3.3 Оценка рисков и моделирование сценариев.

В представленной ниже таблице приведены наиболее вероятные риски. Каждому риску присвоен весовой коэффициент и вероятность наступления, оцененная экспертным путем.

Таблица 3.3

Экспертная оценка рисков.

№	Риск	Весовой коэффициент	Вероятность наступления события. %
1	Экономический спад	0,1	3
2	Ужесточение конкуренции, появление новых конкурентов.	0,05	4
3	Негативные политически мотивированные действия.	0,07	4
4	Изменение рыночной стоимости инвестиций	0,15	8
5	Замедление темпов роста инфраструктуры интернета.	0,1	3
6	Потеря лицензий или невозможность получения новых лицензий.	0,01	2
7	Сокращение расходов клиентов на рекламу.	0,15	3
8	Потеря ключевого персонала.	0,01	5
9	Повышение ставки налогов.	0,01	7
10	Снижение спроса на деловую/иную информацию и сервисы.	0,05	13
11	Снижение медиарейтингов.	0,1	10
12	Повышение зарплаты сотрудников.	0,1	18
13	Понижение доходов клиентов.	0,1	15
	Итого:	1	100,00%

Особое внимание следует уделить рискам 10,12, 13 которые ведут к снижению объема продаж, повышению зарплаты и расходов.

Теперь проведем анализ устойчивости проекта к существующим рискам. Для того, чтобы провести риск-анализ методом Монте-Карло, необходимо выяснить, при изменении каких параметров проекта получается наибольшее изменение чистого приведенного дохода.

Для этого используется «Анализ чувствительности» (рис.20). Здесь есть возможность варьировать интересующие нас переменные и построить график чувствительности NPV при изменении выбранных параметров.

Исследуем влияние переменной x1 на NPV. При этом, считаем что значение остальных переменных принимают фиксированные значения базового варианта ИП (формула (1) [7]).

Где -переменная, - фиксированное значение переменной .

Переменная может принимать следующие значения: где m – число возможных значений . Для каждого отдельного значения рассчитываем NPV по формуле (2)[16].

Получаем набор значений NPV, который соответствует набору значений переменной (формула 3 [7]).

По аналогичной схеме исследуем влияние на NPV. Получаем матрицу значений NPV [7]

В данном проекте рассматривались такие параметры проекта, как ставки налогов, повышение зарплаты сотрудникам, объем сбыта, цена сбыта, прямые понижение доходов клиентов, общие издержки, заработная плата персонала. В соответствии с этими параметрами на рис. 3.2 приведены результаты анализа чувствительности проекта.

Рис.3.2б Анализ чувствительности.

Рис.3.2б Анализ чувствительности.

По полученному графику можно сказать, что чистый приведенный доход (NPV) наиболее выражено зависит от четырех величин: объем сбыта, цена сбыта и зарплата персонала.

После того, как с помощью анализа чувствительности были определены наиболее влияющие на устойчивость проекта параметры, мы можем оценить риск с помощью метода Монте-Карло.

Получившийся в результате метод – это совмещенный метод анализа чувствительности и анализ сценариев, представляет собой выделения параметров и варьирование их в установленных пределах случайным образом. Во время каждого розыгрыша переменная выбирается случайным образом в соответствие с типом распределения и границах заданного диапазона[7].

Каждый розыгрыш происходит с вероятностью: P=100/N, (где N-размер выборки).

Вероятность наступления события есть количество розыгрышей с получением анализируемого результата умножить на вероятность одного розыгрыша. При анализе инвестиционных проектов наиболее часто рассчитывается вероятность получения отрицательного значения NPV.

Промоделировав подобным образом оба сценария, получим:

Таблица 3.4

Результаты моделирования фокусированной диверсификации.

Сценарий	NPV	Аудитория, млн чел.
Оптимистичный сценарий	5851,13	55,7
Обычный сценарий	4561,2	42,21
Пессимистичный сценарий	3385,1	32,57

Таблица 3.5

Результаты стратегического союза.

Сценарий	NPV	Аудитория, млн чел.
Оптимистичный сценарий	5680,64	81,9
Обычный сценарий	3805714	61,79
Пессимистичный сценарий	1294,31	41,68

Рис.3.3 Сравнительные иаграммы роста EBITDA

Рис.3.4 Сравнительные диаграммы роста NPV.

Рис.3.5 Сравнительные диаграммы роста аудитории.

Исходя из приведенных выше результатов моделирования, можно сделать вывод, что стратегический союз является более предпочтительным для ОАО “РБК”.

Таким образом, экспертным методом было определено, что наиболее опасными рисками, которые ведут к снижению объема продаж, повышению зарплаты и расходов на сценарии стратегического союза и фокусированной диверсификации, снижению конкурентоспособности РБК, являются:

• Нестабильность экономики;

• Замедление темпов роста инфраструктуры интернета;

• Снижение медиарейтингов РБК;

• Потеря ключевого персонала

• Понижение доходов клиентов.

• Повышение ставки налогов

В результате анализ чувствительности было получено, что чистый приведенный доход наиболее выражено зависит от четырех величин: объема сбыта, цены сбыта, налогов и зарплаты персонала.

С помощью метода Монте–Карло были смоделированы сценарии стратегического союза и центрированной диверсификации. При этом получено, что в данный момент стратегический союз выгоднее стратегии фокусированной диверсификации, потому что:

• Результирующий NPV больше;

• Результирующая EBITDA больше;

• Результирующая аудитория значительно больше.