Интеллектуальное управление проектами и имитационное моделирование

Введение

Данная статья планируется как первая публикация из серии статей, посвященных интеллектуальному управлению проектами.
В публикации будут кратко рассмотрены вопросы имитационного моделирования управления проектами (УП) и интеллектуализации УП.

Предполагается, что читатель поверхностно знаком с теорией управления проектами и системным анализом, а так же возможно с проектированием информационных систем. Углубленные знания по всем или одному из направлений могут вызвать непреодолимое желание написать комментарий, что приветствуется!… или запустить в автора чем-нибудь тяжелым…
Итак, приступим.

1. Модель проекта

В соответствии с PMBoK 5 (1) выделяют несколько областей знаний управления проектами (все их мы затрагивать не будем). В каждой из областей проект рассматривается с разных сторон, выделяются всевозможные сущности/объекты, методы управления и их влияние на проект, как на способ организации работы для достижения конкретной цели или решения задачи. Здесь мы лишь кратко опишем типичные объекты, которые можно выделить при управлении проектами, их характеристики, взаимосвязи, а так же общую механику имитационного моделирования и соответствие её жизненному циклу проекта.

Типичные объекты и их характеристики
Проект обладает следующими характеристиками: руководитель, наименование, тип, планируемая дата начала, фактическая дата начала, планируемая дата окончания, фактическая дата окончания, текущее состояние жизненного цикла, начальный баланс проекта, текущий баланс проекта.
Расчетные или определяемые на основании других объектов характеристики: команда проекта, процент выполненного объема работ, отставание или опережение по объему выполненных работ, отставание или опережение по срокам, планируемая стоимость.
Задача/Работа – здесь указываются схожие характеристики с проектом, к которым добавляются следующие: приемщик, ответственный исполнитель, тип выполняемой работы, проект, место, процент готовности.
Расчетные или определяемые на основании других объектов характеристики: последовательность выполнения внутри проекта, состав исполнителей, история изменения состояния, стоимость выполнения задачи/работы.
Материальный ресурс (основные средства): тип объекта, дата постановки на учет, дата ввода в эксплуатацию, название, балансовая стоимость.
Расчетные или определяемые: амортизация, текущее состояние, где задействован сейчас, расписание использования.
Расходуемый ресурс (сырье, запасные части): тип ресурса, начальные запасы, место расположения, дата поставки, срок годности.
Расчетные или определяемые: текущие запасы, интенсивность расходования
Персонал: ФИО, постоянное размещение.
Расчетные или определяемые: доступность для работы, совместимость с другими сотрудниками, текущее размещение на время выполнения работы, где задействован, расписание работы.
Риск: вероятность возникновения, цена ущерба, описание, продолжительность влияния, индикатор срабатывания риска.
Расчетные или определяемые: мероприятия по устранению последствий, мероприятия по недопущению возникновения или уклонению, стоимость, сроки реализации.

Взаимосвязи и зависимости
Проект-[1:M]-задача – выполняются в ограничениях сроков проекта.
Задача-[1:M]-задача – могут иметь иерархическую связь (вертикальную), могут иметь связь в виде указания последовательности выполнения (горизонтальную).
Материальный ресурс-[M:M]-задача – привязывается через отношение расписания к задаче с указанием расписания использования.
Расходуемый ресурс-[M:M]-задача – привязывается через отношение расписания к задаче с указанием необходимого запаса для ее выполнения.
Персонал-[M:M]-задача – могут быть задействованы в рамках нескольких задач, для чего указывается расписание работ и процент использования в задаче.
Риск-[M:M]-[Объект] – при указании взаимосвязи с [Объектом] указывается вероятность возникновения.
Разумеется это не полный перечень объектов.

Механика
Каждый такт моделирования соответствует фиксированному времени – 1 день/час выполняемого проекта. Для этого примем все сроки, и интервалы в проекте — кратными величине 1 день/час. Схема цикла моделирования изображена далее:

Цикл моделирования заключается в следующем:

1. Устанавливаются начальные значения для проекта для симуляции. Создается проект, подготавливается расписание проекта, дерево рисков. На этом этапе так же доступны функции интеллектуальной поддержки управления проектами, но этот шаг не может быть выполнен без ЛПР.
2. Итерация начинается с определения действующих значений.
3. Выполнение такта. Каждый такт моделирования выполняются следующие операции:
   • расходуются ресурсы по задачам,
   • проверяется вероятность отказов (рисков),
   • выполняется определенный объем работ из перечня работ по проекту,
   • выполняются финансовые операции по проекту.

4. Сохраняются рассчитанные значения для определенного такта
5. Проверка условий завершения моделирования.
6. Завершение моделирования и вывод результатов (аналитических, агрегированных и подробных значений по шагам моделирования). При окончании моделирования сохраняются последние (итоговые) значения и причины прекращения моделирования.
7. Выдача пользователю (или лицу, принимающему решения — ЛПР) информации о состоянии проекта без использования оптимизаций, модулей аналитики и поддержки принятия решений. От пользователя необходима реакция на текущее состояние (при необходимости) или продолжение моделирования.
8. Оценка управленческих решений пользователя на основе текущих значений, а так же ретроспективы их изменения и принятых пользователем управленческих решений с применением алгоритмов оптимизаций, модулей аналитики и поддержки принятия решений.

В соответствии с жизненным циклом проекта будем различать:

• инициализация и планирование проекта – 1 шаг
• реализация проекта – 2-5, 7 и 8 шаг цикла
• завершение проекта – 6 шаг

Общие замечания
Все данные промежуточных шагов симуляции сохраняются и накапливаются в пределах текущей симуляции. При дальнейшей работе оптимизационных алгоритмов (на 8 шаге цикла симуляции) могут использоваться данные как текущей, так и предыдущих завершенных симуляций (с поправкой на результат завершения симуляции).
При нескольких одновременно выполняемых работах проекта симуляция для них выполняется как бы параллельно (т.е. симулируется одновременное выполнение), в случае отсутствия разногласий по используемым ресурсам.
При нескольких сотрудниках/типах ресурсов моделирование выполняется для каждого из них параллельно (т.е. расходуются одновременно), в случае отсутствия разногласий по используемым ресурсам.

2. Технологии реализации

Основные рассматриваемые вопросы:

• хранение структуры данных проекта в БД
• интерфейс для взаимодействия пользователя со структурой БД
• средства реализация сервера симулятора
• интерфейс для взаимодействия между БД и сервером симулятора
• хранение нейронной сети и промежуточных шагов итерации симулятора
• взаимодействие между интерфейсом приложения и нейронной сетью

Как несложно заметить объекты проекта и связи между ними легко представить в виде отношений реляционной БД и хранить в таком виде тоже не сложно, т.е. будет достаточно реляционной БД – MySQL, например.
Для разработки интерфейса выберем фреймворк Yii 2 (и соответствующий стек технологий – PHP, HTML и т.д.).
Реализация сервера симуляции – Node.js
Реализация нейронной сети для Node.js, например — habrahabr.ru/post/193738
Взаимодействие с frontend (Yii2) и Node.js — github.com/oncesk/yii-node-socket
Остается открытым вопрос о формате хранения самой нейронной сети, на которую накладываются следующие требования:

1. Отражение свойств нейронной сети (взаимосвязи, веса связей и т.д.)
2. Безопасный доступ (исключить непосредственное влияние пользователя на сеть)
3. Быстрая загрузка нейронной сети в память.
4. Возможность обучения сети.

3. Логика управления

Для каждой из областей знаний управления проектами существуют постановки задач и описанные математические способы их решения, с которыми автор поверхностно знаком. В зависимости от модели управления знание этих правил и способов решения задач должны перераспределяться между системой и пользователем. Модели управления выделены следующие: (1)

1. управление с уведомлениями – система не воздействует на объект (проект), но отображает уведомления об изменениях показателей и возможности выполнения действий (принятие решений и максимум знаний требуется от ЛПР).
2. интерактивное управление – система предлагает управляющие воздействия, но решение остается за ЛПР (принятие решений остается за ЛПР).
3. эвристическое управление – система принимает решения и выполняет некоторые воздействия самостоятельно (ЛПР исключается из процесса управления).

Реализация самого управления заключается в мониторинге и анализе совокупности характеристик проекта и оценке их отклонения от «нормальных» для данного времени, с учетом динамики их изменения. Управляющие воздействия подбираются на основе полученных данных (т.е. при наличии соответствия такой комбинации характеристик какого-либо воздействия), а так же анализируются схожие проекты со схожими ситуациями и принятые в них решения. В соответствии со степенью или уровнем отклонения могут применяться те или иные способы воздействия:

1. Перераспределение ресурсов между задачами;
2. Перераспределение трудовых ресурсов между задачами;
3. Изменение расписания выполнения задач;
4. Планирование закупок;
5. Уклонение или принятие мер по ликвидации последствий рисков.

Для способов воздействия важны такие характеристики: степень соответствия ситуации, продолжительность реализации, стоимость реализации, возможное время начала реализации. Для определения применимого способа воздействия важно:

1. Указанные экспертами характеристики.
2. Наличие информации в накопленной базе выполненных проектов.

Данные механизмы логично строить с применением нейронных сетей и нечеткой логики. Использовать эти алгоритмы можно как на этапе инициализация и планирование проекта, так и на этапе его реализации. Возможно выполнение анализа – как изменяться характеристики после применения управляющего воздействия.

4. Интеллектуализация имитации

Т.о. на этапе выполнения такта возможно полное исключение ЛПР из процесса управления. Что же для этого необходимо? Для моделирования событий нужны уточнения некоторых характеристик (приближенные). Для выполнения управляющих воздействий система должна «знать» некоторую дополнительную информацию относительно предметной области, например:
1. Перераспределение ресурсов между задачами.

• взаимозаменяемость ресурсов – можно задать таблицами-матрицами соответствия;
• вероятность выхода из строя ресурсов – указывается вероятность в диапазоне от Xmin до Xmax;
• возможность параллельного использования несколькими исполнителями – как логическое свойство задачи.

2. Перераспределение трудовых ресурсов между задачами.

• взаимозаменяемость и несовместимость персонала – можно задать таблицами-матрицами соответствия;
• производительность трудовых ресурсов – как расчетное значение на основе данных о: опыте работы, возрасте, повышении квалификации и т.п.
• соотношение типов выполняемой работы и требуемых для ее выполнения навыков – аналогично решается матрицами;
• вероятность невыхода трудовых ресурсов (вероятность болезни) – указывается вероятность в диапазоне от Xmin до Xmax;
• возможность параллельного выполнения одной работы несколькими исполнителями – как логическое свойство задачи.

3. Изменение расписания выполнения задач.

• возможна ли приостановка задачи, или выполнение должно быть непрерывным – как логическое свойство задачи;
• входит ли задача в «критический путь» (т.е. сроки ее выполнения непосредственно влияют на сроки завершения проекта) – определяется системой «налету».

4. Планирование закупок.

• интенсивность расходования ресурса – определяется системой «налету».
• возможность закупки необходимого оборудования — как логическое свойство задачи.

5. Уклонение или принятие мер по ликвидации последствий рисков.

• вероятность отказов оборудования – указывается вероятность в диапазоне от Xmin до Xmax;
• возможные варианты уклонения и ликвидации последствий – решается матрицами или списками соответствия (с указанием степени соответствия).

Это не исчерпывающий список задач. Здесь так же необходимо отметить тот факт, что универсального решения для любого проекта быть не может и, что хорошо для одного проекта – для другого смерть. Т.о. необходимы определенные ключевые характеристики, их совокупности, и их значения, которые позволяли бы типизировать и классифицировать, подбирая схожие проекты для обучения системы, например:

• типы задействованных ресурсов;
• типы поставленных задач;
• квалификация и умения задействованного персонала;
• размер бюджета;
• продолжительность проекта;
• успешность проекта;
• количество участников и т.д.

Далеко не последнюю роль будет играть фактор неопределенности как характеристик описанных выше, так и характеристик самого проекта.

5. Многоагентность

Как было отмечено выше, разногласия по использованию ресурсов могут быть как внутри проекта между задачами, так и между разными проектами, использующими одни и те же ресурсы. Для упрощения работы с ресурсами мы выделим агента, которого назовем «Арбитр ресурсов». Именно к нему будут обращаться агенты «Проекты» за необходимыми ресурсами, что даст возможность перераспределять даже зарезервированные ресурсы в зависимости от важности (критичности) выполняемых задач или проектов.

Заключение

Что даст такое имитационное моделирование или симуляция управления проектом? Ответ прост:

1. управление с уведомлениями — можно использовать как тренировку или тестирование ЛПР на знание определенных принципов или умение решать задачи связанные с управлением проектами.
2. интерактивное управление — отработка некоторых практик и проверка их на модели. Что даст возможность изменить модель для соответствия ситуации или наоборот оценить владение методами решения задач УП самому ЛПР (самопроверка).
3. эвристическое управление — возможность большого количества запусков симуляции и накопление определенного опыта (данных) об этих симуляциях для их дальнейшего анализа.

Однако сама имитация и симуляция — не конечная цель. В результате накопления достаточно точных простых и сложных моделей в базе симуляции, разработки и отладке поведения имитационной модели и модулей, осуществляющих интерактивное взаимодействие и эвристическое управление (без ЛПР), возможно использование накопленных правил и алгоритмов для управления (или интеллектуальной поддержки управления) реальными проектами (3).
Реализация такой системы в виде SaaS решения, с привлечением некоторого количества участников, позволит получить доступ к опыту работы (обезличенному) других участников (с возможностью обучения системы).

Имитационное моделирование эффективности инвестиционных проектов Лебедев Сергей Аркадьевич

480 руб. | 150 грн. | 7,5 долл. ‘, MOUSEOFF, FGCOLOR, ‘#FFFFCC’,BGCOLOR, ‘#393939’);» onMouseOut=»return nd();»> Диссертация — 480 руб., доставка 10 минут , круглосуточно, без выходных и праздников

Автореферат — бесплатно , доставка 10 минут , круглосуточно, без выходных и праздников

Лебедев Сергей Аркадьевич. Имитационное моделирование эффективности инвестиционных проектов : Дис. . канд. экон. наук : 08.00.13 : Москва, 1998 165 c. РГБ ОД, 61:99-8/253-7

Содержание к диссертации

Глава 1. Риск как категория рыночной экономики .

1.1. Понятие риска. Классификация рисков

1.2. Развитие концепций и методов планирования инвестиций .

1.3. Направления анализа рисков при инвестировании .

Глава 2. Планирование и анализ эффективности инвестиций в условиях риска .

2.1. Методы анализа эффективности инвестиций.

2.2. Методы учета инвестиционных рисков.

2.3. Информационно-правовые средства регулирования рисков в инвестиционной деятельности .

Глава 3. Особенности применения имитационного моделирования при планировании инвестиций .

3.1. Имитационная модель формирования портфеля ценных бумаг.

3.2. Организация расчетов по имитационной модели .

3.3. Методика анализа результатов расчетов.

Введение к работе

Рыночная модель экономики характеризуется высокой степенью неопределенности и вместе с тем обладает неоспоримыми преимуществами, состоящими в предельной экономической свободе, защищенности от незаконного вмешательства государства в деятельность предпринимателя, в приоритете частного интереса и инициативы. Отказ от прежней экономической модели, основанной на огосударствлении всех сфер хозяйствования, потребовал формирования новых механизмов экономического развития.

Функционирование рыночной экономики в настоящее время происходит в условиях деформации традиционных структур, изменения сложившихся стереотипов поведения хозяйствующих субъектов.

В течение многих лет проблемы рынка рассматривались в отечественной экономической литературе преимущественно с теоретических позиций, разработанных в «Капитале» К. Маркса. При этом, многочисленные проявления рыночных отношений исследовались исключительно в аспекте жесткого государственного регулирования экономикой. Совокупность же нерегулируемых, «стихийных», проявлений рыночных отношений оценивалась либо как недостаток и временное явление, либо как проявление чуждой социалистическому хозяйству природы. В связи с этим, вопросы методологии исследования рынка, его экономической природы, а также совокупности приемов управле-

ния рыночными отношениями в ограниченной сфере не были достаточно разработаны.

Деятельность в условиях стихийно изменяющейся среды экономики переходного периода потребовала проведения анализа основных элементов рынка, механизма их взаимодействия в условиях риска и неопределенности, построения моделей поведения в условиях стохас-тичности рынка.

Цель исследования заключается в том, чтобы на основе последних достижений экономической теории и использования информационных технологий, разработать и обосновать методику решения проблемы управления инвестиционными рисками, обеспечивающую решение важных прикладных задач по планированию инвестиций.

В соответствии с поставленной целью в работе решались следующие задачи:

анализ риска в инвестиционной деятельности хозяйствующих субъектов;

анализ эффективности инвестиций в условиях риска и неопределенности рынка;

сравнительный анализ методов имитационного моделирования в процессе планирования инвестиций;

совершенствование методики анализа эффективности инвестиций;

разработка методов обучения планированию инвестиций при подготовке и переподготовке специалистов.

Методология и источники исследования. Б процессе исследования, наряду с общим диалектико-материалистическим методом познания, использованы также такие частно-научные методы как логический, исторический, комплексного и сравнительного исследования, которые позволяют не только теоретически осмыслить исследуемую

проблему, но и разработать практический инструментарий ее реализации.

Теоретической основой работы явились исследования и научные выводы российских и зарубежных ученых в области экономической теории, экономико-математического моделирования, социально-экономического прогнозирования, финансового менеджмента и инвестиций, информационных технологий Аленичева В.В., Алешина А.В., Балабанова И.Т., Валдайцева СВ., Вентцель Е.С., Винера Н., Гранбер-га А.Г., Грэхэма Б., Дженсена М., Ершова Э.Б., Идрисова А.Б., Кейнса Дж. М, Кендалла М, Ковалева В.В., Колемаева В.А., Крамера Г., Лаврушина О.И., Линтнера Д., Марко вица Г., Моргенштерна О , Мос-сена Д., Первозванского А.А., Первозванской Т.Н., Попова В.А., Ро-бертса Г., Самуэльсона П., Смирнова А.Д., Соколинской Н.Э., Стояновой ЕС, Тихомирова Н.П., Фейма Е., Фишера Л., Холта Р., Четыр-кина Е.М., Шарпа У., Шеннона К. и других.

Выводы, сделанные в работе, основываются на анализе обширного научно-практического материала.

Объектом исследования является финансово-экономическая деятельность инвестиционных компаний и прочих хозяйствующих субъектов.

Научная новизна исследования. В процессе выполнения диссертационного исследования автором были получены следующие новые научные результаты;

Проведена структуризация различных классификаций инвестиций для анализа и учета инвестиционных рисков.

Представлены предложения относительно возможности использования зарубежного опыта в области финансового менеджмента и планирования инвестиционных процессов применительно к деятельности финансово-инвестиционных компаний.

Обобщены и систематизированы различные понятия финансовых рисков.

Проведена структуризация различных классификаций финансовых рисков.

Составлено структурированное описание методов оценки финансовых рисков.

Обобщены методы учета инвестиционных рисков в условиях неопределенности.

Проведен анализ методов использования имитационного моделирования в процессе планирования инвестиций, в частности при формировании инвестиционного портфеля.

S. Разработана методика анализа инвестиционного риска, остающегося после диверсификации портфеля ценных бумаг и имитационная модель для изучения поведения институциональных инвесторов на рынке ценных бумаг с целью проведения анализа и оценки перспектив развития фондового рынка России.

Разработаны методические указания по анализу эффективности инвестиционных проектов.

Систематизированы методы правовой и информационной поддержки процессов планирования и реализации инвестиционных проектов,

Разработаны методы обучения персонала планированию инвестиций в процессе подготовки и профессиональной переподготовки специалистов.

Практическая и теоретическая ценность результатов исследований заключается в том, что в диссертации показана возможность и эффективность применения современных экономико-математических методов в совокупности с информационными технологиями для управления инвестиционными проектами в финансовой

деятельности реальных российских компаний. Применение указанных методических подходов позволило получить более детальную информацию для изучения поведения инвесторов на рынке ценных бумаг, а также моделировать их реакцию в условиях нестабильности экономики переходного периода. Рассмотренные в работе методы и модели могут использоваться в качестве инструмента для подготовки и профессиональной переподготовки специалистов в области финансового менеджмента.

Внедрение и апробация результатов диссертационного исследования осуществлялось на практической базе в МИПК РЭА им. Г. В. Плеханова, где в течение ряда лет осуществлялась подготовка специалистов с применением разработанной и представленной в диссертации методики обучения по программам профессиональной переподготовки

Результаты диссертационного исследования в части методики анализа риска диверсифицированного портфеля ценных бумаг и имитационной модели для изучения поведения институциональных инвесторов на рынке ценных бумаг были использованы в Сводном экономическом департаменте Центрального Банка Российской Федерации при проведении анализа и оценки перспектив развития фондового рынка России.

Достоверность результатов диссертационного исследования вытекает из научной обоснованности изложенных положений, внутренней непротиворечивости основных положений работы, а также подтверждается расчетами, согласованностью со статистической информацией, а также справками о внедрении.

Основные выводы и положения работы отражены в опубликованных автором статьях и учебно-методических работах, изданных для применения в учебном процессе академии.

Полученные результаты исследования апробированы в выступлениях на ежегодных (с 1994 г. по 1997 г.) научно-практических конференциях, проводимых в РЭА им. Г.В. Плеханова, в том числе в докладе на Международной конференции (март 1997 г.) МИПК РЭА им. Г.В. Плеханова.

По теме диссертации опубликовано 10 печатных работ, содержащие результаты проведенных исследований.

Структура и объем работы. Диссертация состоит из введения, трех глав, включающих девять параграфов, заключения и списка литературы, изложенных на 159 страницах машинописного текста.

Развитие концепций и методов планирования инвестиций

Инвестиционная деятельность присуща практически любому субъекту предпринимательства, находящемуся в экономическом пространстве. Чтобы выстоять в конкурентной борьбе, предприниматель должен постоянно направлять собственные и заемные средства на приобретение материальных ценностей, необходимых для модернизации, расширения и диверсификации своей предпринимательской деятельности. Прежде чем проводить инвестиционную деятельность необходимо оценить все ее финансовые последствия.

Такая оценка проводится в рамках планирования инвестиций. Планирование инвестиций, как принято считать, это многоэтапный процесс, сопровождающийся разработкой и выдвижением идей относительно возможных инвестиций, полным анализом возможного развития и результатов этих инвестиций[91].

При этом, анализ проводится не только на основе использования выработанных практикой количественных показателей (текущей стоимости, окупаемости, внутреннего коэффициента окупаемости и пр.), но и на основе качественных методов, таких как, например, экспертные оценки.

Изучение фондового рынка всегда было одной из первоочередных задач западной экономической науки. Главный же аспект экономико-математического анализа фондовых операций сводится к проблеме прогнозирования курсов конкретных ценных бумаг (акций, облигаций и др.).

Подходы к оценке уровня и динамики курса ценных бумаг отдельной компании определяются общим представлением о функциях, выполняемых фондовым рынком в экономике. В западной экономической науке давно уже утвердилась точка зрения, согласно которой фондовый рынок действует как хорошо отлаженный механизм, эффективно перераспределяющий капиталы по отраслям и между компаниями в соответствии с множеством критериев, среди которых немаловажным является критерий прибыли. Отрасли, а внутри них и компании, сулящие наивысшую доходность, являются первоочередными получателями финансовых ресурсов, мобилизуемых эмиссией ценных бумаг.

При таком подходе центральным оказывается вопрос о том, насколько точно биржевой курс, а тем самым и доходность ценных бумаг, отражает положение компании и ее перспективы.

Проблема, важная с макроэкономической точки зрения, состоит в следующем: если цены акций верно отражают предстоящие доходы и характеристики риска акций, как это утверждает появившаяся в экономической науке в 60-х годах теория эффективного рынка, то свободный рынок акций способен существенно влиять на предпочтения общества в размещении ограниченных ресурсов в правильном направлении, а если ориентирование на цену акций — игра наудачу, значит неэффективные для общества производства могут развиваться просто из-за высокой цены их акций.

Еще Дж. М. Кейнс доказывал, что рынок акций подобен казино, потому что на нем преобладают краткосрочные спекулянты, покупающие акции не в ожидании будущих дивидендов, а исключительно с целью их последующей перепродажи для получения быстрой прибыли. Таким образом, более весомой мотивацией инвестора на фондовом рынке оказывается прирост курсовой стоимости, а не дивиденд. Этот факт оказывается еще более значимым в условиях инфляции. В общем случае, чем больше доля дивиденда в общей величине дохода по ценной бумаге, тем менее вероятны спекулятивные действия на рынке ценных бумаг.

Так как цены акций в будущий момент времени зависят от того, что будут люди думать о ее предстоящем изменении, то можно утверждать, что цены отражают в своей динамике среднее ожидаемое мнение об этой динамике. В частности, прогнозы и новости о предстоящих доходах и дивидендах компании быстро и ощутимо влияют на цену ее акций.

Теория эффективного рынка показала, что курсы ценных бумаг действительно соответствуют объективно складывающимся соотношениям между прибыльностью отдельных компаний и сфер экономики. Наибольший вклад в развитие этой теории внесли Е.Фейма, М.Дженсен, Л.Фишер, О.Моргенштерн и другие.

Следует заметить, что понятие «эффективности» в исследованиях финансовых рынков используется в смысле, несколько отличном от его обычного понимания в прочих областях экономической науки. Здесь эффективность рынка означает не максимальное производство продукта на единицу ресурса, а быстрое и адекватное впитывание рынком поступающей информации. Эффективным называется такой рынок, на котором вся информация мгновенно воспринимается его участниками и отражается в ценах этого рынка.

Рынок ценных бумаг — это механизм, очень чутко реагирующий на любую информацию изменениями в динамике цен. Цены акций колеблются в достаточно широких пределах, но эти колебания соответствуют новой информации, поступающей на рынок.

По определению, предложенному американским экономистом Н.Фейма, «эффективным считается рынок, цены которого правильно отражают всю имеющуюся информацию»[113]. К примеру, вся относящаяся к делу и доступная широкому кругу инвесторов информация всегда отражена в курсах ценных бумаг. Так как большинство участников рынка, стремясь увеличить капитал, незамедлительно использу ет каждую крупицу информации в расчетах стоимости акций, рынок практически незамедлительно реагирует на появление новой информации, следствием чего и являются изменения биржевого курса.

Таким образом, на эффективном рынке цены растут и падают в соответствии с новой информацией, с неожиданностями. А так как неожиданности по самой своей природе случайны и не предсказуемы раньше времени (иначе информация не была бы новой), то и цены на акции (как и другие спекулятивные цены) представляют собой случайные величины. Отсюда следует, что и изменение цены тоже невозможно предсказать. Иначе говоря, если цены акций всегда отражают то, что предсказуемо, то изменения цен должны отражать только непредсказуемое. Таким образом, серию ценовых колебаний можно представить в виде реализаций некоторой случайной величины.

Направления анализа рисков при инвестировании

Анализ риска позволяет оценить целесообразность принятия решения и предусмотреть защиту от возможных потерь, Анализ рисков обычно проводится по двум взаимодополняющим направлениям: качественный анапиз и количественный анализ. Задачей качественного анализа риска является определение факторов риска, определение потенциальных областей риска и идентификация всех возможных рисков в этих областях. На рост степени риска могут влиять объективные и субъективные факторы: к первым относятся факторы, непосредственно не зависящие от деятельности предпринимателя (инфляция, конкуренция, таможенные пошлины, работа в свободной экономической зоне и т.д.), ко вторым — факторы, непосредственно характеризующие данного предпринимателя (уровень техники и технологии, организация труда, уровень производительности труда, уровень правовой защищенности и т.д.). В процессе количественного анализа, т.е. численного оценивания размеров отдельных рисков, желательно обладать информацией о возможных последствиях того или иного решения и вероятности наступления самих последствий. Вероятность можно определить при помощи объективного метода, основанного на вычислении частоты, с которой происходят некоторые события. Если же такие события не определены в прошлом и невозможно вывести объективные параметры вероятностей, то можно использовать субъективные критерии. Субъективная вероятность является предположением относительно определенного результата. Это предположение может быть основано не на частоте, с которой результат был получен в аналогичных условиях, а на личном опыте оценивающего. Эксперты, устанавливая разные значения для одного и того же события, делают различный выбор.

При этом субъективные вероятности могут варьироваться, так как различны и информация, и возможности оперировать с ней. Как объективная, так и субъективная вероятность используется при определении критериев (критерия среднего значения и критерия изменчивости возможного результата), которые дают возможность описывать и сравнивать выбор степени риска. Кроме того, при анализе рисков могут быть использованы критерии, предложенные известным американским экспертом Б. Берли-мером[76]: — потери от риска независимы друг от друга, — потеря по одному направлению из «портфеля рисков» не обязательно увеличивает вероятности потери по другому (за исключением форсмажорных обстоятельств); — максимальный возможный ущерб не должен превышать финансовых возможностей участника. Вышеуказанные критерии хорошо подходят для финансовых рынков при анализе финансовых инвестиционных рисков. Как известно, финансовый рынок представляет собой организованную или неформальную систему торговли финансовыми инструментами. На этом рынке происходит обмен деньгами, предоставление кредита и мобилизация капитала. Основную роль здесь играют финансовые институты, в частности, банки, направляющие потоки денежных средств от собственников к заемщикам. В странах с развитой рыночной экономикой приток и отток капитала на финансовых рынках определяются постоянно меняющейся нормой доходности.

В поисках более высоких доходов огромные массы капитала перемещаются из одних стран в другие, с валютного рынка — на фондовый или денежный и, наоборот, с денежного рынка на валютный. Для анализа уровня риска используется множество методов, опирающихся на инструменты теории вероятностей и математической статистики. Например, имитационный анализ чувствительности. Сущность этого метода заключается в исчислении размаха вариации доходности оборотных средств, исходя из пессимистической, наиболее вероятной и оптимистической ее оценок, который и рассматривается как мера риска, ассоциируемого с данными оборотными средствами. Другой метод — ан&тиз вероятностного распределения доходности. Сущность этого метода заключается в построении допустимого множества функций вероятностного распределения значений доходности инвестиций, исчисления стандартного отклонения от ожидаемой доходности и коэффициента вариации, который и рассматривается как степень риска данного финансового инструмента или инвестиционного портфеля. Чем выше коэффициент вариации, тем более рискованной является инвестиция.

Информационно-правовые средства регулирования рисков в инвестиционной деятельности

Дальнейшее развитие рынка и рыночной инфраструктуры, предпринимательства, конкуренции непосредственно связано с анализом экономических и, в первую очередь, банковских рисков, поскольку банки не только формируют рынок ссудных капиталов и непосредственно принимают участие в создании новых хозяйственных структур, но и являются единственным владельцем необходимой информации о финансовом состоянии предприятий, конъюнктуре рынка, экономике региона, что является основой стабилизации рыночных, партнерских отношений хозяйственных единиц с банками.

Перед банками, как перед основными участниками финансовых рынков, одной из главных задач является оптимальное управление соотношением уровня риска и степени деловой активности, доходности. С помощью кредитов банки собирают временно свободные денежные капиталы и доходы физических и юридических лиц и превращают их из бездействующего капитала в действующий[8].

Банковская политика обычно затрагивает основные функции, кредитование, инвестиции в ценные бумаги и дочерние компании, расходы на финансирование капиталовложений, персонал, внутренний контроль и финансовое управление.

Как известно, принятие рисков — основа банковского дела. Банки имеют успех тогда, когда принимаемые ими риски разумны, контролируемы и находятся в пределах их финансовых возможностей и компетенции. Активы, в основном кредиты, должны быть достаточно ликвидны для того, чтобы покрыть любой отток средств, расходы и убытки и при этом обеспечить приемлемый для акционеров размер прибыли.

Достижение этих целей лежит в основе политики банка по принятию рисков и управлению ими. Вне банка как института, хорошее кредитное управление обеспечивает достижение целей национальной политики, а именно: эффективное распределение ограниченных финансовых ресурсов с целью ускорения экономического роста и минимизации убытков для экономики. Ключевыми элементами эффективного управление кредитами являются: хорошо развитые кредитная политика и процедуры, хорошее управление кредитным портфелем, эффективный контроль за кредитами и другое.

В настоящее время для банков, выступающих как кредитные учреждения, актуальны вопросы управления кредитными рисками. Кредитный риск может привести к риску неплатежеспособности банка, также как риск процентной ставки в состоянии углубить кредитный риск, если банк не будет приспосабливаться к изменениям уровня рыночной процентной ставки.

Как и любое финансовое учреждение, банки, можно рассматривать как совокупность некоторых активов (материальных и финансовых), находящихся в определенном сочетании. Владение любым из этих активов связано с определенным риском, возникающим в процессе воздействия этого актива на величину общего дохода.

Аналогичного рода связь наблюдается при формировании набора активов. Например, при формировании портфеля ценных бумаг (ликвидных ценных бумаг — акций, облигаций, векселей и т.д.).

Управление активами банка осуществляется на основе портфельного подхода. Формирование портфеля ценных бумаг во многом определяется выбранной стратегией банка, которая корректируется в зависимости от ситуации на финансовом рынке[64]. Структура портфеля ценных бумаг должна строиться таким образом, чтобы получить от них максимально возможную в конкретной ситуации на финансовом рынке прибыль при определенном риске. Портфельный подход в формировании активов заключается в максимизации полезности, т.е. росте доходности от активов при одновременной диверсификации рисков. Снижение риска путем комбинирования активов (диверсификации портфеля) является необходимым условием при формировании портфеля активов. Таким образом, при формировании портфеля активов достигаются две взаимосвязанные цели: максимизация дохода и минимизация риска. Однако, необходимо отметить, что это несколько противоречивые задачи, поскольку относительно большой доход может быть получен при возросшем риске. Степень риска портфеля ценных бумаг изменяется обратно пропорционально количеству включенных в него случайным образом видов ценных бумаг. Общий риск портфеля состоит из двух частей: — диверсифицированный риск, т.е. риск, который может быть элиминирован за счет диверсификации; — недиверсифицированный риск, т.е. риск, который нельзя уменьшить путем изменения структуры портфеля. Современная экономическая практика показывает, что чем выше разнообразие ценных бумаг, тем больше возможность уменьшить риск. Как отмечалось в литературе[16], в коммерческих банках имеют место почти 10 триллионов рублей невзысканных процентов по начисленным кредитам при общем кредитном портфеле 50 триллионов рублей. Такое положение, в частности, могло сложиться потому, что большинство коммерческих банков кредитует малые предприятия, которые имеют, как правило, достаточно слабую финансовую состоятельность. Вместе с тем, как показывает практика, коммерческим банкам выгоднее работать с мелкими предприятиями, поскольку значительно проще изучить их финансовое состояние и возможности и, соответственно, прогнозировать их платежеспособность и уменьшить кредитные риски. Одним из традиционных способов снижения кредитных рисков является залог. Система материальных залогов основывается на том, что предприятию предоставляется кредит под залог его продукции. В качестве залога также могут быть использованы высоколиквидные ценные бумаги (облигации Внешэкономбанка, казначейские обязательства). Однако, практика взыскания на заложенное имущество тормозилась в какой-то мере неопределенностью самой процедуры взыска-ния[68]. Так, в соответствии со ст. 28 Закона РФ «О залоге» реализация заложенного имущества «осуществляется в соответствии с гражданским процессуальным законодательством РФ»[22]. Гражданский процессуальный кодекс РСФСР[21] применительно к данному вопросу содержит отсылку к действующему законодательству Союза ССР. Между тем, как отмечалось в литературе, таких норм в действительности в союзном законодательстве не существовало.

Организация расчетов по имитационной модели

Обычно экономические исследования проводятся на основе месячных данных. В частности, имеются расчеты по данным Нью-Йоркской фондовой биржи, согласно которым Pi, как правило, имеют тенденцию быть относительно стабильными в течение пяти лет. Однако когда условия производства в какой-либо компании или отрасли резко меняются, это может привести ведет к сдвигам в соответствующих р .

В этой связи проиллюстрируем применение изложенной модели с помощью данных о котировках наиболее ликвидных ценных бумаг российских приватизированных предприятий за полугодовой период (с марта по август 1997г.). Расчеты проводились для портфелей из 8-ми и 15-ти ценных бумаг эмитентов, представляющих различные отрасли российской промышленности: нефтегазовую, металлургическую, энергетику, транспорт и связь, машиностроение и деревообрабатывающую промышленность.

Наиболее правильный и комплексный подход к отбору ценных бумаг для формирования портфеля опирается на заключения, сделанные в ходе фундаментально-технического анализа эмитентов и выпущенных ими акций. Однако в настоящий момент его реализация затруднительна из-за информационной «непрозрачности» фондового рынка, которая может быть преодолена по мере развития его инфраструктуры, в частности единой торговой системы, института независимого аудита финансовой отчетности, а также законодательной базы рынка. Пока же при отборе ценных бумаг для наших расчетов будем исходить из принципов диверсификации вложений и возможно большей надежности эмитентов, руководствуясь критериями ликвидности акций различных эмитентов и разной их отраслевой принадлежности.

В частности, при выборе наиболее ликвидных ценных бумаг был проведен внутриотраслевой анализ акций предприятий российской электросвязи. Эти акции включены практически в любой инвестиционный портфель участников российского фондового рынка.

Как известно краеугольным камнем портфельного анализа является сопоставление ценных бумаг по риску и доходности. Методика оценки риска заключается в составлении рейтинга, в котором сводятся характеризующие саму компанию и рынок ее акций показатели. При составлении рейтинга воспользуемся таблицей 3.2.1, в которой собраны ряд общедоступных финансово-экономических показателей деятельности и оценка ликвидности рынка акций компании. Ликвидность рынка акций оценивалась экспертным путем по 5-ти бальной шкале трейдерами, специализирующимися на операциях с акциями электросвязи различных эшелонов.

В зависимости от степени важности, для портфельного менеджера той или иной группы риска устанавливаются веса.

После этого получаем рейтинговую оценку риска для акции каждой компании. Далее рассчитываются потенциальные значения фондовых мультипликаторов. Расчетные значения последних взвешиваются и делятся на свои текущие значения, таким образом, находится потенциал роста каждой акции компании. Потенциал роста переводится в доходность через величину прироста отраслевого индекса.

Аналогичным образом был проведен анализ в других отраслях для выявления наиболее ликвидных акций. В результате исходные данные для имитационной модели представлены в приложении.

Расчеты по модели ведутся в долларах США, поскольку большинство операторов рынка выставляет свои котировки акций именно в долларовом выражении. По данным о котировках (Таблица П.1 в приложении) в соответствии с формулой (2.2.1) рассчитаны средние доходности рассматриваемых акций в процентах за недельный период (Таблица П.2). Таблицы П.З и П.4 демонстрируют рассчитанные весовые коэффициенты (ЛУІ) ценных бумаг в портфеле с заданной доходностью (е) и соответствующей ей минимальной дисперсией портфеля.

Рассчитывая параметры модели по выборочным данным, необходимо оценить их ошибки и степень значимости. Для этого используются статистические оценки надежности коэффициентов корреляции и регрессии и стандартные процедуры проверки статистических гипотез.

При оценке рцц t-статистика служит для проверки нулевой гипотезы, что Pim=0, против альтернативной, что Рш О. Иногда также бывает полезно посмотреть, насколько существенно 6 отличается от 1.

Для того чтобы провести проверку такой гипотезы, необходимо на основе стандартной ошибки оценки и принятого доверительного уровня (95% или 99%) построить доверительный интервал. Если единица попадает внутрь этого интервала, то нулевая гипотеза (Ртг=1) не отвергается, в противном случае можно высказать предположение, что значение pim, близкое к 1, было получено случайно. На практике величина Pim дает возможность вычислить, каким может быть доход от конкретной ценной бумаги при данной конъюнктуре рынка.

Таким же образом необходимо оценить и другой параметр уравнения (3.1.27) — aim. Если в уравнении (3.1.26) взять портфель, полностью совпадающий с рыночным портфелем, то, очевидно, что а1П1 должен быть равен нулю. Поэтому следует ожидать, что его оценка в среднем будет близка к нулю, что и подтверждается обычно в практических расчетах на основе t-статистики.

Особое значение параметру a;m часто придается в связи с его интерпретацией в качестве меры успешной деятельности менеджеров инвестиционных компаний по управлению портфелем ценных бумаг. Вычитая из фактической доходности портфеля прогнозную доходность, рассчитываемую по известным р и формуле (3.1.25) для ценных бумаг, включенных в портфель, получают оценку а портфеля. Если фактическая доходность больше предсказанной с помощью коэффициента Э, характеризующего весь портфель, то положительное a приписывают усилиям менеджера. Положительная оценка параметра а в уравнении регрессии для доходности какой-либо ценной бумаги означает, что даже тогда, когда доходность рынка в целом равна нулю (т.е. когда em — if = 0), доходность данной ценной бумаги больше нуля.

http://habr.com/ru/post/293270/
http://www.dslib.net/mat-metody/imitacionnoe-modelirovanie-jeffektivnosti-investicionnyh-proektov.html