2808

формированию системы риск-менеджмента, целью которой является снижение неопределенности в отношении конечных результатов, посвящена работа А.В. Александрова [2], формированию адаптивноинтегрированной системы управления хозяйственным риском предприятия – работа Д.М. Смирнова [6]. Риск-контроллингу, обеспечивающему идентификацию, оценку, управленческое воздействие, аудит и корректировку рисков,посвящены статьи А.С. Вагановой, И.Б. Гусевой [3] и А.М. Крапчатова [4], управлению рисками в сфере менеджмента качества – Е.А. Третьяковой, М.А. Рудаковой [7] и т.д.

Предприятия нефтегазовой отрасли подвержены сильному влиянию рисков как во внешней, так и во внутренней среде. Эти риски необходимо учитывать при составлении и обосновании прогнозов добычи углеводородов.

С учетом сложившейся ситуации, когда многие национальные и международные компании вынуждены конкурировать между собой при проникновении в потенциально новые регионы осуществления операционной деятельности, важными конкурентными преимуществами могут стать инструменты принятия решений о вхождении в конкретный проект. Конечно, при принятии таких решений не последнее место отдается рискам и их оценке. Оценка рисков на практике представляется довольнотаки трудоемким процессом, результаты которого могут быть довольно субъективныизависятотвыборатогоилииногометодаоценки.

Среди методов оценки рисков деятельности нефтегазовых предприятий выделяют множество классификаций, наиболее часто используемыми являются качественные и количественные методы. Те и другие имеют ряд преимуществ, равно как и недостатков. Для управленцев наибольший интерес представляют числовые значения рисков, выраженные как в процентном отношении вероятности осуществления, так и в денежном выражении последствий при осуществлении этих рисков. Именно с последствиями осуществления рисков приходится сталкиваться чаще всего, и именно поэтому количественные методы оценки играют важную роль в оценке и последующем управлении рисками деятельности предприятия. В силу описанных выше причин в статье будет рассмотрен количественный метод оценки рисков, который нашел применение на предприятиях нефтегазового комплекса.

В общем случае в рамках метода Монте-Карло оценка риска выполняется с помощью моделей возможных результатов. При создании таких моделей любой фактор, которому свойственна неопределенность, заменя-

61

ется распределением вероятностей, т.е. диапазоном значений. Далее выполняются многократные расчеты результатов, причем каждый раз используетсяразный наборслучайных значений функцийвероятности.

Анализ рисков с использованием метода Монте-Карло представляет собой объединение методов анализа чувствительности и анализа сценариев. При этом имитационном методе генерируются тысячи возможных комбинаций параметров с учетом их вероятностного распределения. Каждая комбинация дает значение чистого дисконтированного дохода (ЧДД), и в совокупности получается вероятностное распределение возможных результатов проекта. Поскольку в нефтегазовой области большую роль играют инвестиционные проекты на стадии освоения месторождения и строительства, целесообразно будет рассмотреть алгоритм оценки рисков инвестиционных проектов.

Имитационноемоделирование происходитвследующемпорядке[8]:

1)определяются параметры, которые влияют на денежные потоки инвестиционного проекта;

2)строится вероятностное распределение по каждому параметру;

3)случайным образом выбирается значение каждого фактора риска, (компьютер выбирает значение, основываясь на его вероятностном распределении);

4)эти значения факторов риска комбинируются с параметрами, по которым не ожидается изменение (налоговая ставка или норма амортизации), и рассчитывается значение чистого денежного потока для каждого года;

5)описанные действия повторяются несколько раз, что позволяет построить вероятностное распределение ЧДД;

6)результаты моделирования дополняются вероятностным и статистическим анализом.

Важной характеристикой метода является выбор распределения вероятностей. При использовании распределений вероятностей переменные могут иметь разные вероятности наступления разных последствий. Распределения вероятностей представляют собой реалистичный способ описания неопределенности переменных в процессе оценки риска. Ниже представлены наиболее распространенные распределения вероятностей [9].

При равномерном распределении все величины могут с одинаковой вероятностью принимать то или иное значение, пользователем определяются минимальное и максимальное значения. К примерам

62

переменных, которые могут иметь равномерное распределение, относятся производственные затраты или доходы от будущих продаж углеводородов.

При нормальном распределении пользователь задает среднее или ожидаемое значение и стандартное отклонение. Значения, расположенные рядом со средним, характеризуются наиболее высокой вероятностью. Нормальное распределение имеет симметричный характер. К примерам переменных, которые описываются нормальными распределениями, можно отнести цены на энергоносители.

При логнормальном распределении значения имеют положительную асимметрию и в отличие от нормального распределения несимметричны. Такое распределение используется для отражения величин не ниже нуля, но при этом могут принимать неограниченные положительные значения. Примеры переменных, описываемых этим видом распределения, включают нефтегазовые запасы.

При треугольном распределении пользователь определяет минимальное, наиболее вероятное и максимальное значения. Значения, расположенные возле точки максимальной вероятности, имеют наибольшую вероятность. К числу переменных, которые могут быть описаны таким видом распределения, относят уровни запасов материальных оборотных средств.

При PERT-распределении пользователь также определяет минимальное, наиболее вероятное и максимальное значения. Наибольшую вероятность имеют значения, расположенные возле точки максимальной вероятности. Однако величины в диапазоне между наиболее вероятным и предельными значениями проявляются с большей вероятностью, чем при треугольном распределении, то есть отсутствует акцент на предельных значениях. Пример использования PERT-распре- деления – описание продолжительности выполнения задачи в рамках модели управления проектом.

Дискретное распределение. Пользователь определяет конкретные значения из числа возможных, а также вероятность получения каждого из них. Вероятность того или иного события выражается в процентах.

Стоит отметить, что метод Монте-Карло применяется в разных областях, таких как финансы, энергетика, производство, проектирование, транспорт и охрана окружающей среды. Этот метод позволяет учитывать максимально возможное число факторов внешней среды. Необходимость его применения в нефтяной отрасли обусловлена осо-

63

бенностями нефтегазового рынка, характеризующегося зависимостью от неэкономических факторов и высокой степенью неопределенности. Также ключевыми факторами успеха при использовании данного метода на практике может стать тот факт, что при методе Монте-Карло результаты демонстрируют не только возможные события, но и вероятность их наступления; имеется сочетание анализа чувствительности (по методу Монте-Карло можно увидеть, какие исходные данные оказывают наибольшее воздействие на конечные результаты) и метода сценариев (можно точно определить, какие исходные данные приводят к тем или иным значениям, и проследить наступление определенных последствий). Немаловажным достоинством является графическое представление конечных результатов. Метод позволяет создавать графики различных последствий, а также вероятностей их наступления.

Однако метод имеет ряд недостатков. Существование взаимосвязанных факторов сильно усложняет модель, зачастую для исследуемого параметра или результирующего показателя очень сложно идентифицировать вид вероятностного распределения. Также исследование модели возможно только при наличии специальных пакетов математических программ. К числу недостатков этого метода можно отнести и необходимость наличия большого объема исходной информации за длительный период времени; сложности при определении законов распределения исследуемых параметров и результирующих показателей.

Таким образом, применение этого метода оценки рисков обладает рядом преимуществ, но и не лишено недостатков. Выбор метода Мон- те-Карло на том или ином объекте нефтегазовой сферы продиктован в первую очередь предпочтениями руководителей предприятий.

Библиографический список

1.Азарченков Ф.А., Волосов А.В. Организация системы управления рисками на производственном предприятии // Финансы и кре-

дит. – 2006. – № 34. – С. 75–78.

2.Александров А.В. Процесс управления риск-менеджментом предпринимательской деятельности // Известия рос. гос. пед. ун-та им.

А.И. Герцена. – 2009. – № 90. – С. 202–207.

3.Ваганова А.С., Гусева И.Б. Роль риск-контроллинга в системе управления рисками предприятия // Контроллинг. – 2009. – №3. –

С. 18–23.

64

4.Крапчатов А.М. Функции, принципы и этапы построения системы риск-контроллинга финансовой деятельности предприятия // Terra Economicus. – 2010. – № 3–3. – С. 95–99.

5.Кривуля П.В., Шурхно И.В. Обзор определений категории риск и их сравнительное моделирование на основе семантических се-

тей [Электронный ресурс]. – URL: http://masters.donntu.edu.ua/ 2012/iem/kinuk/library/article6.pdf (дата обращения 23.02.2014).

6.Смирнов Д.М. Формирование системы управления рисками промышленного предприятия нефинансовой деятельности на основе унифицированной карты рисков // Интеграл. – 2010. – № 2. – С. 82–84.

7.Третьякова Е.А., Рудакова М.А. Теоретические и практические аспекты управления рисками в области обеспечения качества выпускаемой продукции на промышленных предприятиях // Актуальные проблемы экономики и права. – 2013. – № 1. – С. 151–156.

8.Оценка риска инвестиционного проекта [Электронный ре-

сурс]. – URL:http://edu.dvgups.ru/METDOC/EKMEN/FK/EKON_UPR_ INV/METOD/U_P/frame/6.htm (дата обращения: 08.04.2014).

9.Моделирование по методу Монте-Карло [Электронный ре-

сурс]. – URL: http://www.palisade.com/risk/ru/monte_carlo_simulation.asp (дата обращения 14.04.2014).

Сведения об авторах

Испанбетов Тимур Канатулы (Пермь, Россия) – магистрант,

Пермский государственный национальный исследовательский универ-

ситет; e-mail: timur.ispanbetov@gmail.com.

About the authors

Ispanbetov Timur Kanatuly (Perm, Russian) – Undergraduate Perm State National Research University; e-mail: timur.ispanbetov @ gmail.com.

65

А.С. Мельникова

МОНИТОРИНГ УПРАВЛЕНИЯ ОСНОВНЫМИ ЭЛЕМЕНТАМИ ОБОРОТНЫХ АКТИВОВ ОТКРЫТОГО АКЦИОНЕРНОГО ОБЩЕСТВА «ЛУКОЙЛ»

В статье представлен анализ таких показателей, как эффективность использования запасов в Обществе за 2010–2013 гг., дебиторская и кредиторская задолженности, проведен горизонтальный и вертикальный анализ консолидированного отчета о движении денежных средств ОАО «ЛУКОЙЛ». Определена спецификация предприятия по типам управления запасами, кредитной политикой и денежными средствами Группы.

Ключевые слова: оборотные активы, запасы, дебиторская и кредиторская задолженности, денежные средства.

A.S. Melnikova

MONITORING OF MANAGEMENT BY BASIC ELEMENTS

OF CURRENT ASSETS OPEN JOINT STOCK COMPANY «LUKOIL»

The analysis of such indicators is presented in article as efficiency of use of stocks in Society for 2010–2013, debit and creditor debts, the horizontal and vertical analysis of the consolidated report on JSC «LULOIL» cash flow is carried out. The specification of the enterprise for stockpile management types, is defined by credit policy and funds of Group.

Keywords: сurrent assets, stocks, debit and creditor debts, money.

Введение

Элементы оборотных активов укрупненно могут быть объединены в три группы: запасы, дебиторская задолженность, а также денежные средства и их эквиваленты. Для каждой группы характерна своя специфика финансового управления, формирования, анализа и контро-

ля [2, с. 162].

Анализ управления основными элементами оборотных активов позволяет своевременно выявлять возможности предприятия. Положительной чертой управления запасами является оптимизация их объема, снижение расходов на их содержание, повышение рентабельности оборотного капитала и совокупных активов. Дебиторская задолженность стимулирует объемы продаж, рост выручки от реализации продукции, повышает уровень конкурентоспособности фирмы. Управле-

66

ние же денежными средствами нацелено на достижение сбалансированности между входящими и исходящими денежными потоками, поддержание оптимального остатка средств на счетах для обеспечения необходимого уровня платежеспособности организации.

Цель статьи – определение типов политики управления основными элементами оборотных активов открытого акционерного общества

«ЛУКОЙЛ» за 2010 – 2013 гг.

1. Материалы и методы

Изучение структуры и обеспеченности предприятия оборотными активами в теоретическом аспекте представлено объемно и системно, как зарубежными авторами, среди которых можно выделить Дж. К. Ван Хорна, С. Хендриксена, М.Ф. Ван Бреда, Р. Энтони, Дж. Риса, Ж. Ришара, Б. Нидлза, Ф. Обербрикманна, Й. Бетге, Д. Кондуэлли, так и отечественными учеными – П.П. Табурчак, Н.П. Любушин, А.Д. Шеремета, В.Ф. Протасов, В.И. Титов, В.Я. Горфинкель.

Автором был использован эмпирический уровень познания: систематическое наблюдение, сравнение, аналогия. На данном этапе накапливался материал о финансово-экономической деятельности Общества. Затем применен метод, используемый на теоретическом уровне исследований – анализ (в частности, структурный анализ), в основе которого лежит процесс разложения предмета на составные части (анализ показателей эффективности использования запасов, дебиторской, кредиторской задолженностей и денежных средств). В заключение основой стал индуктивный метод научного познания – умозаключение, от фактов к некоторой общей гипотезе, в результате чего была определена типология управления основными элементами оборотных активов, субъективная для открытого акционерногообщества «ЛУКОЙЛ» на2010–2013 гг.

2.Результаты

Втабл. 1 представлены показатели эффективности использования запасов ОАО «ЛУКОЙЛ» за 2010 – 2013 гг. [1].

Данные таблицы свидетельствуют о том, что темп прироста запасов не превышает темпа прироста себестоимости реализованной продукции и вышетемпаприроставыручкиотреализациипродукциина2,87 %.

Удельный вес запасов в оборотных активах превышает 30 % и практически достигает 38 % на конец 2013 г.

67

Таблица 1

Анализ показателей эффективности использования запасов ОАО «ЛУКОЙЛ» за 2010–2013 гг.

Положительной является тенденция к ускорению оборачиваемости запасов на 3 дня. Показатели рентабельности запасов характеризуют эффективность их использования организацией (сколько прибыли от продаж приходится на 1 руб. запасов [4, с. 17]). Высокие показатели рентабельности запасов во многом обусловлены относительно невысоким их уровнем в совокупных активах компании.

В табл. 2 представлены результаты анализа дебиторской задолженности ОАО «ЛУКОЙЛ» за 2010–2013 гг. [1]. Данные таблицы свидетельствуют о снижении дебиторской задолженности, отклонение исследуемого показателя за 2012–2013 г. равно 724 млн долл. США (темп снижения составил 8,35 %). Сумма кредиторской задолженности, напротив, увеличилась за анализируемый период на 1728 млн долл. США (30,82 %), за последний год (2012–2013 г.) увеличение составило 72 млн долл. США.

68

Таблица 2

Анализ показателей дебиторской и кредиторской задолженности ОАО «ЛУКОЙЛ» за 2010–2013 гг.

Положительной является тенденция к ускорению оборачиваемости дебиторской и кредиторской задолженности. Период погашения дебиторской задолженности равен 26 дням, отклонение составило 4 дня, период погашения кредиторской задолженности 28 дней, отклонение составило 6 дней. Коэффициент соотношения между дебиторской и кредиторской задолженностью за 2010–2013 гг. снизился на 0,0432. Удельный вес дебиторской задолженности в активах компании снизился с 40 до 34 %, что является положительной динамикой, не ставящей платежеспособность компании в зависимость от платежной дисциплины покупателей.

69

Таблица 3

Горизонтальный и вертикальный анализ консолидированного отчета о движении денежных средств ОАО «ЛУКОЙЛ» за 2010–2013 гг. (млн долл. США)