140-145 Ткаченко А. Л., Шевелева О. Г.. Экономикаомский научный вестник. Серия общество. Ист

• Название: Экономикаомский научный вестник. Серия общество. Ист
• Дата: 25.02.2022
• Размер: 305.37 Kb.
• Имя файла: 140-145 Ткаченко А. Л., Шевелева О. Г..pdf
• Тип: Документы; #373507

ЭК
ОНОМИКА
ОМСКИЙ НА
УЧНЫЙ ВЕСТНИК. СЕРИЯ «ОБЩЕСТВО. ИСТ
ОРИЯ. СОВРЕМЕННОСТЬ» Т
ОМ 4 № 2 2019
140
УДК 330.142.211
DOI: 10.25206/2542-0488-2019-4-2-140-145
А. Л. ТКАЧЕНКО
О. Г. ШЕВЕЛЕВА
Омский государственный
технический университет,
г. Омск
ОЦЕНКА РИСКОВ
В ИНВЕСТИЦИОННОМ
ПРОЕКТИРОВАНИИ
Актуальность темы обусловлена необходимостью всестороннего анализа
управления инвестиционными рисками предприятия для повышения эффек-
тивности его работы. Целью исследования является анализ существующих
методов оценки риска и неопределенности при принятии решения об инве-
стировании и разработка рекомендаций по использованию методов имита-
ционного моделирования при оценке инвестиционных рисков. Предложено
и проиллюстрировано на конкретном примере использование описательной
статистики для оценки результатов имитационного моделирования методом
Монте-Карло с использованием табличного процессора MS Excel.
Ключевые слова: инвестиционный риск, проектная неопределенность, имита-
ционное моделирование, экономическая эффективность, метод Монте-Карло.
Риски — неотъемлемая часть инвестиционной деятельности. Они всегда тем или иным образом участвуют в формировании прибыли организации.
Менеджеру проекта для достижения поставленных целей необходимо разработать эффективную стра- тегию управления рисками.
На сегодняшний день нет одного общепринятого определения риска. Это связано с активным раз- витием теории рисков и со спецификой конкрет- ных секторов экономики. Рассмотрим определения рисков (табл. 1), представленные в отечественных и зарубежных стандартах [1–4].
С точки зрения вложения инвестиций, опреде- ление А. А. Емельянова [5] наиболее полно отража- ет суть рисковых ситуаций и более всего подходит для моделирования инвестиционных проектов [6].
Инвестиционные риски, возникающие при вы- полнении инвестиционного проекта, можно опреде- лить как вероятность частичной или полной потери прогнозируемой проектной прибыли [7].
Возникновение инвестиционных рисков нераз- рывно связано с неопределенностью прогнозируе- мых результатов. На практике принято отождест- влять риски и неопределенность [8].
Однако еще Ф. Найт [9], автор первого научного определения риска, предложил различать понятия
«риск» и «неопределенность». Риск возникает в том случае, когда предпринимаемые действия могут по- влечь за собой несколько сценариев развития собы- тий с известным распределением их вероятностей.
В случае, когда распределение неизвестно, ситуа- ция расценивается как неопределенность [10].
На возникновение рисковых ситуаций влияют многочисленные внешние факторы — обстоятель- ства, ставшие первопричиной возникновения ри- сков и повлекшие за собой череду неблагоприят- ных для бизнеса событий.
В зависимости от внешних факторов исход воз- никновения риска (рис. 1) для вовлеченного в про- цесс или явление субъекта может повлечь за со- бой один из трех следующих вариантов развития событий:
1) отсутствие результата;
2) прибыль;
3) убытки.
Внешние факторы не имеют зависимости от действий субъекта, их нельзя изменить, но их необходимо учитывать в процессе принятия реше- ний, так как они влияют на выбор стратегии управ- ления рисками.
При оценке рисков большинство авторов вы- деляют качественный и количественный подход в оценке рисков [11].
Для качественного подхода характерно решение следующих задач:
— анализ предметной области, определение рисковых этапов работ, выявление причин риска;
— определение возникающих видов рисков;
— прогнозирование возможных последствий, которые могут наступить при реализации принято- го рискового решения.
Наибольшее распространение для проведения качественного анализа проекта получил эксперт- ный метод. При его реализации экспертам пред- лагается оценить каждый вид рисков, после этого все экспертные оценки собираются и обрабатыва- ются с использованием методов системного анализа и определяется интегральный уровень рисков [12].
Результаты качественного анализа служат осно- вой для дальнейшего количественного анализа ин- вестиционного проекта, т. е. оценки риска.
При разработке стратегии важно учитывать природу рисков. Самые опасные для инвестици- онной деятельности риски связаны с динамически

ОМСКИЙ НА
УЧНЫЙ ВЕСТНИК. СЕРИЯ «ОБЩЕСТВО. ИСТ
ОРИЯ. СОВРЕМЕННОСТЬ» Т
ОМ 4 № 2 2019
ЭК
ОНОМИКА
141
меняющейся внешней средой. На нее нельзя повли- ять, но можно спрогнозировать будущую прибыль при определенных значениях входных параметров внешней среды.
Для оценки влияния наиболее весомых факто- ров на прибыль организации применяются методы количественного анализ рисков. При реализации некрупных инвестиционных проектов можно огра- ничиться применением методов анализа чувстви- тельности и сценарного анализа [13].
Анализ чувствительности применяется для опре- деления наиболее весомых рисков проекта [14].
В ходе анализа оценивается, как показатели эффек- тивности проекта реагируют на изменения пере- менных, которые используются для ее вычисления.
Все переменные по очереди варьируются, при этом остальные остаются неизменными. При анализе полученных результатов выявляется наиболее критичная переменная и ее значение, при котором инвестиционный проект перестает быть эффективным. Анализ эффективности не лишен недостатков, он не учитывает вероятностные изме- нения первоначальных данных и проводится только с фиксированными значениями параметров. В ходе анализа можно изменять значения только одной переменной.
Сценарный анализ, напротив, дает возможность вместе с базовым набором данных рассматривать ряд других наборов данных, существенных для ин- вестиционного проекта.
На практике широкое распространение получил метод Монте-Карло. В процессе моделирования ре- альная модель заменяется имитационной, все экспе- рименты проводятся с построенной моделью. Этот метод значительно эффективнее остальных, т. к. позволяет учесть влияние на результат случайных величин и процессов [15]. Имитационное моделиро- вание можно провести как с помощью специальных пакетов прикладных программ, таких как AnyLogic,
GPSS World, Simulink и др., так и с помощью та- бличного процессора MS Excel.
Суть метода Монте-Карло заключается в соеди- нении метода анализа чувствительности и вероят- ностных распределений факторов модели. Модель строится для сотен вариантов возможных комбина- ций параметров. Чем больше вариантов комбина- ций, тем качественней построенная имитационная модель. При этом используется вся доступная про- ектная информация [16].
Информация собирается, обрабатывается и применяется для количественного описания не- определенности и определения воздействия не- определенности на параметры эффективности ин- вестиционного проекта.
Результатом анализа рисков является вычислен- ное значение чистой текущей стоимости проекта и вероятностное распределение всех возможных значений этого показателя.
Чистую текущую стоимость проекта можно рас- считать по формуле (1):
(1)
где n = t — количество периодов времени; CF — приходящий денежный поток; R — ставка дискон- тирования (стоимость капитала).
Для реализации метода Монте-Карло необходи- мо определить функцию распределения между пе- ременными. Чтобы ее вычислить, для случайной ве- личины вычисляются дисперсия и математические
Стандарт
Определение риска
ГОСТ Р ИСО 31000–2010 [1]
Влияние неопределенности на цели
ГОСТ Р ИСО/МЭК 31010–2011 [2] Следствие влияния неопределенности на достижение поставленных целей.
PMBoK [3]
Неопределенное событие или условие, которое в случае возникновения имеет воздействие
(позитивное или негативное) по меньшей мере на одну из целей проекта.
COSO ERM [4]
Вероятность возникновения событий, которые могут оказать влияние на достижение стратегических и бизнес-целей.
Таблица 1
Определения рисков в зависимости от рассматриваемой области экономики
Рис. 1. Исход возникновения риска
,
)
1
(
1
∑
=
+
=
n
t
t
t
R
CF
NPV

ЭК
ОНОМИКА
ОМСКИЙ НА
УЧНЫЙ ВЕСТНИК. СЕРИЯ «ОБЩЕСТВО. ИСТ
ОРИЯ. СОВРЕМЕННОСТЬ» Т
ОМ 4 № 2 2019
142
ожидание. Математическое ожидание характери- зует распределение значений случайной величины.
Дисперсия характеризует меру разброса значений величины по отношению к ее математическому ожиданию и показывает характер сосредоточен- ности значений около величины математического ожидания [17].
Формула (2) для вычисления дисперсии выгля- дит следующим образом:
(2)
где Х — случайная величина; М(Х) — математиче- ское ожидание.
После определения функции распределения проводят моделирование методом Монте-Карло.
Этот метод широко применяется на практике, в частности, для анализа рисков инвестиционных проектов в условиях высокой степени риска и неопределенности.
Проведем имитационное моделирование за- дачи развития бизнеса в табличном процессоре
MS Excel. Данные задачи следующие: инвестиции
1 000 000 руб., цена продукта 4000 шт., объем ре- ализации 160 шт., постоянные издержки 6000 руб., переменные издержки 40 руб./шт., ставка налога
20 %. Расчетные показатели для задачи следующие: выручка 640 000 руб., прибыль 627 600 руб., сумма налога 125 520 руб., чистая прибыль 502 080 руб., коэффициент эффективности 0,50, срок окупаемо- сти 1,99 мес.
Определимся с прогнозируемыми показателями.
Цена продукта и объемы его производства могут быть скорректированы в будущем. Объем производ- ства продукта может быть определен как случайная величина, варьирующаяся от запланированной в диапазоне ±50 %. Поэтому включим этот показатель в имитационную модель. В меню «Данные — ана- лиз данных» выберем генерацию случайных чисел.
Для генерации зададим следующие значения: число переменных 1, число случайных чисел 200, распре- деление нормальное, среднее значение цены 4000, стандартное отклонение 40, в качестве выходного интервала выберем фиксированную ячейку B4.
В результате проделанных действий появится
200 сгенерированных значений объема выпуска продукции. Далее проведем моделирование для сгенерированных значений объема выпуска про- дукции с использованием функции СЛУЧМЕЖДУ.
Нижняя граница этой функции — худший вариант продаж, одна единица продукции. Лучший вариант продаж, по данным исследований, 400 единиц про- дукции.
Для переменных издержек укажем постоянное значение 40 ед. за штуку. Для остальных показате- лей скопируем значение и протянем вниз на весь диапазон. В итоге получится таблица с данными, ко- торые понадобятся для дальнейшей оценки рисков проекта (рис. 2).
Для оценки рисков инвестиционного проекта проведем экономико-статистический анализ с по- мощью инструмента «Описательная статистика», который автоматически вычисляет наиболее часто используемые в анализе инвестиций характери- стики данных (рис. 3). В качестве входных данных в описательной статистике используем коэффи- циент эффективности. На основании полученных данных описательной статистики можно проводить дальнейший анализ числовых показателей [18].
Следует отметить, что среднее значение при большом размере выборки для имитационной мо- дели имеет большую достоверность. В приведенном
,
))
(
(
)
(
))
(
(
)
(
2 2
2
X
M
X
M
X
M
X
M
X
D
−
=
−
=
Рис. 2. Данные имитационной модели для оценки риска инвестиций
Рис. 3. Результаты описательной статистики

ОМСКИЙ НА
УЧНЫЙ ВЕСТНИК. СЕРИЯ «ОБЩЕСТВО. ИСТ
ОРИЯ. СОВРЕМЕННОСТЬ» Т
ОМ 4 № 2 2019
ЭК
ОНОМИКА
143
примере средняя оценка коэффициента эффектив- ности составила 0,65 при запланированном значе- нии 0,5.
Для анализа также может использоваться полу- ченное значение медианы — точной середины сге- нерированного множества данных. В примере ме- диана составила 0,65.
При исследовании следует обращать внимание на характеристики максимума и минимума генери- руемых показателей для мониторинга наибольшего и наименьшего значения коэффициента эффектив- ности инвестиций.
«Стандартное отклонение» показывает данные о широте разброса сгенерированных данных отно- сительно среднего, что может быть использовано при принятии решения об инвестировании.
Таким образом, в результате проведенного ис- следования были проанализированы существующие количественные и качественные методы оценки ри- ска и неопределенности при принятии решения об инвестировании, предложено для оценки результа- тов имитационного моделирования методом Монте-
Карло использование инструмента «Описательная статистика» табличного процессора MS Excel.
Библиографический список
1. ГОСТ Р ИСО 31000–2010. Менеджмент риска. Принци- пы и руководство. Введ. 2010–12–21. М.: Стандартинформ,
2018. 27 с.
2. ГОСТ Р ИСО/МЭК 31010–2011. Менеджмент риска.
Методы оценки риска. Введ. 2011–12–01. М.: Стандартин- форм, 2012. 74 с.
3. A Guide to the Project Management Body of Knowledge.
Pennsylvania: Project Management Institute, 2000. 211 p. ISBN
1-880410-22-2.
4.
Enterprise Risk Management. Applying enterprise risk management to environmental, social and governance-related risks. October 2018. URL: https://www.coso.org/Documents/2017-
COSO-ERM-Integrating-with-Strategy-and-Performance-
Executive-Summary.pdf (дата обращения: 17.03.2019).
5. Анфилатов В. С., Емельянов А. А, Кукушкин А. А. Си- стемный анализ в управлении / под ред. А. А. Емельянова. М.:
Финансы и статистика, 2009. С. 284. ISBN 978-5-279-02435-3.
6. Бояркин Г. Н., Шевелева О. Г., Ткаченко А. Л. Выбор объекта инвестирования с помощью аналитических методов оценки риска // Конкурентоспособность в глобальном мире: экономика, наука, технологии. 2017. № 9-2 (56). С. 23–27.
7. Цамутали С. А. Оценка рисков реальных инвестиций //
Экономика. Налоги. Право. 2013. № 4. С. 32–37.
8. Попова А. Ю. Оценка риска инвестиционного проекта.
URL: http://ej.kubagro.ru/2006/03/pdf/07.pdf (дата обращения:
12.03.2019).
9. Найт Ф. Х. Риск, неопределенность и прибыль / пер. с англ. М. Я. Каждана. М.: Дело, 2003. 359 с. ISBN 5-7749-0306-0.
10. Ковалев П. П. Особенности оценки рисков инвестици- онных проектов // Экономика: вчера, сегодня, завтра. 2017.
Т. 7, № 5А. С. 251–260.
11. Штеле Е. А., Гусева М. А., Руди Л. А. Методика оценки эффективности инвестиционных проектов с учетом рисков //
Вестник СибАДИ. 2016. № 6 (52). С. 135–140.
12. Кулик Ю. А., Волович В. Н., Привалов Н. Г. [и др.].
Классификация и качественная оценка рисков инноваци- онных проектов // Записки горного института. 2012. Т. 197.
С. 124–128.
13. Борисова О. В., Малых Н. И., Овешникова Л. В. Инве- стиции. В 2 т. Т. 1. Инвестиционный анализ. М.: Юрайт, 2018.
218 с. ISBN 978-5-534-01718-2.
14. Гареев А. З. Риски при реализации инвестиционных проектов // Инновационная наука. 2016. № 10-1. С. 30–33.
15. Степаненко Н. В., Харитонов С. В. Применение воз- можностей Microsoft Excel в моделировании рисков инвести- ционных проектов // Прикладная информатика. 2017. Т. 12,
№ 1 (67). С. 137–142.
16. Ефремова Е. А., Прядкина В. А. Применение метода
Монте-Карло для оценки инвестиционных проектов // Науч- ное сообщество студентов XXI столетия. Экономические на- уки: сб. ст. по материалам XXVII Студ. Междунар. науч.- практ. конф. 2014. № 12 (27). C. 237–244.
17. Сазонов А. А., Сазонова М. В. Применение метода
Монте-Карло для моделирования экономических рисков в проектах // Наука и современность. 2016. № 43. С. 228–232.
18. Степаненко Н. В., Козлова Н. А. Применение мате- матического моделирования в оптимизации производства //
Славянский форум. Бургас: Изд-во ИГНЭИТ, 2017. № 1 (15).
С. 11 – 124.
ТКАЧЕНКО Анастасия Леонидовна, аспирантка ка- федры «Информатика и вычислительная техника», ассистент кафедры «Математические методы и ин- формационные технологии в экономике».
SPIN-код: 9349-5793
AuthorID (РИНЦ): 897984
Адрес для переписки: [e-mail]
ШЕВЕЛЕВА Ольга Геннадьевна, старший препода- ватель кафедры «Математические методы и инфор- мационные технологии в экономике».
SPIN-код: 8060-6060
AuthorID (РИНЦ): 688563
Адрес для переписки: [e-mail]
Для цитирования
Ткаченко А. Л., Шевелева О. Г. Оценка рисков в инвести- ционном проектировании // Омский научный вестник. Сер.
Общество. История. Современность. 2019. Т. 4, № 2. С. 140–
145. DOI: 10.25206/2542-0488-2019-4-2-140-145.
Статья поступила в редакцию 27.03.2019 г.
© А. Л. Ткаченко, О. Г. Шевелева

ЭК
ОНОМИКА
ОМСКИЙ НА
УЧНЫЙ ВЕСТНИК. СЕРИЯ «ОБЩЕСТВО. ИСТ
ОРИЯ. СОВРЕМЕННОСТЬ» Т
ОМ 4 № 2 2019
144
UDC 330.142.211
DOI: 10.25206/2542-0488-2019-4-2-140-145
A. L. TKACHENKO
O. G. SHEVELEVA
Omsk State
Technical University,
Omsk, Russia
RISK ASSESSMENT
IN INVESTMENT PROJECT
The purpose of the study is to analyze the existing methods of assessing risk and
uncertainty when making decisions about investing, to illustrate the application of
one of the considered methods, the Monte-Carlo method, and to analyze the results
obtained during the application of the method. The authors proposed the use of
descriptive statistics to evaluate the results of investment risk simulation. As a result
of the study, existing risk assessment and uncertainty methods are analyzed when
deciding on investment, a Monte-Carlo simulation is performed using Microsoft
Excel, and the results are analyzed using the Descriptive Statistics tool.
Keywords: risk, investment risk, project uncertainty, simulation modeling, economic
efficiency, Monte-Carlo method.
References
1. GOST R ISO 31000–2010. Menedzhment riska. Printsipy i rukovodstvo [Risk management. Principles and leadership].
Moscow: Standartinform Publ., 2018. 27 p. (In Russ.).
2.
GOST R ISO/MEK 31010–2011. Menedzhment riska.
Metody otsenki riska [Risk management. Risk assessment methods]. Moscow: Standartinform Publ., 2012. 74 p. (In Russ.).
3. A Guide to the Project Management Body of Knowledge.
Pennsylvania: Project Management Institute, 2000. 211 p. ISBN
1-880410-22-2. (In Engl.).
4.
Enterprise Risk Management. Applying enterprise risk management to environmental, social and governance-related risks. October 2018. URL: https://www.coso.org/Documents/2017-
COSO-ERM-Integrating-with-Strategy-and-Performance-
Executive-Summary.pdf (accessed: 17.03.2019). (In Engl.).
5. Anfilatov V. S., Emelyanov A. A, Kukushkin A. A. Sistemnyy analiz v upravlenii [System analysis in management] / Ed.
A. A. Emelyanov. Moscow, 2009. P. 284. ISBN 978-5-279-02435-3.
(In Russ.).
6. Boyarkin G. N., Sheveleva O. G., Tkachenko A. L. Vybor ob”yekta investirovaniya s pomoshch’yu analiticheskikh metodov otsenki riska [Choosing an Investment Object Using Analytical
Methods of Risk Assessment] // Konkurentosposobnost’ v global’nom mire: ekonomika, nauka, tekhnologii. Competitiveness
in the Global World: Economics, Science, Technology. 2017.
No. 9-2 (56). P. 23–27. (In Russ.).
7. Tsamutali S. A. Otsenka riskov real’nykh investitsiy [Real
Investment Risks Assessment] // Ekonomika. Nalogi. Pravo.
Economics, Taxes & Law. 2013. No. 4. P. 32–37. (In Russ.).
8. Popova A. Yu. Otsenka riska investitsionnogo proyekta [Risk assessment of an investment project]. URL: http://ej.kubagro.
ru/2006/03/pdf/07.pdf (accessed: 12.03.2019). (In Russ.).
9.
Knight F. H. Risk, neopredelennost’ i pribyl’ [Risk
Uncertainty and Profit] / Trans. from Engl. M. Ya. Kazdan.
Moscow: Delo Publ., 2003. 359 p. ISBN 5-7749-0306-0. (In Russ.).
10. Kovalev P. P. Osobennosti otsenki riskov investitsionnykh proyektov [Features of risk assessment of investment projects] //
Ekonomika: vchera, segodnya, zavtra. Economics: Yesterday,
Today and Tomorrow. 2017. Vol. 7, no. 5А. P. 251–260. (In Russ.).
11. Shtele E. A., Guseva M. A., Rudi L. A. Metodika otsenki effektivnosti investitsionnykh proyektov s uchetom riskov
[Assessment method of investment projects efficiency in view of the risks] // Vestnik SibADI. The Russian Automobile and
Highway Industry Journal. 2016. No. 6 (52). P. 135–140. (In Russ.).
12. Kulik Yu. A., Volovich V. N., Privalov N. G. [et al.].
Klassifikatsiya i kachestvennaya otsenka riskov innovatsionnykh proyektov [Classification and qualitative risk assessment of innovative projects] // Zapiski gornogo instituta. Journal of
Mining Institute. 2012. Vol. 197. P. 124–128. (In Russ.).
13. Borisova O. V., Malykh N. I., Oveshnikova L. V. Investitsii.
V 2 t. T. 1. Investitsionnyy analiz [Investments. In 2 vols. Vol. 1.
Investment analysis]. Moscow: Yurayt Publ., 2018. 218 p. ISBN
978-5-534-01718-2. (In Russ.).
14.
Gareyev A. Z. Riski pri realizatsii investitsionnykh proyektov [Risks in the implementation of investment projects] //
Innovatsionnaya nauka. Innovatsionnaya nauka. 2016. No. 10-1.
P. 30–33. (In Russ.).
15. Stepanenko N. V., Kharitonov S. V. Primeneniye voz- mozhnostey Microsoft Excel v modelirovanii riskov investitsionnykh proyektov [Microsoft Excel application possibilities in modeling risks of investment projects] // Prikladnaya informatika. Applied
Informatics. 2017. Vol. 12, no. 1 (67). P. 137–142. (In Russ.).
16. Efremova E. A., Pryadkina V. A. Primeneniye metoda
Monte-Karlo dlya otsenki investitsionnykh proyektov [The use of the Monte Carlo method for the evaluation of investment projects] // Nauchnoye soobshchestvo studentov XXI stoletiya.
Ekonomicheskiye nauki. Nauchnoye Soobshchestvo Studentov XXI
Stoletiya. Ekonomicheskiye Nauki. 2014. No. 12 (27). P. 237–244.
(In Russ.).
17.
Sazonov A. A., Sazonova M. V. Primeneniye metoda
Monte-Karlo dlya modelirovaniya ekonomicheskikh riskov v pro- yektakh [Application of the Monte-Carlo method for modeling economic risks in projects] // Nauka i sovremennost’. Nauka i
Sovremennost’. 2016. No. 43. P. 228–232. (In Russ.).
18.
Stepanenko N. V., Kozlova N. A. Primeneniye mate- maticheskogo modelirovaniya v optimizatsii proizvodstva [The
Use of Mathematical Modeling in Production Optimization] //
Slavyanskiy forum. Slavyanskiy Forum. Burgas: IGNEIT Publ.,
2017. No. 1 (15). P. 11 – 124. (In Russ.).
TKACHENKO Anastasia Leonidovna, Graduate student of Computer Science and Computing Department,
Assistant of Mathematical Methods and Information
Technologies in Economics Department.

ОМСКИЙ НА
УЧНЫЙ ВЕСТНИК. СЕРИЯ «ОБЩЕСТВО. ИСТ
ОРИЯ. СОВРЕМЕННОСТЬ» Т
ОМ 4 № 2 2019
ЭК
ОНОМИКА
145
SPIN-code: 9349-5793
AuthorID (RSCI): 897984
Address for correspondence: [e-mail]
SHEVELEVA Olga Gennadievna, Senior Lecturer of
Mathematical Methods and Information Technologies in Economics Department.
SPIN-code: 8060-6060
AuthorID (RSCI): 688563
Address for correspondence: [e-mail]
For citation
Tkachenko A. L., Sheveleva O. G. Risk assessment in investment project // Omsk Scientific Bulletin. Series Society.
History. Modernity. 2019. Vol. 4, no. 2. P. 140–145. DOI:
10.25206/2542-0488-2019-4-2-140-145.
Received 27 March 2019.
© A. L. Tkachenko, O. G. Sheveleva