Geum.ru
Темы диссертаций по экономике » Математические и инструментальные методы экономики

Разработка математического обеспечения оценки риска реальных инвестиционных проектов тема диссертации по экономике, полный текст автореферата



Автореферат



Ученая степень кандидат экономических наук
Автор Кирилов, Юрий Александрович
Место защиты Самара
Год 2004
Шифр ВАК РФ 08.00.13
Диссертация

Автореферат диссертации по теме "Разработка математического обеспечения оценки риска реальных инвестиционных проектов"

На правах рукописи

КИРИЛОВ Юрий Александрович

РАЗРАБОТКА МАТЕМАТИЧЕСКОГО ОБЕСПЕЧЕНИЯ ОЦЕНКИ РИСКА РЕАЛЬНЫХ ИНВЕСТИЦИОННЫХ ПРОЕКТОВ

Специальность 08.00.13 Ч Математические и инструментальные методы экономики

АВТОРЕФЕРАТ диссертации на соискание ученой степени кандидата экономических наук

Самара-2004

Работа выпонена на кафедре менеджмента Самарского государственного аэрокосмического университета.

Научный руководитель

доктор экономических наук, профессор Османкин Николай Николаевич

Официальные оппоненты:

доктор экономических наук, профессор Афоничкин Александр Иванович кандидат экономических наук, доцент Зайцев Владислав Владимирович

Ведущая организация

Самарский Государственный Университет

Защита состоится л22 июня 2004 г. в 12.00 часов на заседании диссертационного совета Д 212.215.06 в Самарском государственном аэрокосмическом университете по адресу: 443086, г. Самара, Московское шоссе, 34.

С диссертацией можно ознакомится в библиотеке Самарского государственного аэрокосмического университета.

Автореферат разослан _ 2004

Ученый секретарь диссертационного совета

Сорокина М.Г.

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

В настоящей диссертационной работе рассматривается проблема совершенствования математического обеспечения оценки риска инвестиционных проектов, и разрабатываются новые методики оценки, основанные на целевой интерпретации теории информации и теории нечетких множеств.

Актуальность исследования. Наметившаяся стабилизация экономических процессов в стране стимулирует рост инвестиционной активности предпринимателей, что, в свою очередь, предъявляет все более жесткие требования к методологической основе и используемому инструментарию оценки инвестиционных проектов. Осуществление любого инвестиционного проекта сопряжено с многочисленными рисками, обусловленными неопределенностью факторов внешней и внутренней среды предприятия. Финансирование инвестиционных проектов в условиях риска и неопределенности требует научно-обоснованного подхода к принятию инвестиционных решений, соответствующих методов и инструментов инвестиционного проектирования.

Степень научной изученности проблемы. Первые теоретические работы по управлению в условиях риска и неопределенности возникли еще в начале двадцатого века. В работе Ф.Х. Найта Риск, неопределенность и прибыль впервые была высказана мысль о риске как о количественной мере неопределенности. Краеугольный камень в проблему формализованного подхода к выбору стратегии в условиях неопределенности заложили Дж. фон Нейман и О. Моргенштерн в своем фундаментальном труде Теория и ф и экономическое поведение. Дж. М. Кейнс в своей работе Общая теория занятости, процента и денег также уделил внимание проблеме оценки риска. Кроме этого, к числу исследователей-теоретиков, внесших реальный вклад в развитие теории риска, можно отнести таких ученых как Ф. Блек, Ч. Доу, Г.Марковиц, А. Маршал, Ф. Модильяни и М. Милер, Дж. Нейман, И.Фишер, Ф. Хорн, У. Шарп. Среди работ отечественных исследователей в первую очередь следует выделить труды А.П. Альгина, И.Т. Балабанова, И.А Бланка, М.В.Грачевой, А.П. Идрисова, Г.К. Клейнера, В.В. Ковалева, В.А. Чернова, Е.М. Чертыкина, В.Д. Шапиро, В.В. Шеремет.

Работы вышеназванных авторов внесли значительный вклад в формирование основополагающих принципов принятия решений в условиях неопределенности, однако экономический инструментарий для их практического применения разработан недостаточно поно, в результате чего он не обеспечивает научно обоснованного учета неопределенности и количественной оценки риска и снижает достоверность показателей анализируемых инвестиционных проектов.

В связи с этим практика инвестиционного проектирования нуждается в совершенствовании экономического инструментария, позволяющем более эффективно использовать накопившийся научный потенциал. Поэтому развитие

и разработка новых методов и моделей оценки риска инвестиционных проектов приобретает особую актуальность.

Все это предопределило направленность диссертационного исследования, в котором рассматривается и решается комплекс вопросов по разработке математического обеспечения процедур оценки неопределенности и риска принимаемых инвестиционных решений.

Цели и задачи исследования. Целью диссертационной работы является разработка эффективного математического обеспечения оценки риска инвестиционных проектов.

Достижение этой цели обеспечивает решение следующих задач:

1. Исследование характера влияния неопределенности инвестиционной ситуации и различных рискообразующих факторов на риск реальных инвестиционных проектов.

2. Осуществление обзора имеющихся математических моделей, методов, состава математического обеспечения оценки инвестиционного риска, анализ их основных недостатков и ограничений.

3. Разработка метода оценки неопределенности инвестиционной ситуации.

4. Разработка и научное обоснование метода оценки риска инвестиционного проекта с учетом выявленного характера неопределенности.

5. Разработка методики эффективного учета экспертных оценок при проведении анализа инвестиционного риска.

6. Практическая апробация разработанного математического обеспечения.

7. Анализ результатов практической апробации разработанного подхода на основе сравнения с результатами оценки риска традиционными методами и моделями.

Предмет исследования - совершенствование математического обеспечения оценки риска реальных инвестиционных проектов.

Объект исследования - инвестиционная деятельность предприятий в условиях рискованной и нестабильной экономической среды.

Методологическая и теоретическая основы исследования. Методологической основой исследования является экономическая теория, микроэкономика, управление предприятием, финансовый менеджмент, экономическая и математическая статистика, математический анализ и экономико-математические методы. Теоретической основой исследования послужили труды отечественных и зарубежных авторов, посвященные проблеме оценки риска инвестиционных проектов. Методы исследования, используемые в диссертации, включают методы оптимизации, экономического анализа и математической экономики, методы теории вероятности и математической статистики, методы интегрального и дифференциального исчисления и линейной агебры.

Научная новизна результатов диссертационного исследования, полученных автором, состоит в следующем:

1. Метод информационной энтропии адаптирован к осуществлению выбора одного из альтернативных инвестиционных проектов по показателю неопределенности, введен относительный коэффициент информационной энтропии

2. В качестве составляющей риска, отражающей уровень возможных потерь от наступления рискового события, предложен и модифицированный показатель относительного размаха потерь

гуяот К0*Ш Х

3. Разработан и научно обоснован новый показатель оценки риска инвестиционного проекта ЯО, представлена предварительная градация инвестиционных проектов по величине показателя.

4. Аппарат теории нечетких множеств применен к совместному использованию экспертных оценок и математических методов в оценке инвестиционного риска.

5. Для повышения эффективности используемого инструментария теории нечетких множеств предложена методика приведения фигуры ограниченной функцией принадлежности нечеткого множества к единичной площади

6. Рассмотрено влияние структуры математического обеспечения на реализацию системного потенциала математических методов и агоритмов и предложена согласованная схема использования разработанных математических средств при проведении анализа инвестиционного риска.

7. Предложен агоритм и проведена оценка риска реального инвестиционного проекта разработанными методами, получены конкретные выводы и рекомендации по принятию инвестиционного решения.

8. Осуществлен анализ апробации разработанных методов на основе сравнения с результатами оценки риска традиционными подходами, предложен показатель приближения к равновесному состоянию как основной вероятностной характеристики системы.

Практическая значимость исследования. Разработанные в диссертации методики могут быть использованы для формирования комплексного математического обеспечения оценки риска инвестиционного проекта и принятия инвестиционных решений на практике.

Практическое применение предлагаемого инструментария учета неопределенности и риска в инвестиционном проектировании позволит повысить научную обоснованность и качество принимаемых инвестиционных решений. Экономический эффект от внедрения новых проектных технологий выражается в снижении размера резервных фондов и страховых отчислений,

необходимость которых обусловлена наличием рисков и неопределенностью условий реализации проекта.

Отдельные теоретические и практические разработки диссертации могут быть использованы в научно-исследовательской работе по риск-менеджменту и теории инвестиций, а так же при обучении студентов экономических специальностей в высших учебных заведениях.

Апробация работы. Основные теоретические положения диссертационного исследования докладывались и обсуждались на

Х 50-й студенческой научно-технической конференции СГАУ, Самара, 1-3 марта 2000 г.

Х . 1-ом научном семинаре студентов и аспирантов факультета

экономики и управления СГАУ Управление социально-экономическими системами, Самара, декабрь 2000 г.

Х XXVII Самарской областной студенческой научной конференции, Самара, 18-28 апреля 2001 г.

Х Всероссийской молодежной научной конференции лVI Королевские чтения, Самара, октябрь 2001 г.

Х 2-ом научном семинаре студентов и аспирантов факультета экономики и управления СГАУ Управление социально-экономическими системами, Самара, декабрь 2001 г.

Х Всероссийской молодежной научной конференции лVII Королевские чтения, Самара, 1-2 октября 2003 г.

Разработанная методика оценки проектного риска успешно внедрена и с января 2003 г. используется в инвестиционном анализе финансово-аналитическим отделом структурного подразделения ОАО Самараэнерго.

Публикации. Основные положения диссертации представлены в 6 научных публикациях, список которых приведен в конце автореферата.

Структура и объем работы. Диссертационная работа состоит из введения, трех глав, заключения, списка литературы и 10 приложений. Основная часть работы изложена на 120 страницах машинописного текста, содержит 35 рисунков, 12 таблиц. Список используемой литературы включает 90 наименований.

СОДЕРЖАНИЕ РАБОТЫ

Во введении обосновывается актуальность темы диссертационной работы, формулируется цель, задачи, предмет и объект исследования, раскрывается научная новизна и практическая значимость работы.

Первая глава посвящена рассмотрению специфических направлений и методологическому составу оценки риска инвестиционных проектов. Основная идея общетеоретической проблематики аспектов анализа, излагаемая автором, состоит в активном начале инвестиционного проекта в формировании риска.

С момента своей реализации инвестиционный проект активно внедряется в окружающую конъюнктурную среду, нарушая прежние и создавая новые организационно-экономические отношения, перераспределяя финансовые потоки и, тем самым, выводя всю рыночную систему из состояния равновесия.

Характер и степень взаимного влияния конкретного инвестиционного проекта и рыночного окружения достоверно неизвестно. Таким образом, инвестиционный проект генерирует неопределенность будущего состояния рыночной системы, а, окружающая среда, в свою очередь, возбуждает неопределенность для результатов реализации проекта.

Неопределенность факторов внешней и внутренней среды проекта коррелируют между собой, взаимно погашая и усиливая друг друга, и, тем самым, формируют индивидуальную структуру риска инвестиционного проекта. Риск не объективен, а уникален для каждого проекта, объективна неопределенность внешней среды.

Функциональная взаимосвязь фундаментальных понятий риск-менеджмента, представленная автором в работе, изображена на рис. 1.

Предпринимательский риск предпринимательского

Рис.1. Взаимосвязь фундаментальных понятии риск-менеджмента

Решению задачи оценки суммарного риска инвестиционного проекта и служит математическое обеспечение - совокупность агоритмов и математических методов анализа и управления исследуемой системой. В работе развивается идея активного влияния структурных построений в системе математического обеспечения на эффективность реализации потенциала соответствующих математических методов и агоритмов.

Изложенная концепция анализа риска инвестиционного проекта рассматривает его с позиций двух основных составляющих Ч вероятности и величины возможных негативных отклонений:

Риск = {Р;Ь}, 0)

где РЧхарактеристика вероятности наступлениярискового события;

L - характеристикауровня возможных потерь.

Для эффективного практического использования моделей и методов оценки инвестиционного риска возникает необходимость в формировании механизма организации деятельности по управлению риском на предприятии. Традиционная схема, широко представленная в экономической литературе, изображена на рис.2а.

Рис.2. Схема по управлению инвестиционным риском а) традиционная; б) предложенная автором

Отмечая логичность и последовательность схемы, необходимо отметить, что она является результатом унификации и простейшего копирования приемов декомпозиции-композиции проблемы из общетеоретических дисциплин по принятию управленческих решений и не имеет ничего общего с осуществлением риск-менеджмента на практике.

Имеющиеся недостатки традиционной схемы подтакивают к осознанию понятия риска инвестиционного проекта как общекибернетической категории черного ящика с неизвестной внутренней структурой и доступными входными и выходными параметрами. В соответствии с этой идеей в работе предложена новая схема управления риском инвестиционного проекта - рис. 26.

Во второй главе рассматриваются вопросы совершенствования математического аппарата оценки риска инвестиционных проектов.

Для этой цели предварительно осуществляется обзор наиболее распространенных расчетных методов оценки и учета инвестиционного риска:

Х анализ чувствительности;

Х анализ сценариев;

Х дерево решений;

Х минимаксные критерии Вальда, Гурвица и Сэвиджа;

Х имитационное моделирование методом Монте-Карло.

Анализируются их основные недостатки и ограничения и

формулируются предпосыки для разработки нового метода оценки.

Основной недостаток, характерный для всех рассматриваемых методов, заключается в отсутствии инфраструктуры методов, недостаточной проработанности и адаптированности математического аппарата к эффективному применению в составе единой взаимосогласованной системы математического обеспечения в реальных рыночных условиях. В связи с этим, наибольшую актуальность приобретает разработка комплексного математического обеспечения оценок инвестиционного риска, в основу которого предлагается заложить методику информационной энтропии.

Инвестиционные риски, как и любые другие, возникают вследствие неопределенности информации, описывающей внешние условия осуществления деятельности. В качестве исходных предпосылок для определения степени неопределенности системы предлагается применять классические положения теории информации. Теория формулирует понятие линформация как устраненная неопределенность и вводит термин лэнтропия как меру неопределенности системы.

В 1948 г. американский ученый К. Шеннон определил информацию на вероятностной основе, представив выражение информационной энтропии, меры неопределенности системы, в следующем виде:

ЩХ) = ~^рМ,рД (2)

гдеXЧ исследуемая система,

piЧвероятность нахождения системы в >ом состоянии пЧчисло состояний системы.

Поверхность, отражающая зависимость энтропии классической трехсценарной системы (оптимистический, наиболее вероятный и

пессимистический исходы) от вероятности нахождения в том или ином состоянии, изображена на рис.3.

Рис.3. Энтропия системы стремя состояниями

Представленные в диссертации случаи определения энтропии системы через другую, связанную с ней (3); энтропию сложных связанных (4) и не связанных систем (5); а также энтропию непрерывного случайного процесса (6) подчеркивают универсальность метода и его потенциал для практического применения.

1у^х = Н(Х)-Н(Ш), (3)

где 1 у_х Ч информация о системеХпри наблюдении за связанной с ней системойY; H(X/Y)Чостаточнаяэнтропия системыIX.

где И^/Х)Чнеопределенность системъ^при наблюдении за системойX, H(X/Y)-неопределенность системыХпри наблюдении за системой Y.

= Н(Х)+ЩУ) = 1

гдер - вероятность нахождения в 1-ом состоянии системы X и е}-ом состоянии системы Y.

Н&х(Х) = -\/{х) Щ/Шх - 1озДг

где/(х)Чплотностьраспределения вероятностей случайной величиныХ;

Ах - шаг дискретизации непрерывной величины X.

В целях создания условий для эффективной реализации метода информационной энтропии на практике необходимо разработать систему интерпретации результатов анализа. Для этого предлагается ввести относительный показатель как необходимый элемент математического

обеспечения Ч коэффициент относительной энтропии, выражающийся в отношении абсолютного значения к максимальной величине энтропии для данного числа состояний системы:

Показатель относительной энтропии выступает вероятностной характеристикой в разработанной концепции риска (1).

В качестве характеристики, отражающей уровень возможных потерь от принятия инвестиционного решения, предлагается использовать показатель относительного размаха потерь, в котором для сохранения соразмерности с вероятностной составляющей введен удваивающий коэффициент, а для устранения возможного влияния вырожденных случаев рассеивания, применено верхнее ограничение:

где х Ч средневзвешенное значение результирующего показателя сценария по признаку вероятности, Хтт Чминимальноезначениерезультирующегопоказателя сценария.

Предложенный в диссертации количественный показатель риска RQ (Risk Quantity) является мультипликацией этих двух составляющих:

Показатель риска RQ изменяется от 0 (единственный сценарий, отсутствие неопределенности) до 1 (все сценарии равновероятны, отклонение наихудшего сценария от средней максимально). Его результаты удобно выражать в процентах.

Для осуществления предварительной градации показателя RQ был обобщен опыт работы финансово-аналитического отдела структурного подразделения ОАО Самараэнерго, курирующего социальную сферу энергокомпании. В 2003 году был проведен анализ 14 инвестиционных проектов, пять из которых были признаны состоятельными и стали реализовываться. Ранжирование проводилось по итогам сравнения величины показателя риска RQ с совокупной экспертной оценкой, на основании которой и принималось инвестиционное решение. Предварительная градация инвестиционных проектов по показателю риска RQ представлена на рис. 4.

низкий средний высокий Риск

Рис.4. Ранжирование инвестиционных проектов по величине показателя

Основной сферой применения показателя ЯО является оценка риска инвестиционного проекта, вероятности сценариев которого заданы:

1). Дискретно, на основе статистических данных, результатов маркетинговых исследований, парных сравнений и других методов сбора и формализации информации.

2). Непрерывно, в виде функции распределения плотности вероятности, полученной на основе статистической обработки результатов отмеченных специальных методов.

3). Дискретно, на основе экспертных оценок.

Вследствие роста доли инновационных проектов в общем количестве реальных инвестиций и дороговизны маркетинговых исследований российские предприниматели при осуществлении инвестиционного проектирования все чаще прибегают к помощи экспертов, квалифицированных специалистов в узких сферах бизнеса.

Основным препятствием для использования экспертных оценок в разработанных математических моделях зачастую становится неформализованность приближенных заключений экспертов. Традиционные количественные методы анализа по своей сути мало пригодны и неэффективны для такого рода систем, где значительная часть информации существует в форме представлений или пожеланий экспертов.

Для преодоления трудностей, связанных с обработкой приближенных мнений экспертов, выраженных вербально, предлагается использовать аппарат теории нечетких множеств.

В основе понятия нечеткого множества (10) лежит представление о том, что составляющие данное множество элементы могут принадлежать к данному множеству с некоторой степенью соответствия. Эту степень удовлетворения свойствам множества отражает функция принадлежности, областью значений которой является единичный интервал [0,1].

Для каждого нечеткого множества экспертной оценки возможно введение коэффициентов компетентности и надежности получаемой информации посредством методов лингвистической модификации множеств.

Л = ^/^(ХХ',)/(дискретный случай), (10)

где АЧнечеткое множеств о;

хЧ элемент нечеткогомножества;

Ил(х) Ч функция принадлежности элементах, нечеткому

множеству А; Чпонимается как объединение.

Одним из важнейших преимуществ нечетких множеств состоит в том, что к ним применимы основные логические операции, которые осуществляются через функции принадлежности этих множеств.

Для последующего использования нечеткой информации в математических оптимизационных моделях используется процедуре дефазификации, преобразование нечеткого множества в четкое число. Применяются следующие методы дефазификации метод центра тяжести, метод медианы, метод центра максимумов. Выбор конкретного метода дефазификации определяется типом решаемой задачи и используемым обеспечением.

Помимо этого предлагается применять дефазификацию с а-уровнем разреза, которая игнорирует часть информации, находящуюся ниже а-сечения. Она используется в тех случаях, когда процедура дефазификации дожна иметь фильтрующие свойства, и незначительная информация не дожна повлиять на определение четкой физической переменной.

Дефазифицированные значения экспертных оценок станут исходными данными для разработанного критерия оценки риска инвестиционного проекта.

Третья глава работы посвящена специфике и принципам реализации разработанного математического обеспечения оценки инвестиционного риска.

Апробирование разработанного показателя оценки инвестиционного риска и предложенной методики эффективного учета экспертных оценок осуществлялось на основе анализа реального инвестиционного проекта строительства крытой ледовой арены общей стоимостью И2.200.000 на территории г. Самара.

Прогнозирование выручки от реализации осуществлялось экспертно на основе определения процента загрузки объекта по периодам эксплуатации.

Вербальные оценки экспертов, выраженные лингвистическими терминами, с помощью инструментального аппарата нечеткой логики фазифицировались в нечеткие множества. Далее, используя логическую операцию пересечения над функциями принадлежности экспертных оценок, находилось результирующее нечеткое множество для каждого сценария инвестиционной ситуации.

Полученные дефазифицированные значения результирующих множеств и их вероятностные эквиваленты приведены в табл. 1.

Таблица 1.

Ранговые и вероятностные оиенки сценариев _ инвестиционной ситуации_

г сиенария 1 2 3 4 5 6 7 л

Средняя загрузка, % 76 70 82 8! 70,5 67 69 61,5

Ранговая оценка, бал 7,5 6.57 6,5 4,5 3,43 4,57 3,5 5

Вероятность 0,18 0,158 0,156 0,108 0,083 0,11 0,084 0,12

На основе этих данных были рассчитаны ключевые показатели разработанного в диссертации математического обеспечения оценки инвестиционного риска.

Коэффициент относительной энтропии Нотн-0,982. Величина коэффициента Нот11 достаточно велика, что объясняется большой равновероятностью сценариев.

Значение относительного размаха потерь по параметру средней загрузки по сценариям =0,309. Величина данного показателя достаточна низкая, что свидетельствует о незначительном варьировании значения загрузки объекта по сценариям.

Величина показателя риска RQ=0,303, что свидетельствует об уровне рискованности проекта ниже среднего.

Инвестиционный проект строительства крытой ледовой арены был одобрен инвестором и начал реализовываться.

Формулирование основных выводов внедрения теории нечетких множеств в обработку экспертных оценок осуществлялось по результатам сравнения с традиционной статистической обработкой.

Несмотря на то, что при обработке нечетких множеств экспертных оценок, в большинстве своем, использовались простейшие функции принадлежности в виде равнобедренного треугольника, результаты статистического анализа занизили бы показатель NPV проекта для горизонта планирования почти на 1 мн. руб., а дисконтированный срок окупаемости -почти на погода. Это явилось следствием сужения поля исследования до четких оценок, без учета допонительной информации, в которой эксперты были не столь уверены. При этом, чем больше вид функции принадлежности экспертной оценки будет отличаться от симметричной фигуры, тем сильнее дефазифицированное значение будет расходиться со статистическим средним, и тем ярче будут выражены преимущества подхода нечетких множеств.

Оценка итогов применения показателя риска RQ проводилась на основе сравнения с традиционным параметром риска - коэффициентом вариации.

Не смотря на отсутствие шкал и градаций инвестиционных проектов по данному показателю, используя опыт статического анализа, был сделан вывод о незначительном риске рассматриваемого инвестиционного проекта, что подтверждает результаты применения критерия RQ.

В настоящее время для удобства и ускорения применения представленных в диссертации методик на базе табличного процессора

Microsoft Excel осуществляется разработка программного обеспечения RQ& (RiskQuantity andExpert Identification).

ОСНОВНЫЕ РЕЗУЛЬТАТЫ И ВЫВОДЫ

В диссертации разработано математическое обеспечение процед; оценки риска реального инвестиционного проекта. Внедрение методи составляющих основу разработанного обеспечения, позволит повыси эффективность принимаемых инвестиционных решений.

Основные результаты диссертационного исследования состоят следующем:

1. На основе анализа современного состояния проблемы оценк инвестиционного риска исследован характер влияй неопределенности инвестиционной ситуации и различны рискообразующих факторов на риск реального инвестиционног проекта.

2. Осуществлен обзор освещаемых в экономической литератур математических моделей и методов оценки риска инвестиционного проекта, проведен анализ их основных недостатков и ограничений отмечены предпосыки для разработки нового метода оценки. Дан оценка факторов комплексности и взаимодопоняемости методов агоритмов при формировании схемы математического обеспечения.

3. Осуществлена модификация метода информационной энтропии для эффективной оценки и анализа неопределенности инвестиционной ситуации.

4. На основе разработанного показателя неопределенного инвестиционной ситуации предложен и научно обоснован новый метод оценки риска инвестиционного проекта.

5. На основе теории нечетких множеств разработана методика эффективного учета экспертных оценок при проведении анализа инвестиционного риска.

6. Сформулированы принципы и предложена структура комплексного математического обеспечения с использованием разработанных методик оценки риска инвестиционного проекта.

7. На базе реального инвестиционного проекта строительства крытой ледовой арены в г. Самара осуществлена практическая апробация разработанных методов и агоритмов оценки риска.

8. На основе сравнения с результатами оценки риска традиционными методами и моделями проведен анализ результатов практической апробации разработанного подхода.

СПИСОК ОПУБЛИКОВАННЫХ РАБОТ

ПО ТЕМЕ ДИССЕРТАЦИИ ДО 2 3 8 2

Материалы проведенных исследований опубликованы в следующих печатных изданиях:

1. Кирилов Ю.А. Исследование позитивного потенциала и ограничений математических методов оценки риска инвестиционных проектов // Научный альманах Телескоп. Ч Самара: ООО Научно-технический центр, №6, 2004. - с. 230243.

2. Кирилов Ю.А. Особенности применения вероятностной имитационной модели оценки инвестиционных рисков в условиях российской экономики / Всероссийская молодежная научная конференция лVII Королевские чтения // Тезисы докладов. -Самара: Издательство СНЦ РАН, 2003. - т.2. - с. 121.

3. Кирилов Ю.А. Пути привлечения частных инвестиций в системе поддержки малого предпринимательства / XXVII Самарская областная студенческая научная конференция // Тезисы докладов. -Самара, 2001.-ч.1.-с. 58.

4. Кирилов Ю.А. Развитие инфраструктуры инвестиционной деятельности в Самарской области / 2-ой научный семинар студентов и аспирантов факультета экономики и управления СГАУ // Сборник научных трудов. - Самара: СГАУ, 2002. - с. 6264.

5. Кирилов Ю.А. Совершенствование процессов создания и сохранения конкурентных отношений на товарных рынках Самарской области / Всероссийская молодежная научная конференция лVI Королевские чтения // Тезисы докладов. -Самара: Издательство СНЦ РАН, 2001 - т.2. - с. 225.

6. Кирилов Ю.А. Факторы специфики компании в оценке предпринимательского риска / 50-я студенческая научно-техническая конференция СГАУ // Тезисы докладов. - Самара: СГАУ, 2000.- с. 55.

Подписано в печать 17.05.2004 г.

Формат 60x84 1/16 Отпечатано в типографии СГАУ Бумага офсетная, усл.п.л. 1. Тираж 100 экз.

Диссертация: содержание автор диссертационного исследования: кандидат экономических наук , Кирилов, Юрий Александрович

ВВЕДЕНИЕ.

1. СПЕЦИФИЧЕСКИЕ НАПРАВЛЕНИЯ И МЕТОДОЛОГИЧЕСКИЙ

СОСТАВ ОЦЕНКИ РИСКА ИНВЕСТИЦИОННЫХ ПРОЕКТОВ.

1.1. Реальный инвестиционный проект как субстанциональная система рискообразующих факторов.

1.2. Принципиальна схема и пограничные области математического обеспечения оценок в системе управления риском.

2. СОВЕРШЕНСТВОВАНИЕ АНАЛИТИЧЕСКОГО АППАРАТА И

МАТЕМАТИЧЕСКОГО ОБЕСПЕЧЕНИЯ ОЦЕНКИ РИСКА

ИНВЕСТИЦИОННЫХ ПРОЕКТОВ.

2.1. Аналитические ограничения и недостатки применения традиционных математических методов.

2.2. Метод информационной энтропии в совершенствовании аналитических и методологических подходов к оценке риска.

2.3. Использование инструментов теории нечетких множеств для формулирования сводных характеристик исходных состояний неопределенности инвестиционной ситуации.

3. СПЕЦИФИКА И ПРИНЦИПЫ РЕАЛИЗАЦИИ РАЗРАБОТАННОГО

МАТЕМАТИЧЕСКОГО ОБЕСПЕЧЕНИЯ.

3.1. Практика оценки инвестиционного риска ведущими специализированными агентствами.

3.2. Технология реализации разработанных методических принципов оценки риска инвестиционных проектов.

3.3. Апробирование методики информационной энтропии и теории нечетких множеств в сокращении неопределенности и риска инвестиционных решений предпринимателя.

3.4. Выводы и итоги внедрения разработанного математического обеспечения.

Диссертация: введение по экономике, на тему "Разработка математического обеспечения оценки риска реальных инвестиционных проектов"

В настоящей диссертационной работе рассматривается проблема совершенствования математического обеспечения оценки риска инвестиционных проектов, и разрабатываются новые методики оценки, основанные на целевой интерпретации теории информации и теории нечетких множеств.

Актуальность исследования. Наметившаяся стабилизация экономических процессов в стране стимулирует рост инвестиционной активности предпринимателей, что, в свою очередь, предъявляет все более жесткие требования к методологической основе и используемому инструментарию оценки инвестиционных проектов. Осуществление любого инвестиционного проекта сопряжено с многочисленными рисками, обусловленными неопределенностью факторов внешней и внутренней среды предприятия. Финансирование инвестиционных проектов в условиях риска и неопределенности требует научно-обоснованного подхода к принятию инвестиционных решений, соответствующих методов и инструментов инвестиционного проектирования.

Степень научной изученности проблемы. Первые теоретические работы по управлению в условиях риска и неопределенности возникли еще в начале двадцатого века. В работе Ф.Х. Найта Риск, неопределенность и прибыль впервые была высказана мысль о риске как о количественной мере неопределенности. Краеугольный камень в проблему формализованного подхода к выбору стратегии в условиях неопределенности заложили Дж. Фон Нейман и О. Моргенштерн в своем фундаментальном труде Теория игр и экономическое поведение. Дж. М. Кейнс в своей работе Общая теория занятости, процента и денег также уделил внимание проблеме оценки риска. Кроме этого, к числу исследователей-теоретиков, внесших реальный вклад в развитие теории риска, можно отнести таких ученых как Ф. Блек, Ч. Доу,

Г.Марковиц, А. Маршал, Ф. Модильяни и М. Милер, Дж. Нейман, И.Фишер, Ф. Хорн, У. Шарп. Среди отечественных исследователей в первую очередь следует выделить А.П. Альгина, И.Т. Балабанова, И.А. Бланка, М.В.Грачеву, А.П. Идрисова, Г.К. Клейнера, В.В. Ковалева, В.А. Чернова, Е.М. Чертыкина, В.Д. Шапиро, В.В. Шеремет.

Работы вышеназванных авторов внесли значительный вклад в формирование основополагающих принципов принятия решений в условиях неопределенности, однако экономический инструментарий для их практического применения разработан недостаточно поно, в результате чего он не обеспечивает научно обоснованного учета неопределенности и количественной оценки риска и снижает достоверность показателей анализируемых инвестиционных проектов.

В связи с этим практика инвестиционного проектирования нуждается в совершенствовании экономического инструментария, позволяющем более эффективно использовать накопившийся научный потенциал. Поэтому развитие и разработка новых методов и моделей оценки риска инвестиционных проектов приобретает особую актуальность.

Все это предопределило направленность диссертационного исследования, в котором рассматривается и решается комплекс вопросов по разработке математического обеспечения процедур оценки неопределенности и риска принимаемых инвестиционных решений.

Цели и задачи исследования. Целью диссертационной работы является разработка эффективного математического обеспечения оценки риска инвестиционных проектов.

Достижение этой цели обеспечивает решение следующих задач:

1. Исследование характера влияния неопределенности инвестиционной ситуации и различных рискообразующих факторов на риск реальных инвестиционных проектов.

2. Осуществление обзора имеющихся математических моделей, методов, состава математического обеспечения оценки инвестиционного риска, анализ их основных недостатков и ограничений.

3. Разработка метода оценки неопределенности инвестиционной ситуации.

4. Разработка и научное обоснование метода оценки риска инвестиционного проекта с учетом выявленного характера неопределенности.

5. Разработка методики эффективного учета экспертных оценок при проведении анализа инвестиционного риска.

6. Практическая апробация разработанного математического обеспечения.

7. Анализ результатов практической апробации разработанного подхода на основе сравнения с результатами оценки риска традиционными методами и моделями.

Предмет исследования Ч совершенствование математического обеспечения оценки риска реальных инвестиционных проектов.

Объект исследования Ч инвестиционная деятельность предприятий в условиях рискованной и нестабильной экономической среды.

Методологическая и теоретическая основы исследования. Методологической основой исследования является экономическая теория, микроэкономика, управление предприятием, финансовый менеджмент, экономическая и математическая статистика, математический анализ и экономико-математические методы. Теоретической основой исследования послужили труды отечественных и зарубежных авторов, посвященные проблеме оценки риска инвестиционных проектов. Методы исследования, используемые в диссертации, включают методы оптимизации, экономического анализа и математической экономики, методы теории вероятности и математической статистики, методы интегрального и дифференциального исчисления и линейной агебры.

Научная новизна результатов диссертационного исследования, полученных автором, состоит в следующем:

1. Метод информационной энтропии адаптирован к осуществлению выбора одного из альтернативных инвестиционных проектов по показателю неопределенности, введен относительный коэффициент информационной энтропии Нотн.

2. В качестве составляющей риска, отражающей уровень возможных потерь от наступления рискового события, предложен и модифицированный показатель относительного о п пот размаха потерь Ronm.

3. Разработан и научно обоснован новый показатель оценки риска инвестиционного проекта R Q, представлена предварительная градация инвестиционных проектов по величине показателя.

4. Аппарат теории нечетких множеств применен к совместному использованию экспертных оценок и математических методов в оценке инвестиционного риска.

5. Для повышения эффективности используемого инструментария теории нечетких множеств предложена методика приведения фигуры ограниченной функцией принадлежности нечеткого множества к единичной площади

6. Рассмотрено влияние структуры математического обеспечения на реализацию системного потенциала математических методов и агоритмов и предложена согласованная схема использования разработанных математических средств при проведении анализа инвестиционного риска.

7. Предложен агоритм и проведена оценка риска реального инвестиционного проекта разработанными методами, получены конкретные выводы и рекомендации по принятию инвестиционного решения.

8. Осуществлен анализ апробации разработанных методов на основе сравнения с результатами оценки риска традиционными подходами, предложен показатель приближения к равновесному состоянию ктв как основной вероятностной характеристики системы.

Практическая значимость исследования. Разработанные в диссертации методики могут; быть использованы для формирования комплексного математического обеспечения оценки риска инвестиционного проекта и принятия инвестиционных решений на практике.

Практическое применение предлагаемого инструментария учета неопределенности и риска в инвестиционном проектировании позволит повысить научную обоснованность и качество принимаемых инвестиционных решений. Экономический эффект от внедрения новых проектных технологий выражается в снижении размера резервных фондов и страховых отчислений, необходимость которых обусловлена наличием рисков и неопределенностью условий реализации проекта.

Отдельные теоретические и практические разработки диссертации могут быть использованы в научно-исследовательской работе по риск-менеджменту и теории инвестиций, а так же при обучении студентов экономических специальностей в высших учебных заведениях.

Апробация работы. Основные теоретические положения диссертационного исследования докладывались и обсуждались на

Х 50-й студенческой научно-технической конференции СГАУ, Самара, 1-3 марта 2000 г.

Х 1-ом научном семинаре студентов и аспирантов факультета экономики и управления СГАУ Управление социально-экономическими системами, Самара, декабрь 2000 г.

Х XXVII Самарской областной студенческой научной конференции, Самара, 18-28 апреля 2001 г.

Х Всероссийской молодежной научной конференции лVI Королевские чтения, Самара, октябрь 2001 г.

Х 2-ом научном семинаре студентов и аспирантов факультета экономики и управления СГАУ Управление социально-экономическими системами, Самара, декабрь 2001 г.

Х Всероссийской молодежной научной конференции лVII Королевские чтения, Самара, 1-2 октября 2003 г.

Разработанная методика оценки проектного риска успешно внедрена и с января 2003 г. используется в инвестиционном анализе финансово-аналитическим отделом структурного подразделения ОАО Самараэнерго.

Публикации. Материалы проведенных исследований опубликованы в следующих печатных изданиях:

1. Кирилов Ю.А. Исследование позитивного потенциала и ограничений математических методов оценки риска инвестиционных проектов // Научный альманах Телескоп. -Самара: ООО Научно-технический центр, №6,2004. Ч с. 230-243.

2. Кирилов Ю.А. Особенности применения вероятностной имитационной модели оценки инвестиционных рисков в условиях российской экономики / Всероссийская молодежная научная конференция лVII Королевские чтения // Тезисы докладов. Ч Самара: Издательство СНЦ РАН, 2003. - т.2. - с. 121.

3. Кирилов Ю.А. Пути привлечения частных инвестиций в системе поддержки малого предпринимательства / XXVII Самарская областная студенческая научная конференция // Тезисы докладов. Ч Самара,2001. Ч4.1.-с. 58.

4. Кирилов Ю.А. Развитие инфраструктуры инвестиционной деятельности в Самарской области / 2-ой научный семинар студентов и аспирантов факультета экономики и управления СГАУ ft Сборник научных трудов. - Самара: СГАУ, 2002. - с. 62-64.

5. Кирилов Ю.А. Совершенствование процессов создания и сохранения конкурентных отношений на товарных рынках Самарской области / Всероссийская молодежная научная конференция лVI Королевские чтения // Тезисы докладов. Ч Самара: Издательство СНЦ РАН, 2001 - т.2. - с. 225.

6. Кирилов Ю.А. Факторы специфики компании в оценке предпринимательского риска / 50-я студенческая научно-техническая конференция СГАУ // Тезисы докладов. Ч Самара: СГАУ, 2000.-с. 55.

Структура и объем работы. Диссертационная работа состоит из введения, трех глав, заключения, списка литературы и 10 приложений. Основная часть работы изложена на 120 страницах машинописного текста, содержит 35 рисунков, 12 таблиц. Список используемой литературы включает 90 наименований.

Диссертация: заключение по теме "Математические и инструментальные методы экономики", Кирилов, Юрий Александрович

3.4. Выводы и итоги внедрения разработанного математического обеспечения

Формулирование основных выводов внедрения теории нечетких множеств в обработку экспертных оценок предлагается осуществить по результатам сравнения с традиционной статистической обработкой, при которой учитываются лишь значения ядер функций принадлежности. Ранговые и вероятностные оценки сценариев инвестиционной ситуации, полученные применением этих двух подходов представлены в табл. 3.9.

ЗАКЛЮЧЕНИЕ

В настоящем диссертационном исследовании была представлена разработка и научное обоснование математического обеспечения оценки риска инвестиционных проектов на основе методик информационной энтропии и теории нечетких множеств.

Апробация адаптированной в работе методики теории нечетких множеств для учета приближенных экспертных мнений в оценке инвестиционного риска подтвердила несомненные преимущества подхода в совместимости с традиционными математическими моделями. Возможность согласования степени точности решения с требованиями задачи и достоверностью имеющихся исходных данных в каждом конкретном случае обеспечивает отличительную гибкость рассматриваемому подходу. Использование инструментария теории нечетких множеств реально позволяет осуществить внесение сведений о непоноте информации в модель и формализацию неточных знаний человека.

Разработанный расчетный показатель риска инвестиционного проекта RQ, основанный на методе информационной энтропии, обладает рядом несомненных преимуществ по сравнению с традиционным коэффициентом вариации. Первое состоит в его наглядности и простоте - в понимании и интерпретации, вследствие самой концепции положенной в основу показателя, который образовывается из составляющей уровня возможных потерь и составляющей неопределенности ситуации в целом. Действие рискообразующих факторов на каждый компонент показателя однонаправлено, в связи с чем, последовательный анализ и выявление новых факторов допоняют инвестиционную ситуацию, а.*не- влияют на нее непредсказуемым образом. Второе преимущество метода состоит в большом потенциале для его практического применения. Введение коэффициентов соразмерности вклада составляющих позволят адаптировать методику к конкретной производственной отрасли и инвестиционной ситуации. Установление зависимости порогового значения вероятности сценария от их числа допускает различный уровень фильтрации и доверительного интервала анализа. Кроме этого, по мере осуществления анализа инвестиционных проектов разработанным методом и по итогам сравнения с результатами традиционных моделей представляется возможным определить границы зон допустимого, критического и катастрофического риска.

Подводя итог, следует отметить, что разработанный метод оценки риска инвестиционного проекта RQ, является расчетным показателем, который может использоваться. вместо и в допонение коэффициенту вариации при сценарном подходе, дереве решений, на последнем этапе анализа результатов имитационного моделирования и при обработке экспертных оценок.

Обобщая изложенное, основные результаты, достигнутые в ходе диссертационного исследования, можно свести к следующим положениям:

1. На основе анализа современного состояния проблемы оценки инвестиционного риска исследован характер влияния неопределенности инвестиционной ситуации и различных рискообразующих факторов на риск реального инвестиционного проекта.

2. Осуществлен обзор освещаемых в экономической литературе математических моделей и методов оценки риска инвестиционного проекта, проведен анализ их основных недостатков и ограничений и отмечены предпосыки для разработки нового метода оценки. Дана оценка факторов комплексности и взаимодопоняемости методов и агоритмов при формировании схемы математического обеспечения.

3. Осуществлена модификация метода информационной энтропии для эффективной оценки и анализа неопределенности инвестиционной ситуации.

4. На основе разработанного показателя неопределенности инвестиционной ситуации предложен и научно обоснован новый метод оценки риска инвестиционного проекта.

5. На основе теории нечетких множеств разработана методика эффективного учета экспертных оценок при проведении анализа инвестиционного риска.

6. Сформулированы принципы и предложена структура комплексного математического обеспечения с использованием разработанных методик оценки риска инвестиционного проекта.

7. На базе реального инвестиционного проекта строительства крытой ледовой арены в г. Самара осуществлена практическая апробация разработанных методов и агоритмов оценки риска.

8. На основе сравнения с результатами оценки риска традиционными методами и моделями проведен анализ результатов практической апробации разработанного подхода.

Диссертация: библиография по экономике, кандидат экономических наук , Кирилов, Юрий Александрович, Самара

1. Атунин А.Е., Семухин М.В. Модели и агоритмы принятия решений р нечетких условиях: Монография. Ч Тюмень: Издательство Тюменского государственного университета, 2000. Ч 352 с.

2. Арсеньев Ю.Н., Сула М.Б., Минаев B.C. управление экономическими и финансовыми рисками. Ч М.: Высшая школа, 1997.

3. Балабанов И.Т. Риск-менеджмент. Ч М.: Финансы и статистика, 1996.

4. Бахвалов Н.С., Жидков Н.П., Кобельков Г.М. Численные методы. -М.:Наука. Гл. ред. Физ. Мат. Лит., 1987.- 600 с.

5. Биех Ю. Инвестиционные расчеты. Модели и методы оценки инвестиционных проектов: Пер. с нем./Биех Ю., Гетце У. Ч Калининград: Янтарный сказ, 1997. Ч 437 с.

6. Бирман Г., Шмидт С. Экономический анализ инвестиционных проектов. М.: Банки и биржи, ЮНИТИ, 1999.

7. Бланк И.А. Основы инвестиционного менеджмента. Ч К.: Эльга-Н, Ника-Центр, 2001. 536 с

8. Борисов А.Н. и др. Модели принятия решений на основе лингвистической переменной. Ч Рига: Зинатне, 1982. 256с.

9. Борисов А.Н., Крумберг О.А., Федоров И.П. Принятие решений на основе нечетких моделей. Примеры использования. Ч Рига: Зинатне, 1990.

10. Бригхем Ю., Гапенски Л. Финансовый менеджмент / Пер. с англ. Под.ред. В.В.Ковалева. СПб.: Экономическая школа, 1997. - с. 208357.

11. Бромвич М. Анализ экономической эффективности капиталовложений. Ч М.: ИНФРА-М, 1996. 432 с.

12. Бушуев С., Сочнев С. Новое поколение методов анализа риска в управлении проектами // Проекты и управление проектами в России и Восточной Европе: сборник трудов. Ч М.: Издательство Алане, 1993. Ч с. 129-146.

13. Виссема X. Менеджмент в подразделениях фирмы: Пер. с англ. М.: ИНФРА-М, 1996. - 288 с.

14. Волькенпггейн М.В. Энтропия и информация. Ч М.: Наука, 1986. 192 с.

15. Воропаев В.И. Управление проектом в России. Ч М.: Альянс, 1995.

16. Гольдман С. Теория информации. М.: ИЛ, 1957.

17. Грабовой П.Г., Петрова С.Н., Потавцев С.И., Романова К.Г., Хрусталев Б.Б., Яровенко С.М. Риски в современном бизнесе. Ч М.: Алане, 1994. Ч 200 с.

18. Гранатуров В.М. Экономический риск: сущность, методы измерения, пути снижения. Ч М: Дело и Сервис, 1999. Ч 112 с.

19. Ендовицкий Д., Коменденко С. Систематизация методов анализа и оценка инвестиционного риска II Инвестиции в России Ч 2001, №3. Ч с. 39-46.

20. Заде Л.А. Понятие лингвистической переменной и его применение к принятию приближенных решений. Ч М: Мир, 1976, Ч 165с.

21. Замков О.О., Тостопятенко А.В., Черемных Ю.Н. Математические методы в экономике: Учебник. М.: МГУ им. М.В. Ломоносова, Издательство ДИС, 1998.-368 с.

22. Идрисов А.Б., Картышев С.В., Постников А.В. Стратегическое планирование и анализ эффективности инвестиций. Ч М.: Информационно-издательский дом "Филинъ", 1997. -272 с.

23. Инвестиционное окружение' в Самарской области / Департамент по экономике и инвестициям Администрации Самарской области. Ч Самара: Издательский дом Агни, 2000. -154 с.

24. Инвестиционный климат в России. Экспертный институт // Вопросы экономики.-№12,1999, с.Ю.

25. Инвестиционный рейтинг российских регионов. 1998-1999 годы // Эксперт, № 39,18 октября 1999, с. 20-44.

26. Кандель А., Байатт У. Нечеткие множества, нечеткая агебра, нечеткая статистика. Ч Труды американского общества инженеров-радиоэлектроников, т. 66, 1978, N12, с.37-61.

27. Кпейнер Г.Б., Тамбовцев B.JI., Качалов Р.М. Предприятие в нестабильной экономической среде: риски, стратегии, безопасность. Ч М.: Экономика, 1997.

28. Кповский Д.Д. Теория передачи сигналов. Ч М.: Сов. радио, 1973.

29. Ковалев В. В. Методы оценки инвестиционных проектов. М.: Финансы и статистика, 1998. Ч 144 с.

30. Компания года. Лучшие предприятия Самарской области: аналитический альманах.- Самара: Корпорация Федоров, 2003. Ч 120 с.

31. Королев М.А., Кпешко Г.Н., Мишенин А.И. Информационные системы и структуры данных. Ч М.: Статистика, 1977.

32. Котлер Ф. Основы маркетинга. Ч М.: Рост Интер, 1996. 704 с.

33. Кофман А. Введение в теорию нечетких множеств. Ч М.: Радио и связь, 1982.

34. Лапуста М.Г., Шарпгукова Л.Г. Риски в предпринимательской деятельности. М.: ИНФРА-М, 1998.lis

35. Лепешкина M. Измерение степени неопределенности // РИСК, 2003, II, с. 39-46.

36. Линдсей В. Системы синхронизации в связи и управлении. Пер. с англ. Под. Ред. Ю.Н. Бакаева, М.В. Капранова. М.: Сов. радио, 1978.

37. Липкин И.А. Статистическая радиотехника. Теория информации и кодирования. М.: Вузовская книга, 2002,- 216 с.

38. Липсиц И.В., Коссов В.В. Инвестиционный проект: методы подготовки и анализа. Ч М.: Издательство БЕК, 1999.

39. Лукасевич ИЛ. Методы анализа рисковых инвестиционных проектов У/Финансы Ч 1998 №9. - с. 59-62.

40. Лукашин Ю.П. Адаптивные методы краткосрочного прогнозирования. Ч М.: Статистика, 1979.-252 с.

41. Малышев Н.Г., Бернпггейн Л.С., Боженюк А.В. Нечеткие модели для экспертных систем в САПР. М.: Энергоатомиздат, 1991.

42. Мелихов А.Н., Бернпггейн Л.С., Коровин СЛ. Ситуационные советующие системы с нечеткой логикой. Ч М.: Наука, 1990.

43. Мекумов Я. С. Экономическая оценка эффективности инвестиций. Ч М.: ИКЦ "ДИС", 1997. 160 с.

44. Методы робастного, нейро-нечеткого и адаптивного управления / Под ред. Н.Д.Егупова. М.: Изд-во МГТУ им. Н.Э.Баумана, 2002. Ч 744 с.

45. Модели принятия решений на основе лингвистической переменной / А.Н.Борисов и др. Рига: Зинатне, 1982.о

46. Моисеев Н.Н. Элементы теории оптимальных систем. М.:Наука, 1975. -528с.

47. Москвин В. Анализ риска реализации инвестиционного проекта // Инвестиции в России, 2001, №3. с. 29-38.

48. Москвин В. Временная динамика системы рисков инвестиционного процесса // Инвестиции в России, 2001, №2. Ч с. 33-42.

49. Недосекин А.О. Нечетко-множественный анализ риска фондовых инвестиций: Монография. СПб., 2002г. - 181 с.

50. Нейман Д., Моргенштерн О. Теория игр и экономическое поведение. -М.: Наука, 1970. 707 с.

51. Нечеткие множества и теория возможностей. Последние достижения / Под ред. Ргера Ч М.: Радио и связь, 1986.

52. Норткотт Д. Принятие инвестиционных решений. Ч М.: Банки и биржи, ЮНИТИ, 1997.-247 с.

53. Нуреев Р. Экономика информации, неопределенности и рискаУ/Вопросы экономики, 1996, №4, с. 126-141.

54. Омельченко И.Н., Козунко Д.Б. Управление рисками производственно-хозяйственной деятельности предприятия в условиях неопределённостиУ/Вестник машиностроения, 1999, №5, с. 40-45.

55. Орловский С.А. Проблемы принятия решений при нечеткой исходной информации. М.: Наука, 1981.

56. Панферов Г. Эффект инвестиционного проекта и экономическая прибыль // Инвестиции в России, 2003, №10* Ч с. 41-48.

57. Половинкин. П., Зозулюк А. Предпринимательские риски и управление ими // Российский экономический журнал, 1997,№9 ,с. 70-79.

58. Прикладные нечеткие системы / Под ред. Тэрано Т., Асаи К., Сугено Ч М.: Мир, 1993.

59. Рейтинг бюрократизма // Экономика и жизнь, №42, октябрь 2002, с.З.

60. Рейтинг инвестиционной привлекательности регионов 2000-2001 года // Эксперт,№41,5 ноября 2001, с. 98-128.

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

62. Россия выросла в цене // Коммерсант №185 от 10 октября 2003 г.

63. Редхед К., Хьюс С. Управление финансовыми рисками. Ч М.: Инфра-М, 1996.-228 с.

64. Санникова М.О. Риски сельскохозяйственных предприятий: систематизация факторов//2000.- На сайте: www.fep.vsau.ru.

65. Степина А. Красный пояс стал коррупционным // Деловое Повожье, №39, октябрь 2002, с.7.

66. Стоянова Е.С. Финансовый менеджмент. Российская практика. М.: Перспектива, 1994. Ч с. 88-106.

67. Сумароков Е.Н. Привлечение капитала в российскую экономику // Консультант директора. №5,2001. Ч с. 31-33.

68. Фадеев С. Не рисковать многим ради малого // РИСК, 2003,1, с. 59-64.

69. Финансовый менеджмент: Учебник для вузов / под ред. Г.Б. Поляка. Ч М.: ЮНИТИ, 1997

70. Фоломьев А., Ревазов В. Инвестиционный климат регионов России и пути его улучшения // Вопросы экономики Ч №9, 1999, с.57.

71. Хазен A.M. О термине действие-энтропия-информация.//2003.- На сайте: www.kirsoft.com.ru.

72. Хорн Дж. К. Ван Основы управления финансами. Ч М.: Финансы и статистика, 1996. Ч 800 с.

73. Чернов В.А. Анализ коммерческого риска: Учеб. пособие для вузов. Ч М.: Финансы и статистика, 1998.

74. Чернов В.А. Инвестиционная стратегия: Учеб. пособие для вузов. Ч М.: ЮНИТИ-ДАНА, 2003. 158 с.

75. Човутян Э.О., Сидоров М.А. Управление риском и устойчивое развитие. М.: Изд-во РЭА им. Г.В Плеханова, 1999.

76. Шарп У., Александер Г., Бейли Дж. Инвестиции / пер. с англ. -М.:ИНФРА-М, 1998.

77. Шелобаев С.И. Математические методы и модели в экономике, финансах, бизнесе: Учеб. пособие для вузов. Ч М.: ЮНИТИ-ДАНА, 2000.-367 с.

78. Шеннон К. Работы по теории информации и кибернетике. М.: ИЛ, 1963.

79. Штовба С.Д. Введение в теорию нечетких множеств и нечеткую логику // 2003.- На сайте: www.matlab.ru.

80. Эйнштейн А. Теория опалесценции в однородных жидкостях и жидких смесях вблизи критического состояния. (В книге: А. Эйнштейн. Собрание научных трудов. Т. III. М.: Наука. 1966).

81. Экономика и бизнес / Под ред. В.Д.Камаева. Ч М.: Издательство МГТУ им.Н.Э.Баумана, 1993.-е. 12-16, 149-157.

82. Ang J.S., Lewellen W.G. Risk Adjustment in Capital Investment Project Evaluations // Financial Management. 1982. Summer. P. 5-14.

83. Butler J.S., Schachter B. The Investment Decision; Estimation Risk and Risk Adjusted Discount Rates // Ibid. 1989. Winter. P. 13-22.

84. Ceske R. Operational Risk: Current Issues and Best Practices. Ч NetRisk, Garp. July 28, 1999.

85. Felix H. Kloman. Integrated Risk Assesment. Current Views Of Risk Management, -www.garp.com

86. Hertz D.B. Risk Analysis in Capital Investment // HBR, Vol. 426, 1964. P. 95-106.

87. Levine M., Hoffman D. Enriching the universe of operational risk data getting started on risk profiling. Operational Risk, London, Infroma Business Publishing 2000 pp. 25^40

88. Metropolis N., Ulam S. The Monte Carlo method // J. Amer. Statistical assoc., 1949, N247.-P. 335-241.

89. Robichek A.A. Interpreting the Results of Risk Analysis// Ibid. 1975.Dec. P. 1384-1386.

90. Widrow В., Hoff M.B. Adaptive Switching Circuits.// IRE WESCOW Conv. Record.-1960.- Pt.-4.-P. 96-104.

Похожие диссертации