Пример расчетов

Определить эффективность проекта приобретения оборудо­вания для выпуска продукции и оценить риск проекта на основе анализа чувствительности.

Стоимость оборудования 20 условных единиц, при этом финансирование проекта за счет собственных средств в размере 15 условных единиц и долгосрочного кредита в размере 5 услов­ных единиц, предоставляемого на 4 года под 12% годовых. Рас­четный срок эксплуатации (горизонт расчета) - 10 лет. Выплата кредита ведется в конце каждого расчетного года равными частя­ми с выплатой процентов раз в год.

Ежегодная чистая прибыль проекта составляет 5 условных единиц. Ставка дисконта - 11%.

Провести анализ чувствительности показателей эффектив­ности проекта к изменению ставки процента за кредит (диапазон изменений ставки: от 10% до 15% с шагом 1% пункт).

Окончание таблицы 2.4.11

Таблица 2.4.10- Доход в постоянных ценах

Таблица 2.4.11 -Дисконтированные денежные потоки

I______ I______________.................. -

Таблица 2.4.12 - Основные показатели эффективности проекта
Показатель Обозначение Значение I

14, 899 у.е.

Чистый дисконтируемый

доход

Индекс доходности

(рентабельности)

Срок окупаемости капиталовложений

ГЭЛОВЛижстгт

Данный проект можно считать высокоэффективным, так как его чистый дисконтированный доход равен 14, 899 у.е. (ЧДД»0), индекс доходности составляет 1,745 (ИР>1), то есть за расчетный период произошло увеличение вложенного капитала на 74, 5%, причем срок его окупаемости составил 5, 5 лет (ССКпериода экс­плуатации).

Таблица 2.4.13 - Чувствительность проекта к изменению ставки процента за кредит

Анализ чувствительности показателей эффективности про­екта к изменению ставки процента за кредит в диапазоне от 10% до 15% показал, что данный проект не очень чувствителен к изме-

ч

нению исходного показателя. Так, изменение ставки процента на 5% пунктов снизило рентабельность проекта на 5% пунктов, а чистый дисконтированный доход приблизительно на 1 у.е. Это в первую очередь связано с незначительной долей заемных средств в финансировании проекта.

ЛАБОРАТОРНАЯ РАБОТА №2 (4 часа)

«Использование имитационного моделирования при анализе и оценке риска (метод Монте-Карло)»

Теоретические сведения

Если не можете добиться результата, имитируйте кипучую деятельность и бешеную активность.

(Из законов Мэрфи: следствие Эндрю)

Имитационное моделирование (зпжйайоп) является одним из мощнейших методов анализа экономических систем.

В общем случае, под имитацией понимают процесс прове­дения на ЭВМ экспериментов с математическими моделями слож­ных систем реального мира.

Цели проведения подобных экспериментов могут быть са­мыми различными - от выявления свойств и закономерностей ис­следуемой системы, до решения конкретных практических задач. С развитием средств вычислительной техники и программного обеспечения, спектр применения имитации в сфере экономики существенно расширился. В настоящее время ее используют как для решения задач внутрифирменного управления, так и для мо­делирования управления на макроэкономическом уровне. Рассмот­рим основные преимущества применения имитационного моде­лирования в процессе решения анализа рисков.

Как следует из определения, имитация - это компьютерный эксперимент. Единственное отличие подобного эксперимента от реального состоит в том, что он проводится с моделью системы, а не с самой системой. Однако проведение реальных эксперимен­тов с экономическими системами, по крайней мере, неразумно,

требует значительных затрат и вряд ли осуществимо на практике. Таким образом, имитация является единственным способом ис­следования систем без осуществления реальных экспериментов.

Часто практически невыполним или требует значительных затрат сбор необходимой информации для принятия решений. Например, при оценке риска инвестиционных проектов, как пра­вило, используют прогнозные данные об объемах продаж, затра­тах, ценах и т.д.

Однако чтобы адекватно оценить риск необходимо иметь до­статочное количество информации для формулировки правдоподоб­ных гипотез о вероятностных распределениях ключевых парамет­ров проекта. В подобных случаях отсутствующие фактические дан­ные заменяются величинами, полученными в процессе имитаци­онного эксперимента (т.е. сгенерированными компьютером).

При решении многих задач финансового анализа использу­ются модели, содержащие случайные величины, поведение кото­рых не поддается управлению со стороны лиц, принимающих ре­шения. Такие модели называют стохастическими. Применение имитации позволяет сделать выводы о возможных результатах, основанные на вероятностных распределениях случайных факто­ров (величин). Стохастическую имитацию часто называют мето­дом Монте-Карло.

Имитационное моделирование представляет собой серию численных экспериментов призванных получить эмпирические оценки степени влияния различных факторов (исходных величин) на некоторые зависящие от них результаты (показатели).

В общем случае, проведение имитационного эксперимента можно разбить на следующие этапы,

1. Установить взаимосвязи между исходными и выходными
показателями в виде математического уравнения или неравенства.

2. Задать законы распределения вероятностей для ключевых
параметров модели.

3. Провести компьютерную имитацию значений ключевых
параметров модели.

4. Рассчитать основные характеристики распределений ис­
ходных и выходных показателей.

5. Провести анализ полученных результатов и принять ре­шение.

Результаты имитационного эксперимента могут быть допол­нены статистическим анализом, а также использоваться для пост­роения прогнозных моделей и сценариев.

Проведение имитационных экспериментов в среде ППП ЕХСЕЬ можно осуществить двумя способами - с помощью встро­енных функций и путем использования инструмента «Генератор случайных чисел» дополнения «Анализ данных» (Апа1уsis ТооlРаск).

Следует отметить, что применение встроенных функций це­лесообразно лишь в том случае, когда вероятности реализации всех значений случайной величины считаются одинаковыми. Тогда для имитации значений требуемой переменной можно воспользоваться математическими функциями СЛЧИС() или СЛУЧМЕЖДУ0.

Функция СЛЧИС() возвращает равномерно распределенное случайное число Е, большее, либо равное 0 и меньшее 1, т.е.: О < Е < 1. Вместе с тем, путем несложных преобразований, с ее помо­щью можно получить любое случайное вещественное число. На­пример, чтобы получить случайное число между а и b, достаточно задать в любой ячейке следующую формулу: =СЛЧИС()- (Ь-а)+а.

Настройка режима управления вычислениями производит­ся установкой соответствующего флажка в подпункте «Вычисле­ния» пункта «Параметры» темы «Сервис» главного меню.

Применение данной функции при решении задач финансо­вого анализа ограничено рядом специфических приложений. Од­нако ее удобно использовать в некоторых случаях для генерации значений вероятности событий, а также вещественных чисел.

Функция СЛУЧМЕЖДУ (нижн_граница; верхн_граница) позволяет получить случайное число из заданного интервала. При этом тип возвращаемого числа (т.е. вещественное или целое) за­висит от типа заданных аргументов.

Инструмент «Генератор случайных чисел» предназначен для автоматической генерации множества данных (генеральной сово­купности) заданного объема, элементы которого характеризуются определенным распределением вероятностей. При этом могут быть использованы 7 типов распределений:

- равномерное;

- нормальное;

- Бернулли;

- Пуассона;

- биномиальное;

- модельное:

- дискретное.

Применение инструмента «Генератор случайных чисел», как и большинства используемых в этой работе функций, требует ус­тановки специального дополнения «Пакет анализа».

Практическое применение данного метода продемонстриро­вало широкие возможности его использования в финансовом ана­лизе, особенно в условиях неопределённости и риска. Данный ме­тод особенно удобен для практического применения тем, что удач­но сочетается с другими экономико-статистическими методами, а также с теорией игр и другими методами исследования операций.

Практическое задание

Часть 1

Разработать монте-карловскую модель для выбора оптималь­ной маркетинговой стратегии в условиях неопределенности и риска и выбать рациональную по критерию максимальной прибыли.

Поиск по сайту: