование, как новое научное направление в прикладной математике и кибернетике начало интенсивно развиваться в конце 60-х годов прошлого века. Причиной этому послужило широкое внедрение и использование сложные технические системы в самых разнообразных отраслях человеческой деятельности (экономика, космос, транспорт, биология, новые технологии на производстве) [7, 8, 79].
Существует много определений метода «имитационное моделирование», как инструментария исследования сложных систем. Так, например, американский специалист Р. Шеннон определяет следующим образом [7]: «Имитационное моделирование систем - искусство и наука, имитационное моделирование является экспериментальной и прикладной методологией, имеющей целью:
-
описать поведение системы; -
построить теории и гипотезы, которые могут объяснить наблюдаемое поведение; -
использовать эти теории для предсказания будущего поведения и оценки (в рамках ограничений, накладываемых некоторым критерием или совокупностью критериев) различных стратегий, обеспечивающих функционирование данной системы».
С точки зрения компьютерной реализации имитационное моделирование — это комплексный метод исследования сложных систем на ЭВМ, включающий построение концептуальных/ математических и программных моделей, выполнение широкого спектра целенаправленных имитационных экспериментов, обработку и интерпретацию результатов этих экспериментов [28, с.5].
Отличием имитационного моделирования от других количественных методов оценки риска проектов, описанных в главе 2.3.2, состоит в том, что он проводится с моделью инновационного проекта. Однако проведение реальных экспериментов с экономическими системами, по крайне мере, неразумно, требует значительных затрат и вряд ли осуществимо на практике [24]. Таким образом, имитация является единственным способом исследования систем без осуществления реальных экспериментов.
Часто практически невыполним или требует значительных затрат сбор необходимой информации для принятия решений [27] (например, при оценке рисков используют прогнозные данные об объемах продаж, затратах, ценах).
Однако, чтобы адекватно оценить риск необходимо иметь достаточное количество информации для формулировки правдоподобных гипотез о вероятностных распределениях ключевых параметров проекта. В подобных случаях отсутствующие фактические данные заменяются величинами, полученными в процессе имитационного эксперимента (т.е. сгенерированными компьютером) [27].
Следует отметить, что имитационное моделирование позволяет в наибольшей степени ослабить предпосылку о детерминированности денежных потоков проекта, т.е. об однозначной определенности потоков [28, с. 15]. Имитационное моделирование позволяет генерировать большое количество случайных реализаций инновационного проекта, автоматически создавая множество возможных сценариев. В методе ослабление предпосылки о детерминированности достаточно существенное, т.к. в качестве исходной информации используются составляющие денежных потоков, являющиеся случайными величинами [18].
Следует также заметить, что при проведении имитационных экспериментов над моделями проектов в полной мере используется утверждение Тагути: «случайные отклонения определяются не столько чистыми случайностями, сколько факторами, о которых мы не знаем или не можем их учитывать» [56].
Схема использования имитационного моделирования в количественном анализе рисков такова [58]: строится математическая модель результирующего показателя как функции от переменных и параметров. Переменными считаются случайные составляющие проекта, параметрами - те составляющие проекта, значения которых предполагаются детерминированными. Математическая модель пересчитывается при каждом новом имитационном эксперименте, в течение которого значения основных неопределенных переменных выбираются случайным образом на основе генерирования случайных чисел. Результаты всех имитационных экспериментов объединяются в выборку и анализируются с целью расчета основных измерителей риска проекта.
Процесс количественной оценки риска с использованием имитационного моделирования может быть разбит на три этапа [18, 27, 28, 54] (рисунок 3).
Этап 1. Определение математической модели.
На этом этапе составляется концептуальная модель - логико- математическое описание моделируемой системы [27].
На основании обзора научной литературы [54, 78] для построения математической модели инновационного проекта необходимо следующее:
-
располагать моделью денежных потоков инновационного проекта; -
установить входные и выходные параметры математической модели; -
определить для входных переменных тип распределения вероятностей.
Рисунок 3. Этапы имитационного моделирования
Модель для имитации в общем случае будет определяться формулой [46]:
,
где Efficiency_index - показатель эффективности инновационного проекта (чистый дисконтированный доход (NPV), срок окупаемости (РВ), индекс доходности (PI)); - функция, устанавливающая зависимость между составляющими потока денежных средств проекта и показателям эффективности; - переменные математической модели, составляющие денежного потока проекта; n - количество переменных математической модели; - константы потока денежных средств; m - количество констант потока денежных средств.
Модель денежных потоков инновационного проекта задается чаще всего в дискретном виде и представляет собой таблицу денежных потоков [27].
Определение переменных математической модели инновационного проекта является сложным этапом. В риск-менеджменте переменные определяются на основании результатов метода анализа чувствительности, экспертных опросов, а также на основании информации о предсказуемости входных переменных. Однако в литературе [27, 46, 54, 78] нет четких критериев в определении переменных модели. Для повышения качества информационной модели важно правильное выделение тех составляющих денежного потока, которые в наибольшей степени определяют эффективность инновационного проекта [46].
Этап 2. Проведение имитационных экспериментов
При проведении серии имитационных экспериментов над математической моделью инновационного проекта значения входных переменных модели выбираются случайным образом в рамках заданного диапазона изменений. Далее по каждому имитационному эксперименту рассчитывается показатель эффективности (выходной параметр модели) [78]. Однако в научной литературе [27, 46, 54, 78] нет четких правил при определении диапазона изменения входных переменных.
Этап 3. Анализ результатов
После проведения серии имитационных экспериментов над математической моделью инновационного проекта технических систем заключительным этапом является анализ и объяснения результатов, полученных в течение осуществления этапа имитации [46].
Анализ литературы [27, 46, 54, 78] показал, что на сегодняшний день единых критериев в анализе полученных результатов имитационного моделирования нет.
2.5. Обзор автоматизированных систем анализа инвестиционной составляющей инновационного проекта
На основе анализа литературы [5, 35, 42, 87, 94] современные автоматизированные системы, позволяющие управлять инвестиционной составляющей (управление стоимостью и рисками проекта) на основе имитационного моделирования, можно разделить на две группы.
-
Специальные аналитические системы по расчету и анализу бизнес- планов инновационных проектов [35, 42, 87]; -
Программы по разработке и анализу бизнес-планов инновационных проектов, реализованных в среде Microsoft Excel [35, 94].
Сравнительный анализ реализации имитационного моделирования в компьютерных программах позволил выявить их преимущества и недостатки (таблица 4).
1) Обзор специальных аналитических систем.
Аналитическая система «Project Expert» компании «Эксперт Системе» [42, 97] является лидером на отечественном рынке среди таких программ.
«Project Expert» - считается стандартом для бизнес-планирования и оценки инвестиционных проектов в России, странах СНГ и Балтии [5]. Программа не заменима для создания и выбора оптимального плана развития бизнеса, проработки финансовой части бизнес-плана, оценки инвестиционных и инновационных проектов.
Аналитическая система «Project Expert» позволяет моделировать планируемые инвестиционные решения без потери финансовых средств, предоставить необходимую финансовую отчетность потенциальным инвесторам и кредиторам, обосновать для них эффективность участия в проекте [97]. Удобство ввода данных обеспечивается в системе хорошо структурированным интерфейсом и различными сервисными функциями.
Таблица 4. Обзор автоматизированных систем управления инвестиционной
Название | Тип системы | Компания разработчик | Комментарий |
Project Expert | Специальное ПО | Эксперт Системс | Лидер отечественного рынка. Имеет ограничения на применения имитационного моделирования. |
@Risk | ПО в электронных таблицах | Palisade Corporation | Популярная и мощная надстройка к «Microsoft Excel» для моделирования с использованием имитационного моделирования. Необходимость дополнительных знаний Visual Basic. |
Альт-инвест | Альт | Предназначена для подготовки, анализа и оптимизации инновационных проектов различных отраслей, масштабов и направленности. Содержит минимальную функциональность. | |
Crystal Ball | Decisioneering | Позволяет преобразовывать таблицы «Microsoft Excel» в динамические модели, которые используются в любых областях. Требует знаний работы с Microsoft Excel, знаний Visual Basic. |
Основными преимуществами аналитической системы «Project Expert» по применению имитационного моделирования являются [5, 42, 97]:
-
Возможность формировать прогнозную финансовую и управленческую отчетность планируемого бизнеса; -
Возможность оценить на основе имитационного моделирования воздействие случайным образом изменяющихся факторов на показатели эффективности проекта.
Недостатками аналитической системы «Project Expert» по применению имитационного моделирования являются [42, 97]:
-
Жесткость в выборе входных переменных для проведения имитационного моделирования проекта; -
Отсутствия возможности задания законов распределения для входных переменных модели, при этом следует отметить, что минимальное и максимальное значения переменной могут быть заданы в процентах от базового значения; -
Отсутствие интерпретирования результатов проведения имитационного моделирования.
2) Обзор программ в электронных таблицах (Microsoft Excel)
К основным программам данной категории относятся: «Альт-инвест», «@Risk», «Crystal Ball». Особенностью использования таких программ можно считать универсальность на программном уровне, а также открытость для пользователей [94].