Дипломная работа: Управление рисками инвестиционных проектов в пищевой промышленности

Приведенный выше график 2.1.1. наглядно демонстрирует, что диапазон колебаний цен на пшеницу в 2001 – 2002 гг. составлял от 1600 до 3000 рублей за тонну. С другой стороны, как видно из характеристик инвестиционного проекта расширения производства путем приобретения мельницы, приведенного в Приложении 7, за тот же период цены на муку также менялись в значительном диапазоне (4500 – 2500 рублей за тонну); при этом данные колебания не совпадали по времени. Анализ денежных потоков рассмотренного проекта показывает, что эти факторы (т.е. составные части рыночного риска) имели определяющее влияние на показатели эффективности инвестиций.

На основании полученных результатов анализа цен автор сделал вывод о том, что рыночный риск оказывает крайне высокое воздействие на инвестиционные проекты, осуществляемые предприятиями пищевой промышленности. При этом действие данного риска проявляется на стадии реализации проекта.

Основными источниками финансового риска являются недоступность необходимых финансовых ресурсов, инфляция, динамика процентных ставок и валютного курса.

Как было отмечено в параграфе 1.1., предприятия пищевой промышленности испытывают значительный недостаток собственных средств для финансирования инвестиций, что определяет возрастание потребности осуществлении заимствований.

Инвестиционные проекты, реализуемые предприятиями отрасли, имеют срок окупаемости, равный нескольким годам. До последнего времени российские коммерческие банки практически не предоставляли кредиты на срок более 1 года. В частности, в Центрально-Черноземном районе возможность выдавать 5-летние кредиты имеет только Сбербанк России [99].

Вместе с тем, объем банковского кредитования АПК и предприятий пищевой промышленности неуклонно возрастает. Так, по состоянию на июнь 2002 года около 50% ресурсов Центрально-Черноземного банка Сбербанка России сосредоточено в агропромышленном комплексе [99]. Коммерческие банки также расширяют объемы операций с пищевыми предприятиями. Особенность среднесрочного и долгосрочного кредитования ими инвестиционных проектов состоит в том, что средства предоставляются преимущественно в иностранной валюте (чаще всего в долларах США или в евро) на условиях плавающей процентной ставки. Так, один из московских банков выделил среднесрочный кредит региональной компании, занимающейся производством подсолнечного масла, в долларах США по ставке, на несколько процентных пунктов превышающей ставку LIBOR. На аналогичных условиях предоставляются займы международными финансовыми организациями (Международным банком реконструкции и развития, Европейским банком реконструкции и развития и др.).

Следует отметить, что инвестиции, осуществляемые за счет собственных средств, также могут быть подвержены действию валютного риска. Так, в 2002 году компания «Вимм-Билль-Дан» вложила средства в приобретение расположенного в Санкт-Петербурге молочного завода «Роско» проектной мощностью 500 тонн в сутки за 11,7 млн. долларов США [46].

Указанные выше особенности финансирования инвестиционных проектов, реализуемых российскими предприятиями пищевой промышленности, позволили автору сделать вывод о высокой подверженности этих проектов финансовому риску.

Остальные виды риска, а именно законодательный и правовой риск, экологический риск и риск воздействия обстоятельств непреодолимой силы характерны для всех отраслей экономики, хотя и имеют определенную специфику применительно к пищевым предприятиям. Так, негативное воздействие на ресурсную базу предприятий пищевой промышленности оказывает сохраняющаяся неопределенность в отношении законодательного регулирования оборота земель сельскохозяйственного назначения (другие отрасли экономики испытывают воздействие этого риска в значительно меньшей степени). Среди форс-мажорных обстоятельств наибольшее воздействие на деятельность пищевых предприятий оказывают засухи, ливни и наводнения, влияющие на урожай сельскохозяйственных культур. Напротив, воздействие таких обстоятельств, как оползни, лавины и т.п. минимально.

В обобщенном виде предложенная автором классификация рисков по источникам их возникновения проиллюстрирована схемой 2.1.1.

Обобщив сделанные выше выводы, автор пришел к заключению, что в современных условиях важнейшими рисками проектов, реализуемых российскими предприятиями пищевой промышленности, являются:

·Изменение цен на производимую в рамках проекта продукцию;

·Изменение цен на сырье, используемое в рамках проекта для производства продукции;

·Динамика валютного курса;

·Динамика процентных ставок.

В литературе данные риски принято называть рисками экономического окружения [132]. Выше было отмечено, что их характерная особенность состоит в крайне высокой изменчивости существенных характеристик. Кроме того, указанные факторы подвержены влиянию государственного регулирования. Так, в августе 2002 года Правительство РФ приняло решение об осуществлении торговых закупок в качестве меры по организации зернового рынка [76]. Контроль динамики валютного курса и процентных ставок является составной частью денежно-кредитной политики, осуществляемой Центральным банком РФ. В этой связи автор пришел к заключению, что другая особенность рисков экономического окружения состоит в тесной взаимосвязи с другими видами рисков, и в первую очередь с политическими рисками.

Схема 2.1.1.

Классификация рисков инвестиционных проектов по источникам их возникновения

С учетом тенденций развития российской экономики в целом и пищевой промышленности в частности (распространение биржевой торговли, секьюритизация заимствований, либерализация валютного законодательства, государственные интервенции на рынке зерна и др.) данная группа рисков приобретает ключевое значение в прогнозировании и разработке механизмов защиты от неблагоприятных последствий при реализации инвестиционных проектов.

Отмеченные выше особенности рисков экономического окружения позволили автору сделать вывод, что они являются наиболее сложными в управлении. Их воздействие проявляется преимущественно на стадии реализации инвестиционного проекта, хотя должно учитываться и на других стадиях (например, в ходе оценки рисков на стадии проработки проекта). В этой связи рассмотрение в диссертации защиты от проектных рисков будет сконцентрировано применительно к стадии осуществления проектов.

В отличие от других видов рисков, защита от которых чаще всего состоит в единовременном использовании таких методов, как страхование, получение гарантий и т.п., риски экономического окружения требуют проведения непрерывного анализа на всех стадиях реализации проекта и внесения необходимых корректирующих воздействий в систему управления рисками по мере появления существенных изменений. Применение же статичных методов управления не позволяет учесть постоянно возникающие изменения и приводит к крайне негативным для проекта последствиям.

Ниже будут рассмотрены общие методы анализа и конкретные аналитические процедуры, выполнение которых необходимо для построения эффективной системы защиты от рисков экономического окружения, оказывающих влияние на результаты инвестиционных проектов в пищевой промышленности.

2.2 Методологические основы комплексного анализа рисков экономического окружения инвестиционных проектов

Как было отмечено в параграфе 2.1, риски экономического окружения в силу своих особенностей и важности для проектов, реализуемых в отраслях пищевой промышленности, требуют проведения углубленного анализа.

Процедура анализа признается исследователями (например, М.Х. Месконом, М. Альбертом, Ф. Хедоури, И.Н. Герчиковой и др.) одним из важнейших процессов управления в целом и риск-менеджмента в частности [13, 72]. Свою практическую реализацию указанная процедура находит в комплексной аналитической системе, применяемой в рамках управления рисками конкретных инвестиционных проектов в пищевой промышленности. В этой связи одной из основных задач, решаемых автором в диссертационном исследовании, является построение такой системы, обеспечивающей формирование обоснованного и достоверного прогноза рыночной ситуации и других существенных с точки зрения риск-менеджмента факторов в целях реализации своевременных и эффективных защитных механизмов (хеджирования; определения благоприятных моментов для приобретения сырья, продажи продукции, осуществления альтернативных вложений временно свободных средств, совершения иных необходимых для успешного завершения проекта действий и т.п.).

Система управления рисками, предложенная американским Институтом управления проектами и проанализированная автором в параграфе 2.1, предполагает проведение двух видов анализа: качественного и количественного. В рамках данного подхода качественный анализ состоит в оценке условий возникновения рисков и определении их воздействия на проект, а задача количественного анализа заключается в численном измерении влияния факторов риска на эффективность проекта.

Традиционными методами количественного анализа, широко освещенными в экономической литературе, являются анализ чувствительности, выявление точки безубыточности, имитационное моделирование методом Монте-Карло, анализ сценариев и др. [8, 19, 89, 117]. Вместе с тем, проведенное автором исследование показало, что наблюдаемая в последнее время особенность рисков экономического окружения, особенно ярко проявляющаяся при реализации инвестиционных проектов в пищевой промышленности и выражающаяся в высокой скорости изменения их характеристик, значительно снижает эффективность применения указанных процедур.

Так, анализ чувствительности (sensitivity analysis) предполагает построение зависимости выбранных результирующих показателей от исходных параметров при изменении последних [19]. Такая процедура позволяет определить ключевые (с точки зрения устойчивости проекта) параметры, а также рассчитать их критические (предельно допустимые) значения. Вместе с тем, данный метод не содержит инструментария оценки вероятности изменения того или иного параметра, т.е. не позволяет с приемлемой достоверностью исчислить величину риска. В равной степени этот вывод справедлив и для метода определения точки безубыточности (breakeven point analysis), отражающей минимально допустимый объем производства, при котором прибыльность проекта равна нулю [41].

Имитационное моделирование методом Монте-Карло (Monte-Carlo Simulation) позволяет построить математическую модель для проекта с неопределенными значениями параметров и, зная вероятностные распределения параметров, а также связь между изменениями параметров (корреляцию), получить распределение доходности проекта [19]. В условиях повышенной изменчивости важных с точки зрения проекта параметров существенным недостатком данного метода является практическая невозможность учесть их постоянно меняющиеся характеристики и взаимосвязи (вследствие трудоемкости расчетов, сложной природы взаимосвязей и т.п.), что значительно снижает достоверность результатов.

Метод анализа сценариев (scenario analysis) предполагает прогнозирование вариантов развития внешней среды и расчет оценок эффективности инвестиций для каждого сценария [27]. Существенным недостатком данного метода является ограниченный набор аналитических сценариев, что не позволяет разработать оптимальный механизм защиты от рисков (вследствие неточности прогнозов). Построение же полного множества сценариев практически невозможно.

В связи с этим автор пришел к выводу, что эффективный подход к оценке рисков экономического окружения состоит в использовании комплексной аналитической системы, сочетающей в себе черты качественного и количественного анализа.

Выше было отмечено, что наиболее важными и сложными с точки зрения управления рисками инвестиционных проектов, реализуемых предприятиями пищевой промышленности, являются риски экономического окружения. При этом их особенность заключается в тесной взаимосвязи с другими видами рисков и, в первую очередь, с политическими.

Методы анализа данных видов рисков достаточно подробно описаны в экономической литературе (наиболее известными являются труды У. Шарпа, Г. Александера, Дж. Бэйли, Дж. Мерфи и др. [71, 118]). В целом исследователями предлагаются два основных подхода: фундаментальный анализ и анализ рыночных циклов и тенденций (т.е. анализ ценовых рядов).

С учетом сделанных выводов относительно специфики рисков, которым подвержены инвестиционных проекты в пищевой промышленности, а также комплексного характера разрабатываемой в диссертации аналитической системы, автор считает, что она должна базироваться на сочетании двух указанных подходов к исследованию. В той связи ниже анализируется каждый из этих подходов.

В рамках фундаментального анализа оцениваются явления политической и экономической жизни как отдельных стран, так и мирового сообщества в целом; сообщения о финансовых и иных событиях, которые могут оказать влияние на осуществление реализуемого инвестиционного проекта; состояние различных отраслей экономики [118].

На макроуровне одной из важнейших групп фундаментальных факторов являются политические факторы:

• войны, конфликты, восстания и любые высказывания политических деятелей по поводу возможности подобных обстоятельств;

• отставки или смена правительства, выборы. Любая смена правительства неминуемо ведет к возможности смены как политического, так и экономического курса страны и привлекательности капиталовложений в ее экономику. Отставка главы Центрального банка или смена кого-либо из занимающих важные политические или финансовые посты чиновников вызывают немедленную реакцию рынка;

• угроза национализации и т. д.

Указанные факторы не являются «в чистом виде» рисками экономического окружения в трактовке, используемой в настоящем исследовании. Как отмечалось выше, защита от политических рисков чаще всего выражается в единовременном использовании таких методов, как страхование, получение гарантий и т.п. Вместе с тем, выявленная автором особенность рисков экономического окружения заключается в их тесной взаимосвязи с другими видами рисков, и в первую очередь с политическими рисками.

Приведенный комплекс фундаментальных факторов оказывает непосредственное воздействие на сырьевые рынки и рынки сельскохозяйственных товаров, значительно повышая изменчивость цен, а значит и риск неблагоприятной с точки зрения проекта динамики цен соответствующих товаров. При этом цены на сельскохозяйственную продукцию (особенно оптовые) зачастую демонстрируют повышенную чувствительность вследствие сверхвысокой важности данной товарной группы в кризисных ситуациях. Таким образом, в отраслях пищевой промышленности отмеченная взаимосвязь рисков проявляется особенно остро.

Действию фундаментальных факторов в значительной степени подвержены также динамика валютного курса и процентных ставок, контроль которой является составной частью денежно-кредитной политики, осуществляемой Центральным банком РФ. При высокой волатильности этих показателей существенно возрастают риски проектов, связанных с экспортно-импортными операциями, равно как и финансируемых при участии иностранных инвесторов и/или с использованием механизма «плавающей» процентной ставки.

С учетом указанных обстоятельств автор считает необходимым проведение фундаментального анализа в целях определения благоприятности условий, в которых осуществляется реализация проекта и степени влияния фундаментальных факторов на риски экономического окружения проекта.

Автор согласен с подходом, согласно которому наряду с оценкой непосредственно политических факторов фундаментальный анализ предполагает изучение общей экономической ситуации (так называемый анализ первого уровня), основанное на рассмотрении показателей, характеризующих динамику производства, уровень экономической активности, потребление и накопление, развитость инфляционных процессов [8, 118]. При этом должна решаться задача установления конкретных механизмов воздействия на положение дел в экономике важнейших политических и социальных событий.

Выявление факторов, определяющих хозяйственную ситуацию в целом и непосредственно отражающихся на рынке, позволяет определить общие условия, на фоне которых реализуется инвестиционный проект, и строить прогнозы относительно перспектив их изменения. Поскольку макроэкономическая обстановка является предметом пристального внимания со стороны широких кругов экономистов, а также различных органов государственной власти, при проведении ее фундаментального анализа имеется возможность использования наработок и выводов, сделанных ведущими отечественными и зарубежными экспертами в данной области.

После изучения макроэкономической конъюнктуры осуществляется анализ отдельных сфер рынка (анализ второго уровня). Несмотря на то, что общеэкономическая ситуация в целом отражает состояние в большинстве сфер хозяйства, тем не менее каждая из этих сфер подчиняется не только общим, но и частным, внутренним закономерностям, следовательно, выводы, сделанные на макроуровне, нуждаются по отношению к ним в конкретизации и корректировке.

В ходе отраслевого анализа должно проводиться сопоставление показателей, отражающих динамику производства, объемы реализации, величину товарно-сырьевых запасов и ресурсного обеспечения, уровень цен и заработной платы, прибыли, накоплений как в разрезе отраслей, так и в сравнении с аналогичными показателями в целом по национальному хозяйству [8, 118].

В теории управления инвестициями основной целью анализа отдельных сфер рынка признается выявление тех из них, которые в сложившихся общеэкономических условиях наиболее благоприятны для помещения средств с точки зрения выбранных инвестиционных целей и приоритетов [71, 118]. С учетом того, что цели, приоритеты и сфера реализации управляемого проекта определены на предынвестиционной стадии (хотя и могут корректироваться в ходе выполнения проекта), приведенный выше подход, по мнению автора, не может быть использован в чистом виде. При осуществлении риск-менеджмента в рамках конкретного проекта акцент смещается в сторону выявления отраслевых особенностей, способных существенно повлиять на фундаментальные факторы риска.

Выше было отмечено, что важной особенностью российского агропромышленного комплекса на современном этапе его развития является усиление интеграции с другими отраслями экономики. Так, в последнее время заметно увеличился объем инвестиций нефтяной компании «ЛУКойл» в сельское хозяйство, осуществляемых путем приобретения его дочерним подразделением «ЛУКойл-маркет» колхозов, фермерских хозяйств и т.п. [6]. Кроме того, динамика цен на сельскохозяйственную продукцию в значительной степени зависит от изменения цен на топлива и энергоносители.

Указанные обстоятельства позволили автору сделать вывод о том, что применительно к управлению рисками инвестиционных проектов в пищевой промышленности фундаментальный анализ второго уровня должен отличаться от классического (при использовании того же инструментария). Автор считает, что этот анализ не должен ограничиваться исключительно рассмотрением положения отраслей агропромышленного комплекса, хотя данное направление имеет первостепенную важность при прогнозировании цен на сельскохозяйственную продукцию. Необходимо проведение комплексного анализа различных отраслей экономики с учетом:

1.         Структуры себестоимости производимой в рамках проекта продукции;

2.         Номенклатуры используемых при производстве продукции сырьевых ресурсов;

3.         Межотраслевых связей, играющих значительную роль при производстве продукции предприятиями отраслей пищевой промышленности (в том числе в странах, лидирующих по производству важных с точки зрения реализуемого проекта видов продукции).

Масштаб и география проводимого исследования определяются размером инвестиционного проекта и степенью его зависимости от динамики международных цен на сырье и продукцию пищевой промышленности.

Выявление степени подверженности реализуемого проекта действию комплекса фундаментальных факторов производится на третьем уровне анализа (локальном). Такая направленность фундаментального анализа на локальном уровне, по мнению автора, также является его особенностью при решении рассматриваемых задач в отличие от классической трактовки, устанавливающей в качестве цели анализа третьего уровня выявление наиболее предпочтительных направлений размещения средств для выбора в их рамках конкретных видов вложений, инвестиции в которые обеспечили бы наиболее полное выполнение инвестиционных задач [118]. По сути, фундаментальный анализ третьего уровня в определенной степени представляет собой развитие процедуры идентификации проектных рисков и использует методы качественного анализа.

Результатом проведенного на всех уровнях фундаментального анализа является обобщенная характеристика условий, в которых реализуется инвестиционный проект, и факторов, оказывающих существенное влияние на риски экономического окружения проекта. Более детальный анализ предполагает применение методов анализа ретроспективной динамики цен производимой продукции, используемого сырья, валют и т.п. (т.е. ценовых рядов) в целях выявления и прогнозирования господствующих на соответствующих рынках циклов и тенденций.

Несмотря на то, что изучение ценовых рядов представляет собой самостоятельное направление анализа, автор считает целесообразным его комплексное использование в тесной взаимосвязи с фундаментальным анализом. Так, аномалии, зафиксированные на ценовых графиках, обусловливают необходимость более тщательного анализа общеэкономической ситуации. Кроме того, результаты анализа ценовых рядов (в частности, динамики цен на сельскохозяйственную продукцию, динамики валютного курса и т.п.) могут использоваться в качестве «фильтров» достоверности интерпретации фундаментальных факторов.

Анализ ценовых рядов выделяет определенные закономерности движения цен и объемов сделок на товарных и финансовых рынках. Прогнозирование цен призвано показать, в какую сторону будет двигаться рынок в дальнейшем. Это принципиально важный шаг, предшествующий принятию решения по применению тех или иных механизмов защиты от рисков экономического окружения проекта.

Различные аналитические методики требуют разных видов представления исходных данных. Так, наглядность статических методов, результатом которых является исчисление каких-либо коэффициентов и т.п., не предъявляют каких-либо особых требований в этом отношении. Динамические методы, предполагающие построение каких-либо меняющихся во времени индикаторов, наоборот, крайне чувствительны к правильности оформления (в противном случае значительно повышается вероятность ошибок при интерпретации результатов анализа).

Как показало проведенное автором сравнительное исследование, при анализе ценовых рядов наиболее удобной формой их представления является график, или чарт (chart). Другие формы (например, табличная) существенно усложняют применение соответствующих методик, так как не отвечают указанному выше требованию наглядности.

 Наиболее полная информация о состоянии рынка отражается на графике, состоящем из двух компонент: графика движения цены и объема торговли, хотя в практическом анализе чаще всего используют только динамику цены товара (валютного курса, процентной ставки и т.п.). В настоящее время разработано большое количество информационных систем, работающих в режиме реального времени, со встроенными функциями автоматического построения чартов по мере поступления данных (в России наибольшее распространение получила программа MetaStock for Windows Professional компании Equis International). В целях определение области наиболее эффективного применения четырех наиболее часто используемых типов чартов автор провел их сравнительный анализ, результаты которого представлены в таблице 2.2.1.

Таблица 2.2.1

Характеристики различных видов графиков движения цены

Вследствие того, что рыночные тенденции находят различное отражение на разных типах графиков, по мнению автора, наиболее целесообразным является комплексное использование всех четырех видов для получения наиболее полной и разносторонней информации о состоянии анализируемого рынка.

В основе анализа ценовых рядов (вне зависимости от выбранной формы представления данных) лежат две концепции, использование которых, как показало проведенное автором исследование, необходимо для эффективного прогнозирования.

График 2.2.1. Коррекция ценовой тенденции

Первой крайне важной в анализе динамики цен на товарных и финансовых рынках концепцией является принцип ценовой коррекции. Так как развитие тенденции происходит зигзагообразно, то после определенного движения рынка неизменно происходит частичная корректировка, после которой цены возобновляют свое развитие в прежнем направлении. Подобные движения цен в направлении, противоположном господствующей тенденции, можно описать и в какой-то мере предсказать с помощью процентных соотношений. Наиболее известны классические правила коррекции на 33%, 50% и 66% [71] (см. график 2.2.1).

Максимальная коррекция обычно составляет 66%. Именно этот уровень часто является критическим. Если предыдущая тенденция сохраняется, то коррекция составит не более двух третей предшествующего движения цен. Если же возвратное движение цен превышает 66%, то это, скорее всего, уже не коррекция, а перелом тенденции. В таких случаях возвратное движение может превысить 100% от предыдущей тенденции.

Сторонники теории волн Эллиота и коэффициентов Фибоначчи пользуются несколько иными параметрами: 38 и 62% [71]. С учетом подверженности цен практически любых товаров определенным искажающим воздействиям (последствия краткосрочных спекуляций и др.), наиболее эффективным представляется сочетание обоих подходов. В результате следует рассматривать следующие "вилки": минимальная зона коррекции составляет 33–38%%, а максимальная - от 62–66%%.

У. Ганн "дробил" структуру тенденции на восемь частей: 1/8, 2/8, 3/8, 4/8, 5/8, 6/8, 7/8, 8/8. Однако даже У. Ганн указывал на особую важность отношений 3/8 (38%), 4/8 (50%) и 5/8 (62%) для определения длины коррекции. Он также указывал на актуальность разделения тенденции именно на три части: 1/3 (33%) и 2/3 (66%) [71].

Хотя приведенные классические соотношения наблюдаются достаточно часто, особенности движения цен сельскохозяйственных товаров, выражающиеся, прежде всего, в их повышенной изменчивости, обусловливают необходимость проведения более детального исследования рыночных тенденций. Подробнее данный вопрос будет рассмотрен в параграфе 2.3.

Другой важной концепцией является принцип подтверждения и расхождения, который находит применение практически во всех аспектах анализа ценовых рядов. Данный принцип состоит в сравнении различных данных: динамики фьючерсных контрактов на сельскохозяйственные или иные изучаемые товары с разными сроками поставки (месяцами исполнения), сходных рынков, технических сигналов и индикаторов с целью определения, указывают ли они одинаковое направление движения рынка (то есть подтверждают друг друга) или наблюдается расхождение сигналов. Несмотря на то, что понятие расхождения используется в отрицательном смысле, оно является ценным компонентом анализа рынка, заблаговременно сигнализируя о приближающемся переломе тенденции.

В контексте работы с ценовыми моделями под подтверждением понимается сравнение графических моделей анализируемого рынка по всем месяцам исполнения фьючерсных контрактов с целью проверки их соответствия. Например, «бычья» (повышательная) или «медвежья» (понижательная) модель, образовавшаяся на графике фьючерсного контракта с одним месяцем исполнения, должна быть подтверждена соответствующими моделями других месяцев. Однако этим проверка на подтверждение не исчерпывается. Необходимо изучить по тем же критериям все сходные рынки, поскольку группы сходных рынков имеют тенденцию двигаться в одинаковом направлении.

Итак, выше были охарактеризованы общие подходы к комплексному анализу рисков экономического окружения инвестиционных проектов в отраслях пищевой промышленности. С учетом высокой степени неопределенности, присущей рискам экономического окружения, автор считает необходимым одновременное использование рассмотренных концепций и аналитических приемов в целях получения подтверждений сделанным выводам и минимизации вероятности ошибок. Кроме того, эти базовые концепции (принцип ценовой коррекции и принцип схождения и расхождения) лежат в основе построения более сложных и эффективных аналитических методик (в частности, рассмотренной в следующем параграфе).

Высокая зависимость результатов значительного количества проектов от динамики цен на сельскохозяйственную продукцию определяет значимость анализа ценовых рядов, базовые принципы которого, вообще говоря, универсальны и применимы при прогнозировании на любых товарных и финансовых рынках.

Вместе с тем, рынки сельскохозяйственных товаров имеют ряд особенностей, в связи с чем автор считает необходимым использование усложненных аналитических инструментов и методик. К примеру, важнейшим свойством указанных рынков является их ярко выраженная сезонная цикличность при одновременном наличии значительных несезонных колебаний, что проиллюстрировано графиком 2.2.2.

Не меньшую важность при реализации инвестиционных проектов в пищевой промышленности имеет проведение углубленного анализа динамики тонкая линия на графике – цена зерна;

толстая линия – индикатор, характеризующий цикличность цены.

валютного курса (а в ряде случаев курсов нескольких валют) и процентных ставок.

В этой связи первостепенное значение имеет применение процедуры обработки рыночных цен различных существенных для проекта активов, направленной на информационное обеспечение алгоритмов принятия управленческих решений. Такая процедура реализуется в рамках аналитической системы идентификации рыночной ситуации, являющейся, по мнению автора, одним из ключевых элементов комплексной системы управления рисками инвестиционных проектов в отраслях пищевой промышленности.

График 2.2.2. Динамика цен на зерно в 2001 2002 гг. (руб. за тонну)

2.3 Методические аспекты построения аналитической системы идентификации рыночной ситуации

Как отмечалось в параграфе 2.2, одним из ключевых элементов комплексной системы управления рисками инвестиционных проектов, реализуемых в отраслях пищевой промышленности, является аналитическая система идентификации рыночной ситуации.

Формально такая система представляет собой процедуру обработки изменяющейся во времени цены актива C(t) (здесь и далее термин «актив» означает анализируемый сельскохозяйственный или иной товар, фьючерс на него и т.п., являющийся объектом торговли), применение которой позволяет выбрать одно из следующих решений [104]:

·           Рынок развивается в благоприятном направлении;

·           Рынок изменяет направление развития с благоприятного на неблагоприятное;

·           Рынок развивается в неблагоприятном направлении;

·           Рынок изменяет направление развития с неблагоприятного на благоприятное.

С точки зрения управления рисками, критерием эффективности указанной системы является вероятность правильной идентификации.

В зависимости от задач, решаемых в рамках конкретных проектов, благоприятными могут оказаться диаметрально противоположные сценарии развития рыночной ситуации. Поэтому ниже (для определенности) благоприятной будет считаться повышательная динамика изменения цены актива.

В параграфе 2.2 были рассмотрены существующие методы анализа товарных и финансовых рынков. Однако выполненная автором проверка возможности использования наиболее известных аналитических систем в качестве системы идентификации рыночной ситуации продемонстрировала их недостаточно высокую эффективность. Так, для основных торгуемых зерновых культур вероятность правильной идентификации, полученная по результатам тестирования автором указанных систем, не превышала 0,6 (тестирование выполнено средствами аналитического пакета MetaStock 6.51 Professional for Windows). Видимо, это объясняется спецификой сырьевых рынков, а также резко возросшей в последнее время их волатильностью.

Таким образом, актуальной является задача разработки новой системы идентификации рыночной ситуации, отличающейся более высокой вероятностью правильной идентификации.

Основополагающим свойством всех без исключения товарных и финансовых рынков, не вызывающим полемики среди исследователей, является свойство цикличности [71]. Концепция цикличности утверждает, что цена произвольного рыночного актива C(t) формируется суммой циклов , i=1, 2, …, отличающихся друг от друга периодами, амплитудами и фазами (см. рис. 2.3.1 и 2.3.2). Изучению цикличности рыночных цен посвящено много исследований (например, Э. Дьюи [128], Дж. Херст [129]), в результате которых, в частности, было установлено, что для прогностических целей реальной ценностью обладают только так называемые доминирующие циклы, описывающие действующие на рынке тенденции (т.е. рыночную ситуацию). При этом в каждый момент времени на большинстве рынков наблюдается пять доминирующих циклов , , , , , проявление которых искажается непрогнозируемыми возмущениями. Таким образом, цена C(t) может быть записана в виде

C(t) = S(t) + N(t) , (1)

 S(t) =, где                             (2)

S(t) – сумма доминирующих циклов;

N(t) – случайные возмущения.

-          верхняя линия - среднесрочный цикл;

-          средняя линия – долгосрочный цикл;

-          нижняя линия – краткосрочный цикл

Для удобства циклам с более длительным периодом присвоен меньший индекс, т.е. самым длинным циклом в выражении (2) является ; цикл  короче цикла  и т.д. При этом значения как амплитуд, так и периодов входящих в (2) циклов, вообще говоря, неизвестны.

Известно, что такие состояния произвольной гладкой функции, как возрастание и убывание, а также точки экстремумов описываются поведением ее производной [43]. Поэтому описанная выше задача идентификации рыночной ситуации сводится к необходимости по наблюдаемой функции C(t) оценить производную  функции S(t): положительному значению производной соответствует благоприятное, отрицательному – неблагоприятное, а =0 означает изменение направления развития рыночной ситуации.

При разработке системы идентификации в контексте этой задачи автором учитывались следующие особенности:

1.         Функция , описывающая сверхдлинные периоды, на отрезках времени, в течение которых необходимо выполнить идентификацию, практически не меняется. Следовательно, .

2.         Как отмечалось в параграфе 2.2, наблюдения за ценой C(t) представлены ее значениями в дискретные моменты времени , , …, вследствие чего вычисление производных может быть выполнено лишь приближенно в виде конечных разностей.

3.         Устранение негативного влияния случайных возмущений становится возможным при использовании механизма сглаживания ценового ряда. Наиболее известным методом сглаживания является применение скользящей средней (Moving Average), рассчитываемой по одной из следующих формул [52]:

1. Простая (simple) скользящая средняя

, где

 – текущее значение скользящей средней;

;

 – фиксированный интервал между моментами наблюдений;

n количество наблюдений;

2. Взвешенная (Weighted) скользящая средняя

, где

 – текущее значение скользящей средней;

 – весовые коэффициенты. Обычно ;

3. Экспоненциальная (exponential) скользящая средняя

, где

 – текущее значение  (экспоненциальной скользящей средней);

 – предыдущее значение ;

SF сглаживающий фактор (smoothing factor). Наиболее распространенным сглаживающим фактором является ;

n количество наблюдений.

Основным достоинством метода скользящей средней является его простота. Вместе с тем, данный метод представляется недостаточно точным для целей достоверного прогнозирования.

Одним из наиболее современных методов приближенного описания любой регулярной (неслучайной) составляющей наблюдаемого в дискретные моменты времени процесса является метод скользящей линейной регрессии [43, 71], в соответствии с которым для каждого момента времени при надлежащем выборе «окна» вычислений формируется наилучшая по критерию наименьших квадратов оценка указанной составляющей (под «окном» наблюдений понимается число подряд идущих выбранных для вычислений моментов наблюдения). Вследствие этого метод скользящей линейной регрессии обеспечивает значительно более высокую точность по сравнению, например, с методом скользящей средней, что крайне важно при идентификации рыночной ситуации. Сложность расчетов не представляет существенного препятствия для его применения, так как большинство современных аналитических программных продуктов (MetaStock, CQG и т.п.) содержит необходимые стандартные процедуры. Более детально о методе скользящей линейной регрессии применительно к решаемой задаче сказано ниже.

4.         Эффективным вспомогательным приемом, используемым при построении аналитических систем, являются последовательные снятия направленности [71]. Заложенный в его основу принцип состоит в следующем: на первом этапе наблюдаемый процесс C(t) аппроксимируется функцией известного вида  и вычисляется их разность =-, представляющая собой нескомпенсированные остатки аппроксимации. На втором этапе процесс , в свою очередь, аппроксимируется функцией  и вычисляются нескомпенсированные остатки =- и т.д. В результате, после применения, например, четырех итераций исходный процесс может быть представлен в виде: =+.

Страницы: 1, 2, 3, 4, 5, 6, 7, 8