Управление рисками. Кузнецова Н.В. - 139 стр.

      Шаг 2. Выбранное значение случайной величины наряду со значениями
переменных, которые являются экзогенными переменными используется при подсчете
чистой приведенной стоимости проекта.
      Шаги 1 и 2 повторяются большое количество раз, например 1000, и полученные
1000 значений чистой приведенной стоимости проекта используются для построения
плотности распределения величины чистой приведенной стоимости со своим
собственным математическим ожиданием и стандартным отклонением.
      Используя значения математического ожидания и стандартного отклонения, можно
вычислить коэффициент вариации чистой приведенной стоимости проекта и затем
оценить индивидуальный риск проекта, как и в анализе методом сценариев.
      Теперь необходимо определить минимальное и максимальное значения
критической переменной, а для переменной с пошаговым распределением помимо этих
двух еще и остальные значения, принимаемые ею. Границы варьирования переменной
определяются, просто исходя из всего спектра возможных значений.
      По прошлым наблюдениям за переменной можно установить частоту, с которой та
принимает соответствующие значения. В этом случае вероятностное распределение есть
то же самое частотное распределение, показывающее частоту встречаемости значения,
правда, в относительном масштабе (от 0 до 1). Вероятностное распределение регулирует
вероятность выбора значений из определенного интервала. В соответствии с заданным
распределением модель оценки рисков будет выбирать произвольные значения
переменной. До рассмотрения рисков мы подразумевали, что переменная принимает одно
определенное нами значение с вероятностью 1. И через единственную итерацию расчетов
мы получали однозначно определенный результат. В рамках модели вероятностного
анализа рисков проводится большое число итераций, позволяющих установить, как ведет
себя результативный показатель (в каких пределах колеблется, как распределен) при
подстановке в модель различных значений переменной в соответствии с заданным
распределением.
      Задача аналитика, занимающегося анализом риска, состоит в том, чтобы хотя бы
приблизительно определить для исследуемой переменной (фактора) вид вероятностного
распределения. При этом основные вероятностные распределения, используемые в
анализе рисков, могут быть следующими: нормальное, постоянное, треугольное,
пошаговое. Эксперт присваивает переменной вероятностное распределение, исходя из
своих количественных ожиданий и делает выбор из двух категорий распределений:
симметричных (например, нормальное, постоянное, треугольное) и несимметричных
(например, пошаговое распределение).
      Существование коррелированных переменных в проектном анализе вызывает
порой проблему, не рассмотреть которую означало бы заранее обречь себя на неверные
результаты. Ведь без учета коррелированности, скажем, двух переменных - компьютер,
посчитав их полностью независимыми, генерирует нереалистичные проектные сценарии.
Допустим цена и количество проданного продукта есть две отрицательно
коррелированные переменные. Если не будет уточнена связь между переменными
(коэффициент корреляции), то возможны сценарии, случайно вырабатываемые
компьютером, где цена и количество проданной продукции будут вместе либо высоки,
либо низки, что естественно негативно отразится на результате.
      Проведение расчетных итераций является полностью компьютеризированная часть
анализа рисков проекта. 200-500 итераций обычно достаточно для хорошей
репрезентативной выборки. В процессе каждой итерации происходит случайный выбор
значений ключевых переменных из специфицированного интервала в соответствии с
вероятностными распределениями и условиями корреляции. Затем рассчитываются и
сохраняются результативные показатели (например, NPV). И так далее, от итерации к
итерации.