Опубликовано здесь: http://www.cfin.ru/finanalysis/reports/finratios_update.shtml

Во-первых, там есть обзор всех венчурных инвесторов, следы деятельности которых обнаружены в России, включая государственные программы поддержки. Даны рекомендации как на них выходить, разъяснена разница в их подходах. Есть контакты примерно 80 фондов, которые реально работают с венчурными проектами.

Во-вторых, там очень сжато и компактно изложены основные вопросы, которые следует учесть при работе с венчурными инвесторами: как писать венчурный бизнес-план, как построена работа фондов, что кроме денег можно ждать от инвестора, ну и т.п.

Всего 43 страницы, очень компактно. Полный текст: ai_for_venture.pdf (480 Кб)

В процессе обсуждения наших работ с заказчиками, а иногда – при написании методик, я очень часто с этой проблемой сталкивался. И в результате родился список контрольных вопросов, который выложен теперь в разделе с финансовыми моделями.

Принцип работы этого контрольного списка очень прост. Есть 50 утверждений, касающихся содержания и оформления бизнес-плана. Эксперт проверяет – соответствует ли каждое из этих утверждений изучаемому бизнес-плану и ставит либо «1″, либо «0″. В итоге у него получается обоснованное заключение по бизнес-плану, позволяющее не только принять или отклонить работу, но и быстро договориться о путях исправления документа.

Мы потихоньку начинаем использовать этот метод в своих внутренних процедурах контроля качества и рекомендовать своим клиентам. Чего и вам желаю.

Примером проекта, в котором анализ Монте-Карло может принести реальную пользу, является проект разработки куста на месторождении. У такого проекта есть три важных фактора неопределенности:

• неизвестна точная цена на нефть;
• неизвестна точная стоимость бурения каждой скважины (а бурение скважин – это не менее 70-80% затрат на разработку куста);
• неизвестен дебит скважины.

Первый параметр – экономический и для его анализа лучше подходить с чисто экономическими моделями. А вот два следующих параметра – технологические. Причем они независимы друг от друга (нулевая корреляция), по каждому из них накоплена статистика (на одном месторождении может быть десятки и сотни скважин) и от проекта к проекту их статистика не меняется. А это хорошая основа для построения модели Монте-Карло. Использовать придется именно Монте-Карло, просто учесть средние значения недостаточно.

Делается это примерно так. Собираем статистику стоимости бурения одной скважины. На приведенном ниже графике по оси х стоимость скважины в млн. руб., а по оси у – число случаев (реальные данные искажены, это чисто учебный пример).

Аналогичный график строим для дебита скважины. Теперь наша работа будет состоять в следующем:

1. Подобрать наиболее удачный закон распределения (имеет смысл экспериментировать с нормальным и логнормальным) и рассчитать его параметры.
2. Заложить эти данные в Монте-Карло
3. Использовать показатели NPV на выходе Монте-Карло как ожидаемое значение для проекта.

Ключевой фактор успеха здесь – наличие большого массива данных по параметрам проекта и неизменность этой статистики от проекта к проекту.

Вот конкретный пример ситуации, которую нам пришлось разбирать.

На месторождении проложены трубопроводы. Часть из них – для нефти, часть – для закачки воды. Теоретически, проложенный один раз трубопровод может прослужить и 20 лет, и даже больше. Но по мере старения, трубопровод всё чаще рвется. А каждый порыв – это не только необходимость ремонта, но также потерянная нефть и самое главное – экологический ущерб и необходимость его устранения. Соответственно, надо трубопроводы менять. А чтобы принять решение о замене, надо бы оценить экономический эффект этого мероприятия.

Начинается всё, естественно, с прогнозирования числа порывов. Для этого используются статистические данные, которых достаточно много, ведь трубопроводов десятки и эксплуатируются они уже не одно десятилетие. Затем для каждого порыва надо определить ожидаемый убыток. И вот тут есть варианты…
Возможны два подхода:

1. Считать убытком только реально возникающие расходы: стоимость ремонта и потерянную нефть.
2. Считать убытком расходы, которые возникнут «в идеальном мире», т.е. если компания заплатит все штрафы и проведет полную рекультивацию земель.

Первый подход методически правильнее и честнее. Штрафы и другие экологические выплаты возникают далеко не всегда, реальные расходы на них относительно невелики. Следовательно, считать их стабильным убытком от порывов было бы неверно. Но если исключить штрафы, то экономический анализ почти всегда будет приводить к выводу, что замена трубы нерентабельна. И поэтому сотрудники компаний, от которых требуют эффективных проектов, идут по второму пути.

Во втором же случае обычно оказывается, что проекты замены трубопровода очень выгодны. Ещё бы! Ведь размер штрафов обычно как раз рассчитан на то, чтобы нарушителю (если его поймали) было крайне невыгодно его платить. Поэтому все те, от кого требуют обоснования таких проектов, охотно включают штрафы в список сэкономленных затрат. Проблема только в том, что оценка проекта в этом случае опирается на совершенно виртуальные, не существующие в действительности цифры. Что делает весь анализ бессмысленным.

Выход заключается в том, чтобы действовать первым способом, но не пытаться принимать решение на основе каждого отдельно взятого проекта, а учитывать их отрицательный NPV в составе общих денежных потоков месторождения и уже на основании общей картины формировать экологический бюджет.

Важная оговорка. Все описанные ниже принципы касаются только проектов в рамках действующих месторождений. Для проектов разработки новых месторождений действуют свои принципы.

Проблема состоит из нескольких частей. Во-первых, это выбор валюты. В принципе, мы привыкли считать стоимость нефти в долларах и это как-то естественно подталкивает к мысли о том, что добывающие проекты (у которых конечный продукт – только нефть) можно тоже считать в долларах. Но на самом деле, делать так нельзя. И вот почему:

1. В затратах проектов, как текущих, так и инвестиционных, 90% составляют затраты, номинированные в рублях (конкретно эта величина взята из годового отчета «Газпром-нефти», но у других компаний картина похожая).
2. Только часть (у каждой компании по-своему, но не более 50%) продаж идет на экспорт. Остальное – на переработку на внутреннем рынке. А это чисто рублевые доходы.
3. В структуре налоговых платежей (НДПИ) есть составляющие, автоматически меняющиеся при изменении курса рубля к доллару. Поэтому изменение курса не влечет такое же изменение чистой выручки, т.к. эти налоги немного смягчают эти колебания.

Исходя из этого, можно совершенно уверенно сказать, что прогнозы продаж в добывающих проектах надо делать в рублях.

Второй вопрос – колебания цен на нефть и учет их в проекте. Здесь приходится прийти к следующим выводам. У нас нет никакой возможности с разумной точностью прогнозировать динамику цен на нефть на мировом рынке. Поэтому, все прогнозы делаются исходя из постоянной цены. Эта цена в проекте определяется следующим образом:

1. Определяем ожидаемую цену на мировом рынке. Если более серьезных обоснований нет, то можно воспользоваться средними историческими ценами за последние 30 лет. Данные, приведенные к долларам 2008 года есть, например, у Forbs. По этому графику средняя цена получается на уровне $43.
2. Переходим к цене в рублях за тонну. Поскольку баррель – объемный показатель, а тонна – весовой, то коэффициент будет зависеть не только от текущего курса, но и от плотности нефти (она бывает разной). Если примерно, то для $43 за баррель получим 10 100 руб. за тонну.
3. Приводим эту цену к месторождению. То есть вычитаем стоимость доставки и прочее (НДПИ вычитать не надо, его лучше учитывать в составе проекта), определяем учетную цену, по которой будет продаваться от месторождения тонна нефти. Это тоже зависит от месторождения, но в целом у нас останется 40-50% от первоначальной цены.

Теперь мы получили цену, которую будем закладывать в прогноз объема продаж. Осталось последнее. Надо решить как поступать с будущими изменениями цен в проекте.

Наши затраты зависят то того, как будут меняться цены на промышленную продукцию, а также, отчасти, от индекса потребительских цен (ИПЦ). Доходы же, если мы зафиксировали долларовую цену, будут демонстрировать частичную зависимость от курса. А вот долгосрочный прогноз курсовых изменений можно прогнозировать, опираясь на соотношение инфляций в России и в США (это не четкая методика, а всего лишь одна из гипотез, используемых в долгосрочном анализе курсов). Изучив эту ситуацию, можно прийти к выводу, что правильным подходом будет заложить в основу нашего прогноза инфляцию, равную прогнозу ИПЦ или индексов на пром. продукцию.

И вот итог. Расчет проектов ведется в рублях, исходя из:

• постоянной цены на нефть на мировом рынке (если нет других данных, то можно использовать 10 100 руб. за тонну);
• постоянной цены нефти на месторождении, без учета стоимости доставки (рассчитывается по текущим данным, обычно составляет 40-50% от конечной цены);
• прогнозной инфляции, равной ИПЦ (расчет может быть сделан в постоянных ценах, но тогда надо для дисконтирования использовать реальные ставки, рассчитанные исходя из этой инфляции).

Не то чтобы это очень твердо обоснованный и точный подход. Но он представляется мне оптимальным. И, кстати, достаточно хорошо отвечает сложившейся практике.

Оценка бизнеса, анализ эффективности вложения в акции и оценка инвестиционных проектов – это всё, в большой степени, одна и та же математика. Есть ожидаемые доходы и затраты (включая затраты на покупку бизнеса) с одной стороны, и требуемая доходность – с другой стороны. Дисконтирование доходов со ставкой, равной требуемой доходности показывает достигается ли желаемый уровень привлекательности проекта. Это общий принцип, который реализуется в виде формул. И поэтому формулы во всех случаях будут одинаковыми.

А вот дальше появляется важное отличие. Будущие доходы известны с большой погрешностью, которую надо как-то учесть. Есть два способа:

1. Повышать требуемый доход, учитывая тем самым, что бизнес должен иметь запас доходности, который способен будет покрыть возможные колебания в будущих поступлениях. То есть учесть риски и неопределенность в определении ставки дисконтирования.

2. Варьировать прогноз будущих поступлений. Создавать разные сценарии, строить графики чувствительности и т.п., учитывая прямо в прогнозных денежных потоках разные варианты возможного развития событий.

Особенность подхода при оценке бизнеса и акций – в нем обычно используется только первый способ, т.е. есть один прогноз дохода и ставка дисконтирования должна учитывать все тонкости неопределенности и рисков.

При оценке проектов эксперт обычно располагает не только общими финансовыми данными бизнеса, но и детальной моделью, описывающей то, как формируются доходы инвесторов. Поэтому, естественно, используются оба способа, как расчет ставки дисконтирования, так и варьирование денежных потоков. Для этой цели можно использовать множество расчетных инструментов и моделей, но надо всегда помнить одну базовую вещь – один и тот же риск не должен быть учтен и в ставке дисконтирования, и в денежных потоках. Это означает, что если, например, возможные колебания продаж отражены в нескольких сценариях проекта, то не стоит учитывать неопределенность продаж еще и в ставке дисконтирования. Ну и так далее…

Остановиться только на одном из двух способов в инвестиционном проекте удается редко. Какие-то факторы удобнее учитывать в ставке, т.к. их трудно смоделировать в денежных потоках, какие-то удобнее моделировать напрямую.

Одна из тонкостей, которая стала как раз результатом таких отличий – формула расчета WACC. В оценке бизнеса и вообще в оценке стоимости капитала действующей компании эта формула выглядит так:

WACC = Wкр* Rкр*(1-t) + Wск* Rск,

где W – доли в финансировании, Rкр – ставка кредита, t – ставка налога на прибыль, Rск – требуемая доходность собственного капитала.

При этом, в денежных потоках для оценки бизнеса мы исключаем влияние процентов по кредитам на налог на прибыль.

Но в случае, когда оценивается инвестиционный проект, и мы определяем ставку дисконтирования для расчета эффективности общих инвестиционных вложений, та же формула будет выглядеть так:

WACC = Wкр* Rкр + Wск* Rск,

а из денежных потоков влияние процентов на налоги не исключается. Почему так? Потому что мы перенесли анализ этого фактора из ставки дисконтирования непосредственно в сами денежные потоки.

Результат будет тот же, но теперь мы используем другой инструмент, тот, для которого в инвестиционных проектах, как правило, есть более детальные и адекватные данные.
На всякий случай сообщу – это не только требования методики Альт-Инвест, но и требования других методик инвестиционного анализа. Например, в популярной в России методике UNIDO требование считать эффективность именно так изложено на стр. 248 русского издания и 279 английского.

Это один из примеров того, как могут отличаться подходы к использованию внешне одинаковых показателей. Позже я расскажу о других случаях.

Адрес страницы с моделями: http://d-ria.com/blog/xlsmodels

Отчасти, для того, чтобы отсечь некоторые безграмотные решения, а отчасти для организации собственной работы, я попробовал построить модель расчета ставки дисконтирования для проектов.

Вот, что получилось.Перейти на страницу моделей…

Надо заметить, что эта модель учитывает не все параметры, которые могли бы быть учтены. Это связано отчасти с тем, что мне пока не понятно как отсечь различные ошибки в их учете, связанные с качеством данных, а отчасти – просто с тем, что надо эти данные собрать и построить для них статистические модели. В частности, можно было бы (и в перспективе я это сделаю) формализовать и включить в модель учет:

• безрисковой доходности и средней рыночной премии;
• отраслевой рисковой премии;
• рыночной беты для проектов различных категорий (в идеале надо бы собрать статистику и рассчитать бету относительно основной деятельности компании);
• связи между рыночной премией и долговой нагрузкой (через такие показатели, как TIE и общий коэффициент покрытия долга).

Одна из существенных проблем, которую надо решить в процессе работы – выбор валюты для анализа. Уже сделано достаточно моделей, в которых доходность индекса РТС или российских еврооблигаций (которые в долларах) применяется для выбора ставки дисконтирования в рублях. На уровне общего принципа это терпимо, но формулы такие строить нельзя. Поэтому начну с такой вот поверхностной модели, а там будем разбираться.

Сейчас уже пишу статью с формулировкой полного подхода, видимо, модель будет обновлена по итогам работы над статьей.

Плюс к этому, мы получили очередную встряску, которая напомнила нам, что прогнозирование рынка совсем не обязательно происходит в тепличных условиях ежегодного роста. В общем, вылезли на поверхность самые разные ошибки, которые делались при оценке инвестиционных проектов. Попробуем извлечь уроки. Мне приходят на ум 4 наиболее важных:
1. Прогноз продаж нельзя строить на истории продаж или текущей ситуации. Самый надежный прогноз – опирающийся на понимание баланса спроса и предложения. Но даже и в этом случае необходимо очень серьезно подходить к сценарному анализу.

2. Нельзя думать только об NPV. Не менее существенная сторона проекта – анализ способности проекта сохранять ликвидность и финансовую устойчивость в условиях колебаний продаж и затрат. В большинстве случаев анализ финансовой состоятельности и рисков следует выносить на первый план, а оценки эффективности воспринимать как вспомогательный инструмент.

3. Проект, в котором окупаемость планируется за счет продажи активов – плохой, у него очень высокие риски (в данном случае я имею в виду типичную схему реализации проектов в коммерческой недвижимости). Следует больше уделять внимание оценке собственных доходов проекта, а не возможности его перепродажи. То же самое касается проектов, в которых привлекательность достигается за счет продленной стоимости.

4. Стратегия, стратегия и еще раз стратегия. Иногда экономика рушится. Тогда слабейшие погибают. Слабейшие, в данном случае, это те, у кого нет качественной стратегии. Купите книгу об оценке венчурных инвестиций – теперь это методы, которые должны применяться для любого проекта. Иметь по проекту только детальный плановый бюджет, значит не иметь ничего.

Правило №1. Проект надо считать в постоянных ценах, если только нет явных причин, мешающих это сделать.

Первая очевидная проблема, которая может помешать нам использовать расчет в постоянных ценах, это то, что такой расчет подразумевает, что в реальной жизни у этого проекта все цены будут расти с одинаковыми темпами. Т.е. зарплата, сырье, готовая продукция – подвержены одной и той же инфляции. Вообще-то, в долгосрочных прогнозах это чаще всего оправданное предположение. Но бывает, что дела обстоят иначе. Например, наши затраты – в России, в рублях, и цены починяются обычным инфляционным факторам. А наши доходы – за пределами России, да еще и на рынке, где цены снижаются в силу долгосрочной конъюнктуры. В таком проекте разная динамика цен может многое менять. Отсюда:

Правило №2. Если у проекта значительная часть привлекательности или непривлекательности определяется разницей в темпах роста цен на доходы и затраты, то его желательно считать в переменных ценах (если доступны качественные прогнозы темпов роста цен).

Оговорка о доступности прогнозов очень важна. Если очевидно, что разница в темпах роста влияет на эффективность проекта, но эта разница не стала предметом осмысленного анализа, то лучше не связываться с такими прогнозами. При этом «качественным» является, конечно, не прогноз, в котором есть абсолютная уверенность (так почти никогда не бывает), а прогноз, в основу которого положены достаточно весомые и обоснованные аргументы.

Следующий фактор, определяющий выбор, это кредиты.

Правило №3. Если в проекте решается вопрос об определении графика погашения кредита, то расчет в постоянных ценах искажает прогнозы в пользу банка.

Соответственно, если Вы представляете банк, то Вам удобнее считать в постоянных ценах, ясли заемщика, то в переменных. Искажение связано с тем, что в постоянных ценах мы не видим денежные потоки, связанные с ростом цен, кажется, что покрытие кредитных платежей меньше, чем оно будет в реальности, поэтому плановый график возврата кредита более консервативен, чем это кажется. Банк выдает кредит на больший срок и с меньшими рисками. Не удивительно, что именно такая схема расчета предусмотрена в регламентах банков.

Кстати, еще один вопрос, связанный с кредитами, это отображение процентов по кредитам исходя из реальной, а не номинальной ставки. Это тоже не всегда удобно. В целом, присутствие в проекте значительной суммы кредитов – повод задуматься о расчете в переменных ценах.

И последнее правило:

Правило №4. Если проект связан с бизнесом, экстремально нагруженным имуществом так, что амортизация существенно изменяет налоговые платежи, то такой проект надо рассчитывать в переменных ценах.

И вот почему. Пусть у меня куплено имущества на 100 млн. руб., годовая амортизация – 10 млн. При этом в течение 10 лет проекта доходы от продаж составят 20 млн. в год, а денежные затраты – 10 млн. В постоянных ценах мы наблюдаем нулевую прибыль в течение всего проекта, т.к. она равна доходам – затраты – амортизация, т.е. 20 – 10 – 10. Теперь добавим инфляцию в размере 10% в год. На десятый год проекта доходы будут равны 52 млн. (потому что * (1+10%)^10). Затраты – 26 млн. Но вот на амортизацию инфляция не повлияет. Поэтому прибыль = 52 – 26 – 10 = 16. И налог на прибыль = 16 * 20% = 3,2 млн. Для этого проекта погрешность получается приличная. А вызвана она неправильным учетом амортизации. Соответственно, если амортизации в проекте очень много (ну, скажем, 40-50% от оборота), то считать в постоянных ценах будет неправильно.

Наверное, можно обсуждать и еще какие-то правила, но в работе я ограничиваюсь этими.

В то же время, в оценке бизнеса доходными подходами денежные потоки используются нечасто. Практически всегда оценка строится на данных отчета о прибылях и убытках.

И в тоже время, показатели, рассчитываемые в первом и во втором случае, идентичны, да и вообще суть методик одна и та же – оценить дисконтированные доходы. Почему тогда в одном случае денежный поток, а в другом – прибыль?

Разгадка – в учете реинвестиций, направленных на замену выбывающего имущества…
На самом деле, и в первом, и во втором случае идеально было бы оценить денежный поток. Поэтому в проектах его и оценивают. Причем в отношении имущества для инвестиционных проектов характерна такая картина: в начале проекта мы его закупаем (строим, монтируем и т.п.), а дальше в течение всего проекта используем. Причем срок службы имущества, по крайней мере, основного, обычно больше срока проекта, т.е. потратив деньги в начале, мы больше не вкладываем их в течение проекта.

Совсем другая ситуация у оценщика, который анализирует действующий бизнес. В таком бизнесе обычно присутствует сразу много объектов имущества, причем куплены они в разное время. И каждый год в последующей деятельности компании часть оборудования будет изнашиваться. Потребуются затраты на его замену или капремонт. Т.е. в оценке действующего бизнеса, в отличие от вновь создаваемого, характерно присутствие регулярных инвестиций в течение всего анализируемого срока. А сколько будет таких инвестиций? Спрогнозировать это детально невозможно. Поэтому оценщики берут годовую амортизацию как приблизительную оценку суммы выбывающего имущества, которое требуется дополнительно закупить. Ну а если из суммарного денежного потока от операций вычесть амортизацию, то это приблизительно равно чистой прибыли компании (если нет больших колебаний оборотного капитала). Вот и происходит переход от денежных потоков к чистой прибыли.

В действительности, у этого подхода есть два источника возможных ошибок. С одной стороны, если у компании самортизировалось имущества на 10 млн. руб., то потратив 10 млн. оно не сможет купить такой же комплект имущества. Потому что – инфляция. Из-за инфляции, например, для строительной техники затраты на замену окажутся примерно в 1,5 раза выше, чем амортизация. Для других видов имущества коэффициент окажется каким-то еще, но в основном он лежит в интервале 1,3-1,6. С другой стороны, сроки бухгалтерской амортизации стремятся сделать покороче, поэтому сумма амортизации часто оказывается больше, чем реальные суммы выбивающего имущества. Тут тоже предельное отклонение где-то в районе 1,5. Итого, получается такая картина. Ожидаемый доход владельца компании, когда речь идет не о вновь созданном, а о давно сложившемся бизнесе, можно оценить как находящийся в интервале от «Чистая прибыль – Амортизация/2» до «Чистая прибыль + Амортизация/2». Естественно, что оценщики выбирают просто середину. Но вообще-то, иногда можно посчитать и подробнее если бизнес переполнен имуществом и затраты на его поддержание становятся главным фактором в оценке рентабельности (мы, например, делали такой расчет для Росжелдорстроя и еще пары компаний).

За 15 лет мне четырежды приходилось с нуля придумывать принципы финансового моделирования и реализовывать их в программных продуктах. Три из этих продуктов до сих пор присутствуют на рынке и развиваются, выдержав много изменений версий, но сохранив первоначальную идеологию. Плюс с десяток моделей мы в разных ситуациях делали под заказ (это не считая мелких адаптаций). В результате накопилась уже некоторая статистика и можно попробовать определить простые правила, от соблюдения которых зависит – будет финансовая модель работоспособной и полезной или она станет бессмысленной игрушкой.

Вот эти правила:

1. Если учет какого-то фактора меняет денежные потоки на сумму, способную повлиять на решение по проекту, то этот фактор обязательно должен быть учтен. Как правило, речь идет о факторах, меняющих суммарный дисконтированный денежный поток проекта более чем на 5-10%.

Ну, например, нельзя игнорировать способ возврата НДС на инвестиции, т.к. это меняет денежные потоки примерно на 5% от общей суммы инвестиционных вложений. Именно на 5%, а не на 18%, т.к. вопрос обычно звучит так: вернется ли НДС через два месяца или через два года – ожидаемая реальная разница равна 18% * 25% * 1,5 = 6,75%. Здесь 25% – вероятная ставка дисконтирования, а 1,5 – среднее отставание зачета НДС (оценки приблизительные, взяты из усреднения практики).

2. Все прочие факторы из модели следует исключить, если только они не понадобятся для сохранения цельности описания проекта (см. п. 3).

Не надо мусорить в моделях! Они создаются не из любви к искусству, а для принятия решений. И если какие-то данные не влияют на принятие решения, то им нечего делать в модели.
У этого правила есть одна оговорка. О ней ниже.

3. Исходные параметры проекта всегда должны по формату и составу соответствовать тому набору данных, который обычно имеется у аналитика. Модель не должна запрашивать детальные цифры, которых обычно нет в готовом виде при подготовке прогнозов. Модель не должна игнорировать цифры, которые обычно известны аналитику и являются частью цельной картины проекта. Модель не должна вносить искажения в форму и состав данных проекта.

Модель должна быть автоматизированным отражением тех представлений, которые есть в голове у аналитика. Если по форме и содержанию она начинает существенно отличаться от того, в каком виде поступают исходные данные или в каком виде строятся сценарии, то модель становится мертвой. И тогда она служит уже не для принятия решений, а для создания отчетов.

Иногда даже незначимые данные имеет смысл вносить в модель просто для того, чтобы сохранить цельность картины.

4. Обоснованность модели всегда меньше или равна обоснованности исходных данных. Включение исходных данных с низким качеством обоснования снижает надежность всего прогноза.

По мере роста детализации модели обычно растет и неопределенность данных. Спросите у владельца магазина какую выручку он рассчитывает получить завтра – его прогноз будет вполне уверенным. Но расспросите его о прогнозах завтрашних продаж каждого товара – он не сможет ответить ничего разумно обоснованного. И поэтому модель, основанная на таком детальном планировании окажется бессмысленной. Это, конечно, две крайние ситуации. Но в каждой реальной модели приходится искать баланс между детальностью планирования и качеством доступных данных.

5. Если аналитик не может проследить как исходные данные влияют на результаты, значит модель неработоспособна.

Как только человек, работающий с моделью, перестает видеть общую картину, возникает ситуация, когда «за деревьями не видно леса». И тогда во внесенных данных обнаруживаются самые смешные и бестолковые ошибки, ведущие к совершенно недопустимым искажениям. Обычно признаком того, что аналитик контролирует свою модель является следующее:
а) он может примерно сказать в каких ячейках кэш-фло произойдут изменения от внесенной им в исходные данные цифры и какова будет примерная величина этих изменений;
б) он может изменить модель под свои форматы исходных данных.
Это не обязательные пункты, но они примерно отражают общую идею.

Вот примерно так.

Возьмем в качестве примера работу метода Монте-Карло в бесплатной программе Simular (да-да, те, кто спрашивает о реализации метода Монте-Карло в Альт-Инвесте обычно не знают о том, что такие программы уже есть и могут быть использованы для любых моделей Excel). Эта программа не делает ничего кроме моделирования по методу Монте-Карло и вывода результатов. Руководство пользователя, описывающее принципы настройки модели, занимает 90 страниц. Среди ее параметров есть, например, такие (это выбор способа распределения):

Simular: Выбор способа распределения

или вот такие (это характеристики корреляционной матрицы):

Simular: Корреляционная матрица

Не то, чтобы люди, интересующиеся статистическим анализом в оценке проектов, совсем не понимают о чем здесь речь. Дело в другом. Я, например, различаю нормальное и логнормальное распределение, но затрудняюсь выбрать для конкретного параметра оптимальный вариант. А уж вопрос об источнике данных для корреляционной матрицы и вовсе ставит меня в тупик. И примерно в таком же положении окажется любой человек, который постарается на практике применять эти методы. Увы, но в работе с реальными инвестиционными проектами почти никогда нет данных для корректного статистического анализа.
В результате, 99% всех попыток применения метода Монте-Карло и подобных ему являются профанацией, слепо игнорирующей все вопросы и проблемы, связанные со статистическим анализом. Остаётся 1% людей, которые всё же потратили время и силы на полноценное применение статистических методов. Но они обычно не спрашивают о встраивании этих методов в наши программы, потому что давно знают, что такое Cristal Ball, продукты серии @Risk и тому подобные решения. Статистический анализ инвестиционных проектов давно доступен. Проблема просто в том, что в условиях реальных проектов применение его слишком затруднительно и такие инструменты просто не нужны.
Но если вдруг это очень интересно, то в дополнение к уже упомянутому Simular’у можно познакомиться с двухнедельной trial-версией от Lumenaut или бесплатной программой YASAI – обе они позволяют проводить анализ методом Монте-Карло в Альт-Инвесте.