Низкая точность оперативной информации и результатов текущих исследований, невозможность точного прогнозирования будущего состоя­ния объекта, неточность самих моделей управления, а также неоднознач­ность естественного языка порождают высокую неопределённость при ин­вестиционном проектировании. Неопределённость тем более ощутима в данной области бизнеса, что каждый инвестиционный проект уникален и подвержен одновременно как воздействию внешних рисков, так и влиянию ошибок внутрифирменного управления.

Методы оценки риска различаются по способам формализации неоп­ределённости, то есть описания исходных параметров, их разброса и коле­баний. Каждый подход к оценке инвестиционного риска базируется на оп­ределённом методе учёта всех возможных значений параметра и их степе­ней возможности, а также сведении всех этих данный в некий единый по­казатель риска [1].

Так теория вероятностей рассматривает параметры проекта как слу­чайные величины, подчиняющиеся определённым законам распределения. Классические вероятностные подходы ориентированы на учёт состояний внешней среды проекта и связанной с ними неопределённости, а метод субъективных вероятностей - на отношение и ожидания субъекта относи­тельно состояний этой же внешней среды. По сути, данное отношение ма­ло связано с конкретным проектом и характеризует, в первую очередь, внешние факторы. Эффект проекта связывается, главным образом, с харак­теристиками окружающего мира: чтобы проанализировать возможные ре­зультаты проекта, необходимо сосредоточиться на анализе внешней среды. В то же время интервальный подход, напротив, рассматривает только не­определённость, встроенную в проект и связанную с его особенностями. Поэтому данный метод не предусматривает никакой возможности получе­ния дополнительной информации вплоть до начала реализации проекта. Его целесообразно применять для уникальных единичных проектов при практически полном отсутствии полезной статистической информации или её неприменимости [2]. Наряду с этими крайними подходами существуют также методики, стремящиеся тем или иным образом учесть одновременно неопределённость и самого проекта, и внешней среды. К ним относятся методы интервально-вероятностной неопределённости, методы нечёткого эффекта и эффекта, наделённого правдоподобием, и некоторые другие.

Эти методы имеют важные преимущества, поскольку на практике в рамках анализа инвестиционного проекта чаще всего встречаются оба вида неоп­ределённости.

Вид неопределённости и применяемый метод её учёта зависят от за­данных характеристик элементов множества возможных значений пара­метров. В целом можно выделить два крайних подхода к учёту неопреде­лённости при оценке рисков. Первый из них рассматривает классическую неопределённость, которая подчиняется стохастическим законам, и осно­вывается на аппарате теории вероятностей. Второй, альтернативный ему, подход призван работать с «дурной» (полной) неопределённостью, при ко­торой отсутствуют необходимые статистические наблюдения. В рамках этого подхода получили распространение интервальные и минимаксные методы, а также аппарат теории нечётких множеств [3].

Вероятностная неопределённость имеет место, когда известны веро­ятности или плотность распределения всех элементов множества. В этом случае применяется хорошо разработанная группа стохастических методов оценки риска, которая включает в себя расчёт критериев ожидаемой эф­фективности, метод сценариев, метод достоверных эквивалентов, метод корректировки нормы дисконта и другие [4].

Однако в реальной практике нередко встречаются ситуации, когда какая бы то ни было информация о вероятностях значений параметра от­сутствует. Это связано с тем, что для экономических объектов сложно по­добрать репрезентативную и достаточную по объёму выборку, которая от­вечала бы требованиям однородности. Зачастую нет достаточного количе­ства наблюдений или объекты не могут считаться однородными. Стати­стическая однородность может отсутствовать и при наблюдениях измене­ния одного экономического объекта во времени, если рыночная среда, ус­ловия функционирования и технологические факторы работы предприятия существенно меняются [5]. Соответственно оказывается невозможным пе­ренести на генеральную совокупность объектов корректный закон распре­деления, на основании которого и должны быть назначены вероятности. Здесь также возможно применение стохастических моделей при условии предварительного присвоения вероятностей значениям параметра на осно­ве экспертного метода, при помощи субъективных вероятностей и вирту­ального пари или опираясь на принцип максимума энтропии Гиббса-Джейнса. В соответствии с этим принципом среди всех вероятностных распределений, согласованных с исходной информацией о неопределённо­сти соответствующего показателя, рекомендуется выбирать то, которому отвечает наибольшая энтропия [6]. Однако предположение о том, что лю­бое неизвестное распределение в инвестиционном проектировании стре­мится к максимальной энтропии недостаточно обосновано и работает только в определённых случаях. Экспертный метод определения вероятно­стей также сопряжён с определёнными трудностями: в современных рос­сийских условиях совокупность возможных вариантов реализации проек­та, как и конкретные виды рисков по нему, в каждом случае свои, а про­гнозы состояния среды постоянно меняются. Поэтому анализ хода реали­зации ранее просмотренных проектов затруднителен, а исходной статисти­ческой базы не существует. Применение субъективных вероятностей по­зволяет наилучшим образом выразить цели, предпочтения инвестора и его ожидания относительно совокупности наиболее значимых для него факто­ров внешней среды и их изменений. Однако субъективизм этого метода порождает рассогласование оценок различных участников проекта и не да­ёт возможности получить единый результат [6].

Установление вероятностей тем или иным способом всё же имеет смысл, если есть основания предполагать, что параметры являются слу­чайными величинами и имеют некое неизвестное субъекту распределение. Однако не всякая неопределённость в принципе имеет вероятностный ха­рактер и может быть охарактеризована в терминах вероятностей. Это от­носится, например, к новым технологиям и уникальным явлениям. В такой ситуации анализ проводится без учёта неопределённости весовыми мето­дами и без проведения свёртки всех единичных эффектов, а оценка бази­руется на рассмотрении крайних, минимального и максимального, вариан­тов. При этом значения промежуточных вариантов не рассматриваются, и тем самым часть полезной экономической информации исключается из анализа. Кроме того, классический минимаксный подход основан на таком выборе стратегии, который позволяет добиваться наилучших результатов в наихудших условиях; и это нередко сопряжено с неоправданным отказом от выгодных вариантов, что вызывает критику данного метода. Своеобраз­ным компромиссом можно считать метод Гурвица, позволяющий вклю­чить в рассмотрение и оптимистичные прогнозы в соответствии со склон­ностью субъекта к риску [7].

Если известны только граничные значения элементов множества, то речь идёт об интервальной неопределённости, а при наличии степени при­надлежности каждого элемента множеству можно говорить о неопреде­лённости нечётких множеств.

Оба рассмотренных крайних случая, как наличие строгой статисти­ческой совокупности, так и случай полной неопределённости, встречаются достаточно редко; гораздо чаще в реальной экономической практике мож­но наблюдать ситуацию, которая описывается введённым А.О. Недосеки-ным понятием квазистатистики. То есть наблюдатель имеет в своём распо­ряжении некое количество относительно однородных объектов, недоста­точное для формирования классической выборки, но позволяющее, тем не менее, сделать предположение о примерном разбросе ключевых парамет­ров. На основе такой выборки можно с той или иной степенью субъектив­ной достоверности обосновать закон наблюдений. Он не обладает точно­стью вероятностного закона, и его параметры варьируют по специальным правилам, чтобы достичь определённого уровня достоверности [5]. Дан­ный подход позволяет учитывать косвенную и гипотетическую экономи­ческую информацию, включая её в анализ на выбранных условиях. Для ра­боты с данными квазистатистики применяется аппарат теории нечётких множеств, которая отражает их субъективно-аксиологический характер. Преимуществом нечётко-множественного метода, таким образом, является то, что он даёт возможность моделировать неоднородные и ограниченные по объему наблюдения экономические процессы. Кроме того, в отличие от методов, предназначенных для работы в условиях полной неопределённо­сти, метод нечётких множеств позволяет включить в анализ все возможные сценарии развития событий (часто образующие непрерывный спектр), а не только их граничные значения. Удобство метода состоит и в том, что рабо­та идёт не с выбранными точечными значениями, а заданным расчётным коридором прогнозируемых значений параметров по проекту.

Таким образом, выбор той или иной методики оценки риска зависит, в первую очередь, от характера и степени неопределённости, связанной с проектом: по мере увеличения неточности и хаотичности исходных дан­ных и параметров среды классические вероятностные подходы уступают место экспертным методам и аксиологическим вероятностям. Происходит переход от использования точных и обоснованных объективных вероятно­стей к суждениям на основе субъективных предпочтений и ожиданий [8].

Особое значение при выборе подхода к оценке риска имеет также и заложенная в некоторых методиках возможность проверки корректности выбранной модели и непротиворечивости полученных результатов [1]. Это связано с тем, что неадекватный выбор математической модели приводит к неверным выводам относительно эффективности и целесообразности реа­лизации инвестиционного проекта.

Наряду с неопределённостью исходных параметров при инвестици­онном проектировании встречается неопределённость выбора модели про­екта, неопределённость производственных и финансовых ограничений и неопределённость требований, предъявляемых к эффективности проекта. Различные методы оценки риска позволяют в разной степени учитывать эти типы неопределённостей: некоторые из них охватывают практически все перечисленные разновидности, другие же ограничиваются в основном учётом неопределённости входных параметров. Наиболее полно нечёткие цели, коэффициенты, начальные и граничные условия включаются в рас­смотрение при оценке рисков на основе методов нечётких множеств; су­ществующие в рамках этого подхода алгоритмы позволяют найти общий показатель риска на основе нечёткого показателя эффективности, пред­ставляющего собой нечёткое множество со своим распределением. Он также даёт возможность ввести нечёткую границу на размер инвестицион­ного бюджета и рассмотреть возможное увеличение эффекта при незначи­тельном нарушении ограничений, а также оценить его оправданность [9]. Такой учёт имеет большое значение, поскольку инвестиционные решения являются по своей природе стратегическими и направлены на долгосроч­ную перспективу, а значит, сопряжены с неопределённостью в отношении всех составляющих проекта.

Нередко при описании исходной ситуации экономический субъект сталкивается с данными, представленными только в качественной форме, и с необходимостью их включения в общий анализ. По мнению некоторых экономистов, в этой ситуации оказывается наиболее целесообразным ис­пользовать нечётко-множественный подход. Особым преимуществом ме­тодики оценки риска на основе теории нечётких множеств как раз и явля­ется возможность проведения комплексной оценки риска на основе только качественных описаний и отношений предпочтений между факторами. Та­ким образом, можно избежать перевода качественных характеристик в ко­личественные на основе разного рода балльных оценок, которые зачастую неоправданны и могут быть противоречивы между собой. Качественное описание параметров позволит, в свою очередь, перейти к соответствую­щему ему количественному виду функции принадлежности [10].

Основной сложностью является то, что применение одного из опи­санных выше подходов нацеливает аналитика на работу с одним конкрет­ным видом неопределённости, в то время как в реальном проекте встреча­ются сразу несколько её видов: статистическая, лингвистическая, интер­вальная неопределённости. Таким образом, в модели адекватно отражают­ся только некоторые типы данных, а информация других типов может быть утрачена. Отчасти разрешить эту проблему позволяет предлагаемое в рамках теории нечётких множеств введение степени принадлежности эле­мента множеству: оно позволяет преобразовать к единой форме и совмест­но учесть неопределённость разных типов.    

Литература

1. Алтунин А.Е. Семухин М.В. Модели и алгоритмы принятия реше- ний в нечетких условиях. Тюмень: Изд-во Тюменского государственного университета, 2000.  

2. Кошечкин С.А. Концепция риска инвестиционного проекта .  

3. Недосекин А. О. Fuzzy financial management. М., 2003. 184 с.   

4. Лукасевич И.Я. Методы анализа рисков инвестиционных проек­тов. // Финансы, 1998. № 9. С. 59-62.  

5. Недосекин А.О. Нечетко-множественный анализ риска фондовых инвестиций. СПб., 2002. 181 с.   

6. Виленский П.Л., Лившиц В.Н., Смоляк С.А. Оценка эффективно­сти инвестиционных проектов. М.: Изд-тво «Дело». 2002.  

7. Шапкин А. С., Шапкин В. А. Теория риска и моделирование рис­ковых ситуаций. М.: Издательско-торговая корпорация «Дашков и К», 2007.  

8. Глазунов В.Н. Критерии оценки инвестиционной привлекательно­сти проектов // Финансы, 1997. № 12. С. 59-62.  

9. Деревянко П.В. Оценка проектов в условиях неопределённости.   

10.Недосекин А.О. Фондовый менеджмент в расплывчатых услови- ях. СПб, 2003. 

   Работа выполнена под руководством проф. Л.А. Шульгиной