Определение степени риска

Эффективность любой финансовой или хозяйственной операции и величина сопутствующего ей риска взаимосвязаны. Не учитывая фактора риска, невозможно провести полноценный инвестиционный анализ. Таким образом, наша основная задача – научиться оценивать величину риска и устанавливать взаимосвязь между нею и уровнем доходности конкретной операции. Для оценки степени риска существуют два основных метода: количественный и качественный.

Понятно, что чем выше вероятность получения низкого дохода или даже убытков, тем рискованнее проект. А чем рискованнее проект, тем выше должна быть норма его доходности.

При выборе из нескольких возможных вариантов вложения капитала часто ограничиваются абстрактными рассуждениями типа "этот проект кажется менее рискованным" или "в этом случае прибыль больше, но и риск, вроде бы, больше". Между тем, степень риска в большинстве случаев может быть достаточно точно оценена, а также определена величина доходности предлагаемого проекта, соответствующая данному риску. Опираясь на полученные результаты, потенциальный инвестор может не только выбрать наиболее привлекательный для него способ вложения денег, но и значительно сократить степень возможного риска.

Инструментом для проведения необходимых вычислений является математическая теория вероятностей. Каждому событию ставится в соответствие некоторая величина, характеризующая возможность того, что событие произойдет – вероятность данного события – p. Если событие не может произойти ни при каких условиях, его вероятность нулевая (p = 0). Если событие происходит при любых условиях, его вероятность равна единице. Если же в результате проведения эксперимента или наблюдения установлено, что некоторое событие происходит в n случаях из N, то ему приписывается вероятность p = n/N. Сумма вероятностей всех событий, которые могут произойти в результате некоторого эксперимента, должна быть равна единице. Перечисление всех возможных событий с соответствующими им вероятностями называется распределением вероятностей в данном эксперименте.

Например, при бросании стандартной игральной кости вероятность выпадения числа 7 равна 0. Вероятность выпадения одного из чисел от 1 до 6 равна 1. Для каждого из чисел от 1 до 6 вероятность его выпадения p = 1/6. Распределение вероятностей в данном случае выглядит следующим образом:

1 – 1/6

2 – 1/6

3 – 1/6

4 – 1/6

5 – 1/6

6 – 1/6

Вероятность может быть выражена в процентах: p = (n/N)100%, тогда значение p может находится в пределах от 0 до 100%.

Рассмотрим теперь два финансовых проекта А и В, для которых возможные нормы доходности (IRR – Internal Rate of Return – внутренняя норма доходности, внутренняя процентная ставка) находятся в зависимости от будущего состояния экономики. Данная зависимость отражена в таблице 3.1.

Для каждого из проектов А и В может быть рассчитана ожидаемая норма доходности ERR – средневзвешенное (где в качестве весов берутся вероятности) или вероятностное среднее возможных IRR.

n – число возможных ситуаций.

Таблица 3.1.

Данные для расчета ожидаемой нормы доходности вариантов вложения капитала в проекты А и В.

Состояние экономики	Вероятность данного состояния	Проект А, IRR	Проект В, IRR
Подъем Норма Спад	p1 = 0,25 p2 = 0,5 p3 = 0,25	90% 20% –50%	25% 20% 15%

Для проекта А по формуле получаем:

ERR_A = 0,25  90% + 0,5  20% + 0,25  (– 50%) = 20%

Для проекта В:

ERR_B = 0,25  25% + 0,5  20% +0,25  15% = 20%

Таким образом, для двух рассматриваемых проектов ожидаемые нормы доходности совпадают, несмотря на то, что диапазон возможных значений IRR сильно различается: у проекта А от – 50% до 90%, у проекта В – от 15% до 25%.

Мы предположили, что возможны три состояния экономики: норма, спад и подъем. На самом же деле состояние экономики может варьироваться от самой глубокой депрессии до наивысшего подъема с бесчисленным количеством промежуточных положений. Обычно среднему (нормальному) состоянию соответствует самая большая вероятность, далее значения вероятностей равномерно уменьшаются при удалении от нормы как в одну (подъем), так и другую (спад) сторону, стремясь к нулю в крайних положениях (полная депрессия и наибольший подъем). Если при этом величина доходности, соответствующая нормальному положению, является одновременно и средним арифметическим двух крайних значений, то мы получаем распределение, которое в теории вероятностей носит название "нормального" и графически изображается следующим образом (при том, что сумма всех вероятностей остается, естественно, равной единице):

Нормальное распределение достаточно полно отражает реальную ситуацию и дает возможность, используя ограниченную информацию, получать числовые характеристики, необходимые для оценки степени риска того или иного проекта.

На рисунке 3.9. приведены графики распределения вероятностей для проектов А и В. Предполагается, что для проекта А в наихудшем случае убыток не составит более 50%, а в наилучшем случае доход не превысит 90%. Для проекта В – 15% и 25% соответственно. Очевидно, что тогда значение ERR останется прежним (20%) для обоих проектов, совпадая со значением среднего состояния. Соответствующая же среднему значению вероятность понизится, причем не одинаково в наших двух случаях.

Очевидно, чем более "сжат" график, тем выше вероятность, соответствующая среднему ожидаемому доходу (ERR), и вероятность того, что величина реальной доходности окажется достаточно близкой к ERR. Тем ниже будет и риск, связанный с соответствующим проектом. Поэтому меру "сжатости" графика можно принять за достаточно корректную меру риска.

Меру "сжатости" определяет величина, которая в теории вероятности носит название "среднеквадратичного отклонения" – – и рассчитывается по следующей формуле:

Чем меньше величина , тем больше "сжато" соответствующее распределение вероятностей, и тем менее рискован проект. При этом для нормального распределения вероятность "попадания" в пределы ERR  составляет 68,26%.

Рассчитаем значение для рассматриваемых проектов А и В.

Проект А:

Проект В:

Как видим, для второго проекта с вероятностью 68,26% можно ожидать величину доходности IRR = 20%  3,5%, т.е. от 16,5% до 23,5%. Риск здесь минимальный. Проект А гораздо более рискованный. С вероятностью 68,26% можно получить доходность от – 29,5% до 69,5%. Считается, что среднерискованной операции соответствует значение около 30%.

В рассмотренном примере распределение вероятностей предполагалось известным заранее. Во многих ситуациях бывают доступны лишь данные о том, какой доход приносила некая финансовая или хозяйственная операция в предыдущие годы.

Например, доступная информация может быть представлена в следующем виде.

Таблица 3.2.

Динамика IRR.

Год	IRR
	10% 8% 15%

В этом случае для расчета среднеквадратичного отклонения используется следующая формула:

Здесь n – число лет, за которые приведены данные, а ARR(Average Rate of Return – средняя норма доходности) – среднее арифметическое всех IRR за n лет – рассчитывается по формуле:

Для нашего примера получаем:

ARR = (10 + 8 + 15)/4 = 8,25%.

Еще одной величиной, характеризующей степень риска, является коэффициент вариации CV. Он рассчитывается по следующей формуле:

и выражает количество риска на единицу доходности. Естественно, чем выше CV, тем выше степень риска.

В рассмотренном чуть раньше примере для проектов А и В коэффициенты вариации равны соответственно:

CV_A = 49,5/20 = 2,475

CV_B = 3,5/20 = 0,175

В данной ситуации найденные коэффициенты уже не добавляют существенной информации и могут служить лишь для оценки того, во сколько раз один проект рискованнее другого: 2,475/0,175 = 14. Проект А в 14 раз рискованнее проекта В.

Коэффициент вариации необходимо знать в случае, когда требуется сравнить финансовые операции с различными ожидаемыми нормами доходности ERR.

Пусть для проектов C и D распределение вероятностей задается следующей таблицей:

Таблица 3.3.

Распределение вероятностей для проектов C и D.

Состояние экономики	Вероятность данного состояния	Проект C, IRR	Проект D, IRR
Подъем Норма Спад	р1 = 0,2 р2 = 0,6 р3 = 0,2	30% 20% 10%	115% 80% 45%

Рассчитаем для обоих проектов ERR, и CV.

ERR_C = 30 ´ 0,2 + 20 ´ 0,6 + 10 ´ 0,2 = 20%

ERR_D = 115 ´ 0,2 + 80 ´ 0,6 + 45 ´ 0,2 = 80%

Таким образом, у проекта D величина намного больше, но при этом больше и значение ERR. Для того, чтобы можно было принять решение в пользу того или иного проекта, необходимо рассчитать коэффициент CV, отражающий соотношение между ERR и .

CV_C = 6,3/20 = 0,315

CV_D = 22,14/80 = 0,276

Как видно, несмотря на достаточно большое значение , величина CV у проекта D меньше, т.е. меньше риска на единицу доходности, что достигается за счет достаточно большой величины ERR_D.

В данном случае расчет коэффициента CV дает возможность принять решение в пользу второго проекта.

Итак, мы получили два параметра, позволяющие количественно определить степень возможного риска: среднеквадратичное отклонение и коэффициент вариации CV. Но следует заметить, что определение степени риска не всегда позволяет однозначно принять решение в пользу того или иного проекта. Поэтому рассмотрим еще один пример.

Известно, что вложение капитала в проекты K и L в последние четыре года приносило следующий доход:

Таблица 3.4.

Доходность проектов K и L в динамике.

Год	Доходность предприятия К	Доходность предприятия L
	20% 15% 18% 23%	40% 24% 30% 50%

Определить, в какой из проектов вложение капитала связано с меньшим риском.

Рассчитаем среднюю норму доходности для обоих проектов.

ARR_K = (20 + 15 + 18 + 23)/4 = 19%

ARR_L = (40 + 24 + 30 + 50)/4 = 36%

Найдем величину среднеквадратичного отклонения.

Видим, что у проекта L средняя норма доходности выше, но при этом выше и величина . Поэтому необходимо рассчитать коэффициент вариации CV.

CV_K = 2,9/19 = 0,15

CV_L = 9,9/36 = 0,275

Коэффициент вариации для проекта L выше почти в 2 раза, следовательно, вложение в этот проект почти вдвое рискованнее.

Однако данные таблицы 3.4. говорят, что минимальная доходность проекта L выше максимальной доходности проекта K. Очевидно, что вложение в проект L в любом случае более рентабельно. Полученные же значения и CV означают не возможность получения более низкой доходности, а возможность неполучения ожидаемой доходности от проекта L.