РИСКИ УСТОЙЧИВОСТИ ИНВЕСТИЦИОННОГО ПРОЕКТА

Газовая промышленность обеспечивает на­циональной экономике значительный до­ход. Развитию данной отрасли много внимания уделяют и государство, и инвесторы, акционеры компаний отрасли. Одним из приоритетных на­правлений современного развития газовой про­мышленности является производство и поставки сжиженного природного газа (СПГ). Развитые страны увеличивают долю данного энергоносите­ля в энергобалансе, руководствуясь соображения­ми экологической безопасности и необходимости диверсификации поставщиков. СПГ представля­ет собой обыкновенный природный газ, охлаж­денный до температуры -162 °С для хранения и транспортировки в жидком виде. При регазифи­кации из 1 м³ сжиженного газа образуется около 600 м³ обычного природного газа.

Коммерческие операции с СПГ начались в 1964 году. В настоящее время поставки СПГ составляют 30% мировой торговли газом, его экспортом занимаются 18 стран, производствен­ные площадки для регазификации имеются в 26 странах. Глобализация рынка СПГ, рост объемов торговли, увеличение доли оптовых продаж, на­учно-технический прогресс и развитие торговых площадок - это основные тренды данного сег­мента топливно-энергетического рынка. По про­гнозам, к 2030 году спрос на СПГ вырастет бо­лее чем вдвое и достигнет почти 500 млн т в год. Спрос на СПГ в Европе возрастет почти в 3 раза (с 47 до 130 млн т в год), в развитых странах Азии, прежде всего в Японии и Южной Корее, ожида­ется увеличение потребления СПГ на 40%. Ли­дером роста станет Юго-Восточная Азия: Китай, Индия, Пакистан, Вьетнам, Индонезия, Малай­зия, Таиланд. Их потребности СПГ к 2030 году вырастут в 8 раз [Выгон Г. В., Белова М. А., 2013].

В России до конца 2013 года единственным поставщиком сжиженного газа за рубеж выступал «Газпром». Согласно поправкам, внесенным в за­кон «Об экспорте газа» в 2013 году, те предпри­ятия, которые по состоянию на 1.01.2013 г. пред­полагали построить завод по производству СПГ, получают право экспортировать его за пределы Российской Федерации. Данное решение направ­лено на развитие соответствующего направления газовой промышленности, предполагается реали­зация крупных инвестиционных проектов [Феде­ральный закон 2006].

В реальном секторе экономики инвестицион­ные проекты отличаются по срокам, масштабам, объемам финансирования, периоду окупаемости, уровню риска. Неопределенность ведет к возник­новению факторов риска, которые оказывают вли­яние на различные характеристики проекта, пре­жде всего на сроки, стоимость и качество. Риски, связанные с реализацией проекта, достаточно высоки. Они оказывают существенное влияние на устойчивость всего процесса реализации ин­вестиционного проекта, особенно в промышлен­ности.

Следует отметить, что в настоящее время данная область риск-менеджмента активно раз­вивается, совершенствуются подходы к управлению рисками проектов, инструменты и методы. В литературе обосновывается необходимость комплексного, интегративного подхода к управ­лению риском в целом, включая и управление рисками инвестиционного проекта [Екатерино- славский Ю. Ю., Медведева А. М., Щенкова С. А., 2010; Кудрявцева А. А., 2010]. Некоторые авторы рассматривают эффективность управления инве­стиционным проектом как процесс «оптимизации влияния позитивной и минимизации негативной составляющей риска на ключевые показатели ин­вестиционного проекта» [Шамин Д. В., 2014].

В данной статье представлены результаты ис­следования рисков крупного инвестиционного проекта, который реализуется в газовой отрас­ли и связан с производством сжиженного газа. Финансово-экономический аспект реализации инвестиционного проекта рассматривается с по­мощью специально разработанной профильной модели. При разработке модели учитывалась специфика проекта, исходные данные представ­лены в табл. 1, 2. Также использовались специ­фические характеристики проекта, которые учи­тывались при расчете финансово-экономической модели (табл. 2). На базе модели были получены основные экономические показатели (табл. 3), ко­торые используются для оценки экономической составляющей проекта.

Стоит отметить, что параметры рассчита­ны при базовых значениях входных данных и без учета высокой неопределенности, имею­щейся в прогнозе. Таким образом, вероятность, что значения параметров в конечном итоге будут именно такими, крайне мала, особенно в кризис­ные периоды, характеризующиеся большими не­определенностями.

Чтобы оценить степень влияния изменения параметров на финансовый результат, мы постро­или график чувствительности к изменению пара­метров типа «паук» (рис. 1), который позволяет четко определить, как меняется результат NPV проекта в зависимости от варьирования значения основных входных параметров проекта. Пред­ставлена чувствительность к параметрам: цена реализации, капитальные вложения, операцион­ные затраты, уровень добычи.

При анализе графика следует обратить вни­мание на линии, которые имеют самый сильный наклон. Это означает, что небольшое изменение параметра сильно влияет на изменение NPV. Та­ким образом, значение NPV является наиболее зависимым от изменения уровня цен реализации проекта. Крайне проблематичным является то, что данный параметр является внешним и влия­ние компании на него крайне ограничено.

Вторым по влиянию является уровень ка­питальных вложений. Этот параметр находится под контролем компании, и при эффективном управлении есть возможность ограничить его значения в допу­стимых диапазонах.

На третьем месте - уровень добычи. Однако график чув­ствительности имеет перелом.

Дело в том, что при повышении объема добычи компания име­ет крайне ограниченный ресурс для переработки дополнительно­го объема газа. Ограничение свя­зано с мощностью завода по про­изводству СПГ. Поэтому правая часть линии чувствительности является практически горизон­тальной. Однако при падении до­бычи и недозагрузке мощностей завода NPV очень быстро сни­жается, причем левая часть ли­нии имеет более резкий наклон, чем линия чувствительности ка­питальных вложений. Влияние на возможный уровень добычи на месторождении ограничено, так как это зависит от имеющих­ся природных запасов. Чтобы минимизировать данный риск, необходимо по­высить информированность о запасах путем про­ведения дополнительных геологоразведочных работ и в случае небольших объемов изыскивать дополнительные объемы газа на близлежащих месторождениях, что повлечет за собой допол­нительные капитальные вложения. Тем не менее данный параметр сильно влияет на экономиче­ский результат проекта, дополнительные капи­тальные вложения могут быть экономически оправданными.

Стоит также отметить, что данные показате­ли рассчитаны при 100%-ном собственном фи­нансировании. Этот сценарий не является реали­стичным, и потребуется привлечение внешнего финансирования. Основной вопрос в этом слу­чае: какова должна быть оптимальная структура капитала проекта или какая доля может посту­пить из внешних источников? Так как структура капитала влияет на реализуемый проект и, соот­ветственно, на устойчивость компании, степень оптимальности будет зависеть от тех факторов, которые будут наиболее критичными для инве­сторов.

Основное внимание должно быть уделено оптимальной структуре капитала, которая имеет наибольшее влияние и самую высокую степень неопределенности. Для анализа структуры капи­тала с учетом неопределенности предлагается ис­пользовать метод Монте-Карло. Он предполагает моделирование случайных событий и расчет ре­зультата на созданной модели.

Основные задачи использования метода Мон­те-Карло:

• вычисление стандартного отклонения для того, чтобы найти разброс данных относи­тельно среднего значения;
• определение диапазона моделирования для каждого параметра проекта;
• выдвижение гипотезы об оптимальной структуре капитала;
• нахождение результата статистического рас­пределения для показателя эффективности ис­пользования средств, вложенных в проект;
• тестирование гипотезы;
• оценка результата гипотезы;
• нахождение оптимальной структуры капита­ла проекта.

Как было замечено, мы имеем большое коли­чество неопределенностей, способных повлиять на итог Как правило, для моделирования по­добных результатов используются три основных сценария: базовый, оптимистичный и пессими­стичный. Значение базового сценария соответ­ствует наиболее вероятному значению, которое ожидается на основании проведенного анализа или опроса мнений экспертов. Оптимистичный и пессимистичный сценарии являются крайними, менее вероятными, их значения сильно отклоня­ются от значений базового сценария.

Такое прогнозирование событий являет­ся сильным упрощением реальной ситуации. Как правило, в реальности параметры могут при­нимать и промежуточные значения. Это способно влиять как положительным, так и отрицательным образом на итоговый финансовый результат про­екта. Оптимальным методом будет использование нормального распределения вместо использова­ния трех сценариев для моделирования входных параметров.

Нормальное распределение можно моделиро­вать, задав два ключевых параметра: математиче­ское ожидание и стандартное отклонение. В ка­честве математического ожидания предлагается брать результат базового прогноза по параметру. Для задания стандартного отклонения будем ис­пользовать два основных метода, которые зависят от того, каким образом были получены оценки для сценариев.

Первый сценарий. Происходит моделиро­вание существующей ситуации методом Мон­те-Карло, после чего сценарии P10, P50 и P90 берутся в качестве пессимистичного, базового и оптимистичного соответственно (рис. 2).

В данном случае используется формула Чебы­шева:

где p - вероятность, что случайная величина не отклонится от математического ожидания бо­лее чем на величину k* - среднеквадратичное отклонение; k - количество среднеквадратичных отклонений. В рассматриваемой ситуации для на­хождения к применяется формула

Таким образом, между величиной P10 и P50 находится 40% всех значений. В формуле Чебы­шева учитывается отклонение в обе стороны, это 80% значений. Между P50 и P10 находится следующее количество стандартных отклонений:

Для поиска стандартного отклонения выпол­ним действие:

Так как в жизни P10 и P90 могут располагаться не совсем симметрично относительно P50, в фор­муле берется среднее между этими расстояниями:

Второй сценарий. Экспертов опрашивают на предмет определения значений трех сценариев: базового, оптимистичного и пессимистичного.

В такой ситуации моделирование будет проис­ходить с помощью нормального распределения, однако задаются иные вероятностные границы оптимистичного и пессимистичного сценариев. Пессимистичный сценарий задается на уровне P20, а оптимистичный сценарий на уровне P80. После повторения предыдущих вычислений получается формула стандартного отклонения для данного варианта:

Далее необходимо задать диапазоны модели­рования для каждого из параметров.

• Капитальные затраты. Сегодня существует большая неопределенность оценки капитальных вложений, необходимых для строительства заво­да по производству СПГ. Она существует для не­скольких основных групп капитальных вложений (табл. 6). Наибольшая неопределенность присут­ствует в оценке завода СПГ, он занимает наиболь­шую долю в капитальных вложениях, то есть дает наибольший вклад в неопределенность оценки капитальных затрат. Согласно табл. 6, можно рас­считать общую неопределенность в оценке капитальных вложений по проекту. Оценка неопреде­ленности с учетом весов составит 28,6%

• Добыча. С точки зрения добычи в основ­ном имеет место неопределенность относительно возможности месторождения обеспечивать необ­ходимый уровень добычи на протяжении необходимого количества лет. Профиль добычи можно разделить на три основные стадии:

• Рост добычи характеризуется бы­стрым ростом добычи. Основным ограничивающим фактором на этом этапе, как правило, являются доступ­ные мощности завода по производ­ству СПГ.
• Планка характеризуется уровнем стабильной добычи в течение опре­деленного количества лет (размер планки) для максимальной загрузки доступных мощ­ностей завода.

• Падение продажи характеризуется плано­мерным падением объема продаж. Основной па­раметр, который интересует руководство при рас­смотрении проекта, - размер планки добычи. Это также ключевой параметр при заключении контрактов на поставку СПГ Таким образом, чем дольше можно поддерживать планку добычи, тем лучше экономические результаты проекта, тем меньше риски контрактования продукции.
• Ценовые ориентиры являются одним из са­мых главных рисков проекта и одной из самых больших неопределенностей среди исходных дан­ных. При анализе чувствительности финансовых результатов было определено, что цена имеет наи­большее влияние. Для рынка СПГ используется расчет цены по формуле, в которой используются в качестве входных данных котировки Brent. Про­гноз сценариев, по сути, сводится к прогнозу коти­ровки Brent. В модели было решено использовать нормальное распределение для моделирования возможных значений котировки Brent и от нее строить возможные значения цен на СПГ.

Таким образом, с помощью метода Монте-Карло выявляются данные, которые позволят сфор­мулировать предположения об оп­тимальной структуре капитала проекта и с определенной долей вероятности утверждать, что до­полнительное увеличение заим­ствования увеличит эффективность вложения средств. Гипотеза состоит в том, что новая структура капи­тала дает экономическую выгоду для проекта. Альтернативная гипо­теза: новая структура не дает эконо­мической выгоды.

Для поиска оптимальной структуры капи­тала проекта используется экономический по­казатель - индекс рентабельности инвестиций Profit investment ratio (PIR), или Value Investment Ratio (VIR)). Данный показатель рассчитывается как отношение NPV проекта к сумме дисконти­рованных капитальных вложений (отношение приведенных эффектов к величине приведенных капитальных вложений). Экономический смысл данного показателя представляется как эффек­тивность вложения средств в проект: если ин­декс меньше 1, то проект нерентабелен. Поиск оптимальной структуры капитала будет осущест­вляться посредством постепенного увеличения доли заимствования, пока с заданной долей ве­роятности можно будет утверждать, что допол­нительное увеличение заимствования повысит эффективность вложения средств.

Общая схема алгоритма анализа оптималь­ной структуры капитала представлена в табл. 4. Алгоритм поиска оптимальной структуры можно представить как последовательность определен­ных действий (табл. 5). В табл. 7 подробно рас­смотрен последний шаг - тестирование гипотезы. Результаты применения разработанного алго­ритма поиска оптимальной структуры капитала представлены в табл. 8.

Оптимальная структура капитала для про­екта определена как 40% собственных средств и 60% заемных. Она обеспечит устойчивость проекта, поможет снизить риски финансирова­ния. С одной стороны, будет обеспечен доста­точный уровень денежных средств для обслу­живания внешнего долга компании, а с другой - возможность привлекать новые средства, если это необходимо для поддержания темпов раз­вития компании, для инвестирования и обеспе­чения требуемого акционерами возврата на ка­питал.

Представленную методику можно использо­вать для поиска оптимальной структуры капитала других подобных проектов. Ее основным преиму­ществом является то, что еще на ранних стадиях реализации проекта (например, при предпроекти- ровании) она позволяет выделить значимые фак­торы, смоделировать их возможное изменение, его диапазоны, а также степень влияния на про­ект. Данная методика направлена на развитие и совершенствование методического обеспечения превентивного подхода в управлении рисками, ориентированного на поддержание устойчивости реализуемого проекта.