При анализе риска используются качественные и количественные методы. Качественная оценка рисков представляет собой описательный метод, по результатам которого переходят к количественному описанию рисков проекта.
Качественный подход позволяет выявить и идентифицировать возможные виды проектных рисков, описать причины и факторы, влияющие на уровень данного вида риска и предложить систему антирисковых мероприятий.
Проведение количественного анализа рисков является чаще всего продолжением качественного анализа. К наиболее часто встречающимся методам относятся:
§ Анализ безубыточности;
§ Анализ чувствительности;
§ Метод сценариев;
§ Метод Монте-Карло;
§ Метод экспертных оценок;
§ Регрессионный метод;
§ Трендовый метод.
Анализ чувствительности показывает, насколько сильно изменяется основной показатель проекта при определенном изменении заданных параметров этого проекта. Алгоритм анализа чувствительности следующий:
1. Выбирают основной показатель проекта, например чистый приведенный доход, внутреннюю норму прибыли и т.д.
|
|
2. Выбирают факторы, наиболее существенно влияющие на чувствительность, например, цена реализации, объем продаж, плата за кредит, стоимость привлекаемого капитала.
3. Рассчитывают значение основного показателя для заданных диапазонов факторов.
4. Определяют факторы, к которым проект наиболее чувствителен, и принимают решение о реализации проекта или о доработке технико-экономического обоснования.
Метод сценариев позволяет определить воздействие на основные показатели проекта всех факторов проекта. При этом изменения факторов проекта рассчитываются с учетом корреляции между ними. Часто при проведении анализа риска используют три сценария: пессимистический, наиболее вероятный и оптимистический.
При использовании метода Монте-Карло строится математическая модель результирующего показателя как функции от переменных и параметров. Математическая модель пересчитывается при каждом новом имитационном эксперименте, в течение которого значения основных неопределенных переменных выбираются случайным образом на основе генерирования случайных чисел. Результаты всех имитационных экспериментов объединяются в выборку и анализируются с помощью статистических методов с целью получения закона распределения вероятностей результирующего показателя.