Развитие методологии управления финансовым обеспечением электроэнергетических компаний (1142218), страница 36

Просмтор этого файла доступен только зарегистрированным пользователям. Но у нас супер быстрая регистрация: достаточно только электронной почты!

Текст из файла (страница 36)

Кроме того, следует добавить, что источники, используемыедляпостроениястатистическиепрогнозов,данныечастомогутбытьоказываютсянеполными,ненадежнымиэкспертные(например,мнения–противоречивыми и т.п.).Текущая нестабильность мировой экономической ситуации. Текущийэкономический кризис вносит существенный вклад в общую неопределенность –динамика многих макроэкономических показателей не отвечает нормальнымрыночным циклам, волатильность факторов, оказывающих влияние на хозяйственнуюдеятельность компаний, многократно возросла, изменения носят скачкообразный иплохо предсказуемый характер.

Все это делает невозможным использование для ихпрогнозированияизвестныхтеоретическихзависимостейипрепятствуетформализации задачи.Нецелесообразность и/или трудоемкость прогнозирования некоторыхпараметров. Для ряда факторов точное прогнозирование может быть чрезвычайносложным и/или затратным с точки зрения времени и стоимости. Как показываетпрактика, на современном этапе развития математических методов и средств ихавтоматизации даже очень точные и затратные модели при построении прогноза надлительном временном интервале дают весьма приблизительные результаты, что195делает их применение (особенно с учетом факторов времени и стоимости)нецелесообразным.На практике в большинстве случаев сегодня для учета неопределенностииспользуют два подхода: сценарный и вероятностный [142]. В рамках сценарногоподхода разрабатываются и анализируются несколько вариантов возможногоразвития событий (например, оптимистический, умеренный, пессимистический) споследующиманализомчувствительностимоделикизменениюисходныхпараметров.

В рамках вероятностного подхода неточно известные величинырассматриваютсякакслучайные,характеризуемыеопределеннымзакономраспределения, описанным тем или иным способом (например, математическиможиданием и среднеквадратичным отклонением).По нашему мнению, эти подходы содержат в себе ключевое противоречие –искусственную замену неточных переменных их детерминированными значениямиили математически описанными вероятностными оценками, т.е. противоречие междутрадиционным математическим аппаратом, тяготеющим к определенности, иреальной экономической ситуацией, где всегда присутствуют существенная долянеизвестности. Такая замена часто являться источником ошибок моделирования и непозволяет производить адекватную оценку получаемого результата.Ошибки задания параметров финансовой модели, как правило, накапливаются.Рассмотрим простейший случай: прогноз выручки компании (), определяемой какпроизведение величины полезного отпуска электроэнергии (по ) на ее среднююцену(ср ): = по ∙ ср .Пустьошибкиисходныхпрогнозовколичестваотпущенной электроэнергии и ее цены составляют соответственно ∆по и ∆ср .Тогда относительная ошибка прогноза выручки может быть найдена как:( + ∆)⁄ = (по + ∆по ) ∙ (ср + ∆ср )⁄по ∙ ср .

Если величина погрешностипрогноза каждой из составляющих равна 10% (∆по = ∆ср = 10%), то итоговаяпогрешность прогноза выручки составит ∆ = 21%. Соответственно, если встабильной экономической ситуации экспертные и статистические прогнозы нередкоимеют погрешность до 1%, что в итоге приводит к 3–6% погрешности результатовмоделирования, то в условиях кризиса аналогичные могут давать ошибку в 10–15% иболее, что способно полостью обесценить весь разрабатываемый прогноз.196При сценарном подходе к моделированию часто бывает невозможно учесть всемногообразие поступающей информации (например, экспертных оценок). Вчастности, как правило, информация, которая плохо увязывается с остальнымиучитываемыми моделью факторами, исключается из рассмотрения.

Однако на самомделе противоречивая информация экспертов часто оказывается взаимодополняющей.Например, мы имеем три разные оценки роста цен на топливо в следующемгоду: 3–8%, 4–10%, и 6–12%. В отдельности каждая из них выглядит слишком грубой.Однако если выделить результирующую оценку, совместимую со всеми тремяэкспертными мнениями, то она составит интервал 6–8%, что является вполнеприемлемым для практических целей.Использование математических законов распределения случайных величин дляоценки параметров финансовой модели также не вполне корректно. Британскийэкономист Г.Л. Шэйкл доказал, что теория вероятности не подходит для отраженияприроды неопределенности в экономике вследствие того, что на практике понятия«неточность» и «случайность» не являются тождественными [168].

Поэтому сама идеяописанияраспределенияпоказателейкаким-либовероятностнымзакономраспределения (например, нормальным или логарифмическим) носит искусственныйхарактер, и, следовательно, такая модель может оказаться принципиально будетнеадекватной реальной экономической ситуации. Кроме того, с учетом недавнейструктурной перестройки электроэнергетической отрасли, для выявления законовраспределенияпараметровдеятельностисовременныхэлектроэнергетическихкомпаний, имеющихся статистических данных, часто оказывается недостаточно.В итоге большое число условностей в постановке задачи приводит к тому, чтоединственным способом ее решения является перебор всех возможных значений.

Приэтом для исключения вероятности ошибки в результатах моделирования при принятииуправленческих решений менеджерам часто приходится ориентироваться на самоенеблагоприятное (экстремальное) сочетание различных факторов для обеспечениягарантированного результата.В таблице 4.8 представим классификацию способов определения параметровфинансовой модели электроэнергетической компании, разработанную нами на основеанализа встречающихся на практике способов задания значений финансовыхпеременных.197Таблица4.8–Способыопределенияпараметроввфинансовоймоделиэлектроэнергетической компанииСпособопределенияпараметраОбозначение и пример использования=Скалярный(нормы расходы сырья и материалов на производство продукции,фиксированная часть заработной платы и т.п.) = (1 ; 2 ; 3 ; … )Мульти(объем закупки сырья и материалов при их приобретениискалярныйфиксированными партиями и т.п.) = [1 … 2 ]Интервальный(уровень инфляции, диапазон цен на закупаемое сырье и материалы,диапазон цен на отгружаемую продукцию и т.п.) = ([1 … 2 ]; [3 … 4 ]; … )(загрузка производственных мощностей при выпуске продукции наМультинескольких линиях одновременно, макроэкономические показателиинтервальныйпри нескольких возможных сценариях развития (например,оптимистическая и пессимистическая инфляция) и т.п.) = (1 ; [2 … 3 ]; … )(объем реализации в случае, когда какая-то часть продукцииСмешанныйотгружается по предоплаченному контракту, а другая реализуется насвободном рынке и т.п.)Источник: составлено автором.Проведенное нами исследование показало, что большое количество исходныхпараметров финансовой модели может быть оценено только лишь как некоторыйинтервал (например, «ожидаемый уровень инфляции составит от 2% до 7%»).

Притаком способе задания параметры модели определяются как коридор возможныхзначений, в котором верхняя и нижняя границы «коридора» отражают соответственнооценку максимально и минимально возможного значения. В этой ситуации итоговыйпрогноз ожидаемых результатов деятельности компании также должен представлятьсобой некоторое поле возможных значений.Отметим, что такой способ определения параметров модели как «скаляр» можетбыть также представлен в виде интервала, началом и концом которого являетсязаданное скалярное значение (т.е.

в виде = = [ … ]). В свою очередь, способопределения параметров модели вида «интервал» является вырожденным случаеммульти-интервального способа (мульти-интервал с единственным составляющим егоинтервалом).198Таким образом, любой способ задания параметров модели в конечном итогеможет быть сведен к единому типу – «мульти-интервал», т.е. к виду =([1 … 2 ]; [3 … 4 ]; … ).Данный вывод позволяет использовать для разработки финансовых моделейэлектроэнергетических компаний методы интервальной алгебры, математическийаппарат которой в значительно степени проработан и рассмотрен в научнойлитературе. Также имеется опыт применения данного математического аппарата крешению отдельных экономических задач, таких как, например, задача оптимальногораспределения ресурсов [140] или задач планирования [169].В общем случае операции с интервалами выражаются через операции сдействительнымичислами–границамиинтервалов.Основныеоперацииматематического аппарата интервальной алгебры, используемые при формированиифинансовых моделей, представлены в таблице 4.9.Таблица 4.9 – Основные операции математического аппарата интервальной алгебры,используемые при формировании финансовых моделейОперацияСложениеВычитаниеУмножениеДелениеВозведение в степеньИсточник: составлено автором.Правило выполнения операций = [1 … 2 ], = [1 … 2 ], (где 1 ≤ 2 и 1 ≤ 2 ) + = [1 + 1 … 2 + 2 ] − = [1 − 2 … 2 − 1 ] ∙ = [1 ∙ 1 … 2 ∙ 2 ]/ = [1 /2 … 2 /1 ] = [1 … 2 ]Такой подход требует некоторой модификации уравнений, составляющихкомплекс финансовых моделей электроэнергетической компании.

Так, например,формулы для расчета показателей EVA и CVA, должны быть преобразованы в ихинтервальное представление (4.2) и (4.3) следующим образом:[1 … 2 ] = [1 … 2 ] − [1 … 2 ] ∙ [1 … 2 ] , (4.2)[1 … 2 ] = [1 … 2 ] − [1 … 2 ] ∙ [1 … 2 ] .(4.3)Аналогичным образом должны быть модифицированы и все прочие уравненияфинансовой модели.Несмотря на то, что приведенные формулы на первый взгляд выглядятгромоздкими, на самом деле они просты в использовании, а алгоритмы расчетов на их199основе легко поддаются автоматизации с использованием каких-либо программныхсредств.Такой подход устраняет противоречие формальной определенности ифактической неопределенности, что дает методический выигрыш при выполнениирасчетов. В результате достигается высокий уровень обоснованности, достоверностии качества прогноза, часто недоступный при использовании традиционныхматематических методов.

Использование предлагаемого подхода позволяет:Повысить точность прогноза в целом. За счет интервальных значенийсущественно повышается вероятность попадания практического значения впрогнозируемую область, поскольку модель использует интервальные значение нетолько для прогноза, но и при анализе входящих данных.

Характеристики

Список файлов диссертации