Бесплатная публикация статей в журналах ВАК и РИНЦ

Уважаемые авторы, образовательный интернет-портал «INFOBRAZ.RU» в рамках Всероссийской Образовательной Программы проводит прием статей для публикации в журналах из перечня ВАК РФ по направлениям: экономика, философия, политология, педагогика, филология, биология, сельское хозяйство, агроинженерия, транспорт, строительство и архитектура и др.

Возможна бесплатная публикация статей в специализированных журналах по многим отраслям и специальностям. В мультидисциплинарных журналах возможна публикация по всем другим направлениям. 

Журналы реферируются ВИНИТИ РАН. Статьям присваивается индекс DOI. Журналы включены в международную базу Ulrich's Periodicals Directory и РИНЦ.

Подпишитесь на уведомления о доступности опубликования статьи - ПОДПИСАТЬСЯ

Применение метода Монте-Карло для моделирования рисков планируемого орошения

Реферат. Изложен методический подход по оценке эффективности внедрения мелиоративных мероприятий и технологических процессов как в отдельно функционирующих орошаемых хозяйствах различной формы собственности, так и оросительных систем в целом, а также при разработке новых инвестиционных проектов мелиоративных систем. Сущность предлагаемого подхода заключается в совершенствовании теории риска при определении мелиоративных инвестиционных проектов и планировании соответствующих мероприятий с учетом стохастической природы экономических показателей сельскохозяйственного производства. Проведенный информационно-аналитический анализ существующей теории и нормативно-методического обеспечения учета факторов риска в расчетах эффективности орошения обосновывает острую необходимость в совершенствовании имеющихся и разработку новых подходов в данной области знаний с обязательным учетом достижений в ведущих отраслях экономики водохозяйственного комплекса Российской Федерации, а также зарубежных. Базовой основой для сравнения основных показателей эффективности предлагаемых технологий орошения послужили исследования специалистов ФГБНУ «Российский научно-исследовательский институт проблем мелиорации» (ФГБНУ «РосНИИПМ»), обеспечившие теоретическое обоснование, разработку и внедрение новых технологий по управления водопотреблением сельскохозяйственных культур, в том числе картофеля летнего срока посадки. Полученные результаты экономической эффективности возделывания картофеля летнего срока посадки по новой технологии в трех орошаемых хозяйствах на общей площади в 308 га в течение трех лет были качественно оценены как методом анализа чувствительности, так и методами качественного анализа, включающими сценарный анализ эффективности и математическое моделирование рисков методом Монте-Карло. Установлена целесообразность применения математического моделирования для оценки и учета экономических рисков мелиоративных мероприятий как средства получения дополнительного знания об эффективности мелиораций и организации защиты инвестора от негативных последствий принимаемых решений.

Ключевые слова: экономический риск, эффективность мелиораций, технология орошения, дисконтированный чистый доход, математическое моделирование, метод Монте-Карло.

Общеизвестным фактором, обеспечивающим надежность оценок эффективности планируемых антропогенных воздействий в сфере экономики, является учет возможного риска достижения планируемых результатов [1–4]. Отсутствие развитой практики расчетов рисков экономической действенности мелиоративных мероприятий [5] обусловливает актуальность исследований теории и методических аспектов оценки экономических рисков, направленных на скорейшее становление современной методологии определения эффективности мелиоративной деятельности.

В статье представлены результаты адаптации метода математического моделирования (метода Монте-Карло) для анализа экономического риска внедрения новой технологии управления орошением сельскохозяйственных культур [6], и в частности режима орошения картофеля летнего срока посадки для условий поймы Нижнего Дона, разработанной специалистами ФГБНУ «РосНИИПМ» [7]. Цель проведенных исследований – совершенствование теории риска мелиоративных инвестиционных проектов в части развития методологии оценки эффективности мелиоративных мероприятий и технологий с учетом стохастической природы экономических показателей сельскохозяйственного производства.

Современная теория рисков, обусловленных возможностью негативных изменений прогнозируемых результатов хозяйственного воздействия вследствие его стохастического характера, рассматривает экономический риск в части управления проектированием (планированием) как событие, имеющее связь с риском; как вероятность образования риска; как финансовые потери, подверженные риску [8–11].

Риск экономической привлекательности планируемого к внедрению мероприятия орошения определялся как вероятность негативного отклонения дисконтируемого чистого дохода (ДЧД) от расчетного значения. Возможные отклонения могут быть связаны: с природно-климатическими аномалиями; изменениями законодательства, а также потребностями рынка сельскохозяйственной продукции и конкурентоспособности сельхозтоваропроизводителя; недостаточным научным обоснованием соответствующих технологий при проектировании и планировании мероприятий; нарушениями технологий как при реализации процесса внедрения передовых технологий в производство, так и в ходе эксплуатации систем и объектов [12, 13]. Количественная оценка риска осуществлялась с учетом последствий принимаемых решений путем определения частоты проявления того или иного уровня снижения рассчитываемого ДЧД от запланированного [14] по формуле (1):

 

(1)

где F – частота снижения ДЧД; n(A) – количество случаев снижения ДЧД; n – общее количество вариантов инвестиционного мероприятия.

Риск оценивался методом математического моделирования, обеспечивающего формирование для внедряемой технологии орошения модели доходности с неопределенными значениями параметров и функции вероятностного распределения доходности по сценариям со случайным сочетанием параметров. Осмысление содержательной части критерия оценки эффективности при случайных величинах его переменных параметров, которое достигается выполнением заданных отношений корреляции среди параметров при выборе их из установленных распределений вероятности, имитирующих свойства параметров, является важным моментом применения метода Монте-Карло.

Показатель доходности планируемого мероприятия рассчитывался по формуле (2):

(2)

где   – сальдо денежного потока на m-м шаге;αm – коэффициент дисконтирования (сумма распространяется на все шаги расчетного периода); m – количество лет рассматриваемого периода, αm = 1/(1 E)m, где E – норма дисконта.

Согласно данным и экспертным оценкам макроэкономической ситуации в области сельскохозяйственного производства страны, распределение параметров модели (2) принято нормальным, что требует для его формирования знания только математического ожидания и дисперсии случайной величины. Функция распределения обеспечивает регулирование выбора параметров в границах обусловленного интервала согласно установленному распределению. Модель оценки рисков формирует выборку произвольных значений доходности планируемого мероприятия.

Оценка эффективности орошения выполнялась на основе моделирования сценариев расчета, осуществляемых по математической модели (2) при исходных данных, выбранных случайным образом. Риск достижения эффективности планируемого орошения устанавливался по результатам статистического анализа сценарных оценок. Основополагающая задача анализа риска эффективности в методе математического моделирования заключается также в определении распределения вероятности для исследуемого критерия доходности, знание о котором чаще всего отсутствует. В связи с этим рассматриваются группы вероятностных распределений, включающие нормальное, постоянное, треугольное (симметричные) и пошаговое (несимметричные) распределения. В статье принято нормальное распределение вероятности значений ДЧД от планируемого мероприятия.

Метод Монте-Карло обеспечивает пользователя необходимой и достаточной информацией, характеризующей риски инвестиций и позволяющей принимать обоснованное решение о целесообразности планируемых затрат. В то же время метод достаточно трудоемок, требует многочисленных вычислений, опыта и знаний квалифицированных аналитиков, что служило сдерживающим началом его широкого использования в отечественной практике оценки рисков экономической эффективности мелиоративных инвестиционных проектов. Ситуация кардинально изменилась с появлением программных продуктов для компьютерной поддержки метода математического моделирования рисков инвестиционных проектов. Экономический риск достижения прогнозируемой эффективности запланированного мероприятия орошения рассчитывался с использованием программного комплекса Oracle Crystal Ball, разработанного Decisioneering Inc. (Денвер, штат Колорадо) и показавшего свою действенность в использовании метода Монте-Карло в зарубежной практике и в практике наиболее развитых отраслей отечественной экономики.

Уровень риска рассматривался как возможное снижение планируемой доходности от внедрения новой технологии, определенной в составе исследований ФГБНУ «РосНИИПМ» [7] по традиционной методике без учета разновременности предполагаемых затрат в объеме 211,99 тыс. руб./га. Экономические показатели возделывания картофеля, полученные по данным и результаты базового расчета эффективности, не учитывающие риски ее достижения, представлены в таблице 1.

Таблица 1 – Экономические показатели и эффективность возделывания картофеля в расчетном (базовом) варианте

Наименование показателей

Единица измерения

Количество

Экономическая эффективность за расчетный период

сальдо (ЧД)

дисконтированное сальдо (ДЧД)

Урожайность картофеля

т/га

35,2

+

+

Закупочная цена

тыс. руб./т

9,27

+

+

Удельные затраты на производство

тыс. руб./т

3,25

+

+

Стоимость продукции

тыс. руб./га

326,4

+

+

Себестоимость ­продукции

тыс. руб./га

114,41

+

+

Норма дисконта

%

8

+

Расчетный период, в том числе

год

2

+

шаг ١ – предвегетационный и вегетационный

год

1

+

шаг ٢ – послевегетационный

год

1

+

Доходность

тыс. руб./га

211,99

197,17

Примечание: символы +/– соответственно обозначают участие/неучастие показателя в расчетах ЧД/ДЧД.

В таблице 2 приведены переменные параметры модели (2) и их ключевые значения, используемые в расчетах экономического риска планируемой технологии орошения.

Таблица 2 – Значения переменных параметров модели (2), используемые в расчетах риска

Наименование
показателя

Единица
изме­рения

Значения

средние

минимальные

максимальные

Урожайность

т/га

35,2

20,00

42,24

Затраты на производство

руб./т

3250

2600,00

3900

Закупочная цена

руб./т

9273

7418

11128

Коэффициент дисконтирования

доли
единицы

0,93

0,91

0,84

Норма дисконта

%

8

6,4

9,6

Программный комплекс Oracle Crystal Ball предоставляет множество вероятностных распределений для задания функции распределения переменных параметров модели в составе 22 компонент, которые характеризуют наиболее распространенные распределения.

Для примера на рисунке 1 показана используемая в расчетах риска функция нормального распределения урожайности сельскохозяйственных культур при заданном интервале ее изменений (табл. 1), установленном по исследованиям.

Результат моделирования экономического риска планируемой технологии орошения также представляется в формате распределения вероятности переменной величины – значения ДЧД при внедрении указанной технологии, что обеспечивает максимум сведений, определяющих риски достижения планируемого результата и возможность принять обоснованное решение об эффективности предстоящих инвестиций (рис. 2, 3).

Очевидно, что вероятность ДЧД, равного и ­превышающего заявленный расчетный уровень (211,99 тыс. руб./га), для 29 832 случайных нормально распределенных его значений составляет 33% (рис. 2), что позволяет классифицировать риск достижения планируемой доходности как средний и свидетельствует о необходимости повышенного внимания инвестора к динамике макроэкономических показателей. Полученные результаты подтвердили правомочность требований учета разновременности осуществляемых затрат и достижения планируемых результатов. Так, значения ДЧД ниже расчетного уровня, определенного с учетом дисконтирования операционных затрат в объеме 197,17 тыс. руб./га, достигают примерно 48% (рис. 3) против 67% таких значений для расчетного варианта 211,99 тыс. руб./га (рис. 2), определенного без учета обесценивания средств за период реализации планируемого мероприятия.

Таким образом, выполненные исследования показали целесообразность применения метода Монте-Карло для оценки и учета экономических рисков мелиоративных мероприятий как средства получения дополнительного знания об эффективности мелиораций и организации защиты инвестора от негативных последствий принятого решения.

ЛИТЕРАТУРА

  1. Санникова М. О., Ярославский В. А. Теоретические основы процесса оценки рисков мелиоративных инвестиционных проектов // Вест­ник Саратовского гос. социально-экон. ун-та. – 2012. – № 5(44). –
    С. 136–140.
  2. Юрченко И. Ф., Носов А. К. Оценка рисков мелиоративных инвестиционных проектов // Мелиорация и водное хозяйство. – 2014. – № 2. – С. 6–10.
  3. Никитин И. Д., Артемьева З. Н., Григорашенко Е. Е. Учет фактора времени, неопределенности и рисков при расчетах эффективности в мелиорацию // Агрофизика. – 2014. – № 2(14). – С. 28–35.
  4. Беккер А. Т., Золотов Б. А., Любимов В. С., Носовский В. С. Генезис методологии количественной оценки риска инновационных технологий в гидротехническом строительстве // Известия ДВФУ. Экономика и управление. – 2015. – № 2. – С. 19–26.
  5. РД АПК3.00.01.003-03. Мето­дические рекомендации по оценке эффективности инвестиционных проектов мелиорации сельскохозяйственных земель.
  6. Сазонов А. А., Сазонова М. В. Применение метода Монте-Карло для моделирования экономических рисков в проектах // Наука и современность. – 2016. – № 43. –
    С. 229–232.
  7. Ольгаренко В. Иг. Управление орошением картофеля летнего срока посадки на пойменных землях Нижнего Дона : дис. ... канд. техн. наук. – Новочеркасск, 2016. – 192 с.
  8. Юрченко И. Ф., Носов А. К., Трунин В. В. Исследование, создание и использование управленческих информационных технологий в сфере мелиораций // Евразийский союз ученых. – 2014. – № 4. – С. 63–67.
  9. Турмачев Е. С. Методические проблемы количественного определения рисков инвестиционных проектов // Анализ эффективности инвестиций. – 2006. – №. 3. – С. 45–58.
  10. Jansons V., Jurenoks V. Modelling the behavior of stability of production systems in economics [Электронный ресурс]. – Режим доступа: http://agris.fao.org/agris-search/search.do?recordID=LV2012000847.
  11. Zhou Q. Monte-Carlo simulation for lasso-type problems by estimator augmentation [Электронный ресурс]. – Режим доступа: http://agris.fao.org/agris-search/search.do?recordID=US201600085687.
  12. Шумилова В. М. Выбор оптимальной методики оценки финансовых рисков для нефтегазодобывающей компании // Проблемы современной экономики. – 2010. – №. 3. – С. 251–256.
  13. Новые технологии проектирования, обоснования строительства, эксплуатации и управления мелиоративными системами / под науч. ред. Л. В. Кирейчевой. – М. : ­Изд-во ВНИИА, 2010. – 240 с.
  14. Юрченко И. Ф. Информационные системы управления водохозяйственным мелиоративным комплексом // Вестник российской сельскохозяйственной науки. – 2016. – № 1. – С. 12–15.

Метки: Агрономия, лесное и водное хозяйство