[ЗАСТАВКА] [ЗАСТАВКА] Итак,
давайте посмотрим дальше, как мы можем справляться
в сложных реальных ситуациях, когда имеется
достаточно имеется достаточно большая неопределенность при принятии решений.
Опять-таки возникает проблема с использованием традиционного подхода
чистой приведенной стоимости, потому что он никак не гибкий.
Один из самых древнейших методов решения
этой проблемы — использование анализа дерева решений.
Значит, опять: в предыдущем разделе мы обсудили важность
понимания неопределенности вводных финансовых моделей.
Нам же не надо забывать, что, на самом деле,
люди иногда достаточно субъективно тоже принимают решения,
и реагирую по-разному при разных сценариях.
То есть кто-то более склонен к риску,
готов сразу проинвестировать, кто-то хочет подождать побольше.
И, соответственно, часто возникает вопрос: не стоит ли инвестировать вообще, а когда?
Соответственно, использование анализа
дерева решений включает много таких нечетких нефинансовых,
а скорее, психологических и социальных факторов в анализе.
На основе древнейшего анализа принятия решений, который есть первый метод,
про который я сейчас я вам коротко расскажу, дальше разработаны еще несколько
— это вероятностное прогнозирование и многовариантный анализ полезности.
Ну давайте начнем с анализа дерева решений.
Это, как я говорил, самый старый и самый распространенный способ.
Еще с 50-х годов прошлого века используется.
И он имеет несколько основных компонентов.
Любую проблему, связанную с неопределенностью,
мы должны раздробить, на простых наглядных схемах представить.
Дальше мы делаем анализ чувствительности.
Там где имеет смысл — делаем субмодели, но не перебарщиваем,
потому что чем сложней мы делаем модель, тем очень разные варианты могут получиться
с точки зрения и присвоения вероятности данных возможных сценариев.
И самое главное, всегда привлекаем экспертов для определения этих
вероятностей, потому что без этого, естественно,
любые сценарии могут быть совсем условные, и тогда в чем смысл всем этим заниматься?
Итак, анализ дерева решений выглядит примерно таким же образом,
то есть начинаем с какого-то первоначального момента,
и дальше мы должны посмотреть инвестируем или нет в конечном итоге,
а дальше, опять, как я говорю, мы можем дробить процесс по времени,
по включению каких-то дополнительных факторов.
И естественно, основное правило — делить на две ветви: положительное
и отрицательное решение или результат, и уже им присваиваем вероятности.
То есть опять-таки, если мы берем наш любимый сектор — нефтегазовый — допустим,
какое-то новое месторождение, вопрос стоит «бурить или не бурить?».
То есть есть очень много неопределенных моментов, и поэтому мы подключаем
экспертов и решаем, разложить проблему схематично и посмотреть на каждом шаге,
как мы можем более четко сконцентрировать ту
или иную неопределенность в каких-то узлах.
Соответственно, мы можем посмотреть...
ну как ни странно, многие такие решения появились в военной отрасли в 80–90-х,
когда рассматривалась новая система полетной безопасности,
достаточно быстро надо было принять решение,
и на основе традиционных способов получался какой-то полный нонсенс.
Поэтому подключили экспертов,
которые приняли таким традиционным способом анализа дерева решений.
И что они сделали?
То есть они рассматривали следующие варианты: знали примерно
сколько стоит лицензия, знали...
то есть они спрогнозировали, когда они примерно
могли бы получить первый контракт, второй контракт и так далее.
И вообще, насколько дальше они могут приобрести выгоду.
И на каждом шаге они, соответственно, оценивали денежные потоки,
с одной стороны, и с другой, — присваивали вероятности
достижения определенного ключевого момента.
Вот вы видите, какие на самом деле разные могут получиться
конечные оценки в зависимости от того или иного сценария.
На самом деле инструмент достаточно простой,
но надо иметь в виду несколько очень важных моментов.
То есть, когда вы делаете такой анализ, вы должны
опять-таки выбирать самую ключевую информацию для включения в дерево.
То есть не старайтесь включить максимально подробно все, это нереально.
Вы только запутаетесь и ничего не решите.
Опять-таки, выбирая ключевые элементы, отталкивайтесь от их влияние на выручку,
это опять-таки должен быть основной критерий выбора.
Дальше, когда вы обрабатываете эти узлы и элементы,
не забывайте делать анализ чувствительности.
Опять-таки на данном этапе вы увидите сами, как определенные выбранные
или вы думаете, что что-то однозначно должно присутствовать,
но анализ чувствительности показывает, что это, на самом деле, нематериально.
Поэтому сразу упрощайте модель.
Использование подмоделей.
На самом деле, это тоже очень важно,
особенно для комплексных моделей и ситуаций, потому что,
естественно, с одной стороны я говорю, не надо делать слишком подробно,
но и, естественно, не надо делать слишком поверхностно,
поэтому мы должны очень аккуратно принять правильное решение,
на каком узле стоит делать подмодели.
И мы должны опять-таки их встраивать очень аккуратно.
Не забывайте, что это командная работа, вы можете быть отличным
финансовым аналитиком, просчитывать денежные потоки замечательно,
но опять-таки в таких проблемах есть очень много нюансов,
которые зависят от разного рода специалистов.
Поэтому подключайте в командную работу обязательно экспертов,
которые подскажут вам однозначно в любых таких задачах.
Технические эксперты, маркетологи тоже должны подключаться.
Ну и не забывайте, что должен быть подключен и менеджмент или те,
которые принимают решения, потому что они имеют стратегическое
видение насчет того или иного решения,
они имеют очень часто то, что достаточно сложно оценить — определенное,
скажем так, чувство: что пойдет, что не пойдет.
И как ни странно, достаточно часто это тоже включается в модели.
Поэтому смотрите комплексно,
но не делайте этот анализ слишком детальным,
чересчур детальным — оптимальным.
[ЗАСТАВКА]
[ЗАСТАВКА]
[ЗАСТАВКА]