VIII Международная студенческая научная конференция Студенческий научный форум - 2016

Аннотация. В данной статье рассматривается проблема управления рисками проектов и методы её решения. К сожалению, на сегодняшний день, лишь немногие проекты оканчиваются в плановый срок, укладываются в бюджет, и продукты проекта зачастую не соответствуют требованиям к ним». Это чревато огромными убытками для предприятий. Одной из причин этого явления нередко является отсутствие системы управления рисками. В статье перечислены основные методы управления рисками проектов и подробно рассмотрена методология имитационного моделирования «Монте-Карло». Также дано обоснование, по какой причине именно этой методологии уделено особое внимание.

Ключевые слова: риски проектов, управление рисками проектов, метод имитационного моделирования, метод «Монте-Карло», имитационное моделирование.

Mamazhonova G.U. 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]

Yakovleva M.F. is a student at the Chair of Business Informatics and information technology, Nosov Magnitogorsk State Technical University,

e-mail: [email protected]

Application of the simulation (Monte Carlo method) for Project Risk Management

Annotation.This article deals with the problem of risk management projects and methods of its solutions. Unfortunately, to date, only a few projects terminate at the scheduled date, fit into the budget of the project and the products often do not comply with them. " It is fraught with huge losses for businesses. One reason for this phenomenon is often a lack of risk management system. The article lists the main methods of risk management projects and discussed in detail the methodology for simulation "Monte Carlo." Also the substantiation of the reason why this methodology is given special attention.

Key words:risks of projects, risk management projects, simulation method, method of "Monte Carlo" simulation.

Введение

В современном мире многие предприятия довольно часто реализуют различные проекты, но к сожалению, лишь немногие из них заканчиваются успешно. Неудачи инвестиционных проектов приносят огромные убытки предприятиям.

В чем причина того, что проекты, несмотря на вложенные в них усилия, хорошо разработанные бизнес-планы и достаточные бюджеты, откладывают свое завершение на неопределенный срок, а затраты в итоге оказываются намного выше запланированных? Каким образом этого избежать?

Наиболее вероятная причина этого явления˗ отсутствие системы управления рисками. Планы разрабатываются, исходя из идеального течения проекта, при этом во внимание не берутся какие-либо исключительные ситуации, которые могут возникнуть, например, неожиданные изменения в законодательстве. Следует ли говорить о том, что о проработке выхода из них, никто даже и не задумывается. Для того, чтобы избежать рисков в проекте и полного провала проекта в целом, существуют методологии управления рисками проектов. Зная тип риска и степень его значимости, можно воздействовать на него, тем самым значительно его снизить

В данной статье перечислены основные методы управления рисками проектов и подробно рассмотрена методология имитационного моделирования «Монте-Карло». Также дано обоснование, по какой причине именно этой методологии уделено особое внимание.

Основные типы проектных рисков

К сожалению, в настоящее время, деятельность лишь немногих инвестиционных проектов заканчиваются успехом. Согласно данным статистики США об успешности ИТ-проектов: «31,1% проектов будет отменено. Дополнительно к этому 52,7% проектов будет стоить 189% от своего первоначального бюджета… и лишь 16,2% проектов закончатся в плановый срок, в бюджет, и продукты проекта будут соответствовать требованиям к ним»[3]. Неудачи инвестиционных проектов достаточно негативно отражаются на предприятии, его реализующем. Но еще более сильный ущерб приносят упущенная прибыль, услуги, которые не удалось реализовать и аналитические ошибки.

Тот факт, что почти все проекты начинаются с полной уверенности в их успешной реализации, и большинство из нихразработали хорошие бизнес-планы и достаточные бюджеты,не влияет на их завершение, поскольку оно часто откладывается на неопределенный, порой достаточно длительный срок, а затраты оказываются намного выше запланированных.

Часто одна из причин проектных неудач˗ отсутствие системы управления рисками.Планы разрабатываются, исходя из идеального течения проекта, при этом во внимание не берутся какие-либо исключительные ситуации, которые могут возникнуть, например, неожиданные изменения в законодательстве. Следует ли говорить о том, что о проработке выхода из них, никто даже и не задумывается.

По мнению В.Ю. Королева: «Для того чтобы снизить потери от возможных просчетов и избежать провала проекта в целом, методология управления проектами предусматривает специальные процедуры, помогающие учесть факторы неопределенности и риска на всех фазах и этапах проекта»[1].

Зная виды и значимость (опасность) рисков, можно оказать на них воздействие и тем самым снизить их отрицательное влияние на эффективность проекта. Следовательно, создается реальная возможность управлять ими.

Рассмотрим основные типы рисков, которые могут влиять на реализацию проекта.

1. Проектные рискинапрямую связаны с ошибочным планированием бюджета, графике работ, с проблемами персонала, изменением каких-либо требований, которые могут быть вызваны изменениями текущих условий проекта или желаниями заказчика.

Можно согласиться с мнениями Д. Леммона и Н. Фонга о том, что «К данным рискам можно отнести болезни и увольнение сотрудников, изменения в текущем законодательстве, замену представителя заказчика, контролирующего процесс, изменение мнения заказчика о проекте по ходу его развития» [7].

Ответственный за такие риски ˗ менеджер проекта. Он способен улаживать подобного рода конфликты, что в свою очередь определяет его профессиональную подготовку.

1. Технические риски связаны с проблемами реализации каких-либо технических решений. Основные проблемы данного типа рисков˗ проблемы разработки (способность разработчиков реализовать какую-либо задачу), неудовлетворительная производительность системы, внедрения и затруднения, связанные с финальной адаптацией системы под предпочтения конечных пользователей.

Ответственным за решение таких проблем обычно назначается технический руководитель проекта или ведущий аналитик.

1. Бизнес-риски тесно связаны с финансовой поддержкой проекта. Внезапное сокращение бюджета, которое может быть вызвано теми или иными внешними факторами, часто приводит не только к сокращению проекта и задач, реализуемых в нем, но и к его полному провалу в том случае,когда главная цель проекта недостигнута. По мнению Н. Метрополиса, «Для компании-разработчика к данному типу рисков обычно относятся ошибки в оценке рынка данного решения. В российских организациях также к подобного рода нештатным ситуациям относится потеря интереса к проекту со стороны конечных пользователей» [10].

Ответственным организации за подобные проблемы может быть как заказчик (куратор) проекта, так ируководитель проекта. Он должен заранее определять приоритеты и организовать резервы для решения приоритетных задач каждого этапа.

Способы управления рисками.

На начальном этапе работы проектному аналитику необходимо идентифицировать области риска, которые могут быть возможны применительно к какому-то конкретному проекту. При этом ему необходимо учитывать риски, которые могут возникнуть на любой из фаз жизненного цикла проекта, а также риски, которые часто могут возникать с момента реализации проекта, учитывая степень их важности. Чаще всего такая задача решается посредством активного привлечения экспертных методов. Это позволяет в какой-то степени компенсировать недостаток имеющейся информации о разрабатываемом проекте при помощи опыта экспертов, которые, пользуются своими знаниями о проектах-аналогах для того, чтобы осуществить прогноз о возможных зонах риска и возможных последствиях.

Многие зарубежные исследователи считают, что «Процесс идентификации, измерения и оценки составляет содержание анализа риска. В процессе анализа риска необходимо, таким образом, получить ответы на следующие вопросы:

1. где сосредоточены основные источники риска?

2. каковы вероятности нанесения тех или иных убытков, связанных с отдельными источниками риска?

3. насколько велики убытки, если реализуется худший сце­нарий?

4. насколько эти убытки сравнимы с затратами на реали­зацию проекта предпринимательской деятельности?

5. какие действия позволят снизить риск или совсем избе­жать его?

6. могут ли эти действия генерировать новые риски?» [8].

Для того чтобы получить ответы на приведенные выше вопросы проводится анализ главных предпосылок и альтернатив действий по достижению поставленных целей проекта и анализ возможных угроз не достижения сформулированных стратегических или тактических целей фирмы.

Следует обратить внимание на мнение западных исследователей о том, что «На этапе идентификации риска, большая важность риска означает большую вероятность его наступления и, соответственно, более серьезные последствия для успеха всего проекта» [9].

Алгоритм метода экспертной оценки рисков проекта

Э.В. Фурего предложил следующий алгоритм:

1. «Разработку полного перечня возможных рисков по фазам жизненного цикла проекта.

2. Ранжирование этих рисков по степени важности. С этой целью необходимо определить (экспертным путем):

1. вероятность данного риска (в долях единицы);

2. опасность данного риска, то есть насколько существенными окажутся последствия наступления неблагоприятного собы­тия (измеряется в баллах);

3. важность риска как произведение вероятности на опасность его наступления.

3. Ранжирование рисков по степени важности для проекта» [5].

Далее осуществляется анализ риска. Задача, которая стоит перед анализом рисков ˗ дать потенциальным партнерам данные, которые необходимы для принятия решений о целесообразности участия в проекте и выработке мер по защите от возможных денежных потерь. Анализ риска осуществляется всеми участниками проекта.

Перед качественным анализомстоит цель определить (идентифицировать) факторы, области и виды рисков.

Количественный анализ риска даёт возможность численно определить масштаб отдельных рисков и риска проекта в целом.

С.А. Кошечкин и М.Н. Дмитриев считают, что «Для учета факторов неопределенности и риска при оценке эффективности проекта используется вся имеющаяся информация об условиях его реализации, в том числе и не выражающаяся в форме каких-либо вероятностных законов распределения. При этом могут использоваться следующие методы:

1. Анализ чувствительности;

2. Проверка устойчивости и определение предельных значений параметров проекта;

3. Определение точки безубыточности;

4. Корректировка параметров проекта;

5. Построение дерева решений;

6. Формализованное описание неопределенности.

7. Анализ целесообразности затрат

8. Имитационное моделирование» [2].

Рассмотрим более подробно метод имитационного моделирования.

Методология имитационного моделирования

Отечественные исследователи утверждают, что «Методология имитационного (ситуационного) моделирования позволяет строить модели, описывающие различные процессы так, как они проходили бы в действительности, позволяя тем самым оценить риски при реализации крупного проекта и минимизировать потери от них. Она была предложена и принята рядом западных компаний и адаптирована к отечественным условиям в результате многочисленных проектов в российских кредитных организациях» [4], а также, что «В основе методики управления рисками лежат систематизация, расчет вероятности и ущерба, документирование возможных решений и профилактик, оценка допустимых затрат на профилактику и резерва проекта» [6]. Оценивается риск в денежном и временном эквивалентах, поскольку иногда даже при неограниченном финансовом обеспечении не удается выполнить работы быстрее определенного времени. Каковы же плюсы имитационного моделирования для управления рисками проектов?

Очень часто реальные системы подвержены случайным воздействиям и поведение систем в таком случае более подробно исследуется при имитационном моделировании.

Таким образом, имитационное моделирование как общий универсальный метод обладает следующими преимуществами:

Дает возможность решать более сложные задачи;

1. позволяетпроизвести исследование особенностей функционирования реальной системы в различных условиях, включающих критические, аварийные, в космосе и т.д. ;

2. значительно сокращает стоимость и продолжительность испытаний по сравнению с реальным экспериментом, с физическим моделированием, то есть позволяет сэкономить ресурсы;

3. дает возможность включать результаты натурных (реальных) испытаний компонентов реальной системы;

4. позволяет достичь лучшие решения за счет гибкости и легкости варьирования структуры, алгоритмов и параметров;

5. является единственным практически реализуемым методом, предназначенным для исследования сложных систем.

Метод имитационного моделирования «Монте-Карло»

Довольно часто менеджеры, для управления рисками проектов прибегают к методу имитационного моделирования «Монте-Карло».

По мнению Э.В. Фурего, «В общем случае методом Монте-Карло называют численный метод решения математических задач при помощи моделирования случайных величин» [5].

Й.Х. Квоки Л. Ингалл в своей научной работе привели краткую историю метода: «Теоретическое описание метода появилось в 1949 г. в статье «TheMonteCarlomethod». Создателями данного метода считают американских математиков Дж. Неймана и С. Улама. Название методу дал известный своими казино город Монте-Карло в княжестве Монако, так как именно рулетка является простейшим механическим прибором по реализации процесса получения случайных чисел, используемого в данном математическом методе. Область применения метода Монте-Карло достаточно широка. В качестве примеров можно привести расчет систем массового обслуживания, расчет качества и надежности изделий, вычисление определенного интеграла и др» [9].

Изучением метода «Монте-Карло» занимались многие зарубежные ученые, такие как: Й.Х. Квок, Л. Ингалл[9], Т. Саймелл, П. Кискинен, М. Нип, Дж. Хол [8], Н. Фонг, Д. Леммон[7]. Н. Метрополис [10] и др.

Алгоритм использования метода Монте-Карло в количественном анализе рисков таков: сначала выполняется построение математической модели результирующего показателя как функции от переменных и параметров. В.Ю. Королев сообщает, что «Переменными считаются случайные составляющие проекта, параметрами ˗ те составляющие проекта, значения которых предполагаются детерминированными» [1]. Математическая модель пересчитывается при каждом новом имитационном эксперименте, в течение которого значения основных неопределенных переменных выбираются случайным образом, основываясь на генерировании случайных чисел. Из научных трудов С.А. Смоляка известно, что «Результаты всех имитационных экспериментов объединяются в выборку и анализируются с помощью статистических методов с целью получения распределения вероятностей результирующего показателя и расчета основных измерителей риска проекта» [3].

Процесс анализа рисков по методу Монте-Карло условно разбивается на три этапа: математическая модель, осуществление имитации, анализ результатов.

В результате мы получаем имитации хода выполнения проекта, учитывая всевозможные факторы воздействия. На основе этих имитация можно сделать прогнозы о будущем проекта и предложить рекомендации о возможных способах их снижения.

Вывод.

На сегодняшний день инвестиционные проекты требуют огромного внимания. Довольно низок процент проектов, деятельность которых оканчивается успехом. Все это чревато огромными потерями прибыли предприятий. Чтобы избежать неудач, необходимо управлять рисками проектов.

Для оценки эффективности проекта существует множество различных методов. Нами изучен и описан метод имитационного моделирования «Монте-Карло».

Метод имитационного моделирования Монте-Карло является развитием сценарного подхода к анализу рисков и одновременно относится к группе теоретико-вероятностных методов анализа риска.

Имитационное моделирование можно разделить на три этапа: построение математической модели, осуществление имитации, анализ результатов.

На начальном этапе выполняется построение математической модели, выбираются риск-переменные (случайные составляющие денежных потоков проекта) на основе рейтинга эластичностей и оценки прогнозируемости переменной, по имеющимся статистическим данным и экспертной информации для каждой риск-переменной выполняется подбор закона распределения, учитывая при этом условия вероятностной зависимости переменных.

Имитация осуществляется посредством использования специально разработанных компьютерных программ, число проводимых имитационных экспериментов выбирается с помощью методов математической статистики.

Принятие проектных решений основываться на результатах визуального анализа, то есть изучения профиля риска и кумулятивного профиля риска, полученных в результате имитационного моделирования.

Список использованных источников.

1. КоролевВ.Ю. Математическиеосновытеориириска / КоролевВ.Ю., БенингВ.Е., ШоргинС.Я.: Учебн. пособ.˗ М.: ФИЗМАТЛИТ, 2007.˗ 544с.

2. Кошечкин С.А., Дмитриев М.Н. Количественный анализ риска инвестиционных проектов //Корпоративный менеджмент.[Электронный ресурс]// URL:http://www.cfin.ru/ finanalysis/quant_risk.shtml.

3. Смоляк С.А. Оценка эффективности инвестиционных проектов в условиях риска и неопределенности. ˗ М.: Наука, 2008.

4. Федосова М.Н., Корнев А.М. Оценка рисков типового инвестиционного проекта с использованием метода имитационного моделирования Монте-Карло // ЭКОНОМИКА И СОЦИУМ. ˗ ООО «Институт управления и социально-экономического развития». ˗ №2-4(11). – 2014. – С. 846-853.

5. Фурего Э.В. Особенности управления риском в инвестиционных проектах //Журнал «Современная наука: актуальные проблемы теории и практики. [Электронный ресурс] // URL: http://www.vipstd.ru/nauteh/index.php/ru/-ep13-09/973-a.

6. Чусавитина Г.Н., Макашова В.Н. Управление проектами по разработке и внедрению информационных систем / Г.Н. Чусавитина, В.Н. Макашова — Магнитогорск: Магнитогорский государственный университет, 2012. — 306 с.

7. Debevec P., Fong N.,and Lemmon D. Image-Based Lighting // SIGGRAPH Course. ˗ №5. ˗ 2002.

8. Hahl J., Simell T., Kupila A., Keskinen P., Knip M., Ilonon J. and Simell O. A Simulation Model for Estimating Direct Costs of Type 1 Diabetes Prevention // Pharmacoeconomics. – 2003. ˗ 21(5). ˗ P.295.

9. Kwak Y.H., Ingall L. Exploring Monte Carlo Simulation Applications for Project Management //EEE ENGINEERING MANAGEMENT REVIEW.˗ VOL. 37. ˗ № 2. ˗ SECOND QUARTER 2009. ˗ P. 83 91. ˗ P 83 87. URL: http://www. Researchgate. net/publication /2606 20647_Exploring_Monte_Carlo_Simulation_Applications_for_Project_Management.

10. Metropolis N. The Monte Carlo method / N.Metropolis, S.Ulam. – J.Amer / Stat. Assoc.A949)44. ˗ № 247. ˗Р.335 – 341.

Код для цитирования: Скопировать