Применение нечеткой логики для анализа рисков инвестиционных проектов




Скачать 435.09 Kb.
НазваниеПрименение нечеткой логики для анализа рисков инвестиционных проектов
страница1/3
Дата30.08.2012
Размер435.09 Kb.
ТипДокументы
  1   2   3
Фиронова Елена, магистр ГУ ВШЭ. Работа 2006-2007 годов

Применение нечеткой логики для анализа рисков инвестиционных проектов


Тщательная проработка и учет рисков стала неотъемлемой частью и важной составляющей успеха деятельности каждой компании. Однако все чаще компаниям приходится принимать решения в условиях неопределенности, которые могут привести к непредвиденным последствиям и, соответственно, нежелательным исходам и убыткам. Особенно серьезные последствия могут иметь неправильные решения относительно долгосрочных инвестиций, которые обычно подразумеваются при оценке инвестиционных проектов. Поэтому своевременное выявление, а также адекватная и наиболее точная оценка рисков является одной из насущных проблем современного инвестиционного анализа.

К сожалению, существующие на сегодняшний день методы учета и оценки рисков не лишены субъективизма и существенных предпосылок, приводящих к неправильным оценкам риска проектов. Теория нечеткой логики – это новый, динамично развивающийся подход к оценке риска. В последнее время нечеткое моделирование является одной из наиболее активных и перспективных направлений прикладных исследований в области управления и принятия решений.

В данной работе представлены:

Определение риска и неопределенности,

обоснование необходимости применения новых подходов к анализу риска,

краткое описание метода нечеткой логики,

примеры применения нечеткой логики


Необходимо разделять понятия «риск» и «неопределенность».


Неопределенность:


  • ситуация, при которой возможны многие исходы, но при которых результаты действий не являются детерминированными, т.е. их вероятности неизвестны. (Франк Найт)


Риск:


  • ситуация, в которой существует конечное число исходов при известных вероятностях для каждого из них (Ф. Найт)




  • возможность появления обстоятельств, обусловливающих неуверенность или невозможность получения ожидаемых результатов от реализации поставленной цели; (www.glossary.ru)




  • вероятность потерь, или вероятность получить результат, отличный от ожидаемого; (wikipedia.org)



Итак, риск – это субъективная оценка объективной неопределенности. Если неопределенность – неустранимое качество рыночной среды, то риск – это численная характеристика возможности потерь.


Риск инвестиционного проекта:


  • возможность отклонения будущих денежных потоков по проекту от ожидаемого потока, обусловленная как внешними (законодательство, реакция рынка на выпускаемую продукцию, действия конкурентов), так и внутренними факторами (компетентность персонала фирмы, ошибочность определения характеристик проекта), возникающими вследствие неполноты и асимметрии информации.




  1. Основные методы учета рисков при анализе инвестиционных проектов.


Качественный анализ


Цель методов:

выявление конкретных видов риска проекта, которые оказывают влияние на формирование потока наличности, а также возможных причин их возникновения.


Методы:

Экспертных оценок, аналогий.

«+»:

  • Наглядность результатов;

  • Выявленные риски могут быть использованы для получения рекомендаций по их минимизации.

«-»:

  • нет числовой оценки рисков


Количественный анализ

Цель методов:

присвоить рискам определенную количественную характеристику, показать, как какие численные последствия для проекта повлекут те или иные риски.

Мера риска:

дисперсия, стандартное отклонение, коэффициент вариации ежегодного денежного потока инвестиционного проекта и др.


    1. Анализ чувствительности


Цель:

определение чувствительности критерия при «последовательно-единичном» изменении каждой переменной.

«+»:

  • простота в применении;

  • наглядность результатов

«-»:

  • допущение изменения только одного из факторов, в то время как остальные считаются неизменными.




    1. Сценарный анализ.


Цель:

определения риска неэффективности проекта как сумма вероятностей отрицательных значений NPV проекта.


«+»:

  • простота в применении;

  • наглядность результатов

«-»:

  • субъективизм в присвоении вероятностей каждому из рассматриваемых сценариев;

  • не охватывает все возможные варианты и сценарии развития проекта.




    1. Имитационное моделирование. (Метод Монте-Карло)


Цель:

множеством итераций получить распределение доходности проекта, т.е. множество значений NPV, для которых рассчитывается среднее, а также величина риска.

«+»:

  • Дает более точную и четкую оценку рискам проекта

  • удачно сочетается с другими экономико-статистическими методами, а также с теорией игр и другими методами исследования операций [6]

«-»:

  • базируется на серьезных допущениях:

    1. взаимонезависимость переменных (их некоррелированность)

    2. нормальное распределение

  • сложность и громоздкость вычислений




  1. Теория Нечеткой Логики (FUZZY LOGIC)


Теория нечеткой логики (или теория нечетких множеств, или Fuzzy Logic) – новый подход к описанию бизнес-процессов, в которых присутствует неопределенность, затрудняющая и даже исключающая применение точных количественных методов и подходов.


Начало:

Теория нечетких множеств (fuzzy sets theory) ведет свое начало с 1965г., когда профессор Лотфи Заде (Lotfi Zadeh) из университета Беркли опубликовал основополагающую работу “Fuzzy Sets” в журнале “Information and Control”.


Основные этапы формирования:


  1. этап формирования основных теоретических постулатов (1965 – начало 80-х гг.);

    • Zadeh L.A. (1965, 1973)

    • Dubois D., Prade H. (1979, 1980) – операции над нечеткими числами

  2. этап практических разработок в различных областях жизни, основанных на нечеткой логике; рождение нового научного направления в рамках нечеткой логики «Fuzzy Economics» (1973 – начало 90-х гг.);

    • Buckley, J. (1987,1992) - «Решение нечетких уравнений в экономике и финансах» и «Нечеткая математика в финансах» [16]

    • Kosko, Bart. (1993) - доказана основополагающая FAT-теорема (Fuzzy Approximation Theorem), подтвердившая полноту нечеткой логики

    • И многие другие

  3. этап массового использования продукции, в основе работы которых лежит нечеткая логика (1995 – наше время).

    • 48 японских компаний образовали совместную лабораторию LIFE (Laboratory for International Fuzzy Engineering – Международная лаборатория разработок, основанных на нечеткой логике)

  4. огромный вклад в развитие направления Fuzzy Logic в России в последние годы:

    • Недосекин А.О., Воронов К.И., Максимов О.Б., Павлов Г.С., Фролов С.Н. [11]


Основное отличие метода:

Введение лингвистических переменных (субъективных категорий)


Лингвистические переменные – переменные, которые нельзя описать с помощью математического языка, т.е. им сложно придать точную (объективную) количественную оценку. Например, понятия «малый» и «средний» (говоря о бизнесе), «высокая» или «низкая» (о процентной ставке) не имеют четкой границы и не могут быть представлены точным математическим описанием.

Согласно Л. Заде, лингвистической переменной называется такая переменная, значениями которой являются слова или предложения естественного языка.

В литературе нечетких множеств лингвистические переменные также называют терм-множествами (от англ. term – называть). [14]


Пример 1

Часто, для получения интегральной оценки риска недостаточно только значений изменения цены, спроса и других количественных переменных. Необходимо также учитывать и многие качественные переменные, как например, сила конкурентов, грамотность менеджмента, погодные условия (особо актуально для строительных проектов). Так, для получения численной оценки лингвистической переменной «условия для проведения строительных работ» зададим интервал значений оценки от 0 до 10, где 0 – самые суровые условия, мешающие процессу проведения работ. На основе здравого смысла и экспертных оценках, можно утверждать, что если работы планируется вести в жилой зоне (где повешенные риски) и в условиях отсутствия подготовительных работ, то ее оценка будет колебаться от 0 до 3 баллов, что будет означать суровые условия строительных работ. Если же строить здание планируется на уже подготовленной к работе площадке, в условиях сухой местности и вдали от жилых домов, то оценки переменной будут принимать значения от 7 до 10 баллов, что означает благоприятные условия строительных работ. Переменная примет значения в интервале от 3 до 7 баллов, если погодным условиям будут присущи как способствующие, так и препятствующие строительству характеристики. Данные баллы присваиваются либо оценщиками, либо группой экспертов, непосредственно привлекаемых к процессу анализа инвестиционного проекта.


Пример 2


Еще одним примером оценки лингвистической переменной может служить нечеткость границы переменной «низкая процентная ставка». Какая ставка процента по кредиту считается низкой? Ответ на этот вопрос может искаться путем его постановки для множества экспертов. Так, основываясь на здравой логике, могут быть получены ответы, например, что ставка по кредиту менее 7% - низкая, от 8 до 15% - средняя, а от 16 и выше - высокая. Следовательно, границы между этими представлениями – нечеткие, размытые, и понятие «низкая стоимость кредита» является субъективной оценкой.[26]


Основной инструмент метода:

функция принадлежности


Функция принадлежности - инструмент перевода лингвистических переменных на математический язык для дальнейшего применения метода нечетких множеств.

Функцией принадлежности является некая математическая функция, задающая степень или уверенность, с которой элементы некоторого множества принадлежат заданному нечеткому множеству А. Чем больше аргумент x соответствует нечеткому множеству А, тем больше значение , т.е. тем ближе значение аргумента к 1.

Основанием для построения функции принадлежности могут служить экспертные оценки.


Пример 3 (продолжение примера 2)





Рис.1. Функция принадлежности для переменной «высокая ставка процента».

На рисунке 1 изображена функция принадлежности для переменной «высокая ставка процента», где по оси Х располагаются значения ставки процента, а по оси У – значения функции принадлежности для терм-множества «высокий процент». Поскольку значения от 16% и выше были признаны экспертами как высокая ставка процента, то функция принадлежности принимает значение 1, что соответствует истинности принадлежности процента терм-множеству «высокий процент». При значениях процента от 0 до 7% (т.е. низкая ставка процента) значение функции принадлежности равно нулю. В промежутке от 7 до 16% функция принадлежности монотонно возрастает, тем самым, повышая достоверность высказывания при приближении значений процента к 16%.


Виды функций принадлежности.


Основные виды функций принадлежности:


  • треугольные,

  • трапециевидные,

  • кусочно-линейные,

  • распределения Гаусса,

  • сигмоидные.



Методы построения функций принадлежности.


Выделяют две группы методов построения по экспертным оценкам функций принадлежности нечеткого множества : прямые и косвенные методы [3].

Прямые методы характеризуются тем, что эксперт непосредственно задает правила определения значений функции принадлежности , характеризующей элемент х. Примерами прямых методов являются непосредственное задание функции принадлежности таблицей, графиком или формулой. Недостатком этой группы методов является большая доля субъективизма.

В косвенных методах значения функции принадлежности выбираются таким образом, чтобы удовлетворить заранее сформулированным условиям. Экспертная информация является только исходной информацией для дальнейшей обработки. К группе данных методов можно отнести такие методики построения функций принадлежности, как построение функций принадлежности на основе парных сравнений, с использованием статистических данных, на основе ранговых оценок и т.д.


Предпосылки для анализа с помощью метода нечеткой логики.


Поскольку теория нечетких множеств – отдельный раздел математики, то он базируется на своих предпосылках.

В работе Л. Заде и Р. Беллмана указаны основные свойства, которыми должны обладать нечеткие множества:

    1. Нормальность.

    2. Унимодальность.

    3. Выпуклость.




  1   2   3

Похожие:

Применение нечеткой логики для анализа рисков инвестиционных проектов iconПравительство удмуртской республики
Утвердить прилагаемое Положение о порядке отбора заявок на реализацию инвестиционных проектов, представляемых коммерческими организациями...
Применение нечеткой логики для анализа рисков инвестиционных проектов iconДокументация об аукционе по проведению открытого аукциона на право заключения договоров на предоставление неисключительных прав на использование программного
Лот №4 – Программное обеспечение для статистического анализа и анализа инвестиционных проектов
Применение нечеткой логики для анализа рисков инвестиционных проектов iconОтчет о выполнении ниокр по теме: «Разработка комбинированных методов управления для повышения эффективности работы вращающейся печи»
Этап № «Создание нечеткой модели управления печью на основе теории нечеткой логики с использованием экспериментальных и статистических...
Применение нечеткой логики для анализа рисков инвестиционных проектов iconИсследование «Организация анализа, оценки и экспертизы инвестиционных проектов в крупных компаниях»
«Организация анализа, оценки и экспертизы инвестиционных проектов в крупных компаниях»
Применение нечеткой логики для анализа рисков инвестиционных проектов iconНечеткие гибридные системы в задачах интеллектуального анализа данных
В статье предложен гибридный алгоритм нечеткой кластеризации и способ использования нечеткой нейронной сети в качестве dm для нечетких...
Применение нечеткой логики для анализа рисков инвестиционных проектов iconОценка эффективности инвестиционных проектов Учебное пособие
Обращено внимание на необходимость правильного учета факторов неопре- деленности и риска. Предложены способы определения денежных...
Применение нечеткой логики для анализа рисков инвестиционных проектов icon1. Методы финансирования инвестиционных проектов Значение инвестиций в современной экономике. Определение инвестиций. Безопасность и защита инвестиций. Развитие аналитических и информационных центров по изучению характеристик ин
Целью дисциплины является формирование у слушателей необходимого объема знаний, практических навыков для проведения работ по иностранным...
Применение нечеткой логики для анализа рисков инвестиционных проектов iconThe Hot Summer of 2010 Точки роста – от комплексных инвестиционных проектов Денис Георгиевич Травин
Денис Георгиевич Травин – директор Департамента инвестиционных проектов Министерства регионального развития Российской Федерации,...
Применение нечеткой логики для анализа рисков инвестиционных проектов iconРазработка и исследование системы автоматического управления технологическим процессом химводоочистки на теплоэлектроцентрали с использованием аппарата нечеткой логики
Охватывает все возможные виды возмущений возникающие в процессе работы блока фильтров, однако позволяет дать качественную оценку...
Применение нечеткой логики для анализа рисков инвестиционных проектов iconПрименение адаптивной нейро-нечёткой системы для моделирования рейтинговой оценки знаний

Разместите кнопку на своём сайте:
Библиотека


База данных защищена авторским правом ©lib.znate.ru 2014
обратиться к администрации
Библиотека
Главная страница