СОВРЕМЕННЫЕ МЕТОДЫ АНАЛИЗА РИСКОВ ИНВЕСТИЦИОННЫХ ПРОЕКТОВ

CONTEMPORARY METHODS FOR ANALYZING RISKS OF INVESTMENT PROJECTS

Laguntsova Anastasiia Alekseevna

Student, Faculty of Economics and Management, Moscow Regional Branch of the Russian Presidential Academy of National Economy and Public Administration (RANEPA),

Russia, Krasnogorsk

АННОТАЦИЯ

В статье рассматриваются современные подходы к анализу рисков инвестиционных проектов с акцентом на сочетание качественных и количественных методов. Автор пришел к выводу что в условиях высокой неопределенности традиционная оценка проекта по единственному значению NPV является недостаточной и необходим переход к риск-ориентированной модели инвестиционного анализа. В статье описаны различные методы анализа рисков инвестиционных проектов и сделан вывод о целесообразности комбинированного применения методов, так как, с одной стороны, качественные инструменты обеспечивают полноту выявления рисков, а с другой количественные позволяют оценить устойчивость проекта.

ABSTRACT

The article examines modern approaches to risk analysis of investment projects, with an emphasis on combining qualitative and quantitative methods. The author concludes that under conditions of high uncertainty, the traditional project assessment based on a single NPV value is insufficient, and a transition to a risk-oriented model of investment analysis is necessary. The article describes various methods for analyzing risks of investment projects and concludes that it is advisable to use a combination of methods, since, on the one hand, qualitative tools ensure comprehensive risk identification, and on the other hand, quantitative methods allow assessing the sustainability of the project.

Ключевые слова: инвестиционный проект, анализ рисков, неопределенность, качественные и количественные методы анализа рисков, чистая приведённая стоимость (NPV), анализ чувствительности, анализ сценариев, имитационное моделирование Монте-Карло, матрица вероятности и воздействия, SWOT-анализ, PESTEL-анализ, устойчивость проекта, риск-ориентированная модель.

Keywords: investment project, risk analysis, uncertainty, qualitative and quantitative risk analysis methods, Net Present Value (NPV), sensitivity analysis, scenario analysis, Monte Carlo simulation, probability and impact matrix, SWOT analysis, PESTEL analysis, project sustainability, risk-oriented model.

Инвестиционный проект можно понимать, как набор решений и действий, с помощью которых вложенный капитал должен в будущем принести определенный результат [4]. Любой инвестиционный проект всегда связан с неопределенностью. Для инвестиционных проектов риск целесообразно понимать, как влияние неопределенности на достижение целевых показателей (чистой прибыли, окупаемости и т.д.). Даже если на этапе планирования все расчеты выглядят убедительно, на практике ситуация может измениться, и инвестор не может оценивать проект только по ожидаемой прибыли, что приводит к необходимости анализа рисков.

Важное методологическое требование состоит в разграничении риска и неопределенности. Риск означает ситуацию, когда можно хотя бы примерно определить возможные последствия и их вероятность, а неопределенность возникает тогда, когда будущие события трудно предсказать и невозможно точно оценить их вероятность. Поэтому риск чаще можно измерить и учесть в расчетах, а неопределенность требует сценарного анализа или экспертных оценок. В данной работе будут рассмотрены именно подходы к анализу рисков.

Таким образом целью данной статьи является рассмотрение современных методов анализа рисков инвестиционных проектов. Далее в статье буду раскрыты количественные и качественные методы.

Качественные методы применяются преимущественно на ранних стадиях проекта, когда статистические данные ограничены, а задача состоит в выявлении полного перечня угроз и возможностей. Их результатом обычно является реестр рисков, включающий описание события, причины и последствия, вероятность и так далее.

Рассмотрим группу экспертных методов, к которым относятся интервью, обсуждения с экспертами, мозговой штурм, метод Дельфи [4].

Метод Дельфи представляет собой многоэтапную анонимную процедуру опроса специалистов с обратной связью. В отличие от обычного «мозгового штурма», здесь исключается прямое давление авторитетов или наиболее активных участников. Эксперты независимо друг от друга дают оценки рисков (например, вероятности срыва сроков или превышения бюджета), после чего организатор собирает результаты, вычисляет медиану и квартили и отправляет их участникам следующего тура. Те, чьи ответы сильно отклоняются от общего диапазона, должны аргументировать свою позицию, после чего проводится повторное анкетирование. Как правило, после 2–3 туров разброс мнений существенно сокращается, и формируется согласованная экспертная оценка риска [3].

Преимущество данного метода заключается в снижении субъективности и устранении конфликтных взаимодействий между экспертами, что особенно ценно для оценки редких, но критических рисков инвестиционных проектов, по которым нет статистических данных. Однако метод требует значительных временных затрат и тщательной организации каждого тура.

Главное преимущество экспертных методов заключается в том, что они позволяют быстро собрать опыт и знания людей, которые хорошо понимают проект и возможные проблемы при его реализации, но также оценки могут быть субъективными, потому что зависят от личного опыта и мнения конкретных специалистов, а также результат может меняться в зависимости от того, кто именно входит в группу экспертов.

Другую группу составляют структурные методы, куда входит SWOT-анализ, PESTEL-анализ, анализ заинтересованных сторон, дерево причин и последствий, диаграмма Исикавы, анализ первопричин и структурная декомпозиция рисков. Самым популярным из них является SWOT, который позволяет выявить сильные, слабые стороны проекта, возможности и угрозы для него [2]. Однако довольно часто используется и PESTEL, которых расширяет анализ внешней среды за счет политических, экономических, социальных, технологических, экологических и правовых факторов [6].  Плюс структурных методов в том, что они помогают системно разложить риски по группам и не упустить важные внутренние и внешние факторы, но с другой стороны такие методы часто дают общую и качественную картину, но не показывают точный размер возможных потерь.

Отдельно можно выделить матрицу вероятности и воздействия, где каждый риск оценивается по тому насколько вероятно его появление и насколько серьезными будут последствия для проекта. С. И. Петров пишет, что матрица вероятности и воздействия удобна для определения приоритетов рисков, но она плохо оценивает «пограничные» риски, поэтому следует использовать карту рисков с кривыми изорисков, которая точнее показывает соотношение вероятности и возможного ущерба и помогает разделить риски на приемлемые и неприемлемые [5].

Другим качественно-количественным метом является анализ видов и последствий отказов, в котором для каждого потенциального отказа оцениваются тяжесть последствий, вероятность возникновения и возможность обнаружения, после чего рассчитывается приоритет риска. Этот метод в первую очередь направлен на предупреждение и ослабление негативных последствий указанных событий [9]. Близкими к нему методами являются HAZOP, «bow-tie analysis» и анализ барьеров контроля. В целом такие методы помогают заранее выявить возможные сбои, оценить их опасность, но такой анализ требует детальной информации о проекте.

Количественные методы анализа рисков используются для того, чтобы не просто описать возможные риски, а измерить их влияние на инвестиционный проект в числовом выражении. Практически все они включают в себя построение финансовой модели проекта и расчет таких базовых показателей как денежные потоки, NPV, IRR, индекс прибыльности, срок окупаемости. Далее ключевые параметры модели подвергаются изменению, чтобы выявить устойчивость проекта, что делается несколькими способами.

Часто авторами применяется анализ чувствительности. Он показывает, как изменятся показатели при изменении одной или нескольких переменных. На практике результаты часто представляют в виде «торнадо-диаграммы», где переменные ранжируются по силе влияния на результат.  Также если известны вероятности альтернативных исходов, можно рассчитать ожидаемое значение NPV.

(1)

где   – денежный поток в период;

  , – ставка дисконтирования;

 – горизонт планирования.

Положительное значение NPV сигнализирует о том, что проект приносит инвестору доход выше альтернативных вложений (например, выше банковского депозита). Однако, как справедливо отмечается в методических рекомендациях [4, c. 52-58] классический расчёт NPV исходит из предпосылки, что все параметры – объёмы продаж, цены, затраты, ставка дисконтирования – известны точно. На практике это почти никогда не выполняется.

Альтернативой является анализ сценариев. В отличие от анализа чувствительности, здесь одновременно изменяется несколько взаимосвязанных параметров. Например, пессимистический сценарий может включать падение цены, рост капитальных затрат, задержку запуска и повышение ставки по кредиту.  Так, М. К. Смолякова и В. Д. Сухов показывают, что при сильных колебаниях внешних факторов нужно строить не один прогноз, а несколько вариантов развития событий и использовать дерево сценариев, но при этом сценарный требует большего объема предварительной аналитической работы [7].

В отдельную группу можно выделить анализ безубыточности и расчет предельных значений, который определяет, при каком объеме производства, цене, уровне затрат или курсе валют проект теряет финансовую привлекательность.  Анализ безубыточности помогает определить безопасный уровень продаж и оценить, насколько проект устойчив к снижению спроса или росту затрат [10].

Наиболее развитым количественным методом является имитационное моделирование Монте-Карло. Обычный расчет эффективности по методу дисконтированных денежных потоков дает только одно значение NPV, тогда как метод Монте-Карло позволяет учесть неопределенность исходных параметров и получить не один результат, а целое распределение возможных значений показателей проекта [8]. В нем ключевые входные параметры задаются не точками, а вероятностными распределениями и модель многократно пересчитывается при случайных комбинациях параметров. Таким образом его преимущество состоит в том, что он позволяет перейти от одного варианта расчета к более реалистичной модели [11].

Таким образом современный анализ рисков инвестиционных проектов представляет собой многоуровневую систему, объединяющую качественные и количественные методы. В то время как качественные методы обеспечивают выявление, структурирование и управленческое понимание рисков, особенно когда данных недостаточно или неопределенность носит стратегический характер, то количественные методы позволяют измерить влияние рисков на финансовые показатели, оценить вероятность неблагоприятных исходов и определить запас устойчивости проекта.

Список литературы:

1. Алексенко Е. В., Алексенко А. А. Качественные методы оценки рисков инвестиционных проектов // Форум молодых ученых. 2017. №12 (16).
2. Зверева Е. В, Д. Е. Завгородний Методы анализа рисков инвестиционных проектов // Международный журнал гуманитарных и естественных наук. 2024. №5-2 (92).
3. Литвак Б. Г. Экспертные оценки и принятие решений. — М.: Патент, 2017. – С. 45–67.
4. Методические рекомендации по оценке эффективности инвестиционных проектов. Вторая редакция, исправленная и дополненная / утв. Минэкономики РФ, Минфином РФ, Госстроем РФ от 21.06.1999 № ВК 477.
5. Петров С. И. Кривые изорисков как инструмент анализа и управления рисками инвестиционных проектов // Cloud of science. 2013. №4.
6. Прядко С. Н., Курилова М. С. SWOT и PEST-анализ как инструмент принятия грамотных управленческих решениЙ // Экономика и социум. 2017. №1-2 (32).
7. Смолякова Мария Константиновна, Сухов Владимир Дмитриевич Особенности анализа сценариев инвестиционного проекта в условиях существенного колебания внешних параметров // Теоретическая экономика. 2015. №4 (28).
8. Федосова М. Н., Корнев А. М. Оценка рисков типового инвестиционного проекта с использованием метода имитационного моделирования МонтеКкарло // Экономика и социум. 2014. №2-4 (11).
9. Филатов Владимир Владимирович, Путина Арина Михайловна FMEA-анализ как комплексный метод управления качеством // Прикладные экономические исследования. 2022. №1.
10. Шалболова У. Ж., Елпанова М. А., Казбекова Л. А. Алгоритм достижения безубыточности инвестиционного проекта на основе маржинального анализа // Новый университет. Серия «Экономика и право». 2014. №10 (44).
11. Юрина Е. В. Особенности использования метода Монте-Карло а качестве метода оценки инвестиционного проекта // Экономика и социум. 2017. №3 (34).