CC BY
158
ISSN 2311-8768 (Online) ISSN 2073-4484 (Print)
Математический анализ и моделирование в экономике
АНАЛИТИЧЕСКОЕ ОБОСНОВАНИЕ ВЫБОРА ОБЪЕКТА ВЕНЧУРНЫХ ИНВЕСТИЦИИ Татьяна Константиновна КРАВЧЕНКО
доктор экономических наук, профессор кафедры бизнес-аналитики,
Национальный исследовательский университет «Высшая школа экономики», Москва, Российская Федерация 1кдаЛепко @hse. ги
История статьи:
Принята 25.06.2015 Одобрена 05.07.2015
УДК 330.46 JEL: С63, М13
Ключевые слова: венчурный фонд, инвестиционный анализ, система поддержки принятия решений, метод принятия решений, коэффициент согласованности Кендалла
Аннотация
Предмет. Статья посвящена вопросам анализа и оценки эффективности высокотехнологичных инвестиционных проектов, разрабатываемых в условиях высокой степени риска и перспективы получения высокой прибыли. Наличие различных видов неопределенности и качественных признаков оценки альтернатив не всегда позволяет использовать традиционные методы инвестиционного анализа. Поэтому для выбора объекта венчурных инвестиций представляется целесообразным применение систем поддержки принятия решения (СППР), в основе которых лежат различные методы принятия решений. Цели. Разработка нового подхода, основанного на использовании систем поддержки принятия решений, позволяющего при сравнении и оценке альтернативных проектов учитывать множество признаков (в том числе качественных), согласовывать оценки проектов, заданные различными экспертами с учетом уровня их компетентности, а также учитывать возможные сценарии развития внешней среды. Задачи исследования заключаются в построении моделей принятия решения с использованием конкретных СППР, применении различных методов обоснования выбора объекта венчурных инвестиций, нахождении решения и сравнении полученных результатов.
Методология. В работе используются метод анализа иерархий (МАИ) и метод аналитических сетей (МАС). Также предлагается использование методов, сочетающих различные принципы согласования оценок альтернатив. В качестве инструмента решения поставленной задачи применяются наиболее распространенные СППР, в том числе Экспертная система поддержки принятия решений (ЭСППР), разработанная под руководством автора.
Результаты. Представленные в работе результаты подчеркивают эффективность предложенного подхода для обоснования выбора объекта венчурных инвестиций. Применение различных СППР позволяет использовать различные математические методы для повышения качества аналитического обоснования решения.
Выводы. В результате исследования задача выбора объекта венчурных инвестиций поставлена и решена с использованием современных методов и инструментальных средств. Разработанный подход может быть применен в деятельности инвестиционных и венчурных фондов.
© Издательский дом ФИНАНСЫ и КРЕДИТ, 2015
Введение
Ключевыми участниками рынка венчурного инвестирования являются венчурные фонды -инвестиционные фонды, ориентированные на работу с инновационными предприятиями (стартапами). Они осуществляют инвестиции в условиях высокой степени риска, в ожидании высокой прибыли. При этом 70-80% проектов, как правило, не приносят отдачи, однако прибыль от оставшихся 20-30% окупает все понесенные затраты [1, 2].
Инвестиционная стратегия любого венчурного фонда заключается в стимулировании формирования сети венчурных партнеров для максимального вовлечения профессиональных управляющих, экспертов и бизнес-ангелов (активных инвесторов) в процесс создания новых
технологических решений с акцентом на облачные вычисления, виртуализацию, электронную коммерцию и мобильные приложения.
Целью инвестиционной политики венчурного фонда является получение максимального дохода от инвестирования средств [3, 4]. Особый интерес в деятельности этого учреждения представляют процессы оценки потенциальных инвестиционных проектов и выбора объектов для инвестирования из множества возможных альтернатив.
Обычно для того, чтобы оценить, какие доходы компании - объекты инвестирования принесут в будущем, инвесторы пытаются определить, сколько будет стоить сама организация спустя определенный период. На этой основе рассчитывается прибыльность инвестиций и другие финансовые показатели [2, 5].
Однако недостатком традиционных методов оценки эффективности инвестиционных проектов является требование определенности входных данных. Это ощутимое упрощение задачи, поскольку любой инвестиционный проект, особенно высокотехнологичный, характеризуется множеством факторов неопределенности.
Кроме того, традиционные подходы не учитывают стоимости интеллектуальной собственности, оценку личной инициативы стартапера и прочих факторов, зачастую не поддающихся количественной оценке.
Наличие различных видов неопределенности и качественных характеристик альтернатив объясняет необходимость использования новых подходов к оценке инвестиционной привлекательности проектов.
В данном исследовании предлагается подход, основанный на использовании систем поддержки принятия решений (СППР). Он позволяет согласовывать оценки инвестиционных проектов разными экспертами (с учетом уровня их компетентности), рассматривать при сравнении альтернативных проектов множество критериев (в том числе качественных), а также учитывать возможные сценарии развития внешней среды.
Системы поддержки принятия решений
Сегодня не существует единого определения СППР, различные авторы трактуют эти системы по-разному [6-9]. В рамках данной работы под СППР будем понимать интерактивные компьютерные системы, которые помогают лицу, принимающему решение (ЛПР), использовать информацию и модели для решения слабо структурированных или трудно формализуемых задач [6].
Пользователи систем поддержки принятия решений могут быстро реагировать на изменения, происходящие на рынке, и вырабатывать суждения, рассчитанные на долгосрочную перспективу. С помощью СППР может производиться выбор эффективных вариантов решений для неструктурированных и слабо структурированных задач.
Системы поддержки принятия решений различаются по особенностям интерфейса,
реализуемым методам принятия решений и способам оценки альтернатив [10, 11]. Такие системы используются для решения широкого круга задач, в том числе в экономике и управлении [12, 13].
Значительная часть известных СППР использует в качестве теоретической основы метод анализа иерархий (МАИ) Т.Л. Саати, широко применяемый в практике принятия решений [14-16]. К числу таких систем относятся Expert Choice, Transparent Choice, Super Decisions, Decision Lens (Decision Lens Web), «Эксперт» и «Выбор» [10].
В системах Super Decisions и Decision Lens (Decision Lens Web) используется метод аналитических сетей (МАС), позволяющий учитывать взаимосвязи между признаками сравнения альтернатив, также широко применяемый в практике управления [17-19].
В отличие от систем, в основе которых лежат один или два метода принятия решений, одной из ключевых особенностей экспертной системы поддержки принятия решений (ЭСППР) является использование около пятидесяти математических методов принятия решений [6].
Для использования любой СППР необходимо предварительно поставить задачу принятия решения, которая может быть представлена в общем виде как <S, G, X, Q, L, F, K, V; X*>. Данная запись означает, что ЛПР (лицо, принимающее решение) в условиях проблемных ситуаций S на основе поставленных целей G из множества возможных альтернатив X, приводящих к различным последствиям Q, выбирает на основе признаков L, предпочтений F, критериев K и принципов согласования V эффективное решение X*.
Сформулировать все элементы задачи удается не всегда, но обязательными элементами являются цель, варианты решения (альтернативы) и признаки их сравнения.
В ЭСППР учитываются все элементы задачи принятия решений, в базу знаний включены как методы, учитывающие неопределенность в условиях принятия решения, так и методы, ориентированные на учет неопределенности в последствиях принимаемого решения.
Постановка задачи принятия решения о выборе объекта венчурных инвестиций
В рамках данного исследования для формирования альтернатив задачи выбора объекта венчурных инвестиций использованы материалы проекта Generations (федеральный акселератор технологических стартапов)1.
В рамках исследования собраны, структурированы и проанализированы исходные данные о потенциальных претендентах на получение финансирования. На основе анализа полученных заявок от компаний на предмет полноты описаний и требований к конкурсной документации определены основные альтернативы -организации, являющиеся претендентами на получение инвестиций от венчурного фонда.
К числу рассмотренных компаний относятся:
• Boxed (мобильное приложение для оптовых покупок);
• Elementaree (еда по подписке, конструктор питания);
• VezetVsem (перевозка частных и коммерческих грузов);
• Giftery (платформа для работы с электронными подарочными сертификатами);
• Rentmania (онлайн-платформа аренды вещей, при помощи которой можно сдать или взять в аренду любое движимое имущество);
• Zaimix (онлайн-сервис по предоставлению кредитной истории через Интернет);
• VeeRoute (сервис оптимизации логистики для интерНет-магазинов, ретейлеров, дистрибьюторов, курьерских служб и сервисных компаний);
• Piligrim (туристический сервис - мобильное приложение дополненной реальности, позволяющее совместить реальное путешествие и странствие во времени);
• GeoCV (мобильное приложение для получения SD-моделей помещений с помощью мобильных устройств с SD-сенсорами);
• SPlet (новый формат выпуска музыкальных альбомов в виде отдельных приложений, замена
1 URL: http://www.generation-startup.ru.
CD, новая модель монетизации в музыкальной индустрии).
На основе обобщения критериев, используемых для оценки инвестиционных проектов [2, 11], были сформулированы 26 критериев для решения поставленной задачи. Их можно сгруппировать.
Финансовые соображения К1. Изменения в финансовой ситуации может повлиять на оценку потенциальных инвестиций.
Данная группа включает следующие подкритерии: размер инвестиций К11, потенциальная доходность К12, возможность выхода из проекта К13, вероятность высоких доходов К14, ликвидность бизнеса К15.
Привлекательность рынка К2. Для принятия решения должно быть проведено маркетинговое исследование, призванное предоставить информацию о требованиях клиентов, конкуренции, размере и потребностях рынка. В результате может быть определен размер целевого рынка, возможные объемы продаж и спрогнозирована необходимая цена реализации единицы товара.
В этой группе используются следующие подкритерии: размер рынка К21, потенциал роста рынка К22, стоимость исследования рынка К23, конкурентное преимущество К24, маркетинговый риск К25, надежность канала сбыта К26.
Предпринимательская (руководящая) группа, команда К3. Команда управления, опыт и потенциал предпринимателя - наиболее значимые признаки при запуске проекта. Качество управления командой напрямую увеличивает шансы на успех. Предприниматели, знающие свои сильные и слабые стороны, умеющие планировать развитие бизнеса, вполне способны увеличить инвестиции.
Лишь несколько компаний на ранних стадиях бизнеса имеют сформированные команды управления, и большинство из них не отличаются навыками, которые необходимы для роста бизнес-потенциала.
В этой группе используются следующие подкритерии: опыт управления К31, достижения К32, энтузиазм и мотивация предпринимателя К33, осведомленность о рынке К34, способность
оценивать и адекватно реагировать на риски К35, наличие четкого представления о бизнесе К36.
Характеристики продукта (услуги) К4. Это
особенности, которые отличают один продукт от другого на рынке. Такие параметры помогают определить набор основных компонентов маркетингового воздействия, цену продукта и потенциальный целевой рынок.
Эта группа включает пять подкритериев: потенциальные продажи продукта К41, инновационность К42, особенности (защита, патент, авторское право) К43, технологичность К44, неподражаемость К45.
Участие бизнес-ангелов в управлении К5.
Бизнес-ангел может захотеть участвовать в инвестировании проекта, в то время как другие могут предпочесть лишь роли бизнес-консультанта или наставника.
В этой группе используются следующие подкритерии: поддержание бизнеса К51, контроль деятельности К52, опыт бизнес-ангела К53, понимание и компетентность К54.
Помимо перечисленных критериев для решения задачи в ЭСППР необходимо определить состав экспертов, оценивающих проект, и выявить возможные проблемные ситуации.
В качестве экспертов, участвующих в процессе оценки альтернатив, в рамках данного исследования выступают член консультационного совета и аналитик.
В условиях неопределенности принятия решения необходимо моделировать возможные состояния внешней среды (проблемные ситуации), в зависимости от которых могут меняться оценки альтернатив. Для моделирования проблемных ситуаций в данном исследовании используется функциональная модель процесса принятия решения - таблица решения (ТР). Для ее построения необходимо выделить наиболее часто встречающиеся условия, с которыми сталкиваются молодые высокотехнологичные компании.
К краху компании могут привести сразу несколько факторов. Поэтому при моделировании проблемных ситуаций использовались следующие наиболее часто встречающиеся условия:
• потеря ключевого разработчика (программиста) продукта;
• потеря ключевого партнера (основателя) проекта;
• отмена следующего раунда инвестиций;
• возникновение аналога на рынке.
Описание возможных ситуаций, получаемых на основе перебора воздействующих условий, представлено в табл. 1. Среди них наиболее вероятными для рассматриваемой задачи являются три ситуации, имеющие номера 2, 7 и 13.
Решение задачи выбора объекта венчурных инвестиций с помощью СППР
Использование метода анализа иерархий с помощью СППР Transparent Choice. Для
решения задачи выбора объекта инвестирования методом анализа иерархий использована СППР Transparent Choice. В этой системе задача решается в несколько этапов:
• формирование альтернатив;
• построение иерархии целей и подцелей;
• задание оценок сравнения альтернатив;
• анализ результатов решения.
Предварительно в систему вводится список альтернатив, в качестве которых выступают ранее отобранные проекты. Затем формулируется цель задачи - выбор наиболее предпочтительной технологической компании для инвестирования.
После этого с использованием рассмотренных пяти групп критериев и соответствующих подкритериев строится иерархия целей (критериев) - дерево целей и подцелей.
Далее в шкале Т.Л. Саати [14] попарно задаются сравнительные оценки критериев, подкритериев и альтернатив относительно всех подцелей.
Расчеты в СППР Transparent Choice методом анализа иерархий позволили получить следующие результаты. Наиболее предпочтительным вариантом инвестирования является компания Boxed, на втором месте располагается компания Elementaree. Далее с почти одинаковыми коэффициентами, но с большим отрывом от
первых двух вариантов в порядке убывания предпочтения следуют VezetVsem, «Гифтери», Zaimix, Rentmania и VeeRoute. Наименее привлекательными альтернативами оказались Piligrim, GeoCV и 3Plet.
Расчеты показали, что наибольшее влияние на веса альтернатив оказывают критерии «руководящая группа (команда)», «финансовые соображения» и «характеристика продукта». Что касается влияния критериев «привлекательность рынка» и «участие ментора (бизнес-ангела)», то оно незначительно.
Использование метода аналитических сетей с помощью СППР Super Decisions. Для решения задачи выбора инвестиционного проекта методом аналитических сетей [17] использована СППР Super Decisions. Решение задачи в данной системе включает несколько этапов:
• формирование структуры задачи в виде иерархии с несколькими уровнями и указанием связей между подкритериями;
• попарное сравнение элементов иерархии и проверка суждений ЛПР;
• формирование суперматриц и расчет коэффициентов относительной значимости элементов на каждом уровне иерархии;
• получение результатов и определение наилучшей альтернативы.
Аналитическая модель (иерархическая структура) в системе Super Decisions состоит из различных кластеров и узлов, расположенных на различных уровнях, а также связей между ними. В частности, кластер «Цель» является компонентом-источником, кластер «Признаки сравнения» содержит критерии и подкритерии сравнения, а кластер «Альтернативы» включает объекты инвестирования и является компонентом-стоком.
Далее, исходя из наиболее удобного способа задания оценок попарных сравнений (графический, вербальный, матричный, опросный или прямой), предлагаемых системой Super Decisions, производится сопоставление всех элементов построенной сети.
По методу МАС сравнение элементов осуществляется по шкале ТЛ.Саати.
Задавая различные попарные сравнения данным методом, необходимо обратить внимание на
показатель согласованности сравнительных оценок внутри сети. В частности, превышение допустимого порога в 0,1 может говорить о наличии противоречивых суждений.
Затем из полученных собственных векторов необходимо сформировать суперматрицы: взвешенную, не взвешенную и предельную. Для этого выполняется попарное сравнение элементов управляемых кластеров относительно элементов управляющих кластеров.
Векторы приоритетов элементов кластеров заносятся в соответствующий блок невзвешенной матрицы (суперматрицы). Каждый блок матрицы показывает взаимодействие между двумя кластерами сети.
Взвешенная суперматрица содержит приоритеты из матриц попарных сравнений, умноженные на веса блоков суперматрицы. При этом выявляется непосредственное влияние каждого элемента системы на все остальные.
Завершающим этапом является возведение взвешенной суперматрицы в степень до тех пор, пока элементы всех строк матрицы не стабилизируются. Так формируется предельная суперматрица, в которой содержатся итоговые оценки альтернатив.
В результате решения задачи с использованием МАС наиболее предпочтительным вариантом является компания Boxed, на втором месте располагается Elementaree. Далее с почти одинаковыми коэффициентами в порядке убывания следуют Zaimix, «Гифтери», Rentmania, VeeRoute и VezetVsem. Наименее предпочтительными альтернативами оказались GeoCV, 3Plet и Piligrim.
Использование методов, реализованных в
ЭСППР. Для решения задачи выбора объекта венчурных инвестиций использованы следующие методы, реализованные в ЭСППР (здесь и далее используются обозначения методов, принятые в системе):
• PURr - метод, основанный на принципе большинства для согласования оценок, формируемых отдельными экспертами с позиций различных признаков (критериев) в различных проблемных ситуациях, с заданием предпочтений по порядковой шкале;
• PURrSAVAGE - метод принятия решений с использованием принципа большинства для согласования оценок, формируемых отдельными экспертами с позиций различных признаков (критериев), и принципа Сэвиджа для согласования оценок вариантов решения в различных проблемных ситуациях, с заданием предпочтений в порядковой шкале;
• РиЯтВЯЛиК - метод принятия решений с использованием принципа большинства для согласования оценок, формируемых отдельными экспертами с позиций различных признаков (критериев), и принципа антагонистического игрока для согласования оценок вариантов решения в различных проблемных ситуациях, с заданием предпочтений в порядковой шкале;
• PURrHURWPOR - метод принятия решений с использованием принципа большинства для согласования оценок, формируемых отдельными экспертами с позиций различных признаков (критериев), и принципа Гурвица для согласования оценок вариантов решения в различных проблемных ситуациях, с заданием предпочтений по порядковой шкале.
Для решения задачи использованы входные параметры «Альтернативы», «Ситуации», «Эксперты» и «Признаки».
В соответствии с логикой интерфейса системы сначала формируется список альтернатив (рассматриваемых проектов) и их описание. Далее вводится наименование и описание каждой из рассматриваемых проблемных ситуаций 2, 7 и 13. Затем необходимо ввести признаки (критерии) сравнения альтернатив и данные об экспертах, которые будут оценивать альтернативы по различным признакам в различных ситуациях.
Помимо перечисленных параметров в разделе «Данные» задаются коэффициенты
компетентности экспертов, вероятности возникновения проблемных ситуаций и коэффициенты относительной значимости признаков.
В приведенном примере член консультационного совета признается более компетентным по сравнению с аналитиком ввиду большого опыта оценки таких проектов. Поэтому экспертам присваиваются веса 0,6 и 0,4 соответственно.
Вероятности появления проблемных ситуаций и коэффициенты относительной значимости признаков определяются в результате анализа различных кейсов, приведенных в базе технологических проектов CrunchBase2 и аналитических отчетов венчурных инвесторов CB Insights3.
Вероятности появления проблемных ситуаций 2, 7 и 13 составляют 0,6; 0,25 и 0,15 соответственно.
Коэффициенты относительной значимости признаков (подкритериев) составляют:
• размер инвестиций - 0,05;
• потенциальная доходность - 0,12;
• вероятность высоких доходов - 0,05;
• ликвидность бизнеса - 0,03;,
• размер рынка - 0,04;
• потенциал роста рынка - 0,04;
• стоимость исследования рынка - 0,04;
• маркетинговый риск - 0,03;
• опыт управления - 0,15;
• осведомленность о рынке - 0,15;
• инновационность - 0,15;
• технологичность - 0,02;
• неподражаемость - 0,03;
• опыт бизнес-ангела - 0,05;
• контроль деятельности - 0,05.
Остальные признаки из упомянутых в данном примере считались несущественными и поэтому не рассматривались.
Задание экспертами массива оценок альтернатив для каждой проблемной ситуации проводится в порядковой шкале (на первое место ставится наиболее предпочтительный объект с рангом 1, на второе место - следующий по предпочтительности объект с рангом 2 и т.д.).
В соответствии с результатом решения задачи выбора методом PURr наиболее
предпочтительным вариантами при данном методе
2 URL: http://www.crunchbase.com.
3 URL: http://cbinsights.com.
решения оказались компании Elementaree, Boxed и Giftery, а наименее предпочтительными - SPlet, GeoCV и Piligrim.
Для решения задачи методом PURr BRAUN копируются исходные данные, разработанные для решения задачи методом PURr. Дополнительно вводится лишь коэффициент точности расчетов, равный 0,01. Вероятности проблемных ситуаций в данном методе не используются.
По результатам расчетов наиболее предпочтительным вариантом инвестирования оказалась компания Elementaree.
Для решения задачи методом PURr SAVAGE также копируются исходные данные, разработанные для решения задачи методом PURr, и не учитываются вероятности проблемных ситуаций.
По результатам решения наиболее предпочтительным вариантами оказались компании Elementaree, Boxed и VezetVsem, а наименее привлекательными - SPlet, GeoCV и Piligrim.
Для решения задачи методом PURr HURWPOR копируются исходные данные, разработанные для решения задачи методом PURr, не учитываются вероятности появления проблемных ситуаций и вводится коэффициент пессимизма-оптимизма, равный 0,5.
В результате решения задачи наиболее предпочтительным вариантами оказались Elementaree, Boxed и VezetVsem, а наименее предпочтительными - SPlet, GeoCV и Piligrim.
Сравнение и анализ результатов решения задачи с помощью предложенных методов и инструментов. Результаты, полученные при решении задачи методами МАИ в СППР Transparent Choice, МАС в системе SuperDecisions, и методами, реализованными в ЭСППР, представлены в табл. 2.
Определим, насколько схожие результаты показали различные методы при решении одной и той же задачи, оценив согласованность решений. Одним из способов такого анализа является использование коэффициента согласованности Кендалла [20, 21]. Значения данного параметра может находиться в диапазоне от нуля (полная несогласованность) до единицы (полная согласованность).
Рассчитаем коэффициент согласованности решений экспертов относительно выбранных объектов инвестирования с помощью системы статистического анализа данных IBM SPSS [2224]. Для этого будет сформирована выборка результатов решений, где в качестве переменных будут выступать альтернативы, а в качестве случаев - ранги альтернатив, полученные в результате решения задачи разными методами (табл. 3).
После загрузки матрицы результатов решений в IBM SPSS с помощью опции K Related Samples был проведен тест согласованности Кендалла. В результате получен значимый коэффициент согласованности 0,932. Он указывает на высокую согласованность всех пяти методов, используемых для решения задачи выбора объекта для инвестиций.
Заключение
Подводя итоги проведенного исследования, можно сказать, что аналитическое обоснование решений с использованием СППР является важнейшим средством повышения качества управленческих решений.
Процесс принятия решений представляет собой трудоемкую задачу, поскольку он осложняется наличием качественных критериев,
вероятностными параметрами и неполнотой исходной информации.
Без дополнительной аналитической поддержки ЛПР часто используют упрощенные, а иногда и противоречивые правила принятия решений.
Для венчурного рынка характерны особенности, связанные с инвестированием капитала в высокотехнологичные и высокорисковые компании. Венчурные фонды, взаимодействуя с инвесторами и предпринимателями действуют в условиях высокой неопределенности.
Для повышения эффективности решений и более точной оценки привлекательности объектов инвестиций на примере очередного конкурса, проводимого одним из венчурных фондов, предложен подход, предполагающий
использование систем поддержки принятия решений.
Поскольку каждый метод, используемый в СППР, основан на определенных предпосылках и не является универсальным, предложено решить задачу с помощью разных инструментов: методов анализа иерархий (в системе Transparent Choice), аналитических сетей (в системе Super Decisions) и группы методов экспертной системы поддержки принятия решений.
Несмотря на то, что все СППР показали в большей части схожие результаты, выбор, полученный с
Таблица 1
Состав ситуаций на основе выбранных условий в таблице решений
Воздействующие условия
№ ситуации Потеря ключевого разработчика (архитектора) Потеря ключевого партнера (основателя) компании Отмена (задержка) следующего раунда инвестиций Возникновение аналога (сильного конкурента)
1 Нет Нет Нет Нет
2 Да Нет Нет Нет
3 Нет Да Нет Нет
4 Да Да Нет Нет
5 Нет Нет Да Нет
6 Да Нет Да Нет
7 Нет Да Да Нет
8 Да Да Да Нет
9 Нет Нет Нет Да
10 Да Нет Нет Да
11 Нет Да Нет Да
12 Да Да Нет Да
13 Нет Нет Да Да
14 Да Нет Да Да
15 Нет Да Да Да
16 Да Да Да Да
Таблица 2
Результаты решения задачи предложенными методами оценки и ранжирования альтернатив
Альтернатива Super Decisions Transparent Choice ЭСППР
МАС МАИ PURr PURr BRAUN PURr SAVAGE PURr HURWPOR
Boxed 1 (0,36) 1 (0,98) 2 (0,16) 1 (1,00) 2 (0,01) 2 (0,18)
Elementaree 2 (0,17) 2 (0,57) 1 (0,18) 0 (0,00) 1 (0,00) 1 (0,16)
VezetVsem 7 (0,06) 3 (0,27) 4 (0,13) 0 (0,00) 3 (0,05) 3 (0,14)
Giftery 4 (0,08) 4 (0,26) 3 (0,15) 0 (0,00) 4 (0,05) 4 (0,14)
Rentmania 6 (0,06) 6 (0,25) 5 (0,11) 0 (0,00) 5 (0,09) 5 (0,10)
Zaimix 3 (0,08) 5 (0,25) 6 (0,09) 0 (0,00) 6 (0,09) 6 (0,10)
VeeRoute 5 (0,07) 7 (0,22) 7 (0,07) 0 (0,00) 7 (0,13) 7 (0,64)
Piligrim 9 (0,04) 8 (0,14) 8 (0,06) 0 (0,00) 8 (0,13) 8 (0,64)
GeoCV 8 (0,06) 9 (0,14) 9 (0,04) 0 (0,00) 9 (0,15) 9 (0,04)
3Plet 10 (0,03) 10 (0,06) 10 (0,02) 0 (0,00) 10 (0,16) 10 (0,02)
помощью методов, реализованных в ЭСППР, более обоснован, так как он базируется на мнениях нескольких привлеченных экспертов и учитывает неопределенность информации в различных условиях.
В итоге можно сделать вывод о возможности использования СППР в практике деятельности инвестиционных и венчурных фондов.
Таблица 3
Ранги альтернатив, полученные с использованием различных методов принятия решения
Метод Альтернатива
Boxed Elementaree VezetVsem Giftery Rentmania Zaimix VeeRoute Piligrim GeoCV 3Plet
МАИ 1 2 3 4 6 5 7 8 9 10
МАС 1 2 7 4 6 3 5 9 8 10
PURr 2 1 4 3 5 6 7 8 9 10
PUR-SAVAGE 2 1 3 4 5 6 7 8 9 10
PURr BRAUN 2 1 4 3 5 6 7 8 9 10
PURr 2 1 3 4 5 6 7 8 9 10
HURWPOR
Список литературы
1. Amis D., Stevenson H. Winning angels: The 7 fundamentals of early stage investing. Upper Saddle River, NJ: FT Press, 2001. 400 p.
2. Bierman H. (Jr.), Smidt S. The capital budgeting decision: Economic analysis of investment projects. New York: Routledge, 2007. 402 p.
3. Kuckertz A., Kollmann T., Rohm P., Middelberg N. The interplay of track record and trustworthiness in venture capital fundraising // Journal of Business Venturing Insights. 2015. № 4. P. 6-13.
4. Treville S., Petty J.S., Wager S. Economies of extremes: Lessons from venture-capital decision making // Journal of Operations Management. 2014. Vol. 32. Iss. 6. P. 387-398.
5. Кузнецова Е.В., Дружаев А.А. Финансовые критерии для отбора проектов с IT-составляющей // Проблемы теории и практики управления. 2014. № 10. С. 106-112.
6. Кравченко Т.К. Экспертная система поддержки принятия решений // Открытое образование. 2010. №
6. С. 147-156.
7. Трахтенгерц Э.А. Компьютерные системы поддержки принятия управленческих решений // Проблемы управления. 2003. № 1. С. 13-28.
8. Figueira J., Greco S., EhrgottM. (Eds.) Multiple criteria decision analysis: State of the art surveys. Berlin, Heidelberg: Springer, 2005. 1045 p.
9. Frada B., Clyde H. (Eds.) Handbook on decision support systems 1: Basic themes. Berlin, Heidelberg: Springer, 2008. 854 p.
10. Кравченко Т.К., Середенко Н.Н. Выделение признаков классификации систем поддержки принятия решений // Открытое образование. 2010. № 4. C. 71-78.
11. Цыгичко В.Н., Черешкин Д.С. Информационно-аналитическая поддержка стратегических решений // Информационное общество. 2006. № 1. С. 61- 68.
12. Исаев Д.В. Применимость аналитических информационных систем для решения задач корпоративного управления и стратегического менеджмента // Аудит и финансовый анализ. 2011. № 5. C.271-277.
13. Bokovec K., Damij T., Rajkovic T. Evaluating ERP Projects with multi-attribute decision support systems // Computers in Industry. 2015. № 73. P. 93-104.
14. Саати Т.Л. Принятие решений. Метод анализа иерархий. М.: Радио и связь, 1993. 278 с.
15. Gupta S., Dangayach G.S., Kumar A., Singh A.K., Rao P.N. Analytic Hierarchy Process (AHP) model for evaluating sustainable manufacturing practices in Indian electrical panel industries // Procedia - Social and Behavioral Sciences. 2015. № 189. P. 208-216.
16. Jovanovic B., Filipovic J., Bakic V. Prioritization of manufacturing sectors in Serbia for energy management improvement - AHP method // Energy Conversion and Management. 2015. № 98. P. 225-235.
17. Саати Т.Л. Принятие решений при зависимостях и обратных связях. Аналитические сети. М.: ЛКИ, 2008. 360 с.
18. Boj J.J., Rodriguez-Rodriguez R., Alfaro-Saiz J.-J. An ANP-multi-criteria-based methodology to link intangible assets and organizational performance in a Balanced Scorecard context // Decision Support Systems. 2014. № 68. P. 98-110.
19. Horenbeek A.V., Pintelon L. Development of a maintenance performance measurement framework using the analytic network process (ANP) for maintenance performance indicator selection // Omega. 2014. Vol. 42. № 1. P. 33-46.
20. Legendre P. Species associations: The Kendall coefficient of concordance revisited // Journal of Agricultural, Biological and Environmental Statistics. 2005. № 10 (2). P. 226-245.
21. Sidney S., Castellan N.J. Nonparametric statistics for the behavioral sciences. New York: McGraw-Hill, 1988. 266 p.
22. Бююль А., Цефель П. SPSS: Искусство обработки информации. Анализ статистических данных и восстановление скрытых закономерностей. М.: DiaSoft, 2005. 608 с.
23. Дубнов П.Ю. Обработка статистической информации с помощью SPSS. М: АСТ, 2004. 224 c.
24. Mehta C.R., Patel N.R IBM SPSS exact tests. NY: IBM, 2011. 226 p.
ISSN 2311-8768 (Online) Mathematical Analysis and Modeling in Economics
ISSN 2073-4484 (Print)
ANALYTICAL SUBSTANTIATION OF THE CHOICE OF THE ENTITY FOR INVESTING VENTURE CAPITAL
Tat'yana K. KRAVCHENKO
National Research University - Higher School of Economics, Moscow, Russian Federation [email protected]
Abstract
Importance The article analyzes and evaluates the efficiency of hi-tech investment projects developed under high risk and high profit expectations. Conventional methods of investment analysis are not always applicable due to various types of uncertainty and assessed alternatives. Hence, to choose the project for investing venture capital, it is reasonable to apply Decision Support System (DSS) based on various decision-making methods.
Objectives The research aims at articulating a new DSS approach, which would allow considering multiple indicators, including qualitative ones, agree a project evaluation and regard possible scenarios of the external environment development in order to compare and assess alternative projects. I also build models for making decisions through DSS, apply various methods for substantiating the project chosen for venture capital investing, find a solution and compare the results.
Methods The research relies upon the analytic hierarchy process and analytic network process. I also suggest using such methods that would combine various principles of coordinating alternatives and their assessment. The objectives are addressed with the most common DSS, including my own Expert Decision Support System.
Results I proved the efficiency of the proposed approach for substantiating the choice of a project for venture capital investing. If various DSS are used, it will help apply modified mathematical methods in order to increase the quality of analytical rationale for any decision. Conclusions and Relevance The project for venture capital investing was chosen using modern methods and tools. The proposed approach may be applied in investment and venture capital funds.
© Publishing house FINANCE and CREDIT, 2015
1. Amis D., Stevenson H. Winning Angels: The 7 Fundamentals of Early Stage Investing. Upper Saddle River, NJ, FT Press, 2001, 400 p.
2. Bierman H.Jr., Smidt S. The Capital Budgeting Decision: Economic Analysis of Investment Projects. New York, Routledge, 2007, 402 p.
3. Kuckertz A., Kollmann T., Rohm P., Middelberg N. The Interplay of Track Record and Trustworthiness in Venture Capital Fundraising. Journal of Business Venturing Insights, 2015, vol. 4, pp. 6-13.
4. Treville S., Petty J.S., Wager S. Economies of Extremes: Lessons from Venture-capital Decision Making.
Journal of Operations Management, 2014, vol. 32, iss. 6, pp. 387-398.
5. Kuznetsova E.V., Druzhaev A.A. Finansovye kriterii dlya otbora proektov s IT-sostavlyayushchei [Financial criteria for selecting projects with IT component]. Problemy teorii ipraktiki upravleniya = Problems of Theory and Practice of Management, 2014, no. 10, pp. 106-112.
6. Kravchenko T.K. Ekspertnaya sistema podderzhki prinyatiya reshenii [An Expert Decision Support System]. Otkrytoe obrazovanie = Open Education, 2010, no. 6, pp. 147-156.
7. Trachtenhertz E.A. Komp'yuternye sistemy podderzhki prinyatiya upravlencheskikh reshenii [Computer-aided management decision-making support systems]. Problemy upravleniya = Control Sciences, 2003, no. 1, pp.13-28.
8. Figueira J., Greco S., Ehrgott M. Multiple Criteria Decision Analysis: State of the Art Surveys. Berlin, Heidelberg, Springer, 2005, 1045 p.
Article history:
Received 25 March 2015 Accepted 7 April 2015
JEL classification: C63, M13
Keywords: venture capital fund, investment analysis, decision-making, method, Kendall coefficient of concordance
References
9. Frada B., Clyde H. Handbook on Decision Support Systems 1: Basic Themes. Berlin, Heidelberg, Springer, 2008, 854 p.
10. Kravchenko T.K., Seredenko N.N. Vydelenie priznakov klassifikatsii sistem podderzhki prinyatiya reshenii [Identifying the criteria for classifying decision support systems]. Otkrytoe obrazovanie = Open Education, 2010, no. 4, pp. 71-78.
11. Tsygichko V.N., Chereshkin D.S. Informatsionno-analiticheskaya podderzhka strategicheskikh reshenii [Information and analytical support of strategic decisions]. Informatsionnoe obshchestvo = Information Society, 2006, no. 1, pp. 61-68.
12. Isaev D.V. Primenimost' analiticheskikh informatsionnykh sistem dlya resheniya zadach korporativnogo upravleniya i strategicheskogo menedzhmenta [Applicability of analytical information systems to address issues of corporate governance and strategic management]. Audit i finansovyi analiz = Audit and Financial Analysis, 2011, no. 5, pp. 271-277.
13. Bokovec K., Damij T., Rajkovic T. Evaluating ERP Projects with Multi-Attribute Decision Support Systems. Computers in Industry, 2015, vol. 73, pp. 93-104.
14. Saaty T.L. Prinyatie reshenii. Metod analiza ierarkhii [Decisions Making for Leaders. The Analytical Hierarchy Process for Decisions in a Complex World]. Moscow, Radio i svyaz' Publ., 1993, 278 p.
15. Gupta S., Dangayach G.S., Kumar A., Singh A.K., Rao P.N. Analytic Hierarchy Process (AHP) Model for Evaluating Sustainable Manufacturing Practices in Indian Electrical Panel Industries. Procedia - Social and Behavioral Sciences, 2015, vol. 189, pp. 208-216.
16. Jovanovic B., Filipovic J., Bakic V. Prioritization of Manufacturing Sectors in Serbia for Energy Management Improvement - AHP Method. Energy Conversion and Management, 2015, vol. 98, pp. 225-235.
17. Saaty T.L. Prinyatie reshenii pri zavisimostyakh i obratnykh svyazyakh. Analiticheskie seti [Decision Making with Dependence and Feedback: The Analytic Network Process]. Moscow, LKI Publ., 2008, 360 p.
18. Boj J.J., Rodriguez-Rodriguez R., Alfaro-Saiz J.-J. An ANP-multi-criteria-based Methodology to Link Intangible Assets and Organizational Performance in a Balanced Scorecard Context. Decision Support Systems, 2014, vol. 68, pp. 98-110.
19. Horenbeek A.V., Pintelon L. Development of a Maintenance Performance Measurement Framework Using the Analytic Network Process (ANP) for Maintenance Performance Indicator Selection. Omega, 2014, vol. 42, no. 1, pp. 33-46.
20. Legendre P. Species Associations: The Kendall Coefficient of Concordance Revisited. Journal of Agricultural, Biological and Environmental Statistics, 2005, vol. 10, iss. 2, pp. 226-245.
21. Sidney S., Castellan N.J. Nonparametric Statistics for the Behavioral Sciences. New York, McGraw-Hill, 1988, 266 p.
22. Buhl A., Zofel P. SPSS: Iskusstvo obrabotki informatsii. Analiz statisticheskikh dannykh i vosstanovlenie skrytykh zakonomernostei [SPSS Version 10. Einfuhrung in die moderne Datenanalyse unter Windows]. Moscow, DiaSoft Publ., 2005, 608 p.
23. Dubnov P.Yu. Obrabotka statisticheskoi informatsii s pomoshch'yu SPSS [Statistical data processing using SPSS]. Moscow, AST Publ., 2004, 224 p.
24. Mehta C.R., Patel N R. IBM SPSS Exact Tests. New York, IBM, 2011, 226 p.
