Цитаты из книг автора «Алексей Герасименко»

Стоимость опциона ожидания дает нам возможность оценить, стоит ли ждать. Если вспомнить дерево решений, то мы увидим, что с учетом потерь от ожидания ($20 млн выручки в год) это ожидание не имеет смысла. Если мы подставим это значение в модель, то увидим, что прогнозное значение экономического результата при ожидании упадет с $14 млн в год до $8 млн. Ждать в данном случае слишком дорого! Ожидание с целью уточнения информации — это не всегда хорошо.

Чем больше неопределенность, тем ценнее опцион, и наоборот. Если в модели мы увеличим вариативность спроса

Понятно, что можно пару тысяч раз нажать F9, каждый раз записывая получающиеся результаты, но Excel может сделать эту черную работу за нас с помощью такой вещи, как таблицы данных (в Excel 365 для Windows они находятся во вкладке «Данные — Анализ "что-если" — Таблицы данных»). Я сделал симуляцию 500 раз (см. модель на сайте). Опять же, если на рабочем листе «Симуляция» в модели нажать F9, то результаты обновятся — симуляция будет проведена снова.

каждой из этих переменных. В реальной жизни мы понимаем, что возможных значений гораздо больше. Симуляция позволяет нам учесть многогранность жизни. В модели переменная «спрос» имеет ожидаемое значение $90 млн но это значение может меняться в пределах плюс-минус $40 млн. Для моделирования значения этой переменной я использовал равномерное распределение с помощью генератора случайных чисел (то есть вероятность появления любого значения в указанном диапазоне одинакова). Если вы считаете, что корректнее будет использовать другой алгоритм формирования значения спроса (например, нормальное, треугольное или логнормальное распределение), то вы можете использовать соответствующие формулы. Для переменной «затраты» я также использовал ожидаемое значение $80 млн с возможным диапазоном изменений плюс-минус $40 млн.

В модели учтено принятие решений в трех вариантах: без всяких опционов (то есть вкладываемся, строим и производим вне зависимости от ситуации); только с опционом принятия решения по результатам R&D (если издержки ниже ожидаемого спроса, то производим); с получением более точной информации о спросе (задержкой начала производства). Эти варианты нам необходимы, чтобы сравнить получающиеся результаты и, таким образом, оценить каждый из опционов. Далее добавим в модель неопределенность в выборе переменных (табл. 333). В данном случае у нас есть две основные переменные — спрос и затраты на производство. В дереве решений мы учитывали всего несколько значений

Симуляции с помощью метода Монте-Карло Симуляция в финансах не несет в себе негативного смысла. Симуляция сродни дню сурка — вам надо много раз «прожить» один и тот же проект. Суть этого метода заключается в следующем. Вы: строите финансовую модель своего проекта; выделяете ключевые переменные, которые могут изменяться; определяете, по какому принципу и в каких пределах изменяется каждая из этих переменных; для каждой переменной подставляете случайное значение, выбранное по принципу, определенному в шаге 3; записываете получившееся значение результата проекта; повторяете шаги 4 и 5 много раз (обычно несколько тысяч раз); проводите статистический анализ результатов проекта на основе результатов наблюдений за несколькими тысячами «жизней» одного и

Деревья решений — удобный метод анализа ситуаций и учета некоторых реальных опционов, но у них есть и недостатки: При наличии нескольких переменных и решений деревья решений быстро становятся очень сложными для понимания. Деревья решений учитывают только несколько значений переменных, несколько сценариев. В реальной жизни переменные могут иметь множество возможных значений. Более того, значения переменных могут зависеть друг от друга.

На схеме решения будут обозначаться квадратиками, вероятностные события — кружками. В качестве «листьев» дерева нам необходимо будет отметить финансовые последствия ситуации. Также необходимо отметить вероятности наступления по вероятностным событиям.

Для построения дерева решений нам необходимо сначала продумать логику движения проекта. Ключевыми моментами для дерева будут решения, которые необходимо принять, а также вероятностные события, включенные в процесс принятия решений. Для нашей компании ключевыми решениями будут следующие: Начинать ли проект вообще? Производить продукт сразу или ждать? Производить ли продукт после ожидания или отказываться от продолжения проекта?

Как мы уже видели в примере с фармацевтической компанией, несмотря на свою распространенность, сценарный анализ часто не дает правильной картины, так как не учитывает гибкости в принятии решений в зависимости от развития ситуации.