VIII Международная студенческая научная конференция Студенческий научный форум - 2016

Аннотация.Данная статья затрагивает такую проблему, как управление рисками проекта. Показана важность оценки рисков на этапе планирования проекта для его эффективной реализации. В статье перечислены основные методы оценки рисков инвестиционного проекта. Особое внимание уделено таким методам, как анализ вероятностных распределений потоков платежей и нечетко-множественного анализа при управлении рисками проектов. В статье представлено подробное описание этих методов. Выделены основные преимущества методов вероятностных распределений потоков платежей и нечетко-множественного анализа.

Ключевые слова: проект, риск, управление проектами, методы оценки рисков, анализ вероятностных распределений, нечетко-множественный анализ.

Yakovleva M.F. is a student at the Chair of Business Informatics and information technology, Nosov Magnitogorsk State Technical University, e-mail: [email protected]

Kolobova O.L. — PhD, Associate Professor, Chair of Business Informatics and information technology, Nosov Magnitogorsk State Technical University, e-mail: [email protected]

Mamazhonova G.Yu. is a student at the Chair of Business Informatics and information technology, Nosov Magnitogorsk State Technical University, e-mail: [email protected]

The probability distribution of payment flows and fuzzy multiple analysis in risk management projects

Annotation.This article addresses issues such as risk management project. The importance of risk assessment in the planning phase of the project for its effective implementation. The article lists the main methods for assessing the risks of the investment project. Particular attention is paid to techniques such as analysis of the probability distribution of payment flows and fuzzy multiple analysis in risk management projects. The paper provides a detailed description of these methods. The basic advantages of the methods of probability distributions of payment flows and fuzzy multivariate analysis.

Key words: project, risk, project management, methods of risk assessment, analysis of probability distributions, fuzzy multiple analysis.

Введение

Риск сопровождает все сферы деятельности и направления любой организации, которая действует в условиях рынка. Риском нужно управлять, используя определенные меры, которые смогут спрогнозировать наступление этого негативного события, а так же принять соответствующие решения к минимизации степени риска.

При осуществлении любого проекта всегда возникает ситуация, связанная с неопределенностью, неполнотой или неточностью. Все участники проекта заинтересованы в том, чтобы исключить возможность провала проекта из-за таких неопределенных ситуаций.

Управление рисками является одной из самых главных проблем при планировании проекта. Существуют различные методы оценки рисков проекта. В данной статье мы рассмотрим методы вероятностных распределений потоков платежей и нечетко-множественного анализа при управлении рисками проектов.

«Менеджеры слабо владеют методами вероятностных распределений потоков платежей и нечетко-множественного анализа при управлении рисками проектов» [6]. Это ведет к неэффективности проекта. Для того, чтобы проект был успешным, нужно исследовать все возможные риски, которые могут негативно повлиять на исход проекта.

Актуальность темы исследования определяется необходимостью использования методов оценки рисков для успешного достижения целей проекта. Оценка рисков проекта дает возможность спрогнозировать и определить различные риски, угрожающие успешному завершению проекта.

Анализ вероятностных распределений потоков платежей и нечетко-множественного анализа при управлении рисками проектов

В современной отечественной науке понятие «анализ проектных рисков» стало рассматриваться недавно. Оно является обязательным разделом любого бизнес-плана инвестиционного проекта. В трудах отечественных исследователей этому вопросу уделяется большое внимание. Среди них работы таких исследователей, как: М.Н. Крестьянова [2], И.Я. Лукасевич [3], А.О. Недосекин [4], Е.В. Фиронова [5], Г.Н. Чусавитина [6].

Для того, чтобы приступить к рассмотрению оценки инвестиционного проекта, необходимо различать понятия «риск» и «неопределенность».

«Под неопределенностью понимается неполнота или неточность информации о критериях осуществления проекта. Понятием риска характеризуется неопределенность, связанная с возможностью появления в процессе реализации проекта негативных ситуаций и последствий» [1].

Независимо от причин возникновения риска естественным является желание уменьшить возможные потери, связанные с реализацией данного риска. Это осуществляется путем принятия управленческих решений, в ходе реализации которых и происходит управление риском, называемое также в контексте бизнеса риск-менеджментом.

«Управление рисками – процесс принятия и выполнения управленческих решений, направленных на снижение вероятности возникновения неблагоприятного результата и минимизацию возможных потерь» [6].

«Цель управления рисками проекта – повышение вероятности возникновения благоприятных событий и снижение вероятности возникновения неблагоприятных событий» [6].

Существуют различные методы оценки рисков. Методы оценки инвестиционных рисков подразделяются на качественные и количественные.

«Качественная оценка рисков – процесс представления качественного анализа идентификации рисков, требующих быстрого реагирования» [2]. Эта оценка рисков определяет степень значимости риска и выбирает метод реагирования. Качественная оценка рисков подразделяется на экспертный метод, метод анализа уместности затрат, метод аналогий.

«Количественная оценка рисков позволяет определять: вероятность достижения конечной цели проекта, степень воздействия риска на проект и объемы непредвиденных затрат и материалов, которые могут понадобиться, а также риски, требующие скорейшего реагирования и большего внимания, фактические затраты, предполагаемые сроки окончания» [2]. В качестве методов количественного анализа рисков инвестиционных проектов определяют: метод корректировки нормы дисконта; анализ чувствительности критериев эффективности; метод сценариев; анализ вероятностных распределений потоков платежей; деревья решений; метод Монте-Карло (имитационное моделирование); нечетко-множественный анализ и др.

Далее мы подробно рассмотрим методы вероятностных распределений потоков платежей и нечетко-множественного анализа при управлении рисками проекта.

«Анализ вероятностных распределений потоков платежей дает полезную информацию об ожидаемых значениях чистой приведенной стоимости и чистых поступлений, а так же этот метод позволяет провести анализ их вероятностных распределений» [3]. Но использование этого метода, как правило, предполагает, что вероятности для всех вариантов денежных потоков известно или могут быть точно определены. На самом деле, в некоторых случаях, распределение вероятностей может быть задано с высокой степенью достоверности на основе анализа прошлых опытов при наличии достаточно больших объемов фактических данных. Но, к сожалению, эти данные почти всегда не бывают доступны, и распределения, как правило, задаются экспертно и несут в себе большую долю субъективизма.

Зная распределения вероятностей для каждого элемента потока платежей, можно определить ожидаемую величину чистых поступлений наличности в соответствующем периоде, рассчитать по ним чистую современную стоимость проекта и оценить ее возможные отклонения. Проект с наименьшей вариацией доходов считается менее рисковым.

В целом применение вышеизложенного метода анализа рисков позволяет получить полезную информацию об «ожидаемых значениях чистой приведенной стоимости и чистых поступлений, а также провести анализ их вероятностных распределений» [6].

Очень часто встречается в литературе метод, который основан на анализе рисков с точки зрения нечетко-множественного подхода. Отличие этого метода от других методов заключается в том, что вместо стандартных статистических приемов, присваивающих каждому рисковому фактору свои вероятностные характеристики, параметры описываются языком нечетких множеств.

«Суть метода – представить прибыльность проекта в виде нечеткого числа и определить его функцию принадлежности и максимизировать эту функцию, выполняя при этом условие минимизации риска проекта (вероятность провала проекта не превышает уровня, заданного инвестором)» [4]. Проект признается прибыльным, если чистая приведенная стоимость больше заданного инвесторами критерия.

Огромный вклад в изучение метода нечетко-множественного анализа внесли зарубежные ученые: Дж. Вейн [8], И. Хайширмохади [9], Н. Чайра [10]. Так же большой вклад в изучение этого метода внес американский ученый М. Нэдэри [7]. Его исследование рассматривает некоторые модели и методы и делает первоначальный вклад в развитие количественного метода анализа степени риска, основанного на нечеткой логике. Автор в своем исследовании стремится развить модель, основанную на нечеткой теории логического и нечеткого множества, заполнить некоторые промежутки между реальной окружающей средой и научными подходами. Нечеткая логика и теория нечетких множеств были использованы в качестве основы этой новой методологии. Это приводит к лучшим результатам, меньшему количеству неудач и более низкой терпимости к риску в планировании проекта.

Преимущества метода нечетко-множественного анализа:

• на основе теории нечетких множеств формируется полный спектр возможных сценариев инвестиционного процесса;

• решение принимается не на основе двух оценок эффективности проекта, а по всей совокупности оценок;

• ожидаемая эффективность проекта не является точечным показателем, а представляет собой поле интервальных значений со своим распределением ожиданий, характеризующимся функцией принадлежности соответствующего нечеткого числа.

Вывод

Управление рисками является одной из самых главных проблем при планировании проекта. Для того, чтобы проект был успешным, нужно исследовать все возможные риски, которые могут негативно повлиять на исход проекта.

В связи с этим мы выделили, что проблема оценки рисков инновационных проектов является актуальной и пришли к выводу, что существуют большое количество различных методов для оценки рисков проекта и одни из них методы вероятностных распределений потоков платежей и нечетко-множественного анализа.

Как показало исследование, эти методы имеют очень много достоинств. Каждый метод имеет свои особенности, но единственное, что их объединяет – это эффективная оценка рисков инвестиционного проекта. Менеджеры, используя эти методы для оценки рисков, имеют большое преимущество для устранения рисков и принятия правильных решений для минимизации угрозы риска проекта.

Список литературы

1. Количественные методы анализа рисков проектов [Электронный ресурс] – Режим доступа: http://www.market-journal.com/ekonomikaupravlenija/59.html

2. Крестьянова М.Н. Анализ проектных рисков [Электронный ресурс] / М.Н. Крестьянова – Режим доступа: http://catalog.studentochka.ru/9907.html

3. Лукасевич И.Я. Анализ вероятностных распределений потоков платежей [Электронный ресурс] / И.Я. Лукасевич – Режим доступа: http://finlit.online/finansovyiy-analiz/analiz-veroyatnostnyih-raspredeleniy-potokov-6352.html

4. Недосекин А.О. Метод нечетко-множественной оценки инвестиционного проекта [Электронный ресурс] / А.О. Недосекин – Режим доступа: http://study.sale/riski/42metod-nechetko-mnojestvennoy-otsenki.html

5. Фиронова Е.В. Применение нечеткой логики для анализа рисков инвестиционных проектов [Электронный ресурс] / Е.В. Фиронова – Режим доступа: http://ecsocman.hse.ru/data/152/124/1231/Fuzzy_tekst_dlya_sajta.doc

6. Чусавитина Г.Н., Макашова В.Н., Колобова О.Л. Управление ИТ-проектами / Г.Н. Чусавитина, В.Н. Макашова, О.Л. Колобова - Магнитогорск: Магнитогорский государственный технический университет, 2015. — 141 с.

7. Naderi M. Fuzzy logic application in risk analysis of construction management. — Ann Arbor: University of Alberta, 2008. – 93 p. – P. 4-11. URL: http://search.proquest.com/pqdt/docview/304409712/B8009C51ED164750PQ/1?accountid=164707

8. Wayne J. Identifying cost, schedule, and performance risks in project planning and control: A fuzzy logic approach – Ann Arbor: The University of Oklahoma, 2001. – 182 p. URL: http://search.proquest.com/pqdt/docview/304716802/abstract/7576FFCAACDA4 463PQ/1?accountid=164707

9. Hajshirmohammadi I. Using fuzzy set theory to objectively evaluate performance on minimally invasive surgical simulators – Ann Arbor: Simon Fraser University, 2001. – 134 p. URL: http://search.proquest.com/pqdt/docview/304929579/abstract/CD89B7B180454236 PQ/1?accountid=164707

10. Chiara N. Real option methods for improving economic risk management in infrastructure project finance – Ann Arbor: Columbia University, 2006. – 158 p. URL: http://search.proquest.com/pqdt/docview/305358715/abstract/82ACFAEE3E134BCCPQ/1?accountid=164707

Код для цитирования: Скопировать