Влияние рисков на инновационную деятельность

- использование нормы дисконта.

- срок возврата капитала. Чем больше срок возврата капитала, тем выше риск.

- определение средней за период минимальной цены единицы продукции (например: тонны нефти), обращающей ЧДД в ноль (эта цена определяется из уравнения ЧДД). Например:

Таблица 2

Проект А более рискованный, так как изменение цены на 10 руб. приводит к тому, что ЧДД = 0. У проекта В – запас прочности больше.

- построение диаграммы чувствительности (критериев к изменению переменных параметров):

Это один из наиболее распространенных методов анализа риска, критериев эффективности к изменению переменных параметров, составляющих часть выгод/затрат.

Анализ чувствительности призван дать анализ того, на сколько изменится эффективность проекта при определении изменения одного из исходных параметров проекта (выручки, добычи, цены, капитальных вложений, налоги, объем продукции).

Чем сильнее зависимость критериев эффективность от изменения этих параметров, тем выше риск.

Анализ чувствительности может применяться как для определения факторов в наибольшей степени влияющих на эффективность проекта, так и для сравнительной оценки рисков проекта.

Наибольшую опасность представляют факторы, которыми предприятие не может управлять – цена, налоги.[9]

Недостатки этого метода:

не учитывает связи, существующие между переменными параметрами;

не определен возможный диапазон изменения переменных параметров;

не определены вероятности нахождения переменных параметров в возможных диапазонах.

В дополнение к этой диаграмме рекомендуется построить график определения точки безубыточности.

- использование аппарата математической статистики:

Оценка рисков по сравнительным проектам производится в 3 этапа:

определение математического ожидания какого-либо критерия;

определение дисперсии (разброса) какого-либо критерия. Дисперсия – это математическое ожидание квадрата отклонения случайной величины от ее математического ожидания. По дисперсии можно судить о величине риска.

определение среднеквадратичного отклонения. Чем больше дисперсия и следовательно среднеквадратичное отклонение, тем выше риск проекта.

- метод построения сценария развития проекта:

при этом строятся и анализируются:

- КП – крайне пессимистический сценарий

- УП – умеренно пессимистический сценарий здесь есть риск

- Б – базовый (реалистический) сценарий

- О – оптимальный сценарий (не связанный с рисками)

- метод Монте-Карло:

Это метод математического моделирования. При построении сценариев используются не сами переменные параметры, а их математические ожидания, определяемые для непрерывной величины.[9]

Заключение

За последние десятилетия инновационная деятельность превратилась, из деятельности на свой страх и риск изобретателей и рационализаторов-одиночек, в мощную индустрию с годовым объемом венчурного капитала десятки миллиардов долларов и инфраструктурой, пусть и менее зрелищной, но не уступающей Голливуду.

За это же время резко изменилось отношение мирового сообщества к изобретательской деятельности и к личности изобретателя и рационализатора. Из привычного для нас еще недавно образа изобретателя — неудачника, над которым все, за глаза, посмеиваются, от которого отписываются и топят в административно-бюрократическом болоте — появился образ баловня судьбы, человека успеха, потенциального миллионера, пусть и начинающего свой путь, где-то в тесной лаборатории в гараже, но на помощь которому, в нужную минуту придет и мощная инновационная инфраструктура и громадный венчурный капитал.[2]

Благодаря этому, во всех экономически развитых странах в инновационную деятельность пошла научно-техническая элита и были выстроены весьма устойчивые механизмы привлечения и распределения венчурного капитала. Казалось бы, при такой благоприятной ситуации можно было бы ожидать не только солидного увеличения объемов инновационной деятельности, но и резкого увеличения производительности труда инновационных (изобретательско-внедренческих) компаний и снижения всех видов рисков (риска технического, рыночного, управленческого, ценового, финансового и пр.), что ни в какой мере не соответствует реалиям.

Анализу эффективности инновационной деятельности во всех экономически развитых странах посвящается значительное количество публикаций, каждая из которых основательно анализирует вклад тех или иных факторов в конечные экономические показатели. Но, так как инновационные системы крайне сложны, взаимное влияние большинства анализируемых процессов — значительно, а часть ключевых факторов, сильно влияющих на риски и на конечные экономические показатели (например, качество персонала или интеллектуальная собственность) плохо формализуемы — эффективным может быть не практикуемый массированный феноменологический, а классический кибернетический подход.[2]

Анализ же ситуации с позиции кибернетики показывает, что, несмотря на всю революционность изменений в инновационной инфраструктуре и морально — мотивационном климате, применяемые алгоритмы и системы управления в инновационных компаниях, точно в такой же степени нарушают закон Эшби, как это было 30 или 50 лет назад.

Сегодня уже ясно, что изобретательская, рационализаторская и внедренческая деятельности имеют, по крайней мере, три качественных отличия от привычной производственной или торговой деятельности:

Коренное отличие в законах создания, существования и развития интеллектуального и «материального» капиталов, иные законы существования и развития человеческого ресурса, следствием которых является практическая невозможность эффективной «заменяемости» сотрудников в реальном режиме времени (в отличие от всех видов производственной или торговой деятельности), принципиально более глубокое влияние обратной связи во всех процессах управления инновационной деятельностью.

Серьезные успехи системы управления инновационной деятельностью, опирающейся на венчурный капитал и на структуру инновационных фондов, делали, долгое время, неактуальными вопросы глубинных исследований природы и механизмов работы этого феномена. Настоящий интерес к вопросам риска и интегральной эффективности всей системы венчурных фондов возник совсем недавно, после эпохального кризиса «доткомов».[2]

По нашему мнению модель поведения любого венчурного инвестора и управляющего ничем не отличается от модели поведения среднего трейдера на бирже:

ориентация на жадность, при накоплении прибыли,

ориентация на страх, при обрезании убытков,

преобладание эмоций над системными решениями.

Исходя из этого, понятна, и принципиальная неравновесность, и высокие риски в венчурных проектах. Хорошо отлаженные венчурные фонды эффективно снижают разнообразие управляемых инновационных проектов путем процедурной формализации всех звеньев проекта на базе общепринятых организационно-управленческих стандартов, но, при этом, вопросам увеличения разнообразия управляющей системы, например с помощью внедрения ситуационного центра, адекватного внимания не уделяется. Поэтому серьезный резерв к резкому снижению рисков в инновационных проектах — использование персонального ситуационного центра, например, в варианте, предложенном в [6].

 Скачать реферат