Анализ рынка фитнес услуг. сУПЕР. 1 солодов а. К. Основы финансового риск менеджментa издание
 Скачать 3.6 Mb.
|
|
4.2.2.Метод сценариев В целом метод сценариев 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. Метод представляет собой развитие методики анализа чувствительности проекта в том смысле, что одновременному непротиворечивому (реалистическому) изменению подвергается вся группа переменных. Рассчитываются пессимистический вариант (сценарий) возможного изменения переменных, оптимистический и наиболее вероятный вариант. В соответствии с этими расчетами определяются новые значения критериев NPV и IRR. Эти показатели сравниваются 87 с базисными значениями и делаются необходимые рекомендации. В основе рекомендаций лежит определенное «правило»: даже в оптимистическом варианте нет возможности оставить проект для дальнейшего рассмотрения, если NPV такого проекта величина отрицательная. И наоборот: пессимистический сценарий в случае получения положительного значения NPV позволяет эксперту судить о приемлемости данного проекта, несмотря на наихудшие ожидания. 4.2.3. Метод анализа чувствительности Данный метод является хорошей иллюстрацией влияния отдельных исходных факторов на конечный результат проекта. Главным недостатком метода является предпосылка о том, что изменение одного фактора рассматривается изолированно, тогда как на практике все экономические факторы в той или иной степени коррелированны. По этой причине применение метода анализа чувствительности на практике, как самостоятельного инструмента анализа риска, весьма ограничено. Целью анализа чувствительности является определение характера зависимости результата модели от переменных и пороговых величин переменных, при которых выводы модели больше не поддерживаются. Если бы модель могла быть выражена уравнением, то анализ чувствительности модели к данной переменной состоял бы в получении частной производной по данной переменной. К сожалению, финансовые модели, использующие росписи (бюджеты) и условные переменные, не поддаются преобразованию в уравнения, поэтому для них больше подходит метод перебора, при котором анализ чувствительности выполняется последовательной подстановкой в модель ряда параметров. Возможен и обратный метод, путем подгонки результата модели при контроле над изменением параметров на входе. Например, таким способом: Василий Иванович, а ты армией командовать могёшь? Могу. А фронтом? Могу, Петька, могу. А всеми вооружёнными силами Республики? Ну, немного подучиться - смогу и вооружёнными силами. А... в мировом масштабе, Василий Иванович, совладаешь? Нет, не сумею! Языков не знаю. Основными целевыми измеримыми результатами финансовой модели являются, как мы разобрали ранее, сумма NPV и PV(gr), выражающая целевую стоимость фирмы, и IRR – показатель характеризующий, имплицитную доходность денежного потока. Они, как правило, и являются теми результатами, в отношении которых проводится анализ чувствительности. Разумеется, чувствительность любых других численных расчетных показателей также определена и может быть выражена количественно. При необходимости возможно, например, анализировать чувствительность кумулятивного операционного денежного потока, расходного бюджета, времени достижения операционной самоокупаемости и так далее. Можно также сделать производные показатели и анализировать чувствительность к ним. 88 Анализ чувствительности можно проводить по любому числу переменных. Фактически инструментарий Excel дает аналитику непосредственный выбор из одной или двух переменных, для анализа чувствительности в пространстве большего числа измерений надо разрабатывать собственную схему или устанавливать коммерческий модуль разработки третьей стороны. Допустим, мы хотим узнать, как на стоимость фирмы влияет плановая цена единицы продукта фирмы и себестоимость продукта, при прочих равных условиях. В модели, разумеется, содержатся количественное значение и алгоритмы расчета цены и себестоимости – допустим, цена одной единицы 100 денежных единиц, а себестоимость – 75% от выручки. Но насколько можно быть уверенным в этом значении и что, если мы определили его ошибочно? Анализ чувствительности отвечает на этот вопрос: мы можем оценить, как меняется стоимость фирмы при изменении цены продукта в границах от, предположим, 50 до 150 и себестоимости от 65% до 85%. Введем также производный параметр. Нас будет интересовать не просто стоимость фирмы, но более ее влияние на мультипликатор доходности для доли инвестора. Допустим инвестор ожидает доходность от частной инвестиции в диверсифицированном портфеле за 5 периодов не менее чем x10, в дополнение к возврату стоимости собственного капитала на уровне 15%. Сделав еще несколько необходимых предположений по структуре спроса и фиксированным расходам, мы получим следующую модель, на основе которой можно получить двумерную матрицу чувствительности. При относительном анализе чувствительности сравнивается относительное влияние исходных переменных (при их изменении на фиксированную величину, например, на 10 %) на результирующие показатели проекта. Этот анализ позволяет определить наиболее существенные для проекта исходные переменные; их изменение должно контролироваться в первую очередь. Абсолютный анализ чувствительности позволяет определить численное отклонение результирующих показателей при изменении значений исходных переменных. Значения переменных, соответствующие нулевым значениям результирующих показателей, соответствуют рассмотренным выше показателям предельного уровня. Результаты анализа чувствительности оформляют в табличной или графической форме. Последняя форма является более наглядной. Недостаток метода: не всегда анализ чувствительности правомерен, так как изменение одной переменной, необходимой для расчета может повлечь изменение другой. 4.2.4. Имитационное моделирование (Метод Монте-Карло) Метод Монте Карло широко применяется в инвестиционном моделировании, прежде всего в условиях неопределенности и риска. Он удобен тем, что удачно сочетается с другими экономико-статистическими методами, теорией игр и иными способами исследования операций. Но практика его применения показала, что он часто дает более оптимистичные оценки, чем другие приемы, такие как анализ сценариев. Причина очевидно обусловлена перебором промежуточных вариантов. Метод Монте-Карло является способом, оценки влияния неопределенности 89 параметров системы в широком диапазоне ситуаций. Его обычно используют для оценки диапазона изменения результатов и относительной частоты значений в этом диапазоне для таких количественных величин, как: стоимость, продолжительность, производительность, спрос и др. Моделирование методом Монте-Карло может быть использовано для двух различных целей: трансформирование неопределенности для обычных аналитических моделей; расчета вероятностей, если аналитические методы не могут быть использованы. Входными данными для моделирования методом Монте-Карло являются хорошо проработанная модель системы, информация о типе входных данных, источниках неопределенности и требуемых выходных данных. Входные данные и соответствующую им неопределенность рассматривают в виде случайных переменных с соответствующими распределениями. Часто для этих целей используют равномерные, треугольные, нормальные и логарифмически нормальные распределения. Процесс исследования включает: Определение модели или алгоритма, которые наиболее точно описывают поведение исследуемой системы. Многократное применение модели с использованием генератора случайных чисел для получения выходных данных модели (моделирование системы). При необходимости моделируют воздействие неопределенности. Модель записывают в форме уравнения, выражающего соотношение между входными и выходными параметрами. Значения, отобранные в качестве входных данных, получают исходя из соответствующих распределений вероятностей, характеризующих неопределенности данных. С помощью компьютера многократно используют модель (часто до 10000 раз) с различными входными данными и получают выходные данные. Они могут быть обработаны с помощью статистических методов для получения оценок среднего, стандартного отклонения, доверительных интервалов. Рассмотрим систему, состоящую из двух параллельных элементов. При этом для функционирования системы достаточно, чтобы функционировал один элемент. Вероятность безотказной работы первого элемента составляет 0,9, а другого - 0,8. Данные моделирования представлены в таблице ниже. Т а б л и ц а. Результаты применения метода Монте-Карло к системе из двух параллельных элементов № итера ции Элемент 1 Элемент 2 Система Случайный элемент Элемент функционирует Случайный элемент Элемент функциониру ет 1 0,577243 Да 0,059355 Да 1 2 0,746909 Да 0,311324 Да 1 3 0,541728 Да 0,919765 Нет 1 4 0,423274 Да 0,643514 Да 1 5 0,917776 Нет 0,539349 Да 1 6 0,994043 Нет 0,972506 Нет 0 7 0,082574 Да 0,950241 Нет 1 8 0,661418 Да 0,919868 Нет 1 9 0,213376 Да 0,367555 Да 1 10 0,565657 Да 0,119215 Да 1 90 Для каждого элемента генератор случайных чисел формирует псевдослучайное число из интервала от 0 до 1, которое сопоставляют с вероятностью безотказной работы элемента, затем определяют работоспособность системы. При 10 повторениях процедуры результат 0,9, скорее всего, не будет достигнут. Обычно вычисления продолжают до достижения требуемого уровня точности. В данном примере значение 0,9799 для вероятности безотказной работы системы достигнуто после проведения 20000 итераций. Приведенная модель может быть расширена различными способами, например путем: изменения модели взаимодействия элементов в системе (например, второй элемент находится в резерве и вводится в эксплуатацию сразу после отказа первого элемента); замены фиксированной вероятности безотказной работы на переменную (например, подчиняющуюся треугольному распределению), когда вероятность безотказной работы не может быть точно определена; использования параметра потока или интенсивности отказов в сочетании с генератором случайных чисел для генерации наработок на отказ или до отказа (экспоненциальное распределение, распределение Вейбулла или другое распределение) и времени восстановления. Метод Монте-Карло может быть применен для оценки неопределенности финансовых прогнозов, результатов инвестиционных проектов, при прогнозировании стоимости и графика выполнения проекта, нарушений бизнес- процесса и замены персонала. Данный метод применяют в ситуациях, когда результаты не могут быть получены аналитическими методами или существует высокая неопределенность входных или выходных данных. Выходными данными могут быть значения характеристик, как показано в вышеприведенном примере, или распределение вероятности или частоты отказа, или выходом может быть идентификация основных функций модели, которые оказывают основное влияние на выходные данные. Метод Монте-Карло обычно используют для оценки распределения входных или выходных результатов или характеристик распределения, в том числе для оценки: вероятности установленных состояний; значений выходных величин, для которых установлены границы, соответствующие некоторому уровню доверия, которые не должны быть нарушены. Анализ взаимосвязи входных и выходных величин может выявить относительное значение факторов работы системы и идентифицировать способы снижения неопределенности выходных величин. Преимущества метода Монте-Карло: Метод может быть адаптирован к любому распределению входных данных, включая эмпирические распределения, построенные на основе наблюдений за соответствующими системами. Модели относительно просты для работы и могут быть при необходимости расширены. 91 Метод позволяет учесть любые воздействия и взаимосвязи, включая такие тонкие как условные зависимости. Для идентификации сильных и слабых влияний может быть применен анализ чувствительности. Модели являются понятными, а взаимосвязь между входами и выходами — прозрачной. Метод допускает применение эффективных моделей исследования многокомпонентных систем, таких как сеть Петри. Метод позволяет достичь требуемой точности результатов. Программное обеспечение метода доступно и относительно недорого. Недостатки метода состоят в следующем: Точность решений зависит от количества итераций, которые могут быть выполнены (этот недостаток становится менее значимым с увеличением быстродействия компьютера). Метод предполагает, что неопределенность данных можно описать известным распределением. Большие и сложные модели могут представлять трудности для специалистов по моделированию и затруднять вовлечение заинтересованных сторон. Метод не может адекватно моделировать события с очень высокой или очень низкой вероятностью появления, что ограничивает его применение при анализе риска. 4.2.5.Метод САРМ (Capital Asset Pricing Model – CAPM) Расчетная формула модели САРМ Rо=Rf + ᵦ (Rm-Rf) + x + y + c где: ᵝ - систематический риск Rо – коэффициент капитализации («доходность капитала») Rf – номинальная безрисковая ставка, учитывающая возможную инфляцию Rm – среднерыночная ставка дохода (Rm–Rf) – рыночная премия х - премия за риск для малых компаний y - премия за риск, связанный с деятельностью компании c - премия за страновой риск β, как показатель систематического риска, определяется как где: ΔRx средняя квадратичная амплитуда колебания цены акций конкретной компании на фондовом рынке от своего среднего значения за анализируемый период ΔRср средняя квадратичная амплитуда колебания усредненных цен акций на фондовом рынке от своего среднего значения за анализируемый период 92 Метод основан на анализе массивов информации фондового рынка, прежде всего на изменении доходности свободно обращающихся акций. Применение модели для вывода ставки дисконта для закрытых компаний требует внесения дополнительных корректировок. Важным показателем, используемым при расчете риском методом САРМ, является ставка доходности при нулевом уровне риска (безрисковая ставка). Обычно в этом качестве используют ставку дохода по долгосрочным государственным долговым обязательствам (облигациям или векселям). Считается, что государство является самым надежным гарантом по своим обязательствам (вероятность его банкротства практически исключается). Однако, как показывает практика, государственные ценные бумаги в условиях России психологически не воспринимаются как безрисковые. Для определения ставки дисконта в качестве безрисковой может быть принята ставка по вложениям, характеризующимся наименьшим уровнем риска (ставка по валютным депозитам в Сбербанке, ВТБ или других наиболее надежных банках). Можно также основываться на безрисковой ставке для западных компаний, но в этом случае обязательно прибавление странового риска с целью учета реальных условий инвестирования, существующих в России. Для инвестора она представляет собой альтернативную ставку дохода, которая характеризуется практическим отсутствием риска и высокой степенью ликвидности. Безрисковая ставка используется как точка отсчета, к которой привязывается оценка различных видов риска, характеризующих вложения в данное предприятие, на основе чего и выстраивается требуемая ставка дохода. Метод предполагает, что инвесторы, вкладывающие свои средства в рисковые активы, ожидают некоторый дополнительный доход, превышающий безрисковую ставку, как компенсацию за риск владения этими активами. Условия (допущения) модели САРМ: инвесторы избегают риска; рациональные инвесторы диверсифицируют портфели инвестиций; продолжительность инвестиционного цикла для всех инвесторов одинакова; все инвесторы одинаково оценивают ставки дохода и коэффициенты капитализации; не учитываются издержки на совершение сделок (трансакционные); не учитываются налоги; ставки на ссуды и заемные средства одинаковы; рынок совершенен (делимость, ликвидность и т.д.). На фондовом рынке выделяются два вида рисков: специфический риск и общерыночный риск. Специфический риск - для конкретной компании. Его также называют риском несистематическим. Он определяется микроэкономическими факторами. Общерыночный - риск, характерный для всех компаний, акции которых находятся в обращении. Его также называют систематическим. Он определяется макроэкономическими факторами. В модели оценки капитальных активов при помощи коэффициента бета определяется величина систематического риска. Рассчитывается бета исходя из амплитуды колебаний общей доходности акций конкретной компании по сравнению с общей доходностью фондового рынка в целом. Общая доходность рассчитывается следующим образом: 93 Общая доходность акции компании за период = рыночная цена акции на конец периода минус рыночная цена акции на начало периода плюс выплаченные за период дивиденды, деленное на рыночную цену на начало периода (выраженное в процентах). Инвестиции в компанию, курс акций которой, а следовательно и общая доходность, отличаются высокой изменчивостью, являются более рискованными и наоборот. Коэффициент бета для рынка в целом равен 1. Стало быть, если у какой- то компании коэффициент бета равен 1, это значит, что колебания ее общей доходности полностью коррелируют с колебаниями доходности рынка в целом, и ее систематический риск равен среднерыночному уровню. Для большинства закрытых компаний β не могут быть определены напрямую из-за отсутствия регулярных ценовых котировок их акций. Существует значительная корреляционная связь между коэффициентом β и теми показателями риска, которые могут быть рассчитаны по финансовым отчетам компании закрытого типа. Кроме того, несистематические элементы риска, не отраженные в коэффициенте β, более важны для компаний закрытого типа, чем для открытых компаний. САРМ для закрытых компаний основывается на оценке следующих характеристик: 1.Операционный левередж: Темп изменения операционной прибыли Темп изменения выручки от реализации 2.Финансовый левередж: Темп изменения доходов на обыкновенную акцию Темп изменения операционной прибыли Оценка капитальных активов закрытых компаний осуществляется методом кумулятивного построения ставки дисконтирования. При этом оценивают риски: «ключевой фигуры» в составе менеджеров предприятия, т.е. риски отсутствия таковой или ее непредсказуемости, неподконтрольности, недобросовестности, некомпетентности и т.п.; Поправка на страновой риск. Если покупатель предприятия не является гражданином данной страны, его деятельность сопряжена с дополнительными рисками, включая: риск, связанный с конвертированием иностранной валюты; потерю активов вследствие экспроприации или национализации; ограничительные меры по отношению к движению капитала; регулирование цен: другие факторы. Иностранный инвестор может учесть повышенный риск разными способами: уменьшить величину денежного потока; сократить период окупаемости капиталовложений; увеличить ставку дисконта; недостаточной диверсификации рынков сбыта предприятия; недостаточной диверсификации источников приобретения покупных ресурсов (включая труд); недостаточной диверсификации продукции предприятия; 94 контрактов, заключаемых предприятием для реализации своих продуктовых линий; узости набора источников финансирования; финансовой неустойчивости фирмы; малого бизнеса; страновые. Оценка перечисленных рисков должна приводить к определению соответствующих премий за эти риски. Такое определение проводится экспертами. При этом ориентиром могут служить статистические сведения. В исследованиях, проведенных многонациональными компаниями, приводится более подробная информация о величине странового риска. Основными этапами внесения поправки на страновой риск являются: определение факторов странового риска; расчет значений факторов странового риска; анализ факторов риска; экспертная оценка факторов риска (например, от 0 до10 баллов); ликвидность; стабильность дохода; доходность; долгосрочная задолженность; текущая задолженность; ожидаемый рост доходов; доля на рынке; диверсификация клиентов; диверсификация продукции; отраслевое регулирование; цикличность производства; конкуренция; препятствия к вхождению на рынок; капиталоемкость; уровень инфляции; изменение процентных ставок; общеэкономический рост или спад; политика обменного курса валюты; вероятность изменения государственной политики. |