В чем суть метода Монте-Карло?

Методы анализа риска при помощи имитационного моделирования позволяют снять некоторые недостатки сценарного анализа. Наиболее известным методом оценки риска на основе имитационного моделирования является метод Монте-Карло, получивший свое развитие из математических работ по теории игр. Этот метод объединяет и углубляет предыдущие два подхода.

Этапы имитационного моделирования обычно имеют следующий вид:

• 1) определение распределения вероятностей каждой переменной;
• 2) случайная выборка комбинаций переменных, предполагает использование компьютерных программ;
• 3) отобранные комбинации вместе с рядом постоянных факторов (ставкой налогов, амортизационных начислений и т. д.) используются в модели для определения NPV.

Этапы 2 и 3 повторяются многократно, например 500 или 1000 раз. В результате получаем распределение 500 или 1000 NPV. Обычно это позволяет выделить ее наиболее вероятное значение, сделать выводы, например, такого рода: с вероятностью 80% NPVбудет не ниже (…).

Преимуществом моделирования является то, что оно дает широкий диапазон вероятных результатов, а не несколько дискретных оценок В то же время вероятность иногда можно определить достаточно точно: например, открытие 101-го ресторана, если 100 ресторанов этой сети функционируют успешно.

NPV, как в предыдущем методе. Приведем пример анализа, но методу Монте-Карло.

ПРИМЕР 20.6

Пусть ожидаемая цена товара — 3 долл., и установлено, что стандартное отклонение, а = 0,35. Что позволяет выявить анализ по методу Монте-Карло?

Исходная информация позволяет сделать вывод, что с вероятностью 68% цена товара не выйдет из интервала (2,65—3,35); с вероятностью 95% цена не выйдет за пределы 2а и будет находиться в интервале (2,3—3,7). Вероятность того, что цена выйдет за пределы За и будет либо меньше 1,95, либо больше 4,05, составляет менее 1 %

Несмотря на определенные преимущества метода Монте-Карло, в анализе бизнес-рисков он применяется нечасто. Основные причины — его трудоемкость, сложность выявления всех взаимосвязей, корреляции переменных, некоторая субъективность оценок. Кроме того, как и в предыдущих случаях, не формируется точный механизм принятия решений. Таким образом, метод Монте-Карло — более тщательный анализ, но четкого критерия для принятия решения он также не дает.

В теории известны и другие методы имитационного моделирования, позволяющие рассматривать присущие проектам или портфелям проектов риски, однако они страдают теми же недостатками, что и метод Монте-Карло: не дают полностью объективной оценки, имеют свои специфические недостатки. Однако все они помогают аналитику систематизировать представление о проектном риске и его влиянии на возможную отдачу от проекта.

Отметим, что бытует мнение: анализ рисков имеет смысл проводить лишь на основе сложных математических моделей, включающих как можно больше факторов. Однако рассмотренный выше материал дает основание полагать, что во многих случаях можно ограничиться и анализом чувствительности, который даст информацию об интервалах выживания проекта по каждой переменной. Чтобы избежать неоправданного усложнения моделей, аналитики даже сформулировали шутливый принцип KISS (keep it simple, stupid), который можно в данном контексте перевести как «не усложняй, простофиля».