2.5. Метод Монте-Карло.

Методом формализованного Описания неопределенности, используемый в сложных для прогнозирования проектах, является метод Монте-Карло. Он основан на применении имитационных моделей, позволяющих создавать множество сценариев, которые согласуются с заданными ограничениями на исходные переменные.

Метод Монте-Карло наиболее полно отражает всю гамму неопределенностей, с которой может столкнуться реальный проект, но в то же время, через начально-заданные ограничения учитывает всю информацию, имеющуюся в распоряжении аналитика проекта.

На практике данный метод может быть осуществлен только с применением компьютерных программ, позволяющих описывать прогнозные модели и рас­считывать большое число случайных сценариев. При применении метода не­обходимо учитывать, что точность результатов во многом определяется тем, насколько хороша созданная прогнозная модель.

Последовательность действий при реализации этого метода должна быть следующей:

1. Создание прогнозной модели. В качестве прогнозной модели выступают математические зависимости, полученные при расчете показателей экономи­ческой эффективности, обычно — ЧДД.

2. Выявление ключевых факторов, то есть переменных, которые в значи­тельной степени влияют на результаты проекта (на этом этапе используются результаты анализа чувствительности) и имеют значительную вероятность на­ступления.

3. Определение распределения вероятности ключевых факторов. Для этого:

• устанавливаются минимальное и максимальное значения, которые, по мнению аналитика, могут принять ключевые факторы;

• прогнозируются вид и параметры распределения вероятности внутри за­данных границ.

4. Выявление корреляционных зависимостей между переменными. Долж­ны быть выявлены все зависимые переменные и по возможности точно (с помощью коэффициентов корреляции) описана степень этих зависимостей. Иначе созданная модель может привести к заведомо неверным выводам.

5. Генерирование множества случайных сценариев, основанных на задан­ных ограничениях. Для реализации этого этапа требуется описание прогноз­ной модели на компьютере. Количество "прогонов" модели, выполняемой на компьютере, должно быть достаточно, чтобы полученная выборка была реп­резентативна.

6. Статистический анализ результатов имитационного моделирования. Ос­новным критерием принятия решения с учетом статистического анализа риска является следующий: следует выбирать проект с таким распределением ве­роятности ЧДД, которое наилучшим образом соответствует отношению к рис­ку конкретного инвестора. Помимо вероятностных характеристик ЧДД (мате­матического ожидания, среднеквадратического отклонения и коэффициента вариации), при реализации данного метода могут быть определены следую­щие показатели:

Ожидаемые потери инвестора П — сумма всех отрицательных результа­тов, помноженных на вероятность их наступления.

Ожидаемые доходы от проекта Д — сумма всех положительных резуль­татов, помноженных на вероятность их наступления.

Для инвестора может быть определена Стоимость неопределенности, равная П, если проект будет принят, и Д, если проект будет отвергнут. Это понятие можно использовать для определения целесообразности поиска даль­нейшей уточняющей информации о проекте.

Коэффициент ожидаемых потерь К=П/(П+Д). Этот показатель можно использовать, для оценки уровня риска проекта, имеющего вероятность полу­чения как положительных, так и отрицательных результатов.