CC BY
193
УДК 338.27+658.15
ИНТЕРВАЛЬНЫЕ ОЦЕНКИ В АНАЛИЗЕ РИСКА
И.С. Шелобаева
Рассматриваются статистические подходы к количественной оценке риска нефинансовых предприятий. В работе проведен анализ рисков металлургического комбината. Моделирование интервальных оценок позволяет уменьшить степень неопределенности и обоснованности управленческого решения.
Ключевые слова: Классификация рисков, оценка рисков, статистические методы, корреляционный анализ, регрессионный анализ, доверительные интервалы прогноза.
Условия реализации инновационной экономики в России требуют качественных изменений в структуре управления и методах управления предприятием. Коммерческий успех предприятия во многом зависит от степени и роли рисков в деятельности предприятий.
В зависимости от сферы деятельности, деловой среды, стратегии развития и других факторов предприятие может сталкиваться с различными видами рисков. На данный момент единой классификации рисков предприятия не существует. Однако можно выделить две основные группы рисков [1,2]: внешние риски, т. е. риски, возникающие во внешней среде организации и внутренние риски, соответственно возникающие во внут-риорганизационной среде.
Среди внешних рисков выделяют:
- политические - связаны с политической обстановкой в стране и деятельностью органов государственной власти (политическая нестабильность);
- законодательные - связаны с изменением действующих и выходом новых законодательных и нормативных актов, ухудшающих положение компании (введение новых налогов, отмена налоговых льгот, повышение налоговых ставок и др.);
- природные - связаны с возможными стихийными бедствиями и природными катаклизмами, загрязнением окружающей среды;
- региональные - обусловлены состоянием отдельных регионов (снижение емкости внутреннего рынка, снижение уровня реальных доходов населения, снижение спроса);
- отраслевые - зависят от тенденций развития отрасли (усиление монополии на рынке, снижение активного фондового рынка и др.);
- макроэкономические - обусловлены развитием экономических процессов в стране и в мире в целом. В свою очередь, макроэкономические риски включают инфляционные (дефляционные), валютные, процентные и структурные риски.
Внутренние риски подразделяются на три вида:
- производственные, связанные с особенностями технологического процесса на конкретном предприятии, уровнем квалификации работников, организацией поставок сырья и материалов и осуществлением транспортных перевозок;
- инвестиционные, несущие потенциальную угрозу неполучения запланированного результата;
- коммерческие, обусловленные обычно неправильно проведенными маркетинговыми исследованиями, в результате которых компания не может реализовать весь объем произведенной продукции, недооценкой конкурентов на товарном рынке, ошибочной ценовой политикой и др.
Предпринимательские риски в совокупности представляют собой систему внешних и внутренних рисков и должны быть непосредственно связаны с системой управления и с аналитической деятельностью всех подразделений.
В современных условиях хозяйствования, характеризующихся экономической нестабильностью, существующая на предприятии система управления должна включать механизм управления рисками. Как правило, основная цель, которую преследуют организации при создании системы управления рисками, — это повышение устойчивости развития организации, снижение потерь и максимизация дохода.
Использование данных бухгалтерской и управленческой отчетности, статистических данных федерального органа государственной статистики (Росстата) и территориальных органов Росстата позволяет выделять наиболее существенные риски и численно измерять уровень их влияния с учетом факторов внешней и внутренней среды. Статистические показатели широко используются для оценивания уровня риска и характеризуют меру средних ожидаемых значений результатов деятельности и их возможных отклонений.
Статистические показатели оценки риска включают:
- среднее значение (математическое ожидание) ожидаемого результата деятельности;
- разброс (колеблемость) возможного результата деятельности относительно среднего значения.
Разброс (колеблемость) возможного результата деятельности относительно среднего значения оценивается абсолютными и относительными показателями вариации.
К абсолютным показателям вариации относятся: размах вариации, дисперсия, среднее квадратическое отклонение. К относительным показателям - коэффициент вариации, линейный коэффициент вариации, коэффициент осцилляции.
Принятие решений в условиях риска чаще всего основывается на одном из следующих критериев:
1) ожидаемого значения доходности (прибыли или расходов).
2) выборочной дисперсии или стандартного (среднего квадратиче-ского) отклонения.
3) комбинации ожидаемого значения и дисперсии или среднего квадратического отклонения выборки.
Рассмотрим использование статистических методов для количественной оценки риска нефинансовых предприятий. Один из подходов основан на применении регрессионного анализа [3,4]. Сложность анализа заключается в том, что одни и те же факторы в различных условиях могут оказаться решающими или стать совсем незначительными, так же необходимо учитывать взаимосвязь и взаимное влияние различных факторов, определять совокупный результат их взаимодействия.
Для разработки модели подверженности риску необходимо сначала выбрать так называемую целевую переменную, т. е. зависимую переменную, изменения которой должна объяснять регрессионная модель подверженности рискам. Выбранная целевая переменная должна соответствовать целям фирмы и ее системе оценки результатов деятельности.
Большинство активов нефинансовых организаций неликвидны. Основным риском для них является опасность снижения операционных денежных потоков. В качестве зависимой переменной, на основании которой будет оцениваться финансовый риск предприятия, можно выбрать прибыли, совокупные денежные потоки предприятия или денежные потоки по видам деятельности.
Денежные потоки предприятия состоят из трех компонентов - денежных потоков от основной деятельности, инвестиционной и финансовой деятельности. Денежные потоки дают информацию о ликвидности предприятия. Отчет о денежных потоках наряду с отчетом о финансовых результатах является частью регулярной отчетности организаций. При управлении денежными потоками необходимо максимизировать доходность предприятия и одновременно сохранить высокую ликвидность активов. На практике это означает нахождение и поддержание приемлемого соотношения между доходностью и ликвидностью.
Метод регрессионного анализа рисков позволяет определить величину отклонения реального денежного потока от его ожидаемого значения вследствие изменения исходных факторов риска. Размер этого отклонения может быть оценен с определенной вероятностью в течение установленного периода времени в будущем. Для определения величины денежного потока используются не только базовые финансовые факторы риска, но и специфичные для предприятия факторы, влияющие на операционные денежные потоки, например изменение спроса на продукцию компании, ценовая политика конкурентов, отраслевые результаты НИОКР. Для проведения регрессионного анализа необходимы данные о рыночных факторах и макроэкономических показателях, что существенно расширяет базу необходимых данных.
При этом следует отметить, что только надежность и регулярный характер поступающей информации, связывающих организацию с внешней и внутренней средой, позволят выстроить систему показателей и обеспечат эффективный процесс управления рисками, способный качественно улучшить финансовое состояние предприятия.
При составлении аналитического портфеля рисков необходимо определить все компоненты прибылей или денежных потоков, которые подвержены воздействию рыночных факторов. Обычно выделяют четыре группы факторов макроэкономического и рыночного риска: цены на товары, производимые и используемые предприятием, обменные курсы, уровень инфляции, процентные ставки.
В качестве независимых переменных в модели можно взять средние значения цен на сырьевые товары, обменных курсов, темпов инфляции и процентных ставок. Большое количество отраслей работает по различным схемам сезонной деятельности (определенные периоды года высокого производства или реализации товара сменяются значительным спадом). Для моделирования сезонных эффектов в модель необходимо включить фиктивные переменные (месячные или квартальные).
Модель подверженности рискам может формулироваться как для данных в первоначальном виде, так и для разности данных или же для процентных изменений в данных. Как правило, для обеспечения стационарности используется разность первой степени. Уравнение регрессии связывает факторы риска и чувствительность денежных потоков или компонентов прибылей. Регрессионные коэффициенты в данном случае покажут чувствительность совокупных денежных потоков фирмы в результате изменения тех или иных рыночных факторов на единицу.
Оценка подверженности риску требует вычисления прогноза ожидаемых изменений макроэкономических и рыночных факторов. Для прогноза факторов риска возможно использование моделей стохастических процессов. Также прогнозируемые значения факторов риска можно приобрести у независимых исследовательских или консалтинговых организаций. Следовательно, точность прогноза будет определяться тем, насколько надежно оценены значения независимых переменных. Таким образом, модель денежных потоков должна быть интегрирована с моделью поведения финансовых факторов.
Экономические процессы обычно являются стохастическими и указание их точечных значений лишено содержания, т.к. вероятность того, что прогнозируемый показатель в заданный момент времени будет равен значению, определяемому точечным прогнозом, практически равна нулю. Следовательно, в дополнение к точечному прогнозу необходимо дать возможные границы изменения прогнозируемого показателя - доверительные интервалы. Границы моделируемого интервала охарактеризуют величину отклонений фактических данных от прогнозируемых.
Одним из преимуществ использования регрессионной модели рисков, является возможность использовать полученную информацию в целях хеджирования рисков. Информация, необходимая для определения размера хеджа, содержится в регрессионной модели (параметры модели). Имея подобную модель, менеджеры могут быстро оценить влияние различных стратегий хеджирования на изменение, например, денежного потока, и предпринять действия для нейтрализации данного риска.
Таким образом, анализ различных макроэкономических и рыночных сценариев в регрессионной модели подверженности риска дает возможность оценить риск и принимать обоснованные решения в условиях неопределенности.
В работе проведен анализ рисков металлургического комбината, в качестве исходных данных при оценке рисков использовалась бухгалтерская отчетность предприятия, а также статистические данные Росстата, Министерства экономического развития Российской Федерации. В связи с тем, что металлургическая отрасль является экспортно-ориентированной, она в значительной степени зависит от конъюнктуры мирового рынка. Поэтому, наиболее значимыми возможными изменениями в отрасли будут являться:
1. изменение спроса как на основной вид товарной продукции - чугун (доля производства товарного чугуна в общем объеме товарной продукции составляет более 90 %), так и на прочую продукцию - граншлак, чугун дроблёный, щебень и т. д.;
2. изменение цен на вышеперечисленные виды товарной продукции;
3. изменение курса валют;
4. изменение цен на сырье (железорудное сырье и кокс);
5. увеличение производства чугуна в Китае, Украине.
Рассмотрим построение модели денежного потока от основной деятельности (У). В качестве факторов, оказывающих влияние на зависимую переменную, выберем следующие показатели: цена на сырье (концентрат железорудный) (Х1), цена на чугун (Х2), курс доллара (Х3), индекс потребительских цен (Х4). Отбор значимых факторов проведем по матрице парных корреляций, представленной в таблице.
Матрица парных корреляций
Переменная У Х1 Х2 Х3 Х4
У 1
Х1 -0,69 1
Х2 0,80 0,96 1
Х3 -0,30 -0,10 -0,28 1
Х4 0,06 -0,27 -0,26 0,30 1
Анализ матрицы парных корреляций показал, что наиболее значи-
мым фактором по силе влияния на зависимую переменную оказался фактор цены на производимую продукцию (цена на чугун), следующим по значимости фактором является цена на сырье (критическое значение коэффициента корреляции на уровне 95% при 10 степенях свободы = +0,5755). Включить два фактора в модель не представляется возможным из-за наличия между ними сильной взаимосвязи (мультиколлинеарности).
Построим регрессионную модель, отражающую зависимость денежного потока от основной деятельности (У) от фактора цены на чугун (Х2).
Регрессионная модель имеет вид:
У=168002,91+36,29Х2.
Табличное значение /-критерия Стьюдента при уровне значимости а=0,05 и 10 степенях свободы составляет 2,23. Для коэффициента регрессии а расч=7,08, для коэффициента регрессии Ь /расч=4,60, следовательно, коэффициенты регрессии значимы.
Расчетное значение ^критерия Фишера равно 21,15. Для оценки качества модели необходимо сравнить расчетное значение ^-критерия Фишера с табличным значением при 5 %-ном уровне значимости и числе степеней свободы т и п-т-1, где п - число наблюдений, т - число факторов модели. Для данной модели Етаб=4,96. Так как Грасч=18,05 больше табличного значения, то делаем вывод о статистической значимости уравнения в целом.
Далее необходимо оценить модель на адекватность, так как только адекватная модель может использоваться для анализа и прогнозирования. Модель считается адекватной, если остаточная компонента удовлетворяет свойствам случайной компоненты временного ряда. Это означает, что остаточная компонента имеет нормальный закон распределения, выполняется свойство независимости и случайности колебаний уровней остаточной компоненты.
Свойство случайности колебаний уровней остаточной компоненты можно проверить с помощью критерия поворотных точек. Проверку соответствия распределения случайной компоненты нормальному закону распределения можно провести с помощью показателей асимметрии и эксцесса. Независимость остаточной компоненты, т.е. отсутствие автокорреляции, проверяется по ^-критерию Дарбина-Уотсона. Средняя относительная ошибка составляет 11,4%, т.е. точность прогноза удовлетворительная.
Данная модель является точной и адекватной по всем критериям, и ее можно использовать для анализа изучаемого явления и прогнозирования. Анализируя модель можно сказать, что с увеличением цены на чугун на 1 руб. денежные средства от основной деятельности увеличиваются на 36,29 тыс. руб. Для получения прогнозных значений зависимой переменной необходимо подставить в уравнение ожидаемое значение фактора, полученное экстраполяцией или экспертным путем. Например, при цене на чугун 17500 руб. за тонну, точечная оценка денежного потока составит 803028,05 тыс. руб. Так как вероятность этого утверждения практически
равна нулю, то в дополнение к точечному прогнозу необходимо дать возможные границы изменения прогнозируемого показателя - доверительные интервалы. С вероятностью 70 % можно говорить о том, что денежный поток будет находиться в пределах от 675214,07 до 930842,04 тыс. руб.
Использование построенной модели позволяет не только оценить прогнозные значение результирующего показателя, но и проводить многовариантные расчеты типа «Что будет, если....?» и, таким образом, определять управляющие воздействия. Прогноз в виде интервальной оценки покажет пределы возможного изменения прогнозируемого показателя, так как именно границы моделируемого интервала характеризуют амплитуду отклонений фактических данных от прогнозируемых.
Оценка экономических показателей рисков на основе экономико-статистических методов уменьшает степень неопределенности, позволяет спрогнозировать финансово-хозяйственную деятельность предприятия вследствие изменения внутренней и внешней среды функционирования предприятия и разработать управленческие решения по минимизации рисков.
Список литературы
1. Управление современными компаниями. Учебник / Под ред. Б.Мильнера и Ф.Лииса. М.: ИНФРА-М, 2007. 585с.
2. Уродовских В.Н. Управление рисками предприятия: Учеб. пособие. М.: ВЗФЭИ, 2009. 130 с.
3. Шелобаев С.И., Шелобаева И.С. Анализ и прогнозирование финансовых процессов (учебное пособие). Тула: Левша, 2009. 265с.
4. Шелобаева И.С., Шелобаев С.И. Статистика. Практикум (учебное пособие). М.: ЮНИТИ-ДАНА, 2012. 207с.
Шелобаева Ирина Сергеевна, канд. экон. наук, доц., Irinash.2012@yandex.ru, Россия, Тула, Финансовый университет при Правительстве Российской Федерации (Тульский филиал)
INTERVAL ESTIMATION OF RISK ANALYSIS I.S. Shelobaeva
The statistical approaches to the quantitative risk assessment of non-financial enterprises. The analysis of risk and Steel Works. Simulation interval estimates can reduce the degree of uncertainty and the reasonableness of the administrative decision.
Keywords: Classification of risks, risk assessment, statistical methods, correlation analysis, regression analysis, the confidence intervals of the forecast.
Irina Sergeevna Shelobaeva, candidate of economic science, docent, Iri-nash.2012@yandex.ru, Russia, Tula, Financial University under the Government of the Russian Federation (Tula branch)
