Цели и задачи финансового прогнозирования и финансового планирования в неплатежеспособной организации. Прогнозирование финансово-хозяйственной деятельности предприятия 4 страница

Обладая существенными преимуществами, в числе которых объективность, теоретическая прозрачность, простота расчетов, метод анализа чувствительности обладает существенными недо­статками, главным из которых является его однофакторность. Ориентированность на изменение только одного фактора рассмат­ривается изолированно, тогда как на практике все экономические факторы в той или иной степени коррелированны. Поэтому при проведении анализа чувствительности необходимо выделять пе­ременные, которые будут независимы друг от друга, или, если последнее невозможно, такие переменные, взаимовлияние кото­рых будет минимально. Если же переменные тесно взаимосвяза­ны, то лучше рассматривать альтернативные комбинации, что приводит к необходимости анализа сценариев, т.е. к выбору дру­гой техники анализа.

Метод сценариев. В целом метод позволяет получать достаточ­но наглядную картину для различных вариантов реализации про­ектов, а также предоставляет информацию о чувствительности и возможных отклонениях, а применение программных средств типа Excel позволяет значительно повысить эффективность подобного анализа путем практически неограниченного увеличения числа сценариев и введения дополнительных переменных.

В данном методе применяется вероятностный подход, предпо­лагающий прогнозирование возможных исходов и присвоение им вероятностей, т.е. разработка определенных сценариев развития событий. При этом используются:

а) известные, типовые ситуации (например, вероятность появ­ления герба при бросании монеты равна 0,5);

б) предыдущие распределения вероятностей (например, из выборочных обследований или статистики предшествующих пе­риодов известна вероятность появления бракованной детали);

в) субъективные оценки, сделанные аналитиком самостоятель­но либо с привлечением группы экспертов.

Инструментами данного метода являются стандартные абсо­лютные характеристики риска — математическое ожидание и дис­персия.

Математическое ожидание (среднее ожидаемое значение) — средневзвешенное всех возможных результатов, где в качестве весов используются вероятности их достижения. Предположим, что у нас есть возможность вложить в проект 1 долл. Данное рис­кованное вложение может закончиться двояко. Если все будет хорошо (А), то вы получите доход в размере 4 долл., если плохо (Б), то вы не получите ничего и потеряете все свои вложения в размере 1 долл. То есть чистая отдача (или просто отдача) состав­ляет в первом случае 3 долл. либо минус 1 долл. Допустим, что данный результат возникает почти немедленно, т.е. вы можете не учитывать временную стоимость денег. Так как доход по данно­му проекту не определен, то он является случайной переменной. Предположим, что вероятность каждого из исходов равна 50%. Прежде чем вложить средства, вы хотите выяснить ожидаемую отдачу проекта и связанные с ним риски. Вероятностное распре­деление — это совокупность всех возможных значений дохода от вложения средств с учетом их вероятности. Для наглядности пред­ставим полученную информацию в виде табл, 34.6.

Таблица 34.6

Исход	Вероятность	Отдача
А	50%	+3 долл.
Б	50%	-1 долл.

В данном случае ожидаемая стоимость переменой дохода (Е) может быть рассчитана по формуле:

Е = 3 • 0,5 + (—1) • 0,5 = 1 долл.

В общем виде, если произвольная переменная (r) может иметь (п) возможных исходов (r_i), где / = 1,2...л, а каждый исход имеет вероятность р_п, то тогда ожидаемое значение дохода будет иметь следующий вид

E(r) = r_ip_i + r₂р₂ +...+ г_пр_п.

Или в более сжатой форме

E(r) = ∑r_ip_i.

Необходимо обратить внимание на то, что сумма всех значе- ний вероятностей должна равняться 1,

Рассмотрим еще один пример. Имеются два объекта инвести­рования А и Б с одинаковой суммой требуемых капитальных вло­жений. Величина планируемого дохода (тыс. руб.) в каждом слу­чае неопределенна и приведена в виде распределения вероятнос­тей (табл. 34.7).

Таблица 34.7

Проект А	Проект Б
ДОХОД	вероятность	доход	вероятность 0,1
	0,1
	0,2		0,15
	0,4		0,3
	0,2		0,35
	0,1		0,1

Значения математического ожидания дохода для рассматрива­емых проектов будут соответственно равны:

E(r_a) = 30 * 0,1 + 35 • 0,2 + 40 * 0,4 +

+ 45 * 0,2 + 50 • 0,1 = 40 тыс. руб.

E(r_б) = 20 • 0,1 + 30 * 0,15 + 40 * 0,3 +

+ 50 • 0,35 + 60 * 0,1 = 44 тыс. руб.

Таким образом, по критерию дохода проект Б следует признать более предпочтительным. Оценим теперь вариацию дохода дан­ных проектов, рассчитав дисперсию (среднеквадратическое откло­нение) — средневзвешенное квадратов отклонений случайной ве­личины от ее математического ожидания (т.е. отклонений дей­ствительных результатов от ожидаемых). Иначе говоря, чем больше исход отличается от ожидаемого, тем больше разброс зна­чений вокруг среднего, тем выше рискованность произвольной переменной.

Показатель дисперсии произвольной переменной г относитель­но его среднеарифметического значения рассчитывается как его вариация следующим образом:

а² = [г₁ - Е(r)]²р₁ + [r₂ - Е(r)]²р₂ +...+ [r_п - Е(г)]²р_п или в сокращенном виде

для проекта А:

Обратите внимание, что единица произвольной переменной выражается в тыс. руб., а единица вариации — в тыс. руб. в квад­рате, поэтому значение вариации трудно толковать. По этой при­чине в качестве альтернативного показателя риска часто исполь­зуется среднеквадратическое отклонение, которое представляет собой значение квадратного корня ее вариации и обозначается о

Среднеквадратическое отклонение показывает дисперсию про­извольной переменной относительно своего среднеарифметичес­кого значения. Так, для рассматриваемого примера для проекта А σ_а = 5,5, для проекта Б — σ_б = 11,4. То есть при вложении средств в проект А ожидаемый доход составляет 40 тыс. руб., а среднеквад- ратическое отклонение 5,5 тыс. руб. указывает на то, что ожидае­мый доход в основном находится в диапазоне между 34,5 тыс. руб. (40 - 5,5) и 45,5 тыс. руб. (40 + 5,5). Для проекта Б соответствен­но разброс значений дохода в пределах от 32,6 тыс. руб. до 55,4 тыс. руб. Таким образом, проект Б является более рискован­ным, чем проект А.

В результате вычислений мы получили, что проект Б, являясь более предпочтительным по критерию ожидаемого дохода, одно­временно более рискованный, поскольку имеет большую вариа­цию дохода по сравнению с проектом А.

Использование этого метода предполагает, что вероятности для всех вариантов денежных поступлений известны либо могут быть точно определены. В действительности в некоторых случаях рас­пределение вероятностей может быть задано с высокой степенью достоверности на основе анализа прошлого опыта при наличии больших объемов фактических данных. Однако чаще всего такие данные недоступны, поэтому распределения задаются исходя из предположений экспертов (экспертной оценки) и несут в себе боль­шую долю субъективизма.

Кроме того, метод сценариев наиболее эффективно применим в том случае, если количество возможных значений выбранного критерия ограничено. В случае, если количество возможных ва­риантов развития событий не может быть ограничено, для коли­чественной оценки риска применяют метод имитационного мо­делирования.

Имитационное моделирование (метод Монте-Карло)^[11]. Посколь­ку при имитационном моделировании происходит имитация боль­шого количества сценариев, то его можно назвать развитием сце­нарного подхода. Анализ значений результирующих показателей при сформулированных сценариях позволяет оценить возможный интервал их изменения при различных условиях реализации про­екта.

В общем случае метод Монте-Карло называют численным ме­тодом решения математических задач при помощи моделирования случайных величин. Данный метод является одним из наиболее сложных в количественном анализе рисков и требует создания специального программного обеспечения.

Схему использования метода Монте-Карло в количественном анализе рисков можно представить в виде трех этапов.

На первом этапе строится математическая модель результиру­ющего показателя как функция от переменных и параметров. Пе­ременными считаются случайные составляющие проекта, парамет­рами — те составляющие проекта, значения которых предполага­ются детерминированными. Решение о включении переменной в модель должно приниматься на основании анализа рейтинга эла­стичностей, при котором отбираются наиболее подверженные риску переменные, т.е. те, колебания которых вызывают наиболь­шие отклонения критериальных показателей. Для каждой риск- переменной по имеющимся статистическим данным и экспертной информации подбирается закон распределения, учитываются ус­ловия вероятностной зависимости переменных.

На втором этапе математическая модель пересчитывается при каждом новом имитационном эксперименте, в течение которого значения основных неопределенных переменных выбираются слу­чайным образом на основе генерирования случайных чисел. Чис­ло имитационных экспериментов может быть выбрано с помощью методов математической статистики.

На третьем этапе результаты всех имитационных эксперимен­тов объединяются в выборку и анализируются с помощью стати­стических методов с целью получения распределения вероятнос­тей результирующего показателя и расчета основных измерителей риска проекта. При этом результирующими показателями могут являться:

• распределение вероятностей результирующей проектной пе­ременной;

• оценки среднего значения, среднего квадратичного отклоне­ния, коэффициента вариации результирующего показателя;

• любые другие специальным образом сконструированные из­мерители риска (коэффициент ожидаемых потерь, вероятность реализации неэффективного проекта).

Использование вероятностных характеристик возможно для принятия инвестиционных решений, ранжирования проектов, обоснования применения тех или иных методов по управлению рисками. Данный метод особенно удобен для практического при­менения тем, что удачно сочетается с другими экономико-стати- стическими методами, а также с теорией игр и другими метода­ми исследования операций.

Еще одним из методов количественной оценки рисков явля­ется так называемый метод дерева решений. Этот метод использу­ется в тех случаях, когда прогнозируемая ситуация может быть структурирована таким образом, что выделяются ключевые мо­менты, в которые либо нужно принимать решение с определен­ной вероятностью, либо также с определенной вероятностью на­ступает некоторое событие. Метод особенно полезен в ситуаци­ях, когда решения, принимаемые в каждый момент времени, сильно зависят от решений, принятых ранее, и в свою очередь определяют сценарии дальнейшего развития событий. Рассмотрим логику применения данного метода на конкретном примере.

Управляющему нужно принять решение о целесообразности приобретения станка либо станка М₂. Станок М₂ более эко­номичен, что обеспечивает больший доход на единицу продукции, вместе с тем он более дорогой и требует относительно больших накладных расходов (табл. 34.8).

Таблица 34.8

Станок	Постоянные расходы, руб.	Операционный доход на единицу продукции, руб.
M1	15 000
М2	21 ООО

Процесс принятия решения может быть выполнен в несколь­ко этапов.

Первый этап. В качестве цели выбирается максимизация ма­тематического ожидания прибыли.

Второй этап. Определение набора возможных действий для рассмотрения и анализа.

Управляющий может выбрать один из двух вариантов:

а₁ — покупка станка М₁; а₂ — покупка станка М₂.

Третий этап. Оценка возможных исходов и вероятностей, ко­торые носят случайный характер и являются, соответственно, слу­чайными величинами. Управляющий (эксперт) оценивает возмож­ные варианты годового спроса на продукцию и соответствующие им вероятности следующим образом:

х_{ = 1200 единиц с вероятность 0,4 Р(л\) = 0,4;

Xj — 2000 единиц с вероятностью 0,6 Р(х₂) = 0,6.

Четвертый этап. Оценка математического ожидания возмож­ного дохода, которая выполняется с помощью дерева решений (рис. 34.2).

Из приведенных на рис. 34.2 данных можно найти математи­ческое ожидание возможного исхода по каждому проекту:

Таким образом, вариант с приобретением станка М₂ является экономически более целесообразным.

Одним из применяемых также достаточно часто методов явля­ется метод достоверных эквивалентов. Он предполагает корректи­ровку денежных потоков в зависимости от достоверности оценки их ожидаемой величины. Существует несколько разновидностей данного метода. Наиболее распространенный вариант — эксперт­ная корректировка денежных потоков на понижающий коэффи­циент в зависимости от субъективной оценки вероятностей.

Недостатками этого метода следует признать:

• сложность расчета коэффициентов достоверности, адекват­ных риску на каждом этапе проекта;

• невозможность провести анализ вероятностных распределе­ний ключевых параметров.

Одним из методов количественного анализа рисков, применя­емых при долгосрочном планировании, является метод корректи-

ровки нормы дисконта. Достоинства этого метода — в простоте рас­четов, которые могут быть выполнены с использованием даже обыкновенного калькулятора, а также в понятности и доступнос­ти. Он достаточно широко применяется в практике.

Он основан на положении САРМ о рисковой премии, формиру­ющейся на фондовом рынке. Рисковая премия (премия за риск) — это дополнительный доход, выплачиваемый (или предусмотренный к выплате) инвестору сверх того уровня, который может быть полу­чен по безрисковым финансовым операциям.

САРМ дает возможность оценить дисконтную ставку^[12] инвес­тиционного проекта, базируясь на его систематическом риске. Таким образом, модель дает ключ к сопоставлению проектов раз­личных классов рискованности.

САРМ (Capital Assets Pricing Model) — модель стоимости капи­тальных (долгосрочных) активов, используется для оценки требу­емого уровня доходности инвестиционного портфеля для инвес­тора. Он основан на положении о рисковой премии, формирую­щейся на фондовом рынке. Формула требуемого уровня доходности на капитал имеет следующий вид:

E(r) = Rf+β * (Rm-Rf),

где Rf — безрисковая норма доходности по финансовым (инвес­тиционным) операциям, по которым отсутствует реальный риск потери капитала или дохода^[13]; Rm — ожидаемая доходность, рав­ная ожидаемой доходности биржевого индекса, характеризующе­го рынок; β — коэффициент систематического риска.

Основной разновидностью метода является расчет дисконта как средневзвешенной стоимости капитала с поправкой на риск. Ме­тоды определения поправки на риск — так называемой рисковой премии, различаются в зависимости от информационной базы анализа и принятой инвестиционной политики предприятия. Наи­

более точной считается оценка рисковой премии в зависимости от степени систематического риска, который количественно оце­нивается параметром (коэффициентом) р, называемым также бета-фактором. Однако, как показывает практика организаций, трудно определить бета-фактор инвестиций. Их приближенно оценивают по бета-фактору акций компаний, деятельность кото­рых проходит в сходных условиях, т.е. по средней р отрасли. Ко­эффициенты р статистически по мировому рынку определяются, например, агентством Barra International, Meryll Lunch. В России оценку для некоторых российских эмитентов осуществляет аген­тство АК&М. Данную информацию можно также получить на сайте Высшей школы финансового менеджмента (http:// www.shfm.ane.ru/Consult/1/l.htm).

Интерпретация этого коэффициента следующая:

• рынок в целом характеризуется коэффициентом р = 1, т.е. в этом случае инвестиция имеет такой же риск, как и рынок в сред­нем, а ставка требуемой доходности равна ожидаемой доходнос­ти по рынку в целом (Rm);

• безрисковое вложение имеет коэффициент р = 0, т.е. инвес­тиция является безрисковой, а ставка требуемой доходности рав­на безрисковой ставке Rf\

• если р < 1, то ценная бумага имеет меньший систематичес­кий риск, чем рынок в целом, если р > 1, то больший.

Таким образом, бета-фактор является показателем чувствитель­ности актива к изменению цены рыночного портфеля. Если, на­пример, бета-фактор равен 1,5, это значит, что при изменении ры­ночного портфеля на +1% цена актива изменится на +1,5 %. Бо­лее чувствительным к рынку активам соответствуют большие значения бета.

Очевидно, что коэффициент систематического риска должен увеличиться в том случае, если предприятие пользуется заемны­ми средствами, поскольку возникает дополнительная зависимость от кредитора. То есть твердые обязательства по выплате процен­тов за взятый кредит снижают предсказуемость прибыли предпри­ятия, так как часть доходов идет на выплату процентов. Это при­водит к увеличению требуемой акционером доходности на соб­ственный капитал как платы за дополнительно взятый риск. Как показал Р.Хамада, увеличение коэффициента р происходит в со­ответствии со следующей формулой:

β = β₀ • [1 + ЗК/СК • (1 - С_нп)],

где ЗК/СК - коэффициент финансового левериджа (соотношение заемного и собственного капитала предприятия); β_о — коэффици­

ент систематического риска предприятия, которое не пользуется заемными средствами (безрычаговое предприятие); (} - коэффи­циент систематического риска предприятия, имеющего смешан­ное финансирование, т.е. использующего и собственный и заем­ный капитал (коэффициент р с долговой нагрузкой); — став­ка налога на прибыль.

Отметим, что выражение (1 — С_нп) есть не что иное, как нало­говый корректор из формулы эффекта финансового рычага (см. параграф 33.5).

В условиях наличия льгот по налогу на прибыль вводят допол­нительно коэффициент /, который представляет собой удельный вес платежей, освобожденных от налога на прибыль, в общем объеме процентных платежей предприятия. В этом случае формула приобретает следующий вид:

β = β₀ * [l + 3K/CK-(l-I*C_нп)].

В табл. 34.9 приведены коэффициенты систематического рис­ка Р₀ по отраслям экономики (очищенные от финансового рыча- Таблица 34.9

Отрасль	Коэффициент Зо
Авиакомпании	0,92
Аэрокосмическая промышленность	0,57
Гостиничный бизнес	0,50
Деревообработка	0,56
Добыча металлов	0,78
Железнодорожный транспорт	0,55
Жилищное строительство	0,53
Машиностроение	0,54
Мебельная промышленность	0,75
Нефтяная и газовая промышленность	0,89
Обувная промышленность	0,85
Операции с недвижимостью	0,49
Производство продуктов питания	0,52
Промышленность стройматериалов	0,67
Реклама	1,16
Телекоммуникации: производство оборудования	1,92
Телекоммуникации: обслуживание населения	0,92
Торговля компьютерами	1,83
Торговля продуктами питания	0,56
Торговля одеждой	0,80
Угольная промышленность	0,79
Упаковка	0,52
Фармацевтическая промышленность и биотехнология	0,82
Химическая промышленность	0,67
Металлургия	0,78
Целлюлозно-бумажная промышленность	0,56
Энергетика	0,40

га) по базе данных проф. А. Дамодарана (Stern School of Business, New York).

В табл. 34.10 приведены данные АК&М¹ по коэффициенту (J ряда российских предприятий по состоянию на 31 июля 2002 г.

Таблица 34.10

Ранг	Наименование	Бета-фактор
	«Сибнефть»	1,6802
	РАО «ЕЭС России»	1,1041
	НК «ЮКОС»	1,0992
	«Газпром»	1,0946
	«Су ргутнефте газ»	1,0654
	«Ростелеком»	0,9613
	«Мосэнерго»	0,9386
	«Нефтяная компания ЛУКОЙЛ»	0,8096
	ГМК «Норильский никель»	0,6956
	«АвтоВАЗ»	0,6498
	«Татнефть»	0,6453
	Сбербанк России	0,6125
	«Норильский никель»	0,5801
	«Иркутскэнерго»	0,4292
	«Славнефть-Мегионнефтегаз»	0,3587
	«Уралсвязьинформ»	0,3364
	«Башкирэнерго»	0,3306
	«КамАЗ»	0,3260
	«Башнефть»	0,2791
	«Сибирьтелеком»	0,2548
	«ЦУМ»	0,2104
	«Аэрофлот»	0,2057
	«Ростовэнерго»	0,2031
	«Тверьэнерго»	0,1934
	«Балтика» (пивоваренная компания)	0,1573
	«ГАЗ»	0,1539
	«ЦентрТелеком»	0,1219
	«Тюменская НК»	0,1057
	«Уфаоргсинтез»	0,0979
	«Пермэнерго»	0,0857
	«Ханты мансийскокртелеком»	0,0836
	«Уралмаш-Ижора»	0,0719
	«Уралтелеком»	0,0487
	«Северо-Западный Телеком»	0,0458
	«Костромаэнерго»	0,0320

¹ Источник: http://www.akm.ru Аналитика. Степень риска.

Ранг	Наименование	Бета-фактор
	«Саратовэнерго»	0,0260
	«Ивтелеком»	0,0214
	«Мурманэлектросвязь»	0,0198
	«Тюменьтелеком»	0,0179
	«Конаковская ГРЭС»	0,0015
	«Тулэнерго»	-0,0190
	«Боткинская ГЭС»	- 0,0244
	«Связьинформ» Челябинской области	- 0,0307
	«Электросвязь» Псковской области	- 0,0382
	«Волгоградэнерго»	- 0,0387
	«Колэнерго»	- 0,0556
	«Ленэнерго»	- 0,0582
	«Электросвязь» Вологодской области	-0,0635
	«Артелеком»	- 0,0696
	«Электросвязь» Тверской области	-0,0721
	«Липецкэлектросвязь»	-0,0822
	«Электросвязь» Иркутской области	- 0,0937
	«Волгоградэлектросвязь»	-0,1015
	«Ижорские заводы»	-0,1402
	«Электросвязь» Ростовской области	-0,2107
	«Хабаровскэнерго»	- 0,2995

Вместе с тем метод имеет существенные недостатки.

Методом корректировки нормы дисконта осуществляется при­ведение будущих потоков платежей к настоящему моменту вре­мени (т.е. обыкновенное дисконтирование по более высокой нор­ме), но не дает никакой информации о степени риска (возмож­ных отклонениях результатов). При этом полученные результаты существенно зависят только от величины надбавки за риск.

При выборе ставки дисконтирования с учетом риска перед финансовыми аналитиками встает также следующая проблема: премия за риск может зависеть как от систематического, так и от общего риска инвестиций. Инвесторы, диверсифицирующие свои портфели, ориентируются только на систематический риск, что делает несущественным собственный риск не только отдельных финансовых активов, но и инвестиций в рамках данного предпри­ятия. В то же время предприятие не может не учитывать несисте­матический риск капиталовложений, поскольку он прямо влияет на стабильность его работы. Таким образом, рисковая премия, соответствующая приросту стоимости капитала (рассчитанная по бета-коэффициенту), оказывается недостаточной. Необходимы применение поправок на собственный риск инвестиций или от-

каз от использования корректировки дисконта в качестве комплексной оценки эффективности и риска инвестиций.

Он также предполагает увеличение риска во времени с по янным коэффициентом, что вряд ли может считаться корректным, так как для многих проектов характерно наличие рисков в начальные периоды с постепенным снижением их к концу реализации. Таким образом, прибыльные проекты, не предполагающие со временем существенного увеличения риска, могут быть оценены верно и отклонены.

Наконец, обратная сторона простоты метода состоит в существенных ограничениях возможностей моделирования различных вариантов, которое сводится к анализу зависимости критериев NPV (IRR, PI и др.) от изменений только одного показателя - нормы дисконта.

Развитием данного метода является метод APT¹ — модель арбитражного ценообразования. Помимо учета влияния на изменение стоимости актива одного рыночного фактора учитывается вли­яние и других, в том числе нерыночных, факторов риска — курс национальной валюты, стоимость энергоносителей, уровень инфляции и безработицы и т.д. То есть актив характеризуется на­бором показателей β, каждый из которых представляет собой чув­ствительность актива к определенному фактору и характеризует систематический риск, связанный с влиянием именно этого фактора. Если в качестве факторов риска рассматривать только один — стоимость рыночного портфеля, то уравнение совпадает с уравнением САРМ.

Несмотря на отмеченные недостатки, метод корректировки нормы дисконта широко применяется на практике.

Многообразие ситуаций неопределенности делает возможным применение любого из описанных методов в качестве инструмента анализа рисков, однако, по мнению автора, наиболее перспектив­ными для практического использования являются методы анали­за чувствительности сценарного анализа, которые могут быть дополнены или интегрированы в другие методики.

Выше определены основные виды рисков и приведены методы, используемые для их анализа. Теперь рассмотрим практическую последовательность действий при принятии того или иного управленческого решения с учетом рисков. Необходимо:

Дата добавления: 2015-04-29