Metody analizy ryzyka projektów inwestycyjnych

DR WALDEMAR ROGOWSKI WROGOW@SGH.WAW.PL WALDEMARROGOWSKI@WP.PL KATEDRA ANALIZY DZIAŁALNOŚCI PRZEDSIĘBIORSTWA SGH

© Waldemar Rogowski

Wykorzystując jako kryterium klasyfikacji wykorzystywaną technikę analizy ryzyka wyróżnia się metody:
 korygowania efektywności polegającą na dokonywaniu korekt poprzez uwzględnianie narzutów procentowych wybranych parametrów i zmiennych wykorzystywanych w metodach oceny opłacalności projektów inwestycyjnych  analizy wrażliwości polegającą na zmianach różnych wybranych parametrów i zmiennych wykorzystywanych w metodach oceny opłacalności i analizie ich wpływu na opłacalność projektów oraz wyznaczaniu wartości krytycznych i marginesów bezpieczeństwa określających poziom opłacalności  probabilistyczno – statystyczne, w których wykorzystuje się do analizy ryzyka rachunek prawdopodobieństwa i statystykę matematyczną  symulacyjne, które dają możliwość zbadania wpływu wielu zmiennych na opłacalność projektów oraz możliwość symulacji poziomu ryzyka
2

© Waldemar Rogowski

Drugim ważnym kryterium klasyfikacji jest sposób ujmowania ryzyka w procesie decyzyjnym:
 metody bezpośrednie, w których ryzyko ujmowane jest bezpośrednio w kryterium decyzyjnym związanym z określoną metodą oceny opłacalności. Metody bezpośrednio uwzględniające ryzyko nie są, więc oddzielnym kryterium decyzyjnym  metody pośrednie, które umożliwiają pozyskanie dodatkowych informacji o poziomie ryzyka projektu inwestycyjnego. Informacja ta pozwala zmniejszyć stan niepewności. Metody te nie są, więc jednym z elementów kryterium decyzyjnego opartego o daną metodę oceny opłacalności projektu inwestycyjnego. Są oddzielnym, wyodrębnionym elementem uwzględnianym w procesie decyzyjnym

3

© Waldemar Rogowski

można mówić o:  miarach zmienności  miarach wrażliwości  miarach zagrożenia 4 © Waldemar Rogowski .Kolejnym kryterium podziału metod analizy ryzyka jest zakres dostarczanej informacji o poziomie ryzyka projektu inwestycyjnego.

Zestawienie klasyfikacji metod analizy ryzyka projektów inwestycyjnych technika analizy metody korygowania efektywności graniczny okres zwrotu metody analizy wrażliwości analiza wrażliwości metody probabilistyczno statystyczne analiza statystyczna: odchylenie standardowe i współczynnik zmienności metody symulacyjne analiza symulacyjna Monte Carlo równoważnik pewności (CE) stopa dyskonta uwzględniająca ryzyko kRADR 5 © Waldemar Rogowski .

sposób ujmowania ryzyka w procesie decyzyjnym pośrednie analiza wrażliwości analiza scenariuszy analiza statystyczna (metody probabilistyczne):odchylenie standardowe i współczynnik zmienności analiza symulacyjna jako sposób szacowania wartości oczekiwanej i odchylenia standardowego 6 bezpośrednie graniczny okres zwrotu równoważnik pewności stopa dyskonta uwzględniająca ryzyko © Waldemar Rogowski .c.Zestawienie klasyfikacji metod analizy ryzyka projektów inwestycyjnych .d.

Zestawienie klasyfikacji metod analizy ryzyka projektów inwestycyjnych . wł. jako względna miara zmienności analiza symulacyjna jako sposób szacowania wartości oczekiwanej i odchylenia standardowego analiza scenariuszy jako pośredni sposób szacowania wartości oczekiwanej i odchylenia standardowego Źródło: opr.d. 7 © Waldemar Rogowski .c. zakres dostarczanej informacji miary zmienności odchylenie standardowe jako bezwzględna miara zmienności miary wrażliwości stopa dyskontowa uwzględniająca ryzyko odzwierciedla ryzyko kosztu kapitału ekwiwalent pewności odzwierciedla ryzyko przepływu pieniężnego NCF okres zwrotu określający ryzyko płynności miary zagrożenia metoda VaR współczynnik zmienności.

analiza scenariuszowa. ekwiwalent pewności) Metody pośrednie (analiza wrażliwości. 100% 8 © Waldemar Rogowski . analiza symulacyjna) Inne metody (podaj jakie) Nie są wykorzystywane żadne metody oceny ryzyka Procent odpowiedzi 30% 47% 1% 22% Razem Źródło: opr. wł.Metody wykorzystywane do analizy ryzyka projektów inwestycyjnych przez krajowe firmy Zakres i rodzaj stosowanych metod Metody bezpośrednie (stopa dyskonta z ryzykiem.

9 © Waldemar Rogowski . Pike 1975 w% 26 G. Pike 1992 w% Prowadzona jest sformalizowan a analiza ryzyka Nie są wykorzystywa ne żadne metody analizy ryzyka 92 R. Zarzecki w% 32 W. C Arnold D. Hatzopoulos w% 94 D. wł. Rogowski w% 77 8 74 6 68 23 Źródło: opr.Prezentacja porównania wyników badań w zakresie prowadzenia sformalizowanej analiza ryzyka R.

Analiza wrażliwości jest to prosta technika analityczna. która polega na badaniu wpływu zmian. jakie mogą wystąpić w przyszłości w kształtowaniu się kluczowych zmiennych projektu inwestycyjnego wpływających na jego opłacalność. 10 © Waldemar Rogowski .

więc wrażliwość wyników oceny opłacalności (przy wykorzystaniu kryterium decyzyjnego) na zmiany różnych zmiennych. wartości poszczególnych zmiennych wykorzystywanych do szacowania opłacalności projektu mogą przyjąć inne wartości. W analizie tej bada się. 11 © Waldemar Rogowski . a następnie w fazie operacyjnej. iż w trakcie fazy budowy.U podstaw teoretycznych tej metody leży założenie. niż zakładane.

Analiza wrażliwości może być wykorzystywana dla wszystkich metod bezwzględnej oceny opłacalności projektów inwestycyjnych. 12 © Waldemar Rogowski .

których zmiana nie wpływa w sposób bezpośredni na inne zmienne.metoda oceny opłacalności projektu inwestycyjnego.  zmienne objaśniające – zmienne występujące w algorytmie danej metody oceny opłacalności projektu inwestycyjnego.  zmienne objaśniające niezależne .Analiza wrażliwości posługuje się kilkoma podstawowymi pojęciami:  zmienna objaśniana (zmienna bazowa) .zmienne występujące w algorytmie danej metody oceny opłacalności projektu inwestycyjnego.  zmienne objaśniające zależne . na której analiza wrażliwości będzie przeprowadzana (np.zmienne występujące w algorytmie danej metody. których wartość jest określona przez wartość innych zmiennych 13 © Waldemar Rogowski . NPV).

poziom graniczny zmiennej objaśniającej przy którym projekt inwestycyjny jest jeszcze opłacalny 5. procentową zmianę wielkości zmiennej objaśnianej wywołaną 1% zmianą zmiennej objaśniającej – badanie elastyczności 3. wartość kryterium decyzyjnego dla określonej wartości zmiennej objaśniającej 4. np.Pięć różnych technik analitycznych wykorzystywanych w analizie wrażliwości które analizują: 1. procentową zmianę wielkości zmiennej objaśnianej) wywołana określoną. 5% zmianą określonej zmiennej objaśniającej 2. dopuszczalny procentowy poziom odchylenia zmiennych objaśniających przy których projekt inwestycyjny jest jeszcze opłacalny 14 © Waldemar Rogowski .

Zi .współczynnik wrażliwości NPV na 1% zmianę wartości zmiennej objaśniającej Z. a nie bezwzględnych. NPVb – wartość NPV dla zmiennej Zb. NPVi  NPVb NPVb Zi  Zb Zb ww  gdzie: ww .01Zb lub 0. obliczeń należy dokonywać na wartościach względnych.i-ta wartość zmiennej objaśniającej (Zi = 1. 15 © Waldemar Rogowski . NPVi – wartość NPV przy i-tej wartości zmiennej Zi.Ponieważ jednak wartości zmiennych objaśniających mogą być w skrajnie innej skali. Zb – wartość bazowa zmiennej Z.99Zb).

 W liczniku ułamka prezentowana jest procentowa zmiana wartości zmiennej objaśnianej (np. NPV) wywołana jedno procentową zmianą niezależnej zmiennej objaśniającej Z (dowolna zmienna z algorytmu NPV).  W mianowniku zaś jedno procentowa zmiana wartości niezależnej zmiennej objaśniającej Z. 16 © Waldemar Rogowski .

NPV) przypada na jeden punkt procentowy zmiany niezależnej zmiennej objaśniającej Z. 17 © Waldemar Rogowski .Współczynnik wrażliwości informuje ile punktów procentowych zmiany zmiennej objaśnianej (np.

wartość współczynnika wrażliwości jest wartością stała. dla wszystkich wartości danej niezależnej zmiennej objaśniającej.Jeżeli zależność zmiennej objaśnianej (NPV) od danej niezależnej zmiennej objaśniającej jest liniowa. 18 © Waldemar Rogowski .

zazwyczaj powodują inne niż liniowe zmiany zmiennej objaśniającej (zależność nieliniowa). które:  liniowo zmieniają przepływy pieniężne netto.  powodują zmianę stopy dyskontowej (np. struktura finansowania) lub oddziałują jednocześnie na kilka zmiennych zależnych w różnych kierunkach. koszt kapitału własnego. 19 © Waldemar Rogowski .Niezależne zmienne objaśniające. koszt kapitału obcego. w przybliżeniu również liniowo wpływają na zmiany NPV.

:  ujemna wartość świadczy.d. 20 © Waldemar Rogowski . że badana niezależna zmienna objaśniająca wpływa w sposób zgodny na zmienną objaśnianą (poziom opłacalności i kryterium decyzyjne): wzrost niezależnej zmiennej objaśniającej powoduje wzrost zmiennej objaśnianej a spadek niezależnej zmiennej objaśniającej powoduje spadek zmiennej objaśnianej. że analizowana niezależna zmienna objaśniająca wpływa w sposób przeciwny na zmienną objaśnianą (poziom opłacalności): wzrost niezależnej zmiennej objaśniającej powoduje spadek zmiennej objaśnianej a spadek niezależnej zmiennej objaśniającej powoduje wzrost zmiennej objaśnianej  dodatnia wartość oznacza.Interpretacja współczynnika wrażliwości jest następująca – c.

kryterium zbudowanego w oparciu o metodę NPV. szukana jest taka wartość niezależnych zmiennych objaśniających. jakie są dopuszczalne odchylenia poszczególnych niezależnych zmiennych objaśniających. a mianowicie. przy których przedsięwzięcie inwestycyjne jest jeszcze opłacalne. dla których NPV = 0. 21 © Waldemar Rogowski .  W przypadku stosowania jako kryterium decyzyjnego.Przeprowadzając analizę wrażliwości można też uzyskać odpowiedź na jeszcze inaczej sformułowane pytanie.

Analiza wrażliwości jest w tym przypadku uzupełniana o informację o poziomie marginesów bezpieczeństwa stanowiących granicę opłacalności przedsięwzięcia inwestycyjnego. dla każdej niezależnej zmiennej objaśniającej Marginesy bezpieczeństwa mogą być wyrażone jako:  Wartości bezwzględne  Wartości względne 22 © Waldemar Rogowski .

Z gr  Z baz gdzie: Zgr . 23 © Waldemar Rogowski .wartość graniczna analizowanej niezależnej zmiennej objaśniającej Z Zbaz .wartość bazowa analizowanej niezależnej zmiennej objaśniającej Z.Bezwzględny margines bezpieczeństwa jest to różnica między wartością graniczną a wartością bazową analizowanej niezależnej zmiennej objaśniającej albo między wartością bazową a graniczną.

wartość bazowa analizowanej niezależnej zmiennej objaśniającej Z.wartość graniczna analizowanej niezależnej zmiennej objaśniającej Z Zbaz .Względny margines bezpieczeństwa jest to iloraz różnicy wartości granicznej i wartości bazowej do wartości bazowej badanej niezależnej zmiennej objaśniającej Z gr  Z baz Z baz gdzie: Zgr . 24 © Waldemar Rogowski .

 zróżnicowanie poziomu niezależnych zmiennych objaśniających nie może być dowolne. więc poszczególne elementy algorytmu matematycznego danej metody oceny opłacalności przedsięwzięcia inwestycyjnego.Przeprowadzając analizę wrażliwości. należy pamiętać. lecz logicznie uzasadnione. że:  dobór niezależnych zmiennych objaśniających zależy od przyjętej w analizie metody oceny opłacalności przedsięwzięcia inwestycyjnego – zmiennymi mogą być. 25 © Waldemar Rogowski .

Z punktu widzenia poziomu agregacji niezależnych zmiennych objaśniających można wyróżnić dwa podstawowe warianty analizy wrażliwości:  wariant ze zagregowanymi niezależnymi zmiennymi objaśniającymi. stopa dyskonta i ekonomiczny okres życia przedsięwzięcia). w przypadku NPV będą to przepływy pieniężne netto. 26 © Waldemar Rogowski . który oparty jest jedynie na podstawowych elementach wykorzystywanych w danym algorytmie metody oceny opłacalności (np.

Stopień dezagregacji zmiennych objaśniających zależy głównie od szczegółowości posiadanych danych. dokładności analizy i potrzeb informacyjnych w zakresie podejmowania decyzji 27 © Waldemar Rogowski . które bezpośrednio lub pośrednio determinują poszczególne elementy algorytmu danej metody opłacalności przedsięwzięcia inwestycyjnego. wariant ze dezagregowanymi niezależnymi zmiennymi objaśniającymi.

Koszt materiałów i energii Wynagrodzenia Koszty sprzedaży 1. 3.Kryterium opłacalności Zmienne zagregowane Przepływy pieniężne netto Okres życia przedsięwzięcia Stopa dyskonta Zmienne zdezagregowane (szczegółowe) Spadek wpływów Zwiększenie wydatków Wydłużenie fazy budowy Skrócenie fazy operacyjnej Wzrost kosztu kapitału Zmiana struktury finansowania NPVbaz   t 0 n 1 k NCFbaz n WACC a lbo RF  t Wydatki Wydatki inwestycyjne Wzrost nakładów inwestycyjnych Wydatki operacyjne Wzrost kosztów operacyjnych (bez amortyzacji) Wpływy operacyjne Spadek sprzedaży Wpływy Wpływy inwestycyjne Spadek wpływów inwestycyjnych (spadek wartości sprzedanego majątku trwałego) 1. 2. Spadek ceny Spadek ilości Spadek sprzedaży jednego z asortymentu 28 © Waldemar Rogowski Źródło: opr. 3. wł. 2. 2. . Nakłady na rzeczowe składniki majątku trwałego Nakłady fazy przedinwestycyjnej Nakłady na kapitał obrotowy netto 1. 3.

Wyznaczając NPV dla różnych poziomów procentowych zmian zmiennych objaśniających możliwe jest sporządzenie wykresów NPV w zależności od procentowej zmiany poszczególnych niezależnych zmiennych objaśniających wykorzystywanych w algorytmie szacowania NPV. 29 © Waldemar Rogowski . Wykres taki nosi nazwę krzywej wrażliwości.

Nachylenie poszczególnych krzywych wrażliwości wskazuje na poziom wrażliwości NPV (opłacalności przedsięwzięcia inwestycyjnego) na zmianę określonej niezależnej zmiennej objaśniającej:  Im większe nachylenie (krzywa jest bardziej stroma). 30 © Waldemar Rogowski . tym zmienna objaśniana (opłacalność przedsięwzięcia) jest wrażliwsza na zmiany analizowanej niezależnej zmiennej objaśniającej i tym większy jest poziom ryzyka przedsięwzięcia inwestycyjnego.

Graficzna postać analizy wrażliwości Wartość bazowa zmiennej objaśnianej (NPV) Krzywa wrażliwości przychody ze sprzedaży Margines bezpieczeństwa przychody ze sprzedaży .5% + 5% Krzywa wrażliwości nakłady inwestycyjne + 15% Margines bezpieczeństwa nakłady inwestycyjne Źródło: opr. wł.15% . 31 © Waldemar Rogowski .

Przy wykorzystaniu analizy wrażliwości w procesie podejmowania bezwzględnej decyzji inwestycyjnej decydent otrzymuje informację o poziomie ryzyka w formie:  wrażliwości kryterium decyzyjnego opartego na określonej metodzie oceny opłacalności przedsięwzięcia inwestycyjnego na zmianę elementów uwzględnianych w tej metodzie  wartości granicznych oraz marginesów bezpieczeństwa. 32 © Waldemar Rogowski .

iż badając określoną niezależną zmienną objaśniającą. 2. 4. 5. korygując ją o założony % zmian. które powinny być przedmiotem głębszej analizy Jest użyteczna głównie w przypadku przedsięwzięć rozwojowych. oraz umożliwia obliczenie marginesów bezpieczeństwa realizacji konkretnego przedsięwzięcia 1. Ponieważ w analizie wrażliwości uwzględnia się tylko pierwszy czynnik. pozostałe niezależne zmienne objaśniające przedsięwzięcia pozostawiane są na nie zmienionym poziomie Ryzyko przedsięwzięcia zależy zarówno od: wrażliwości kryterium decyzyjnego na zmiany niezależnych zmiennych objaśniających jak i zakresu prawdopodobnych wartości tych zmiennych odzwierciedlanych w ich rozkładach prawdopodobieństwa. jest ona przez to niekompletna 33 3. w których następuje zmiana kryterium decyzyjne.Zalety i wady analizy wrażliwości Zalety 1. o tym. Służy do identyfikacji ryzyka wskazując obszary. © Waldemar Rogowski . znajomość wpływu poszczególnych niezależnych zmiennych objaśniających na zmienną objaśnianą. można wykorzystać w innych analizach ryzyka Można przedstawić wszystkie krzywe wrażliwości na jednym wykresie. tj. Wady Przyjmowanie uproszczonego nie odpowiadającego rzeczywistości założenia. 2. których ryzyko nie było wcześniej analizowane. co może ułatwić bezpośrednie porównania ryzyka determinowanego przez różne niezależne zmienne objaśniające Krzywe wrażliwości przedstawiają użyteczną informację o punktach granicznych. a więc kiedy nie ma doświadczeń pochodzących z podobnych przedsięwzięć inwestycyjnych realizowanych wcześniej Jej wyniki. tj.

34 © Waldemar Rogowski .Pierwszą z wad analizy wrażliwości eliminuje analiza scenariuszy. Drugą zaś analiza symulacyjna.

48 2.77 37.88 45.44 35 © Waldemar Rogowski .71 Wartość zmiennej objaśniającej 10% wzrost kosztów operacyjnych 5% wzrost kosztów operacyjnych Bazowy 5% spadek kosztów operacyjnych 10% spadek kosztów operacyjnych Ww Względny margines bezpieczeństwa Względny margines bezpieczeńst wa Wartość zmiennej objaśnianej NPV -21.Matryca wrażliwości przedsięwzięcia inwestycyjnego Wartość zmiennej objaśniającej 10% spadek sprzedaży 5% spadek sprzedaży Poziom bazowy 5% wzrost sprzedaży 10% wzrost sprzedaży Ww Względny margines bezpieczeńs twa Względny margines bezpieczeń stwa Wartość zmiennej objaśnianej NPV -33.24 16.7 12.62% 225.64 -10.27.68 3.66% 260.24 22.7 12.89 33.65 -4.78 .

Metoda analizy scenariuszy (ang. scenario analysis) uwzględnia:  wrażliwość zmiennej objaśnianej (np. NPV) na zmiany niezależnych zmiennych objaśniających  zakres najbardziej prawdopodobnych wartości niezależnych zmiennych objaśniających 36 © Waldemar Rogowski .

37 © Waldemar Rogowski .Analizę scenariuszy można przeprowadzać zarówno wykorzystując model zagregowany jak i zdezagregowany.

U podstaw teoretycznych tej metody leży koncepcja. proponująca analizowanie ryzyka poprzez określanie scenariuszy zakładających przyjmowanie przez niezależne zmienne objaśniające występujące w algorytmie danej metody oceny opłacalności wykorzystywanej w danym kryterium decyzyjnym określonych wartości w przyszłości. 38 © Waldemar Rogowski .

W analizie scenariuszowej wykorzystywane są informacje uzyskane z analizy wrażliwości na podstawie. 39 © Waldemar Rogowski . których sporządzane są możliwe warianty przyszłego kształtowania się niezależnych zmiennych objaśniających zwane scenariuszami.

 W etapie pierwszym. określane są scenariusze opisujące wartość poszczególnych niezależnych zmiennych objaśniających w przyszłości.Algorytm postępowania w tej metodzie obejmuje dwa podstawowe etapy. 40 © Waldemar Rogowski .

 pesymistyczny (pessimistic .analiza BOP (Best Optymistic Pessimistic). – niezależne zmienne objaśniające są przyjmowane w wartościach przyjętych dla analizowanego przedsięwzięcia inwestycyjnego.P) – sporządzany dla najgorszych najbardziej pesymistycznych wartości niezależnych zmiennych objaśniających. 41 © Waldemar Rogowski .Najczęściej konstruowane są trzy scenariusze:  optymistyczny (optimistic . Stąd wywodzi się spotykana czasem angielska nazwa metody .O) w którym niezależne zmienne objaśniające przyjmowane są na poziomie najbardziej optymistycznym.  bazowy (best .B).

B. 2. Piwecki proponują budowanie czterech scenariuszy: 1. 4. Najgorszego z możliwych. Optymistycznego. 42 © Waldemar Rogowski . Najbardziej prawdopodobnego. 3. Nogalski M. Pesymistycznego.

St. Ross. Dwie sytuacje skrajne (wariant optymistyczny i pesymistyczny) 3. R. Sytuację bazową 2. że istnieje nieokreślona liczba różnych scenariuszy. Dwie sytuacje oparte na wartościach pośrednich między scenariuszem bazowym a scenariuszami skrajnymi 43 © Waldemar Rogowski . D. B. co najmniej pięć scenariuszy: 1. Jako minimum powinno określać się.W Westerfield. Jordan twierdzą natomiast. które można rozpatrywać. A.

K. 2. wszystkie kluczowe zdarzenia. Marcinek proponuje aby w analizie scenariuszy budować dwa scenariusze: 1. kluczowe zdarzenia. które w przyszłości będą miały przebieg zgodny z oczekiwaniami (scenariusz bazowy). które będą miały przebieg gorszy od oczekiwanego (scenariusz pesymistyczny). 44 © Waldemar Rogowski .

czyli wartość bazowa.Dzięki zastosowaniu tej analizy otrzymywane są. która będzie uzyskana w przypadku zajścia scenariusza najgorszego (pesymistycznego). NPVpes. 45 © Waldemar Rogowski . 2. NPVopt. gdy zrealizuje się scenariusz najlepszy (optymistyczny). NPVbaz. więc zamiast jednej wartości NPV (NPVbaz). trzy wartości: 1. 3.

to jest możliwe obliczenie statystycznych miar ryzyka. 46 © Waldemar Rogowski . Analiza scenariuszy najczęściej stanowi wstęp do metod probabilistycznych.  Jeżeli bowiem będą znane prawdopodobieństwa realizacji rozpatrywanych scenariuszy.

W przypadku. NPVopt. 47 © Waldemar Rogowski . NPVpes. gdy brak jest danych dotyczących prawdopodobieństwa realizacji analizowanych scenariuszy. wnioski z analizy muszą być oparte tylko na podstawie możliwych do uzyskania wartości NPVbaz.

163 © Waldemar Rogowski .D. przedsięwzięcie inwestycyjne może być uznane za: opłacalne (+) nieopłacalne (-) Możliwe modelowe warianty dla trzech podstawowych scenariuszy Rodzaje scenariuszy Warianty optymistyczny bazowy pesymistyczny I II III IV + + + - + + - + 48 Źródło: Däumler K.Zakładając. Praxis der Investitions und Wirtschaftlichkeitsrechnung Verlag neue Wirtschafts – Briefe Berlin Auflage 3 str. że dla każdego scenariusza.

na podstawie literatury przedmiotu 49 © Waldemar Rogowski . * destymulanta – zmienna. że zmienne traktowane jako objaśniające są dodatnio skorelowane. W rzeczywistości prawdopodobieństwo. której wyższa wartość oznacza negatywny wpływ na poziom opłacalności (np. gdyż umożliwia analizowanie jednoczesnych zmian więcej niż jednej niezależnej zmiennej objaśniającej 1. koszty. chociaż w rzeczywistości istnieje bardzo duża ich liczba Zakłada. wł. przychody ze sprzedaży) Źródło: opr. 2. a dla scenariusza optymistycznego największe dla stymulant i najmniejsze dla destymulant). nakłady inwestycyjne) ** stymulanta . której wyższa wartość oznacza pozytywne wpływ na poziom opłacalności (np. że wszystkie niezależne zmienne objaśniające osiągną jednocześnie najgorszą lub najlepszą wartość jest bardzo małe. Zatem analiza scenariuszy zazwyczaj przeszacowuje wielkości graniczne – NPV pesymistycznego scenariusza jest zbyt niska. Dostarcza więcej informacji o poziomie ryzyka przedsięwzięcia inwestycyjnego niż analiza jedynie jednego wariantu – bazowego Eliminuje jedną z wad analizy wrażliwości. WADY Rozważa tylko kilka możliwych scenariuszy.Zalety i wady analizy scenariuszy: ZALETY 1. a NPV optymistycznego scenariusza jest za wysoka 2. (przyjmują one dla scenariusza pesymistycznego wartości największe dla destymulant* oraz najmniejsze dla stymulant*.zmienna.

Jako statystyczną miarę ryzyka przedsięwzięć inwestycyjnych powszechnie przyjmuje się: 1. współczynnik zmienności CV:  ryzyko w wartościach względnych 50 © Waldemar Rogowski . odchylenie standardowe () wyrażające:  wielkość rozproszenia wokół wartości oczekiwanej E(X)  ryzyko w wartościach bezwzględnych 2.

metody oceny opłacalności przedsięwzięcia inwestycyjnego stanowiącej podstawę dla analizy ryzyka 3. sposobu szacowania prawdopodobieństwa dla danych losowych zmiennych objaśniających 4. Koniecznym jest określenie czy przepływy pieniężne są zależne czy też niezależne w czasie 5. horyzontu czasowego analizy 2.W przypadku wykorzystywania metod probabilistyczno–statystycznych konieczne jest ustalenie następujących podstawowych założeń: 1. wzajemnej zależności przepływów pieniężnych netto w czasie. prawdopodobieństwa wystąpienia poszczególnych poziomów przepływów pieniężnych netto 51 © Waldemar Rogowski .

. Najczęściej metody probabilistyczno– statystyczne opierają się na metodzie NPV i kryterium decyzyjnym zbudowanym w oparciu o tę metodę..n okresów). 52 © Waldemar Rogowski .Horyzont czasowy analizy określany jest przez okres życia przedsięwzięcia inwestycyjnego (t = 0 .

 jako prawdopodobieństwa subiektywne wyznaczane przez podejmującego decyzję na podstawie jego doświadczenia.Prawdopodobieństwo zaistnienia określonej wartości losowych zmiennych objaśniających może być wyznaczone w trojaki sposób:  jako prawdopodobieństwa a priori ustalone na podstawie matematycznych prawidłowości dotyczących zależności między różnymi przewidywanymi poziomami zmiennych.  jako prawdopodobieństwa a posteriori ustalane na podstawie doświadczeń z przeszłości dotyczących realizacji przedsięwzięć inwestycyjnych w podobnych warunkach. intuicji oraz subiektywnej oceny decydenta 53 © Waldemar Rogowski .

druga propozycja polega zaś na bezpośrednim wyliczaniu wartości NPV w oparciu o analizę scenariuszy i dopiero w następnym kroku obliczanie wartości oczekiwanej NPV 54 © Waldemar Rogowski . pierwsza z nich polega na szacowaniu wartości oczekiwanej przepływów pieniężnych netto (NCF) i dopiero w drugim kroku wartości oczekiwanej NPV.Występują dwie propozycje szacowania odchylenia standardowego NPV oraz współczynnika zmienności NPV dla przedsięwzięć o niezależnych saldach przepływów pieniężnych (przypadek 1): 1. 2.

Szacowanie probabilistyczno–statystycznych miar ryzyka dla przedsięwzięć inwestycyjnych o niezależnych przepływach pieniężnych netto  Analiza scenariuszowa stanowi podstawę wariantu uproszczonego szacowania statystycznych miar ryzyka dla przedsięwzięć inwestycyjnych o niezależnych przepływach pieniężnych netto. 55 © Waldemar Rogowski .

56 © Waldemar Rogowski . optymistycznego i pesymistycznego prawdopodobieństwa na poziomie 0.W I etapie należy określić poziom prawdopodobieństwa dla poszczególnych przyjętych scenariuszy. Najczęściej w literaturze postuluje się.5. aby przyjmować: dla obu skrajnych scenariuszy tj.25 zaś dla scenariusza bazowego 0.

2 57 © Waldemar Rogowski .Są też propozycje zrywających z założeniem symetrycznego rozkładu prawdopodobieństwa. M Siudak proponuje na przykład przyjęcie następujących prawdopodobieństw dla: Scenariusza optymistycznego 0.10 Bazowego 0.7 Pesymistycznego 0.

1 58 © Waldemar Rogowski . w której prawdopodobieństwa wynoszą dla: Scenariusza optymistycznego 0.P. Szczepankowski przedstawia propozycję.6 Pesymistycznego 0.3 Bazowego 0.

bazowego i pesymistycznego popt.W II etapie szacowana jest wartość oczekiwana NPV E(NPV)= popt NPVopt + pb NPVb + ppes NPVpes. popt – prawdopodobieństwa zajścia określonego scenariusza 59 © Waldemar Rogowski . gdzie: NPVopt. pb. NPVbaz i NPVpes oznaczają wartości NPV obliczone odpowiednio dla scenariusza optymistycznego.

Zakres czynności składających się na etap trzeci obejmuje:  oszacowanie wariancji:  2 NPV  pbaz (( NPVbaz  E ( NPV )) 2  p opt (( NPVopt  E ( NPV )) 2   p pes (( NPV pes  E ( NPV )) 2  odchylenia standardowego  NPV   NPV © Waldemar Rogowski 2 60 .

W ostatnim etapie szacowany jest współczynnik zmienności CV NPV   NPV E ( NPV ) 61 © Waldemar Rogowski .

1(200  280 ) 2  0.3 0.3 (400  280 ) 2  0.1 0.3 ) x (400 )  (0.2) x (600 )  280  2 NPV  0. wł Prawdopodobieństwa wystąpienia (pi) 0.2 Wartość NPV -200 0 200 400 600 E( NPV )  (0.2(600  280 ) 2  57 600  NPV  57 600  240 A 240 CV   0.3 (200  280 ) 2  0.3 0.1 0.1(0  280 ) 2  0.1) x(200 )  (0.Przykład Rodzaj scenariusza pesymistyczny umiarkowanie pesymistyczny bazowy umiarkowanie optymistyczny optymistyczny Źródło: opr.1) x(0)  (0.85 280 62 © Waldemar Rogowski .3) x (200 )  (0.

Analiza symulacja zwana Monte Carlo  Eliminuje dwie podstawowe wady analizy scenariuszy dotyczące:  ograniczonej ilości badanych scenariuszy  założenia o dodatniej korelacji pomiędzy niezależnymi zmiennymi objaśniającymi  Łączy zalety analizy wrażliwości jak i analizy scenariuszy 63 © Waldemar Rogowski .

Hertza 64 © Waldemar Rogowski .B.Zastosowanie analizy symulacyjnej w analizie ryzyka przedsięwzięć inwestycyjnych zostało po raz pierwszy przedstawione w 1964r. przez D.

 Analiza symulacyjna może wykorzystywać także inne kryteria decyzyjne jak choćby oparte o metodę IRR 65 © Waldemar Rogowski . Jako kryterium decyzyjne służące do przeprowadzenia symulacji przyjmowane jest najczęściej kryterium decyzyjne zbudowane w oparciu o metodę NPV.  Zmiennymi modelu symulacyjnego są zatem czynniki determinujące wartość NPV a tym samym kryterium decyzyjne.

3. w którym: definiowane są zmienne zdeterminowane i losowe. wyznaczanie empirycznego rozkładu wartości zmiennej objaśnianej otrzymanego w wyniku powtórzeń symulacji i estymacja tego rozkładu. 66 2. przeprowadzenie określonej serii symulacji w celu uzyskania jak największej ilości różnych wartości zmiennej objaśnianej.Cykl symulacyjny w analizie Monte Carlo składa się z pięciu podstawowych etapów a mianowicie: 1. © Waldemar Rogowski . następnie określane są zależności i wzajemne powiązania pomiędzy zmiennymi losowymi przedsięwzięcia. 5. ustalania hipotetycznego rozkładu prawdopodobieństwa wartości dla każdej zmiennej losowej (obarczonej ryzykiem). konstrukcji modelu finansowego przedsięwzięcia inwestycyjnego. losowego wyboru wartości z hipotetycznego rozkładu danej zmiennej losowej i oszacowanie dla niej wartości zmiennej objaśnianej (np. 4. NPV).

W modelu finansowym należy określić wszystkie najbardziej istotne zmienne mające wpływ na ryzyko przedsięwzięcia wykorzystywane w algorytmach danej metody oceny opłacalności przedsięwzięć inwestycyjnych Dobór zmiennych zależy od:  rodzaju przedsięwzięcia inwestycyjnego  pożądanego stopnia dezagregacji modelu  zakresu prowadzonej analizy 67 © Waldemar Rogowski .

W węższym ujęciu (model zagregowany) są to zwykle trzy zmienne losowe:  stopa dyskonta  przepływy pieniężne netto  długość okresu życia przedsięwzięcia inwestycyjnego (lub długość samej fazy operacyjnej). 68 © Waldemar Rogowski .Liczba zmiennych zdeterminowanych (pewnych) i losowych (obarczonych ryzykiem) może się zmieniać w zależności od potrzeb danej analizy.

3. 69 © Waldemar Rogowski . 2. kosztów operacyjnych.W modelu zdezagregowanym jako zmienne losowe najczęściej przyjmowane są poszczególne składniki: 1. nakładów inwestycyjnych. przychodów ze sprzedaży.

70 © Waldemar Rogowski . tempo wzrostu rynku. Rynek:     rozmiary rynku.  Koszty stałe. ceny sprzedaży. Przedsięwzięcie inwestycyjne:  całkowite nakłady inwestycyjne.  długość okresu życia przedsięwzięcia inwestycyjnego.  księgowa wartość likwidacyjna (rezydualna). Koszty operacyjne:  jednostkowy koszt zmienny.D. 3. udział w rynku. 2. B. Hertz w analizie symulacyjnej założył zmienność dziewięciu podstawowych zmiennych pogrupowanych w trzech obszarach (model zdezagregowany): 1.

 Następnie szacowana jest dla tych zmiennych wartość zmiennej objaśnianej (np. NPV).Losowy wybór wartości z hipotetycznego rozkładu danej zmiennej losowej i wyznaczenie dla niej wartości wyjściowej (zmiennej objaśnianej. 71 © Waldemar Rogowski . NPV)  Algorytm komputerowy wybiera losowo dla każdej zmiennej losowej konkretną wartość z hipotetycznego rozkładu prawdopodobieństw tej zmiennej. np.

Mogą istnieć dwa rodzaje zależności między zmiennymi losowymi:  Zmienne są zależne  Zmienne są niezależne 72 © Waldemar Rogowski .

W przypadku przyjęcia założenia. 73 © Waldemar Rogowski . jak i z niską wartością drugiej zmiennej. NPV).  W przeciwieństwie do analizy scenariuszowej w tym przypadku jedna wartość zmiennej może być powiązana zarówno z wysoką. iż zmienne te są niezależne oddzielnie losowane są wartości dla każdej zmiennej. a następnie obliczana jest wartość zmiennej objaśnianej (np.

że zmienne losowe są wzajemnie zależne. co jest konieczne w wypadku. 74 © Waldemar Rogowski . w którym zmienne są powiązane:  przez zależności matematyczne (przyczynowo – skutkowe). wysokiemu poziomowi sprzedaży towarzyszy niska wartość podatku dochodowego).  lub gdy są w dużym stopniu skorelowane.Natomiast w przypadku założenia. Niezależne losowanie pojedynczych zmiennych losowych często może powodować powstawanie niewłaściwych zbiorów zmiennych losowych (np.

75 © Waldemar Rogowski .W celu zabezpieczenia się przed takimi przypadkami w jednym cyklu symulacyjnym losuje się tylko jedną zmienną losową. a pozostałe zmienne skorelowane przyjmowane są a priori w zależności od uprzednio wylosowanej wartości pierwszej zmiennej losowej.

Seria cykli symulacyjnych  Etap ten obejmuje obliczenia komputerowe serii wartości NPV  Te wartości będą w kolejnym etapie symulacji podstawą do wyznaczania empirycznego rozkładu zmiennej objaśnianej będącej miarą opłacalności przedsięwzięcia inwestycyjnego. 76 © Waldemar Rogowski .  Liczba cykli symulacyjnych jest równa liczbie powtórzeń procedury generowana wartości dla każdej zmiennej losowej oraz obliczania wartości zmiennej objaśnianej na podstawie tychże wygenerowanych wartości zmiennych losowych.

W przypadku:  rozkładu zbliżonego do normalnego:  wartość oczekiwaną i odchylenie standardowe  asymetrycznego  medianę.Następnie na podstawie ustalonego empirycznego rozkładu wartości danej zmiennej objaśnianej (np. NPV) estymuje się dla danego przedsięwzięcia inwestycyjnego parametry jej rozkładu. dominantę oraz odchylenie kwantylowe  rozkładu jednostajnego  wartości minimalną i maksymalną 77 © Waldemar Rogowski .

Schemat symulacji Monte Carlo w oparciu o metodę NPV zaproponowany przez D. Hertz’a 78 © Waldemar Rogowski .

Hertz Risk Analysis in Capital Investments Harvard Business Review January – February 1964.Kategorie zmiennych wybierane do symulacji Monte Carlo przy próbach obliczania NPV Analiza rynku Proces inwestycyjny Koszty operacyjne Rozmiar Ceny Tempo rynku sprzeda. losowe wybieranie zestawów danych Zapisywanie rozkładu NPV Źródło: opr. na podstawie D. s. 95-106. wzrostu rynku Udział w rynku Nakłady Wartość Ekonom Koszty Jednostkowy inwestyc.B. 79 © Waldemar Rogowski . wł. rezydualna okres życia operacyjne koszt przedsięwzięcia zmienny Wartości prawdopodobieństw dla istotnych czynników Losowy wybór grup czynników pod względem prawdopodobieństwa wystąpienia w przyszłości Obliczanie NPV Dla każdej kombinacji grup czynników Wielokrotne.

80 © Waldemar Rogowski . większej lub mniejszej od określonej wartości Właściwości te mają ogromne znaczenie.Wykorzystując wyznaczony w analizie symulacyjnej rozkład statystyczny NPV można szacować prawdopodobieństwo osiągnięcia przez NPV wartości: 1. gdyż uzupełniają kryterium decyzyjne o element prawdopodobieństwa jego osiągnięcia. z określonego przedziału 2.

wynosi 95.Źródło: opr.wynosi (99. wł.1NPV. to prawdopodobieństwo. Jeśli rozkład NPV jest ciągły i w przybliżeniu normalny. E(NPV) + 2 NPV] .7%). iż NPV danego przedsięwzięcia inwestycyjnego znajdzie się w przedziale: -[E(NPV) .2 NPV. -[E(NPV) . © Waldemar Rogowski 81 . E(NPV) + 1 NPV] .3 NPV.wynosi 68. E(NPV) + 3 NPV] .3%.5% -[E(NPV) .

polegającego na tym.Bardzo ważną informacją w procesie decyzyjnym jest określenie prawdopodobieństwa zaistnienia zdarzenia. że:  NPV danego przedsięwzięcia inwestycyjnego będzie wynosiła określoną wartość. 82 © Waldemar Rogowski .

W tym przypadku stosowana jest forma wystandaryzowanego rozkładu normalnego. dla którego za pomocą standaryzacji szacowana jest nowa wartość: zmienna Z z x  E ( NPV )  NPV gdzie: z .zakładane wartości analizowanej zmiennej.zmienna wystandaryzowana. x . 83 © Waldemar Rogowski .

7 0.2743 0.242 0.2119 0.0 Prawdopodobieństwo.8 0.1841 0.1587 84 © Waldemar Rogowski .4207 0.4602 0.9 1.2 0.3 0. NPV) W przypadku dodatnich wartości z jest większe niż E(NPV) + z W przypadku ujemnych wartości z jest mniejsze niż E(NPV) .5 0.3821 0.4 0.Tablica rozkładu zmiennej wystandaryzowanej Z Wartość Z 00 0.5 0.3085 0.3446 0.z 0.1 0. iż wartość badanej zmiennej (np.6 0.

Tablica rozkładu zmiennej wystandaryzowanej Z .4 1.9 2 2.d.8 1.0228 0.0062 0.0548 0.0287 0. NPV) W przypadku dodatnich wartości z jest większe niż E(NPV) + z W przypadku ujemnych wartości z jest mniejsze niż E(NPV) .0359 0.1357 0.3 1.0446 1.0968 0.5 3 Źródło: tablice statystyczne 0.0668 0. iż wartość badanej zmiennej (np.0013 85 © Waldemar Rogowski .5 1.z 1.1151 0.c.2 1.6 1.0808 0. Wartość Z Prawdopodobieństwo.7 0.1 1.

NPV > od określonej wartości (x) wynosi 1 – 0.92%. 91. 86 © Waldemar Rogowski .0808 = 0.4 odpowiadająca mu wielkość prawdopodobieństwa wynosi 0.1. iż dla danego przedsięwzięcia inwestycyjnego: NPV < określonej wartości (x) wynosi 8.0808  Prawdopodobieństwo.9192 tzn.Informację zawartą w tabeli należy odczytywać w sposób następujący:  dla Z = .08%.

iż zmienne są niezależne. Technicznie łatwo jest uwzględnić każdy rodzaj korelacji zmiennych w analizie symulacyjnej: oprogramowanie symulacyjne pozwala na określenie zarówno korelacji zmiennych. W związku z tym konieczne jest przy tym wykorzystywanie wszystkich dostępnych informacji: historycznych danych o podobnych przedsięwzięciach inwestycyjnych. 3.Zalety i wady analizy symulacyjnej Zalety 1. Wady Problemem jest określenie rozkładu prawdopodobieństwa zmiennych losowych i korelacji ich rozkładów. 2. oraz określenie siły i kierunku korelacji między zmiennymi losowymi w zakresie wpływów i wydatków pieniężnych Konieczność oszacowania hipotetycznych rozkładów prawdopodobieństwa wartości zmiennych losowych. 3. na podstawie pozycji literaturowych 87 © Waldemar Rogowski . Ich uwzględnienie zwiększa stopień złożoności modelu Konieczność opracowania dużej ilości informacji. zatem uważnie rozpatrywane. 4. których często decydent nie posiada w szczególności w przypadku przedsięwzięć rozwojowych 2. Zjawiska te powinny być. aby uwzględnić wzajemne współzależności pomiędzy statystycznym rozkładem zmiennych. jak i korelacji międzyokresowych. Umożliwia znacznie dokładniejsze oszacowanie wartości oczekiwanej E(NPV) i ryzyka (mierzonego odchyleniem standardowym) dla każdego analizowanego przedsięwzięcia niż metody probabilistyczno statystyczne Nie zakłada dodatniego skorelowania stanów zmiennych objaśniających Nie ogranicza się do analizy kilku wartości zmiennych objaśniających (tak jak ma to miejsce w przypadku analizy scenariuszowej) Najbardziej teoretycznie poprawna technika analizy ryzyka z grupy metod pośrednich 1. podczas gdy przyjmowane zmienne (czynniki ekonomiczne) są na ogół statystycznie zależne. Jednak nie jest proste ich merytoryczne uzasadnienie Przyjmowane jest w niej założenie. Źródło: opr. wł. 4.

Ilustracja idei bezpośredniego uwzględniania ryzyka w przedsięwzięciach inwestycyjnych w oparciu o metodę NPV

Metoda ekwiwalentu pewności CEt
n

NPV  

t 0

1  k 

NCFt

t

Metoda granicznego okresu zwrotu

Metoda stopy dyskonta z ryzykiem kRADR

Źródło: opr. wł.
88

© Waldemar Rogowski

Przesłanki teoretyczne metody stopy dyskonta z ryzykiem mogą być uzasadnione na gruncie teorii użyteczności krańcowej i stosunku decydenta do ryzyka.
 Wyższy poziom ryzyka może być, bowiem zaakceptowany przez decydenta jedynie pod warunkiem osiągnięcia odpowiedniej rekompensaty w postaci dodatkowego zarobku.

Rekompensata ta jest uwzględniana w premii za ryzyko (risk premium).

89

© Waldemar Rogowski

Premia za ryzyko musi być tym wyższa, im:
 wyższy jest poziom ryzyka związany z realizacją danego przedsięwzięcia inwestycyjnego ,

 większa jest awersja decydenta do ryzyka.

Im wyżej oceniane jest ryzyko przedsięwzięcia inwestycyjnego, tym wyższej stopy zwrotu oczekuje inwestor.

90

© Waldemar Rogowski

więc wymagania stawiane przedsięwzięciu. 91 © Waldemar Rogowski . NPV RADR   n NCF t t t  0 (1  k RADR ) Skorygowanie stopy dyskonta o premię za ryzyko zaostrza.Metoda stopy dyskonta z ryzykiem opiera się. na właściwości metody NPV dotyczącej spadku bezwzględnej miary opłacalności przedsięwzięcia w przypadku zwiększania stopy dyskonta (im wyższa stopa dyskonta tym niższa wartość NPV).

rp – procentowo wyrażona premia za ryzyko. kwacc – podstawowa stopa dyskonta wyrażona jako koszt kapitału mierzony WACC. kRF – podstawowa stopa dyskonta wyrażona jako stopa zwrotu inwestycji bez ryzyka. 92 © Waldemar Rogowski .Ogólny algorytm metody RADR można zapisać następującą formułą: kRADR = Stopa bazowa + Korekta w formie premii za ryzyko kRADR = kRF + rp gdzie: kRADR = kwacc + rp kRADR – stopa dyskontowa uwzględniająca premię za ryzyko.

 metoda obiektywna .współczynnika zmienności. 93 © Waldemar Rogowski .  metoda klasyfikacji (klas ryzyka).  metoda oparta na modelu wyceny aktywów kapitałowych (CAPM).W literaturze przedmiotu opisane są cztery metody szacowania premii za ryzyko:  metoda subiektywna (ekspercka).

 Decydent w tym przypadku dodaje do stopy bazowej punkty procentowe wyrażające premię za ryzyko.  Bazuje przy tym na swojej wiedzy.W polskiej praktyce gospodarczej do szacowania premii za ryzyko najczęściej wykorzystuje się metodę subiektywną.  Metoda ta opiera się na eksperckim podejściu do określania premii za ryzyko. 94 © Waldemar Rogowski . doświadczeniu oraz intuicji.

dla zbliżonych pod względem ryzyka przedsięwzięć inwestycyjnych. przez różnych decydentów. Staje się to przyczyną stosunkowo dużych rozbieżności w szacunkach poziomu premii za ryzyko. 95 © Waldemar Rogowski .Podstawowym zarzutem stawianym tej metodzie jest brak sprecyzowanych zasad wartościowania wpływu różnych czynników na wysokość premii za ryzyko.

96 © Waldemar Rogowski . więc w pewnym sensie odmiana metody subiektywnej. Jest to. najczęściej wyrażona procentowo.Stosowanie do określania premii za ryzyko metody klasyfikacji polega najczęściej na zakwalifikowaniu danego przedsięwzięcia inwestycyjnego do określonej klasy ryzyka. której przypisana jest odpowiednia premia za ryzyko. w której próbuje się wykorzystać bardziej obiektywne kryteria ustalania premii za ryzyko.

 rodzaj przedsięwzięcia inwestycyjnego. w jakiej dane przedsięwzięcie inwestycyjne jest realizowane.  branża. 97 © Waldemar Rogowski . o wysokości premii za ryzyko decyduje charakter realizowanego przedsięwzięcia. im dłuższy jest ekonomiczny okres życia przedsięwzięcia.Klasy ryzyka mogą być budowane jednak według różnych kryteriów:  czas . że poziom ryzyka jest tym wyższy.zakłada się. w jakiej realizowane jest przedsięwzięcie w tym przypadku premia za ryzyko określana jest przez ryzyko branży.

charakteru przedsięwzięcia Autor Charakter przedsięwzięcia inwestycyjnego Usprawnienie technologii wytwarzania produktu w celu obniżki kosztów Stopa dyskontowa z ryzykiem kRADR 0. Kuchmacz Powiększenie skali działalności firmy [1993] Produkcja nowego wyrobu Przedsięwzięcia spekulacyjne Modernizacyjny A.25 * WACC 2 * WACC Stopa bazowa + 5% Stopa bazowa + 10% Stopa bazowa + 20% D.75* WACC* 1 * WACC 1. Leszczyński Rozwojowy [2001] Spekulacyjny * WACC – koszt kapitału firmy realizującej dane przedsięwzięcie inwestycyjne Źródło: opr. Dobija J.Propozycja systemu klas ryzyka do szacowania premii za ryzyko przedsięwzięcia inwestycyjnego przy wykorzystaniu jako kryterium wyodrębniania klas . Skowronek Z. na podstawie pozycji literaturowych 98 © Waldemar Rogowski . wł.

99 © Waldemar Rogowski .Określanie wysokości stopy dyskonta z ryzykiem w zależności od relacji rynek – produkt Sytuacja Obecny rynek i znany produkt Obecny rynek i nowy produkt Nowy rynek i znany produkt Nowy rynek i nowy produkt Nominalna stopa dyskonta z ryzykiem kRADR 10% 15% 25% 30% Premia za ryzyko 0% 5% 15% 20% Źródło: Perridon L. str. 90. Finanzwirtschaft der Unternehmen Verlag Franz Vahlen Munchen 1986r. Steiner M.

8 powyżej 8 100 © Waldemar Rogowski .1 .5 5.2 . w obecnej branży w podobnej branży w zupełnie innej branży 3.Określanie premii za ryzyko w zależności od rodzaju przedsięwzięcia Klasa ryzyka I II III Charakter przedsięwzięcia odtworzeniowe modernizacyjne rozwojowe Premia za ryzyko w % 0 1–3 III a III b III c Źródło: opr. wł.

Metodologia określania premii za ryzyko przez niemieckie firmy chemiczne Poziom ryzyka Bardzo duży Rodzaj Ryzyka Dokładność szacunków całkowitych nakładów inwestycyjnych Charakter wykorzystywanej technologii Przybliżona wartość szacunkowa 3 pkt Nowa technologia 3 pkt Do 2 lat 2 pkt Do 2 lat 3 pkt Bardzo duże 4 pkt Szczegółowa wartość szacunkowa 6 pkt Zewnętrzna sprawdzona technologia 6 pkt Do czterech lat 4 pkt Do czterech lat 7 pkt Duże 8 pkt Duży Standardowy lub bez wpływu na obecne ryzyko firmy Wartość mieszana szacunkowa i cena normatywna 8 pkt Po części .nowa / po części znana 9 pkt Do sześciu lat 6 pkt Do sześciu lat 10 pkt Średnie 11 pkt Mały Bardzo mały Ramowa cena normatywna 11 pkt Wewnętrznie sprawdzona 11 pkt Do ośmiu lat 8 pkt Do dziesięciu lat 14 pkt Małe 15 pkt Cena normatywna 14 pkt Znana 14 pkt Powyżej ośmiu lat 10 pkt Powyżej dziesięciu lat 17 pkt bardzo małe 19 pkt 101 Techniczny okres użytkowania Ekonomiczny okres życia przedsięwzięcia Ryzyko ilości produkcji © Waldemar Rogowski .

str.Metodologia określania premii za ryzyko przez niemieckie firmy chemiczne – c. 69 102 © Waldemar Rogowski . Poziom ryzyka Bardzo duży Rodzaj Ryzyka Okres rozruchu Nie znany 2 pkt Mniejszy wpływ na przedsięwzięcie 3 pkt Duży Standardowy lub bez wpływu na obecne ryzyko firmy Nie znaczny wpływ na przedsięwzięcie 4 pkt Płace bezpośrednie 9 pkt Częściowo oddziaływuje 2 pkt Mały Bardzo mały Uwzględniony z szacunków 6 pkt Płace bezpośrednie + Materiały 11 pkt W dużej części oddziaływuje 4 pkt Uwzględniony z doświadczenia 7 pkt Rodzaj i zakres oszczędności Skutek oddziaływania na tworzenie miejsca pracy Łączne koszty bezpośrednie 3 pkt Nie oddziaływuje 1 pkt Wynagrodzenia 6 pkt Bezpośredni wpływ 2 pkt Materiały 14 pkt W pełni oddziaływuje 5 pkt Suma punktów do 60 nominalna stopa dyskonta przynajmniej 40% Suma punktów do 80 nominalna stopa dyskonta przynajmniej 30% Suma punktów do 100 nominalna stopa dyskonta przynajmniej 20% Źródło: Däumler K. Grundlagen der Investition und Wirtschaftlichkeitsrechnung Neue Wirtschafts – Briefe Berlin 1989r. D.d.

premia za ryzyko była określana w sposób subiektywny.  Można jednak ją zobiektywizować poprzez zastosowanie do budowy klas ryzyka jednej ze statystycznych miar ryzyka. a mianowicie współczynnika zmienności. 103 © Waldemar Rogowski .W przypadku metody eksperckiej i po części także w metodzie klasyfikacji.

1 0.5 0. str. Premia za ryzyko oszacowana poprzez odjęcie od stopy z ryzykiem KRADR 8 p.1 1.9 0.3% k – stopa dyskontowa bazowa (rentowność inwestycji bez ryzyka lub obecny WACC) 104 Źródło: M.0 – 0.3 – 0.5 – 0. 64.8% i zawierała premię za ryzyko w przybliżeniu 8.p.3 Premia za ryzyko 1 (punkty procentowe) 0 1 Stopa dyskonta z ryzykiem kRADR(%) k2 k +1 0.7 – 0.7 0. 3 6 10 15 22 k+3 k+6 k + 10 k + 15 k + 22 2.Zależność premii ryzyka od współczynnika zmienności Wartość współczynnika zmienności CV 0. Według badań empirycznych realna stopa zwrotu z akcji w USA w latach 1926 – 1988 wynosiła 8. © Waldemar Rogowski .1 – 1.9 – 1. odzwierciedlającej w przybliżeniu średni koszt kapitału (8%) dla przedsięwzięć inwestycyjnych o niskim współczynniku zmienności.1 – 0.4 1. Dobija Elementy rachunkowości zarządczej Fundacja Rozwoju Rachunkowości w Polsce Kraków 1991r.

wartość NPV oszacowana dla stopy dyskonta uwzględniającej premię za ryzyko. może być realizowane. 105 © Waldemar Rogowski .  NPVkRADR = 0 – przedsięwzięcie inwestycyjne jest neutralne. może być realizowane.Kryterium decyzyjne będące podstawą podjęcia bezwzględnej decyzji inwestycyjnej oparte na metodzie NPV jako metodzie oceny opłacalności przedsięwzięcia inwestycyjnego oraz metodzie stopy dyskonta z ryzykiem jako metodzie analizy ryzyka można sformułować w sposób następujący:  NPVkRADR > 0 – przedsięwzięcie inwestycyjne jest opłacalne.  NPVkRADR < 0 – przedsięwzięcie inwestycyjne jest nieopłacalne. gdzie: NPVkRADR . nie może być realizowane.

Najbardziej intuicyjny i zrozumiały sposób uwzględniania ryzyka w metodach bezpośrednich 1. Źródło: opr. WADY Trudności w obiektywnym ustalaniu premii za ryzyko (najczęściej wykorzystywana jest metoda ekspercka) Łączenie ryzyka jedynie ze zmienną wartością pieniądza w czasie (stopą dyskonta) 106 2. wł.Zalety i wady metody stopy dyskonta z ryzykiem ZALETY 1. na podstawie pozycji literaturowych © Waldemar Rogowski .

107 © Waldemar Rogowski . wł.Porównanie stosowania metod oceny ryzyka w Polsce w 1994r. (W. Zarzecki W. Rogow ski 10% Źródło: opr. (D. Rogowski) 60% 50% 40% 30% 20% 10% 10% 0% 0% analiza w rażliw ości analiza scenariuszy stopa dyskonta uw zględniająca ryzyko graniczny okres zw rotu 13% 37% 34% 25% 54% D. Zarzecki) i 2001r.

Hatzopoulos Data badania Kraj Metoda analiza wrażliwości analiza scenariuszy stopa dyskonta uwzględniająca ryzyko ocena subiektywna Metody probabilistyczne analiza współczynnika beta graniczny okres zwrotu 52 46 31 20 3 65 Bd. Brytania % 85 © Waldemar Rogowski . C Arnold D. Brytania % 28 1997 W. 40 16 61 41 Bd. 9 0 25 108 R. Pike 1992 W. Brytania % 71 1980 W. Brytania % 88 1986 W. 48 20 60 61 Bd. Brytania % 42 1975 W. 10 0 30 37 Bd.Częstotliwość wykorzystywania metod analizy ryzyka przedsięwzięć inwestycyjnych w wybranych krajach G.

Zarzecki Data badania Kraj Metoda analiza wrażliwości analiza scenariuszy stopa dyskonta uwzględniająca ryzyko ocena subiektywna Metody probabilistyczne analiza współczynnika beta graniczny okres zwrotu 25 13 1994 Polska % 10 W. Bd. D. 25 14 Bd. na podstawie publikowanych wyników badań empirycznych 109 © Waldemar Rogowski . 25 Źródło: opr. 50 Bd. 20 25 Bd.5 Bd. 52 Bd. Bd. 49 Bd. Wehrle 1988 Szwajcaria % 93 55 Austria % 81 34 13 34 Bd.Częstotliwość wykorzystywania metod analizy ryzyka przedsięwzięć inwestycyjnych w wybranych krajach – c. 10 13.d. Rogowski 2001 Polska % 54 37 Niemcy % 75 42 U. wł.

Rogowski % 25 38 17 0 21 24 0 0 0 24 G. Hatzopoulos % 2 15 9 3 2 37 15 10 7 0 110 © Waldemar Rogowski .Kombinacja metod analizy ryzyka w Polsce i Wielkiej Brytanii Autor Kombinacja metod Żadna metoda Pojedyncze metody Analiza wrażliwości Ocena subiektywna Stopa dyskonta uwzględniająca ryzyko Dwie metody Analiza wrażliwości + stopa dyskonta z premią za ryzyko Analiza wrażliwości + ocena subiektywna Analiza wrażliwości + analiza statystyczna Analiza wrażliwości + analiza scenariuszy W. C Arnold D.

© Waldemar Rogowski .d. C Arnold D. wł. Hatzopoulos % 23 8 Analiza wrażliwości + analiza statystyczna + ocena subiektywna Analiza wrażliwości + stopa dyskonta z premią za ryzyko + graniczny okres zwrotu Analiza wrażliwości + stopa dyskonta z premią za ryzyko + analiza statystyczna Analiza wrażliwości + graniczny okres zwrotu + ocena subiektywna 0 9 0 0 1 0 0 6 6 4 1 9 4 3 111 Cztery metody Analiza wrażliwości + stopa dyskonta z premią za ryzyko + ocena subiektywna + analiza statystyczna Analiza wrażliwości + stopa dyskonta z premią za ryzyko + ocena subiektywna + graniczny okres zwrotu Źródło: opr. Rogowski % 9 0 G.Kombinacja metod analizy ryzyka w Polsce i Wielkiej Brytanii – c. Autor Kombinacja metod Trzy metody Analiza wrażliwości + stopa dyskonta z premią za ryzyko + ocena subiektywna W.

Sign up to vote on this title
UsefulNot useful