Информационные технологии управления

Из программ статистического анализа на российском рынке наибольшее распространение получили зарубежные разработки SPSS (SPSS Inc., США) и Statistica (StatSoft, США), а также отечественные пакеты:

«Эвриста» (МГУ), «ОЛИМП: СтатЭксперт» (Росэкспертиза), «Оракул» «Неософт»), «Статистик-Консультант» «Тандем»), «Мезозавр» («Стат-Диалог») И др. Как правило, в финансовом менеджменте они применяются для прогнозирования временных рядов, анализа рисков и решения задач группировки и кластеризации данных.

По функциональным возможностям из перечисленных пакетов наиболее мощным является семейство программ SPSS (SPSS 7.5/8.0, SPSS ПIA, SPSS Trend и др.). Среди отечественных программ особый интерес представляет «Эвриста», В которой помимо 100 различных алгоритмов статистического анализа реализована возможность прогнозирования временных рядов 110 сезонным и несезонным моделям авторегрессии с условной неоднородностью (ARCH).

Необходимо отметить и продукт «ОЛИМП: СтатЭксперт», который выполнен в качестве надстройки к MS Excel. В программе реализованы практически все направления анализа данных при помощи методов математической статистики, а возможность работы в среде Ехсеl делает программу особенно удобной для широкого круга аналитиков.

Выбор программ математического анализа на российском рынке не велик и ограничивается разработками зарубежных фирм - пакетами MathCAD PLUS. (Math Soft, США), Mathematica (Wolfram Research Inc., США), MathLab (MathWorks Inc., США). В финансовом менеджменте подобные пакеты используются для анализа рисков, задач оптимизации, а также исследования и описания нелинейных зависимостей между показателями, например, при определении точки безубыточности производства того или иного продукта.

Пиво

На стадии формирования и оптимизации параметров производственных планов или характеристик инвестиционного портфеля часто возникает необходимость в использовании методов математического программирования. Среди специализированных программ, предназначенных для решения задач математического программирования, наиболее популярными являются продукты MPSX (IBM, США), APEX-IV (Control Data Corporation, Великобритания) Scicon (Scicon Ltd, Великобритания) и др. Следует отметить, что подобные продукты имеют значительную стоимость, требуют от пользователя специальной подготовки в области математических дисциплин и предъявляют повышенные требования к техническим параметрам и устройствам компьютера.

Завершая рассмотрение программных средств для финансового менеджмента, отметим, что все большее применение здесь находят системы искусственного интеллекта (ИИ).

Выделяют следующие ключевые отличия интеллектуальных систем: возможность обучения, гибкая адаптация, возможность работы с неполной или нечеткой информацией, умение объяснять полученныe решения, способность извлекать новые знания из первичных данных и др.

В настоящее время существуют различные технологии ИИ. Анализ показывает, что в финансовом менеджменте используются нейронные сети (прогнозирование, распознавание ситуаций, извлечение знаний), генетические алгоритмы (оптимизация инвестиционных портфелей), нечеткая логика (анализ рисков), экспертные системы (планирование, анализ, аудит).

Нейронные сети (НС) получили широкое применение в тех областях финансового и инвестиционного менеджмента, где требуется полуqение оценок и прогнозов, связанных с обработкой больших объемов информации, и принятие решений в минимально короткие интервалы времени (спекулятивные операции на фондовых рынках, краткосрочное прогнозирование курсов, технический анализ и т.д.).

К достоинствам НС относятся: возможность моделирования и прогнозирования нелинейных процессов, способность работать с зашумленными данными, быстрое обучение и гибкость адаптации к изменениям внешней среды.

НС удобно рассматривать как черный ящик с некоторым количеством входов и выходов. Значения входных переменных обрабатываются внутри сети, и результат отображается на выходах. Ключевое отличие подобной системы состоит в том, что в процессе обработки входной информации происходит изменение внутренней структуры сети, т. е. алгоритма преобразования. Этот процесс называется обучением и кардинально отличает НС от жестких программных систем.

В процессе обучения сети предъявляются примеры входных данных, а полученные выходные данные сравниваются с эталонными. Если ответы не совпадают, структура сети меняется так, чтобы уменьшить ошибку. Процесс обучения заканчивается при достижении некоторого приемлемого результата (уровня ошибки). Подобный механизм получил название алгоритма обратного распространения (backpropagation algorithm). Анализ показывает, что из всего спектра нейросетевых пакетов, предназначенных для решения задач в Финансово-кредитной сфере и представленных на западном и отечественном рынках, наиболее популярными являются программы Brain Maker Рro (California Scientific Software, США) и семейство AI Trilogy фирмы Ward Systems (США).

Помимо выполнения своей основной функции - финансового прогнозирования пакет Brain Maker Рro позволяет про водить разностороннюю аналитическую обработку информации: находить зависимости между входными и выходными параметрами, оценивать полноту и непротиворечивость данных, анализировать цикличность и Т.д. Пакет имеет интерфейс со многими популярными Программами, такими, как Excel, LOTUS, DBASE, а также уже упомянутый системой технического анализа MetaStock. Кроме того, комплект поставки Brain Maker Pro содержит исходный текст основного нейросетевого алгоритма на языке Си, позволяющего создавать на его базе собственные программные комплексы.

Более дорогостоящим и мощным нейросетевым средством является семейство программных продуктов АI Trilogy. Пакет состоит из трех самостоятельных компонентов: инструментальной системы для разработки нейронных сетей NeuroShell, библиотеки для разработки Приложений NeuroWindows, программы оптимизации с использованием генетических алгоритмов GeneHunter. По сути он представляет собой «конструктор, для разработчика. Помимо 15 нейросетевых алгоритмов в системе реализованы возможности обработки текстовых данных, задания правил в явном ВИДе, работы с техническими индикаторами, решения ОПтимизационных задач с применением генетических алгоритмов и др. Простое и удобное использование библиотечных функций Visua1 Basic, Visual С++, Delphi обеспечивает быструю и эффективную реализацию оригинальных нейросетевых приложений в различных областях.

Среди других программных продуктов, реализующих НС, отметим библиотеку OWL (НуреrLogic Со., США), содержащую 20 исходных текстов основных алГОритмов нейронных сетей на языке Си с общим графическим интерфейсом.

Перспективным подходом к применению НС в сфере бизнеса является их реализация в виде надстроек для табличных процессоров Ехсеl и LOTUS. На сегодняшний день имеется несколько таких реализаций, например Braincel (Palisade Со? США), Neuralyst (Cheshire Engineering, США), семейство продуктов Ехсеl Neural Package (Neur?k, Россия) и др.

Семейство продуктов Ехсеl Neural Package состоит из двух независимых компонентов: Winnet 3.0 и Kohonen Мар 1.0.

Компонент Winnet 3.0 программно реализует распространенную архитектуру нейронной сети - многослойный персептрон. Он предназначен для поиска и моделирования скрытых зависимостей в больших массивах численной информации, для которых в явном виде аналИтические зависимости не известны. Программа обладает большими возможностями Контроля за процессом обучения.

Компонент Kohonen Мар 1.0 представляет собой программный инструмент для построения и анализа самоорганизующихся карт Кохонена. Его основное применение - решение задач визуализации многомерной информации. Пользователь может представить весь массив данных в виде двумерной цветной карты и визуализировать на ней интересующие его характеристики.

Следует отметить и ряд недостатков наиболее существенные из них - неспособность объяснять свои деиствия.

Далеко не всегда удается правильно выбрать и архитектуру НС, необходимую для эффективного решения поставленных задач. К проблеме реализации НС дЛЯ анализа российских рынков следует отнести отсутствие больших объемов исторических данных, необходимых для обучения и настройки. Наконец, нельзя обойти вниманием и проблему недобросовестной рекламы НС в России, по сути представляющую данную технологию как панацею от всех бед, тогда как нейросетевая парадигма в целом является разновидностью статистических методов классификации и прогноза, ориентированных на решение строго ограниченного круга задач.

Генетические алгоритмы представляют собой сравнительно новое направление ИИ, использующее механизм биологической эволюции для поиска оптимальных решений. В отличие от традиционных методов оптимизации, генетические алгоритмы позволяют найти не точное, а приемлемое решение для сложных, в том числе и нелинейных задач большой размерности.

В общем случае генетический алгоритм представляет собой разновидность метода градиентного спуска, при котором исследование абстрактной «поверхности, возможных значений производится одновременно из множества исходных точек. На каждом шаге оптимизации происходит порождение нового множества точек (новой популяции), соответствующих различным комбинациям значений переменных. При этом задается требуемый уровень скрещивания/наследования (параметр crossover), например - 0,8, Т.е. для каждой точки вычисляется отклонение текущего значения ошибки от заданного (так называемая функция соответствия) и следующий шаг оптимизации будет произведен из тех 80% предыдущих точек, которые показали «лучший результат, в смысле минимизации ошибки.

Таким же образом задается фактор мутации (параметр mutation), например, 0,20. То есть на каждом шаге оптимизации (новая популяция) в 20% точек изменения значений соответствующих переменных будут проводиться по случайному закону. Поскольку каждое следующее поколение наследует лучшие признаки предьщущего (в данном случае - направления движения в сторону минимально и ошибки с учетом периодических мутаций), в конечном итоге получают некоторое подмножество точек, для которых отклонение от целевой функции минимально.

Генетический алгоритм оптимизации является множесвенно верятностным, Т.е. позволяет находить множество значении, приблизительно соответствующих искомому условию. Это обстоятельство существенно для решения задач с неявно выраженными максимума или минимумами.

В настоящее время существует несколько программных продуктов, достаточно эффективно реализующих генетические алгоритм, Наиболее поп~лярными из них в отношении применения в финале ово-кредитнои сфере являются продукты Evolver (Palisade СО? США), GeneHunter (Ward Systems, США), Omega (Кi? and CAV США). Интересным является тот факт, что первые ДВа реализованы в виде надстроек к MS Excel и написаны на языке Visual Basic for app1ications (УВА). Оба продукта в целом схожи по своим функциональным возможностям.

Пакет Evolver реализует шесть алгоритмов генетическоЙ оптимизации и предоставляет следующие Возможности: введение ограничивающих условиЙ в процессе оптимизации; явное задание параметров скрещивания и мутации; использование различных типов переменных и критериев оптимизации целевой функции (минимум, максимум, значение); визуализации вычислений и др. В комплект поставки входит библиотека Developer Kit, предназначенная для разработки собственных приложениЙ.

Продукт Omega интересен тем, что ориентирован непосредственно на использование в финансовых приложениях. Комплект поставки содержит множество готовых примеров применения генетических алгоритмов в финансовом и инвестиционном анализе, маркетинге, планировании и т.Д. Среди инструментальных систем отметим библиотеки Си-текстов EnGENEer (Logica, США) и Pegasus (German NatOna Research Center, Германия), а также генетическиЙ конструктор Sp11cer (NASA, США), состоящий из специальноЙ оболочки библиотек и исходных модулеЙ. Одним из перспективных направлениЙ практического применения генетических алгоритмов в финансовом менеджменте является оптимизация портфеля ценных бумаг, в особенности содержащего производные инструменты (опцианы, фьючерсы и т.д.).

Однако использование генетических алгоритмов в финансовокредитной сфере - новое и малоизученное направление, требующее дальнейших исследованиЙ. Успешность получения решений здесь сильно зависит от первоначально выбранной схемы (популяции), при этом не существует каких - либо научно обоснованных рекомендаций. Не менее актуальной является проблема выбора оптимального критерия мутаций. Использование данной технологии требует разумной осторожности и дальнейших исследованиЙ.

Нечеткая логика (fuzzy logic) возникла в середине 1960-х годов как средство формализации качественных знаниЙ и понятиЙ, выраженных на естественном языке.

Основным понятием нечеткой логики является лингвистическая (нечеткая) переменная, значениями которой могут быть не только числа, но и слова или предложения естественного либо искусственного языка. Множество допустимых значений нечеткой переменной называется ее терм-множеством. Такая переменная задается набором из 5 компонент <А, Т (А), U, G, М>, где А - имя переменной; Т (А) терм-множество А; и - область определения А; G - операции порождения производных значений а переменной А; М - набор правил, с помощью которых происходит отображение значений а переменной А в нечеткие множества Ха и обратно.

Для перехода от качественных описаний к формализованным необходимо построить отображения, входящие в М. Такие отображения получили название функций принадлежности. В нечеткой логике функции принадлежности представляют собой не жесткое отображение вида «принадлежит/не принадлежит», а непрерывную кривую, определенную на отрезке от О до 1. Отображение любой ситуации на единичный интервал происходит таким образом, что точка интервала характеризует степень проявления некоторого свойства (О - отсутствие свойства, 1 максимум проявления своиства). При этом функции принадлежности могут отражать мнение как одного, так и группы экспертов.

Системы ИИ, базирующиеся на нечеткой логике, обладают лучшей адаптируемостью к условиям реального мира и более доступны специалистам, которые при решении задач оперируют качественными понятиями. Другое достоинство подобных систем - возможность работы с нечеткими критериями и неполными данными, часто встречающимися при решении задач в финансовоЙ сфере. Нечеткая логика применяется при оценке рисков, прогнозировании рынков на краткосрочном интервале, в биржевых спекуляциях и т.д.

Наиболее известным программным продуктом, реализующим методы нечеткой логики в виде экспертноЙ системы снечеткими правилами, является пакет CubiCalc (Hyper Logic, США). Исследования показывают, что он широко применяется для ситуационного моделирования политике, экономике и финансах. Программа CubiCalc может работать как в пакетном, так и в интерактивном режиме.

Встроенные средства проектирования позволяют редактировать нечеткие правила в исходном тексте (подобие языка Си) и в графическом представлении. Пакет обладает развитым интерфейсом и может использоваться в составе сложных программных комплексов, обмениваясь данными по протоколу Windows DDE. Существует версия CubiCalc 2.0 RTS, позволяющая оформлять решенную задачу в виде сгенерированного исходного кода на языке Си.

Однако наибольшей популярностью в финансово-кредитноЙ сфере пользуется другая разработка - продукт FuziCalc (Fuzi Ware, США).

Эгот пакет представляет собой табличный процессар, который позволяет производить вычисления с неточно известными числами. Среди других разработок в этой области необходимо отметить инструментальные системы для разработки продуктов на базе нечеткой логики:

FuzzyTECH (Inform Software, США) и SieFuzzy (Siemens, Германия).

Экспертные системы (ЭС) представляют собоЙ компьютерные программы, использующие формализованные знания специалистов для решения задач в некоторой предметной области. Среди рассмотренных технологий ИИ данная является наиболее исследованной как в теоретическом, так и практическом аспекте.

В общем случае ЭС включает следующие основные компоненты: базу знаний (БЗ), механизм логического вывода и пользовательский интерфейс. БЗ содержит информацию о предметной области в виде фактов, наблюдений, различных данных и набор правил, использующих эту информацию в процессе принятия решений. В ЭС обычно применяются следующие модели формализации знаний либо их комбинации: логические, семантические сети, продукционные и фреймовые. Наибольшее распространение получили ЭС, базирующиеся на продукционных моделях, реализованных в виде правил «ЕСЛИ (условие)-ТО (действие»).

Механизм логического вывода является по сути, интерпретатором правил, который использует имеющиеся факты для решения проблем.

Наиболее известными методами логического вывода являются прямое сцепление (прямой вывод) и обратное сцепление (обратный вывод). В развитых ЭС, как правило, используются оба метода.

Основными преимуществами ЭС принято считать возможность пополнения БЗ новыми правилами и фактами, а также способность объяснять полученные решения. Первые успехи применения ЭС (в геологии, медицине, технической диагностике) вызвали значительный интерес к ним как к системам поддержки принятия решений в сфере бизнеса. Исследования показывают, что в настоящее время ЭС широко применяются при решении задач в финансово-кредитной сфере: планировании, анализе рисков, страховании, консультировании и Т.д.

Некоторые примеры ЭС, используемых при решении различных задач финансового менеджмента, представлены в табл. 9.2.

Одним из путей преодоления недостатков, присущих каждой из рассмотренных технологий, является создание гибридных систем.

Разработки В' этой области ведутся, и уже есть примеры практического использования систем такого рода. Однако серьезной проблемой при их разработке является отсутствие соответствующих инструментальных программных средств.

Основной тенденцией развития программных средств ДI1Я поддержки финансовых решений как в России, так и за рубежом является стремление ведущих разработчиков предоставить потребителю комплекс совместимых и взаимодействующих между собою продуктов различных классов для наиболее полного удовлетворения его запросов. Некоторые комплексы популярных продуктов ведущих отечественных разработчиков приводятся В табл. 9.3.

При решении проблемы автоматизации труда финансовых менеджеров и аналитиКОВ целесообразно использовать линию продуктов одного производителя, в наибольшей степени удовлетворяющих требованиям и специфике конкретного предприятия.

45.Информационная технология решения задач финансового менеджмента.

Технология решения задач финансового менеджмента в условиях автоматизации ИТ в общем случае включает выполнение следующих процедур: сбор и подготовку информации; обработку, накопление и хранение данных; моделирование данных; формирование результатной информации; передачу информации лицу, принимающему решения; принятие решения.

В зависимости от вида и особенностей конкретной задачи, а также технологических решений по организации автоматизированной обработки информации на данном предприятии некоторые из перечисленных процедур могут отсутствовать. Как правило, это характерно для задач, решение которых требует использования внутренней информации об объекте, в условиях применения комплексных систем автоматизации управления Финансово-хозяйственной деятельностью предприятий, предполагающих использоваН,ие единой информационной базы. Примерами таких задач могут служить: анализ финансового состояния предприятия, осуществляемый его ме-. неджментом; текущее планирование; управление оборотными средствами; оперативный контроль за осушествлением расчетов и платежей и др.

Решение таких задач в условиях применения ИТ максимально автоматизировано и осуществляется в режиме АРМ, реализованного на пользовательском компьютере - клиенте, который подключен к вычислительной сети организации, функционирует на базе технологии «клиент-сервер» или «файл-сервер» И использует ее информационные ресурсы.

Программное обеспечение подобных задач выполнено в виде отдельных модулей или подсистем, которые являются составной частью программного обеспечения комплексной системы автоматизации управления Финансово-хозяйственной деятельностью предприятия.

Сушествует целый ряд задач финансового менеджмента, требующих использования как внутренней, так и внешней информации. Вне зависимости от применяемых на предприятии информационных технологий решение таких задач, как правило, осуществляется в автономном режиме, предполагает использование соответствующих пакетов прикладных программ и включает все указанные процедуры обработки информации.

Типичным представителем этого класса является задача анализа и подготовки технико-экономического обоснования (ТЭО) инвестиционных проектов (ИП). Наиболее популярными программами, используемыми для ее решения, в настоящее время являются отечественные продукты Project Expert (PRO- INVEST Consиlting) и «АльтИнвест» «<Альт»).

Программа Project Expert конструктивно реализована в виде наборов независимых модулей, доступ к которым осуществляется из диалоговой формы-меню путем выбора закладки (темы) соответствующего раздела, реализующего тот или иной этап проектирования (рис. 9.4).

Ядром программы «Альт-Инвест» является лист MAIN, содержащий взаимосвязанные таблицы, с помощью которых осуществляются описание, расчеты и формирование результатной информации по проекту. По функциональному назначению таблицы листа МAIN могут быть объединены в следующие блоки: общие и внешние данные; описания выручки по проекту; описания себестоимости продукции; описания инвестиционных затрат; описания источников финансирования; результирующие формы.

Для удобства пользователя в программе «Альт-Инвест»для отображения информации используются 4 основных цвета:

· зеленый - ячейки для ввода исходных данных по проекту;

· черный - значения, рассчитываемые автоматически;

· синий - регулируемые условия расчетов;

· красный - отрицательные значения показателеЙ.

Рассмотрим технологию решения задачи с использованием названных программных средств.

В общем случае управление ИП включает следующие стадии:

· подготовка инвестиционного предложения;

· разработка тэо;

· анализ эффективности ИП для его участников;

· реализация ИП и контроль за ходом его исполнения.

Задача оценки ИП включает первые три перечисленные стадии, определяющие объемы и степень детализации требуемой исходной информации.

Несмотря на конструктивные различия ППП Project Expert и «Альт- Инвест» решение рассматриваемой задачи на ПК с их применением может быть представлено в виде следующих этапов, или шагов:

1) информационное описание проекта.

2) определение потребности в финансировании и выбор его стратегии.

3) формирование и печать отчетов.

4) оценка эффективности проекта для его участников.

5) анализ и моделирование показателей эффективности с учетом рисков инеопределенности.

Информационное описание проекта - наиболее трудоемкий этап, требующий тщательной подготовительной работы по сбору и обработке исходных данных. По различным оценкам, на долю этого этапа приходится от 50 до 90% всех трудозатрат при решении задач оценки ИП.

В программе Project Expert данный этап реализуют модули следующих разделов: Проект, Компания, Окружение, Инвестиционный план, Операционный план.

В программе «Альт- Инвест» для этих целей предусмотрены соответствующие блоки таблиц.

Информацию, используемую в процесс е оценки ИП, можно условно разделить на внешнюю, общую и внутреннюю.

Внешняя информация должна отражать основные сведения об экономическом окружении проекта: прогнозные оценки инфляции, валютных курсов, особенности системы налогообложения и Т.П.

Перечень, ставки и условия осуществления налоговых платежей задаются в специальной таблице «Налоги и платежи во внебюджетные фонды» блока описания источников финансирования по проекту.

В программе Project Expert ввод подобной информации осуществляется посредством выбора соответствующих модулей раздела Окружение (рис. 9.8).

Общая информация о проекте, как правило, включает: дату начала и длительность проекта; перечень продуктов и (или) услуг; валюты, используемые для расчетов и платежных операций на внутреннем и внешнем рынках; применяемые единицы измерения и др.

Описание этой информации в программе Project Expert осуществляется в разделе Проект (см. рис. 9.4). В «Альт-Инвест» необходимые данные вводятся в таблицы Общие данные (см. рис. 9.5) и Объем реализации (см. рис. 9.6). Как следует из рис. 9.4, в программе Project Expert реализована возможность защиты информации проекта от несанкционированного доступа (модуль Защита), осуществляемая путем ввода специального пароля. В силу конструктивных особенностей защита проекта в программе «Альт- Инвест» возможна лишь на уровне среды EXCEL, в тем скрытия формул расчетов, страницы рабочей книги. водятся в таблицу Балансов «Альт-Инвест» необходимые данные в (графа «период») существления проекта вый отчет на дату начала о ключает объемы и реализавнутренняя информация о разбивке по периодам; цены производства продукции и учитывать различные условия поставок, оплаты продукции покупателями (по факту, аванс, в кредит, нетрадиционные схемы), изменения цен на товары и услуги.

Следующим шагом решения рассматриваемой задачи является определение потребности в финансировании и разработка его стратегии. Для определения потребности в финансировании следует произвести предварительный расчет проекта, выполняемый программами автоматически. В результате предварительного расчета определяется объем денежных средств, необходимый и достаточный для покрытия дефицита капитала в каждый расчетный период времени.

После определения потребности в финансировании можно, приступать к разработке его стратегии. В обеих программах пользователь имеет возможность выбрать и смоделировать слеДующие стратегии финансирования:

· выпуск акционерного капитала;

-примечение заемного капитала (например, банковскихитов);

· заключение лизинговых сделок.

В процессе разработки стратегии финансирования проекта пользователь имеет возможность моделировать объемы и периодичность выплачиваемых процентов или дивидендов, а также планыреинвестирования свободных денежных средств, например: помещение на депозит в коммерческом банке, приобретение ценных бумаг и др. Обе программы предостамяют развитые средства для моделирования соответствующих расчетов, Оптимизации стоимости заемных средств, разработки различных схем выплат, автоматического определения всех необходимых параметров сделок по примечению капитала.

В программе Project Expert расчет потребности в финансировании проекта и разработка его стратегии осуществляются с помощью Модулей раздела Финансирование (рис. 9.13).

Критерии первой группы характеризуют финансовую состоятельность проекта - его ликвидность, платежеспособность, рентабельность и т.Д.

Вторая группа критериев отражает потенциальную способность проекта сохранить стоимость вложенных средств и обеспечить необходимый или требуемый уровень их прироста. В условиях применения ЛИТ расчеты критериев оценки финансовой и экономической эффективности ИП полностью автоматизированы. Оценка финансовой состоятельности проекта базируется на формах прогнозной финансовой отчетности, основными элементами которой, как правило, являются:

· отчет о прибылях и убытках;

· бухгалтерский баланс;

· отчет о движении денежных средств;

· отчет о распределении прибьти.

По данным прогнозной отчетности рассчитываются различные показатели финансовой состоятельности проекта для каждого периода его жизненного цикла.

Обе рассматриваемые про граммы позволяют автоматически получить все необходимые формы прогнозной отчетности.

В программе Project Expert предусмотрен специальный генератор отчета, который обеспечивает компоновку и редактирование отчета по желанию пользователя. В отчет могут быть встроены не только стандартные графики и таблицы, но также таблицы и графики, построенные пользователем при помощи специального редактора.

Процедура получения отчетности реализуется с помощью модулей раздела Результаты (рис. 9.15). Расчет финансовых показателей осуществляется в разделе Анализ проекта (см. рис. 9.17).

в процессе просмотра итоговых таблиц можно использовать вспомогательные функции, которые позволяют изменять форматы таблиц, получать графическое представление данных, распечатывать отчет или импортировать данные в другие приложения.

В про грамме «Альт- Инвест» показатели финансовой состоятельности проекта содержатся в следующих таблицах блока Результирующие формы: Отчет о прибыли, Приложение к отчету о прибыли, Отчет о движении денежных средств, Балансовый отчет, Показатели финансовой состоятельности проекта. Фрагмент таблиц этого блока с результатами анализа финансовой эффективности приведен на рис. 9.16. При выводе результатов на печать таблицы могут быть оформлены в виде сводного отчета на специальном листе REPORT.

EI Оценка экономической эффективности проекта заключается в определении его реальной нормы доходности для различных участников:

предприятий, инвесторов, кредиторов, органов государственного и муниципального упрамения и Т.д. При этом используются две группы критериев: статические (простая норма прибьmи, средняя норма прибыли, срок окупаемости) и дисконтные, позволяющие учитывать временную стоимость денежных средств (чистая приведенная стоимость NPV, внутренняя норма рентабельности - IRR, модифицированная внутренняя норма рентабельности - MIRR, дисконтированный срок окупаемости - РВ и др.).

В программе Project Expert расчет, анализ и моделирование показателей экономической эффективности осущестмяют с помощью модулей раздела Анализ проекта (рис. 9.17).

В программе «Альт- Инвест» результаты расчетов экономической эффективности инвестиций отражены в таблицах Эффективность полных инвестиционных затрат, Эффективность инвестирования собственных средств, Основные показатели проекта, фрагмент которых приведен на рис. 9.19.

Помимо этого в программе предусмотрена возможность анализа эффективности проекта по отношению к федеральному и местному бюджетам (таблица Бюджетная эффективность).

В условиях рынка при колебаниях цен на сырье и материалы, спроса на продукцию, процентных ставок, курсов валют и акций движение денежных средств в ходе реализации проекта может существенно отклоняться от запланированного.

Поэтому важнейшим этапом оценки инвестиционного проекта являются анализ и моделирование полученных результатов с учетом рисков и неопределенности внешней среды.

Реализация инвестиционных проектов влечет за собой возникновение трех видов риска.

1. Собственный риск проекта - риск того, что реальные поступления денежных средств (следовательно, и ожидаемая доходность) в ходе его реализации будут сильно отличаться от запланированных;

2. Корпоративный, или внутрифирменный, риск, обусловленный влиянием, которое может оказать ход реализации проекта на финансовое состояние данной хозяйственной единицы.

3. Рыночный риск, характеризующий влияние, которое может оказать реализация проекта на изменение рыночной стоимости фирмы.

Существующие в настоящее время программы для оценки ИП позволяют анализировать в основном только собственные риски.

Существует множество подходов и методов проведения подобного анализа. К наиболее распространенным из них следует отнести: метод корректировки нормы дисконта; метод достоверных эквивалентов (коэффициентов достоверности); анализ чувствительности критериев эффективности (NPV, IRR и др.); метод сценариев; анализ критических точек (точек безубытачности); анализ вероятностных распределении потоков платежей; деревья решений; метод Монте-Карло (имитационное моделирование) и др.

Теоретически обе рассматриваемые программы могут быть использованы и для анализа корпоративных рисков.

Однако на практике наиболее часто осуществляют анализ чувствительности вительности и определение запаса прочности ключевых результатных показателей к изменениям входных параметров.

Подобный анализ сводится к исследованию зависимости некоторого результатного показателя от вариации значений показателей, учавствующих в его определении. Другими словами, этот метод позволяeт получить ответы на вопросы вида: что будет с результатной величиной если изменится значение некоторых исходных величин? Отсюда eго второе название - анализ «что будет, если» (what if analysis). Популярность данного метода в бизнесе настолько велика, что БД EXCEL реализован специальный инструмент, автоматизирующий eго проведение, получивший название Таблицы подстановки. Именно этот инструмент используется в программе «Альт- Инвест» при aнализе чувствительности ИП, для проведения которого в ней предусмотрен специальный лист SENS.

Проведение подобного анализа предполагает выполнение следующих шагов.

1. Задается взаимосвязь между исходными и результирующим показателями в виде математического уравнения или неравенств, реализованного соответствующей формулой в EXCEL.

2. Определяются наиболее вероятные значения для исходных показателей и возможные диапазоны их изменений путем изменения значений исходных показателей исследуется их влияние на конечный результат.

Процедура анализа чувствительности в среде EXCEL с использованием инструмента Таблицы подстановки предполагает одновременное изменение не более двух исходных показателеЙ. Поэтому программа «Альт-Инвест» допускает проведение только одно- или двухпараметрического анализа. Пример листа SENS с исходными данными и результатами расчетов приведен на рис. 9.20.

Следует отметить, что реализация про граммы «Альт- Инвест В" среде EXCEL автоматически делает доступным для пользователя Bech, его богатейший набор аналитических инструментов. Применение этих инструментов позволяет быстро и эффективно реализоват другие методы оценки рисков, такие, как анализ сценариев, анализ вероятностных распределений, имитационное моделирование (метод Монте-Карло). В программе Project Expert решение данной задачи осуществляется в разделе Анализ проектов с помощью модулей Анализ чувствительности, Анализ безубыточности и Монте-Карло (см. рис. 9.17). В верхней части диалога с левой стороны представлен список параметров, которые используются в анализе чувствительности в кaчестве переменных. С помощью кнопок добавить и удалить пользователь может самостоятельно выбрать требуемые для анализа показали и задать диапазоны их изменений. Вверху, справа содержится список показателей, чувствительность которых исследуется. Окно в нижней части диалога предназначается для формирования итоговой таблицы с результатами анализа, которрая заполняется в результате расчета. Нажатием кнопки пересчитать запускается процедура расчета, в процессе выполнения которой итоговая таблица заполняется значениями показателей эффективности. Значения каждого показателя, можно рассмотреть, выбрав его название в поле со списком, расположенном в верхней части диалога. Наглядное отображение зависимости показателя от ставки дисконтирования можно получить, нажав на кнопку График.

Соответствующие диалоговые формы предусмотрены для проведения анализа рисков с использованием метода Монте-Карло и определения точки безубыточности по видам продукции.

Результаты, полученные на двух заключительных шагах анализа ИП, служат основой для принятия управленческих решений. В случае, если результаты проведенного анализа показали привлекательность проекта для основных участников, вероятность осуществления его следующей и главной стадии - реализации будет, весьма высока. Результаты реализации проекта в условиях рынка во многом зависят от влияния различных факторов, значения которых трудно, порой невозможно предсказать на стадии планирования. Выбранныц, сценарий развития проекта строится на определенных и часто субъективных предположениях, поэтому ни один даже тщательно проработанный проект не может быть реализован в точном соответствии ~ ранее намеченным планом. Поэтому в ходе реализации проекта возникает необходимость в решении еще одной важной задачи - контроле за его исполнением.

Для эффективного управления процессом реализации проект, необходимо обеспечить «обратную связь». Менеджер должен имеет возможность регулярно и своевременно получать и обрабатывать aктуальную информацию о состоянии проекта, оперативно вносит необходимые коррективы по ходу его исполнения.

В программе Project Expert предусмотрены специальные средств для осушествления контроля и мониторинга за ходом выполненения.

На практике по различным причинам даже очень выгодные проекты не всегда могут быть приняты к реализации проекта. Эти процедуры реализуют модули раздела Актуализация (рис. 9.22). Оперативные данные могут вводиться по мере поступления или периодически. На основе сравнения текущих и проектных данных формируется отчет о рассогласованиях плановой и фактической информации, который может быть использован при контроле за ходом выполнения проекта.

В программе «Альт-Инвест» функция контроля за ходом выполнения проекта может быть реализована путем непосредственной замены в соответствующих таблицах проектныx данных фактическими по мере поступления последних и автоматическом пересчете ключевых параметров.

Дата добавления: 2015-04-24