Обоснование необходимости управления рисками инновационных проектов Текст научной статьи по специальности «Экономика и бизнес»

ОБОСНОВАНИЕ НЕОБХОДИМОСТИ УПРАВЛЕНИЯ РИСКАМИ ИННОВАЦИОННЫХ ПРОЕКТОВ

Ломаков В.В., соискатель ФГУП «Стандартинформ»

На предприятиях с инновационной деятельностью на сегодняшний день управление рисками сводится к примитивной оценке рисков без использования новых методов прогнозирования. Управление же рисками практически не ведется. В исследованиях, посвященных оценке и управления рисками, чаще всего встречаются несколько моделей оценки риска метод экспертных оценок, метод аналогий, метод критических значений, статистические методы и т.д.

Ключевые слова: инновационная деятельность, управление рисками, модели оценки рисков, методы.

SUBSTANTIATION OF NECESSITY OF INNOVATIVE PROJECTS MANAGEMENT RISKS

Lomakov V., «Standartinform», FSOU, the competitor

At the enterprises with innovative activity for today management of risks is reduced to a primitive estimation of risks without use of new methods of forecasting. Management of risks practically is not conducted. In the researches devoted to an estimation and management by risks, there are some models of an estimation of risk a method of expert estimations, a method of analogies, a method of critical values, statistical methods etc.

Keywords: innovative activity, management of risks, models of an estimation of risks, methods.

Основное преимущество метода экспертных оценок заключается в возможности использовать опыт экспертов в процессе анализа инновационного проекта и учета влияния разнообразных качественных факторов. Достоинствами экспертного анализа являются отсутствие необходимости в точных исходных данных и дорогостоящих программных средствах, возможность проводить оценку до расчета эффективности проекта, а также простота расчета. Основные недостатки - трудность в привлечении независимых экспертов и субъективность оценок.

Одной из простейших практических экспертных методик анализа рисков является SWOT-анализ - качественный подход, базирующийся на сравнении («взвешивании») противоположных качеств проекта. Результаты SWOT-анализа формализуются в виде таблицы, содержащей четыре раздела и позволяющей наглядно противопоставить сильные и слабые стороны проекта, его возможности и угрозы.

Другой метод, разработанный на основе экспертных оценок, -наглядный метод оценки рискованности проекта, условно называемый «звездой (розой) рисков». Данный подход позволяет сопоставить различные факторы проекта. Дальнейшее развитие этого метода достигается с помощью построения «спирали рисков», отражающей упорядочивание (ранжирование) факторов риска.

Метод экспертных оценок рисков следует дополнить его разновидностью - методом Дельфи. Он характеризуется анонимностью и управляемой обратной связью, так как эксперты в такой ситуации лишены возможности обсуждать ответы на поставленные вопросы. Обработанные и обобщенные результаты, через управляемую обратную связь сообщаются каждому члену экспертной комиссии. Таким образом, снимается возможность психологического дискомфорта, связанного с персонификацией каждой оценки, после чего оценка может быть повторена.

Метод критических значений базируется на нахождении тех значений риск-переменных или параметров проекта, которые приводят расчетную величину соответствующего критерия эффективности проекта к критическому пределу, Он может рассматриваться в качестве инструмента количественного анализа рисков, когда в условиях прогнозируемой динамики изменения какого-нибудь фактора риска требуется, не проводя дополнительных расчетов, оценить степень близости критериального показателя виртуального проекта к его критическому пределу.

На основе анализа сценариев может быть проанализировано воздействие на изменение избранного для анализа критерия оценки проектной эффективности одновременного изменения» всех основных переменных проекта, определяющих его денежные потоки. Важным преимуществом метода является тот факт, что отклонения параметров рассчитываются с учетом их взаимозависимостей (корреляции).

Кроме того, как правило, в инновационных проектах оценка рисков осуществляется и в разрезе инвестиционных вложений по-средствам статистических методов оценки. Рассматривая практику

оценки рисков инвестирования, стоит отметить, что одним из популярных методов оценки сегодня является расчет и анализ показателя систематического рыночного риска - коэффициента бета (I, beta), оценивающего чувствительность риска акции по отношению к риску всего рынка в целом;

I = Cov (r ,r ) / D (r )

i 4 r m’ 4 m'

где

I -коэффициент бета i-го актива;

Cov (r^rj) - ковариация случайных величин доходности i-ro актива и рынка (индекса);

D (rm) - дисперсия доходности рынка.

Этот метод основан на модели-оценки капитальных активов Шарпа (Gapital Asset.Iricing Model - САРМ) и применяется для оценки риска акций; котирующихся на фондовых биржах. Поскольку рыночная доходность в общем случае неизвестна, для ее оценки используют какой-либо индекс с широкой базой. Все ценные бумаги, обращающиеся на данном рынке, рассматриваются как «рыночный портфель», а изменение значения наиболее представительного фондового индекса выступает показателем изменений стоимости рыночного портфеля. Широкое применение индексной модели на практике объяснено тем, что коэффициент бета данной ценной бумаги оценивается за некоторый период времени в прошлом и становится инструментом прогнозирования, Он интерпретируется как мера чувствительности, которая показывает, насколько при заданных или ожидаемых изменениях доходности фондового индекса изменится ожидаемое значение доходности той или иной рассматриваемой ценной бумаги.

Одним из косвенных показателей риска служит величина премии за риск - разность доходности данного актива к которому присущ риск доходности безрисковых вложений в качестве которого на практике часто принимают уровень доходности по казначейским обязательствам США.

Модель САРМ предполагает, что премия за систематический, риск данной ценной бумаги пропорциональна премии за риск по рыночному портфелю (индексу) с коэффициентом пропорциональности:

ri - rf = A(rm - rf).

В реальности премии за риск конкретных активов могут отклоняться от расчетных премий за систематический риск этих активов, и величина этих отклонений может быть охарактеризована как несистематический (специфический) риск активов, который описывается коэффициентом альфа (a, alpha), показывающим переоценку или недооценку рынком систематического риска для данного актива:

±i = ri - rf - I(rm - rf>.

На практике производят статистическое уточнение оценок коэффициентов бета и альфа с учетом различных моделей регрессионной зависимости. Также, существуют различные точки зрения на применимость коэффициентов альфа и бета в фундаментальном анализе, в котором положительные или отрицательные значения

коэффициента альфа непосредственно интерпретируются как сигналы на продажу или покупку переоцененных (соответственно, недооцененных) акций.

Западный ученый Росс С. А.1 предложил альтернативную модель для измерения-риска, которая называется моделью арбитражной оценки2. Если инвесторы могут инвестировать без риска и зарабатывать больше, чем по безрисковой ставке, то это означает, что они нашли возможность арбитража. Предположение, лежащее в основе модели арбитражной оценки, заключается в том, что инвесторы пользуются выгодами возможности совершения арбитража и устраняют их в процессе торгов. Если два портфеля в одинаковой степени подвержены риску, но предлагают различный ожидаемый доход, то инвесторы приобретут портфель с более высоким ожидаемым доходом и продадут портфель с меньшим ожидаемым, доходом. Заработанная разница будет безрисковой прибылью. Для предотвращения возможности арбитража, два портфеля должны создавать одинаковые ожидаемые доходы.

Подобно модели оценки финансовых активов, модель арбитражной оценки начинает с разделения риска на специфический риск и рыночный риск. Как и в модели оценки финансовых активов специфический риск фирмы охватывает, информацию, которая влияет в основном на саму фирму в процессе инвестирования. Рыночный риск предполагает непредвиденны изменения в определенном числе экономических переменных, включая ВВП, инфляцию и процентные ставки. Включив оба риска в модель доходности, мы получаем:

Я = Е(Я)+ т

где

Я - фактическая доходность, Е(Я) ожидаемая доходность, т -компонент, непредвиденного риска в масштабе всего рынка; ^ -компонент отдельной фирмы.

Таким образом; фактический доход может отличаться, от ожидаемого дохода по причине рыночного риска, либо вследствие специфического фиска фирмы. Модель арбитражной оценки позволяет оценить коэффициенты бёта для каждого факторами премии за риск по факторам в дополнение к безрисковой ставке. На практике они обычно оцениваются при помощи исторических данных по доходам, приходящимся на актив, и факторного анализа. На интуитивном уровне понятно, что в факторном анализе мы изучаем исторические данные на основе исторических образов, характерных скорее для значительных групп активов (чем для одного сектора или нескольких активов). Факторный анализ дает два итоговых показателя:

1. он позволяет определить число общих факторов, влияющих на исторические данные по доходам;

2. он дает возможность измерить коэффициент бета каждой инвестиций относительно любого из общих факторов и обеспечивает оценку фактических премий за риск, заработанных, каждым фактором.

Тем не менее, факторный анализ не занимается идентификацией факторов с экономических позиций. Как правило, в модели арбитражной оценки рыночный риск измеряется по отношению к множеству не поддающихся; спецификации макроэкономических переменных. При этом чувствительность инвестиции соотносится с каждым фактором, измеренным при помощи коэффициента бета. Количество факторов риска, коэффициент бета для факторов, премии за факторы риска - все эти величины можно оценить при помощи факторного анализа.

Отказ от идентификации факторов в модели арбитражной оценки, по всей вероятности, можно оправдать, обращаясь к статистическим методам, но, вместе с тем, интуиция подсказывает, что это свидетельствует о слабости подобного подхода. Решение кажется простым заменить неопределяемые статистические факторы специальными экономическими факторами, и результирующая модель будет обладать экономической основой, вместе с тем сохраняя в себе многие достоинства модели арбитражной оценки. Именно на это и нацелены факторные модели.

Как правило, многофакторные модели основаны на исторических данных, а не на экономическом, моделировании. Как только в модели и арбитражной оценки выявлено определенное количество

факторов; их поведение можно выяснить с помощью данных. Поведение неназванных факторов во времени, можно сравнить с поведением макроэкономических переменных за тот же период с целью проверки; коррелируют ли во времени какие-либо из переменных с идентифицированными факторами.

Например, ученые Чен, Ролл и Росс предполагают, что с факторами, полученными при помощи факторного анализа, в значительной степени коррелируют следующие макроэкономические переменные промышленная продукция, изменения размера премии за дефолт, сдвиги во временной структуре, непредвиденная инфляция и изменения в фактической доходности. Затем можно выяснить корреляцию этих переменных с доходами (что даст нам модель ожидаемых доходов), а также с коэффициентами бета отдельных фирм, рассчитанными по отношению к каждой переменной.

Е(Я) = Я, + 1ШР[Е(Кшр) -Я^ + 1][Е(Я]) -Я^ ... 11{Е(Я1) -Я/

где

I - коэффициент бета по отношению к изменениям в промышленном, производстве;

Е(ЯОМ1) - ожидаемая доходность портфеля с коэффициентом бета, равным единице для фактора промышленного производства и нулю для всех других факторов;

ОМР - ВНП (валовой национальный продукт);

I - коэффициент бета по отношению к изменениям в инфляции;

Е(Я^) - ожидаемая доходность портфеля с коэффициентом бета, равным единице для фактора инфляции и нулю всех других факторов.

Издержки перехода от модели арбитражной оценки к макроэкономическим многофакторным моделям можно отнести к ошибкам, возникающим при идентификации факторов. Экономические факторы в модели могут со временем изменяться; так же как и премия за риск, связанная с каждым из них. Использование ошибочных факторов или игнорирование важных факторов в многофакторной модели может привести к недостоверным оценкам ожидаемого дохода.

В конечном итоге, многофакторные модели, подобно моделям арбитражной оценки, предполагают, что рыночный риск может быть учтен лучше, если использовать множество экономических факторов и коэффициенты бета, соотнесенные с каждым из них, В отличие от модели арбитражной оценки, многофакторные модели нацелены на идентификацию макроэкономических факторов, определяющих рыночный риск.

Все уже описанные модели начинают с определения рыночного риска в широком смысле, а затем развивают модели, оценивающие этот рыночный риск наилучшим образом. Однако все они извлекают свои показатели рыночного риска (бета) из анализа исторических данных. Существует целевой класс моделей риска и доходности, которые начинают с доходов и пытаются объяснить различия в этих доходах, приходящихся на разные акции, в течение длительного временного периода. Для этого используются такие характеристики, как рыночная стоимость фирмы или мультипликаторы, включающие в себя цену. Сторонники этих моделей доказывают, что если доходность некоторых инвестиций выше, чем у других, то и рискованность их должна оказаться выше. Следовательно, мы можем взглянуть на характеристики, объединяющие эти высокодоходные инвестиции, и принять их в качестве косвенных или приближенных показателей рыночного риска.

Фама и Френч в своем исследовании модели оценки финансовых активов, получившем широкое признание, отметили, что фактические доходы за период могут быть сильно коррелированы с мультипликаторами «балансовая стоимость/цена» и размером. Высокодоходные инвестиции в этот период, как правило, были связаны с вложениями в компании с низкой рыночной капитализацией и высокими мультипликаторами «балансовая стоимость/цена». Фама и Френч предположили, что эти показатели можно использовать в качестве приближенных оценок риска и вывели следующую регрессию для ежемесячных доходов на акции, обращающиеся на Нью-Йоркской фондовой бирже3:

Яг = 1,77% - 0,11*!п(МТ) + 0,35-!п( БТ/ИТ),

где

1 Саркисян И. В. Управление рисками инновационной деятельности предприятий. - дисс. канд. экон. наук: 08.00.05. - М.: Академия бюджета и казначейства Министерства финансов РФ, 2008.

2 arbitrage pricing model - АРМ

3 New York Stock Exchange - NYSE

In - натуральный логарифм;

MV - рыночная стоимость собственного капитала;

BV / MV - балансовая стоимость/рыночная стоимость собственного капитала.

Значения рыночной стоимости собственного капитала и мультипликатора «BV/MV» для отдельных фирм, принятые в качестве значений для регрессионных переменных, должны давать ожидаемый ежемесячный доход.

Если рассматривать инвестиционные активы инновационного предприятия как производные финансовые инструменты, то в практике финансового менеджмента используются так называемые «греческие» показатели оценки.

Первым из этих показателей является дельта (Д, delta). Дельта измеряет величину изменения стоимости индекса V при малом изменении базисного ценового фактора S.

Delta = . V / □

Если изобразить зависимость стоимости инструмента от базового ценового фактора линией, то дельта характеризует угол наклона, при этом ее величина равна тангенсу этого угла. Как и цена базисного пункта и дюрация, дельта отражает тот же самый риск -чувствительность стоимости инструмента V к изменению процентной ставки r:

Duration = -Delta * lr / V

Если график зависимости стоимости актива от базового ценового фактора - прямая линия, то дельта - постоянная величина. Но так бывает не всегда дельта может быть переменной величиной и

Таблица 1.3. Практические методы оценки рисков

может сама изменяться под действием факторов риска. Показатель гамма (Г, gamma) измеряет изменение дельты при изменении базисного ценового фактора:

Gamma = Delta / S.

Гамма измеряет тот же риск, что и выпуклость. Если график зависимости стоимости от базового ценового фактора выпуклый, то гамма положительна, при вогнутом графике гамма отрицательна, а если профиль риска -прямая линия, то гамма равна нулю.

Вега (vega) - еще один показатель риска; она измеряет изменение стоимости индекса при изменении волатильности базового ценового фактора:

Vega = • V / • • .

Стоит отметить, что традиционные меры риска, к сожалению, обладают следующими серьезными недостатками:

1, многие из них не могут быть агрегированы (т.е. сведены в один показатель такого же типа) безразлично к факторам риска (так, например, нельзя агрегировать дельта и вега-риски). Факторы риска не могут быть агрегированы для различных рынков;

2 традиционные меры риска не измеряют «капитал под риском», т.е. капитал, покрывающий потери, вызываемые данными факторами риска. Поэтому на основе этих показателей трудно анализировать качество управления инвестициями с учетом риска;

3. традиционные меры риска сравнительно плохо позволяют контролировать риск. Лимиты позиций, определяемые по факторам риска или показателям чувствительности, часто неэффективны.

Метод Сущность Сфера применения

1. Метод экспертных оценок Комплекс логических и математико-статистических методов и процедур по переработке необходимой информации, связанной с деятельностью эксперта Идентификация рисков

2. SWOT-аншш Таблица, позволяющая наглядно противопоставлять сильные и слабые стороны проекта, его возможности и угрозы Экспертная оценка рисков

3. «Звезда (роза) рисков»,«спираль рисков» Иллюстративная экспертная оценка рискованности факторов Ранжирование рисков

4. Метод аналогий Исследование накопленного опыта по проектам-аналогам с целью расчета вероятности возникновения потерь Оценка риска часто повторяющихся проектов

5. Метод ставки процента с поправкой на риск Увеличение безрисковой ставки процента на величину надбавки за риск (рисковая премия) Дополнительный учет факторов риска при расчете эффективности проекта

6. Метод критических значений Нахождение тех значений переменных, проверяемых, на риск, которые приводят расчетную величину соответствующего критерия эффективности проекта к критическому пределу Мониторинг рисков в процессе управления проектом в условиях неопределенности

7. «Дерево решений» Метод принятия статистических решений при выборе одного из альтернативных вариантов и формировании оптимальной стратегии Анализ рисков виртуального проекта управление проектом

8. Анализ чувствительности Анализ проведения критериальных показателей проекта в результате изменения только одного рискового фактора Количественный анализ рискованности

9. Анализ сценариев Анализ проведения критериальных показателей проекта в результате изменения спектра рисковых факторов Количественный подход в анализе и управлении рисками

10, Статистический подход Использование числовых значений показателей дисперсии и среднеквадратического отклонения Количественная оценка рисков нескольких проектов (или нескольких вариантов одного проекта)

Все это объясняет ту огромную популярность, которой в современном риск-менеджменте пользуется подход к измерению рисков на основе показателя «мера риска» (Value-at-Risk - VaR), более или менее успешно справляющегося с вышеперечисленными проблемами.

VaR - это выраженная в данных денежных единицах (базовой валюте) оценка величины, которую не превысят ожидаемые в течение данного периода времени потери с заданной вероятностью.

Показатель VaR обычно не используется применительно к рынкам, находящимся в состоянии кризиса.

Пусть фиксирован некоторый портфель открытых позиций. VaR портфеля для данного доверительного уровня (1- ) и данного пе-

риода поддержания позиций t определяется как такое значение, которое обеспечивает покрытие возможных потерь х держателя портфеля за время / с вероятностью (1- ):

P(VaR > x)=l - U.

Как следует из определения, величина VaR для портфеля заданной структуры - это наибольший ожидаемый убыток, обусловленный колебаниями цен на финансовых рынках, который рассчитывается:

на определенный период времени в будущем (временной горизонт с заданной вероятностью его не превышения (уровень доверия);

при данных предположениях о характере поведения рынка (метод расчета).

Доверительный интервал и временной горизонт являются ключевыми параметрами, без которых невозможны ни расчет, ни интерпретация показателя VaR.

Временной горизонт (holding period) для расчета VaR часто выбирается исходя из срока удержания данного инструмента в портфеле или его ликвидности, т.е. исходя из минимального реального срока, на протяжении которого можно реализовать на рынке данный инструмент (закрыть позиции) без существенного убытка, поскольку именно в пределах этого срока трейдеры не в состоянии что-либо сделать для снижения потерь. Например, «недельный VaR», «месячный VaR» - это оценки возможных потерь за неделю и месяц соответственно.

Следует отличать от горизонта расчета VaR глубину периода расчета VaR (observation period) - объем выборки ретроспективных или искусственно смоделированных данных, на основе которых рассчитывается оценка. Например, фраза «глубина расчета месячного VaR составила 2 года» означает, что данные брались за 2 года, т.е. за 24 месяца, а фраза «глубина расчета недельного VaR составила 2 года» означает, что данные брались за 2 года, т.е. за 104 недели.

Уровень доверия (confidence level), или вероятность, выбирается в. зависимости от предпочтений по риску, выраженных в регламентирующих документах надзорных органов, корпоративной практике и т.д.

Существуют две основных группы подходов к оценке VaR. Первая группа основана на так называемом локальном оценивании (local valuation), т.е. на линейной или более сложной аппроксима-

ции функции стоимости, важнейшим примером которого является параметрический дельта-нормальный метод. Вторая группа использует полное оценивание (full valuation), подразумевающее полный перерасчет стоимости финансового инструмента без аппроксимирующих предположений. К этой группе относятся метод истори-ческого-моделирования и метод Монте-Карло. Обобщая щученные методы оценки рисков попробуем систематизировать их в таблице 1.34.

После оценки рисков с использованием того или иного подхода в системе риск-менеджмента могут использоваться различные механизмы управления выявленными рисками.

В мировой практике обнаруженный риск в процессе инвестирования, как правило, минимизируется с использованием одного или нескольких приемов. В качестве данных методов можно выделить:

а) Перевод риска на страховую компанию.

При этом необходимо помнить, что доступность риска для страхования не обязательно означает, что данный риск следует покрывать страховкой. В большинстве случаев было бы лучше для компании самостраховаться. Это означает, что лучше самому покрыть риск, чем осуществлять платеж другой стороне ради перевода на нее ответственности за риск.

б) Перевод фактора, порождающего данный риск, па третью сторону. В некоторых ситуациях риски могут быть уменьшены путем перевода

их на другую компанию, причем не обязательно на страховую.

в) Снижение вероятности наступления неблагоприятного события. Ожидаемые события потери, связанные с каким-либо риском, - это фактор как вероятности наступления, так и величины денежных потерь, если это событие происходит. В ряде случаев можно предпринять действия по снижению вероятности наступления нежелательного события. Например, вероятность пожара завода, в который инвестируются средства, может быть уменьшена программой противопожарных тренировок, заменой старого электрооборудования и т. д.

г) Снижение величины потерь, связанных с неблагоприятными событиями.

Продолжая пример с пожаром, заметим, что денежные затраты, связанные с пожаром, можно уменьшить установкой системы водяного тушения и т.п.

д) Абсолютный запрет на деятельность, которая порождает риск.

Например, компания может прекратить производить какой-либо

инновационный товар или услуги из-за того, что риск превысит доход. Мировая практика подтверждает также целесообразность и необходимость разработки специальной инструкции по управлению рисками, в которой регламентировались бы действия отдельных работников и структурных подразделений организации, связанные с возможными рисками.

В целом, выявленные проблемы, по нашему мнению должны быть дополнены полным перечнем возможных макро-, мезо и мик-ро рисков, сдерживающих развитие инновационных предприятий в нашей стране.

4 Экономико-математические методы и прикладные моделиучебное пособие для ВУЗов,/ под ред. В.В. Федосеева, А,Н. Гармаш, Д.М. Даиитбегов. М., Юнити, 2002; Энциклопедия финансового риск-менеджера. / под ред. А.А. Лобанова и А.В. Чугунова. 2-е изд. М., Альпина Бизнес Букс, 2005.