Оптимизация доходности и риска инновационных проектов на основе моделирования инвестиционного процесса

В настоящее время дальнейшее развитие национальной экономики в целом и отдельных предприятий в частности в значительной мере зависит от их инновационной активности. В связи с этим проблема управления инновационной деятельностью является весьма важной.

Для решения этой проблемы необходимо совершенствование методик оценки экономической эффективности инвестиций в инновационные проекты, позволяющих учесть такие характерные их черты как нелинейность, неопределенность, подверженность флуктуациям.

Современная экономическая наука предлагает множество подходов к оценке эффективности инвестиционных проектов. Общей основой для их применения является прогнозирование объема и распределения по периодам возникновения будущих денежных потоков в рамках реализации проекта. На практике составление такого прогноза сопряжено с решением проблемы учета неопределенности значений факторов, влияющих на величину денежного потока и, как следствие, общую экономическую эффективность инвестиционного проекта.

В большинстве случаев в процессе инвестиционного анализа рассматривается лишь несколько вариантов реализации инвестиционного проекта, что не может являться достаточной основой для создания полной картины, отражающей весь спектр возможных результатов инвестирования.

Предлагаемый подход к оценке доходности и риска инновационных проектов основан на моделировании различных сценариев инвестиционного процесса.

Итоговый экономический эффект от инвестирования является результатом взаимодействия системы отдельных основных факторов с определенными вероятностными параметрами значений в заданных плановых периодах.

В этом контексте к основным факторам экономической эффективности инвестиционного проекта можно отнести [1,2]:

— величину первоначальных инвестиций (сумму расходов на проведение НИОКР, внедрение новых технологий, освоение производства новой продукции, приобретение и запуск оборудования);

— потенциальный объем реализации (величину платежеспособного спроса на продукцию);

— значения и динамику цен на инструмент, энергоносители, материалы и комплектующие изделия;

— уровень оплаты труда;

— производственную мощность;

— трудоемкость, энергоемкость и материалоемкость продукции;

— доступность и стоимость привлечения внешнего финансирования;

— возможность и доходность реинвестирования свободных денежных средств;

— законодательные ограничения деятельности;

— ставки по налогам и сборам.

Все перечисленные факторы должны быть учтены в инвестиционном бизнес-плане. Для того чтобы максимально учесть неопределенность, величина каждого фактора в каждом временном периоде должна быть представлена распределением вероятностей ее значений.

Современные инструменты статистического анализа данных позволяют на основе временных трендов, анализа вариативности значений и экспертных прогнозов дать оценку вероятностного распределения значений каждого фактора в заданном плановом периоде.

Пример динамики распределения вероятностей значений фактора экономической эффективности инновационного инвестиционного проекта представлен на рисунке 1.

Рисунок 1 – Динамика распределения вероятностей значений фактора экономической эффективности инновационного инвестиционного проекта

В процессе моделирования значений факторов в каждом периоде следует воспользоваться формулами, применяемыми для генерации случайных значений, подчиняющихся определенным законам распределения вероятностей.

Для генерации случайных значений нормального распределения применяется преобразование Бокса-Мюллера. В этом случае используются вспомогательные независимые случайные величины r, равномерно распределённые на интервале (0, 1]. Вычисляются z0 и z1 по формулам [3]:

 

,    (1)

и

,       (2)

где r – случайная величина, равномерно распределенная на отрезке (0;1).

Тогда z0 и z1 будут независимы и распределены нормально с математическим ожиданием 0 и дисперсией 1.

Упрощенная формула для моделирования значений нормального распределения с использованием одной случайной величины r, равномерно распределенной на отрезке (0;1), имеет вид [4]:

,      (3)

Переход к общему нормальному распределению с заданными значениями стандартного отклонения и математического ожидания возможен по формуле:

,          (4)

где µ — математическое ожидание (среднее)
σ– стандартное отклонение

Для генерации случайных чисел распределения Гумбеля наибольшего экстремального значения первого типа с известными параметрами  масштаба и положения используется формула [3]:

,         (5)

где r – равномерно распределенная в диапазоне (0;1] случайная величина.

Оценив прогнозные вероятностные параметры каждого из варьируемых факторов и заменив в инвестиционном плане базовые ожидаемые значения основных факторов эффективности инвестиционного проекта вариативными формулами, получим вариативный инвестиционный план, особенностью которого является полное изменение сценария инвестиционного процесса при единовременном пересчете случайных величин в вариативных формулах.

Вариативный инвестиционный план, по сути, является базой для проведения множественного моделирования инвестиционного процесса, позволяя производить расчет множества различных сценариев реализации инновационного проекта.

Для проведения моделирования инвестиционного процесса необходимо осуществить пересчет значений всех независимых случайных величин в вариативных формулах факторов в инвестиционном плане.

Для расчета одного сценария реализации инновационного проекта необходимо рассчитать матрицу случайных значений:

. (6)

Число столбцов n соответствует числу плановых периодов реализации инновационного проекта. Число строк m равно максимальному числу изменяемых факторов. Общее количество рассчитываемых случайных значений для моделирования одного сценария реализации процесса реализации инновационного проекта может составлять от сотен до десятков тысяч в зависимости от его масштаба и сложности. С этой целью можно использовать любой доступный генератор случайных чисел. В расчетной таблице инвестиционного плана, составленной в Microsoft Office Excel, для этого можно воспользоваться встроенной функцией «СЛЧИС()», которая возвращает равномерно распределенное случайное число в диапазоне [0;1].

С помощью макроса, копирующего результаты реализации каждого сценария инновационного инвестиционного проекта в отдельный массив данных при пересчете случайных значений в формулах вариативного плана, можно провести неограниченное количество испытаний. Для обеспечения требуемой доверительной вероятности и точности результатов может потребоваться расчет от нескольких тысяч до нескольких миллионов сценариев реализации инновационного инвестиционного проекта.

Результаты 10 000 моделирований инвестиционного процесса, сгруппированные в гистограмме частот распределения вероятностей чистого денежного потока, показаны на рисунке 2.

Рисунок 2 – Распределение вероятностей чистого денежного потока

Ожидаемое значение чистого денежного потока составляет 177 085 тыс. руб. При этом вероятность реализации сценария с отрицательной чистой приведенной стоимостью составляет 8,7%, вероятность потери всего инвестированного капитала составляет 1,6%. На рисунке 3 изображена динамика ожидаемого накопленного денежного потока по проекту и границы ее значений с вероятностью 95%.

Рисунок 3 – Жизненный цикл инновационного проекта

Ожидаемый срок окупаемости составляет 4,5 года с начала осуществления НИОКР и 2,5 года с момента запуска основного производственного процесса.

Использование предложенного подхода к осуществлению процесса моделирования множества сценариев реализации инвестиционного проекта позволяет создать наиболее полную вероятностную картину итоговой экономической эффективности инновационного проекта.

Наличие полной информации о вероятностных характеристиках результатов инвестирования создает основу для качественной оценки уровня инвестиционного риска проекта.

Важнейшим критерием принятия решений в области инвестирования в инновационные проекты помимо доходности является уровень риска. Риск убыточности равен вероятности реализации сценария с отрицательным чистым денежным потоком, а риск банкротства проекта соответствует вероятности потери всего вложенного в проект капитала инвестора.

На стадии планирования инновационных инвестиционных проектов всегда возникают вопросы о выборе поставщиков сырья и материалов, оборудования, схем финансирования, маркетинговой политики и т.д. Как правило, всегда существует достаточно большое количество вариантов реализации инвестиционного проекта. В этой связи наиболее актуальной целью инвестиционного анализа инновационных проектов является выбор вариантов с наиболее подходящими соотношениями показателей доходности и риска.

Привлекая внешнее финансирование, можно добиться за счет эффектов финансового рычага и «налогового щита» повышения доходности собственного капитала. Но с ростом доходности увеличивается и риск, что и обуславливает возникновение проблемы выбора оптимального соотношения риска и доходности инновационного проекта.

Дискретные распределения вероятностей результатов реализации инвестиционных проектов разного масштаба за счет привлечения дополнительного внешнего финансирования показаны на рисунке 4.

Рисунок 4 – Кривая распределения вероятностей годовой доходности для проектов разного масштаба

С увеличением объемов производства и ростом доли заемного финансирования в структуре капитала инновационного проекта разброс возможных значений годовой доходности расширяется в обе стороны.

При увеличении объемов производства и реализации продукции на 50% от базового уровня ожидаемая доходность растет незначительно при существенном повышении риска убыточности и риска банкротства. Дальнейшее увеличение объема производства до уровня в 200% от базового не приводит к увеличению доходности, но при этом инвестиционный риск продолжает расти, достигая высокого уровня.

Рост объемов производства, с одной стороны, приводит к увеличению маржинального дохода, с другой стороны, для реализации большего количества продукции часто требуется предлагать покупателям лучшие финансовые условия, что в совокупности с увеличивающимися платежами по кредитам и займам может нивелировать положительный эффект масштаба, значительно повышая инвестиционный риск.

Соотношения риска убыточности и доходности по альтернативным вариантам инвестирования в два разных инновационных проекта, а также альтернативным вложениям в портфель акций российских предприятий и государственные облигации федерального займа показаны на рисунке 5.

Рисунок 5 – Сопоставление риска убыточности и доходности различных вариантов инвестирования

Среди возможных инвестиционных решений наименее рисковым и, соответственно, наименее доходным является инвестирование в государственные долговые ценные бумаги – облигации федерального займа. В данном случае ориентировочная купонная доходность ОФЗ со сроком погашения аналогичным сроку реализации проекта, то есть, семь лет, составляет около 7,5%. Риск инвестирования в ОФЗ на данный момент минимален по сравнению с любыми другими инвестиционными инструментами на российском финансовом рынке.

Оптимальными с точки зрения соотношения риска убыточности и доходности являются варианты инвестирования в ОФЗ, базовый инновационный проект 2 и одновременный запуск инновационных проектов 1 и 2 с привлечением дополнительного заемного финансирования.

При этом с целью минимизации риска убыточности следует отказаться от инвестиций в инновации в пользу консервативного портфеля государственных облигаций.

Для получения максимального дохода при умеренном уровне риска убыточности необходимо реализовать одновременно проекты 1 и 2.

Инвестирование всего капитала в проект 2 обеспечит средний уровень доходности при низком уровне риска убыточности.

Соотношения риска банкротства и доходности по альтернативным вариантам инвестирования показаны на рисунке 6.  

Рисунок 6 – Сопоставление риска банкротства и доходности различных вариантов инвестирования

Оптимальными вариантами инвестирования в этом случае стоит признать вложения в акции, базовый инновационный проект 1 и одновременный запуск инновационных проектов 1 и 2 с привлечением дополнительного заемного финансирования.

При этом с целью минимизации риска убыточности следует отказаться от инвестиций в инновации в пользу умеренного диверсифицированного портфеля акций крупных российских компаний.

Для получения максимального дохода при умеренном уровне риска убыточности необходимо реализовать одновременно проекты 1 и 2.

Инвестирование всего капитала в проект 1 обеспечит средний уровень доходности при низком уровне риска.

Таким образом, по совокупности всех критериев оптимальным вариантом следует признать одновременный запуск инновационных проектов 1 и 2 с привлечением дополнительного заемного финансирования. Этот вариант обеспечивает умеренный уровень риска убыточности и банкротства при максимальной доходности за счет диверсификации инвестиций.

В ситуации, когда существует множество вариантов инвестирования, необходимо сначала исключить заведомо неоптимальные варианты. К примеру, если у двух сценариев один и тот же уровень риска, но у первого доходность существенно выше, следовательно, второй вариант является заведомо неоптимальным. Точно так же следует исключить сценарий с высоким риском, если существует другой вариант с такой же доходностью и низким риском.

После исключения заведомо неоптимальных вариантов инвестор может в соответствии со своими индивидуальными предпочтениями подобрать устраивающий его сценарий с определенным сочетанием доходности, риска и прочих интересующих инвестора факторов.

Под оптимизацией соотношения доходности и риска инвестиций понимается нахождение такого варианта инвестирования, при котором величины экономической эффективности и возможного риска наиболее адекватно соответствуют ожиданиям конкретного инвестора.

Общий вид результатов составления альтернативных вариантов инвестирования на основе математического моделирования возможных направлений осуществления инвестиционного проекта представлен на рисунке 7.

Рисунок 7 – Общий вид результатов моделирования вариантов осуществления инвестиционного проекта

Такое, на первый взгляд, значительное количество информации в инвестиционном плане несложно обработать с помощью табличного процессора Microsoft Office Excel, создав соответствующий развернутый план денежных потоков по проекту с учетом всех основных факторов его экономической эффективности.

Данная методика может быть использована для целей оптимизации доходности и риска инвестиционных проектов предприятия. Применение современных компьютерных технологий и мощных табличных процессоров делает возможным составление и анализ множества альтернативных вариантов осуществления инвестиционных проектов и выбор из них оптимального по предложенной методике.

Целесообразность составления вариативного инвестиционного плана в инвестиционном анализе заключается в относительной простоте моделирования большого количества сценариев реализации инвестиционного проекта при пересчете случайных значений в формулах с помощью генераторов случайных чисел.

Множественное моделирование инвестиционного процесса позволяет построить гистограммы частот распределения вероятностей результирующих показателей экономической эффективности инвестиционного проекта, что создает условия для сопоставления возможных прибылей и убытков, соотнесенных с вероятностями их возникновения.

Таким образом, моделирование параметров вариативного инвестиционного проекта способно создать мощную основу для принятия управленческих решений в области инвестирования в ситуациях поиска оптимального соотношения доходности и риска инвестиций.

Результаты исследования могут быть успешно использованы в качестве инструментария инвестиционного анализа инновационных проектов в виду их значительной неопределенности.

Авторы:
Аниканов Петр Васильевич
аспирант
ФГБОУ ВПО «Юго-Западный университет», г. Курск
Факультет государственного управления и международных отношений
Кафедра таможенного дела и управления, мировой экономики и политики
p.v.anikanov@gmail.com

Статья из журнала «Управление экономическими системами» №1 (2012)

Библиографический список

1.    Масленников П.В., Задорожный А.А. Экономическая оценка инвестиций: учебное пособие. – Кемерово. Кемеровский технологический институт пищевой промышленности. 2005. – 108 с.

2.    Шабалин А.Н. Инвестиционное проектирование. Учебно-методический комплекс. – М.: Изд. центр ЕАОИ. 2009. – 184 с.

3.    Bury K. Statistical Distributions in Engineering. Cambridge University Press, 1999. – 347 p.

4.    Kotz, S., Nadarajah, S. Extreme Value Distributions: Theory and Applications. – London: Imperial College Press, 2000. – 191 p.

Оцените статью
Adblock
detector