Ценность дополнительной информации

Самое время задать себе вопрос о том, как получены эти прогнозы, и стоит ли тратить деньги на их уточнение, прежде чем расстаться со 150 млн. дол. инвестиций.

Прежде всего, следует подумать о возможной степени достоверности представленных прогнозов наиболее значимых переменных. Как мы уже отмечали, таких переменных две. Неопределенность в прогнозе рыночной доли вполне понятна – сколь-нибудь массовой продажи электромобилей еще никогда не было и прогноз доли рынка – это, в значительной степени «гадание на кофейной гуще». Большая же неопределенность в прогнозе удельных затрат на производство электромобилей настораживает. Эти затраты определяются технологией и ценами на прямые издержки. Ретроспективная информация по динамике цен на элементы прямых издержек наверняка есть, а технология разрабатывается специалистами фирмы, что позволяет достаточно точно определить связанные с ней затраты.

Стало быть, в части уточнения прогнозов, следует, прежде всего, поинтересоваться у технологов причиной большого разброса оценок удельных затрат. Предположим, что на наш запрос нам сообщили, что пессимистический прогноз удельных переменных издержек включает опасения производственного отдела, что отдельные виды оборудования новой технологии не будут работать, как задумано. При этом придется использовать другую технологию производства, которая дополнительно увеличит издержки на единицу продукции на 200 дол., относительно ожидаемых.

Вероятность того, что это действительно произойдет, оценивается примерно в 10%, но если это произойдет, то посленалоговый поток денежных средств от операционной деятельности снизится на 10 млн. дол. в год, и чистая приведенная стоимость проекта станет отрицательной и равной – 27, 4 млн. дол.

Предположим далее, что для того, чтобы быть уверенным, что оборудование будет работать как надо, и новая технология будет реализована, необходимо провести его предварительное опробование в виде производства мелкой серии электромобилей, что обойдется в 1млн. дол.

Как вы думаете, следует ли потратить 1 млн. дол., чтобы предохранить себя от возможных, с вероятностью 10%, потерь 27,4 млн. дол.?

Для ответа на этот вопрос следует, как-нибудь количественно оценить эти 10% вероятности. В чем тут дело? Дело в том, что наверняка найдутся «оптимисты», который скажут, что 10% – это маловероятно, и обращать на это внимание не следует. Вывод «оптимиста» – «обойдемся без экспериментов», наверняка не понравится пессимистам, которые скажут, что 10% – это много. Думаю, вспомнив о цифрах возможных потерь, мы с вами придем к выводу пессимистов. Ведь, переводя на более понятный для нас язык и масштабы, у нас просят 1000 рублей, чтобы уберечься от возможных потерь в 27,4 тысячи, вероятность которых 10%.

Для того чтобы усилить ваши колебания, допустим, что вероятность потерь составляет не 10%, а 0,1%. То есть в 999 случаях из 1000, вы получите выигрыш в 34 тыс. рублей, и только в одном – проиграете 27,4 тысячи. При этом, за то чтобы узнать проиграете вы или выиграете, с вас запрашивают дополнительно 1000 руб. Уверен, что если бы у нас, или где-либо на свете, были казино с такой вероятностью выигрыша, то стояла бы бесконечная очередь из желающих заплатить 1000 рублей, а то и долларов, просто за возможность поиграть, безо всякой дополнительной информации! Ведь сыграв тысячу раз, вы, вероятнее всего, выиграете 34 тыс. руб.×999 – 27,4 тыс. руб.×1 = 33939,6 тыс. рублей. Эту же сумму можно записать и по-другому. Наиболее вероятный ожидаемый выигрыш составит

34 тыс. руб.×1000 – 34 тыс. руб. – 27,4 тыс. руб. =

= 34 млн. руб. – 61,4 тыс. руб. (*)

Тогда средний выигрыш на одну игру составит 33,940 тыс. рублей, или

34 тыс. руб. – 0,001×61, 4 тыс. руб.

Приведенные рассуждения показывают нам, как количественно учесть вероятность риска проиграть. Нужно посчитать эффект от проекта как разность выигрыша и взвешенного по вероятности полного проигрыша (с учетом недополученного выигрыша).

Для нашего электромобильного примера это будет следующая величина:

NPV_ЭКВ = 34 млн. дол.– 0,1×61,4 млн. дол. =

= 34 млн. дол. – 6,14 млн. дол. = 27, 86 млн. дол. [22]

То есть, средневзвешенный выигрыш, с учетом возможных потерь, составит 27,86 млн. дол. вместо 34 млн. дол. Иначе говоря, играя в такую игру, мы все равно выиграем. При этом наличие вероятности проигрыша и так снижает наш выигрыш. Так стоит ли тратить еще 1 млн. на эксперимент?

Давайте теперь, проведем анализ «другого конца». С учетом взвешивания по вероятности, мы можем потерять 0,1×27,4 млн. дол. = 2,74 млн. дол. И чтобы предотвратить эти потери нам предлагают заплатить «всего» 1 млн. дол. Стоит ли заплатить 1 млн., чтобы не потерять 2,74 млн.? По всей видимости, стоит. Вот если бы вероятность неудачи проекта была равна не 10, а 1%, тогда, конечно, можно было бы и не экспериментировать, поскольку взвешенные потери были бы «всего» 279 тыс. дол., а заплатить за их предотвращение пришлось бы целый миллион.

Так что же, взвешенные по вероятности оценки позволяют получить ответ о целесообразности или нецелесообразности дополнительных затрат для получения дополнительной информации?

Здесь уместно вспомнить известную шутку о том, что есть ложь, есть наглая ложь, и есть статистика. В данном случае, неосмысленное использование статистики – хуже, чем наглая ложь.

Дело в том, что рассматриваемые взвешенные оценки соответствуют реальности лишь в случае многократной реализации проекта. Только в этом случае ожидаемые средние выигрыши и проигрыши будут соответствовать полученным взвешенным оценкам. Реально же проект реализуется всего один раз. При этом, в случае неудачи, убыток будет составлять 27,4 млн. дол., вне зависимости от вероятности неудачи! Другое дело, что, при меньшей вероятности неудачи, возможность получить убыток вместо эффекта будет меньше.

Поэтому, при принятии решений о затратах на дополнительную информацию, о проекте, следует использовать и дополнительную информацию об его окружении. Так, представим себе, что проектом «Драндулет» занимается богатый инвестор, вкладывающий свои деньги в достаточно большое количество других проектов. Тогда, проигрыш в одном проекте будет компенсироваться выигрышами в других.

В этой ситуации взвешенные оценки можно использовать почти впрямую, поскольку множественность инвестиционных проектов усредняет их результаты. В ситуации же когда инвестор вкладывает в проект последние деньги, и, в случае неудачи, его ждет разорение, склонность к риску явно меньше, и тут уже может быть следует заплатить за дополнительную информацию и исключить саму возможность убытков.

Что же касается конкретных цифр рассматриваемого примера, то, думается, что при 10% вероятности убытков в 27,4 млн. дол., можно заплатить 1 млн. для того, чтобы исключить эти потери.

Представим себе, что, затратив на эксперимент 1 млн. дол., мы получим отрицательный результат. Тогда наиболее вероятным исходом проекта будут экономические убытки в 24,7 млн. дол. Конечно, в этих условиях от проекта следует отказаться и сохранить 150 млн. дол. инвестиционных ресурсов. Более того, в случае ограниченности средств и несклонности к риску, может быть следует провести эксперимент и при вероятности неудачного исхода в 1%, –где гарантия, что эта оценка правильная.

Таким образом, несмотря на то, что проведенный анализ не освобождает нас от ответственности за результаты принимаемых решений, метод анализа чувствительности помогает нам лучше понять проект и принять более осознанные и профессиональные решения.