Инновационный менеджмент - Егор Ваинмаер

При анализе проекта с точки зрения рисков требуется прежде всего идентифицировать возможные области риска применительно к конкретному проекту. Эта задача решается обычно экспертными методами. Они позволяют в какой-то мере компенсировать недостатки имеющейся информации о разрабатываемом проекте. В частности, на этом этапе широко используют опыт экспертов и их знания о проектах-аналогах, что позволяет прогнозировать возможные зоны риска и последствия принимаемых решений.

На этапе идентификации рисков необходимо не только определить, какие риски существуют для данного проекта, но и оценить вероятность каждого из этих рисков для проекта.

Алгоритм экспертной оценки рисков проекта включает:

1) составление полного перечня возможных рисков по фазам жизненного цикла проекта;

2) экспертизу опасности каждого из рисков (измеряется в баллах), их вероятности (измеряется в долях единицы), важности рисков (как произведения опасности риска и вероятности его наступления);

3) ранжирование рисков по степени важности для проекта.

Анализ рисков позволяет оценить целесообразность участия в проекте и выработать меры по защите от возможных потерь. В работе по анализу должны принимать участие все участники проекта. При этом:

– заказчик использует результаты анализа в разработке проекта;

– подрядчик стремится ограничить число и «цену» факторов риска, за которые он должен нести ответственность, и по результатам анализа может сформировать более реалистичный, потенциально безубыточный план своих действий в рамках проекта;

– банк использует результаты анализа для определения условий кредитования проекта;

– страховая компания формирует обоснованные условия имущественного или иного страхования участников проекта.

Различают качественный и количественный анализ рисков.

Качественный анализ имеет целью определить факторы, области и виды рисков, количественный позволяет оценить отдельные риски и риск участия в проекте в целом.

Общую стратегию оценки рисков инноваций можно представить в виде алгоритма анализа риска (рис. 13.1)

Рис. 13.1. Алгоритм анализа риска

При оценке рисков инноваций используют две группы факторов:

– объективные, не зависящие непосредственно от организации (инфляция, конкуренция, политические и экономические кризисы, экология, таможенные пошлины, режим наибольшего благоприятствия, наличие свободных экономических зон и т. п.);

– субъективные, характеризующие состояние организации (производственный потенциал, технический уровень, специализация, производительность, контакты и кооперативные связи, надежность контрактов и инвесторов и т. п.).

Количественный анализ можно формализовать и подразделить на ряд методов: статистические, аналитические, методы экспертных оценок и методы аналогов (рис. 13.2):

Рис. 13.2. Методы количественного анализа рисков [10]

Наиболее точным способом оценки рисков является применение статистических методов, и в частности методов статистических испытаний, которые позволяют анализировать и оценивать различные «сценарии» реализации проектов.

В наиболее сложных задачах для формализованного описания неопределенности используют метод Монте-Карло, относящийся к первой группе методов (рис. 13.2). Он основан на применении имитационных моделей. Последние позволяют создавать множество сценариев, учитывающих заданные ограничения на исходные переменные. Метод характерен тем, что он наиболее полно отражает все возможные неопределенности, которые могут возникнуть при выполнении проекта по каждому из возможных сценариев. Через ограничения, заданные в качестве исходных, он позволяет учитывать практически всю информацию, имеющуюся в распоряжении аналитика проекта.

К существенным преимуществам этого метода относится то, что он позволяет получать «интервальные» (а не «точечные») характеристики показателей эффективности проекта.

На практике метод Монте-Карло реализуется только на компьютерах. Используемые при этом стандартные программы позволяют описывать прогнозные модели и рассчитывать достаточно большое число вероятных сценариев. Удачность построения прогнозной модели определяет точность получаемых результатов.

Реализация метода сводится к выполнению следующих этапов:

1) создание прогнозной модели;

2) выявление ключевых факторов, то есть переменных, которые влияют на результаты проекта наиболее существенно и имеют наибольшую вероятность наступления;

3) нахождение распределения вероятности ключевых факторов;

4) выявление корреляционных зависимостей между переменными;

5) генерирование множества случайных сценариев, возможных при заданных ограничениях;

6) статистический анализ результатов эффективности моделирования.

При вычислении распределения вероятности ключевых факторов сначала устанавливают минимальное и максимальное значения, которые, по мнению аналитика, могут принять ключевые факторы, а затем прогнозируют вид и параметры распределения вероятности внутри заданных границ.