1. Метод, основанный на кра:
а) выбрать результативный показатель, по которому будем судить об успехе проекта;
б) выбираем факторный (ые) показатели, т.е. те, кот. В наибольшей степени влияют на результативный показатель. Факторные показатели удобно классифицировать на внешние и внутренние (внутренние инвестор может регулировать, внешн – нет);
в) построение модели зависимости. При построении модели желательно не ограничиваться 1 уравнением, а проанализировать и др. варианты.
г) определяются со временем, в теч. которого будут учтены факторные показатели, за которые изучаемые факторы не имеют побочных явлений. Из ряда показателей желательно исключить те, которые были вызваны нестандартными событиями;
д) по выбранной модели определяется степень зависимости результативного показателя от факторного (ых) показателя;
е) прогнозирование результативных показателей в интересующие инвестиционные периоды времени и при различных значениях факторных показателей;
ж) оценить Р выбранных факторных значений;
з) выводы.
2. Дерево решений. Необходимо рассмотреть все возможные варианты событий, кот. могут повлиять на инвестиционную ситуацию и оценить Р каждого события и результаты, которые будут, если событие произойдет: Кр=Результативность і*Рі, Кр – коэффициент рисков
3. Метод на основе математических показателей, среди которых наиболее распространенным – среднее квадратичное отклонение, коэффициент вариации, β – коэффициент
Σn
t=1
(Eср-Et)2 σ
(h-1)
|
h – кол-во рассмотренных периодов t – номер периода Eср-среднее арифметическое за изуч. период Et- знач. в каждый период, например, доход по инвест. проекта за период |
Коэффициент вариации удобен, если необходимо оценить уровень риска, если показатели среднепрогнозируемых доходов слишком разные по периодам
Кв= σ/ Eср
β = Pσs/σm Этот коэффициент помогает уменьшить риск отдельного инвест. проекта или инструмента по отнодению по отношению к степени риска всего R, где есть прибыль.
Р- корреляция (дох. Или др. результативных показателей, индивид. проекта или инструмента и ср. дохода по R, на который инструмент действует.
σs – среднее квадратичное отклонение доходности проекта или инструмента
σm – среднее квадратичное отклонение доходности на R ( в общем)
β >=1, то проект рискованный
Более подробная информация http://ej.kubagro.ru/2006/03/07/ в том числе и данный метод
Статистический метод. Расчет среднего ожидаемого значения осуществляется по формуле средней арифметической взвешенной:
,
где
–
среднее ожидаемое значение;
–
ожидаемое значение для каждого случая;
–
число случаев наблюдения (частота).
Для принятия окончательного решения необходимо определить меру колеблемости (оклонения от среднего) возможного результата. Для ее оценки обычно применяют два близко связанных критерия – дисперсию и среднее квадратичное отклонение.
Дисперсия - средневзвешенное значение квадратов отклонений действительных результатов от средних ожидаемых:
.
Среднее квадратичное отклонение определяется по формуле:
.
Среднее квадратичное отклонение является именованной величиной и указывается в тех же единицах, в каких измеряется варьирующий признак. Дисперсия и среднее квадратичное отклонение являются мерами абсолютной колеблемости.
Для анализа результатов и затрат, предусматриваемых инвестиционным проектом, как правило, используют коэффициент вариации. Он представляет собой отношение среднего квадратичного отклонения к средней арифметической и показывает степень отклонения полученных значений:
(в
процентах).
Коэффициент может изменяться от 0 до 100 %. Чем больше коэффициент, тем сильнее колеблемость. Принята следующая качественная оценка различных значений коэффициента вариации: до 10 % – слабая колеблемость, 10–25 % – умеренная, свыше 25 % – высокая.
При одинаковых значениях уровня ожидаемого дохода более надежными являются вложения, которые характеризуются меньшим значением среднеквадратического отклонения, показывающего колеблемость вероятности получения ожидаемого дохода (вариацию доходности).
Анализ рисков с использованием метода имитационного моделирования (метода Монте-Карло) представляет собой соединение методов анализа чувствительности и анализа сценариев на базе теории вероятности
Имитационное моделирование строится по следующей схеме:
формулируются параметры (факторы), влияющие на денежные потоки проекта;
строится вероятностное распределение по каждому параметру (фактору);
Можно почитать книгу по фондов. Рынку http://literus.narod.ru/Bussines/Fond/index.htm http://ej.kubagro.ru/2006/03/07/
В мировой практике финансового менеджмента используются различные методы анализа рисков инвестиционных проектов (ИП). К наиболее распространенным из них следует отнести:
метод корректировки нормы дисконта;
метод достоверных эквивалентов (коэффициентов достоверности);
анализ чувствительности критериев эффективности (чистый дисконтированный доход (NPV), внутренняя норма доходности (IRR) и др.);
метод сценариев;
анализ вероятностных распределений потоков платежей;
деревья решений;
метод Монте-Карло (имитационное моделирование) и др.