Шпаргалка: Экономика недвижимости

Таким образом, в рамках количественного анализа оцениваются:

-  ресурсный потенциал предупреждения возникновения и компенсации последствий негативного развития ситуации;

-  наносимый ущерб и необходимые суммы компенсаций последствий риска;

-  распределение общих затрат на компенсацию риска между совокупностью намечаемых защитных мероприятий.

Оценка вероятности неблагоприятного стечения обстоятельств на объектах осуществляется методами построения деревьев возможных событий и отказов, использованием индексов опасности, а также весьма трудоемким методом анализа последствий всего набора возможных событий, приводящих к нарушению функций всех элементов системы.

При построении дерева событий прослеживается развитие рисковой ситуации в системе управления комплексом объектов с учетом передачи «по цепочке» влияния предшествующего частного события (инцидента) на последующие события - с определением итоговой вероятности развития ситуации как произведения вероятностей частных событий.

Методы анализа и ранжирование рисков

Обратимся теперь к проблеме исследования зависимости показателей рисков от определяющих факторов. Прежде всего, обратим внимание на наиболее широко используемые методы анализа рисков:

-  анализ чувствительности - исследование влияния возможного изменения каждого i-го из k факторов риска на искомый показатель Fi с целью ранжирования всей совокупности таких факторов по их влиянию на степень опасности (и важности) каждого из типов риска;

-  анализ сценариев - исследование влияния изменения совокупности факторов риска на характеристики каждого из проектов с целью ранжирования всей совокупности проектов по степени рискованности.

При этом метод анализа сценариев реализуется несколькими техниками. Наиболее широко применяемая из них, называемая здесь техникой вариации сценариев, предусматривает анализ пессимистического, оптимистического и вероятного сценариев функционирования и (или) развития объекта как случайных сочетаний событий с трактовкой значения искомого параметра как математического ожидания трех разных значений этого параметра, найденных в результате анализа сценариев и рассматриваемых в качестве случайных величин.

Еще более упрощенной разновидностью данной техники является техника проверки устойчивости проекта, предусматривающая анализ сценариев в базовом варианте и в наиболее опасных вариантах - с проверкой возможности ослабления неблагоприятных последствий рисков созданием запасов и резервов, а также страхованием. Здесь - в отличие от техники вариации сценариев - анализируются только пессимистический и вероятный сценарии.

Более детальной представляется техника анализа сценариев с построением дерева решений и с определением ожидаемого значения интегрального эффекта проекта - например, суммы величин чистой текущей стоимости (NPV) потоков будущих доходов, умноженных на вероятности соответствующих сценариев ветвления дерева. Здесь, в отличие от техники вариации сценариев, исключена детерминированная группировка случайных событий, которые в действительности характеризуются различными вероятностями.

Некоторыми преимуществами обладает техника «прогона» имитационных моделей (метода Монте-Карло), в которой исключаются недостатки субъективных оценок вероятности частных событий, но используется условие, что все прогоны равновероятны.

Особое место в инструментарии анализа рисков занимает полезный для практики управления и оценки недвижимости анализ устойчивости проекта проверкой степени удаленности его от «точки безубыточности». В качестве такой «точки» принимается сочетание параметров задачи, при котором величина эффективного валового дохода становится равной величине операционных расходов. Заметим, что в практике оценки и управления недвижимостью подлежит анализу возможность потери устойчивости проекта также и вследствие достижения другой особой точки («критической» точки), в которой следствием возникновения рисковой ситуации может стать превышение суммы платежей по обслуживанию долга над величиной чистого операционного дохода (DCR≤0). Неплатежи по кредитным обязательствам угрожают опасностью продажи объекта за долги, что, в свою очередь, приводит к прекращению работы управляющей компании с этим объектом и лишает смысла оценку рыночной стоимости объекта. Уровень данного типа финансового риска зависит от доли заемных средств в цене покупки недвижимости и от характера кредитного соглашения.

Заключительная процедура анализа - ранжирование рисков производится с использованием упоминавшегося выше показателя важности i-го риска Ωi, или так называемого коэффициента риска KFi, равного отношению максимально возможной величины потерь (ΔFi> Ωi) из-за данного риска к объему собственного капитала Ve владельца объекта KFi=ΔFi /Ve. При этом общий коэффициент риска проекта KΩ может оцениваться как средневзвешенная величина коэффициентов всех видов риска, где весовыми коэффициентами являются вероятности проявления соответствующих типов риска общим числом m:

Условная шкала ранжирует риски проектов по диапазонам допустимых значений общего коэффициента риска.

Заметим, что представленные в таблице границы интервалов для KΩ ориентированы на возможные источники компенсации потерь, потенциал которых сравнивается со стоимостью собственного капитала Ve в составе объекта оценки. В качестве таких источников рассматриваются:

-  доход ATCF после налогообложения (KΩ ≤ ATCF/Ve),

-  доход PTCF до налогообложения (KΩ ≤ PTCF/Ve),

-  чистый операционный доход (KΩ <NOI/Ve).

Здесь названия способов разрешения риска расшифровываются следующим образом:

-  избежание - отказ от реализации рискованного решения - рекомендуется при высокой вероятности неблагоприятного развития событий и очень большом размере возможного ущерба;

-  передача (ответственности) — страхование, перестрахование, передача в доверительное управление, получение финансовых или материальных гарантий третьей стороны, используемое при невысокой вероятности события и большом размере возможных финансовых потерь;

-  сокращение - принятие превентивных мер для минимизации потерь путем снижения вероятности риска и уменьшения размера возможного ущерба, рекомендуемое к использованию при высокой вероятности неудачи (неблагоприятного развития событий) и небольшом размере ущерба;

-  удержание - реализация решения с готовностью покрыть потери из своих средств, в том числе с использованием резервных фондов, создаваемых для самострахования; способ рекомендуется при невысокой вероятности события и небольшом размере возможного ущерба.

Как отмечалось выше, при наличии затруднений в измерении количественных характеристик риска и ранжировании рисков используются методы экспертных оценок с привлечением профессионалов, имеющих достаточный опыт в управлении недвижимостью и обладающих соответствующими знаниями теории управления. При этом существенное внимание уделяется формированию количественного (12-16 чел.) и качественного (представительного по специализациям) состава группы экспертов, не обремененных особыми интересами, способными привести к искажению результатов экспертизы.

Чаще всего предпочтение отдается такой организации опросов, при которой эксперты могут открыто высказывать свои суждения при полном запрете критики со стороны (режим «мозгового штурма», богатый ценными идеями, но сопровождаемый значительным «информационным шумом») или, что предпочтительнее с точки зрения возможностей обработки результатов - с заполнением анкет экспертного опроса и с корректировкой их авторами после обсуждения «промахов» (метод «Делъфи»).

Практика анализа экономических рисков

При реализации доходного подхода к оценке в условиях неопределенности прогнозируются будущие доходы и изменения нормы отдачи на капитал. В связи с этим погрешность, с которой может быть рассчитана величина рыночной стоимости, будет определяться ошибками предсказания темпов изменения ставок арендной платы, потерь от недозагрузки и неплатежей, всех видов операционных расходов, темпа инфляции и норм доходности финансовых инструментов. Количество параметров задачи оказывается весьма большим и в практике оценки первоочередной оказывается задача исключения из рассмотрения тех факторов риска, влияние которых на конечный результат оказывается пренебрежимо малым. Дифференциация факторов риска обеспечивается использованием упомянутой выше техники анализа чувствительности.

Анализ чувствительности к изменению факторов

Анализ чувствительности искомого показателя F к изменениям отдельных факторов fi сводится к ранжированию факторов данного типа риска по величине отношения φ=δF/δfj (здесь δfj =Δfj /fj, δF=ΔFj /F, ΔFj - изменение F при максимально возможном изменении Δfj величины фактора fj). Влияние фактора считается значимым, если φ≥1. При φ<<1 влиянием фактора можно пренебречь.

Многофакторный анализ рисков

Для измерения чувствительности изучаемого показателя к изменениям не единичного фактора (как было рассмотрено выше), а группы факторов риска применяется техника вариации сценариев. Обычно анализируются три альтернативных сценария - пессимистический («pes»), вероятный («most likely» - «ml») и оптимистический («opt»).

При моделировании пессимистического сценария предполагается, что с определенной (не стопроцентной) вероятностью Wpes= Wpesi, могут проявиться одновременно (равновероятно) самые неблагоприятные варианты каждого риска из всей совокупности рисков - с максимально возможными из мыслимых значений показателями опасности ΔFmaxi. Очевидно, что в этом случае величина искомой характеристики окажется минимально возможной Fmin=Fpes.

Оптимистический сценарий, напротив, «собирает» вместе наиболее благоприятные варианты развития событий, исходя из предположения, что все риски из совокупности минимальны (вариант безрисковый, с минимально возможными из мыслимых значений показателя опасности ΔFmini≈0) и равновероятны (с одинаковой вероятностью Wopt=Wopti). Можно ожидать, что в этом случае потери минимальны и искомый параметр может характеризоваться максимально возможной («безрисковой») величиной Fopt=Fmax.

Наконец, базовый (вероятный) сценарий, реализующийся с экспертно определяемой вероятностью Wml=Wmli, моделирует вариант прогноза развития ситуации с умеренной степенью опасности всей совокупности рисков (показатели опасности ΔFmidi) и соответствующей средней величиной искомой характеристики Fml=Fmid. Учитывая случайный характер каждого из прогнозных сценариев, можно рассчитать математическое ожидание Fw искомого результата, дисперсии σ2(Fw) и стандартного отклонения σ обработкой результатов, получаемых в результате анализа трех сценариев: Fw=WpesFmin+WmlFmid+WoptFmax.

Возможно уточнение приведенного выше варианта техники многофакторного анализа рисков с привлечением экспертов. Здесь вероятность сценария определена на основании обработки мнений экспертов, полученных с использованием алгоритма «балльных» оценок:

-  эксперты определяют перечень наиболее важных критериев оценки сценариев;

-  каждому критерию присваивают вес Gi в баллах (пятибалльная шкала);

-  для оценки каждого критерия выбирается шкала;

-  эксперты оценивают каждый сценарий по каждому критерию;

-  вычисляется балл для каждого критерия, средний по группе экспертов.

На основании этих результатов вычисляется средневзвешенный балл Xj сценария j. Предполагается, что вероятность сценариев пропорциональна полученным баллам и сумма вероятностей равна 100%. Тогда вероятность j-го сценария Wj равна Wj=Xj /ΣXj.

Пара слов о методе имитационного моделирования Монте-Карло. Этот метод, позволяющий рассмотреть максимальное число сочетаний исходных данных (Ipgs, Kv&l, Koe, Ro), и оценить диапазон изменения результирующей переменной (Vo), реализуется стандартным алгоритмом. При этом, учитывая недостаток рыночных данных для объекта, рассмотренного в предыдущем примере, предполагается, что все факторы распределены равномерно.

После проверки генерируемой последовательности случайных факторов на мультиколлинеарность (по матрице парных коэффициентов корреляции), исследуется зависимость качества достижения заданного (равномерного) распределения и величины рыночной стоимости от числа испытаний. Установлено, что величина рыночной стоимости практически не изменяется с ростом числа испытаний после 10000 испытаний, а распределение для ставок арендной платы, близкое к равномерному, достигается только при числе испытаний, равном 20000. Полученное при этом распределение плотности вероятности для значений рыночной стоимости оказалось близким к нормальному.

Принятие решения о выборе варианта ННЭИ в условиях риска

Ранжирование факторов риска и самих рисков, обеспечиваемое на стадии анализа рисков, позволяет количественно обосновывать решения по выбору варианта реализации проекта из набора альтернативных вариантов. Этот инструментарий позволяет добавить к критерию максимальной продуктивности, используемому в рамках анализа и выбора ННЭИ, также и критерий приемлемого уровня рискованности варианта. Поскольку при принятии решений в условиях неопределенности вероятность событий и последствий удается оценивать далеко не всегда, кроме критериев приемлемости уровня риска (при принятии решений в условиях риска) рассмотрим также критерии принятия решений при отсутствии возможности оценки вероятности неблагоприятного развития процессов (решения в условиях неопределенности). Суть подхода к принятию решений в условиях неопределенности и риска рассмотрим с использованием таблицы эффективности решений.

В этой таблице:

-  строки соответствуют варианту решения,

-  столбцы соответствуют интегральной характеристике совокупности факторов, влияющих на процессы и на их последствия (характеристики «среды»),

-  в ячейках на пересечениях строк и столбцов указаны величины избранного показателя-результата Fij.

Заметим, что представленные в этой таблице варианты состояния среды в условиях риска характеризуются набором факторов и вероятностями сценариев, в то время как в условиях неопределенности вероятности сценариев для рассматриваемых вариантов состояния среды остаются неизвестными.

При выборе оптимального варианта решения с ожидаемым результатом F* в условиях риска основным является критерий максимума величины математического ожидания случайной величины Fij. По этому критерию из множества k возможных решений, характеризующихся множеством величин математического ожидания {Mi(Fij)=F*i}, выбирается то, для которого величина этого ожидания максимальна.

При этом уровень риска для каждого из решений может быть охарактеризован с использованием величин дисперсии и стандартного отклонения.

Выбор варианта ННЭИ в условиях неопределенности

В условиях отсутствия оснований для оценки вероятности сценариев развития процессов чаще других применяют критерий Вальда («максимин»), называемый «критерием пессимиста», который рекомендует выбирать вариант решения, при котором наименьшее из представленных в соответствующей строке таблицы эффективности решений значений показателя Fij оказывается наибольшим из всей совокупности наименьших значений, ожидаемых при реализации всей совокупности решений.

[1] Имеются в виду две пары интересов, относящиеся: к паре компонентов собственности (земле и улучшениям) или к паре компонентов капитала, вложенного в собственность (собственному или заемному капиталу).