CC BY
94УДК 004.62+330.131.7+338
РИСКИ В ИННОВАЦИОННЫХ ПРОЕКТАХ: ПРИЧИНЫ ПОЯВЛЕНИЯ, ИНТЕГРАЛЬНЫЕ РИСКИ, ЭКСПЕРТИЗА ПРОЕКТОВ С УЧЕТОМ РИСКОВ
А. Р. АБДУЛЛАЕВ,
доктор физико-математических наук, заведующий кафедрой высшей математики E-mail: h. m@pstu. ru
Л. А. МЫЛЬНИКОВ,
кандидат технических наук, доцент кафедры микропроцессорных средств автоматизации E-mail: leonid@pstu. ru
Е. Е. ВАСИЛЬЕВА,
старший преподаватель кафедры управления финансами E-mail: vasilevaee@list. ru Пермский национальный исследовательский политехнический университет
В статье обосновывается необходимость оценки интегральных рисков на этапе выбора инновационных проектов, приводится классификация рисков, предлагается подход к их интегральной оценке на основе выбора ограниченного набора показателей. Таким образом, описанный в статье подход позволяет повысить объективность отбора новых проектов для реализации вне зависимости от предметной области, в которой реализуется конкретный проект.
Ключевые слова: инновационный проект, управление, принятие решения, параметр, риск.
Введение
Использование результатов новейших фундаментальных и прикладных исследований в коммерческой и предпринимательской деятельности стало ведущим направлением развития в современных индустриально развитых странах. Возможность обеспечения конкурентоспособности той или иной
организации за счет изменения цены или снижения затрат всегда кратковременна и носит предельный характер. В то же время инновационный подход, т. е. подход, основанный на радикальном обновлении и смене выпускаемой продукции, является более предпочтительным, поскольку процесс поиска, накопления и преобразования научного знания в физическую реальность безграничен. Таким образом, инновации являются источником конкурентных преимуществ во всех сферах [5]. Поэтому проблема выбора проектов для реализации на основе формальных методов является актуальной.
Основой отбора инновационных проектов является экспертиза. Как правило, экспертиза - комплексная оценка таких составляющих проекта, как научный задел, публикации по тематике, новизна, научно-технический уровень проекта и т. д. Задача экспертизы на этапе конкурса состоит в максимально точной оценке всех параметров проекта. Особое значение имеет адекватная оценка риска
и обеспечение двойственного контроля за ним. Экспертиза выносит свое заключение о перспективности предлагаемых инновационных решений и об экономической целесообразности и рискованности инвестиций на основе интегральной оценки самого инновационного решения и внешних условий, в которых оно будет осуществлено. При экспертизе проектов учитывается потенциальное воздействие результатов исследований или разработок на социальную, экономическую и экологическую среду. Экспертиза содержит не только количественную, но и качественную оценку проектов.
Решение о реализации инновационного проекта должно приниматься с учетом множества характеристик [9]. Часть из них учитывает экономические, экологические и социальные последствия реализации проекта. Другая часть принимает во внимание разнообразные риски, связанные с осуществлением проекта, и факторы неопределенности. Критерии выбора инновационного проекта условно подразделяются на следующие группы:
- целевые критерии;
- внешние и экологические критерии;
- критерии субъекта, осуществляющего инновационный проект;
-50 -40 -30 -20 -10
критерии научно-технической перспективы; коммерческие критерии; производственные критерии; - критерии региональных особенностей реализации проекта.
Критерии каждой из групп подразделяются на обязательные и оценочные. Невыполнение обязательных критериев влечет отказ от участия в проекте.
Риски в инновационных проектах и природа их возникновения
Инновационные проекты связаны с наиболее высокой степенью сбалансированного риска по сравнению с другими наиболее рискованными операциями (рис. 1).
Эффективность управления рисками во многом определяется степенью точности их классификации, которая позволила бы правильно идентифицировать риск и организовать работу по управлению (табл. 1).
При этом специфическое понятие «инновационный риск» не нашел в настоящее время широкого применения, так как не существует единого
0 10 20 30 40 50
Рис. 1. Объем возможных потерь или прибыли при реализации инновационных проектов по сравнению с другими рискованными операциями, млн евро
Таблица 1
Риски и их классификация
Классификационный признак Вид риска
По субъектам [1] Человечество (планета) в целом. Отдельные регионы, страны, нации. Социальные группы, отдельные индивиды. Экономические, политические, социальные и прочие системы. Отрасли хозяйства. Хозяйствующие субъекты. Отдельные проекты. Виды деятельности. Прочее
По типу инвестиций [1] Финансовые. Инвестиционных проектов
По степени ущерба [1] Частичные - запланированные показатели, действия выполнены частично, но без потерь. Допустимые - запланированные показатели, действия не выполнены, но потерь нет. Критические - запланированные показатели, действия не выполнены, есть определенные потери, но сохранена целостность. Катастрофические - невыполнение запланированного влечет за собой разрушение объекта (общества в целом, региона, страны, социальной группы, индивида, предприятия, направление деятельности и др.)
По сферам проявления [1] Экономические, связанные с изменением экономических факторов. политические, связанные с изменением политического курса страны. Социальные, связанные с социальными сложностями (например, риск забастовок). Экологические, связанные с экологическими катастрофами, бедствиями. Нормативно-законодательные, связанные с изменениями законодательства и нормативной базы
По источникам возникновения [1] Несистематический риск, присущий конкретному субъекту, зависящий от его состояния и определяющийся его конкретной спецификой. Систематический, связанный с изменчивостью рыночной конъюнктуры, не зависящий от субъекта и не регулируемый им (например, непредсказуемые меры регулирования в сферах законодательства, ценообразования, нормативов, рыночных конъюнктур; природные катастрофы и бедствия; преступления политические изменения)
40 (295) - 2012
Окончание табл. 1
Классификационный признак Вид риска
По месту нахождения [1, 2] Внешние. Внутренние
По возможности предвидения/степени предсказуемости [1, 2] Предсказуемые. Непредсказуемые
По отношению к технологии [1, 2] Технические. Нетехнические
По возможности страхования [1, 2] Страхуемые. Нестрахуемые. Частично страхуемые
По степени зависимости от природно-экологических факторов [2] Природно-экологические. Прямо не связанные с природно-экологи- ческими факторами
По степени зависимости от социаль-но-поли-тических факторов [2] Прямые социально-политические риски. Косвенные социально-политические риски
По этапу жизненного цикла проекта [1] Предынвестиционные. Инве стиционные. Операционные
По сферам приложения капитала [2] Производственные. Торговые. Финансовые
По финансовым последствиям [4] Динамический - риск непредвиденных изменений стоимости основного капитала в результате принятия управленческих решений или непредвиденных обстоятельств (может приводить как к убыткам, так и к дополнительным доходам). Статический - риск уменьшения реальных активов в результате утраты части собственности, а также уменьшения доходов вследствие недееспособности организации
По экономической сущности [4] Производственный. Финансовый (он же кредитный). Инвестиционный (связанный с колебанием процентных ставок и валютных курсов). Портфельный (вероятность потерь по отдельным видам ценных бумаг)
мнения в его определении. Так, Л. П. Гончаренко и С. А. Филин определяют инновационный риск как «вероятность (угрозу) потери ресурсов в результате осуществления инновационной деятельности в условиях неопределенности» [6]. По мнению А. Н. Фомичева, инновационный риск - это «вероятность потерь при запуске в производство новых товаров и услуг, при освоении новых технологий» [12]. А, например, А. А. Цыганов и Ю. В. Грызен-кова представляют инновационный риск как «потенциальную возможность потерь, возникающих при инвестировании средств в новые разработки и технологии, а также в управленческие инновации» [13]. Обобщая позиции ряда авторов, необходимо отметить, что все они в качестве главной характеристики инновационного риска выделяют вероятность потерь, вызванную непосредственно инновацией, т. е. связанную с неопределенностью, которая возникает от внедрения нового.
Поэтому в данном случае под понятием «риск» будем понимать влияние неопределенности на цели [7]. Однако наиболее важным является представлять не столько вероятность определенного уровня потерь, сколько вероятность того, что потери не превысят некоторого уровня. Для оценки этого уровня в практической деятельности применяются показатели риска.
Оценка риска инновационных проектов осуществляется на этапах планирования, проектирования, внедрения и апробации. Риск может быть связан, например, с отсутствием требуемых материалов, несовершенством или дороговизной технологии их производства, с недостаточной обоснованностью прогнозируемых параметров продукта или технологии, с банальными теоретическими просчетами, с экологическими проблемами. Что же касается потребительского рынка, то в России до сих пор большинство проектов ориентировано на решение ведомственных или региональных проблем, и в технических заданиях таких проектов рынку потребителей уделяется формальное влияние.
Применение методов оценки и анализа проектов предполагает множественность используемых прогнозных оценок и расчетов. Множественность определяется как возможностью применения ряда критериев, так и безусловной целесообразностью варьирования основными параметрами.
Тогда в зависимости от типа решаемых задач этапа, на котором находится проект, и уровней принятия решений могут применяться различные
методы и подходы для работы с показателями риска. Это метод Монте-Карло, оценка устойчивости на моделях, методы корреляционного анализа, изучение ретроспективных данных проектов аналогов, методы проигрывания различных сценариев (теория игр), вариационный анализ, прогнозирование и моделирование на данных за прошедшие периоды и др. С применением этих подходов могут осуществляться так называемые стресс-тесты или проигрываться предполагаемые ситуации на моделях (рис. 2).
К инновационным проектам применимы принцип иерархичности, принцип единства целей, принцип эмерджентности. Это в свою очередь означает, что проект может быть декомпозирован и рассмотрен как система, состоящая из множества элементов-блоков. Тем самым можно получить обобщенную модель, отображающую факторы и взаимосвязи реальной ситуации, которые могут проявиться в процессе решения. Однако разные составные части модели инновационного проекта будут иметь разные способы формализации, так как инновационный проект является сложной системой и зависит от многих факторов, которые носят и случайный характер. Таким образом, в проекте появляется неопределенность, а значит, и риски связанные с успешностью его реализации.
При реализации инновационных проектов на ранних стадиях применение методов, основанных на статистике, затруднено или их точность невысока, так как часто бывает недостаточно статистических данных для построения прогнозов. При этом можно констатировать, что ощущается нехватка подходов, учитывающих эту специфику инновационных проектов и имеющих под собой формальную основу.
Следует отметить, что целью количественных методов оценки эффективности является не идеальный прогноз величин параметров проекта, а в первую очередь обеспечение сопоставимости рассматриваемых проектов с точки зрения эффективности, исходя из неких объективных и перепроверяемых критериев, подготовка тем самым основы для принятия окончательного решения.
Таким образом, анализ рисков проявляется как подход, позволяющий уменьшить влияние неверных прогнозов на конечный результат, увеличить вероятность правильного решения, существенно повысить обоснованность и корректность результатов анализа.
Также для построения прогнозов при реализации инновационных проектов на начальных стадиях часто применяют методы экспертных оценок.
Уровень анализа
Рис. 2. Матрица методов и уровней управления при работе с оценкой показателей риска [15]
Моделирование Активное измерение Интегрированное управление рисками
Оценка спроса Моделирование (метод Монте-Карло) Методы искусственного _
Статистический
анализ Измерение показателей Управление показателями
Выявление трендов Методы работы сданными для решения конкретных задач на усмотрение лица, принимающего решения
Данные об имеющих место потерях или ущербе
Выявление ошибочных и поиск недостающих данных Сбор и хранение данных
Идентификация Оценка Контроль Предупреждение Управление Уровень
рисков рисков за рисками рисковых рисками управления
ситуаций
Зависимость неопределенности прогноза от горизонта прогнозирования
Как уже было отмечено, особенностью инновационных проектов является неопределенность в некоторых суждениях и принятие решений на основе прогнозов. Прогнозирование может осуществляться лишь с определенной степенью достоверности, при этом, чем более удален во времени горизонт прогнозирования, тем меньше его точность.
Параметры инновационного проекта описываются инновационными кривыми. Тогда, если представить графически точность прогноза в виде допустимых отклонений от прогнозируемых значений, то в зависимости от типа параметра получим график прогноза в виде, представленном на рис. 3.
На рис. 3 представлены интервалы возможных отклонений от прогнозных рисунков. Величина этих отклонений может быть рассчитана исходя из максимального размера ошибки (погрешности), при котором прогноз может считаться достоверным. Величина ошибки Е. может быть определена по следующей формуле [10]:
Е1 = (7- Y .), F = V Е2
V т. 31 /' / , 1
где 7т1 - данные прогноза;
Y - данные об изменении параметра, полученные в ходе реализации проекта (экспериментальные данные, на основе которых делается прогноз).
Ш
Найдем значение с (сигма) по формуле а = .—,
I п
где п - количество экспериментальных точек.
Тогда согласно закону нормального распределения, чтобы гипотеза была адекватна, необходимо, чтобы в интервал (7э - с < 7т < 7э + с), попадало 68 % экспериментальных точек и более, в интервал (7э - 2с < 7т < 7э + 2с) попадало 95 % экспериментальных точек, а в интервал (7э - 3с < 7т < 7э + 3с) попадало 99 % экспериментальных точек.
Исходя из этого можно задаться интервалом возможных отклонений. Для инновационной кривой (рис. 3, а) до точки а данные считаются определенными, а на конце интервала предсказания зададимся интервалом с или 2с. Для S-образной кривой
t=1
Времяt
а [ б
-------Допустимые отклонения
а, Ь, с, (3, е, f, g - 'экспериментальные точки
Рис. 3. Графики прогноза с интервалами возможных отклонений: а - инновационной кривой; б - S-образной кривой
Времяt
(рис. 3, б), так как в зависимости от экспериментальных данных кривая может смещаться, в начале кривой выберем интервал с, а в ее конце - 2с.
Описанную расплывчатость прогноза можно задавать в виде нечетких чисел или вероятнистей.
В работе [14] было проведено сравнение аппарата теории нечетких множеств и теории вероятностей в случае, когда стохастические переменные определяются на тех же базовых множествах, что и соответствующие нечеткие переменные. Делается заключение, что понятие неопределенности лучше выражается нечеткостью, чем случайностью, а аппарат теории нечетких множеств вычислительно намного проще, чем теории вероятностей.
Кроме того, теории, основанные на вероятностях, могут быть сведены к теории нечетких множеств [3, 8, 16].
Таким образом, каждому значению прогнозируемой кривой можно поставить в соответствие функцию принадлежности (будем использовать гауссову функцию, так как для оценки адекватности применялся нормальный закон распределения).
Для представления нечеткого числа в виде гауссовой функции расчет производится по формуле
х) = ехр
х - с
где ц(х) - степень принадлежности нечеткого множества;
0,8;
0,6
0,41
0,2:
х - диапазон изменения экспертных оценок, изменяется от минимально возможного до максимально возможного суммарного значения показателя (на рис. изменение величины происходит от 0 до 2);
с - значение экспертной оценки или весового коэффициента;
5 - задается как степень уверенности эксперта (от 99 до 1 %, что соответствует значениям 5 0,01 и 0,99 соответственно).
/7\ //: ■А
/ / 1:
/ ~п / 1 ■ 1 \
/ ' '■ / / / / ■ Л \ \
/ / _ -- ■ N
0,5:
1
X
1,5
ЦА (х) ц в (х) (х)
Рис. 4. Графики гауссовой функции принадлежности с разной величиной уверенности эксперта
2
Способ оценки интегральных рисков инновационных проектов
Рассмотрим вопрос определения величины показателя риска с применением аппарата нечетких множеств. Нечетким множеством А в и называется совокупность пар вида [и, цА(и)], где и е и, а цА (и) -функция принадлежности элементов нечеткого множества А А ц А : и ^ [0,1]. Здесь и - некоторое универсальное множество, совокупность элементов некоторого вида. Для каждого элемента и е и функция принадлежности определяет степень его принадлежности той совокупности элементов, которая формализуется данным нечетким множеством. Математически нечеткое множество определяется следующим образом [11]:
А = и ц /, и
и е и.
Предположим, что показатель риска г вычислен для определенного набора параметров проекта с учетом всех факторов, влияющих на этот риск, т. е. показатель риска рассматривается как функция многих переменных г = г(а1, а2,..., ак, ф1, ф2,..., фт), где, допустим, а1 - себестоимость единицы продукции, а2 - цена единицы продукции, а3 - объем продаж и т. д. В этом случае, если показатель вычисляется для первого параметра, тогда г1 является функцией следующих факторов: ф1 - спад производства (перебои в поставках сырья, материалов, комплектующих, брак по вине работников, брак по причине неисправности оборудования, получение некачественного сырья, материалов, комплектующих, аварии, стихийные бедствия, забастовки, войны); ф2 - рост производства; ф3 - изменение цен на сырье, материалы, комплектующие; ф4 - изменение цены рабочей силы; ф5 -изменение цен на услуги сторонних организаций по упаковке, хранению, транспортировке, сбыту и т. д.; ф6 - изменение налогов; ф7 - возникновение инфляционных или дефляционных процессов; ф8 -нехватка оборотных средств, порождающая взятие кредита и выплату процентов по нему; ф9 - выплата штрафов, пени, неустоек.
Как правило, практикуется подход экспертного уточнения величины показателя риска с учетом факторов, влияющих на него.
Для определенности предположим, что показатель вычисляется с учетом определенного числа факторов, влияющих на него
г = 1 - а/. ,
где а - фиксированная, запланированная величина себестоимости единицы продукции без учета факторов риска;
а* - уточненный показатель себестоимости единицы продукции.
Уточненный показатель, использующийся в этой формуле, должен определяться как минимум двумя экспертами. Причем один эксперт может вычислять его с учетом, например, четырех факторов, влияющих на себестоимость. А другой эксперт учтет, например, девять факторов.
Таким образом, в случае первой экспертной оценки можем получить следующий результат: при а = 20 у. е. и а* = 25 у. е. г = 0,2, а в случае второй экспертизы получаем результат такого вида: при а = 20 у. е. и а*= 28,5 у. е. г = 0,3.
По экспертным оценкам определяется диапазон значений интересующего параметра (т. е., вычисленный по этому методу риск однозначно будет находиться в этом диапазоне, который формирует соответственно нечеткое множество). По экспертным оценкам определяется функция принадлежности в соответствии с возможностью наступления рисковых событий, которые влияют на каждое из значений. А затем вычисляется показатель риска
| хц( х)йх
Г = Т
где г - показатель риска;
а, в - границы диапазона значений; ц(х) - функция принадлежности. Для рассмотренного ранее примера получим г = 0,17. Следует отметить, что нечеткое усреднение дает такой результат в силу несимметричности функции принадлежности, т. е. границ диапазона значений.
Предлагаемый метод применим и в случае, когда в качестве показателя риска будет выступать само значение какого-либо параметра инновационного проекта.
Пусть, найдена величина показателя риска г0, которая соответствует значению параметра а1(себестоимость единицы продукции). Показатель себестоимости в этой точке будет с наибольшей долей вероятности совпадать с реальным показателем, который будет иметь место при нулевом результате воздействия рисковых событий, относящихся к рассматриваемому параметру. То есть такого рода
события либо не произойдут, либо не повлияют на него. Таким образом, далее определяется величина показателей рисков, влекущих за собой либо отрицательный (потеря части ресурсов предприятия, неполучение доходов или появление дополнительных расходов), либо положительный (увеличение прибыли, сокращение расходов или выгода) результат. И эта величина будет выражаться в отклонении от г0 вправо или влево. Затем образуется диапазон, в котором находится нечеткое множество значений параметра ау Для каждого значения в имеющемся диапазоне определяется функция принадлежности этому множеству (причем величина рискаг0имеет степень принадлежности, равную единице). А затем по формуле, учитывающей эти функции, значения показателя усредняются.
Пример получения оценок показателей риска
Оценим показатель риска дляпрогноза по объему продаж творога на молокозаводе. Для этого рассмотрим данные прогноза на ретроспективных данных по объему продаж для старой продукции (творог в полиэтиленовых пакетах по 1 кг) и новой (инновационной для рассматриваемого предприятия) продукции (фасованного творога в вакуумной упаковке). Прогноз делался на основе когнитивных карт и учитывал влияние на объем продаж таких факторов, как ожидаемый доход от продаж, выбранная емкость упаковки, тип упаковки, изменение качества продукции, изменение цены, затраты на поддержание производства. Данные этого прогноза были положены в основу изменения годовых планов производства, поэтому будем их использовать для расчета как запланированные показатели.
В процессе развития производства перед предприятием стоял вопрос об изменении объемов выпуска каждого из видов продукции. Изменение объемов выпуска затрагивает изменение производственного процесса, в производстве родственных товаров задействовано общее оборудование, которое к тому же имеет технологический предел по объему производства.
Данные прогноза по объему сбыта для разных видов продукции представлены в табл. 2.
Для представленных данных могут быть оценены показатели риска согласно рассмотренной ранее методике. Для вычисления усредненных значений воспользуемся формулой, приведенной в разделе «Способ оценки интегральных рисков инновационных проектов», нечеткие множества зададим с помощью гауссовой функции. Подставив в формулу значения а и в, а также степени функции нечетких множеств заданных функцией Гаусса (величину оценки уверенности эксперта для построения такой функции можно взять равной 0,68, так как предполагается, что значения адекватны). В результате для товара в старой упаковке в 2008 г. получим
в -I ^ 1
| хц( х)йх | хе^" >йх | хе
0,2 I х-0,14 1
°,32 ' йх
0,14
'1-2008 в
х)йх | е
а а
Для 2011 г.
в I х-С 11 х-с " ' { "
йх | е
0,14
0,2 - х-0,21
- °,'2 ''йх
|
= 0,2.
1
0,3
хе
х-0,3 0,32
йх
0,4 {х-0,4 1
0,32'йх
е
= 0,38.
0,3
Проведем аналогичные вычисления для товара в новой упаковке
Таблица 2
Данные прогноза по объему сбыта для разных видов продукции, производимой на молокозаводе, за 2001-2011 гг., т
1-2011
Показатель 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011
Старая упаковка 15 45 70 85 80 73 66 60 54 47 40
Новая упаковка 15 34 49 61 71 80 87 93 96 99 100
Экспертная оценка 1 (старая упаковка) - - - - - - - 75 - - 65
Экспертная оценка 1 (новая упаковка) - - - - - - - 75 - - 80
Экспертная оценка 2 (старая упаковка) - - - - - - - 70 - - 60
Экспертная оценка 2 (новая упаковка) - - - - - - - 80 - - 90
г11 (эксперт 1, старая упаковка) - - - - - - - 0,2 - - 0,4
г12 (эксперт 1, новая упаковка) - - - - - - - -0,2 - - -0,3
г21 (эксперт 2, старая упаковка) - - - - - - - 0,14 - - 0,3
г22 (эксперт 2, новая упаковка) - - - - - - - 0,16 - - 0,1
xe
x-0,16 0,32
dx
r
0,16
2-2008 0 2 J x-0,2
J e а32 >dx
0,16
= 0,16,
0,3
xe
x-0,1 0,32
dx
0,1
0,3 J x-0,3 ï
J e 1 a32 Jdx
= 0,1.
0,1
Приведенные расчеты показывают, что по старой продукции риск увеличивается, а по новой -уменьшается. Это говорит о том, что наблюдается тенденция к снижению спроса на старую продукцию и повышению интереса к новой.
Практика показала, что совместно с рекламой новой продукции и постепенной переориентацией производства на товар в новой упаковке в период с 2002 по 2011г. удалось удвоить чистую прибыль предприятия, при этом увеличив объем выпуска продукции на 40 %, из них сократив выпуск в старой упаковке на 10 % и увеличив объем выпуска в новой упаковке на 250 %.
Заключение
Описанный подход позволяет учитывать интегральные риски на этапе экспертизы инновационного проекта. При этом следует учитывать тот факт, что пока отсутствует единое понимание понятия «риск». Это осложняет проблему определения параметров, которые необходимо включать в интегральную оценку и построение универсального механизма управления этими рисками.
Недостатком метода является его ограниченная по степени применимости (метод может применяться только в том случае, если существуют оценки по всем параметрам, которые требуется оценить), а также требует исследований, связанных с выбором параметров, сочетание которых окажется достаточным для оценки интегрального риска инновационного проекта.
Кроме того, для инновационных проектов и процессов на всех этапах характерно отсутствие полной гарантии достижения благополучного результата. Развитие инновационной деятельности в последние годы показывает, что практика применения многих инвестиционных подходов малоперспективна. Поэтому помимо оценки рисков, построения прогнозов и других подходов, постепенно входящих в повседневную деятельность при оценке инновационных
проектов должно появиться и их сопровождение на всех этапах жизненного цикла, что оправдано значительными рисками инновационного процесса.
Список литературы
1. Бабаскин С. Я. Инновационный проект: методы отбора и инструменты анализа рисков: учеб. пособие. М.: Дело АНХ, 2010.
2. Балдин К. В., Передеряев И. И., Голов Р. С. Управление рисками в инновационно-инвестиционной деятельности предприятия: учеб. пособие. М.: Дашков и Ко, 2012.
3. Батыршин И. З. Теория и практика нечетких гибридных систем /И. З. Батыршин, А. О. Недосекин, А. А. Стецко и др.;под ред. Н. Г. Ярушкиной. М.: Физ-матлит, 2007.
4. Виленский П. Л., Лившиц В. Н., Смоляк С. А. Оценка эффективности инвестиционных проектов : теория и практика: учеб. -практ. пособие. М.: Дело, 2002.
5. ВинокурВ. М., ТрусовА. В. Интеллектуальная собственность как основа интеллектуальной деятельности. Пермь: ПГТУ, 2004.
6. Гончаренко Л. П., Филин С. А. Риск-менеджмент: учеб. пособие. М.: КноРус, 2008.
7. ГОСТ Р ИСО 31000 2011. Менеджмент риска. Принципы и руководство // Федеральное агентство по техническому регулированию и метрологии. URL: http://protect. gost. ru/v. aspx?control=8&baseC=-1&page=0&month=-1&year=-1&search=&RegNum=1& DocOnPageCount=15&id=171333.
8. Круглов В В., Дли МИ., Голунов Р Ю. Нечеткая логика и искусственные нейронные сети:учеб. пособие. М.: Физматлит, 2001.
9. Мыльников Л. А., Колчанов С. А. Методика выявления ключевых параметров инновационных проектов на основе статистических данных//Экономический анализ: теория и практика. 2012. №5.
10. Мыльников Л. А., Трушников Д. Н. Моделирование систем: практикум / учеб. пособие. Пермь: ПГТУ, 2006.
11. Новиков Ф. Дискретная математика для программистов. СПб: Питер, 2004.
12. Фомичев А. Н. Риск-менеджмент: учебник. М.: Дашков и Ко, 2009.
13. Цыганов А. А., Грызенкова Ю. В. Теория и практика страхования инновационных рисков. М.: РАГС, 2005.
14. Degava A. Improvedmethods of detectionand suppression of «bad» informationin the assessment ofenergy systems. Trans. Inst. Elec. Eng. Jap. 1984. № 2.
15. Vanini U. Risiko-management: Grundlagen, Instrumente, Unternehmenpraxis. Stuttgart: Schдffer-Poeschel Verlag, 2012.
16. Zadeh L.A. Fuzzy sets. InformationandControl, 1965, vol. 8. № 3.
0,2
r
2-2011
