Сдам Сам

ПОЛЕЗНОЕ


КАТЕГОРИИ







Возможные результаты инновационной деятельности (тыс. руб.)





  Возможный результат 1‑я компания Вероят­ность
купит не купит
2‑я компания купит +40 +10 0,5
не купит +10 -20 0,5
Вероятность   0,5 0,5  

 

 


Тогда наиболее ожидаемый доход от инновации составит:

re = 40 ´ 0,5 ´ 0,5 + 10 ´ 0,5 ´ 0,5 + 10 ´ 0,5 ´ 0,5 - 20 ´ 0,5 ´ 0,5 = +10 тыс. руб.

 

Количественной оценкой риска той или иной иннова­ции принято счи­тать вариацию (var) – разброс возможных результатов инновационной операции относительно ожидае­мого значения (математического ожидания). В соответст­вии с теорией вероятностей и математической статистикой этот показатель рас­считывается как среднее квадратичное откло­нение от ожидаемого результата.

Также для оценки риска используется показатель сред­него линейного от­клонения (s), который также иногда на­зывается дисперсией:

Относительное линейное отклонение оценивается с по­мощью показателя стандартного отклонения, или колеблемо­сти (g).

Чем выше коэффициент вариации, или колеблемость, тем более рискован­ной считается инвестиция.

 

Пример

Для инновационной фирмы в приведенном примере данные показатели со­ставят:

var = (40 – 10)2 x 0,5 x 0,5 + (10 – 10)2 x 0,5 x 0,5 +(10 – 10)2 x 0,5 x 0,5 + (–20 – 10)2 x 0,5 x 0,5 = 450

d

7.5.2

: {7.2}
Нормальное распределение в оценке риска

Как показы­вают наблюдения за инновационной дея­тельностью, распределение результатов инноваций носит ха­рактер нормального распределения (см. слайд 7.2).

Нормальное распределение (распределение Гаусса) представляет собой вид распределения случайных величин, с достаточной точно­стью описывающий распределение плотности вероятности результатов производственно-хозяйственной, финансо­вой или инновационной деятельности или изменений условий внешней среды,поскольку показатели, характеризующие их, определяются большим числом не­зависимых случайных ве­личин, каждая из которых в отдельности относительно дру­гих играет незначительную роль и непредсказуема. Примене­ние нормального распределения для оценки рисков иннова­ционной деятельности также связано с тем, что в основе дан­ных используется, как правило, ряд дискретных значений. Эти теоретические предпосылки, а также апробация моделей для анализа рисков на основе нормального распределения доказывают адекватность этого теорети­ческого инструмента реальным инновационным процессам.

r(х) плотность вероятности распределения слу­чайной величины х;
s дисперсия (рассеивание) случайной величины х;
М0 математическое ожидание.

: {7.3}
Нормальное распределение позволяет количественно оце­нить вероятность неблагоприятного значения (см. слайд. 7.3).

Поскольку основными параметрами нормального рас­пределения являются математическое ожидание и дисперсия, любое их соотношение поддается нор­мированию, что по­зволяет применять таблицы стандартизирован­ного нормаль­ного распределения к расчету вероятности не­благоприятных значе­ний.

Если применение законов нормального распределения при анализе риска обеспечивает адекватность выводов и оце­нок, тона практике широко используется такой инструмент как Z‑статистика. При анализе результатов ин­новационной дея­тельности используют статистические таблицы стандартного нормального распределения (пример – см. Приложение 1), по кото­рым, исходя из коэф­фициента Z, оценивается вероятность того, что результат инновации окажется не хуже некоего кри­тического уровня, определяемого инноватором или инвестором.

r – критический уровень результата инновации.

По значению Z на основе табличных значений оценива­ется вероятность риска, если критический уровень превосходит среднее ожидаемое значение:

r > re, если инноватор заинтересован в максимизации ре­зультата;

r < re, если инноватор заинтересован в минимизации ре­зультата.

Вероятность того, что результат нововведения превзой­дет уровень, хуже ожидаемого, оценивается по формуле:

P = 1 – p (7.10), где:

p – значение вероятности, полученное по таблице (Приложение 1).

 

Пример

Вероятность того, что результат реализации инно­вации компанией из предыдущего примера превысит 15 тыс. руб., можно определить по таб­лице (Прил. 1), предварительно рассчитав коэффициент Z:

Поскольку критическое значение превосходит ожидаемое зна­чение, а инноватор заинтересован в увеличении прибыли, в таблице указано значение риска:

  Значащая цифра сотых долей Z0
Z0                      
          ê            
0.20 è è è è 0.405            
                       

 

 

 


То есть, вероятность того, что доход превысит 15 руб. со­ставляет 40,5%.

Вероятность того, что реализация инновации компанией не принесет ей убытка более 5 тыс. руб., определяется аналогично по табл. (Прил. 1).

По значению Z в таблице указано значение риска:

  Значащая цифра сотых долей Z0  
Z0                    
    ê                
0.70 è 0.239                
                     
                       

 

 


Но убыток в 5 тыс. руб. – результат, хуже ожидаемого (ожидаемая прибыль составляет 10 тыс. руб.). Таким образом, веро­ятность того, что убыток не превысит 5 тыс. руб., оценивается:

(1 – 0,239) · 100% = 66,1%.

: {7.4 – 7.6}
Оценка вероятности риска может также производиться с помощью графиков, на которых по оси абсцисс (Х) откладыва­ются значения результатов инновации, а по оси ординат (Y) – плотности вероятности получения этих результатов (см. слайд 7.4).

При сравнении вариантов инновационных решений инно­ватор или инвестор предпочитает либо более высокодоходный вариант (более «правый график»), либо менее рисковый (менее «широкий график») (см. слайды 7.5, 7.6).

 

Пример

Инвестор оценивает 2 инновационных проекта по критерию риска.

Проект № 1 Доходность, % -20 -10      
Вероятность, %          
Проект № 2 Доходность, % -10 -5      
Вероятность, %          

 

 

 


Наиболее вероятное значение доходности по проектам:

проект № 1: ((-20)´10+(-10)´20+5´30+15´30+20´10):100 = 4;

проект № 2: ((-10)´5+(-5)´20+0´50+5´20+10´5):100 = 0.

Дисперсия доходностей по проектам:

проект № 1:

проект № 2:

Риск убыточности проектов:

проект № 1

Z = (4 - 0):14 = 0,28 Þ p = 100 - 39 = 61%

проект № 2

Z = (0 - 0):4 = 0,0 Þ p = 50%

39% < 50%, следовательно, второй проект имеет меньший риск.

Степень и цена риска

Риск как экономическая категория совмещает в себе оценку вероятности неблагоприятного развития событий и меру этой небла­гоприятности. Поэтому для описания риска используется двухмерная характери­стика: степень и цена риска. Степень риска количественно характеризует веро­ят­ность неблагоприятной динамики инновационного процесса и негативных ре­зультатов инновационной деятельности. Показатель цены риска отражает количе­ст­венную оценку вероятного результата инновационной дея­тельности, то есть по­казывает экономический результат, ради которого инве­стор или инноватор по­шел на риск.

 

 

Пример

Финансовому директору АО «Звезда» предстоит выбрать одну из двух альтернатив вложения временно свободных средств предприятия в размере 15 млн. руб.:

1) купить государственные ценные бумаги с гарантирован­ной доходностью 3% годовых;

2) разместить средства на депозите в коммерческом банке «Слава» под 5 % годовых.

Риск вложений в государственные бумаги составляет 1%, надежность банка оценивается рейтинговым агентством в 90%. Таким образом, степень риска опе­рации с ценными бумагами со­ставляет 1%, а депозитных операций – 10%.

Ожидаемый доход по государственным ценным бумагам за год составит 450 тыс. руб., а по депозитным операциям – 750 тыс. руб.

Цена риска вложений в ценные бумаги составляет:

450 ´ 0,01 = 4,5 тыс. руб.

Цена риска размещения средств на депозите в банке состав­ляет:

750 ´ 0,1 = 75 тыс. руб.

То есть, вкладывая в банк деньги и стремясь получить более высокий до­ход, финансовый директор должен иметь в виду, что его ожидаемые потери от этой операции значительно выше, чем от размещения средств в государственных ценных бумагах.

Мера риска

Осуществляемая в процессе принятия управлен­ческих решений экономическая оценка меры риска пока­зывает возможные потери либо в результате какой-либо производственно-хозяйственной или финансовой деятельно­сти, либо вследствие неблагоприятного изменения состояния внешней среды.В зависимости от конкретных условий при­нятие решения о мере риска мо­жет оцениваться либо как наи­более ожидаемый негативный результат, либо как пессими­стическая оценка возможного результата. Если для описания риска аде­кватно применение нормального распределения (см. Z‑статистика), то мера риска соответственно может оце­ниваться как математическое ожидание:

Мр мера риска;
M0 наиболее ожидаемый результат (математическое ожидание);
xi размер потерь в ходе i‑го наблюдения;
pi вероятность возникновения потерь в ре­зультате i‑го наблюдения;
ni число случаев наблюдения i‑го результата;
n общее количество наблюдаемых результа­тов.

 


Пример

При изучении статистики освоения новой продук­ции были полу­чены следующие данные:

Группы проектов Средняя сумма инвестиций, тыс. руб. Число проек­тов Число неудач
I      
II      

 

 


То есть, принимая решение об освоении новой продукции, руководитель предприятия должен быть готов «потерять» в сред­нем 90 тыс. руб. на каждом новом типе изделий.

 

Если показатель меры риска используется как пессими­стическая оценка ре­зультата, то применяется формула мак­симально возможного негативного откло­нения – «три сигмы»:

s – дисперсия.

 

Пример

Предварительная оценка результатов инновацион­ного проекта создания консалтингового подразделения аудитор­ской компании показала, что наиболее ожидаемый доход от этой инновации составит 700 тыс. руб., но точ­ность расчетов (стандартное отклонение, колеблемость) составляет 40%.

Тогда среднее линейное отклонение (s) составляет:

s = 700 ´ 40%: 100% = 280 тыс. руб.

Мера риска в данном случае оценивается как возможный убыток деятель­ности консалтингового подразделения фирмы:

Мр = |700 - 3´280| =140 тыс. руб.

То есть убыток не превысит 140 тыс. руб.

Однако мера риска может быть менее | |, если максимальные по­тери реально менее расчетного значе­ния. В этом случае мера риска совпадает с максимальными потерями в результате реализации инновационного проекта.

 

Пример

Мера риска для проекта организации выпуска ви­таминов (см. выше) – 20 тыс. руб., поскольку именно эту сумму инновационная фирма затратила на исследования и разработки, хотя по расчетам максимальное негативное отклонение составляет:

М’ = |10 – 3´ 21| = 51 тыс. руб.

Но такая сумма потерь в данном случае нереальна, поэтому в качестве меры риска принимается размер инвестиций, вложен­ных в реализацию проекта.

 

При принятии решения в области управленияриска часто используются кумулятивные статистические кривые (графики Лоренца), на которых накопленным итогом отража­ется вероятность неблагоприятной си­туации в зависимости от оценки неблагоприятности.

 

Пример

Результаты вне­дрения технологических инноваций на опытном заводе «Пионер» характеризо­вались следующими данными:







Что делает отдел по эксплуатации и сопровождению ИС? Отвечает за сохранность данных (расписания копирования, копирование и пр.)...

ЧТО ПРОИСХОДИТ ВО ВЗРОСЛОЙ ЖИЗНИ? Если вы все еще «неправильно» связаны с матерью, вы избегаете отделения и независимого взрослого существования...

Живите по правилу: МАЛО ЛИ ЧТО НА СВЕТЕ СУЩЕСТВУЕТ? Я неслучайно подчеркиваю, что место в голове ограничено, а информации вокруг много, и что ваше право...

Что будет с Землей, если ось ее сместится на 6666 км? Что будет с Землей? - задался я вопросом...





Не нашли то, что искали? Воспользуйтесь поиском гугл на сайте:


©2015- 2024 zdamsam.ru Размещенные материалы защищены законодательством РФ.