Темы диссертаций по экономике » Финансы, денежное обращение и кредит

Методика оценки риска инвестиционного проекта для различных уровней неопределенности проектной информации тема диссертации по экономике, полный текст автореферата

Автореферат

Ученая степень	кандидат экономических наук
Автор	Удалов, Никита Павлович
Место защиты	Москва
Год	2007
Шифр ВАК РФ	08.00.10

Диссертация

Автореферат диссертации по теме "Методика оценки риска инвестиционного проекта для различных уровней неопределенности проектной информации"

003 158219

На главах руког

УДАЛОВ Никита Павлович

МЕТОДИКА ОЦЕНКИ РИСКА ИНВЕСТИЦИОНОГО ПРОЕКТА ДЛЯ РАЗЛИЧНЫХ УРОВНЕЙ НЕОПРЕДЕЛЕННОСТИ ПРОЕКТНОЙ

ИНФОРМАЦИИ

специальность 08 00 10 Ч Финансы, денежное обращение и кредит

АВТОРЕФЕРАТ диссертации на соискание ученой степени кандидата экономических наук

2 7 СЕН 2007

Москва 2007

Работа выпонена на кафедре Менеджмент Московского института предпринимательства и права

Научный руководитель - кандидат экономических наук, профессор

Годин Александр Михайлович Официальные оппоненты - доктор экономических наук, профессор

Епифанов Виктор Александрович

кандидат экономических наук, профессор Вольдер Борис Семенович Ведущая организация - Российский государственный торгово-

экономический университет

Защита диссертации состоится 19 октября 2007 года в 16 часов на заседании диссертационного совета Д 226 003 01 при Всероссийской государственной налоговой академии Министерства финансов Российской Федерации по адресу 109456, г Москва, 4-й Вешняковский проезд, д 4, ауд 113

С диссертацией можно ознакомиться в библиотеке Всероссийской государственной налоговой академии Министерства финансов Российской Федерации

Автореферат разослан л19 сентября 2007 года

Ученый секретарь диссертационного совета, кандидат экономических наук

В М Смирнов

I. ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ Актуальность исследования. Инвестиционная деятельность в современных условиях является одним из основных факторов развития и обеспечения стабильности национальной экономики В последние несколько лет инвестиционная ситуация в Российской Федерации заметно улучшилась, но эти позитивные изменения пока еще не приняли характер устойчивой тенденции Осуществление инвестиций по-прежнему осложнено в силу существования ряда институциональных, отраслевых, региональных и ресурсных проблем развития экономики

Проведенное диссертационное исследование дает нам основания утверждать, что помимо представленных общесистемных проблем, одним из ключевых факторов, препятствующих росту инвестиций, является недостаточная научная и практическая разработанность методов оценки инвестиционных проектов Методологические сложности связаны, прежде всего, с высокой неопределенностью, нестабильностью окружающей среды, отсутствием поной и точной информации при принятии инвестиционных решений. Подобные проблемы существуют и в условиях сравнительно устойчивых экономик, но для современных российских реалий они проявляются особенно остро

Изучение различных аспектов инвестиционного анализа позволило нам сделать вывод о том, что учет неопределенности "меняет подход к оценке эффективности инвестиционного проекта При этом ключевое значение обретает оценка риска, которая становится одним из основных критериев, учитываемых при принятии инвестиционных решений Традиционно для моделирования неопределенности используются вероятностные методы, однако их адекватность существенно снижается в случае исследования новых проектов, по которым отсутствует достаточная статистическая база Значительная часть проектной информации имеет качественный характер, в результате чего возникают сложные, плохо формализуемые задачи, в

отношении которых возможности традиционного инструментария также ограничены

Низкая степень адекватности моделей, т е несогласованность моделей с исходной информацией, заметно затрудняет принятие инвестиционных решений, приводит к принятию ошибочных решений, а в отдельных случаях к отказу от реализации инвестиционных проектов Поэтому разработка нового инструментария, позволяющего адекватно учитывать неопределенность инвестиционных проектов в расчетах показателей эффективности, в том числе при оценке проектных рисков, имеет большое значение для развития инвестиционной деятельности.

Следует особо подчеркнуть, что в последнее время были выявлены новые типы неопределенности и потребовались новые подходы для использования в случае невозможности либо неэффективности применения классических методов анализа При этом, как вытекает из различных аспектов инвестиционного проектирования, одна из наиболее важных задач состоит в предоставлении средств для оперирования с нечеткой, размытой информацией, учета точек зрения экспертов и различных участников проекта путем включения в формальный анализ их субъективных представлений, мнений и суждений

В диссертационной работе показано, что решение представленных задач возможно и во многих случаях эффективно с применением инструментария теории нечетких множеств. Это обусловило использование соответствующих методов данной теории, как ключевых, при разработке методик оценки риска инвестиционного проекта

Все вышеизложенное свидетельствует об актуальности выбранного направления диссертационного исследования

Степень научной разработки проблемы. В научной литературе широко представлены вопросы, касающиеся оценки эффективности инвестиционных проектов, моделирования и учета их неопределенности

Значительный вклад в развитие данной проблематики внесли П Л Виленский, В Н Лившиц, С А Смоляк, М В Грачева и др При этом исследователи в большей степени были сконцентрированы на оценке ожидаемого эффекта от проекта, в то время как подходы к оценке риска получили меньшее освещение. Отдельные вопросы анализа и оценки рисков инвестиционных проектов представлены в работах М В Грачевой, Р М Качалова, А О Недосекина Различные аспекты применения нечетко-множественного инструментария для расчета и анализа инвестиционных проектов представлены в работах А Кофмана, X Хил Алухи, А О Недосекина, А С Птускина, С А Смоляка, Т L Ward, J U Buckley, Y -J Lai, H Chmg-Lai, P Liang, F Song, D Kuchta и некоторых других авторов

Обобщение различных библиографических источников позволяет утверждать, что к настоящему моменту многие аспекты оценки эффективности инвестиционных проектов и, в частности, применения нечетко-множественного подхода нашли свое отражение в теоретических исследованиях Однако следует констатировать недостаточное внимание, уделяемое вопросам оценки проектных рисков, а также вопросам практической применимости предлагаемых методик При этом наиболее слабо до настоящего времени была освещена проблема позиционирования различных методов в арсенале проектного аналитика

Цели исследования Ч на основе инструментальных средств теории нечетких множеств разработать методики и агоритмы оценки риска инвестиционного проекта, отражающие особенности сопутствующей инвестиционному процессу неопределенности, а также определить целесообразность их практического применения

Для достижения поставленной цели в диссертации решаются следующие задачи

1 Определение основных типов рисков инвестиционного проекта Разработка подходов к их идентификации

2 Систематизация существующих подходов к моделированию неопределенности и оценке рисков инвестиционного проекта Определение областей их соприкосновения

3 Определение типов инвестиционных проектов, в которых представленная неопределенными величинами информация адекватно описывается в терминах теории нечетких множеств

4 Определение функционального набора нечетких конструкций для решения задач оценки рисков инвестиционного проекта

5 Анализ существующих и разработка новых нечетких моделей и агоритмов решения задач оценки рисков, обоснование практической возможности их применения путем анализа реальных инвестиционных проектов

6 Выявление альтернативных подходов к оценке рисков для рассматриваемых типов проектной неопределенности, определение целесообразности практического применения нечетких моделей на основе сравнительного анализа с альтернативными подходами

Предмет и объект исследования. Предметом исследования являются методы теории нечетких множеств, применяемые к оценке риска инвестиционного проекта Объектом исследования выступают инвестиционные проекты на предынвестиционной стадии

Теоретической и методической основой исследования послужили работы отечественных и зарубежных ученых по оценке эффективности инвестиционных проектов, анализу проектных рисков, проблемам выбора в условиях неопределенности, экономико-математическому моделированию, теории нечетких множеств, аналитическое и теоретическое обобщение существующего практического опыта применения методов оценки проектных рисков, научно-практический подход с применением экономико-математических методов

Обоснованность научных положений, выводов и рекомендаций подтверждается анализом значительного числа отечественных и зарубежных публикаций, а также результатов собственных исследований автора по рассматриваемой и смежным проблемам

Научная новизна работы заключается в том, что в ней дано решение научной проблемы, имеющей большое значение в области оценки эффективности инвестиционных проектов, а именно, оценки риска инвестиционного проекта с использованием методов теории нечетких множеств К числу наиболее существенных результатов, полученных лично автором и обладающих научной новизной, относится следующее

1 Разработан комплексный подход к идентификации рисков инвестиционного проекта, предполагающий, с одной стороны, изучение областей возможного возникновения рисков, с другой стороны, анализ их гипотетических последствий

2 Осуществлена систематизация подходов к моделированию неопределенности и оценке проектных рисков, и для различных типов неопределенности выделены альтернативные подходы к оценке рисков

3 Создана новая схема оценивания риска инвестиционного проекта с использованием лингвистического подхода, которая по сравнению с другими методиками позволяет более адекватно, тес меньшими потерями и искажениями информации, включить в формальный анализ нечеткие входные данные, мнения и суждения экспертов, выраженные словами и фразами естественного языка

4 Разработаны новые модели оценки риска проекта, как степени неопределенности его нечетких результатов

5 Усовершенствована методика оценки риска проекта, как возможности его неблагоприятного исхода, путем анализа чувствительности оценок к изменению критического уровня показателя эффективности и учета

результатов такого анализа при определении итоговой, качественной, характеристики риска проекта

6 Проведен сравнительный анализ инструментальных средств нечетко-множественного и вероятностного подходов, которые измеряют риск проекта, как возможность неблагоприятного исхода На основе точности оценок, сложности вычислений и других критериев сделан вывод о том, что подходы обладают примерно одинаковыми возможностями для анализа проектов, неопределенность которых выражается в неоднозначности количественных значений расчетных параметров

Практическая значимость и апробация работы. Содержащиеся в исследовании методические положения и рекомендации могут быть использованы при разработке технико-экономических обоснований, бизнес-планов инвестиционных проектов в целях обеспечения адекватного учета неопределенности, которая сопутствует осуществлению проектов, а также для получения корректной оценки проектного риска Полученные результаты диссертационного исследования могут быть применены при осуществлении преподавательской деятельности при чтении лекций и проведении практических занятий по курсам Инвестиции, Инновационный менеджмент, Финансовый менеджмент, Проектный анализ, Риск менеджмент в высших учебных заведениях

Основные положения и результаты диссертационного исследования докладывались

Х на 8-ой международной научно-практической конференции Актуальные проблемы управления Ч 2003, проводимой в Государственном университете управления в ноябре 2003 г ,

Х на 3-м международном научно-практическом семинаре Проблемы трансформации современной российской экономики теория и практика организации и обеспечения управления, проводимого Московским государственным

университетом экономики, статистики и информатики (МЭСИ) в декабре 2004 г

Х на научной конференции Социально-экономические и правовые аспекты рыночных отношений в России, проводимой в Московском институте предпринимательства и права в феврале 2006 г,

Разработанные методики оценки рисков инвестиционных проектов прошли апробацию на различных предприятиях и организациях, в том числе в ЗАО ИКГ Профконсат, в ОАО ТВ Центр, в ОАО Городская информационно-справочная служба и получили положительные отзывы

Публикации по теме диссертации. Опубликовано 6 работ, общим объемом 1,5 п/л

Содержание и структура диссертации определены поставленной целью и задачами исследования Работа состоит из введения, пяти глав, заключения, списка использованной литературы из 121 источника В соответствии с логикой исследования диссертация имеет следующую структуру, представленную на рис 1

Рис. 1. Структура диссертационного исследования

II. ОСНОВНОЕ СОДЕРЖАНИЕ РАБОТЫ

Во введении обоснована актуальность темы диссертации, определены основная цель и задачи работы, объект и предмет исследования, методология, научная новизна полученных результатов, их теоретическая и практическая значимость, сформулированы выносимые на защиту тезисы

Первая глава работы посвящена представлению особенностей принятия инвестиционных решений в неопределенных условиях, формализации понятий, используемых при оценке рисков инвестиционных проектов, а также вопросам, связанным с классификацией и идентификацией рисков

По итогам анализа различных определений риска инвестиционного проекта, встречающихся в научной и учебной литературе, выделены следующие его основные трактовки

Х возможность неблагоприятного исхода,

Х величина возможных потерь,

Х степень неопределенности развития событий

Показано, что оценка риска, как возможности неблагоприятного исхода, наиболее точно отражает сущность риска для ПР, которое обеспокоено, прежде всего, тем, будут ли достигнуты поставленные им цели Учитывая это, сделан вывод о предпочтительности использования данной трактовки

Значимость оценки риска при принятии инвестиционных решений обуславливается неопределенным характером информации о будущем развитии событий В условиях неопределенности меняется подход к оценке эффективности проекта, которая дожна теперь учитывать возможность различных сценариев его осуществления Это предполагает переход от

одномерного оценивания проекта к принятию инвестиционных решений на основе двух его характеристик ожидаемого эффекта и оценки риска Таким образом, при наличии неопределенности оценка проектного риска, являясь характеристикой множества возможных исходов реализации проекта, становится важнейшим критериальным показателем, неотделимым от совокупности показателей эффективности, учитываемых при принятии решения об инвестировании

Также в первой главе рассмотрены различные классификации рисков, способствующие четкому определению места каждого риска в общей системе и создающие потенциальные возможности для эффективного применения соответствующих методов оценки При этом следует заметить, что основной задачей классификации на стадии разработки проекта и оценки его эффективности является обеспечение максимально широкого охвата и наиболее поной качественной систематизации всех проектных рисков

Проведенное исследование позволило нам обобщить и допонить классификацию проектных рисков, а также разработать комплексный агоритм идентификации рисков, обеспечивающий их максимально широкий охват Предлагаемая схема идентификации предполагает изучение, с одной стороны, областей возможного возникновения рисков, с другой стороны -анализ их гипотетических последствий при осуществлении проекта

Как показывает практика оценки проектных рисков, данные подходы удачно допоняют друг друга, позволяя изучить оцениваемый проект с различных сторон Кроме того, для повышения эффективности процедуры идентификации рисков рекомендуется проводить соответствующие исследования независимо друг от друга, в том числе различными специалистами Полученная в итоге схема идентификации представлена на рис 2

Идентификация рисков

Рис. 2. Идентификация рисков инвестиционного проекта

Во второй главе диссертационного исследования представлена систематизация существующих подходов к оценке риска инвестиционных проектов на основе таких признаков, как тип решаемой задачи, а также вид моделируемой неопределенности Кратко представлен математический аппарат теории нечетких множеств, необходимый для описания моделей, предлагаемых в последующих главах

Методы, применяемые в оценке рисков, целесообразно классифицировать на прямые, обратные задачи и методы анализа

чувствительности самих оценочных моделей В обратных задачах определяются ограничения на один или несколько проектных параметров с целью проверки данных ограничений на уровень приемлемого риска К данному классу задач относятся анализ безубыточности, анализ чувствительности показателей эффективности и анализ сценариев

В результате решения обратных задач рискованность проекта может быть оценена лишь косвенно Непосредственное вычисление оценки проектного риска осуществляется при решении прямых задач на основе априори известной информации Одним из методов такой оценки риска выступает бальная оценка Данный метод применяется для анализа проектов, которые задаются в качественной форме Для случая, когда модель проекта задана в количественной форме, в частности, в виде прогноза денежных потоков, наибольшее распространение получили вероятностные методы оценки проектного риска

На основе обобщения исследований в области моделирования неопределенности и оценки проектного риска был сделан вывод о том, что вероятностные методы являются лишь одним из возможных инструментов анализа В инвестиционном проектировании мы зачастую имеем дело с эксклюзивными, неповторяющимися явлениями, когда применение статистических методов не впоне адекватно рассматриваемой ситуации. К тому же, на практике неопределенность отдельных параметров проекта выражается иначе Поэтому вероятностную трактовку неопределенности в ряде случаев нельзя признать ни обоснованной, ни единственно возможной, а неопределенные условия реализации проекта не всегда допустимо называть случайными

Неопределенность присуща практически любым наблюдениям, но мера, степень и конкретные формы ее проявления могут быть различными В последнее время были определены новые типы неопределенности и потребовались новые средства для адекватного ее учета Особый интерес в

этом отношении представляют методы теории нечетких множеств, которые, с одной стороны, позволяют вести расчеты с параметрами, описанными качественными характеристиками, с другой стороны, предоставляют особый подход к моделированию возможности различных событий

Проведенное исследование позволило нам обобщить знания о различных подходах к моделированию неопределенности и оценке проектных рисков, а также выявить зоны соприкосновения между теорией нечетких множеств и другими подходами, используемыми при оценке риска проекта Так, по мере возрастания неопределенности были выделены различные типы инвестиционных проектов Для каждого из них были определены возможные виды неопределенности и представлены модели, позволяющие получить оценку проекта с ее учетом Результаты такого обобщения представлены в таблице 1

Таблица 1

Вид неопределенности и модели, позволяющие получить оценку проектного риска с

ее учетом

Тип инвестиционного проекта Вид неопределенности проекта Тип модели неопределенности проекта Подход к оценке риска проекта

1 Детерминированные проекты Неопределенность отсутствует

2 Проекты с количественными характеристиками, различные сценарии реализации которых могут быть формализованы в виде прогнозной модели денежных потоков, в то же время степень возможности отдельных сценариев является неопределенной 2 1 случайность параметры проекта принимают значения в соответствии с известными законами распределения вероятностей 211 Вероятностная модель денежных потоков проекта Оценка риска проекта на основе распределения значений показателя эффективности проекта с учетом их возможности

2 2 неоднозначность различные значения расчетных параметров проекта могут бьггь лишь проранжированы по степени их возможности

Тип инвестиционного проекта Вид неопределенности проекта Тип модели неопределенности проекта Подход к оценке риска проекта

2 2 1 имеются различия по степени возможности отдельных значений параметров проекта 22 11 Вероятностная модель денежных потоков проекта, 2 2 12 Модель денежных потоков проекта с расчетными параметрами, наделенными правдоподобием 2 2 13 Нечетко-множественная модель неопределенности денежных потоков проекта

2 2 2 значения расчетных параметров можно признать равновозможными 2 2 2 1 Интервальная модель неопределенности денежных потоков проекта

3 Проекты с качественными характеристиками, возможные сценарии реализации которых не формализуемы с достаточной степенью точности в виде модели денежных потоков, а неопределенность проектных параметров обуславливается их качественным характером 3 1 Нечеткость, качественных характеристик, связанная с неточностью мнений и суждений экспертов, выраженных словами и фразами естественного языка - 3 11 Бальная оценка риска проекта

Модель нечеткости интегральной характеристики проекта, вызванной неточностью вербальных описаний параметров проекта, заданных в качественной форме 3 12 Лингвистический подход к оценке риска проекта

Таким образом, принятие решения об использовании аппарата нечетких множеств может быть обосновано в случаях, когда информация об объекте моделирования носит неслучайный характер либо задана качественными характеристиками

В третьей главе рассмотрены вопросы, касающиеся оценки риска инвестиционных проектов, неопределенность которых обуславливается качественным характером информации о проектных параметрах Подобная неопределенность свойственна, прежде всего, инновационным проектам, проектам, на начальных стадиях проработки и, в некоторой мере, всем инвестиционным проектам, так как инвестиции - чрезвычайно сложный процесс, подверженный влиянию множества факторов, которые не могут быть выражены только количественными величинами

Наиболее простой и часто используемый метод анализа качественных факторов риска - бальная оценка Ее неоспоримым преимуществом является простота расчетов, что делает методику легко применимой, не требуя от аналитика специальных математических и экономических знаний В то же время процедура назначения балов неудобна для эксперта, мало отвечает естественному образу его мышления При присвоении бальных значений из набора оценок часть информации теряется Более адекватный подход для выражения суждений экспертов заключается в использовании вербальных утверждений вместо числовых величин Этим свойством обладает лингвистический подход, основывающийся на теории нечетких множеств

Теория нечетких множеств, оперирующая с проблемами, в которых присутствует неясность, расплывчатость, позволяет использовать для определения неоднозначных данных лингвистические переменные, значениями которых являются не числа, а слова и фразы естественного языка Лингвистический подход позволяет экспертам более поно и естественно представлять свои субъективные представления и ощущения, мнения и суждения, что обуславливает предпочтительность его применения по сравнению с другими подходами Общая схема оценки с использованием лингвистического подхода предполагает следующую последовательность шагов

Х выбор набора вербальных описаний (термов), используемых для

представления значений факторов риска,

Х описание выбранных термов как нечетких чисел, что включает в себя определение базового множества и задание функции принадлежности для каждого терма,

Х выбор оператора, агрегирующего лингвистическую информацию, то есть сводящего представленные нечеткие оценки факторов риска в интегральную оценку всего проекта,

Х экспертная оценка отдельных критериев риска и определение интегральной характеристики рискованности проекта

Сложность хозяйственных процессов предопределяет существование многих факторов риска и их специфичность Это обуславливает необходимость привлечения узко специализированных экспертов, способных дать адекватную оценку лишь отдельным составляющим проекта Для повышения адекватности оценок экспертов предлагается выделять различные группы факторов и для каждой из них проводить отдельное экспертное исследование

По итогам анализа существующих методик в рамках лингвистического подхода были определены их основные недостатки, которые заключаются в следующем Эксперты могут иметь различное понимание сути одного и того же нечеткого определения, а это потенциально может привести к искажению результатов оценки рискованности Кроме того, большинство методик предполагает использование нечетких чисел треугольного вида, что не всегда адекватно характеру исследуемых параметров проекта

Для преодоления указанных недостатков в диссертационной работе предложены модели, развивающие существующие методики оценки риска проектов с качественными характеристиками С одной стороны, представлена достаточно простая процедура шкалирования суждений экспертов и их приведения к шкале, свойственной лицу, принимающему

решение об осуществлении проекта С другой стороны, для повышения объективности методики оценки рисков в ее расчетный механизм была включена итерационная процедура, позволяющая учесть равную возможность различных функций принадлежности термов Ч слов и фраз естественного языка, выражающих суждения экспертов Полученная в итоге

процедура оценки проектного риска представлена на рис 3

Рис. 3. Итерационная процедура лингвистической оценки риска проекта

Значимость лингвистического подхода заключается также в возможности анализа проектов, часть неопределенной информации о которых может быть отражена в модели денежных потоков, в то же время, другая часть информации представляет собой набор качественных характеристик, практически не учитываемых в числовой модели. В таких случаях на основе вышеописанного агоритма дожен быть проведен допонительный анализ неучтенной информации Лингвистический подход в данном случае позволяет не только оценить отдельные риски, но и объединить результаты оценки, полученные с использованием различных подходов Агоритм подобной оценки риска будет следующим

Х На начальном шаге необходимо разделить выделенные риски на две группы, исходя из того, будут ли они рассмотрены при анализе количественной модели денежных потоков. Риски, не учитываемые в данной модели, как правило, предполагают поную остановку проекта и обычно связаны с действием внешних (систематических) факторов Для групп факторов риска экспертно определяются веса в интегральной оценке.

Х На следующем шаге проводится внутригрупповой анализ рисков и получение интегральной характеристики риска, обусловленного воздействием факторов конкретной группы При этом предполагается, что по итогам анализа оценка риска по каждой группе будет выражаться в качественной форме, на основе единого терм-множества

Х На завершающем шаге с учетом заранее определенных весов для групповых оценок рассчитывается интегральная оценка риска инвестиционного проекта

В четвертой главе представлены существующие и разработанные автором методики анализа риска проектов, различные сценарии реализации

которых могут быть формализованы в виде прогнозной модели денежных потоков, в то же время степень возможности отдельных сценариев является неопределенной Применительно к данному классу проектов рассмотрены вопросы, касающиеся построения денежного потока проекта в нечеткой постановке, определены формулы расчета основных показателей эффективности для случая их нечеткого представления Рассмотрены методики оценки риска проекта, как меры неопределенности его результатов Такой подход следует признать наиболее распространенным в иностранных исследованиях, посвященных проблеме оценки проектного риска

Простейшей оценкой меры неопределенности является ширина носителя нечеткого числа, характеризующего показатель эффективности Очевидным недостатком такого подхода является игнорирование предпочтений относительно различных значений показателя эффективности, составляющих его носитель Другой подход, различные версии которого широко представлены в зарубежной литературе, предполагает оценивание риска как степени нечеткости показателя эффективности проекта, измеряемую через энтропию Следует, однако, отметить ограниченность подобной методики, заключающуюся в том, что представленный измеритель не учитывают ширину интервала принадлежности, которая при этом непосредственным образом влияет на неопределенность, значение степени нечеткости зависит не от собственно значений функции принадлежности, а от их относительных значений, что осложняет выбор среди альтернативных проектов

Для преодоления указанных недостатков в диссертационном исследовании была разработана альтернативная методика, которая предполагает вычисление расстояния от нечеткого критерия эффективности до некоторого базисного множества, тем или иным образом агрегирующего информацию, заложенную в нечетком представлении критерия эффективности В качестве такого базисного множества логично

использовать четкое множество, состоящее из одного элемента, неопределенность относительно которого, по сути, отсутствует

Чем больше вычисляемое таким образом расстояние, тем больше разброс значений показателя эффективности, что говорит о большей неопределенности проекта по сравнению со случаем, характеризуемым меньшим разбросом При этом в качестве меры расстояния может быть использовано, например, расстояние Хемминга й (А, В) = \цл (л,) - цв (и, )| + + \цл (Д) - цв (иД )|, или Евклидово расстояние.

где (д(и,) Ч функция принадлежности нечеткого множества А Оценивая преимущества и недостатки данной методики, важно учесть, что сама по себе неопределенность будущих результатов необязательно связана с потерями Напротив, логично допустить, что ряд факторов могут принять значения, улучшающие выходные показатели проекта Нетрудно показать, что, оценивая риск, как степень неопределенности исходов, можно принять ошибочное решение. В результате, представленная методика может быть использована для оценки неопределенности результатов проекта При этом, подобно стандартному отклонению для вероятностной модели, оценка разброса не может рассматриваться как адекватный показатель риска, так как не отражает его сущности

В пятой главе работы углублен анализ проектов с количественными параметрами, значения которых могут быть лишь проранжированы по степени возможности Для данного типа проектов рассмотрены различные аспекты оценки риска, как возможности неблагоприятного исхода

Подобная оценка может быть получена в рамках нечетко-множественного подхода несколькими способами При этом наиболее адекватным является подход, основанный на вычислении геометрической вероятности попадания точки в область неэффективных исходов, задаваемую нечетким показателем эффективности и его критическим уровнем Соответствующая оценка риска, обычно обозначаемая в литературе У&М, была введена Недосекиным АО ив наиболее общем случае, когда критическое значение показателя эффективности выражается нечетким числом, рассчитывается следующим образом

<р(а) =

(Оз-О.М^-ЫРУ,)'

(02-НРУ,)2

(0.-щнд,-№У.)х((}>_0|)|

(02-0,)х(КРУ2 -ыру,)- (№>У22"

(О.-О^х^У.-КРУ,),

при КРУ, >С2

при 02 > КРУ, > 0ДМРУ2 > в, при ОТУ^О^У,^

при КРУ, <01<КРУ2,1МРУ2 <С2 приЫРУ2 <С,

а - уровень принадлежности нечетких чисел КРУ и его критического уровня в,

рМРУь КГРУг] и [в), вг] - соответствующие ему интервалы принадлежности КГРУ и его критического уровня в,

<XI - наибольший уровень принадлежности, для которого область пересечения интервалов принадлежности показателя эффективности и его критического значения представляет собой непустое множество

По результатам анализа данного подхода и его расширений, в частности, концепции риск-функции проекта было предложено

усовершенствование существующей методики, включающее в себя анализ чувствительности оценок риска к изменению критического уровня и их учет при определении итоговой, качественной, характеристики рискованности Практическая значимость введенных допонений обусловлена, с одной стороны, неопределенным характером задания критического уровня показателя эффективности С другой стороны - возможностью высокой чувствительности оценок риска, находящейся в зависимости от взаимоположения нечеткого показателя эффективности и его критического уровня

Возможности применения нечетко-множественного подхода к оценке проектного риска были продемонстрированы на примере реального инвестиционного проекта При этом расчеты были проведены на основе разработанного автором программного макроса VBA для MS Excel, что весьма распространено в практике инвестиционных расчетов На начальном шаге были построены модели неопределенности рисковых параметров проекта, представляющие собой треугольные числа Далее были рассчитаны значения показателей эффективности, которые также стали выражаться через нечеткие числа

Нечеткий Р1

Рис. 4. нечеткие показателя эффективности проекта

С учетом критических значений данных показателей эффективности были рассчитаны соответствующие оценки риска (У&М) по каждому показателю, представленные в таблице 2

Таблица 2

Оценки риска по нечетко-множественному подходу

Значения показателя У&М

У&М_ЫРУ У&М_ПЖ У&М_РВР У&М_Р1

0,24 0,01 0 0

Среди концепций, альтернативных теории нечетких множеств на данном уровне неопределенности, проблема оценки риска в достаточной мере проанализирована лишь для вероятностного подхода, который к тому же наиболее распространен в практических исследованиях Поскольку диссертационное исследование не ставило своей целью разработку новых методов анализа риска за пределами нечетко-множественного подхода, для определения сравнительных преимуществ последнего, были рассмотрены только вероятностные методы, как альтернативные нечетким

В результате построения треугольных вероятностных моделей неопределенности факторов риска и проведения серии имитаций реализации проекта, были получены следующие гистограммы частот показателей эффективности

!40 " 13(1 г

.и.и.и.п.п.

540 -Г 120 | 100 -во -60 -40 20 О

Гистограмма частот

,_. ..В.1.1.1

60 62 64 66 6В 70 72 74 76

250 200 150 100 50 О

Гистограмма частот Р!

ДI? ^ к<? ^ 0

\ V. ч- Чп у. V

Рис. 5. Вероятностные модели неопределенности показателей эффективности

Форма распределения вероятностей критериев эффективности аналогична тому, что мы получили ранее, при использовании теории нечетких множеств. Здесь так же прослеживаются черты треугольного распределения. Близки и граничные значения критериев эффективности. Также совпадают интегральные оценки риска, рассчитанные по нечеткому и вероятностному подходам:

Табнна 3

Сравнение опенок риска, рассчитанных ни различным подходам

Критическое значение МР\Г Р_КРУ 0,26 \mi_NPV 0,24

Критическое эпаченне Р_ПЖ 0,01 0,01

Критическое значение РБГ Р_РВГ 0 \'&М_РВР 0

Критическое значение И Р_Р1 0 \'&М_Р1 0

Полученные результаты свидетельствуют о том, что рассматриваемые подходы позволяют построить идентичные модели неопределенности итоговых показателей и дают схожие оценки рискованности проекта. Более детальное исследование требует анализа эффективности сравниваемых

методик Учитывая равенство результатов, для характеристики эффективности следует рассматривать затраты по их получению Величину последних во многом определяет сложность проводимых вычислений, которую можно количественно оценить, определив число элементарных операций, предполагаемых рассматриваемыми методиками Вычислительные процедуры, результаты которых приводятся в диссертации, были написаны на языке VBA, используемом на практике для создания приложений На основе анализа расчетных макросов были получены следующие результаты код программы, вычисляющей оценку риска на основе теории нечетких множеств, включает 402 элементарные операции, код, описывающий вероятностный подход, - 354 Указанная разница вряд ли может быть признана значимой Таким образом, сравниваемые подходы характеризуются одинаковой степенью сложности вычислительных процедур, рассматриваемой в указанном выше смысле

Показанная идентичность оценок рискованности имела место для треугольного вида функций плотности и принадлежности Логично поставить вопрос о том, насколько зависимы результаты вычислений по каждому из рассматриваемых подходов от предпосылок, касающихся формы характеристических функций Так, если предполагается убывание возможности по мере удаления от наиболее возможного значения, то допустимы следующие виды функции плотности (принадлежности).

Каждая комбинация видов характеристических функций порождает новое значение показателя рискованности Если предположить случайность выбора, получим вероятностное распределение оценок проектного риска Тогда в качестве критерия сравнения логично выбрать такой показатель, как среднеквадратическое отклонение Чем больше его значение, тем сильнее результаты анализа зависят от выбора вида функций плотности и принадлежности Кроме того, разброс итоговых оценок риска, обусловленный погрешностью измерений проектных параметров, представляет собой не что иное, как меру точности методики Действительно, если при одних и тех же исходных предположениях сравниваемые подходы будут характеризоваться различными значениями разброса оценок риска, можно будет сделать вывод о различной степени их точности

Исходя из предположения о равной возможности различных комбинаций, были получены следующие результаты, стандартное отклонение, полученное по нечеткому подходу, составляет 0,059, по вероятностному (с учетом лошибки измерений) - 0,062 Таким образом, рассматриваемые подходы характеризуются примерно одной степенью точности Их результаты одинаково зависимы от выбранных предпосылок относительно вида характеристических функций

Результаты сравнительного анализа представлены в таблице 4.

Таблица 4

Результаты сравнительного анализа подходов

Критерий Результат сравнения

Степень распространенности Нечеткий подход менее распространен на практике, что, прежде всего, объясняется его относительной новизной

Доступность компьютерных приложений Вероятностный подход реализован практически во всех приложениях Напротив, существует сравнительно небольшое число прикладных программных продуктов, поддерживающих операции над нечеткими числами В то же время, вычисления с нечеткими числами легко реализовать, например, в виде макросов для MS Excel

Критерий Результат сравнения

Сложность вычислений Вычисления, предполагаемые анализируемыми подходами, характеризуются одинаковой степенью сложности

Оценка рискованности Вероятностный и нечеткий подходы дают схожие оценки рискованности проекта, что подтверждается исследованием, проведенным в рамках диссертационного исследования

Точность оценивания Сравниваемые подходы в равной степени зависят от вида распределения факторов риска и характеризуются примерно одинаковой степенью точности

По итогам сравнения подходов был сделан вывод о том, что они обладают примерно одинаковыми возможностями для анализа проектов, значения параметров которых могут быть лишь проранжированы по степени возможности

В заключении подводятся итоги проделанной работы и формулируются основные выводы, полученные автором в результате диссертационного исследования

III. ПУБЛИКАЦИИ АВТОРА ПО ТЕМЕ ДИССЕРТАЦИИ

1 Удалов Н П. Теория нечетких множеств, как подход к оценке рисков инвестиционного проекта // Межвузовский сб Актуальные проблемы современного управления и экономики - М МЭСИ 9 2005 с 239246 (0,3 п/л)

2 Удалов Н П Результаты сравнения нечетко-множественного и вероятностного подходов к оценке проектного риска // Предпринимательство №6 2006 с 93-96 (0,2 п/л)

3 Удалов Н П Лингвистический подход к оценке рисков инвестиционных проектов // Проблемы экономики №6 (13) 2006 с 178-181 (0,3 п/л)

4 Удалов Н П Оценка рисков инвестиционных проектов с параметрами, заданными качественными характеристиками // Сборник научных трудов М ВГНА, 2006 с 262-264 (0,3 п/л)

5 Удалов НП Оценка риска инвестиционного проекта как меры неопределенности его нечетких результатов // Проблемы экономики №2(15)2007 с 211-213 (0,2 п/л)

6 Удалов НП. Нечетко-множественный подход к оценке риска, как меры неэффективности инвестиционного проекта // Материалы межвузовской научно-практической конференции МИПП, 2007 г (0,2 п/л)

Напечатано с готового оригинал-макета Издательский центр ГОУ ВПО ВГНА Минфина РФ Лицензия ИДК 00510 от 01 12 99г Подписано в печать 07 09 2007 г Формат А5 Успечл 2,5 Тираж 100 экз Заказ №0137 Тел/факс 371-45-66 109456, Москва, Вешняковский 4-й пр-д д4, 1-й учебный корпус, 103 к

Диссертация: содержание автор диссертационного исследования: кандидат экономических наук , Удалов, Никита Павлович

Введение.

Глава 1. Идентификация рисков инвестиционного проекта.

1.1. Понятие риска инвестиционного проекта и значение его оценки при принятии инвестиционных решений.

1.2. Классификация рисков инвестиционного проекта.

1.3. Выводы по главе 1.

Глава 2. Методологические аспекты оценки проектных рисков средствами теории нечетких множеств.

2.1. Обзор существующих подходов к оценке проектных рисков.

2.2. Инструментальные средства теории нечетких множеств, применяемые при оценке рисков инвестиционного проекта.

2.3. Выводы по главе 2.

Глава 3. Методика оценки риска инвестиционного проекта, описываемого качественными характеристиками.

3.1. Постановка задачи и существующие подходы к ее решению.

3.2. Лингвистический подход к оценке риска инвестиционного проекта

3.3. Выводы по главе 3.

Глава 4. Оценка риска инвестиционного проекта, как меры неопределенности его нечетких показателей эффективности.

4.1. Моделирование денежного потока проекта в нечеткой форме.

4.2. Вычисление показателей эффективности в нечеткой постановке.

Интегральная оценка риска проекта.L.

4.3. Выводы по главе 4.

Глава 5. Оценка риска инвестиционного проекта как возможности неблагоприятного исхода.

5.1. Нечетко-множественный подход к оценке возможности неблагоприятного исхода инвестиционного проекта.

5.2. Оценка риска с использованием нечетко-множественного подхода на примере реального инвестиционного проекта.

5.3. Сравнительный анализ теории нечетких множеств и других подходов к оценке возможности неблагоприятного исхода проекта.

5.4. Выводы по главе 5.

Диссертация: введение по экономике, на тему "Методика оценки риска инвестиционного проекта для различных уровней неопределенности проектной информации"

Актуальность исследования. Инвестиционная деятельность в современных условиях является одним из основных факторов развития и обеспечения стабильности национальной экономики. В последние несколько лет инвестиционная ситуация в Российской Федерации заметно улучшилась, но эти позитивные изменения пока еще не приняли характер устойчивой тенденции. Осуществление инвестиций по-прежнему осложнено в силу существования ряда институциональных, отраслевых, региональных и ресурсных проблем развития экономики.

Проведенное диссертационное исследование дает нам основания утверждать, что помимо представленных общесистемных проблем, одним из ключевых факторов, препятствующих росту инвестиций, является недостаточная научная и практическая разработанность методов оценки инвестиционных проектов. Методологические сложности связаны, прежде всего, с высокой неопределенностью, нестабильностью окружающей среды, отсутствием поной и точной информации при принятии инвестиционных решений. Подобные проблемы существуют и в условиях сравнительно устойчивых экономик, но для современных российских реалий проявляются особенно остро.

Изучение различных аспектов инвестиционного анализа позволило нам сделать вывод о том, что учет неопределенности меняет подход к оценке эффективности инвестиционного проекта. При этом ключевое значение обретает оценка риска, которая становится одним из основных критериев, учитываемых при принятии инвестиционных решений. Традиционно для моделирования неопределенности используются вероятностные методы, однако их адекватность существенно снижается в случае исследования новых проектов, по которым отсутствует достаточная статистическая база. Значительная часть проектной информации имеет качественный характер, в результате чего возникают сложные, плохо формализуемые задачи, в отношении которых возможности традиционного инструментария также ограничены.

Низкая степень адекватности моделей, т.е. несогласованность моделей с исходной информацией, существенно затрудняет принятие инвестиционных решений, приводит к принятию ошибочных решений, а в отдельных случаях к отказу от реализации инвестиционных проектов. Поэтому разработка нового инструментария, позволяющего адекватно учитывать неопределенность инвестиционных проектов в расчетах показателей эффективности, в том числе при оценке проектных рисков, имеет большое значение для развития инвестиционной деятельности.

Следует особо подчеркнуть, что в последнее время были выявлены новые типы неопределенности, и потребовались новые подходы для использования в случае невозможности либо неэффективности применения классических методов анализа. При этом одна из наиболее важных задач состоит в предоставлении средств для оперирования с нечеткой, размытой информацией; учета точек зрения экспертов и различных участников проекта путем включения в формальный анализ их субъективных представлений, мнений и суждений.

В диссертационной работе показано, что решение представленных задач при оценке проектных рисков возможно и во многих случаях эффективно при использовании инструментария теории нечетких множеств. Это обусловило использование соответствующих методов данной теории, как ключевых, при разработке методик оценки риска инвестиционного проекта.

Таким образом, высокая экономическая значимость, а также недостаточная теоретическая и практическая разработанность методов учета неопределенности и оценки риска инвестиционного проекта обусловили актуальность выбранной темы диссертационного исследования.

Основная цель работы - на основе инструментальных средств теории нечетких множеств разработать методы оценки риска инвестиционного проекта, отражающие особенности сопутствующей инвестиционному процессу неопределенности, а также определить целесообразность практического применения данных методов.

Основные задачи исследования;

1. Определение основных типов рисков инвестиционного проекта. Разработка подходов к их идентификации.

2. Систематизация существующих подходов к моделированию неопределенности и оценке рисков инвестиционного проекта. Определение областей их соприкосновения.

3. Определение типов инвестиционных проектов, в которых представленная неопределенными величинами информация адекватно описывается в терминах теории нечетких множеств.

4. Определение функционального набора нечетких конструкций для решения задач оценки рисков инвестиционного проекта.

5. Анализ существующих и разработка новых нечетких моделей и агоритмов решения задач оценки рисков; обоснование практической возможности их применения путем анализа реальных инвестиционных проектов.

6. Выявление альтернативных подходов к оценке рисков для рассматриваемых типов проектной неопределенности; определение целесообразности практического применения нечетких моделей на основе сравнительного анализа с альтернативными подходами.

Предмет и объект исследования. Предметом исследования являются методы теории нечетких множеств, применяемые к оценке риска инвестиционного проекта. Объектом исследования выступают инвестиционные проекты на предынвестиционной стадии.

Теоретической и методической основой исследования послужили работы отечественных и зарубежных ученых по экономико-математическому моделированию, проблемам выбора в условиях неопределенности, оценке эффективности инвестиционных проектов, анализу проектных рисков, теории нечетких множеств: П.Л. Виленского, В.Н. Лившица, С.А. Смоляка, С.А. Орловского, ДА. Поспелова, М.В. Грачевой, А.О. Недосекина, К. Асаи, Р. Белмана, Д. Дюбуа, Г. Прада, Л.А. Заде, Р. Ягера и др.

Научная новизна работы заключается в том, что ней дано решение научной проблемы, имеющей большое значение в области оценки эффективности инвестиционных проектов, а именно, оценки риска инвестиционного проекта с использованием методов теории нечетких множеств. К числу наиболее существенных результатов, полученных лично автором и обладающих научной новизной, относится следующее:

1. Разработан комплексный подход к идентификации рисков инвестиционного проекта, предполагающий, с одной стороны, изучение областей возможного возникновения рисков; с другой стороны, анализ их гипотетических последствий.

2. Осуществлена систематизация подходов к моделированию неопределенности и оценке проектных рисков, и для различных типов неопределенности выделены альтернативные подходы к оценке рисков.

3. Создана новая схема оценивания риска инвестиционного проекта с использованием лингвистического подхода, которая по сравнению с другими методиками позволяет более адекватно, т.е. с меньшими потерями и искажениями информации, включить в формальный анализ нечеткие входные данные, мнения и суждения экспертов, выраженные словами и фразами естественного языка.

4. Разработаны новые модели оценки риска проекта, как степени неопределенности его нечетких результатов.

5. Усовершенствована методика оценки риска проекта, как возможности его неблагоприятного исхода, путем анализа чувствительности оценок к изменению критического уровня показателя эффективности и учета результатов такого анализа при определении итоговой, качественной, характеристики риска проекта.

6. Проведен сравнительный анализ инструментальных средств нечетко-множественного и вероятностного подходов, которые измеряют риск проекта, как возможность неблагоприятного исхода. На основе точности оценок, сложности вычислений и других критериев сделан вывод о том, что подходы обладают примерно одинаковыми возможностями для анализа проектов, неопределенность которых выражается в неоднозначности количественных значений расчетных параметров.

Практическая значимость и апробация работы. Содержащиеся в исследовании методические положения и рекомендации могут быть использованы при разработке технико-экономических обоснований, бизнес-планов инвестиционных проектов в целях обеспечения адекватного учета неопределенности, которая сопутствует осуществлению проектов, а также для получения корректной оценки проектного риска. Полученные результаты диссертационного исследования могут быть применены при осуществлении преподавательской деятельности при чтении лекций и проведении практических занятий по курсам: Инвестиции, Инновационный менеджмент, Финансовый менеджмент, Проектный анализ, Риск менеджмент в высших учебных заведениях.

Основные положения и результаты диссертационного исследования докладывались:

Х на 8-ой международной научно-практической конференции Актуальные проблемы управления - 2003, проводимой в Государственном университете управления в ноябре 2003 г.;

Х на 3-м международном научно-практическом семинаре Проблемы трансформации современной российской экономики: теория и практика организации и обеспечения управления, проводимого Московским государственным университетом экономики, статистики и информатики (МЭСИ) в декабре 2004 г.

Х на научной конференции Социально-экономические и правовые аспекты рыночных отношений в России, проводимой в Московском институте предпринимательства и права в феврале 2006 г.;

Разработанные методики оценки рисков инвестиционных проектов прошли апробацию на различных предприятиях и организациях, в том числе в ЗАО ИКГ Профконсат, в ОАО ТВ Центр, в ОАО Городская информационно-справочная служба и получили положительные отзывы.

Публикации. По теме диссертации опубликовано шесть работ, общим объемом 1,5 п/л.

Структура диссертации определяется поставленной целью и задачами исследования и состоит из введения, пяти глав, заключения, списка использованной литературы. В основной части размещены таблицы, схемы и рисунки, связанные с текстом.

Диссертация: заключение по теме "Финансы, денежное обращение и кредит", Удалов, Никита Павлович

5.4. Выводы по главе 5

В пятой главе работы рассмотрены различные аспекты нечетко-множественной оценки риска, как возможности неблагоприятного исхода проекта. Показано, что подобная оценка может быть получена несколькими способами. При этом наиболее адекватным является подход, основанный на вычислении геометрической вероятности попадания точки в область неэффективных исходов, задаваемую нечетким показателем эффективности и его критическим уровнем.

По результатам анализа данного подхода и его расширений, в частности, концепции риск-функции проекта предложена новая методика, включающая в себя анализ чувствительности оценок к изменению критического уровня и их учет при определении итоговой, качественной, характеристики рискованности. Практическая значимость введенных допонений обусловлена, с одной стороны, неопределенным характером задания критического уровня показателя эффективности. С другой стороны -возможностью высокой чувствительности оценок риска, находящейся в зависимости от взаимоположения нечеткого показателя эффективности и его критического уровня.

Возможности применения нечетко-множественного подхода к оценке проектного риска были продемонстрированы на примере реального инвестиционного проекта. При этом расчеты были проведены на основе разработанного автором программного модуля VBA для MS Excel, что весьма распространено в практике инвестиционных расчетов.

Учитывая, что степень возможности традиционно определяется через вероятность, был проведен сравнительный анализ инструментальных средств нечетко-множественного и вероятностного подходов, которые измеряют риск проекта, как возможность неблагоприятного исхода. В качестве критериев сравнения были использованы точность оценок, сложность вычислений, степень распространенности подходов и программных средств, позволяющих проводить анализ на их основе. Результаты сравнения подходов позволяют сделать вывод о том, что они обладают примерно одинаковыми возможностями для анализа проектов с количественными параметрами.

Заключение

В заключении приведем основные результаты диссертационного исследования:

1. Принятие инвестиционных решений в современных российских условиях существенно усложняется вследствие высокой неопределенности, непоной информации и нестабильности окружающей среды. Неопределенность меняет подход к оценке эффективности инвестиционного проекта, которая дожна теперь учитывать возможность различных сценариев его осуществления. При наличии неопределенности оценка проектного риска, являясь характеристикой множества возможных исходов реализации проекта, становится важнейшим критерием проекта, неотделимым от совокупности показателей эффективности, учитываемых при принятии решения об инвестировании.

2. Представлена систематизация существующих подходов к оценке риска инвестиционных проектов на основе таких классификационных признаков, как тип решаемой задачи, а также вид моделируемой неопределенности. Анализ различных типов неопределенности, сопутствующей реальному инвестиционному процессу, показывает, что возможности традиционного математического аппарата оказываются ограниченными в случае не вероятностного характера неопределенности, в особенности, когда характеристики проектных параметров заданы в качественной форме. Это вызывает потребность в новых способах моделирования неопределенности и оценки риска инвестиционного проекта.

3. Обоснована возможность применения при оценке проектного риска инструментальных средств теории нечетких множеств. На всех стадиях разработки и осуществления инвестиционного проекта лицо, принимающее решение, оперирует с плохо формализуемыми, сложными задачами, чаще всего не имеющими однозначного точного решения, описанными качественными, неоднозначными характеристиками. Теория нечетких множеств позволяет адекватно включить подобную неопределенную информацию в формальный анализ, что предопределяет предпочтительность использования нечетко-множественных методов.

4. Представлен математический аппарат и определены инструментальные средства теории нечетких множеств, позволяющие проводить оценку риска инвестиционных проектов. Основными средствами теории в этом отношении являются концепции нечетких чисел и лингвистических переменных. Если неопределенность связана с неоднозначностью значений факторов и параметров проекта, она может быть задана с помощью нечетких чисел. Для моделей задач, в которых доминирующими факторами являются неточность и непоная достоверность, основную роль играет понятие лингвистической переменной, значениями которой являются не числа, а слова или предложения естественного языка.

5. Определены типы инвестиционных проектов, в которых представленная неопределенными величинами информация адекватно описывается в терминах теории нечетких множеств:

Х проекты, возможные сценарии реализации которых не формализуемы с достаточной степенью точности в виде модели денежных потоков, а неопределенность проектных параметров обуславливается их качественным характером. Подобная неопределенность свойственна, прежде всего, инновационным проектам; проектам, на начальных стадиях проработки; проектам, для которых финансовые показатели не имеют решающего значения, и др.

Х проекты, различные сценарии реализации которых формализованы в виде прогнозной модели денежных потоков, в то же время значения неопределенных проектных параметров проекта могут быть лишь проранжированы по степени возможности. Подобная неопределенность свойственна большинству инвестиционных проектов, в особенности, новым проектам, по которым отсутствует достаточная статистическая база.

6. Проведен критический анализ существующих методик оценки риска проектов, неопределенность которых обуславливается качественным характером основных параметров. Показано, что наиболее простой и часто используемый метод - бальная оценка - обладает существенными недостатками: процедура назначения балов неудобна для эксперта, мало отвечает естественному образу его мышления; при присвоении бальных значений часть неопределенной информации теряется. Более реальный подход для выражения суждений экспертов заключается в использовании вербальных утверждений вместо числовых величин, что может быть реализовано при использовании лингвистического подхода.

7. Указаны недостатки существующих методик в рамках лингвистического подхода, которые являются препятствием на пути его распространения. Предложены усовершенствования данных методик, позволяющие преодолеть обозначенные недостатки. С одной стороны, представлена процедура шкалирования суждений экспертов и их приведения к шкале, свойственной лицу, принимающему решение об осуществлении проекта. С другой стороны, для повышения объективности методики оценки рисков в ее расчетный механизм была включена итерационная процедура, позволяющая учесть равную возможность различных вариантов задания характеристических функций.

8. Проведен критический анализ существующих методик оценки риска проекта, как степени неопределенности его нечетких результатов, а также предложены новые методики. При этом в качестве меры неопределенности рассмотрены следующие характеристики: ширина носителя; степень нечеткости показателя эффективности проекта; расстояние от нечеткого критерия эффективности до некоторого базисного множества, состоящего из одного элемента, тем или иным образом агрегирующего информацию, заложенную в нечетком представлении критерия эффективности. Показано, что подобные методы обладают рядом недостатков, главным среди которых является неадекватное отражение сущности риска, заключающейся в возможности реализации проекта по неблагоприятному сценарию.

9. Рассмотрены различные аспекты нечетко-множественной оценки риска, как возможности неблагоприятного исхода проекта. По результатам анализа данного подхода и его расширений, в частности, концепции риск-функции проекта, предложена новая методика, включающая в себя анализ чувствительности оценок к изменению критического уровня и их учет при определении итоговой, качественной, характеристики рискованности. Практическая значимость введенных допонений обусловлена, с одной стороны, неопределенным характером задания критического уровня показателя эффективности. С другой стороны - возможностью высокой чувствительности оценок риска, находящейся в зависимости от взаимоположения нечеткого показателя эффективности и его критического уровня.

10. Возможности применения нечетко-множественного подхода к оценке проектного риска продемонстрированы на примере реального инвестиционного проекта. При этом в допонение к существующим информационным приложениям разработан программный модуль VBA для MS Excel, позволяющий вычислять оценку проектного риска с использованием нечетко-множественного подхода.

11. Проведен сравнительный анализ инструментальных средств нечетко-множественного и вероятностного подходов, которые измеряют риск проекта, как возможность неблагоприятного исхода. На основе точности оценок, сложности вычислений и других критериев сделан вывод о том, что подходы обладают примерно одинаковыми возможностями для анализа проектов, неопределенность которых выражается в неоднозначности количественных значений расчетных параметров.

Диссертация: библиография по экономике, кандидат экономических наук , Удалов, Никита Павлович, Москва

1. Андреев ЭЛ., Осипов Г.В. Методы измерения в социологии. М.: Наука, 2003.

2. Банки и банковские операции / Под ред. Е.Ф. Жукова. М.: Банки и биржи, ЮНИТИ, 1997.

3. Виленский П.Л., Лившиц В.Н., Смоляк С.А. Оценка эффективности инвестиционных проектов. Теория и практика. М.: Дело, 2002.

4. Виленский П.Л., Смоляк С.А. Как рассчитать эффективность инвестиционного проекта. Расчет с комментариями. М.: Инфорэлектро, 1996.

5. Воков И.М., Грачева М.В. Проектный анализ: финансовый аспект. -М.: ТЕИС, 2000.

6. Воропаев В.И. Управление проектами в России. М.: Алане, 1995, 225 с.

7. Гаврилец Ю.Н. Социально-экономическое планирование. Системы и модели. 1974.

8. Голубева О.Н. Риск как экономическая категория. Вестник СПбГУ. Сер. 5.1993. Вып. 1(5). С. 130-132.

9. Громыко Г.Л. (ред.) Теория Статистики. М: ИНФРА-М. 2000. Ю.Грабовый П.Г., Петрова С.Н., Потавцев С.И. Риски в современномбизнесе. М.: Алане, 1994,200 с. П.Дамари Р. Финансы и предпринимательство. - Ярославль:

10. Периодика, 1993,323 с. 12.3аде. Л. Понятие лингвистической переменной и его применение к принятию приближенных решений. М.: Мир. 1976.

11. Идрисов А.Б. Планирование и анализ эффективности инвестиций. -М.: Про-Инвест Консатинг, 1995, 160 с.

12. Инвестиции и инновации: словарь-справ. М.

13. Качалов P.M. Управление хозяйственным риском. М.: Наука, 2002. 192 с.

14. Клейнер Г.Б., Смоляк С. А. Эконометрические зависимости: принципы и методы построения. М.: Наука, 2000,104 с.

15. Клейнер Г.Б., Тамбовцев B.JL, Качалов P.M. Предприятие в нестабильной экономической среде: риски, стратегии, безопасность. -М.: Экономика, 1997,288 с.

16. Копытин К.В. Анализ рисков в инвестиционных проектах (лингвистический подход). // Сборник студенческих работ. М.: ТЕИС, 2003г. с. 121-144.

17. Кофман А., Хил Алуха X. Введение теории нечетких множеств в управлении предприятиями, Минск: Вышэйшая школа, 1992.

18. Крайнева Э.А. Экспертиза инвестиций. М.: ДжИПЛА Лимитед, 1992, 54 с.

19. Левнер Е.В., Птускин А.С., Фридман А.А. Размытые множества и их применение. М.: ЦЭМИ РАН, 1998,108 с.

20. Лимитовский М.А. Методы оценки коммерческих идей, предложений, проектов. М.: Дело тд, 1995.

21. Липсиц И.В., Косов В.В. Инвестиционный проект; методы подготовки и анализа. Учебно-справочное пособие. М.: БЕК, 1996, 304 с.

22. Методические рекомендации по оценке эффективности инвестиционных проектов (вторая редакция): Офиц. Изд. М.: Экономика, 2000.

23. Моделирование рисковых ситуаций в экономике и бизнесе: Учеб. пособие / Дубров A.M., Лагоша Б.А., Хрусталев Е.Ю. / Под ред. Лагоши Б.А. М.: Финансы и статистика, 2000,173 с.

24. Мой банк / Под ред. С.И. Кумока. М.: Московское финансовое объединение, 1996.

25. Морозов Д.С. Проектное финансирование: управление рисками. М.: Анкил, 1999.

26. Недосекин А.О. Нечетко-множественный анализ риска фондовых инвестиций. С.-Петербург: Сезам, 2002.

27. Недосекин А.О. Оценка риска проекта по NPV произвольно-нечеткой формы. На сайте: Ссыка на домен более не работаетp>

28. Недосекин А.О. Применение теории нечетких множеств к задачам управления финансами. Аудит и финансовый анализ. - №2, 2000. Также на сайте: Ссыка на домен более не работаетp>

29. Недосекин А.О. Риск-функция инвестиционного проекта. На сайте: Ссыка на домен более не работаетp>

30. Недосекин А.О., Кокош A.M. Оценка риска инвестиций для произвольно-размытых факторов инвестиционного проекта. На сайте: Ссыка на домен более не работаетp>

31. Нечеткие множества в моделях управления и искусственного интелекта под ред. Поспелова Д.А. М.: Наука, 1986.

32. Нечеткие множества и теория возможностей. Последние достижения / Под ред. Ягера P.P. М.: Радио и связь, 1986,406 с.

33. Орлов А.И. Устойчивость в социально-экономических моделях. М.: Наука, 1979.

34. Прикладные нечеткие системы / Под ред. Тэрано Т., Асаи К., Сугэно М.-М.: Мир, 1993.

35. Птускин А.С. Ранжирование инвестиционных проектов по уровню риска с использованием лингвистического подхода. -Экономическая наука современной России. №3. - 2003, с. 94-101.

36. Райфа Г. Анализ решений (введение в проблему выбора в условиях неопределенности) М.: Наука, 1977,408 с.

37. Риск-анализ инвестиционного проекта: Учебник для вузов / Под ред. М.В. Грачевой. М.: ЮНИТИ-ДАНА, 2001. - 351 с.

38. Рыжов А.П. Элементы теории нечетких множеств и измерения нечеткости. М.: Диалог-МГУ, 1998. - 116 с.

39. Рыжов А.П. Элементы теории нечетких множеств и ее приложений. -М.: Ссыка на домен более не работает2003 г.

40. Симаранов С.Ю. Экспертиза как инструмент минимизации рисков при управлении инвестиционными проектами. Федеральные и региональные программы. Информационный сб. 1997. №3(9). с.92-98.

41. Смоляк С.А. Оценка эффективности инвестиционных проектов в условиях риска и неопределенности (теория ожидаемого эффекта). -М.: Наука, 2002,182 с.

42. Твисс Б. Управление научно-техническими нововведениями. М.: Экономика, 1989.

43. Токовый словарь Вебстера. М.

44. Турбина К.Е. Инвестиционный процесс и страхование инвестиций от политических рисков. М.: ИЦ Анкил, 1995, 80 с.

45. Удалов Н.П. Теория нечетких множеств, как подход к оценке рисков инвестиционного проекта. // Межвузовский сб. Актуальные проблемы современного управления и экономики. М. МЭСИ. 9. 2005. с. 239-246. (0,3 п/л).

46. Удалов Н.П. Результаты сравнения нечетко-множественного и вероятностного подходов к оценке проектного риска. // Предпринимательство. №6. 2006. с. 93-96. (0,2 п/л).

47. Удалов Н.П. Лингвистический подход к оценке рисков инвестиционных проектов. // Проблемы экономики. №6 (13). 2006. с. 178-181. (0,3 п/л).

48. Удалов Н.П. Оценка рисков инвестиционных проектов с параметрами, заданными качественными характеристиками. // Сборник научных трудов. М.: ВГНА, 2006. с. 262-264. (0,3 п/л).

49. Удалов Н.П. Оценка риска инвестиционного проекта как меры неопределенности его нечетких результатов // Проблемы экономики. № 2(15) 2007. с. 211-213. (0,2 п/л).

50. Удалов Н.П. Нечетко-множественный подход к оценке риска, как меры неэффективности инвестиционного проекта. // Материалы межвузовской научно-практической конференции МИПП, 2007 г. (0,2 п/л).

51. Управление инвестициями / Под ред. В.В. Шеремета, М.: Высшая школа, 1998.

52. Хеферт Э. Техника финансового анализа. М.: Аудит, ЮНИТИ, 1996.

53. Хот Р.Н., Барнес С.Б. Планирование инвестиций. М.: Дело тд, 19946 120 с.

54. Anile A.M., Deodato S., Privrtera G. Implementing fuzzy arithmetic. -Fuzzy Sets and Systems. 72. - 1995, pp. 239-250.

55. Archer N.P. Ghasemzadeh F. An integrated framework for project portfolio selection. International Journal of Project Management. -17(4).-1999, pp. 207-216.

56. Bojadziev G., Bojadziev M. Fuzzy logic for business, finance and management. Advances in fuzzy systems - applications and theory, vol.12. - World Scientific Publishing, Singapore, 1997,232 p.

57. Buckley J.U. The fuzzy Mathematics of Finance // Fuzzy Sets & Systems., 1987. №21,257-273.

58. Capital budgeting handbook / Ed. Kaufman M. Homewood, Illinois, 1986.

59. Carlsson C., Fuller R. Fuzzy multiple criteria decision making: Recent developments. Fuzzy Sets and Systems. - 78(2). -1996, pp. 139-153.

60. Carlsson C., Fuller R. Benchmarking in linguistic importance weighted aggregations. Fuzzy Sets and Systems. - 114(1). - 2000, pp. 35-41.

61. Carlsson С., Fuller R., Fuller S. Possibility and necessity in weighted aggregation. In: R.R. Yager, J. Kacprzyk (Eds.), The Ordered Weighted Averaging Operators: Theory, Methodology and Applications. - Kluwer, Boston.-1997, pp. 18-28.

62. Chen J.E., Otto K.N. Constructing membership functions using interpolation and measurement theory. Fuzzy Sets and Systems. - 73 (3).-1995, pp. 313-327.

63. Chen S. An empirical examination of capital budgeting techniques: impact of investment types and firm characteristics // Engineering Economist, 39 (2), 1994.

64. Chen S.-M. Fuzzy group decision making for evaluating the rate of aggregative risk in software development. Fuzzy Sets and Systems. -118(1).-2001, pp. 75-88.

65. Cheng C.-H. Evaluating weapon systems using ranking fuzzy numbers. -Fuzzy Sets and Systems. 107 (1). - 1999, pp. 25-35.

66. Chicken J. -C. Managing risks and decisions in major projects. -Chapman Hall, London, 1994,203 p.

67. Chiu Ch.-Yu., Park Ch. S. Fuzzy cash flow analysis using present worth criterion // Eng. Economist, 39 (2), 1994., 113-138.

68. Clark J.J., Hinderland T.J., Pritchard R.E. Capital budgeting. Planning and control of capital expenditures. 2 ed. - Englewood Cliffs, New Jersey, 1984.

69. Cooper D.F., Chapman C.B. Risk analysis for large projects. John Wiley Sons, Chichester, 1987, 260 p.

70. Devedzic G.B., Pap E. Multicriteria-multistages linguistic evaluation and ranking of machine tools. Fuzzy Sets and Systems. - 102(3). - 1999, pp. 451-461.

71. Dimova L., Sevastianov P., Sevastianov D. Fuzzy Capital Budgeting: Investment Project Valuation and Optimization // Chenstohova Tech. University Proceedings, 2001.

72. Dubois D., Prade H. Fuzzy sets and statistical data. European Journal of operational Research. - 25. -1986, pp. 345-356.

73. Dubois D., Prade H. Operations on fuzzy numbers. Int. J. Systems Sci. -9.-1978, pp. 613-626.

74. Dubois D., Prade H. Criteria aggregation and ranking of alternatives in the framework of fuzzy set theory. TIMS/Stud. Mgmt. Sci. - 20. -2984, pp. 209-240.

75. Dubois D., Prade H. A review of fuzzy sets aggregation Connectives. -Inform. Sci. 36. - 1985, pp. 85-121.

76. Dubois D., Prade H. Weighted minimum and maximum operations in fuzzy sets theory. Inform. Sci. - 39. - 1986, pp. 205-210.

77. Fodor J.C., Roubens M. Fuzzy Preference Modelling and Multicriteria Decision support. Theory and Decision Library, Series D, System Theory, Knowledge Engineering and Problem Solving. - Vol. 14. -Kluwer, Dordrecht, 1984.

78. Gao L.S. The fuzzy arithmetic mean. Fuzzy Sets and Systems. - 107 (3).-1999, pp. 335-348.

79. Giachetti R.E., Young R.E. Analysis of the error in the standard approximation used for multiplication of triangular and trapezoidal fuzzy numbers and the development of a new approximation. Fuzzy Setas and Systems. - 91 (1). - 1997, pp. 1-13.

80. Herrera F., Herrera-Viedma E. Linguistic decision analysis: steps for solving decision problems under linguistic information. Fuzzy Sets and Systems. - 115(1). - 2000, pp. 67-82.

81. Herrera F., Herrera-Viedma E., Martinez L. A fusion approach for managing multi-granularity linguistic term sets in decision making. -Fuzzy Sets and Systems. 114(1). - 2000, pp. 43-58.

82. Herrera F., Herrera-Viedma E., Verdegay J.L. A model of consensus in group decision making under linguistic assessments. Fuzzy Sets and Systems. - 78. - 1996, pp. 73-87.

83. Herrera F., Herrera-Viedma E., Verdegay J.L. Linguistic Measures Based on Fuzzy Coincidence for Reaching Consensus in Group Decision Making. International Journal of Approximate Reasoning. - 16(3-4). -1997, pp. 309-334.

84. Hertz D., Thomas H. Risk analysis and its applications. John Wiley Sons, Chichester, 1984,15 + 326 p.

85. Hong T.-P., Chen J.-B. Processing individual fuzzy attributes for fuzzy rule induction a general framework for concept learning, Ph.D. Thesis.- Fussy Sets and Systems. 112(1). - 2000, PP. 127-140.

86. Hong T.-P., Lee C.-Y. Induction of fuzzy rules and membership functions from training examples. Fuzzy Sets and Systems. - 84(1). -1996, pp. 33-47.

87. Horikawa S., Furuhashi Т., Uchikawa Y. On fuzzy modeling using fuzzy neural networks with the back-propagation algorithm. IEEE Trans Neural Networks. - 3(5). - 1992, pp. 801-806.

88. Kaufmann A., Gupta M.M. Fuzzy mathematical models in engineering and management science. North-Holland, Amsterdam. - 1988.

89. Kaufmann A., Gupta M.M. Introduction to Fuzzy Arithmetic Theory and Applications, Van Nostrand Reinhold, New York, 1991.

90. Kenyon A. Currency risk and business management. Blackwell, Oxford, 1990,260 p.

91. Kliem R.L., Ludin I.S. Reducing project risk. Gower, GB, 1997.

92. Klir G.J., Golger T.A. Fuzzy sets, uncertainty, and information. -Prentice Hall, Englewood Cliffs, N.J., 1988,11 + 355 p.

93. Kuchta D. Fuzzy Capital Budgeting // Fuzzy Sets and Systems, 111, 2000.

94. Lai Y.-J., Ching-Lai H. Possibilistic Linear Programming for Managing Interest Rate Risk // Fuzzy Sets and Systems, Vol. 54,1993.

95. Lee H.-M. Applying fuzzy set theory to evaluate the risk of aggregative risk in software development. Fuzzy sets and Systems. -79(3).-1996, pp.323-336.

96. Lee H.-M. Group decision making using fuzzy sets theory for evaluating the rate of aggregative risk in software development. Fuzzy sets and Systems. - 80(3). -1996, pp. 261-271.

97. Liang P., Song F., Computer-Aided Risk Evaluation System for Capital Investment // Omega 22,4,1994.

98. Lootsma F.A. Fuzzy logic for planning and decision making. -Applied optimization, nr.8. Kluwer Academic, Dordrecht. - 1997, 195 P

99. Megill R.E. An introduction to Risk Analysis. PennWell. 1992.

100. Osgood C.E., Suci G.J., Tannenbaum P.H. The measurement of meaning. University of Illinois Press, Urbana, 1957, p. 1-342.

101. Saaty T.L. Scaling the membership function. European Journal of Operational Research. - 25. -1986, pp. 320-329.

102. Semantic differential technique. J.G. Snider, C.E.Osgood (Eds). Chicago 1969.

103. Small M.H., Chen J.J. Economic and strategic justification of АМТЛ Inferences from industrial practices. International Journal of Production Economics. - 49(1). - 1997, pp. 65-75.

104. Smith D.J. Incorporating Risk into Capital Budgeting Decisions Using Simulation // Management Decision, №32,1994.

105. Torra V. Interpreting membership functions: A constructive approach. International Journal of Approximate Reasoning. - 20 (3). - 1999, pp. 191-207.

106. Turksen I.B., Fazel Zarandi M.H. Fuzzy system models for aggregate scheduling analysis. International Journal of Approximate Reasoning. -19 (1-2).-1998, pp. 119-143.

107. Vaugham E.J. Risk management. N.Y. etc.: Wiley, 1997.

108. Ward T.L. Discounted fuzzy cash flow analysis // Fall Industrial Engineering Conference Proceedings, 1985., pp. 476-481.

109. Yager R.R. Fuzzy decision making using unequal objectives. Fuzzy Sets and Systems. - 1. - 1978, pp. 87-95.

110. Yager R.R. Families of OWA operators. Fuzzy Sets and Systems. -59.-1993, pp. 125-148.

111. Yager R.R. Aggregation operators and fuzzy system modeling. -Fuzzy Sets and Systems. 67. - 1994, pp. 129-145.

112. Yager R.R. On weighted median aggregation. Int. J. Uncertainty, Fuzziness and Knowledge-based Systems. - 1. - 1994, pp. 101-113.

113. Yager R.R. An Approach to Ordinal Decision Making. International Journal of Approximate Reasoning. - 12(3-4). - 1995, pp. 237-261.

114. Yager R.R. On the inclusion of importances in OWA Aggregations. -In: R.R. Yager, J. Kacprzyk (Eds.), The Ordered Weighted Averaging

115. Operators: Theory, Methodology, and Applications. Kluwer, Boston, 1997, pp. 41-59.

116. Zadeh L.A. Fuzzy Sets. Information and Control. - Vol.8. - 1965, pp. 338-353.

117. Zadeh L. Fuzzy sets as a basis for a theory of possibility. // Fuzzy Sets and Systems. Vol.1 (1978) 3-28.

Похожие диссертации

• Совершенствование методики оценки эффективности инвестиционных проектов в металургии
• Методы оценки привлекательности инвестиционных проектов в автомобилестроении
• Формирование механизма управления рисками инвестиционных проектов разработки золоторудных месторождений
• Развитие методов оценки рисков инвестиционных проектов промышленного предприятия на основе экспертно-аналитического моделирования
• Методика оценки эффективности инвестиционных проектов новых производств