Шаг 1. Разработка модели проектаСледует отметить, что наличие модели проекта предполагает любой аналитический метод исследования. При этом, чем полнее модель описывает проект, тем меньше возможности получения точного аналитического решения.Метод Монте-Карло позволяет использовать и требует разработки достаточно точной и сложной модели, описывающей динамику имитируемых процессов с достаточной полнотой и адекватностью. Процесс разработки модели проекта начнем с простейшей модели финансовых потоков, которую мы использовали при анализе чувствительности. Поток денежных средств (ПДС) = [доходы (Д) – затраты (З) – амортизация (А)]´ (1– ставка налога (СНП) + амортизация (А) Доходы (Д) = объем рынка (ОР)´ рыночная доля (РД)´ цена за единицу(ЦЕ). Затраты (З) = (объем рынка (ОР)´ рыночная доля (РД)´ удельные переменные издержки (УПИ) + постоянные затраты (ПЗ). Графическое изображение модели в виде структурной схемы приведено на рис.5.2.
Рис. 5.2. Структурная схема финансовой модели проекта Такой модели проекта было бы достаточно для упрощенного анализа чувствительности, который описан выше. Но для использования метода Монте-Карло необходимо знать, как взаимосвязаны переменные, с учетом их случайных отклонений. Так, например, цена электромобиля, вероятно, будет возрастать с общим ростом инфляции и увеличением объема рынка. При этом темпы роста этих взаимосвязанных переменных могут быть разные. Таким образом, случайные отклонения одной из взаимозависимых величин, вызовет соответствующее отклонение другой. Для представления взаимосвязи переменных, с учетом случайного характера их реализации, необходимо знать вид связывающей их зависимости. Допустим, что связь между ценой единицы продукции и инфляцией линейна с коэффициентом пропорциональности единица, а связь между ценой единицы продукции и объемом рынка линейна с коэффициентом пропорциональности 0,3. Тогда цена одного электромобиля как случайная величина, зависящая от инфляции и объема рынка, будет равна Цена за единицу = ожидаемая цена (ОЦЕ)´ [ 1 + отклонение инфляции (dИ) + 0,3´ отклонение объема рынка (dОР)]. При этом само значение объема рынка тоже записывается как случайная величина. Объем рынка (ОР) = ожидаемый объем рынка (ООР)´ [1 + отклонение объема рынка (dОР)]. Модель, учитывающая соответствующие связи, носит название стохастической модели. Вполне понятно, что для того, чтобы она описывала процессы развития бизнеса, то есть была динамической, следует иметь записанные выше соотношения для каждого временного интервала моделирования. При этом может и должна иметь место связь последующих значений переменных с предыдущими. Кроме того, в процессе управления, модель может учитывать значения переменных, реально полученные на предыдущих интервалах времени. Например, мы можем принять допущение о том, что ожидаемый объем рынка во второй год проекта будет равен фактическому объему рынка первого года плюс случайное отклонение объема второго года.
Объем рынка, год 2 (ОР(2))= ожидаемый объем рынка, год 2 (ООР(2)) × ×[1+отклонение объема рынка, год 2 (dОР(2))] = =фактический объем рынка, год 1 (ОР(1))×; ×[1+отклонение объема рынка, год 2 (dОР(2))] Эта модель будет уже не только динамической и стохастической, но и адаптивной. То есть она будет способна перестраиваться, учитывая прошедшие этапы реализации проекта. Полная модель такого проекта могла бы включать в себя системы уравнений для каждой переменной – объема рынка, рыночной доли, переменных и постоянных издержек. Кроме того, вполне возможно, что пришлось бы учитывать изменения инфляции, налоговых механизмов, механизма амортизации и т.п. Вы уже представляете, что даже при учете взаимосвязи нескольких переменных модель существенно усложняется. И это не всегда плохо, если позволяет вам лучше понять проект.
|
