Анализируя риски, управляем стоимостью компании

«Самое рискованное отношение к будущему — это не думать о нем». Данное утверждение особенно верно, когда нужно принимать решения в рискованных или неопределенных ситуациях. Мы может вспомнить множество различных рисков, с которыми фирме приходится иметь дело. Как риски и прибыль являются различными сторонами одной и той же моменты, так и тщательный анализ и управление рисками и возможностями может дать фирме стратегическое преимущество перед конкурентами.

Комментарий V-RATIO: Когда говорят об «управлении рисками», на практике, чаще всего, имеют ввиду или что-то абстрактное, связанное с политикой или изменением глобального климата, или что-то сугубо конкретное, из области «финансовых рисков», банковской деятельности или страхования. На самом деле, управление рисками – задача каждого менеджера, принимающего хоть сколько-нибудь значимые решения в условиях неопределённости. Можно это делать интуитивно. Попробуйте, некоторым везёт. Однако задача непростая, и в серьёзных случаях лучше использовать специальные инструменты. Статья, написанная директором американской специализированной консалтинговой компании, рассказывает о пользе совместного применения двух основных инструментов управления рисками: корпоративных финансов и имитационного моделирования.

Руководитель практики стратегического планирования V-RATIO BCC
Игорь Бут

Если вы читаете данное резюме, вы, вероятно, заинтересованы в анализе и управлении рисками. И вы, вероятно, убеждены в ценности анализа риска с помощью корпоративных финансов. Но, используя анализ рисков и имитационное моделирование в корпоративных финансах, как мы на самом деле добавляем стоимость?

В данной статье мы обсудим выгоды, и издержки анализа рисков с использованием иммитационного моделирования в корпоративных финансах. Сперва мы рассмотрим, почему многие ошибочно полагают, что анализ рисков не обязательно добавляет большую стоимость, и почему теория финансов утверждает, что многие бизнес риски не важны при принятии оптимальных решений. Затем мы перечислим несколько причин, почему все типы бизнес рисков важны, и почему их нужно анализировать и управлять ими. И, наконец, мы кратко обсудим различные издержки, связанные с анализом финансовых рисков, и дадим несколько рекомендаций.

«Самое рискованное отношение к будущему – это не думать о нем». Данное утверждение особенно верно, когда нужно принимать решения в рискованных или неопределенных ситуациях. Мы может вспомнить множество различных рисков, с которыми фирме приходится иметь дело, таких как инвестиционный риск, кредитный, операционный, рыночный, технологический, риск ликвидности и т.п. Как риски и прибыль являются различными сторонами одной и той же моменты, так и тщательный анализ и управление рисками и возможностями фирмы может дать ей стратегическое преимущество перед другими фирмами.

Сегодня целый спектр методологий и инструментов доступны для поддержки принимаемых решений в ситуации неопределенности, такие как «что если» анализ, сценарный анализ, анализ чувствительности и анализ рисков с использованием симуляции. С ростом вычислительной мощности компьютеров и доступности удобных программ симуляций, таких как Crystal Ball, анализ рисков с использованием метода имитационного моделирования Монте-Карло стали особенно популярны. В данной статье мы сфокусируемся на анализе рисков в рамках корпоративных финансов с использованием метода имитационного моделирования. Мы зададим вопрос: каковы истинные издержки и выгоды (и добавленная стоимость) анализа рисков в рамках корпоративных финансов с использованием иммитационного моделирования, и откуда эти выгоды берутся?

Почему люди не верят, что анализ рисков обязательно поможет?

Нас часто спрашивают, в чем ценность количественного анализа рисков по сравнению с обычными методами, такими как точечные оценки и что-если анализ. За почти 20 лет, что мы работаем с клиентами, мы поняли, что люди по схожим причинам часто не верят, что анализ рисков (в рамках корпоративных финансов) будет полезен именно для них, и ниже мы обсудим две главные причины такого отношения.

Заблуждение первое: Если я использую для анализа усредненные оценки, то и результаты я получу усредненные (ожидаемые).

Этот довод также присущ обычным практикам использования ориентировочных оценок в финансовом моделировании, и он основывается на том, как большинство людей учат думать еще в школах или университетах. Большая часть образования учит нас думать и принимать решения «детерминистическим» способом, т. е. что для каждого вопроса есть лишь один правильный ответ. Даже во многих бизнес школах риски и анализ рисков часто изучают не достаточно подробно и редко обсуждают сложности симуляции. А потому мы распространяем наше детерминистическое мышление, что 1 + 2 = 3, и на принятие решений в бизнесе, хотя в реальности это обычно совсем не так, а 1 и 2 неизвестны или являются случайными переменными.

Существует три основных проблемы, связанных с детерминистским (т. е. по одному показателю) подходом в корпоративных финансах:

1. Рискам не уделяется подробного внимания. Использование усредненных (или наиболее вероятных) данных при анализе финансовых рисков не заставляет людей думать и выявлять риски и возможности проекта. Выгоды от более глубокого рассмотрения рисков и неопределенности рассматриваются в разделе 1.

2. «Наилучшее предположение» обычно использует наиболее вероятные значения, а не среднее арифметическое. Данный пункт можно проиллюстрировать примером проектного планирования. Например, рассмотрим проект, состоящий из двух последовательных этапов, каждый из которых по оценкам займет от минимально двух недель до (наиболее вероятно) трех или даже (максимально) десяти недель (треугольное распределение). Используя ориентировочные оценки, аналитик решит, что ожидаемая общая продолжительность проекта будет 3 + 3 = 6 недель. Хотя на самом деле ожидаемая (средняя арифметическая) продолжительность проекта составит 5 недель на один этап, а общая продолжительность, таким образом, 5 + 5 = 10, как показано на графике.

Рис. 1. Расчет ожидаемой продолжительности проекта

Разница между суммой наиболее вероятных значений и результирующей средней величиной тем больше, чем больше искажено распределение вводимых значений требований, и чем больше распределений суммируется. Разница в результатах еще значительнее, если задачи выполняются параллельно. Финансовая теория основывается на оценке средних, а не наиболее вероятных значений, поэтому финансовое моделирование (например, подсчет NPV), основанное на наиболее вероятных значениях, противоречиво и не даст вам искомых средних (ожидаемых) результатов.

3. Даже если в финансовом анализе используются настоящие средние данные, к ошибке может привести «изъян средних».

Это правило гласит, что анализ, основанный на точечном (усредненном) допущении часто ошибочен. Перечень причин объясняется в разделе 2.

Заблуждение второе: Ставка дисконта с поправкой на риск, использующая Модель оценки доходности финансовых активов (CAPM), учитывает все риски инвестиции.

Чтобы понять этот довод, мы введем основное вероятностное правило, известное как Центральная предельная теорема (CLT). Это правило гласит: средняя x для множества n случайной выборки (где n крупная величина), извлеченная независимо из той же генеральной совокупности (со средней μ и обычным отклонением q), обычно распределится следующим образом:

Формула показывает, что чем большую выборку вы возьмете (т.е. чем больше n), тем уже будет распределение вокруг средней распределения (т. е. тем меньше стандартное отклонение нормального распределения).

CLT является асимптотическим правилом, т. е. это приближенное значение, которое абсолютно верно, только когда размер выборки n бесконечен, но на самом деле приближенное значение работает и для удивительно небольших размеров выборки, в зависимости, конечно, от уровня требуемой точности. Если распределение вероятностей нормальное, CLT одинаково для всех n. Форма CLT для бесконечной выборки, более здесь подходящая, означает, что если вы складываете большое количество n различных случайных переменных, и если ни одна из этих переменных не меняет результирующего распределения, сумма, в конце концов, будет нормальной по мере увеличения n.

Почему это основное вероятностное правило важно для нас? Потому что если у компании есть целый портфель независимых рискованных проектов, средний риск на проект сокращается с ростом числа проектов: если один из проектов проваливается, другой может добиться успеха, и таким образом возместит убытки первого проекта. Другими словами, риски проекта можно частично контролировать, «не складывая все яйца в одну корзину», диверсифицируя инвестиции во множество проектов. Этот эффект портфеля хорошо проиллюстрирован ниже для ситуации, когда компания инвестирует в 1, 3 или 10 независимых проектов, каждый из которых, как ожидается, принесет $1,000,000, а стандартная девиация равна $200,000 (при условии Логарифмически нормального распределения).

Рис. 2. Средний денежный поток на одну инвестицию, если сделано 1, 3 или 10 инвестиций

На самом деле, все будет еще лучше, если мы посмотрим с точки зрения владельцев фирмы. При условии, что большинство инвесторов хорошо диверсифицируют свои вложения (а это вполне вероятное допущение, учитывая, что активы в Западном мире принадлежат крупным институциональным инвесторам, таким как страховые компании и пенсионные фонды), существует второй слой диверсификации рисков. Компании не только снижают риск, диверсифицируя посредством инвестиций во множество проектов, но владельцы этих компаний (инвесторы) диверсифицируют, инвестируя в большое число ценных бумаг.

Концепция диверсификации работает, пока отдельные ценные бумаги (или проекты) не зависят друг от друга, или, что еще лучше, находятся в обратной зависимости. Однако, чем больше положительная корреляция между бумагами (или проектами), тем менее эффективна диверсификация. Другими словами, если между двумя ценными бумагами существует сильная положительная корреляция, и первая бумага падает, вторая, вероятно, также упадет. Эта идея и лежит в основе Модели оценки доходности финансовых активов (CAPM), которая утверждает, что только те риски имеют значение, которые вы не можете диверсифицировать путем увеличения числа ценных бумаг. CAPM предполагает, что существует линейная зависимость между ожидаемым доходом от ценных бумаг и значением B (которая является измерением систематических рыночных или недиверсифицируемых рисков). Таким образом, чем выше значение B ценных бумаг (т.е. чем больше доход от бумаг зависит от изменений в рыночном портфеле), тем выше требуемый доход, а чем выше требуемый доход, тем выше стоимость капитала (т.е. ставка дисконта). Поэтому, думают многие люди, используя ставку дисконта с поправкой на риск, основанную на модели CAPM, можно избавиться от связанных с инвестицией рисков. Так зачем еще и связываться с проведением анализа рисков в рамках корпоративных финансов, используя имитационное моделирование?

Причины в том, что не-систематические риски могут фирме дорого стоить. Анализ рисков с использованием имитационного моделирования в корпоративных финансах не только позволяет полностью учесть эти риски процесса принятия решений (обсуждается в разделе 1), но и поможет избежать «изъяна средних» в финансовом анализе (подробнее в разделе 2), результатом чего будет более точная оценка общих рисков инвестиции.

Выгоды анализа рисков с помощью корпоративных финансов

Есть множество способов анализа рисков, которые способны помочь принимать более информированные и оправданные решения. Мы сфокусируемся на двух:

1. Анализ позволяет учесть (финансовые) риски процесса принятия бизнес решений,
2. Он помогает избегает Изъяна Среднего.

1. Полностью учитываем риски процесса принятия решений

Мы считаем, что заставить людей как можно чаще думать о рисках и возможностях и является самой большой выгодой от анализа финансовых рисков. Если заставить их признать наличие рисков и неопределенности, присущих бизнес решениям, это может привести к следующим выгодам:

1. Более реалистичный анализ. Финансовый анализ может стать более реалистичным, поскольку, например, больше не требуется консенсуса для каждого вводимого параметра. Вместо этого, неопределенность касательно параметров моделирования уже включена в анализ, и можно определить влияние более качественной информации на финальное оптимальное бизнес решение;

2. Принятие решений на основе рисков. Оно может сформировать в компании культуру принятия решений, лучше учитывающих риски. Например, если попросить людей обсудить, какие сценарии совпадут с очень высоким или очень низким значением интересующего параметра (вместо того, чтобы просто просить дать минимальное и максимальное значение для переменных в модели), можно действительно определить факторы риска и возможности и обеспечить хорошую основу для создания системы управления рисками. Мы часто наблюдаем, как формальный процесс идентификации рисков может привести к первоклассной стратегии с самого начала проекта или инвестирования, поскольку он заставляет сотрудников сфокусироваться на росте вероятности и значениях благоприятных возможностей и снизить вероятность и величину отрицательных последствий; и

3. Последовательный подход к риску. Компании сталкиваются с широким спектром рисков и инструментов для управления ими, от финансовых инструментов управления рисками для курсов ценных бумаг, цен на сырье, энергию и т.п. до страховки, а также стратегических вариантов выбора, таких как диверсификация. Анализ рисков предоставляет средства для сравнения этих компонентов управления рисками, гарантируя наличие комплексного подхода к управлению рисками. Так, например, компания может тратить на некий вид страховки большие суммы по сравнению с рисками, которые она покрывает, или тратить слишком мало на здоровье и безопасность по сравнению с рисками, которых те помогают избежать.

4. Использование риска как стратегического инструмента. У неопределенности есть и хорошие, и плохие стороны. Систематически выделяя риск и управляя им, компания сможет получить конкурентное преимущество, берясь за проекты, которые остальные посчитают слишком рискованными.

2. Как избежать “Изъяна среднего”

Изъян среднего – это термин, используемый для описания ошибок, возникающих, когда единственная цифра (обычно средняя) используется для представления неопределенного результата. Например, когда финансовые аналитики используют в качестве исходных ожидаемые значения неопределенных параметров, результаты часто не равны настоящим ожидаемым результатам. Помимо вопроса, а как аналитик смог определить среднее значение (в противовес наиболее вероятному), не зная распределения, есть еще две главных причины, почему существует Изъян средних: (1) эффект портфеля и зависимость, и (2) нелинейность.

2.1 Эффекты портфеля и зависимость

Эта форма изъяна средних возникает от того, что не берутся в расчет эффекты диверсификации и статистической зависимости. И диверсификацию, и корреляцию очень сложно анализировать при помощи аналитических техник, однако симуляция с использованием современного инструментария не даст вам проигнорировать оба эффекта там, где они для вас важны, используя инструменты корреляции, такие как сцепленное распределение, ранговая порядковая корреляция, логические связи и связки.

Возьмем, например, компанию, у которой есть на выбор десять возможностей для инвестирования, но которая может инвестировать только в три из них из-за ограниченного бюджета. Она может подсчитать отдельно NPV для каждого проекта, используя ожидаемые (средние) параметры ввода и ранговые возможности, от высоких до низких, согласно (ожидаемому) NPV. Однако, когда она выберет три лучших проекта, это вовсе не обязательно будет оптимальным решением. Причина в том, что с высокой долей вероятности здесь получится некоторая зависимость (корреляция) между различными возможностями инвестирования, что окажет влияние на оптимальное решение (данный вопрос подробно рассматривается в портфельной теории; Markowitz, 1952).

Когда инвестиционные возможности коррелируют, важно учитывать зависимость. Симуляция Монте Карло с использованием Crystal Ball, а также с оптимизацией OptQuest поможет вам избежать Изъяна средних и найти оптимальные инвестиционные возможности.

2.2 Нелинейность

Корпоративный налог является примером нелинейности. Например, если в определенном году доходы компании меньше, чем позволяет амортизация, она не сможет в полной мере воспользоваться налоговой льготой на амортизацию.

Давайте представим, что фирма строит фабрику стоимостью $1 миллиард, которую она сможет линейно амортизировать на протяжении десяти лет ($100 миллионов в год). Ежегодная прибыль ожидается где-то между $50 миллионами и $250 миллионами и будет наиболее вероятно равна $125 миллионам (смоделировано при помощи треугольного распределения). Чтобы не усложнять пример, мы не предполагаем никакого ежегодного роста, нулевой уровень дисконта, а прибыль будет той же самой в каждом году. Ставка налога равна 30%. Если мы рассмотрим только наиболее вероятный уровень прибыли, обязательства по налогу будут ($125M — $100M) * 30% = $7.5M. Что мы более отчетливо видим на рисунке 3.

Рис. 3. Нелинейные налоги и риск

Поскольку выручка не определена, размер налога также не определен, и их можно представить следующим вероятностным распределением. Есть примерно 30-процентная вероятность, что ежегодные обязательства по налогу будут нулевые (верх высокого столбика слева), что является прямым результатом того факта, что вероятность ежегодной прибыли менее $100 миллионов (по Треугольнику $50M,$125M,$250M) равна примерно 30%. Более того, когда мы учитываем неопределенность, касающуюся прибыли, ожидаемый размер налога (средний) равен $9.61M, что больше подсчитанных ранее $7.50M.

Рис. 4. Распределение ежегодного размера налога

Если мы используем только ожидаемые значения, общая стоимость инвестиции за 10 лет ($125M — $100M) * 30% = $175M. Однако, если мы примем во внимание неопределенность, используя имитационное моделирование, то увидим, что ожидаемая общая стоимость инвестиции равна всего $154M, как показано на рисунке ниже.

Рис. 5. Распределение стоимости инвестиции

В примере выше опущена способность фирм «переносить» свои убытки на будущие налоговые годы. Однако поскольку вероятность того, что фирма сможет перенести их, всегда будет меньше единицы, а мы старались максимально возможно упростить пример, то и не включили переносы, поскольку цель — проиллюстрировать принцип нелинейности. Однако включить переносы в имитационное моделирование совсем не сложно.

Затраты на анализ финансового риска

Ясно, что чтобы провести справедливую оценку стоимости анализа корпоративного финансового риска, мы также должны учесть затраты, связанные с ним. Одними из главных составляющих будут:

1. Стоимость ПО.
2. Затраты на обучение людей, проводящих анализ финансового риска. Они включают в себя обучение людей использованию ПО плюс навыкам анализа финансового риска, таким как основы теории вероятностей, симуляции Монте Карло, получение мнений экспертов по моделированию и включение риска в анализ Чистой приведенной стоимости (NPV).
3. Издержки ошибочного подсчета. Почти каждое исследование, пытавшееся измерить уровень ошибок в таблицах, обнаружило их во множестве. Использование вероятностного распределения вместо точечных оценок может еще больше повысить уровень ошибок, как, например, манипуляции со случайными переменными (как простое умножение) имеют более сложные правила, чем такая калькуляция с фиксированными значениями. Более того, стохастические модели (модели, генерирующие случайные цифры) требуют гораздо больше опыта для проверки, чем детерминистские модели (постоянные значения).
4. Затраты на привлечение консультантов, специализирующихся на анализе риска. Консультанты стоят дорого, но хорошие консультанты также могут помочь вам избежать еще больших затрат и выполнить работу быстрее и с большей гарантией качества. Vose Consulting оценивает и проверяет множество финансовых моделей, во многих из которых мы обнаруживаем серьезные ошибки, могущие привести к тому, что принимающий решения совершит ошибочный выбор или упустит шанс заставить возможности работать себе на благо. По нашему мнению, лучшие консультанты передают клиенту свое знание, так что клиент сохраняет контроль над их анализом риска и учится проводить его самостоятельно.
5. Возможные издержки недостаточного понимания менеджментом результатов анализа. Очень важно, чтобы менеджмент понимал результаты анализа финансового риска. Хотя люди часто уже привыкли принимать решения, основываясь на одной цифре, теперь они должны понимать и интерпретировать результаты анализа риска, такие как распределение возможных результатов. Обучение тому, как принимать решения, основанные на анализе риска, полезно, а широкое использование графических инструментов (карты распределения, крестообразные и точечные диаграммы, например) сделают анализ риска более наглядным.

Заключение: добавляет ли анализ риска с помощью методов корпоративных финансов стоимость?

Главная выгода анализа риска с помощью корпоративных финансов заключается в том, что он улучшает процесс принятия решений, заставляя людей подробно изучать риски и возможности и избегать изъяна средних. Мы уверены, что хотя на первоначальном этапе и существуют расходы, связанные с включением анализа риска в финансовый анализ и принятие бизнес решений, выгоды намного перевешивают издержки.

Целью управления риском уж точно является не минимизация рисков, а их оптимизация так, чтобы риски совпадали с отношением к рискам со стороны конкретного бизнеса или организации. Поскольку стратегии риск-менеджмента связаны с определенными затратами на их внедрение (т.е. страховая премия обычно больше ожидаемых потерь), должно быть и оправдание затрат на снижение риска.

Так, что нужно сделать, чтобы заставить анализ рисков с помощью корпоративных финансов работать на вас? Мы рекомендуем следующие шаги:

• Купить симуляционное ПО (например, Crystal Ball).
• Получить необходимое образование, как проводить точный и надежный анализ риска. Правила счета в анализе риска часто очень сильно отличаются от обычной алгебры, которой учат в школе, так что не думайте, что обладание ПО для анализа риска уже делает вас аналитиком.
• Рассмотрите возможность того, чтобы кто-то, обладающий значительным опытом анализа риска, «держал бы вас за руку», когда вы проводите определенный тип анализа впервые, или когда ставки слишком высоки.

Удачи!

Huybert Groenendaal работает консультантом по анализу рисков Vose Consulting.
David Vose возглавляет Vose Consulting.


Другие статьи по теме:

• Управление рисками
• Лучше приблизительная оценка, но верная, чем точная, но не правильная!
• Что общего имеют все точечные прогнозы? — Они все ошибочны.
• Понимание необходимости риск-менеджмента дошло до российского бизнеса

Источник: Vose Consulting

Версия для печати