- •Вопрос 1. Классические методы оценки инвестиционных проектов.
- •Вопрос 2. Модель Гордона оценки инвестиционных проектов.
- •Вопрос 3. Применение нечеткой математики в анализе инвестиционных проектов.
- •Вопрос 4. Применение метода анализа иерархий в анализе инвестиционных процессов.
- •Вопрос 5. Применение дерева решений в анализе инвестиционных проектов.
- •Вопрос 6. Применение имитационного моделирования для прогнозирования инвестиционных процессов.
- •Вопрос 7. Применение var для оценки инвестиционных рисков.
- •Вопрос 8. Формирование портфеля ценных бумаг Марковица.
- •Вопрос 9. Формирование портфеля ценных бумаг Тобина.
- •Вопрос 10. Предпочтения потребителя и функция полезности.
- •Вопрос 11. Уравнение Слуцкого. Изменения спроса при увеличении цены с компенсацией.
- •Вопрос 12. Уравнение Слуцкого. Изменение спроса при изменении дохода.
- •Вопрос 13. Модель фирмы
- •Вопрос 14. Реакция производителя на изменение цены выпуска
- •Вопрос 15. Реакция производителя на изменение цен ресурсов.
- •Вопрос 16. Равновесие Курно
- •Вопрос 17. Равновесие и неравновесие Стакельберга
- •Вопрос 18. Виды макроэкономических производственных функций
- •Вопрос 19. Аксиоматика неоклассической производственной функции
- •Вопрос 20. Предельные характеристики функции Кобба-Дугласа
- •Глава 21. Статическая модель Леонтьева
- •Глава 22. Динамическая модель Леонтьева
- •Глава 23. Модель Неймана
- •Глава 24. Нелинейная динамическая модель Кейнса
- •Глава 25. Динамическая модель Кейнса
- •Вопрос 26. Мультипликатор, акселератор и инерционное звено
- •27. Передаточная функция и колебательное звено
Вопрос 6. Применение имитационного моделирования для прогнозирования инвестиционных процессов.
Более сложным методом анализа рисков является имитационное моделирование, которое представляет собой объединение таких методов, как анализ чувствительности и метод сценариев. Вместо создания наилучшего или наихудшего сценариев, данный метод подразумевает генерирование сотни различных комбинаций параметров исследуемого проекта в соответствии с их вероятностным распределением. Каждая такая комбинация показывает свое значение NPV, и в итоге образуется вероятностное распределение всевозможных результатов проекта. Осуществление этого сложного и мощного метода возможно только с использованием современных информационных технологий. Имитационное моделирование осуществляется по следующей схеме:
устанавливаются параметры, оказывающие влияние на денежные потоки проекта (выделяют детерминированные и стохастические переменные. Первые оказывают влияние на выбор того или иного развития ситуации, они точно определены и их значения известны в момент принятия решения. А вторые переменные предполагают наличие какой-либо неопределенности, это случайные показатели, на поведение которых лицо, принимающее решение, не может повлиять);
задается вероятностное распределение для каждого параметра;
Как правило, считается, что функция распределения является нормальной, и в итоге для ее создания определяют математическое ожидание и дисперсию:
компьютер случайным образом отбирает значение каждого показателя в соответствии с его вероятностным распределением;
эти значения параметров комбинируются с факторами, по которым изменение не происходит, затем находится чистый денежный поток по каждому году. А уже потом по этим показателям рассчитывают чистый дисконтированный доход;
эти действия воспроизводятся много раз, что позволяет в итоге найти вероятностное распределение;
полученные результаты подвергаются статистическому анализу.
Данный метод является мощным средством оценки и анализа рисков, который позволяет учитывать очень большое число параметров внешней среды. Но, тем не менее, данный метод анализа рисков имеет недостатки:
очень трудно определить вид вероятностного распределения, как для исследуемого параметра, так и для результирующего показателя;
исследование модели возможно только при использовании компьютерной техники и специальных вычислительных прикладных программ;
надо также отметить, что результаты, полученные с помощью этого метода, относительно неточны по сравнению с другими методами количественного анализа.
По значению величины математического ожидания можно оценить наиболее вероятное значение NPV проекта в заданной модели. Определив стандартную ошибку, можно оценить погрешность оценки ожидаемых величин параметров. Величина стандартного отклонения может позволить определить, в каких интервалах могут варьироваться значения NPV. Мат. ожидание должно быть больше стандартного отклонения (если нет, то риск большой)
Оценив число отрицательных значений NPV можно сказать, какова вероятность того, что проект будет убыточным. Большинство экспертов полагает, что проект считается рискованным, если вероятность убыточного проекта больше 0,05. Проанализировать суммы убытков и прибыли. Коэффициент вариации должен быть меньше 1. Полагается, что чем меньше коэффициент вариации, тем лучше. Метод Монте Карло. Результаты имитационного эксперименты могут быть дополнены статистическим анализом, а также использованы для построения прогнозных моделей сценариев