|
в случае симулятавного (имитационного) способа выполняется множество расчетов. В каждом расчете с помощью использования случайных чисел производится выбор проб из распределения вероятности входных величин. При этом выбор должен производиться в соответствии с вероятностью их выпадания. С учетом стохастической зависимости определенные значения ненадежных входных величин и значения надежных величин служат дальнейшему расчету значения целевой функции; после множества таких расчетов получают распределение значений целевой функции. Количество кругов имитации должно быть таким, чтобы совокупность случайных пробных значений могла считаться репрезентативной. Метод дерева решения. С помощью метода дерева решения возможно определение оптимального решения на начало планового периода времени с учетом возможных состояний окружающей среды и вероятностью их наступления, а также последующих решений, принимаемых в случае наступления определенного состояния окружающей среды. Лежащие в основе метода модели или соответствующая плановая методика называются "гибкими". Соответствующая многоступенчатая проблема принятия решения может быть представлена так называемым деревом решения, как показано на рисунке 2.5 [9]. Линии z представляют вероятности наступления состояний окружающей среды. М ы исходим из того, что число возможных состояний окружающей среды является конечным. Определение структуры дерева решения, т.е. определение планового периода времени и его разделение, а также разделение альтернатив решения и возможных состояний окружающей среды на отдельные моменты времени можно считать основой или первым этапом дерева решения. На этой основе происходит определение других необходимых для принятия решения данньк. При использовании модели стоимости капитала для определения полезности необходимо для каждой альтернативы решения и соответствующих возможных состояний окружающей среды, определить, например, затраты на 96 |
91 нормальное, Beta, треугольное и трапециевидное. Определение непрерывного деления может производиться при заданном типе распределения оценкой его параметров. Параметрами распределения являются, например, математическое ожидание и стандартное отклонение при нормальном распределении, а также наиболее часто встречающееся значение, нижнее и верхнее предельные значения при треугольном распределении. Определение распределения вероятностей является проблематичным, в первую очередь, по причине одноразовости многих инвестиций и может быть осуществлено, как правило, только с помощью субъективных оценок. Этот способ связан с действенностью ограничивающих условий, т.к. он требует, как минимум, заданного распределения значений целевой функции. В случае симулятивного (иммитационного) способа выполняется множество расчетов. В каждом расчете с помощью использования случайных чисел производится выбор проб из распределения вероятности входных величин. При этом выбор должен производиться в соответствии с вероятностью их выпадания. С учетом стохастической зависимости определенные значения ненадежных входных величин и значения надежных величин служат дальнейшему расчету значения целевой функции; после множества таких расчетов получают распределение значений целевой функции. Количество кругов имитации должно быть таким, чтобы совокупность случайных пробных значений могла считаться репрезентативной. Метод дерева решения. С помощью метода дерева решения возможно определение оптимального решения на начало планового периода времени с учетом возможных состояний окружающей среды и вероятностью их наступления, а также последующих решений, принимаемых в случае 94 Соответствующая многоступенчатая проблема принятия решения может быть представлена так называемым деревом решения, как показано на рисунке 2.4 [9]. Линии z представляют вероятности наступления состояний окружающей среды. Мы исходим из того, что число возможных состояний окружающей среды является конечным. Определение структуры дерева решения, т.е. определение планового периода времени и его разделение, а также разделение альтернатив решения и возможных состояний окружающей среды на отдельные моменты времени можно считать основой или первым этапом дерева решения. На этой основе происходит определение других необходимых для принятия решения данных. При использовании модели стоимости капитала для определения полезности необходимо для каждой альтернативы решения и соответствующих возможных состояний окружающей среды, определить, например, затраты на приобретение, сроки эксплуатации, значения выручки от ликвидации, объем производства или сбыта, цены, а также выплаты, зависящие и не зависящие от объема сбыта. Кроме того, должны быть определены значения вероятности состояний окружающей среды и расчетной процентной ставки. В качестве целевой величины при применении метода дерева решения в инвестиционных расчетах используется чаще всего значение математического ожидания стоимости капитала. Оптимальной является обусловленная состояниями окружающей среды серия решений, имеющих максимальное значение математического ожидания стоимости капитала. Для определения подобных серий решений в этом случае может быть использован предложенный Маже Rollback-метод [117], основывающийся на принципе динамичного оптимирования. При применении Rollback-метода вначале рассматривают самый отдаленный момент времени, в котором должно 97 где St вектор случайных величин, чистого денежного потока для t-ro планово-учетного периода; NPV чистый приведенный доход проекта; I первоначальные капитальные вложения; к рисковая процентная ставка; t период времени. Ненадежными случайными величинами являются St, чистые денежные потоки в момент времени t. Для каждого денежного потока в момент t необходимо задать закон распределения. Формализация его составляет основную проблему анализа, поскольку большинство инвестиционных проектов имеет уникальный характер, поэтому приходится ориентироваться на субъективные оценки. На основе имитационного метода (метода Монте-Карло) определяется закон распределения чистого приведенного эффекта, как случайной величины. С учетом стохастической зависимости определенные значения ненадежных входных величин и значения надежных величин служат дальнейшему расчету значения целевой функции. Количество кругов имитации должно быть таким, чтобы совокупность случайных пробных значений могла считаться репрезентативной. Основной оценкой служит распределение вычисленных в отдельных кругах по различным классам частоты выпадения значений целевой функции. Абсолютные значения частоты отдельных классов могут быть переведены в относительные значения. Последние составляют основу для определения распределения вероятности функции распределения и профиля риска. |