THE PERFOMANCE OF RISK ANALYSIS AND REVENUE’ FORECAST OF THE PROJECT

Abstract

The article addresses the problem of revenue forecasting based on the scenario risk analysis. The aim of this paper is to propose the measure that helps to improve the financial efficiency of projects. For this purpose, the study developed the algorithm that 1) combines the cash flow over previous time periods and 2) employs the ARIMA model for further profit forecasting. The findings of this research revealed the issue of poor prediction on small datasets due to the presence of missing values. Consequently, the extension of the proposed measure with the proper preprocessing procedure seems advisable and draws interesting directions for future research.

Full Text

При планировании работ и распреде- тели и провести сценарный анализ рисков лении задач проектов, первоочередной явля- [2], получив в итоге анализа три сценария: ется задача идентификации рисков и прове- - Позитивный; дение их анализа. Так, для проведения ана- - Усредненный; лиза рисков, необходимо, в первую очередь, - Негативный. провести оценку финансовой эффективности В результате, исходные данные преоб- проекта. Существуют две группы методов разовываются в первоначальные данные для для проведения расчетов: проведения прогнозирования прибыли про- - Статические методы; екта в будущих периодах. На рис. 1 пред- - Динамические методы. ставлен алгоритм подготовки и проведения Так, при расчете с помощью методов прогнозирования. первой группы, учитываются только перво- Так, расчёт результатов второго этапа начальные инвестиции, и не учитывается алгоритма происходит по формулам: временная стоимость денег. К таким мето- дам можно отнести индекс рентабельности (profitability index или PI), период окупаемо- (1) сти (payback period или PP). Показателями второй группы в свою очередь являются: чи- стая текущая стоимость проекта (net present (2) value, NPV), внутренняя норма (доходности (international rate of return - IRR) и дисконти- (3) рованный срок окупаемости (DPP) [1]. Также для произведения вычислений необходим (4) чистый доход (cash flow, CF) и расход (nega- tive cash flow, NCF). Далее производится расчёт двух отлич- При условии известных данных - ных от исходного сценариев при изменении начальных инвестиций, числа периодов, значений CF на 25 %. Так, позитивный сце- учетной ставки и стоимости ресурсов, воз- нарий подразумевает увеличение прибыли в можно рассчитать выше описанные показа- 0,25 раз, негативный - уменьшение прибыли в 0,25 раз. Последним этапом третьего шага является расчёт среднеквадратичного откло- © Никишина А. Л., 2017. нения (СКО) и коэффициента вариации: Никишина Анна Леонидовна (nikishina.a.l@gmail.com), магистрант факультета информатики (5) Самарского университета, 443086, Россия, г. Самара, Московское шоссе, 34. Вестник молодых учёных и специалистов Самарского университета. 2017. № 2 (11) 109 где n - количество периодов времени, а Yi - (6) значение прибыли в определённом периоде. где T - количество сценариев, pt - вероят- Данный ряд является нестационарным, в свя- ность возникновения сценария, определяется зи с чем к ряду можно применить линейную экспертным путём, NPVe - ожидаемое значе- стохастическую модель авторегрессии и ние NPV, сумма взвешенных по сценариям проинтегрированного скользящего среднего значений NPV. (AutoRegressive Integrated Moving Average, Рассчитанные на этапе показатели ARIMA), в частности, ARIMA (0, 1, 0) для отображают вариабельность доходности ин- построения которого достаточно использо- вестиций. И чем меньше стандартное откло- вать информацию, содержащуюся в самих нение, тем менее рискованны инвестиции в рядах [3]. данный проект. В связи с этим возможным и Для построения модели и прогнозиро- полезным будет создание коридора колеба- вания возможно использовать один из двух ний прогноза на основе полученных резуль- популярных и наиболее часто для этого ис- татов прогнозирования - так, нижнюю гра- пользуемых языков: R или Python. R, в част- ницу коридора возможно получить делением ности, предназначен именно для статистиче- значения результирующего ряда на СКО, ской обработки данных и графики [4]. При верхнюю же - умножением значения на прогнозировании с помощью Python воз- СКО. Максимально и минимально возмож- можно использовать модуль statsmodels, а ные значения прибыли будет удобно исполь- для визуализации анализа динамических зовать в дальнейшем анализе рисков и пла- временных рядов - SamuROI [5; 6]. нировании. Так, автором выдвигается гипотеза о На этапе третьего шага в процессе ге- том, что использование выходных данных нерации сценариев, получен объём данных, сценарного анализа рисков для построения необходимых для прогнозирования, который прогнозирования повысит точность резуль- может быть использован для анализа в про- тирующего прогноза прибыли будущих пе- грамме и может быть представлен в виде риодов. временного ряда, с набором значений Y1...Yn, Ввод r, p, CF, NCF, I Расчёт NPV, IRR, PI, DPP Расчёт трёх сценариев Прогнозирование по трём сценариям для будущих периодов Рис. 1. Алгоритм подготовки и проведения прогнозирования: r - учётная ставка, p - количество периодов, CF - чистый доход, NCF - расход, I - первоначальные инвестиции 110 Экономика и менеджмент Однако при оценке рисков и прогнози- Анализ рисков инвестиционного проекта // ровании проектов зачастую имеется неболь- Управление финансовыми рисками. 2011. шой объём периодичных инвестиций - в свя- Т. 2. С. 132-150. зи с этим, метод и описанный алгоритм бу- 3. Трегуб А. В., Трегуб И. В. Методика дет удобен только в случае существования построения модели ARIMA для прогнозиро- периодичных инвестиций (например, при вания динамики временных рядов // Вестник внесении инвестиций ежемесячно в течение МГУЛ - Лесной вестник. 2011. № 5. С. 179- года). 183. Вопросы проверки гипотезы, оценки и 4. What is R? URL: www.r-project. повышения точности формируемого прогно- org/about (дата обращения: 02.10.17). за представляются интересными для иссле- 5. McKinney W. Python for data analysis: дования и планируются к рассмотрению и Data wrangling with Pandas, NumPy, and IPy- анализу в дальнейшей работе. thon. Beijing-Cambridge-Farnham-Köln-Se- bastopol-Tokyo: O'Reilly Media, Inc. 2012. 466 р. Литература 6. SamuROI, a python-based software