Моделирование количественной оценки риска инвестиционного проекта в условиях неопределенности тема диссертации и автореферата по ВАК РФ 08.00.13, кандидат экономических наук Романов, Владимир Викторович

• Романов, Владимир Викторович
• кандидат экономических наук
• 2005

Оглавление диссертации кандидат экономических наук Романов, Владимир Викторович

введение.з

глава 1. принятие решений в инвестиционном проектировании.'.

• 1.1. Анализ методик инвестиционного проектирования.

1.2. Исследование технологий инвестиционного проектирования.

1.3. Инвестиционное проектирование в условиях риска.

1.4. Методы количественного анализа риска инвестиционных проектов.

1.5. Особенности инвестиционного проектирования в России.

глава 2. развитие инструментария инвестиционного проектирования.

2.1. Понятие риска в инвестиционном проектировании.

2.2. Обоснование применимости теории нечетких множеств при моделировании финансовой деятельности.

2.3. Использование нечетких множеств при количественной оценке риска в инвестиционном проектировании. 2.4. Постановка задачи количественной оце1 ikh риска для произвольно-размытых факторов ® инвестиционного проекта.

глава 3. применение нечетко-множественных описаний для оценки финансового риска в инвестиционном проектировании.

3.1. оценка финансовых рисков в инвестиционном проектировании.

3.2. формирование алгоритма оценки финансового риска в инвестиционном проектировании.

3.3. Оценка риска инвестиционных проектов на примере проектов по организации промышленного производства.

Введение диссертации (часть автореферата) на тему «Моделирование количественной оценки риска инвестиционного проекта в условиях неопределенности»

Актуальность темы

Принятие финансовых решений в условиях неопределенности -малоизученный вопрос в российской экономической науке. Главная причина заключается в том, что еще 15-20 лет назад в СССР, в том числе в России, не существовало рыночных отношений, а все финансовые решения принимались в планово-административном порядке. Формирование рыночной инфраструктуры предопределило необходимость принятия решений российскими финансовыми менеджерами в условиях тотальной неопределенности. Немногочисленность, а подчас отсутствие квалифицированных специалистов в области финансового менеджмента на российских предприятиях стало одним из факторов, вызвавших существенное замедление темпов развития экономики. К тому же российская экономика пережила кризисы 1991 и 1998 гг., вследствие которых объем промышленного производства в России сократился вдвое по сравнению с доперестроечным уровнем.

В этих условиях важнейшим направлением развития народного хозяйства становится вывод российских предприятий на современной уровень корпоративной культуры, позволяющий принимать важнейшие финансовые решения в условиях неопределенности. Современные финансовые менеджеры и инвесторы при принятии решений о реализации инвестиционных проектов в современных условиях не должны ограничиваться простейшим учетом финансовых потоков исходя из возможностей приспособленных таблиц Excel. Для исследования инвестиционного проекта недостаточно использовать простейшие модели бухгалтерского учета, поскольку инвестиционный проект образуют не только денежные потоки, в нем участвуют лица, управляющие этими потоками. На реализацию инвестиционного проекта значительное влияние оказывает внешняя рыночная среда, действия которой, а также ограниченная способность финансового менеджера идентифицировать текущее состояние инвестиционного проекта и прогнозировать будущие денежные потоки порождают фактор неустранимой неопределенности. При этом рыночная неопределенность не обладает классически понимаемой статистической природой. Соответственно ставится под сомнение применимость к анализу финансовых систем классических вероятностей и вероятностных случайных процессов.

В итоге, исследователь инвестиционного проекта, отказываясь от вероятностного подхода, вынужден использовать в анализе экспертные, минимаксные и другие детерминистские подходы, которые тоже не приспособлены для эффективного учета неопределенности поведения финансовых потоков. Иногда в ходе моделирования финансовые аналитики вводят субъективные вероятности, однако правомерность применения точечных вероятностных оценок и субъективных вероятностных распределений в большинстве используемых моделей может быть оспорена.

Таким образом, недостаточность имеющихся научных методов для обеспечения принятия обоснованных финансовых решений при инвестиционном проектировании порождает потребность в формировании новых подходов к проблеме принятия финансовых решений в условиях неопределенности, отвечающих современным требованиям финансовых менеджеров и инвесторов.

Степень изученности проблемы

Значительное содействие при принятии решений в условиях неопределенности оказала теория нечетких множеств, изложенная в фундаментальных работах Лофти Заде [22]. Изначально теория нечетких множеств ставила целью построить соответствие нечетких лингвистических описаний (типа "старый", "лысый" и т.д.) и специальных функций, выражающих степень принадлежности значений измеряемых параметров (возраста, степени облысения и т.д.) упомянутым нечетким описаниям. Позднее Лофти Заде определил нечеткие множества как инструмент построения теории возможностей [98, 99], где научные категории случайности и возможности, вероятности и ожидаемости получают теоретическое разграничение.

Дальнейшее развитие теории нечетких множеств связано с введением нечетких чисел как нечетких подмножеств специализированного вида, соответствующих высказываниям «значение параметра приблизительно равно а». Так появилась возможность прогнозировать будущие значения параметров, которые ожидаемо меняются в установленном расчетном диапазоне.

Фундаментальные исследования в этой области осуществлены Д. Дюбуа и Г. Прадом [94, 95].

В конце 70-х гг. прошлого столетия методы теории нечетких множеств нашли применение в различных экономических задачах: начиная с кадровых решений и заканчивая задачами замены оборудования. В этой связи следует отметить работы Г. Бояджиева [89], J1. Дымовой [92], К. Запоунидиса [100], Д. Севастьянова [92], Р. Словински [93], Б. Флое [91], Г. Циммермана [97]. Разработкой новых формализмов теории нечетких множеств и одновременно построением математических моделей для принятия финансовых решений в инвестиционном проектировании занимались А. Коффман [32, 96], X. Алуха [32], X. Лафуэнте [82], Дж. Бакли [90].

Отечественная научная школа общей теории нечетких множеств получила известность благодаря трудам А. Аверкина [1], А. Алексеева [2], А. Алехиной [3], А. Борисова [42], И. Батыршина [1], А. Недосекина [44, 45, 46, 48, 50, 51, 52, 54, 55, 57], А. Орлова [58], С. Орловского [59], В. Подиновского [60], Д. Поспелова [64], А. Рыжова [74], И. Язенина [87]. Однако наиболее глубоко вопросы применения теории нечетких множеств при моделировании количественной оценки риска инвестиционного проекта были рассмотрены А. Недосекиным.

Одно из основных направлений применения теории нечетких множеств при принятии инвестиционных решений, обозначенных А.Недосекиным, - это обоснование форм функций принадлежности соответствующих нечетких чисел и классификаторов, используемых в модели принятия решений. Если все исходные данные модели, имеющие нечеткий вид, обоснованны, то получение результирующих показателей осуществляется на основе методов теории нечетких множеств: методы, записанные в детерминированной постановке задачи, приводятся к нечеткому виду, «фузифицируются», а классические вычисления заменяются «мягкими» (основы нечеткой арифметики изложены в монографиях [32, 94, 95, 96, 97]). Проблема возникает тогда, когда результирующий показатель, полученный в нечетком виде, требует количественной и качественной интерпретации. Например, оценка инвестиционного проекта дает возможность представить результирующий показатель NPV в треугольной нечеткой форме, как это сделано впервые Дж. Бакли [90]. Количественную и качественную интерпретацию полученных результатов при оценке риска принятия финансовых решений привел в своих исследованиях А. Недосекин [44,45, 50, 53, 54, 55, 57].

Использование нечетких множеств позволяет выявить ряд преимуществ при моделировании финансовых систем. Во-первых, необходимо отметить, что нечеткие множества рационально описывают субъектную активность лиц, принимающих финансовые решения: неуверенность эксперта в оценке может моделироваться функцией принадлежности, носителем которой выступает допустимое множество значений анализируемого фактора. Так, в работе А.Недосекина [44] описана возможность количественной интерпретации параметров инвестиционного проекта, первоначально сформулированных качественно, в терминах естественного языка.

Во-вторых, нечеткие числа целесообразно использовать для планирования параметров инвестиционного проекта во времени, когда их будущая оценка затруднена (размыта, не имеет достаточных вероятностных оснований). Изложенный Дж. Бакли [78] подход позволяет все сценарии по отдельным факторам инвестиционного проекта свести в один сводный сценарий в форме треугольного числа, где выделяется три точки: минимально возможное, наиболее ожидаемое и максимально возможное значения фактора.

В-третьих, разработчик инвестиционного проекта с помощью нечетких множеств может в пределах одной модели формализовать как особенности экономического объекта, так и познавательные особенности связанных с этим объектом субъектов - менеджера и аналитика, порождая экспертную модель в структуре обобщенной финансовой модели. В монографии А. Недосекина [46] описано получение в конечном итоге платформы для интеграции принципиально разнородных знаний в рамках одной количественной финансовой модели.

Необходимо отметить, что научные труды вышеназванных авторов внесли значительный вклад в развитие и применение теории нечетких множеств при принятии финансовых решений, однако уровень требований финансовых менеджеров, аналитиков и инвесторов к получению и интерпретации количественных и качественных оценок риска принятия финансовых решений в инвестиционном проектировании постоянно повышается. В связи с этим встает вопрос о необходимости качественного совершенствования информативности модели количественной оценки риска принятия финансовых решений при инвестиционном проектировании. Настоящая диссертационная работа способствует решению этого вопроса и восполняет пробел в имеющихся исследованиях по изучаемой проблеме [32, 44, 45, 46, 90].

Цель диссертационной работы - разработка экономико-математических моделей количественной оценки риска инвестиционных проектов в условиях неопределенности. Достижение поставленной цели определило необходимость решения следующих задач:

• исследование традиционных подходов к принятию инвестиционных решений в условиях неопределённости, анализ существующих методов оценки рисков инвестиционного проекта и выявление наиболее перспективных методов для практического использования;

• формирование современного подхода к получению и интерпретации количественных оценок риска принятия финансовых решений при инвестиционном проектировании;

• построение экономико-математических моделей количественной оценки риска инвестиционных проектов с применением результатов теории нечетких множеств;

• формирование алгоритмов принятия решений на основе разработанных моделей.

Объектом диссертационного исследования являются инвестиционные проекты российских предприятий и организаций разных форм собственности.

Предметом диссертационного исследования стали теоретические, методические и практические проблемы математического моделирования количественной оценки риска инвестиционных проектов с применением методов теории нечетких множеств.

Методы исследования риска инвестиционных проектов в условиях существенной неопределенности базируются на аппарате теории нечетких множеств. В ходе моделирования используются следующие формализмы: квазистатистика, функции принадлежности, нечеткие числа (прямоугольные и треугольное), нечеткие знания и классификаторы.

Научная новизна диссертационной работы состоит в том, что автором предложен новый подход к моделированию количественной оценки риска в инвестиционном проектировании в условиях неопределенности, основанный на построении нечетко-множественной экономико-математической модели (НМЭММ). В ходе диссертационного исследования разработан алгоритм принятия инвестиционных решений, обеспечивающий их информационную обоснованность, что дает возможность создания новых программных решений для финансового менеджмента на основе экономико-математических моделей количественной оценки риска инвестиционных проектов.

Наиболее существенные результаты, обладающие научной новизной и полученные лично автором: разработан новый многофакторный подход к моделированию количественной оценки риска инвестиционного проекта, ориентированный на результаты теории нечетких множеств, который в отличие от применяемого многофакторного подхода позволяет идентифицировать опасные состояния превышения значений факторов над сформированными ограничениями инвестиционного проекта благодаря тому, что, во-первых, в качестве исходной базы для оценки риска инвестиционного проекта рассматривается не критерий эффективности инвестиционного проекта (NPV), а критерий «опасности» факторов инвестиционного проекта; во-вторых, оценки риска сформированы не путем приведения значений оцениваемого параметра и ограничений к начальному моменту времени, они получены для каждого временного промежутка; предложено новое двухмерное представление количественной оценки риска инвестиционного проекта с применением результатов теории нечетких множеств, отличающееся от традиционного одномерного представления возможностью формирования комплексной оценки риска и выявления влияния отдельных составляющих инвестиционного проекта на риск проекта за счет того, что на основе нечетко-множественных оценок получены не только четкие оценки возможности риска (возможности финансовых потерь), но и четкие оценки величины риска в натуральном выражении; создан новый способ актуализации исходной информации при моделировании количественной оценки риска инвестиционного проекта с применением результатов теории нечетких множеств, который сопоставительно с существующим способом позволяет, во-первых, снизить исходную неопределенность за счет внедрения принципиально иного механизма учета актуализированной информации (исключение этапа соотнесения актуализированной информации непосредственно с исходной и переход к этапу соотнесения актуализированной информации одновременно с ограничением и с исходной информацией) и, тем самым, получить более точные оценки риска, во-вторых, устранить несоответствие оценок риска с реальными тенденциями развития проекта в случае поступления актуализированной информации, противоречащей исходным данным; построены принципиально новые экономико-математические модели количественной оценки риска инвестиционных проектов с применением результатов теории нечетких множеств, учитывающие специфику разработанных автором подходов к формированию количественной оценки риска и предназначенные для построения системы количественных оценок риска и принятия на их основе эффективных, обоснованных и своевременных инвестиционных решений: обобщенная модель, интервальная модель, треугольная модель, вырожденные модели; разработан алгоритм принятия инвестиционных решений, обеспечивающий реализацию новых программных решений для финансового менеджмента на основе построенных автором экономико-математических моделей количественной оценки риска инвестиционных проектов.

Практическое значение научных результатов диссертационной работы состоит в том, что на их основе возможны: создание новых программных решений для финансового менеджмента, а также разработка научно-методических обоснований для принятия финансовых решений (описание которых см. в гл. 3 настоящего исследования). Результаты диссертационной работы были реализованы в программном комплексе Maple.

Экономический эффект от внедрения данных научных результатов выражается в снижении затрат инвестора на этапе реализации проекта за счет получения корректных количественных оценок риска инвестиционного проекта и принятия своевременных финансовых решений до начала его реализации.

Информационная база исследования представлена материалами Министерства финансов РФ и Министерства экономического развития и торговли РФ, Министерства природных ресурсов РФ, Госкомстата РФ, данными экономических и промышленных структурных подразделений администраций субъектов РФ и администраций муниципальных образований, информацией представителей бизнеса, а также результатами исследований инвестиционных проектов.

Публикации. По содержанию диссертации опубликовано 9 работ общим объемом 1,9 п.л.

Объем и структура диссертации. Работа изложена на 132 страницах машинописного текста, состоит из введения, трех глав и заключения, иллюстрирована 6 таблицами, 20 рисунками, имеется также 3 приложения на 7 страницах.

Заключение диссертации по теме «Математические и инструментальные методы экономики», Романов, Владимир Викторович

Заключение

На сегодняшний день в России заметен повышенный интерес к результатам развития экономической науки. Это связано с оживлением российской экономики после кризисов 90-х гг. прошлого столетия. Аналогичная ситуация характерна для рынка прямых инвестиций. Собственники и финансовые менеджеры российских предприятий и организаций накопили значительный опыт выживания и деятельности в рыночных условиях. Желая сохранить свой бизнес, они учатся работать в новых условиях: повсеместно на российских предприятиях внедряются бизнес-планирование, финансовый и инвестиционный анализ, процедуры управления проектами. Возрос спрос на маркетинговые исследования, на финансовую и общеэкономическую информацию. Однако при принятии финансовых решений всем приходится сталкиваться с общей проблемой -неопределенность завтрашнего дня. Планируя, прогнозируя, оценивая рыночный риск, финансовые менеджеры пытаются снизить рыночную неопределенность, стараясь свести ее к полной определенности. Они генерируют сценарии перспективного развития событий, связанных с изменением уровня цен, объемов выпуска и продаж товарной продукции, с изменением макропараметров экономической среды (уровни налогообложения, ставки по краткосрочным кредитам, темпы инфляции и т.д.), а затем проводят анализ эффективности инвестиционного проекта на реализуемый гипотетический сценарий.

Основная проблема при этом - оценка ожидаемости того или иного сценария в перспективной картине существования проекта: исследователи начинают вводить веса сценариев в интегральной картине, причем эти веса имеют вероятностный смысл. Закономерно возникает два вопроса: на каком основании эти веса устанавливаются и все ли потенциальные сценарии развития инвестиционного проекта и его окружения учтены в общей картине? Исходя из анализа практики инвестиционного проектирования в России ответ на эти вопросы напрашивается следующий: не хватает оснований для назначения весов в свертке сценариев, не все сценарии учтены, да и учесть их не всегда представляется возможным.

Переход из дискретного пространства сценариев к непрерывному путем замены дискретного весового распределения факторов непрерывной плотностью распределения позволяет при наличии таких распределений на входе в модель точно или приближенно восстановить распределение выходных параметров модели (например, финансовых показателей). Данное решение снимает проблему ограниченности сценариев, но остается проблема обоснованности модельных вероятностных распределений. Классически под вероятностью понимается частота однородных событий, происходящих в неизменных внешних условиях. В реальной экономике нет ни однородности, ни неизменности условий. Не сохраняется однородность и с течением времени. Поэтому на смену классическим вероятностям пришли субъективные вероятности, где существенно возрастает роль эксперта, назначающего вероятностные веса, увеличивается влияние субъективных предпочтений эксперта на оценку. Соответственно, чем субъективнее вероятность, тем менее научной она становится.

При оценке риска с помощью субъективных вероятностей исследователи инвестиционного проекта ссылаются на, пожалуй, единственно адекватный действительности принцип выбора вероятностей Гиббса-Джейнса. Однако данный принцип максимума энтропии не обеспечивает автоматически монотонности критерия ожидаемого эффекта, что ставит под сомнение использование субъективных вероятностей при оценке риска инвестиционного проекта, потому что в полученных оценках оказывается слишком много субъективной экспертной оценки и слишком мало информации о том, как эта оценка была получена.

Таким образом, на первое место выходят эксперт и исследователь инвестиционного проекта; их научная активность, предпочтения начинают выступать как объект моделирования. Уверенность (неуверенность) эксперта в оценке приобретает количественное выражение, и в этом случае применение вероятностей достаточно затруднительно. Другими словами, если раньше объектом научного исследования являлся экономический объект (предприятие, организация, отрасль, регион), то в современном инвестиционном проектировании объектом научного исследования становится также лицо, принимающее финансовые решения. Поэтому основное внимание при моделировании финансовых потоков инвестиционного проекта целесообразно уделять моделированию субъективной активности экспертов по оцениванию ожидаемых значений величин финансовых потоков, а в качестве инструмента моделирования в условиях недостаточной информационной базы целесообразно использовать методы теории нечетких множеств и нечетких интервалов, поскольку:

1) нечеткие множества адекватно описывают субъектную активность аналитика и финансового менеджера;

2) нечеткие числа как разновидность нечетких множеств соответствуют процессу планирования инвестиционного проекта во времени, когда будущая оценка затруднена (размыта, не имеет достаточных вероятностных оснований);

3) появляется возможность в рамках одной модели формализовать как особенности экономического объекта, так и познавательные особенности связанных с этим объектом субъектов менеджера и аналитика.

Разработанные на сегодняшний день нечетко-множественные модели оценки риска инвестиционного проекта пригодны для оценки риска на начальном этапе проекта, однако на основе данных моделей даже при их усовершенствовании ряд аналитических выкладок в данных постановках получить нельзя. При этом затруднительно использование данных моделей при управлении рисками, поскольку применение результатов моделей не позволяет обеспечить инвестора и финансового менеджера полной информацией, чтобы принять на ее основе обоснованное решение.

Для воссоздания полной перспективной картины существования инвестиционного проекта для финансовых менеджеров и аналитиков автором сформирован ряд новых подходов к получению и интерпретации оценок риска инвестиционного проекта при моделировании количественной оценки риска с помощью нечетко-множественных описаний.

Разработан новый многофакторный подход к моделированию количественной оценки риска инвестиционного проекта с применением результатов теории нечетких множеств, позволяющий идентифицировать опасные состояния превышения значений параметров над сформированными ограничениями инвестиционного проекта. Возможность выявления таких состояний получена за счет того, что, во-первых, в качестве исходной базы для оценки риска инвестиционного проекта рассматривается не критерий эффективности инвестиционного проекта (NPV), а критерий «опасности» параметров инвестиционного проекта, во-вторых, оценки риска сформированы не путем приведения значений оцениваемого параметра и ограничений к начальному моменту времени, они получены для каждого временного промежутка. При этом предполагается, что ожидаемые значения параметров инвестиционного проекта должны адекватно описывать субъектную активность аналитика и финансового менеджера, а ожидаемые значения параметров инвестиционного проекта и критериев «опасности» параметров размыты, их будущая оценка затруднена. Таким образом, исходная информация относительно ожидаемых значений параметров инвестиционного проекта представлена с помощью нечетко-множественных описаний на ограниченном дискретном временном промежутке.

Автором разработан новый двухмерный подход к представлению количественной оценки риска инвестиционного проекта с применением результатов теории нечетких множеств. Проведенный в работе анализ концепций риска позволяет сформулировать обобщённый комплексный критерий определения риска, который характеризует величину условных потерь, возможных при реализации инвестиционного решения: Риск = {возможность потери; уровень потери}.Для определения риска целесообразно использовать только такие показатели, которые учитывают обе координаты «вектора риска»: возможность наступления неблагоприятного события и величину ущерба от него. При необходимости экономического толкования и сравнительного анализа этих показателей предпочтительно переводить рассматриваемые показатели в денежный формат. Данный принцип заложен в двухмерный подход. Это позволяет сформировать комплексную оценку риска и выявить влияние отдельных составляющих инвестиционного проекта на риск проекта за счет того, что на основе нечетко-множественных оценок получены не только четкие оценки возможности риска (возможности финансовых потерь), но и четкие оценки величины риска в натуральном выражении.

Кроме того, автором предложен новый подход к актуализации исходной информации при моделировании количественной оценки риска инвестиционного проекта с применением результатов теории нечетких множеств, обеспечивающий возможность снижения исходной неопределенности за счет применения принципиально иного механизма учета актуализированной информации. Суть данного механизма состоит в исключении этапа соотнесения актуализированной информации непосредственно с исходной и в переходе к этапу соотнесения актуализированной информации одновременно с ограничением и с исходной информацией. Такой подход позволяет исходную неопределенность, выраженную в актуализированной оценке, не увеличивать за счет преобразования с помощью мягких вычислений, а непосредственно использовать определенность актуализированной оценки и, тем самым, получить более точные оценки риска. Другими словами, предложенный автором подход — это не стремление сдвинуть границу между знанием и незнанием относительно ожидаемого значения фактора инвестиционного проекта за счет варьирования границ незнания, а, наоборот, нацеленность на уменьшение области незнания за счет использования того знания, которое несет в себе информация относительно ожидаемого значения фактора инвестиционного проекта. К тому же этот подход помогает устранить несоответствие оценок риска с реальными тенденциями развития проекта в случае поступления актуализированной информации, противоречащей исходным данным. Это особенно важно, поскольку при поступлении актуализированной информации, не противоречащей исходной, применяемый сегодня подход позволяет получать адекватные тенденциям развития проекта оценки риска. Однако при расхождении ожидаемых оценок значений факторов существующий подход предлагает оценки риска, корректная интерпретация которых затруднительна.

На основе сформулированных подходов к оценкам риска инвестиционного проекта автором поставлена и решена задача количественной оценки риска инвестиционного проекта с применением результатов теории нечетких множеств. Самое важное в такой постановке научной задачи - научиться моделировать субъектную активность финансового менеджера, аналитика. В частности, представлять, по каким критериям исследователь инвестиционного проекта производит распознавание текущей экономической ситуации, состояния объекта исследования, поля для принятия решений. Как показывает практика, информации явно не хватает, к тому же она не очень высокого качества. Соответственно, исследователь осознанно или подсознательно отходит от точечных числовых оценок, заменяя их качественными характеристиками ситуации, выраженными на естественном языке. Пока терминам естественного языка не сопоставлена количественная оценка, они могут интерпретироваться произвольно. Но если такая оценка состоялась (параметр инвестиционного проекта представлен в виде нечеткого числа), то она обладает значимостью для моделирования экономического объекта, наряду с данными о самом объекте.

На основе поставленной автором задачи количественной оценки риска построены модели количественной оценки риска. Результаты создания данных экономико-математических моделей количественной оценки риска инвестиционных проектов положены в основу алгоритма принятия финансовых решений по инвестиционному проекту. При этом финансовое решение относительно дальнейших действий инвестора и финансового менеджера принимается на основе воссоздания цельной картины возможных негативных воздействий на инвестиционный проект.

По каждому параметру инвестиционного проекта инвестор может определить степень принадлежности параметра к «опасным» параметрам, являющуюся аналогом показателя возможности наступления неблагоприятных условий, в результате которых инвестору будет нанесен ущерб в виде потерь. Соответственно инвестор может получить также показатель величины данных потерь. Оценивая уровень потерь и опасность потерь, инвестор принимает обоснованное решение о применении механизмов риск-менеджмента (страхование рисков, формирование рискового резерва, учет рисков или избежание рисков).

Необходимо отметить, что такие механизмы, как страхование рисков и формирование рискового резерва, применяются лишь при невозможности использования других механизмов управления рисками. Инвестор, получая информацию о значительной величине риска, стремится в первую очередь исследовать параметр инвестиционного проекта, с которым связан данный риск, путем сбора исчерпывающей информации о данном параметре. Новый объем информации должен быть выражен в актуализированных оценках риска инвестиционного проекта, на основе которых принимается дальнейшее решение «о судьбе» инвестиционного проекта. Актуализация оценок риска также важна для осуществления риск-менеджмента при реализации инвестиционного проекта, когда по завершении временного промежутка ожидамые значения параметров инвестиционного проекта, выраженные нечетко-множественным способом, становятся четкими числами.

Таким образом, в диссертационной работе показано, как экспертные представления об уровне параметров инвестиционного проекта могут быть включены в модель количественной оценки риска при инвестиционном проектировании и принятия на их основе обоснованных финансовых решений. Эксперт или аналитик не может полного представления о будущем состоянии параметров; поэтому он склонен опираться на интервальные, размытые оценки. Чем опытнее эксперт, чем квалифицированнее аналитик в предметной области, тем менее размытые оценки они дают, а значит, ниже риск неэффективности принимаемых решений. Однако есть неустранимая информационная неопределенность, которую профессиональный эксперт, квалифицированный аналитик должен уметь чувствовать и выражать хотя бы в терминах естественного языка. В свою очередь, экспертная уверенность (неуверенность) в своих оценках может быть легко описана в количественно измеримых величинах, что и показано в работе.

Полагаю, разработанный автором подход количественной оценки риска имеет существенное значение для рыночных исследований и для практики инвестиционного проектирования в условиях существенной информационной неопределенности. Разработанные модели количественной оценки риска нашли применение в практике инвестиционного проектирования как в органах государственной власти, так и в частных инвестиционных структурах, а также в программных решениях, представленных в третьей главе диссертационной работы. Полагаю, что это лучшая рекомендация данным научным исследованиям.

Список литературы диссертационного исследования кандидат экономических наук Романов, Владимир Викторович, 2005 год

1. Аверкин А. Мягкие вычисления / А. Аверкин, И. Батыршин // Новости искусственного интеллекта. 1996.- №3.

2. Алексеев А. В. Интерпретация и определение функций принадлежности нечетких множеств / А. В. Алексеев. — Методы и системы принятия решений: Сб. тр. / Под ред. А. Н. Борисова. Рига: РПИ, 1979.

3. Алехина А. Э. Принятие решений в финансовом анализе в условиях нсстохастической неопределенности / А. Э. Алехина // Новости искусственного интеллекта. 2000. - №3.

4. Балабанов И.Т. Риск-менеджмент / И.Т. Балабанов. М.: Финансы и статистика,1996.

5. Беллман Р. Принятие решений в расплывчатых условиях / Р. Беллман, JI. Заде // Вопросы анализа и процедуры принятия решений. — М.: Мир, 1976.

6. Беренс В. Руководство по оценке эффективности инвестиций: пер. с англ./ В. Беренс, П. Хавранек . М.: Интерэксперт.

7. Бирман Г. Экономический анализ инвестиционных проектов / Г. Бирман, С. Шмидт; Пер. с англ.; Под ред. Л.П. Белых. М.: Банки и биржи, ЮНИТИ, 1997.

8. Богатин Ю.В. Инвестиционный анализ: Учеб. пособие для вузов / Ю.В. Богатин, В.А. Швандер. М.: ЮНИТИ-ДАНА, 2000.

9. Бромвич М. Анализ экономической эффективности капиталовложений / М. Бромвич; Пер с англ. М., 1996.

10. Ван Хорн Дж. Основы управления финансами / Дж. Ван Хорн; Пер. с англ.; под ред. И.И. Елисеевой. М.: Финансы и статистика, 1997.

11. Виленский П. JI. Оценка эффективности инвестиционных проектов. Учеб. практ. пособие / П. JI. Виленский, В.Н. Лившиц, Е.Р. Орлова, С.А. Смоляк. М.: Дело,1998.

12. Виленский П.Л. Показатель внутренней нормы доходности проекта и его модификации / П.Л. Виленский, С.А. Смоляк // Аудит и финансовый анализ.1999.-№4.

13. Винницкая С. О возможностях моделирования финансовых процессов с использованием пакета программ COMFAR III EXPERT / С. Винницкая // Инвестиции в России. 1998. - №4.

14. Волков И.М. Проектный анализ / И.М. Волков, М.В. Грачева. М.: Банки и биржи, ЮНИТИ, 1998.

15. Воронов К.И. Оценка коммерческой состоятельности инвестиционных проектов / К.И. Воронов // Финансовая газета. 1993. - № 49 - 52; 1994, № 1 - 4, 24, 25.

16. Воропаев В.И. Управление проектами в России / В.И. Воропаев. М.: Алане, 1995.

17. Гитман Л. Жд. Основы инвестирования / Л. Жд. Гитман, М.Д. Джонк. М.: Дело,1997.

18. Глухов В.В. Финансовый менеджмент: Учеб. пособие / В.В. Глухов, Ю.М. Бахрамов. СПб: Спец. лит., 1995.

19. Дзюба С.А. Анализ и сравнение инвестиционных проектов с учетом риска / С.А. Дзюба; РАН. Сиб. отд-ние. Сиб. энергет. ин-т им. Л.А. Мелентьева. Иркутск, 1994.

20. Дранко О.И. Технологии экономического обоснования инвестиционных проектов фирмы / О.И. Дранко, В.А. Ириков, С.В. Леонтьев. М.: УНПК МФТИ, «Школа менеджмента», 1996.

21. Калмыков С. А. Методы интервального анализа / С. А. Калмыков, 10. И. Шокин, 3. X. Юдашев. Новосибирск: Наука, 1986.

22. Заде JI. Понятие лингвистической переменной и ее применение к принятию приближенных решений / JI. Заде. М.: Мир, 1976.

23. Ковалев В.В. Методы оценки инвестиционных проектов / В.В. Ковалев. М.: Финансы и статистика, 1998.

24. Ковалев В.В. Управление финансами: Учеб. пособие / В.В. Ковалев М.:ФБК-ПРЕСС, 1998.

25. Ковалев В.В. Сборник задач по финансовому анализу: Учеб. пособие / В.В. Ковалев. М.: Финансы и статистика, 1997.

26. Ковалев В.В. Введение в финансовую математику: Учеб. пособие / В.В. Ковалев, В.А. Уланов. -СПБ: ТЭИ, 1997.

27. Ковалев В.В. Введение в финансовый менеджмент / В.В. Ковалев. М.: Финансы и статистика, 2000.

28. Ковалев В.В. Финансовый анализ: Управление капиталом. Выбор инвестиций. Анализ отчетности / В.В. Ковалев. М.: Финансы и статистика, 1997.

29. Кокош A.M. Применение теории нечетких множеств при оценке риска неэффективности инвестиций. На сайте: http://sedok.narod.ru/invrisk calc.html

30. Кошечкин С. А. Методы количественной оценки финансовых рисков. / С.А. Кошечкин // Научно-техническая конференция профессорско-преподавательского состава, аспирантов и студентов. НАС А, 1997.

31. Кошечкин С. А. Бизнес-план стратегия успеха / С. А. Кошечкин // Проблемы многоуровневого технического образования: Тезисы докладов Шестой Всероссийской научно-методической конференции. НАСА, 1997.

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

33. Коссов В.В. Методические рекомендации по оценке эффективности инвестиционных проектов / В.В. Косов. М.: Экономика, 2000.

34. Крылов Э.И. Анализ эффективности инвестиционной и инновационной дефтельности предприятия: Учеб. пособие / Э.И. Крылов. — М.: Финансы и статистика, 2001.

35. Лапуста М.Г. Риски в предпринимательской деятельности / М.Г. Лапуста, Л.Г. Шаршукова. М.: ИНФРА-М, 1998.

36. Липсиц И.В. Инвестиционный проект: методы подготовки и анализа: Учеб.-справ. пособие / И.В. Липсиц, В.В. Косов, М.: Изд-во БЕК, 1996.

37. Лукасевич И.Я. Анализ финансовых операций. Методы, модели, техника вычислений / И.Я. Лукасевич. М.: Финансы, ЮНИТИ, 1998.

38. Макконнел К.Л., Брю С.Л. Экономикс: Принципы, проблемы и политика: В 2 т./ К.Л. Макконнел, С.Л. Брю. М.: Республика, 1993.

39. Мелкумов Я.С. Экономическая оценка эффективности инвестиций и финансирование инвестиционных проектов / Я.С. Мелкумов. М.: ИКЦ ДИС, 1997.

40. Методические рекомендации по оценке эффективности инвестиционных проектов и их отбору для финансирования. Утв. Госстроем России,

41. Минэкономики РФ, Минфином РФ, Госкомпромом РФ от 31 марта 1994 г. N 7-12/47.-М.: 1994.

42. Мир управления проектами /Под ред. X. Решке, X. Шелле; Общ. ред. и пер. Познякова. — М.: Алане, 1994.

43. Модели принятия решений на основе лингвистической переменной / А.Н.Борисов и др. Рига: Зинатне, 1982.

44. Налимов. В.В. Вероятностная модель языка. О соотношении естественных и искусственных языков / В.В. Налимов. 2-е изд., перераб. и доп. - М.: Наука, 1979.

45. Недосекин А.О. Нечетко-множественный анализ рисков фондовых инвестиций / А.О. Недосекин. СПб., Типография «Сезам», 2002.

46. Недосекин А.О. Применение теории нечетких множеств к задачам управления финансами / А.О. Недосекин //Аудит и финансовый анализ. 2000. - №2.

47. Недосекин А.О. Фондовый менеджмент в расплывчатых условиях / А.О. Недосекин. — СПб., Типография «Сезам», 2003.

48. Недосекин А.О. Нечеткий финансовый менеджмент/ А.О. Недосекин. — М.: Аудит и финансовый анализ, 2003.

49. Недосекин А.О. Новый показатель оценки риска инвестиций / А.О. Недосекин, К.И. Воронов. На сайтах: http://www.vmgroup.sp.ru/, cfin.ru/analysis, http://www.delovoy.newmail.rU/analitic/3.htm.

50. Недосекин А.О. Финансовый анализ в условиях неопределенности: вероятности или нечеткие множества?/ А.О. Недосекин. На сайтах: http://www.vmgroup.sp.ru/ . cfin.ru/analysis, http://www.delovoy.newmail.rU/analitic/3.htm .

51. Недосекин А.О. Нечетко-множественный подход в маркетинговых исследованиях/ А.О. Недосекин, А.В. Овсянко. На сайте: http://www.vmgroup.sp.ru/.

52. Недосекин А.О. Введение в современную теорию рационального инвестиционного выбора / А.О. Недосекин. На сайте: http://sedok.narod.ru/sc group.html.

53. Недосекин А.О. Простейшая оценка риска инвестиционного проекта / А.О. Недосекин//Современные аспекты экономики. №11.- 2002.

54. Недосекин А.О. Оценка риска инвестиций по NPV произвольно-нечеткой формы/ А.О. Недосекин. На сайте: http://sedok.narod.ru/sc group.html.

55. Недосекин А.О Бизнес-планирование в расплывчатых условиях/ А.О. Недосекин. На сайте: http://sedok.narod.ru/sc group.html .

56. Недосекин А.О. Риск-функция инвестиционного проекта / А.О. Недосекин. На сайте: http://sedok.narod.ru/sc group.html

57. Недосекин А.О. Нечеткий DPBP и новый подход к рациональному отбору инвестиционных проектов / А.О. Недосекин. На сайте: http://sedok.narod.ru/sc group.html.

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

59. Орлов А.И. Задачи оптимизации и нечеткие переменные / А.И. Орлов. М.: Знание, 1980.

60. Орловский С.А. Проблемы принятия решений при нечеткой информации / С.А. Орловский.-М.: Наука, 1981.

61. Подиновский В.В. Коэффициенты важности критериев в задачах принятия решений. Порядковые или ординальные коэффициенты важности / В.В. Подиновский // Автоматика и телемеханика. -1978. №10.

62. Положение об оценке эффективности инвестиционных проектов при размещении на конкурсной основе централизованных инвестиционных ресурсов Бюджета развития Российской Федерации. Утв. постановлением Правительства РФ от 22 ноября 1997 г. №1470.

63. Программные продукты, применяемые при оценке эффективности инвестиционного проекта//Инвестиции в России. — 1998.—№3.

64. Программный продукт «Альт-Инвест». На сайте: http://www.a1trc.ru/software/a1t-invest.shtml

65. Поспелов Д.А. Моделирование рассуждений / Д.А. Поспелов. М.: Радио и связь, 1989.

66. Поспелов Д.С. «Серые» и/или «черно-белые» шкалы./ Д.С. Поспелов // Прикладная эргономика. Спец. выпуск «Рефлексивные процессы». 1994. - №1.

67. Романов В.В. Исследование отдельных вопросов инвестиционной деятельности / В.В. Романов // Материалы всероссийской научно-практической конференции «Современный финансовый рынок Российской Федерации». Пермь, 2003.

68. Романов В.В. Оценка риска инвестиционного проекта / В.В. Романов // Экономика и управление: актуальные проблемы и поиск путей решения: сб. ст. -Пермь, 2004.

69. Романов В.В. Развитие инструментария инвестиционного проектирования / В.В. Романов //Экономическая кибернетика: математические и инструментальные методы анализа, прогнозирования и управления: сб. ст. Пермь, 2004.

70. Романов В.В. Постановка и решение задачи оценки риска инвестиционного проекта / В.В. Романов // Материалы междунар. практ. конф. «Экономико-математические методы и информационные технологии в анализе и моделировании рыночных процессов». Киров, 2004.

71. Романов В.В. Постановка и решение задачи оценки риска выполнения целевых показателей / В.В. Романов // Материалы всерос. науч.-практ. конф. «Современный финансовый рынок Российской Федерации». Пермь, 2004.

72. Романов B.C. Понятие рисков в экономической деятельности / B.C. Романов. -На сайте: http://www.aup.rU/articles/finance/l.htm.

73. Рыжов А.П. Элементы теории нечетких множеств и измерения нечеткости / А.П. Рыжов. М.: Диалог-МГУ, 1998.

74. Салин В.Н. Математико-экономическая методология анализа рисковых видов страхования / В.Н. Салин и др. М.: Анкил, 1997.

75. Смоляк С.А. Учет специфики инвестиционных проектов при оценке их эффективности / С.А. Смоляк // Аудит и финансовый анализ. 1999. - №3.

76. Сорос Дж. Алхимия финансов / Дж. Сорос. М.: ИНФРА-М, 1999.

77. Сорос Дж. Кризис мирового капитализма. Открытое общество в опасности: пер. с англ. / Дж. Сорос. М.: ИНФРА-М, 1999.

78. Тихомиров С. Н. Проблемы управления рыночными рисками / С. II. Тихомиров, Р. В. Шитенков // Современные аспекты экономики. — С.-Петербург, 2002, № 6.

79. Трифонов Ю.В. Выбор эффективных решений в экономике в условиях неопределённости / Ю.В. Трифонов, А.Ф. Плеханова, Ф.Ф. Юрлов. Н. Новгород: Изд. ННГУ,1998.

80. Финансовое планирование и контроль. М.: ИНФРА-М, 1996.

81. Хил Лафуенте А. Финансовый анализ в условиях неопределенности / А. Хил Лафуенте. Минск: Тэхнолопя, 1998.

82. Четыркин Е.М. Финансовый анализ производственных инвестиций / Е.М. Четыркин. М.: Дело, 1998.

83. Шапиро В.Д. Управление проектами / В.Д. Шапиро. СПб.; ДваТрИ,1996.

84. Шарп У.Ф. Инвестиции: пер. с англ./ У.Ф. Шарп, Г. Дж. Александер, Дж. Бейли. -М.: ИНФРА-М, 1997.

85. Эшби Р.У. Введение в кибернетику / Р.У. Эшби. М.: Наука, 1959.

86. Язенин И.А. О методах оптимизации инвестиционного портфеля в нечеткой случайной среде/ И.А. Язенин // Сложные системы: обработка информации, моделирование и оптимизация. Тверь, ТГУ, 2002.

87. Яковец Ю. Проектное финансирование: как повысить уверенность инвестора / Ю. Яковец//Финансист . 1996.- №8.

88. Bojadziev G. Fuzzy Logic for Business, Finance and Management / G. Bojadzicv II Fuzzy Sets & Systems. 1992. - № 48.

89. Buckley J. The Fuzzy Mathematics of Finance / J. Buckley//Ibid. 1987.- №21.

90. Couturier A. Debt Level and Company Efficiency: Independence or Implication? An Evaluation of Fuzzy Implication / A. Couturier, B. Fioleau // European Journal of Economic and Social Systems. 2002. - 14.

91. Dimova L. Fuzzy Capital Budgeting: Investment Project Valuation and Optimization / L. Dimova, P. Sevastjanov, D. Sevastianov // Chenstohova Tech. University Proceedings. 2001 . - Also on site:http://sedok.narod.ru/s files/poland/DimSevSev2003.doc

92. Dimitras A.I. Business Failure Prediction Using Rough Sets / A. Dimitras, R. Slowinski, R. Susmaga, C. Zopounidis // European Journal of Operational Research. -1999.- №114.

93. Dubois D. Fuzzy Real Algebra: Some Results / D. Dubois, H. Prade // Fuzzy Sets and Systems. 1979.-№2.

94. Dubois D. Fuzzy Sets and Systems / D. Dubois, H. Prade . N.Y.: Academic Press, 1980.

95. Kaufmann A. Introduction to Fuzzy Arithmetic: Theory and Applications./ A. Kaufmann, M. Gupta. Van Nostrand Reinhold, 1991.

96. Zimmerman H. Fuzzy Sets Theory and Its Applications / H. Zimmerman. - Kluwer Academic Publishers, 2001.

97. Zadeh L.A. Fuzzy Sets as a Basis for a Theory of Possibility / L.A. Zadeh // Fuzzy Sets and Systems. 1978.-№1.

98. Zadeh L.A. Toward a Perception-Based Theory of Probabilistic Reasoning with Imprecise Probabilities // L.A. Zadeh // Journal of Statistical Planning and Inference. -2002.-105.

99. Zopounidis С. Multicriteria Decision Aid in Financial Management / C. Zopounidis // European Journal of Operational Research. 1999. - 119.