Монте карло ИП. Процесс анализа риска может быть разбит на следующие стадии

• Название: Процесс анализа риска может быть разбит на следующие стадии
• Дата: 17.02.2022
• Размер: 65.5 Kb.
• Имя файла: Монте карло ИП.doc
• Тип: Лабораторная работа; #365819

Лабораторная работа № 1. Имитационное моделирование риска инвестиционных проектов методом Монте-Карло
Метод имитационного моделирования Монте-Карло создает дополнительную возможность при оценке риска за счет того, что делает возможным создание случайных сценариев. Результат анализа риска выражается не каким-либо единственным значением NPV, а в виде вероятностного распределения всех возможных значений этого показателя. Потенциальный инвестор будет обеспечен полным набором данных, характеризующих риск проекта. На этой основе он сможет принять взвешенное решение о предоставлении средств. Имитационное моделирование Монте-Карло - это процедура, с помощью которой математическая модель определения какого-либо финансового показателя (в нашем случае NPV) подвергается ряду имитационных прогонов с помощью компьютера. В ходе процесса имитации строятся последовательные сценарии с использованием исходных данных, которые по смыслу проекта являются неопределенными, и потому в процессе анализа полагаются случайными величинами.

Процесс анализа риска может быть разбит на следующие стадии.

1. Прогнозная  модель: подготовка  модели,  способной  прогнозировать  расчет эффективности проекта

2. Распределение  вероятности  (шаг 1):  определение  вероятностного  закона  распределения  случайных переменных.

3. Распределение  вероятности  (шаг 2): установление  границ  диапазона  значений  переменных

4. Условия корреляции: установление отношений коррелированных переменных

5. Анализ  результатов: Статистический  анализ  результатов  имитации

Постановка задачи.

Фирма рассматривает инвестиционный проект по производству продукта «А». В процессе предварительного анализа экспертами были выявлены три ключевых параметра проекта и определены возможные границы их изменений (см. таблицу). Прочие параметры проекта считаются постоянными величинами.

Постройте имитационную модель расчета NPV. Считая, что все ключевые переменные имеют равномерный закон распределения, проведите вычислительный эксперимент (10 испытаний). Величину начальных инвестиций I₀ задаете самостоятельно. Рассчитайте среднее значение NPV . Сделайте выводы о целесообразности инвестиций.

Ключевые параметры проекта по производству продукта «А»

Сценарий	Показатели
	Наихудший	Наилучший	Вероятный
Объем выпуска, Q	130	300	200
Цена за штуку, P	40	55	50
Переменные затраты, V	35	25	30

Неизменяемые параметры проекта по производству продукта «А»

Показатели	Наиболее вероятные значения
Постоянные затраты, F	500
Амортизация, A	100
Ставка процента по заемным средствам (налог на прибыль), T	60%
Норма дисконта, r	10%
Срок проекта, n	5
Начальные инвестиции, I0	3000

Рассчитаем доход по проекту

руб.

руб.

руб.

Рассчитываем чистый дисконтированный доход по проекту:



Множитель дисконтирования за 5 лет:



руб.

руб.

руб.

Воспользуемся генерацией случайных чисел на промежутке (-3000, 12000).

Данные представлены ниже

-2348,65
-1613,49
-1269,88
178,78
646,08
1077,05
1619,33
3788,47
4960,00
9391,03

Рассчитаем числовые характеристики распределения:

Математическое ожидание NPV	1642,9
Стандартное отклонение	3560,9
Коэффициент вариации	2,2
Минимальное значение NPV	-1613,5
Максимальное значение NPV	9391,0
Вероятность отрицательного NPV	0,3
Ожидаемый выигрыш	3068,9
Ожидаемые потери	-901,5
Число проведенных экспериментов	10,0
Размах	12661,2

Построим гистограмму и сделаем вывод:



Рисунок 1 – Гистограмма распределения

Вывод: Средняя величина чистого дисконтированного дохода (10 вариантов), сгенерированным методом случайных чисел на промежутке (NPV_min; NPV_max) составляет 1642,9 тыс. руб., разница (размах вариации) между крайними значениями составляет 11739,7 тыс. руб. Ожидаемый выигрыш в размере 3068,9 можно ожидать с вероятностью 70%, ожидаемый проигрыш в размере (-901,5) тыс. руб. ожидается с вероятностью 30%.