2.5. Методы анализа и оценки риска участников вэд, пути их снижения

Механизм проверок финансово-хозяйственной деятельности предприятий, осуществляемый таможенной инспекцией, на наш взгляд должен быть дополнен за счет использования некоторых нетрадиционных методов. Так, мы считаем целесообразным использование «Z-счета» профессора Альтмана. Целью данной методики является определение вероятности наступления банкротства на предприятии.

За исходную информацию, по предложению американского ученого, берется финансовая отчетность. Пятифакторная модель Альтмана, представляет собой функцию от группы показателей, характеризующих экономический потенциал предприятия и результаты его деятельности:

Z=1,2 х₁ +1,4 х ₂ +3,3 х ₃ +0,6 х ₄ +1,0 х ₅

В рассматриваемой модели, х₁ представляет собой долю покрытия активов оборотным капиталом и характеризует платежеспособность предприятия; х₂ и х₄ - отражают структуру капитала; х₃ – рентабельность активов, исчисляемую исходя из балансовой прибыли; х₅ – оборот капитала.

В зависимости от фактического значения Z-счета степень вероятности банкротства предприятия можно подразделить на несколько групп:

Если Z <1,8 – очень высокая степень вероятности банкротства;

Z=1,8-2,7 – высокая степень вероятности банкротства;

Z=2,71-2,9 – возможно банкротство;

Z>2,9 – степень вероятности банкротства настолько мала, что предприятие характеризуется достаточно устойчивым финансовым положением.

Проведем «Z-анализ» для двух ранее рассмотренных предприятий: ОАО «Феникс» и ОАО «Колос» и определим, к какой группе предприятий их можно отнести:

Для ОАО «Феникс» получены следующие результаты: Х₁=0,4; Х₂=0,25; Х₃=0,36; Х₄=7,25; Х₅=1,67;

Z=1,2 0,4+1,4 0,25+3,3 0,36+0,6 7,25+1,67 =8,7

А для ОАО «Колос» при «Z-анализе» получились следующие показатели: Х₁=0,56; Х₂=0,06; Х₃=0,7; Х₄=5,47; Х₅=5,98;

Z=1,2 0,56+1,4 0,06+3,3 0,7+0,6 5,47+5,98 =12,3

На основании проведенных расчетов мы делаем заключение о том, что оба анализируемых предприятия по методике Альтмана относится к группе успешно действующих предприятий.

Многие предприятия используют в своей деятельности заемные средства. Инвестируя заемные средства в производство, предприниматель получает прибыль, которая может быть меньше или больше платы за кредит (за заемные средства). Возможность увеличить прибыль за счет снижения степени риска получила название финансового рычага или финансового левериджа. Чтобы ответить на вопрос, как высок уровень заемного капитала, необходимо просчитать коэффициент долговой нагрузки (отношение заемного капитала к общей массе активов). Этот коэффициент является финансовым рычагом (leverage), повышающий рентабельность собственных средств, и источником зависимости.

Чем больше процент за кредит и чем меньше прибыль, тем больше СВФР и тем выше риск «займов».

Необходимо отметить риск «постоянных затрат». Это понятие вводится для того, чтобы подчеркнуть роль постоянных издержек в формировании уровня рискованности фирмы. Степень данного риска может быть оценена через показатель «Сила воздействия операционного рычага».

Для ОАО «Колос» за отчетный период СВОПР=(382424-224125,2)/45186=3,5. А за аналогичный период предыдущего года СВОПР=(180516-106143,96)/21961=3,37 т.е. риск «постоянных затрат» немного увеличился.

Чем выше сила воздействия операционного рычага, тем выше риск «постоянных затрат».

Современные успешно функционирующие предприятия не только занимают капитал, но и сами охотно инвестируют собственные средства в другие отрасли (с наиболее высокой нормой прибыльности). В этой связи встает вопрос выбора наименее рискованного варианта вложения капитала. Рассчитаем для ОАО «Колос» наименее рискованный вариант вложения капитала из двух существующих:

а Наладить собственное производство пластиковых бутылок для разлива подсолнечного масла (соответственно отказаться от покупки бутылок и сэкономить на этом). При этом ожидаемая прибыль колеблется от 10 до 40 млн. руб. Причем вероятность получения прибыли в 10 млн. руб. равна 0,2. А вероятность получения прибыли в 30 млн. руб. составляет 0,3;

в Открыть торговое представительство за рубежом (чтобы осуществлять торговлю за рубежом без посредников). Ожидаемая прибыль колеблется от 15 до 25 млн. руб. Вероятность получения прибыли равной 15 млн. руб. равна 0,4 и прибыли в 25 млн. руб. 0,3.

Используя формулу рассчитаем дисперсию, а затем среднее квадратическое отклонение (G) и коэффициент вариации (V) для двух рассматриваемых вариантов вложения капитала.

Для варианта А: G²=0,3 (40-25)²+0,2 (25-10)²=112,5;

G= = 10,6; V= 100= 42,4%.

Для варианта В: G²=0,3 (25-20)²+0,4 (20-15)²=17,5;

G= = 4,18; V= 100= 20,9%.

Сравнение значений коэффициентов вариации показывает, что меньшая степень риска присуща второму варианту вложения капитала т.е. открытию торгового представительства за рубежом.

Некоторые предприятия участники ВЭД в процессе своего функционирования принимают участие в инвестиционной деятельности. В этом случае они сталкиваются с проблемой оценки риска инвестиционного проекта. Риск инвестиционного проекта выражается в отклонении потока денежных средств для данного проекта от ожидаемого. Чем отклонение больше, тем проект считается более рискованным. При рассмотрении каждого проекта можно оценить потоки денежных средств, руководствуясь экспертными оценками вероятности наступления этих потоков или величиной отклонений элементов потока от ожидаемых величин.

Рассмотрим следующие методы оценки риска того или иного инвестиционного проекта: 1) имитационная модель оценки риска; 2) методика изменения денежного потока;

Суть первого метода заключается в следующем:

1) на основе экспертной оценки по каждому проекту строят три возможных варианта развития: а) наихудший; б) наиболее реальный; в) оптимистичный;

2) для каждого варианта рассчитывается соответствующий показатель NPV, т.е. получают три величины: NPV_Н (для наихудшего варианта); NPV_Р (для наиболее реального); NPV_О (для оптимистического);

3) для каждого проекта рассчитывается размах вариации (R _NPV) – наибольшее изменение NPV (R _NPV = NPV_О- NPV_Н) и среднее квадратическое отклонение по следующей формуле:

_NPV = ,

где NPV_i – приведенная чистая стоимость каждого из рассматриваемых вариантов;

среднее значение, взвешенное по присвоенным вероятностям (Р_i);

= .

Из двух сравниваемых проектов считается более рискованным тот у которого больше вариационный размах (R _NPV) или среднее квадратическое отклонение (_NPV).

Из двух альтернативных инвестиционных проектов А и Б, срок реализации которых – 3 года, выберем наименее рискованный. Оба проекта характеризуются равными размерами инвестиций и ценой капитала, равной 8%. Исходные данные и результаты расчетов приведены в таблице 2.8.

Таблица 2.8

Показатель	Проект А	Проект Б
Инвестиции	20,0	20,0
Оценка среднегодового поступления средств:
наихудшая	7,4	7,0
наиболее реальная	8,3	10,4
оптимистическая	9,5	11,8
Оценка NPV:
наихудшая	-0,93	-1,96
наиболее реальная	1,39	6,8
оптимистическая	4,48	10,4
Размах вариации	5,41	22,77

Несмотря на то, что проект Б характеризуется более высокими значениями NPV, тем не менее его можно считать значительно рискованней проекта А, так как он имеет более высокое значение вариационного размаха.

Проверим этот вывод, рассчитав средние квадратические отклонения обоих проектов. Последовательность действий следующая:

1) экспертным путем определим вероятность получения значений NPV для каждого проекта (см. табл. 2.9).

Таблица 2.9

Проект А		Проект Б
NPVi, млн. руб.	Экспертная оценка вероятности	NPVi, млн. руб.	Экспертная оценка вероятности
-0,93 1,39 4,48	0,1 0,6 0,3	-1,96 6,8 10,4	0,05 0,7 0,25

2) Рассчитываем среднее значение для каждого проекта:

А = -0,93 0,1+1,39 0,6+ 4,48 0,3 = 2,085;

Б = -1,96 0,05+ 6,8 0,7+10,4 0,25 = 7,262.

3) Определим среднее квадратическое _NPV для каждого проекта:

Расчет средних квадратических отклонений вновь подтверждает наш вывод о том, что проект Б более рискованный, чем проект А.

В основе методики изменения денежного потока используется полученная экспертным путем вероятностная оценка величины элементов ежегодного денежного потока, на основе которых корректируется и рассчитывается значение NPV.

Предпочтение отдается проекту, имеющему наибольшее значение откорректированного NPV. Данный проект считается наименее рискованным.

Система управления рисками вслед за выявлением, измерением и анализом предполагает работу по снижению степени риска.

Снижение степени финансового риска возможно при помощи механизмов нейтрализации, представленных на рис. 2.10.

Диверсификация

Лимитирование

Страхование

Хеджирование

Самострахование

Секьюритизация

Прочие

Рис. 2.10. Механизмы нейтрализации финансовых рисков

Диверсификация является наиболее обоснованным и относительно менее издержкоемким способом снижения степени финансового риска. Диверсификация - это рассеивание инвестиционного риска, т.е. распределение инвестируемых средств между различными объектами вложения, которые непосредствен­но не связаны между собой.

Лимитирование - это установление лимита, т.е. предельных сумм расходов, продажи, кредита и т. п. Лимитирование является важным средством снижения степени риска и применяется:

• банками при выдаче ссуд, при заключении договора на овердрафт и т.п.;

• хозяйствующим субъектом - при продаже товаров в кредит (по кредитным карточкам), по дорожным чекам и еврочекам и т.п.;

• инвестором - при определении сумм вложения капитала и т.п.

Сущность страхования выражается в том, что инвестор готов отказаться от части доходов, лишь бы избежать риска, т.е. он готов заплатить за снижение степени риска до нуля.

Самострахование означает, что предприниматель предпочитает подстраховаться сам, чем покупать страховку в страховой компании. Тем самым он экономит на затратах капитала по страхованию.

Хеджирование (англ, heaging — ограждать) — система заключения срочных контрактов и сделок, учитывающая вероятностные в будущем изменения об­менных валютных курсов и преследующая цель избежать небла­гоприятных последствий этих изменений».

Секьюритизация (от англ., securities - ценные бумаги) - это участие двух банков в кредитной операции. Кредитная сделка выполняется в два этапа, причем различными банками:

- разработка условий и заключение кредитного договора (сделки);

- предоставление кредита заемщику.

Среди «новых» альтернативных теорий моделей принятия решений в условиях риска и неопределенности хотелось бы обратить внимание на модель функции полезности — модель трех моментов полезности. Одним из способов выражения этого взгляда является утверждение, что функция предпочтения имеет в качестве аргументов моменты распределения различного порядка.

Основные трудности, с которыми приходится сталкиваться при решении проблемы выявления индивидуальных предпочтений по риску, заключаются в противоречивости данных о поведении исследуемого индивидуума в условиях неопределенности, в его постоянном изменении, что делает практически малоэффективными попытки построения функций полезности.

Компьютеризация процессов управления все чаще позволяет опираться в таких случаях на искусственный интеллект. В этой связи уместно поставить задачу создания таких инструментов искусственного интеллекта, которые могли бы фактически моделировать индивидуальные предпочтения.

Разработанным инструментом искусственного интеллекта являются различные экспертные системы. Они накапливают знания экспертов, сформулированные в виде правил. Однако применение экспертных систем в условиях риска требует, чтобы они были совместимы с нечеткой логикой. Изменчивость поведения также приводит к необходимости полностью изменять систему правил экспертной системы, что сказывается на ее эффективности. Способность обобщить предпочтения присуща только очень гибкому обучающемуся инструменту искусственного интеллекта. В этой роли могут выступить нейронные сети (построенные по аналогии со строением мозга). В человеческом мозге процесс обработки информации происходит посредством взаимосвязанных между собой клеток нейронов. Особенностью нейронных сетей является способность решать проблемы, которые не подлежат алгоритмизации, при отсутствии полных данных, при большом «шуме».

Основные преимущества нейронных сетей: способность обучаться на множестве примеров в тех случаях, когда неизвестны закономерности развития ситуации и зависимости между входными и выходными данными, когда пасуют как традиционные математические методы, так и экспертные системы; способность успешно решать задачи, опираясь на неполную, искаженную, зашумленную и внутренне противоречивую входную информацию; легкость в эксплуатации обученных сетей; удобный доступ нейросетевых пакетов к базам данных, электронной почте и т.д., что позволяет автоматизировать процесс ввода и первичной обработки данных.

Все эти качества позволяют сделать осторожное предположение об эффективности использования аппарата нейронных сетей для имитационного моделирования индивидуальных предпочтений по риску.

Таможенные риски, как уже отмечалось, имеют свою специфику, которая предполагает своеобразный подход к их оценке.