CC BY
170
ЭКСПЕРТНО-АНАЛИТИЧЕСКИЕ МЕТОДЫ ОЦЕНКИ ЭФФЕКТИВНОСТИ ИННОВАЦИОННЫХ ПРОЕКТОВ В УСЛОВИЯХ СИЛЬНОЙ НЕОПРЕДЕЛЕННОСТИ
Хайрулин И.Г., аспирант, РЭУ им. Г. В. Плеханова
Статья посвящена методологическим аспектам сравнительной оценки эффективности альтернативных инновационных проектов в условиях сильной неопределенности исходной информации на основе экспертно-аналитических методов. Предложено под эффективностью инновационного проекта понимать отношение приоритетов инвестиционной привлекательности альтернативных проектов к приоритетам (весам) инвестиционных рисков. На конкретном примере рассмотрены этапы сравнительной оценки эффективности альтернативных инновационных проектов в условиях неопределенности.
Ключевые слова: эффективность, инновационный проект, экспертно-аналитический метод, инвестиционная привлекательность, инвестиционные риски, методология оценки.
EXPERT-ANALYTICAL METHODS FOR PERFORMANCE ASSESSMENT INNOVATIVE PROJECTS IN STRONG TURBULENT
Khairulin I., the post-graduate student, Plekhanov Russian University of Economics
The article is devoted to methodological aspects of comparative evaluation of the effectiveness of alternative innovation projects in terms of strong uncertainty of initial information on the basis of expert-analytical methods. Proposed by the efficiency of the innovative project to understand the priorities of the ratio of investment attractiveness of alternative projects to the priorities (weights) of investment risks. In the particular example, the stages of the comparative evaluation of the effectiveness of alternative innovation projects under uncertainty.
Keywords: efficiency, innovative design, expert-analytical method, the investment attraction, investment risk assessment methodology.
Характерной особенностью современного этапа развития российской экономики является принятие решений о реализации инновационных проектов в условиях сильной неопределенности. Эти процедуры, как правило, базируются на оценках не только количественных, но и качественных факторов эффективности проектов, в том числе экологических, социальных и даже политических, последствия воздействия которых трудно или невозможно оценить количественно [1]. В этих условиях стандартные подходы к оценке эффективности проектов, основанные на расчете критериев денежной природы, таких, как ожидаемая доходность, ожидаемые затраты, чистый дисконтированный доход, внутренняя норма дохода, срок возврата единовременных затрат (срок окупаемости), индекс доходности и им подобных, не приносят желаемого результата [2]. В частности, использование этих критериев в условиях сильной неопределенности исходной информации может привести к неоднозначным решениям.
На наш взгляд, в такой ситуации обоснованные оценки эффективности проектов можно получить путем проведения сравнительного анализа некоторого множества критериев по альтернативным проектам или вариантам реализации рассматриваемого проекта, с учетом известной или предполагаемой иерархии критериев. При ее решении могут использоваться экспертно-аналитические методы системного анализа, такие, как метод анализа иерархии (МАИ, в англо-американской литературе AHP - analitical hierarchy process) [3] и метод аналитических сетей (МАС) [4]. В базовом варианте эти методы основаны на парных сравнениях экспертами приоритетов критериев оценки альтернатив и приоритетов сравниваемых альтернативных решений с последующей интеграцией полученных при этом локальных векторов приоритетов. Методы анализа иерархии и аналитических сетей показали свою эффективность в самых разнообразных областях науки и практики [5].
Вместе с тем при использовании этих методов остаются неисследованными проблемы оценки чувствительности проектов к изменению приоритетов критериев их эффективности, от которой в значительной степени зависит выбор решения.
Под эффективностью проекта или, в общем случае, управленческого решения в экономике понимается отношение получаемых при этом выгод к издержкам. В классическом случае и выгоды, и затраты имеют денежное выражение, но в условиях неопределенности исходной информации, когда лицо, принимающее решение (ЛПР) обращается к экспертным знаниям, роль выгод и издержек играют приоритеты (веса) выгод и издержек альтернативных вариантов управленческого решения.
При этом процедура принятия решения базируется на следующей трехуровневой иерархии «цель» - «критерии» - «альтернативы». На языке МАИ задача формулируется следующим образом: необходимо каждой альтернативе поставить в соответствие локаль-
ный приоритет, который тем больше, чем предпочтительнее альтернатива по данному критерию. Принятие решений основывается на интеграции локальных приоритетов альтернатив с учетом весов критериев. Но это относится к приоритетам выгод, тогда как при сравнении издержек, напротив, альтернативы ранжируются по весу издержек.
В такой ситуации понятие эффективности решения необходимо уточнить. Под эффективностью следует понимать отношение приоритетов инвестиционной привлекательности альтернативных проектов к приоритетам (весам) инвестиционных рисков. Именно такой подход использован в исследовании А.М. Краснова [13].
Конкретизируем задачу принятия решения на примере, приведенном в [13]. Требуется принять инвестиционное решение при сравнении трех альтернатив:
1) расширение компанией Ford производства легковых автомобилей модели Ford Focus II в г. Всеволожске;
2) организация группой СОК крупноузловой сборки модели KIA Rio 2 на калининградском «Автоторе»;
3) строительство компанией Toyota Motor Corporation нового автозавода для производства легковых автомобилей модели «Тойота Камри» в промзоне Шушары в пригороде Санкт-Петербурга.
В соответствии с уточненным содержанием критерия эффективности для решения этой задачи необходимо сравнить уровни экономической привлекательности инвестиционных проектов, с одной стороны, и уровни инвестиционного риска этих проектов, с другой. Обе задачи могут быть решены с помощью экспертно-аналитической системы Expert Deside, поддерживающей алгоритмы метода анализа иерархий.
При этом эксперты должны удовлетворять следующим требованиям [8]: креативность - способность решать творческие задачи, метод решения которых полностью или частично неизвестен; эв-ристичность - способность видеть или создавать неочевидные проблемы; интуиция - способность делать заключения об исследуемом объекте без осознания пути движения мысли к этому заключению; предикаторность - способность предсказывать или предчувствовать будущие состояния исследуемого объекта; независимость
- способность противопоставлять предубеждениям и массовым мнениям свое собственное; всесторонность - способность видеть проблему с различных точек зрения.
При решении первой задачи - сравнение уровней экономической привлекательности инвестиционных проектов, эксперты должны провести, во-первых, ранжирование факторов инвестиционной привлекательности с целью выделения наиболее приоритетных из них, во-вторых, оценку значимости факторов привлекательности и формирования суждений о предпочтении инвестиционных проектов по каждому из них.
Согласно [16], в общем случае при этом следует рассматривать как минимум 12 факторов инвестиционной привлекательности -политический, ресурсно-сырьевой, производственный, потребительский, инфраструктурный, инвестиционный, экологический, макроэкономический, финансовый, кадровый, социальный и инновационный. С целью выделения наиболее приоритетных из этих факторов для рассматриваемого проекта была составлена их трехуровневая древовидная иерархия, фокусом которой является инвестиционная привлекательность проекта, на следующем уровне размещаются группы факторов, обусловливающих инвестиционную привлекательность проектов для инвестора, на нижнем уровне -непосредственно сами факторы. При этом, техническая группа включала ресурсно-сырьевой, производственный, инфраструктурный, инновационный, экологический и кадровый факторы; экономическая группа - макроэкономический, инвестиционный, потребительский и финансовый факторы; социально-политическая -политический и социальный факторы.
При принятии решения был использован классический принцип консенсуса, т.е. решение о степени предпочтения одного критерия другому принималось после обсуждения единогласно.
В результате обработки полученных экспертных данных были установлены следующие приоритеты факторов инвестиционной привлекательности рассматриваемого проекта: в экономической группе - инвестиционный и финансовый факторы с равными весами 0,204, а также потребительский фактор с весом 0,181 и инновационный фактор с приоритетом 0,055; в технической группе - производственный и инфраструктурный факторы, получившие веса
0,079 и 0,066 соответственно; в социально-политической группе -политический фактор с приоритетом 0,084. Таким образом, в дальнейшем анализе были сохранены семь факторов из предложенных в работе [16] двенадцати.
Экспертные методы были также использованы и при решении задачи распределения приоритетов проектов по критериям инвестиционной привлекательности. Экспертам предлагалась полная иерархия, содержащая три уровня: на верхнем уровне инвестиционная привлекательность проекта, на следующем - семь установленных на предыдущем этапе приоритетных факторов, обусловливающих инвестиционную привлекательность проектов для инвестора, на нижнем уровне - инвестиционные проекты, причем введенные в анализ проекты необходимо сравнивать по всем семи критериям.
Полученное распределение приоритетов проектов по критери-
ям инвестиционной привлекательности приведено в табл. 1.
Сопоставительный анализ уровней инвестиционного риска проектов проводился в два этапа. На первом этапе экспертам было предложено проранжировать факторы инвестиционного риска проектов методом парных сравнений следующих десяти групп - технологические, производственные, финансовые, криминальные, экологические, рыночные, инвестиционные, инновационные, проектные, коммерческие (в ракурсе современных проблем этот список следовало дополнить коррупционным риском [17]). В результате реализации цикла опроса по соответствующей двухуровневой иерархии было выявлено, что особую значимость для рассматриваемых проектов представляют только пять рисков из рассматриваемого перечня: финансовый, политический, производственный, рыночный факторы риска, а также риск сбыта.
На втором этапе экспертам предлагалось проранжировать риски с учетом их трехуровневой полной иерархии: на верхнем уровне
- инвестиционный риск проекта, на следующем - пять установленных на предыдущем этапе приоритетных факторов риска, на нижнем уровне - инвестиционные проекты. При этом наибольший вес эксперты придали финансовому фактору риска - 0,301, затем следовали риски сбыта и рыночный с весами 0,280 и 0,245. Веса политического и производственного рисков составили 0,105 и 0,069 соответственно. При этом наиболее рискованным для инвестора явился проект «KIA Rio 2», наименее рискованным - проект «Ford Focus II»; риски этих проектов соотносятся как 0,422 : 0,179. Уровень риска проекта «Toyota Camry» составляет 0,399 - величину, близкую к уровню риску проекта «KIA Rio 2» (табл. 2).
Принятие окончательного инвестиционного решения осуществлялось для двух вариантов критерия проекта. Во-первых, в качестве меры эффективности было предложено отношение приоритетов инвестиционной привлекательности к приоритетам риска. Согласно второму варианту критерий инвестиционной привлекательности определяется с учетом коэффициента оптимизма a [12]:
K* = {max [(*,), (1 - k2)]}D {min [(*,), (1 - k2)]}‘-D,, (1)
где K* - показатель инвестиционной привлекательности проекта с учетом отношения ЛПР к риску; k1 - экономическая составляющая инвестиционной привлекательности в долях единицы; k2 -рисковая составляющая инвестиционной привлекательности в долях единицы; - коэффициент оптимизма.
В табл. 3 приведены результаты расчета отношения приоритетов инвестиционной привлекательности и риска, а также показате-
Таблица 1. Распределение приоритетов проектов по критериям инвестиционной привлекательно сти
Фактор инвестиционной привлекательности Вес Приоритет проекта
Ford Focus II KIA Rio 2 Toyota Camry
Инвестиционный 0,274 0,540 0,297 0,163
Финансовый 0,262 0,238 0,136 0,625
Потребительский 0,187 0,540 0,297 0,163
Политический 0,099 0,297 0,163 0,540
Производственный 0,088 0,387 0,169 0,443
Инфраструктурный 0,050 0,429 0,143 0,429
Инновационный 0,040 0,387 0,169 0,443
Интегральная оценка приоритетов 0,412 0,218 0,371
Таблица 2. Распределение уровней риска проектов по факторам инвестиционного риска
Фактор инвестиционного Вес Уровень риска проекта
риска Ford Focus II KIA Rio 2 Toyota Camry
Финансовый 0,301 0,140 0,333 0,528
Сбыта 0,280 0,163 0,297 0,540
Политический 0,105 0,249 0,594 0,157
Производственный 0,069 0,200 0,600 0,200
Рыночный 0,245 0,210 0,550 0,240
Интегральная оценка приоритетов 0,179 0,422 0,399
Таблица 3. Расчет интегрального показателя инвестиционной привлекательности проектов с учетом отношения ЛПР к риску
Приоритет Приоритет проекта
Ford Focus II KIA Rio 2 Toyota Camry
Привлекательности (£]) 0,412 0,218 0,371
Инвестиционного риска (кт) 0,179 0,422 0,399
Отношение приоритетов {к\1к-}) 2,30 0,52 0,93
Показатель инвестиционной привлекательности при коэффициенте оптимизма: 0,507 0,292 0,429
а=0,3 0,582 0,355 0,472
а=0,5 0,668 0,431 0,520
а=0,7
ля инвестиционной привлекательности трех проектов - «Ford Focus II», «Toyota Camry» и «KIA Rio 2» -для значений коэффициента оптимизма □ =0,3; 0,5 и 0,7.
Как следует из табл. 3, оба критерия отдают предпочтение проекту «Ford Focus II», для которого и отношение приоритетов инвестиционной привлекательности и риска, и значения показателя инвестиционной привлекательности для всех трех значений коэффициента оптимизма - наибольшие.
Но выбор между проектами «Toyota Camry» и «KIA Rio 2» оказался менее определенным: если по критерию отношения приоритетов инвестиционной привлекательности и риска проект «Toyota Camry» предпочтительнее, то по значениям показателя инвестиционной привлекательности с учетом коэффициента оптимизма предпочтительнее проект «KIA Rio 2». Это еще раз подтверждает, что формализация процесса принятия решения инвестором носит не директивное, а вспомогательное значение. Окончательное решение о принятии того или иного инвестиционного проекта остается за инвестором.
В заключение отметим, что изложенные выше методологические подходы к сравнительной оценке инновационных проектов в условиях сильной неопределенности предполагают парное сравнение экспертами элементов иерархической модели принятия решения, без учета обратных связей. Однако взаимодействием иерархических уровней и/или их элементов не всегда можно пренебречь, и тогда следует использовать метод аналитических сетей [4]. Этот метод применяется, когда не только важность критериев влияет на приоритеты альтернатив, но и важность альтернатив влияет на приоритеты критериев, т.е. когда необходимо учитывать обратные связи.
Литература:
1. Волков И.М., Грачева М.В. Проектный анализ: Продвинутый курс: Учеб. пособие. М.: ИНФРА-М, 2004.
2. Виленский П.Л., Лившиц В.Н., Смоляк С.А. Оценка эффективности инвестиционных проектов. Теория и практика. М.: Дело, 2002.
3. Саати Т. Принятие решений. Метод анализа иерархий. М.: Радио и связь, 1993.
4. Саати Т. Принятие решений при зависимостях и обратных связях: Аналитические сети. Пер. с англ. / Науч. ред. А.В. Андрейчиков, О.Н. Андрейчикова. М.: Издательство ЛКИ, 2008.
5. Литвин В.Г. Метод анализа иерархий на службе менеджеров российских предприятий // Экономика и коммерция. 2003. №1-2.
6. Саати Т., Кернс К. Аналитическое планирование. Организация систем. М.: Радио и связь, 1991.
7. Андрейчиков А.В., Андрейчикова О.Н. Анализ, синтез, планирование решений в экономике. М.: Финансы и статистика, 2001.
8. Шуметов В.Г. Управление инновационным процессом в хозяйственной системе на основе современных информационных технологий. Монография. М.: Палеотип, 2004.
9. Кузнецов А.И., Шуметов В.Г. Expert Decide для Windows 95, 98, NT, 2000, Me. Версия 2.2. Руководство пользователя. Орел: Изд-во ОРАГС, 2001.
10. Свалов А.А. Управление инновационной деятельностью предприятий на основе эффективных технологий информационно-
го обеспечения: Автореф. дис. ... к-та экон. наук. Орел: ОГТУ, 2004.
11. Королев Г.В. Прогнозирование угрозы экономической безопасности предприятия методом экспертного оценивания // Экономическое прогнозирование, модели и методы. Материалы все-рос. н.-метод. конф. Воронеж, ВГУ, 2004.
12. Сельскова Т.В. Методы оценки привлекательности инвестиционных проектов в автомобилестроении: Автореф. дис. ... к-та экон. наук. М.: ГАСИС, 2005.
13. Краснов А.М. Управление рисками инвестиционных проектов промышленных предприятий: Дис. ... к-та экон. наук. М.: ГАСИС, 2006.
14. Покровский А.М. Методологические аспекты моделирования и управления инновационными проектами в условиях неопределенности и риска // Вестник Московского экономического института. Вып.2. 2009.
15. Батин Б.А. Развитие методов оценки рисков инвестиционных проектов промышленного предприятия на основе экспертноаналитического моделирования. Автореф. дис. . к-та экон. наук. М.: ГАСИС, 2009.
16. Егоров А.Ю., Валинурова Л.С. Концепция эффективного управления инвестиционным процессом в социально-экономических системах // Инновации и инвестиции, 2004. №3.
17. Норкин К.Б. Системные проблемы борьбы с коррупцией в России. Калуга: Изд-во ГП «Облиздат», 2011.
