Анализ финансового риска инвестиционного проекта

Вспомним, что риск учитывается при выборе ставки дисконтирования денежных потоков проекта: чем выше риск, тем больше должна быть ставка дисконтирования.

В математическом моделировании инвестиционных проектов понятие риска формализуется следующим образом.

Поскольку заранее не известен денежный поток проекта в некотором будущем периоде, считают, что денежный поток – это случайная величина в теоретико-вероятностном смысле. Обозначим через m математическое ожидание денежного потока С. Тогда под мерой риска понимают вероятность того, что денежный поток будет меньше разности , где d – некоторое положительное число. Это значит, что, если ожидаемые значения двух денежных потоков равны, то риск выше у того денежного потока, для которого вероятность больше.

Обычно в качестве меры риска денежных потоков используют стандартное отклонение s денежного потока. Покажем, что увеличивается при возрастании s. Будем считать, что денежные потоки подчиняются нормальному распределению. Тогда

. (86)

Теперь возьмем частную производную по s от полученного выражения:

. (87)

Из формулы (87) вытекает, что частная производная положительна. Это означает, что при увеличении s вероятность возрастает.

Для того, чтобы определить риск, связанный с денежным потоком проекта, нужно знать распределение денежного потока. Поскольку денежный поток проекта зависит от входных параметров (например, в примере 12), то для определения распределения денежного потока проекта необходимо знать распределение каждого из входных параметров, а также взаимосвязь между этими распределениями. С помощью распределений входных параметров модели можно также получить распределения для чистой текущей величины проекта и для внутренней доходности проекта.

Отметим, что при большом количестве случайных параметров определение теоретических распределений денежных потоков проекта – чрезвычайно сложная задача. Намного проще получить соответствующие эмпирические распределения с помощью имитационного моделирования.

4.9. Имитационное моделирование денежных потоков проекта

Имитационное моделирование основано на использовании так называемых датчиков случайных чисел. Датчик случайных чисел – это компьютерная программа, генерирующая последовательность случайных чисел в соответствии с некоторым распределением.

Обозначим P {×} теоретическое распределение, для которого мы хотим генерировать последовательность случайных чисел. Напомним, что для любого отрезка [ a,b ] по определению равно вероятности того, что случайная величина, подчиняющаяся данному распределению, попадет в отрезок [ a, b ].

Пусть N – количество чисел в последовательности, полученной с помощью датчика случайных чисел. Обозначим P_N {×} соответствующее эмпирическое распределение. (По определению , где N [ a,b ] – количество чисел последовательности, попавших в отрезок [ a,b ]). Если последовательность случайных чисел распределена в соответствии с теоретическим распределением P {×}, то для любого отрезка [ a, b ] при достаточно большом количестве N чисел в последовательности имеет место приблизительное равенство . (В пределе должно выполнятся строгое равенство: .)

Покажем каким образом, зная теоретические распределения входных параметров модели, можно построить эмпирическое распределение выходного параметра.

Пусть модель задана в виде . На основании известных теоретических распределений входных параметров (а также с учетом зависимостей этих распределений между собой), для каждого входного параметра X_k с помощью датчика случайных чисел строится последовательность чисел , подчиняющаяся соответствующему теоретическому распределению (причем так, чтобы взаимосвязи между эмпирическими распределениями отражали взаимосвязи между соответствующими теоретическими распределениями). Затем с помощью последовательностей , , строится последовательность чисел для выходного параметра Y по формуле

. (88)

Полученная последовательность естественным образом задает эмпирическое распределение выходного параметра Y.

Покажем на примере каким образом можно построить имитационную модель свободных денежных потоков проекта.

Пример 15. Предположим, что только годовой выпуск автомобилей случаен, а все остальные параметры модели детерминированы. Обозначим выпуск автомобилей в k -том году. Будем считать, что

, , (89)

где – ожидаемый выпуск автомобилей за первый год проекта.

Здесь - независимые случайные величины с математическим ожиданием равным нулю, распределения которых известны.

Отметим, что в данном примере условное математическое ожидание равно , т.е. ожидаемый выпуск автомобилей в k -м году равен выпуску автомобилей в (k -1)-м году.

Зная распределения относительных отклонений , с помощью датчиков случайных чисел можно получить соответствующие последовательности случайных чисел . Затем, подставив полученные числа , в формулы (89) соответствующим образом, можно найти последовательности чисел . Далее, подставив числа , в формулу (57), можно построить последовательности , для годовых свободных денежных потоков проекта с первого по пятый годы. Последовательности чисел , можно использовать для нахождения последовательностей случайных чисел и для чистой текущей стоимости и внутренней доходности проекта, соответственно, следующим образом.

Случайные числа , вычисляются по формуле

, (90)

а значения , (для внутренней нормы прибыли) определяются из уравнения

. (91)

С помощью последовательностей и определяются эмпирические распределения чистой текущей стоимости и внутренней доходности, соответственно.

Отметим, что для имитационного моделирования денежных потоков, чистой текущей стоимости и внутренней доходности проектов удобно использовать табличные процессоры (например, Excel).

Поиск по сайту: