Методика оценки риска инвестиционного проекта для различных уровней неопределенности проектной информации тема диссертации и автореферата по ВАК РФ 08.00.10, кандидат экономических наук Удалов, Никита Павлович

• Удалов, Никита Павлович
• кандидат экономических наук
• 2007

Оглавление диссертации кандидат экономических наук Удалов, Никита Павлович

Введение.

Глава 1. Идентификация рисков инвестиционного проекта.

1.1. Понятие риска инвестиционного проекта и значение его оценки при принятии инвестиционных решений.

1.2. Классификация рисков инвестиционного проекта.

1.3. Выводы по главе 1.

Глава 2. Методологические аспекты оценки проектных рисков средствами теории нечетких множеств.

2.1. Обзор существующих подходов к оценке проектных рисков.

2.2. Инструментальные средства теории нечетких множеств, применяемые при оценке рисков инвестиционного проекта.

2.3. Выводы по главе 2.

Глава 3. Методика оценки риска инвестиционного проекта, описываемого качественными характеристиками.

3.1. Постановка задачи и существующие подходы к ее решению.

3.2. Лингвистический подход к оценке риска инвестиционного проекта

3.3. Выводы по главе 3.

Глава 4. Оценка риска инвестиционного проекта, как меры неопределенности его нечетких показателей эффективности.

4.1. Моделирование денежного потока проекта в нечеткой форме.

4.2. Вычисление показателей эффективности в нечеткой постановке.

Интегральная оценка риска проекта.L.

4.3. Выводы по главе 4.

Глава 5. Оценка риска инвестиционного проекта как возможности неблагоприятного исхода.

5.1. Нечетко-множественный подход к оценке возможности неблагоприятного исхода инвестиционного проекта.

5.2. Оценка риска с использованием нечетко-множественного подхода на примере реального инвестиционного проекта.

5.3. Сравнительный анализ теории нечетких множеств и других подходов к оценке возможности неблагоприятного исхода проекта.

5.4. Выводы по главе 5.

Введение диссертации (часть автореферата) на тему «Методика оценки риска инвестиционного проекта для различных уровней неопределенности проектной информации»

Актуальность исследования. Инвестиционная деятельность в современных условиях является одним из основных факторов развития и обеспечения стабильности национальной экономики. В последние несколько лет инвестиционная ситуация в Российской Федерации заметно улучшилась, но эти позитивные изменения пока еще не приняли характер устойчивой тенденции. Осуществление инвестиций по-прежнему осложнено в силу существования ряда институциональных, отраслевых, региональных и ресурсных проблем развития экономики.

Проведенное диссертационное исследование дает нам основания утверждать, что помимо представленных общесистемных проблем, одним из ключевых факторов, препятствующих росту инвестиций, является недостаточная научная и практическая разработанность методов оценки инвестиционных проектов. Методологические сложности связаны, прежде всего, с высокой неопределенностью, нестабильностью окружающей среды, отсутствием полной и точной информации при принятии инвестиционных решений. Подобные проблемы существуют и в условиях сравнительно устойчивых экономик, но для современных российских реалий проявляются особенно остро.

Изучение различных аспектов инвестиционного анализа позволило нам сделать вывод о том, что учет неопределенности меняет подход к оценке эффективности инвестиционного проекта. При этом ключевое значение обретает оценка риска, которая становится одним из основных критериев, учитываемых при принятии инвестиционных решений. Традиционно для моделирования неопределенности используются вероятностные методы, однако их адекватность существенно снижается в случае исследования новых проектов, по которым отсутствует достаточная статистическая база. Значительная часть проектной информации имеет качественный характер, в результате чего возникают сложные, плохо формализуемые задачи, в отношении которых возможности традиционного инструментария также ограничены.

Низкая степень адекватности моделей, т.е. несогласованность моделей с исходной информацией, существенно затрудняет принятие инвестиционных решений, приводит к принятию ошибочных решений, а в отдельных случаях к отказу от реализации инвестиционных проектов. Поэтому разработка нового инструментария, позволяющего адекватно учитывать неопределенность инвестиционных проектов в расчетах показателей эффективности, в том числе при оценке проектных рисков, имеет большое значение для развития инвестиционной деятельности.

Следует особо подчеркнуть, что в последнее время были выявлены новые типы неопределенности, и потребовались новые подходы для использования в случае невозможности либо неэффективности применения классических методов анализа. При этом одна из наиболее важных задач состоит в предоставлении средств для оперирования с нечеткой, размытой информацией; учета точек зрения экспертов и различных участников проекта путем включения в формальный анализ их субъективных представлений, мнений и суждений.

В диссертационной работе показано, что решение представленных задач при оценке проектных рисков возможно и во многих случаях эффективно при использовании инструментария теории нечетких множеств. Это обусловило использование соответствующих методов данной теории, как ключевых, при разработке методик оценки риска инвестиционного проекта.

Таким образом, высокая экономическая значимость, а также недостаточная теоретическая и практическая разработанность методов учета неопределенности и оценки риска инвестиционного проекта обусловили актуальность выбранной темы диссертационного исследования.

Основная цель работы - на основе инструментальных средств теории нечетких множеств разработать методы оценки риска инвестиционного проекта, отражающие особенности сопутствующей инвестиционному процессу неопределенности, а также определить целесообразность практического применения данных методов.

Основные задачи исследования;

1. Определение основных типов рисков инвестиционного проекта. Разработка подходов к их идентификации.

2. Систематизация существующих подходов к моделированию неопределенности и оценке рисков инвестиционного проекта. Определение областей их соприкосновения.

3. Определение типов инвестиционных проектов, в которых представленная неопределенными величинами информация адекватно описывается в терминах теории нечетких множеств.

4. Определение функционального набора нечетких конструкций для решения задач оценки рисков инвестиционного проекта.

5. Анализ существующих и разработка новых нечетких моделей и алгоритмов решения задач оценки рисков; обоснование практической возможности их применения путем анализа реальных инвестиционных проектов.

6. Выявление альтернативных подходов к оценке рисков для рассматриваемых типов проектной неопределенности; определение целесообразности практического применения нечетких моделей на основе сравнительного анализа с альтернативными подходами.

Предмет и объект исследования. Предметом исследования являются методы теории нечетких множеств, применяемые к оценке риска инвестиционного проекта. Объектом исследования выступают инвестиционные проекты на предынвестиционной стадии.

Теоретической и методической основой исследования послужили работы отечественных и зарубежных ученых по экономико-математическому моделированию, проблемам выбора в условиях неопределенности, оценке эффективности инвестиционных проектов, анализу проектных рисков, теории нечетких множеств: П.Л. Виленского, В.Н. Лившица, С.А. Смоляка, С.А. Орловского, ДА. Поспелова, М.В. Грачевой, А.О. Недосекина, К. Асаи, Р. Беллмана, Д. Дюбуа, Г. Прада, Л.А. Заде, Р. Ягера и др.

Научная новизна работы заключается в том, что ней дано решение научной проблемы, имеющей большое значение в области оценки эффективности инвестиционных проектов, а именно, оценки риска инвестиционного проекта с использованием методов теории нечетких множеств. К числу наиболее существенных результатов, полученных лично автором и обладающих научной новизной, относится следующее:

1. Разработан комплексный подход к идентификации рисков инвестиционного проекта, предполагающий, с одной стороны, изучение областей возможного возникновения рисков; с другой стороны, анализ их гипотетических последствий.

2. Осуществлена систематизация подходов к моделированию неопределенности и оценке проектных рисков, и для различных типов неопределенности выделены альтернативные подходы к оценке рисков.

3. Создана новая схема оценивания риска инвестиционного проекта с использованием лингвистического подхода, которая по сравнению с другими методиками позволяет более адекватно, т.е. с меньшими потерями и искажениями информации, включить в формальный анализ нечеткие входные данные, мнения и суждения экспертов, выраженные словами и фразами естественного языка.

4. Разработаны новые модели оценки риска проекта, как степени неопределенности его нечетких результатов.

5. Усовершенствована методика оценки риска проекта, как возможности его неблагоприятного исхода, путем анализа чувствительности оценок к изменению критического уровня показателя эффективности и учета результатов такого анализа при определении итоговой, качественной, характеристики риска проекта.

6. Проведен сравнительный анализ инструментальных средств нечетко-множественного и вероятностного подходов, которые измеряют риск проекта, как возможность неблагоприятного исхода. На основе точности оценок, сложности вычислений и других критериев сделан вывод о том, что подходы обладают примерно одинаковыми возможностями для анализа проектов, неопределенность которых выражается в неоднозначности количественных значений расчетных параметров.

Практическая значимость и апробация работы. Содержащиеся в исследовании методические положения и рекомендации могут быть использованы при разработке технико-экономических обоснований, бизнес-планов инвестиционных проектов в целях обеспечения адекватного учета неопределенности, которая сопутствует осуществлению проектов, а также для получения корректной оценки проектного риска. Полученные результаты диссертационного исследования могут быть применены при осуществлении преподавательской деятельности при чтении лекций и проведении практических занятий по курсам: «Инвестиции», «Инновационный менеджмент», «Финансовый менеджмент», «Проектный анализ», «Риск менеджмент» в высших учебных заведениях.

Основные положения и результаты диссертационного исследования докладывались:

• на 8-ой международной научно-практической конференции «Актуальные проблемы управления - 2003», проводимой в Государственном университете управления в ноябре 2003 г.;

• на 3-м международном научно-практическом семинаре «Проблемы трансформации современной российской экономики: теория и практика организации и обеспечения управления», проводимого Московским государственным университетом экономики, статистики и информатики (МЭСИ) в декабре 2004 г.

• на научной конференции «Социально-экономические и правовые аспекты рыночных отношений в России», проводимой в Московском институте предпринимательства и права в феврале 2006 г.;

Разработанные методики оценки рисков инвестиционных проектов прошли апробацию на различных предприятиях и организациях, в том числе в ЗАО «ИКГ «Профконсалт», в ОАО «ТВ Центр», в ОАО «Городская информационно-справочная служба» и получили положительные отзывы.

Публикации. По теме диссертации опубликовано шесть работ, общим объемом 1,5 п/л.

Структура диссертации определяется поставленной целью и задачами исследования и состоит из введения, пяти глав, заключения, списка использованной литературы. В основной части размещены таблицы, схемы и рисунки, связанные с текстом.

Заключение диссертации по теме «Финансы, денежное обращение и кредит», Удалов, Никита Павлович

5.4. Выводы по главе 5

В пятой главе работы рассмотрены различные аспекты нечетко-множественной оценки риска, как возможности неблагоприятного исхода проекта. Показано, что подобная оценка может быть получена несколькими способами. При этом наиболее адекватным является подход, основанный на вычислении геометрической вероятности попадания точки в область неэффективных исходов, задаваемую нечетким показателем эффективности и его критическим уровнем.

По результатам анализа данного подхода и его расширений, в частности, концепции риск-функции проекта предложена новая методика, включающая в себя анализ чувствительности оценок к изменению критического уровня и их учет при определении итоговой, качественной, характеристики рискованности. Практическая значимость введенных дополнений обусловлена, с одной стороны, неопределенным характером задания критического уровня показателя эффективности. С другой стороны -возможностью высокой чувствительности оценок риска, находящейся в зависимости от взаимоположения нечеткого показателя эффективности и его критического уровня.

Возможности применения нечетко-множественного подхода к оценке проектного риска были продемонстрированы на примере реального инвестиционного проекта. При этом расчеты были проведены на основе разработанного автором программного модуля VBA для MS Excel, что весьма распространено в практике инвестиционных расчетов.

Учитывая, что степень возможности традиционно определяется через вероятность, был проведен сравнительный анализ инструментальных средств нечетко-множественного и вероятностного подходов, которые измеряют риск проекта, как возможность неблагоприятного исхода. В качестве критериев сравнения были использованы точность оценок, сложность вычислений, степень распространенности подходов и программных средств, позволяющих проводить анализ на их основе. Результаты сравнения подходов позволяют сделать вывод о том, что они обладают примерно одинаковыми возможностями для анализа проектов с количественными параметрами.

Заключение

В заключении приведем основные результаты диссертационного исследования:

1. Принятие инвестиционных решений в современных российских условиях существенно усложняется вследствие высокой неопределенности, неполной информации и нестабильности окружающей среды. Неопределенность меняет подход к оценке эффективности инвестиционного проекта, которая должна теперь учитывать возможность различных сценариев его осуществления. При наличии неопределенности оценка проектного риска, являясь характеристикой множества возможных исходов реализации проекта, становится важнейшим критерием проекта, неотделимым от совокупности показателей эффективности, учитываемых при принятии решения об инвестировании.

2. Представлена систематизация существующих подходов к оценке риска инвестиционных проектов на основе таких классификационных признаков, как тип решаемой задачи, а также вид моделируемой неопределенности. Анализ различных типов неопределенности, сопутствующей реальному инвестиционному процессу, показывает, что возможности традиционного математического аппарата оказываются ограниченными в случае не вероятностного характера неопределенности, в особенности, когда характеристики проектных параметров заданы в качественной форме. Это вызывает потребность в новых способах моделирования неопределенности и оценки риска инвестиционного проекта.

3. Обоснована возможность применения при оценке проектного риска инструментальных средств теории нечетких множеств. На всех стадиях разработки и осуществления инвестиционного проекта лицо, принимающее решение, оперирует с плохо формализуемыми, сложными задачами, чаще всего не имеющими однозначного точного решения, описанными качественными, неоднозначными характеристиками. Теория нечетких множеств позволяет адекватно включить подобную неопределенную информацию в формальный анализ, что предопределяет предпочтительность использования нечетко-множественных методов.

4. Представлен математический аппарат и определены инструментальные средства теории нечетких множеств, позволяющие проводить оценку риска инвестиционных проектов. Основными средствами теории в этом отношении являются концепции нечетких чисел и лингвистических переменных. Если неопределенность связана с неоднозначностью значений факторов и параметров проекта, она может быть задана с помощью нечетких чисел. Для моделей задач, в которых доминирующими факторами являются неточность и неполная достоверность, основную роль играет понятие лингвистической переменной, значениями которой являются не числа, а слова или предложения естественного языка.

5. Определены типы инвестиционных проектов, в которых представленная неопределенными величинами информация адекватно описывается в терминах теории нечетких множеств:

• проекты, возможные сценарии реализации которых не формализуемы с достаточной степенью точности в виде модели денежных потоков, а неопределенность проектных параметров обуславливается их качественным характером. Подобная неопределенность свойственна, прежде всего, инновационным проектам; проектам, на начальных стадиях проработки; проектам, для которых финансовые показатели не имеют решающего значения, и др.

• проекты, различные сценарии реализации которых формализованы в виде прогнозной модели денежных потоков, в то же время значения неопределенных проектных параметров проекта могут быть лишь проранжированы по степени возможности. Подобная неопределенность свойственна большинству инвестиционных проектов, в особенности, новым проектам, по которым отсутствует достаточная статистическая база.

6. Проведен критический анализ существующих методик оценки риска проектов, неопределенность которых обуславливается качественным характером основных параметров. Показано, что наиболее простой и часто используемый метод - балльная оценка - обладает существенными недостатками: процедура назначения баллов неудобна для эксперта, мало отвечает естественному образу его мышления; при присвоении балльных значений часть неопределенной информации теряется. Более реальный подход для выражения суждений экспертов заключается в использовании вербальных утверждений вместо числовых величин, что может быть реализовано при использовании лингвистического подхода.

7. Указаны недостатки существующих методик в рамках лингвистического подхода, которые являются препятствием на пути его распространения. Предложены усовершенствования данных методик, позволяющие преодолеть обозначенные недостатки. С одной стороны, представлена процедура шкалирования суждений экспертов и их приведения к шкале, свойственной лицу, принимающему решение об осуществлении проекта. С другой стороны, для повышения объективности методики оценки рисков в ее расчетный механизм была включена итерационная процедура, позволяющая учесть равную возможность различных вариантов задания характеристических функций.

8. Проведен критический анализ существующих методик оценки риска проекта, как степени неопределенности его нечетких результатов, а также предложены новые методики. При этом в качестве меры неопределенности рассмотрены следующие характеристики: ширина носителя; степень нечеткости показателя эффективности проекта; расстояние от нечеткого критерия эффективности до некоторого базисного множества, состоящего из одного элемента, тем или иным образом агрегирующего информацию, заложенную в нечетком представлении критерия эффективности. Показано, что подобные методы обладают рядом недостатков, главным среди которых является неадекватное отражение сущности риска, заключающейся в возможности реализации проекта по неблагоприятному сценарию.

9. Рассмотрены различные аспекты нечетко-множественной оценки риска, как возможности неблагоприятного исхода проекта. По результатам анализа данного подхода и его расширений, в частности, концепции риск-функции проекта, предложена новая методика, включающая в себя анализ чувствительности оценок к изменению критического уровня и их учет при определении итоговой, качественной, характеристики рискованности. Практическая значимость введенных дополнений обусловлена, с одной стороны, неопределенным характером задания критического уровня показателя эффективности. С другой стороны - возможностью высокой чувствительности оценок риска, находящейся в зависимости от взаимоположения нечеткого показателя эффективности и его критического уровня.

10. Возможности применения нечетко-множественного подхода к оценке проектного риска продемонстрированы на примере реального инвестиционного проекта. При этом в дополнение к существующим информационным приложениям разработан программный модуль VBA для MS Excel, позволяющий вычислять оценку проектного риска с использованием нечетко-множественного подхода.

11. Проведен сравнительный анализ инструментальных средств нечетко-множественного и вероятностного подходов, которые измеряют риск проекта, как возможность неблагоприятного исхода. На основе точности оценок, сложности вычислений и других критериев сделан вывод о том, что подходы обладают примерно одинаковыми возможностями для анализа проектов, неопределенность которых выражается в неоднозначности количественных значений расчетных параметров.

Список литературы диссертационного исследования кандидат экономических наук Удалов, Никита Павлович, 2007 год

1. Андреев ЭЛ., Осипов Г.В. Методы измерения в социологии. М.: Наука, 2003.

2. Банки и банковские операции / Под ред. Е.Ф. Жукова. М.: Банки и биржи, ЮНИТИ, 1997.

3. Виленский П.Л., Лившиц В.Н., Смоляк С.А. Оценка эффективности инвестиционных проектов. Теория и практика. М.: Дело, 2002.

4. Виленский П.Л., Смоляк С.А. Как рассчитать эффективность инвестиционного проекта. Расчет с комментариями. М.: Инфорэлектро, 1996.

5. Волков И.М., Грачева М.В. Проектный анализ: финансовый аспект. -М.: ТЕИС, 2000.

6. Воропаев В.И. Управление проектами в России. М.: Алане, 1995, 225 с.

7. Гаврилец Ю.Н. Социально-экономическое планирование. Системы и модели. 1974.

8. Голубева О.Н. Риск как экономическая категория. Вестник СПбГУ. Сер. 5.1993. Вып. 1(5). С. 130-132.

9. Громыко Г.Л. (ред.) Теория Статистики. М: ИНФРА-М. 2000. Ю.Грабовый П.Г., Петрова С.Н., Полтавцев С.И. Риски в современномбизнесе. М.: Алане, 1994,200 с. П.Дамари Р. Финансы и предпринимательство. - Ярославль:

10. Периодика, 1993,323 с. 12.3аде. Л. Понятие лингвистической переменной и его применение к принятию приближенных решений. М.: Мир. 1976.

11. Идрисов А.Б. Планирование и анализ эффективности инвестиций. -М.: Про-Инвест Консалтинг, 1995, 160 с.

12. Инвестиции и инновации: словарь-справ. М.

13. Качалов P.M. Управление хозяйственным риском. М.: Наука, 2002. 192 с.

14. Клейнер Г.Б., Смоляк С. А. Эконометрические зависимости: принципы и методы построения. М.: Наука, 2000,104 с.

15. Клейнер Г.Б., Тамбовцев B.JL, Качалов P.M. Предприятие в нестабильной экономической среде: риски, стратегии, безопасность. -М.: Экономика, 1997,288 с.

16. Копытин К.В. Анализ рисков в инвестиционных проектах (лингвистический подход). // Сборник студенческих работ. М.: ТЕИС, 2003г. с. 121-144.

17. Кофман А., Хил Алуха X. Введение теории нечетких множеств в управлении предприятиями, Минск: Вышэйшая школа, 1992.

18. Крайнева Э.А. Экспертиза инвестиций. М.: ДжИПЛА Лимитед, 1992, 54 с.

19. Левнер Е.В., Птускин А.С., Фридман А.А. Размытые множества и их применение. М.: ЦЭМИ РАН, 1998,108 с.

20. Лимитовский М.А. Методы оценки коммерческих идей, предложений, проектов. М.: Дело Лтд, 1995.

21. Липсиц И.В., Косов В.В. Инвестиционный проект; методы подготовки и анализа. Учебно-справочное пособие. М.: БЕК, 1996, 304 с.

22. Методические рекомендации по оценке эффективности инвестиционных проектов (вторая редакция): Офиц. Изд. М.: Экономика, 2000.

23. Моделирование рисковых ситуаций в экономике и бизнесе: Учеб. пособие / Дубров A.M., Лагоша Б.А., Хрусталев Е.Ю. / Под ред. Лагоши Б.А. М.: Финансы и статистика, 2000,173 с.

24. Мой банк / Под ред. С.И. Кумока. М.: Московское финансовое объединение, 1996.

25. Морозов Д.С. Проектное финансирование: управление рисками. М.: Анкил, 1999.

26. Недосекин А.О. Нечетко-множественный анализ риска фондовых инвестиций. С.-Петербург: Сезам, 2002.

27. Недосекин А.О. Оценка риска проекта по NPV произвольно-нечеткой формы. На сайте: http://sedok.narod.ru.

28. Недосекин А.О. Применение теории нечетких множеств к задачам управления финансами. Аудит и финансовый анализ. - №2, 2000. Также на сайте: http://www.cfin.ru.

29. Недосекин А.О. Риск-функция инвестиционного проекта. На сайте: http://sedok.narod.ru.

30. Недосекин А.О., Кокош A.M. Оценка риска инвестиций для произвольно-размытых факторов инвестиционного проекта. На сайте: http://sedok.narod.ru.

31. Нечеткие множества в моделях управления и искусственного интеллекта под ред. Поспелова Д.А. М.: Наука, 1986.

32. Нечеткие множества и теория возможностей. Последние достижения / Под ред. Ягера P.P. М.: Радио и связь, 1986,406 с.

33. Орлов А.И. Устойчивость в социально-экономических моделях. М.: Наука, 1979.

34. Прикладные нечеткие системы / Под ред. Тэрано Т., Асаи К., Сугэно М.-М.: Мир, 1993.

35. Птускин А.С. Ранжирование инвестиционных проектов по уровню риска с использованием лингвистического подхода. -Экономическая наука современной России. №3. - 2003, с. 94-101.

36. Райфа Г. Анализ решений (введение в проблему выбора в условиях неопределенности) М.: Наука, 1977,408 с.

37. Риск-анализ инвестиционного проекта: Учебник для вузов / Под ред. М.В. Грачевой. М.: ЮНИТИ-ДАНА, 2001. - 351 с.

38. Рыжов А.П. Элементы теории нечетких множеств и измерения нечеткости. М.: Диалог-МГУ, 1998. - 116 с.

39. Рыжов А.П. Элементы теории нечетких множеств и ее приложений. -М.: http://intsys.msu.ru/2003 г.

40. Симаранов С.Ю. Экспертиза как инструмент минимизации рисков при управлении инвестиционными проектами. Федеральные и региональные программы. Информационный сб. 1997. №3(9). с.92-98.

41. Смоляк С.А. Оценка эффективности инвестиционных проектов в условиях риска и неопределенности (теория ожидаемого эффекта). -М.: Наука, 2002,182 с.

42. Твисс Б. Управление научно-техническими нововведениями. М.: Экономика, 1989.

43. Толковый словарь Вебстера. М.

44. Турбина К.Е. Инвестиционный процесс и страхование инвестиций от политических рисков. М.: ИЦ «Анкил», 1995, 80 с.

45. Удалов Н.П. «Теория нечетких множеств, как подход к оценке рисков инвестиционного проекта». // Межвузовский сб. Актуальные проблемы современного управления и экономики. М. МЭСИ. 9. 2005. с. 239-246. (0,3 п/л).

46. Удалов Н.П. «Результаты сравнения нечетко-множественного и вероятностного подходов к оценке проектного риска». // Предпринимательство. №6. 2006. с. 93-96. (0,2 п/л).

47. Удалов Н.П. «Лингвистический подход к оценке рисков инвестиционных проектов». // Проблемы экономики. №6 (13). 2006. с. 178-181. (0,3 п/л).

48. Удалов Н.П. «Оценка рисков инвестиционных проектов с параметрами, заданными качественными характеристиками». // Сборник научных трудов. М.: ВГНА, 2006. с. 262-264. (0,3 п/л).

49. Удалов Н.П. «Оценка риска инвестиционного проекта как меры неопределенности его нечетких результатов» // Проблемы экономики. № 2(15) 2007. с. 211-213. (0,2 п/л).

50. Удалов Н.П. «Нечетко-множественный подход к оценке риска, как меры неэффективности инвестиционного проекта». // Материалы межвузовской научно-практической конференции МИПП, 2007 г. (0,2 п/л).

51. Управление инвестициями / Под ред. В.В. Шеремета, М.: Высшая школа, 1998.

52. Хелферт Э. Техника финансового анализа. М.: Аудит, ЮНИТИ, 1996.

53. Холт Р.Н., Барнес С.Б. Планирование инвестиций. М.: «Дело Лтд», 19946 120 с.

54. Anile A.M., Deodato S., Privrtera G. Implementing fuzzy arithmetic. -Fuzzy Sets and Systems. 72. - 1995, pp. 239-250.

55. Archer N.P. Ghasemzadeh F. An integrated framework for project portfolio selection. International Journal of Project Management. -17(4).-1999, pp. 207-216.

56. Bojadziev G., Bojadziev M. Fuzzy logic for business, finance and management. Advances in fuzzy systems - applications and theory, vol.12. - World Scientific Publishing, Singapore, 1997,232 p.

57. Buckley J.U. The fuzzy Mathematics of Finance // Fuzzy Sets & Systems., 1987. №21,257-273.

58. Capital budgeting handbook / Ed. Kaufman M. Homewood, Illinois, 1986.

59. Carlsson C., Fuller R. Fuzzy multiple criteria decision making: Recent developments. Fuzzy Sets and Systems. - 78(2). -1996, pp. 139-153.

60. Carlsson C., Fuller R. Benchmarking in linguistic importance weighted aggregations. Fuzzy Sets and Systems. - 114(1). - 2000, pp. 35-41.

61. Carlsson С., Fuller R., Fuller S. Possibility and necessity in weighted aggregation. In: R.R. Yager, J. Kacprzyk (Eds.), The Ordered Weighted Averaging Operators: Theory, Methodology and Applications. - Kluwer, Boston.-1997, pp. 18-28.

62. Chen J.E., Otto K.N. Constructing membership functions using interpolation and measurement theory. Fuzzy Sets and Systems. - 73 (3).-1995, pp. 313-327.

63. Chen S. An empirical examination of capital budgeting techniques: impact of investment types and firm characteristics // Engineering Economist, 39 (2), 1994.

64. Chen S.-M. Fuzzy group decision making for evaluating the rate of aggregative risk in software development. Fuzzy Sets and Systems. -118(1).-2001, pp. 75-88.

65. Cheng C.-H. Evaluating weapon systems using ranking fuzzy numbers. -Fuzzy Sets and Systems. 107 (1). - 1999, pp. 25-35.

66. Chicken J. -C. Managing risks and decisions in major projects. -Chapman Hall, London, 1994,203 p.

67. Chiu Ch.-Yu., Park Ch. S. Fuzzy cash flow analysis using present worth criterion // Eng. Economist, 39 (2), 1994., 113-138.

68. Clark J.J., Hinderland T.J., Pritchard R.E. Capital budgeting. Planning and control of capital expenditures. 2 ed. - Englewood Cliffs, New Jersey, 1984.

69. Cooper D.F., Chapman C.B. Risk analysis for large projects. John Wiley Sons, Chichester, 1987, 260 p.

70. Devedzic G.B., Pap E. Multicriteria-multistages linguistic evaluation and ranking of machine tools. Fuzzy Sets and Systems. - 102(3). - 1999, pp. 451-461.

71. Dimova L., Sevastianov P., Sevastianov D. Fuzzy Capital Budgeting: Investment Project Valuation and Optimization // Chenstohova Tech. University Proceedings, 2001.

72. Dubois D., Prade H. Fuzzy sets and statistical data. European Journal of operational Research. - 25. -1986, pp. 345-356.

73. Dubois D., Prade H. Operations on fuzzy numbers. Int. J. Systems Sci. -9.-1978, pp. 613-626.

74. Dubois D., Prade H. Criteria aggregation and ranking of alternatives in the framework of fuzzy set theory. TIMS/Stud. Mgmt. Sci. - 20. -2984, pp. 209-240.

75. Dubois D., Prade H. A review of fuzzy sets aggregation Connectives. -Inform. Sci. 36. - 1985, pp. 85-121.

76. Dubois D., Prade H. Weighted minimum and maximum operations in fuzzy sets theory. Inform. Sci. - 39. - 1986, pp. 205-210.

77. Fodor J.C., Roubens M. Fuzzy Preference Modelling and Multicriteria Decision support. Theory and Decision Library, Series D, System Theory, Knowledge Engineering and Problem Solving. - Vol. 14. -Kluwer, Dordrecht, 1984.

78. Gao L.S. The fuzzy arithmetic mean. Fuzzy Sets and Systems. - 107 (3).-1999, pp. 335-348.

79. Giachetti R.E., Young R.E. Analysis of the error in the standard approximation used for multiplication of triangular and trapezoidal fuzzy numbers and the development of a new approximation. Fuzzy Setas and Systems. - 91 (1). - 1997, pp. 1-13.

80. Herrera F., Herrera-Viedma E. Linguistic decision analysis: steps for solving decision problems under linguistic information. Fuzzy Sets and Systems. - 115(1). - 2000, pp. 67-82.

81. Herrera F., Herrera-Viedma E., Martinez L. A fusion approach for managing multi-granularity linguistic term sets in decision making. -Fuzzy Sets and Systems. 114(1). - 2000, pp. 43-58.

82. Herrera F., Herrera-Viedma E., Verdegay J.L. A model of consensus in group decision making under linguistic assessments. Fuzzy Sets and Systems. - 78. - 1996, pp. 73-87.

83. Herrera F., Herrera-Viedma E., Verdegay J.L. Linguistic Measures Based on Fuzzy Coincidence for Reaching Consensus in Group Decision Making. International Journal of Approximate Reasoning. - 16(3-4). -1997, pp. 309-334.

84. Hertz D., Thomas H. Risk analysis and its applications. John Wiley Sons, Chichester, 1984,15 + 326 p.

85. Hong T.-P., Chen J.-B. Processing individual fuzzy attributes for fuzzy rule induction a general framework for concept learning, Ph.D. Thesis.- Fussy Sets and Systems. 112(1). - 2000, PP. 127-140.

86. Hong T.-P., Lee C.-Y. Induction of fuzzy rules and membership functions from training examples. Fuzzy Sets and Systems. - 84(1). -1996, pp. 33-47.

87. Horikawa S., Furuhashi Т., Uchikawa Y. On fuzzy modeling using fuzzy neural networks with the back-propagation algorithm. IEEE Trans Neural Networks. - 3(5). - 1992, pp. 801-806.

88. Kaufmann A., Gupta M.M. Fuzzy mathematical models in engineering and management science. North-Holland, Amsterdam. - 1988.

89. Kaufmann A., Gupta M.M. Introduction to Fuzzy Arithmetic Theory and Applications, Van Nostrand Reinhold, New York, 1991.

90. Kenyon A. Currency risk and business management. Blackwell, Oxford, 1990,260 p.

91. Kliem R.L., Ludin I.S. Reducing project risk. Gower, GB, 1997.

92. Klir G.J., Golger T.A. Fuzzy sets, uncertainty, and information. -Prentice Hall, Englewood Cliffs, N.J., 1988,11 + 355 p.

93. Kuchta D. Fuzzy Capital Budgeting // Fuzzy Sets and Systems, 111, 2000.

94. Lai Y.-J., Ching-Lai H. Possibilistic Linear Programming for Managing Interest Rate Risk // Fuzzy Sets and Systems, Vol. 54,1993.

95. Lee H.-M. Applying fuzzy set theory to evaluate the risk of aggregative risk in software development. Fuzzy sets and Systems. -79(3).-1996, pp.323-336.

96. Lee H.-M. Group decision making using fuzzy sets theory for evaluating the rate of aggregative risk in software development. Fuzzy sets and Systems. - 80(3). -1996, pp. 261-271.

97. Liang P., Song F., Computer-Aided Risk Evaluation System for Capital Investment // Omega 22,4,1994.

98. Lootsma F.A. Fuzzy logic for planning and decision making. -Applied optimization, nr.8. Kluwer Academic, Dordrecht. - 1997, 195 P

99. Megill R.E. An introduction to Risk Analysis. PennWell. 1992.

100. Osgood C.E., Suci G.J., Tannenbaum P.H. The measurement of meaning. University of Illinois Press, Urbana, 1957, p. 1-342.

101. Saaty T.L. Scaling the membership function. European Journal of Operational Research. - 25. -1986, pp. 320-329.

102. Semantic differential technique. J.G. Snider, C.E.Osgood (Eds). Chicago 1969.

103. Small M.H., Chen J.J. Economic and strategic justification of АМТЛ Inferences from industrial practices. International Journal of Production Economics. - 49(1). - 1997, pp. 65-75.

104. Smith D.J. Incorporating Risk into Capital Budgeting Decisions Using Simulation // Management Decision, №32,1994.

105. Torra V. Interpreting membership functions: A constructive approach. International Journal of Approximate Reasoning. - 20 (3). - 1999, pp. 191-207.

106. Turksen I.B., Fazel Zarandi M.H. Fuzzy system models for aggregate scheduling analysis. International Journal of Approximate Reasoning. -19 (1-2).-1998, pp. 119-143.

107. Vaugham E.J. Risk management. N.Y. etc.: Wiley, 1997.

108. Ward T.L. Discounted fuzzy cash flow analysis // Fall Industrial Engineering Conference Proceedings, 1985., pp. 476-481.

109. Yager R.R. Fuzzy decision making using unequal objectives. Fuzzy Sets and Systems. - 1. - 1978, pp. 87-95.

110. Yager R.R. Families of OWA operators. Fuzzy Sets and Systems. -59.-1993, pp. 125-148.

111. Yager R.R. Aggregation operators and fuzzy system modeling. -Fuzzy Sets and Systems. 67. - 1994, pp. 129-145.

112. Yager R.R. On weighted median aggregation. Int. J. Uncertainty, Fuzziness and Knowledge-based Systems. - 1. - 1994, pp. 101-113.

113. Yager R.R. An Approach to Ordinal Decision Making. International Journal of Approximate Reasoning. - 12(3-4). - 1995, pp. 237-261.

114. Yager R.R. On the inclusion of importances in OWA Aggregations. -In: R.R. Yager, J. Kacprzyk (Eds.), The Ordered Weighted Averaging

115. Operators: Theory, Methodology, and Applications. Kluwer, Boston, 1997, pp. 41-59.

116. Zadeh L.A. Fuzzy Sets. Information and Control. - Vol.8. - 1965, pp. 338-353.

117. Zadeh L. Fuzzy sets as a basis for a theory of possibility. // Fuzzy Sets and Systems. Vol.1 (1978) 3-28.