О.О. Белякова, Н.Н. Захарченко, С.А. Филатов  (ГП «НАЦ РН им. В.И. Шпильмана»)

Наличие высоких рисков – характерная особенность топливно-энергетической отрасли в целом и разработки месторождений – в частности, особенно при извлечении трудноизвлекаемых запасов.

В ходе экономической оценки инвестиционного проекта используется ставка дисконтирования, которая, как предполагается, включает в себя минимально гарантированный уровень доходности и темпы инфляции.

В настоящее время нет регулирующих документов, в которых бы говорилось, по какой ставке дисконтировать денежный поток.

В соответствии с пунктом 11.2.3 (РД 153-39-007-96): При установлении значения коэффициента дисконтирования обычно ориентируются на средний уровень ссудного процента (процентной ставки). Уровень коэффициента дисконтирования может также учитывать и риск осуществляемых инвестиций.

Кроме того в ходе оценки инвестиционных проектов ставка дисконтирования составляет 10% и 15%, при том, что регулирующий документ (Дополнение к РД 153-39-007-96 ТЭО СРП утв. Приказом Минтопэнерго России от 6 августа 1999 г. №265), в котором была установлена данная норма дисконта, утратил юридическую силу.

Таким образом, использование ставки дисконтирования при норме 10% и 15% остается необоснованным. В этой связи следует рассмотреть возможные способы определения ставки дисконтирования в целях проведения расчета реальной ставки, при которой инвестиционных проект мог бы учесть риски, связанные не только с инфляционными процессами, но и учитывающие специфику нефтяной отрасли.

Достаточно объективным методом по сравнению с другими является метод кумулятивного построения, который подразумевает оценку определенных факторов, обусловливающих риск недополучения запланированных доходов. При построении ставки дисконтирования по данному методу за основу берется безрисковая норма доходности, к которой добавляется норма доходности за риск инвестирования в рассматриваемую отрасль:

 где R₀ – безрисковая ликвидная ставка; R_{отрасли} – риск, связанный с вложением в отрасль.

Безрисковая ставка дохода определяется исходя из ставки доходов по долгосрочным правительственным облигациям (также может использоваться доходность по депозитам Сбербанка, еврооблигациям, ставка рефинансирования), так как они характеризуются очень низким риском, связанным с неплатежеспособностью и высокой степенью ликвидности.

Для определения нормы доходности за риск инвестирования в отрасль учитываются следующие наиболее важные факторы:

1. Изученность месторождения. Величина данного риска будет определяться в зависимости от категории запасов (ресурсов). Риск будет меньше, если предполагается разработка запасов промышленных категорий, для прогнозных ресурсов соответственно риск будет больше. Величина премии за данный вид риска будет определяться путем суммирования премий за каждую соответствующую категорию, запасы (ресурсы) которой предстоит осваивать (табл.1). 

 

 

Таблица 1. Сопоставление премий за риск по категориям извлекаемых запасов/ресурсов

 

2. Сложность геологического строения. Премии по данному виду риска для каждого вида залежи принимаются: для простого строения – 1%; для сложного строения – 2%; для очень сложного строения – 3%.

3. Средняя глубина залегания продуктивного пласта. Данный вид риска может быть сопряжен с такими ситуациями, как отказ оборудования при повышении температуры, время простоя и т.д.

В зависимости от глубины залегания продуктивного пласта премия за риск составит: до 3 000 м – 0,5 – 1%; от 3 000 м – 5 000 м – 2%; от 5 000 м – 3%.

4. Географо-экономическое расположение. На данный фактор риска оказывает влияние географическое расположение региона, наличие развитой транспортной и магистральной инфраструктуры (табл.2).

Следует также отметить, что определение конкретных количественных значений риска требует более детального изучения.

Расчет ставки дисконтирования с учетом предлагаемых рисков представлен в табл.3.

На примере Бобровского участка были проведены расчеты NPV с последующим сопоставлением «классических» ставок дисконтирования и ставки, рассчитанной по методу кумулятивного построения (рис. 1).

Как показано на рис.1, при ставке дисконтирования 10% завышает NPV инвестиционного проекта. Из этого следует, что средний уровень процентной ставки покрывает лишь инфляцию без учета каких-либо особенностей. В этой связи необходим дифференцированный подход к каждому месторождению (участку). Касаясь нормы дисконта 15%, можно сказать, что она, хотя и приближена к рассчитанной (14,18%), все же является средневзвешенной, постоянной. В тех ситуациях, когда условия месторождения позволяют использовать меньшую ставку дисконтирования (наличие развитой инфраструктуры, разработка запасов из залежей простого строения), норма дисконта 15% будет менее уместной.

Таким образом, использование предложенного механизма расчета ставки дисконтирования позволит инвестору получить относительную объективную оценку эффективности инвестиционного проекта.

Однако метод дисконтирования денежных потоков, являющийся традиционным методом оценки эффективности инвестиционных проектов, имеет ряд недостатков как на теоретическом, так и на практическом уровне.

 

 

Таблица 2. Определение премии за географо-экономический риск

 

 

Таблица 3. Определение ставки дисконтирования на примере Бобровского участка

 

 

Рис. 1. Сопоставление величины NPV при различных ставках Дисконтирования

 

На практическом уровне метод является очень чувствительным к изменениям параметров модели. Таким образом, небольшие изменения могут привести к существенным колебаниям результатов инвестиционного проекта. И в связи с колебаниями основных техникоэкономических факторов в долгосрочной перспективе получение единственного значения показателя эффективности недостаточно корректно [3].

На теоретическом уровне дисконтированных денежных потоков метод не учитывает вероятностный характер результатов и особенно плохо работает в условиях высокой неопределенности и риска.

В данных условиях предпочтительнее использовать методы имитационного моделирования. Имитационное моделирование – метод исследования, при котором изучаемая система заменяется моделью, с достаточной точностью описывающей реальную систему, и с ней проводятся эксперименты с целью получения информации об этой системе.

Цель имитационного моделирования состоит в воспроизведении поведения исследуемой системы на основе результатов анализа наиболее существенных взаимосвязей между ее элементами [2].

Одним из методов имитационного моделирования является метод Монте-Карло, или метод стохастического моделирования, который основан на моделировании случайных процессов с заданными характеристиками. Результат моделирования выражается не каким-либо единственным значением показателя эффективности, а в виде вероятностного распределения всех возможных его значений. То есть метод Монте-Карло можно определить как метод моделирования случайных величин с целью вычисления характеристик их распределений. Изменения величин генерируются псевдослучайным образом в соответствии с заданными параметрами распределения, например, с математическим ожиданием

и среднеквадратическим отклонением

где x_i – i-е значение параметра; p_i – вероятность i-го значения параметра; n – количество значений параметра [1].

Имитируемое распределение может быть, в принципе, любым, а количество сценариев — весьма большим (до нескольких десятков тысяч), что обеспечивает получение более точных и достоверных результатов. Таким образом, потенциальный инвестор с помощью метода Монте-Карло будет обеспечен полным набором данных, характеризующих риск проекта.

В общем случае проведение имитационного эксперимента по методу Монте-Карло можно разбить на следующие этапы [5]:

1. Отбор ключевых переменных проекта, влияющих на конечный результат.

2. Определение ограничений значений переменных и размещение вероятностных весов по их границам, т.е. задание закона распределения для изменяемых параметров.

3. Установление взаимосвязи между исходными и выходными показателями в виде математического уравнения или неравенства.

4. Проведение компьютерной имитации значений ключевых параметров модели, т.е. генерирование случайных сценариев, основанных на выборе допущений.

5. Расчет основных характеристик распределения исходных и выходных показателей.

6. Анализ полученных результатов и принятие решения.

Данный алгоритм может быть реализован для оценки инвестиционных проектов разработки нефтяных месторождений в целях учета неопределенности и риска в будущем.

Так, в качестве ключевых параметров можно выделить:

• мировую цену на нефть, $/bbl;

• объемы добычи нефти в каждом году, тыс. т;

• ставку налога на прибыль, %.

Прочие параметры проекта при этом считаются постоянными величинами.

Диапазоны возможных изменений выбранных варьируемых показателей представлены в табл.4. Основой для определения оценочных интервалов изменения показателей и соответствующих вероятностей могут быть статистические данные, прогнозные значения, экспертное мнение и т.д.

Как отмечалось ранее, имитируемое распределение может быть любым. Нормальное распределение встречается наиболее часто, поэтому можно предположить, что все ключевые переменные имеют нормальное распределение вероятностей. При этом сумма вероятностей всех значений для каждого показателя должна быть равна 1.

 

 

Таблица 4. Оценочные прогнозные интервалы изменения ключевых параметров модели

 

Взаимосвязью между выбранными макроэкономическими показателями является формула для расчета показателя чистого дисконтированного дохода недропользователя (ЧДД, NPV). Находится данный показатель как сумма текущих годовых потоков, приведенных к начальному году.

Проведение компьютерной имитации значений ключевых параметров возможно с помощью Microsoft Excel с использованием пакета анализа данных (генерация случайных чисел, гистограмма) и функций Visual Basic for Application. Также возможно применение специальных программ.

Результатом построения множества вероятностных сценариев является интервальная оценка показателя эффективности инвестиционного проекта в зависимости от заданных диапазонов колебания макроэкономических параметров. Гистограмма частот позволяет определить наиболее вероятный интервал значений показателя чистого дисконтированного дохода и сравнить полученные величины с результатами статического метода [4].

Таким образом, оценка инвестиционного проекта разработки нефтяного месторождения методом Монте-Карло происходит по следующему плану:

1) генерация случайных будущих объемов добычи нефти в каждом году, налога на прибыль и мировой цены на нефть (с заданными значениями математического ожидания и среднеквадратического отклонения);

2) расчет чистого дисконтированного дохода при сгенерированных значениях.

Шаги 1 и 2 образуют одну итерацию. Результатом итерации является значение величины эффективности;

3) шаги 1 и 2 повторяются 10000 раз;

4) расчет минимального, среднего и максимального значений эффективности по результатам совершенных итераций;

5) построение гистограммы распределения частот.

План оценки эффективности инвестиционного проекта методом Монте-Карло продемонстрирован схематически на рис. 2.

На основе построения множества вероятностных сценариев получена интервальная оценка ЧДД по методу Монте-Карло для Бобровского участка (рис. 3). При расчетах использовалась ставка дисконтирования, полученная с учетом факторов риска, т.е. 14,18%.

Как видно на графике, с вероятностью почти 70% показатель ЧДД будет принимать значения из интервала от 139,24 до 199,44 млн руб. Тогда как прогнозное значение данного показателя без применения метода Монте-Карло составляет 82,46 млн руб., что соответствует промежутку с вероятностью менее 25%. Получение более оптимистического интервального значения для показателей эффективности обусловлено в основном с заложенными в имитационную модель границами диапазонов изменяемых факторов. Главную роль при этом играет цена на нефть.

 

 

Рис. 2. План расчета чистого дисконтированного дохода методом Монте-Карло

 

Результаты имитации могут быть дополнены вероятностным и статистическим анализом и в целом обеспечивают наиболее полную информацию о степени влияния ключевых факторов на ожидаемые результаты значения показателя чистого дисконтированного дохода недропользователя.

В заключении, говоря о достоинствах данного подхода, следует отметить, что метод Монте-Карло позволяет:

• учесть максимально возможное число факторов внешней среды;

• является достаточно универсальным;

• не слишком сложен в реализации – можно реализовать с помощью Microsoft Excel и функций VBA;

• работает в условиях неопределенности и риска [5].

К недостаткам рассмотренного подхода следует отнести:

• трудность понимания и восприятия менеджерами имитационных моделей, учитывающих большое число внешних и внутренних факторов вследствие их математической сложности и объемности;

• при разработке реальных моделей может возникнуть необходимость привлечения специалистов или научных консультантов со стороны;

• для достижения высокой точности требуется совершить большое количество итераций, что требует больше времени по сравнению с традиционным методом [3].

 

 

Рис. 3. Интервальная оценка показателя чистого дисконтированного дохода для Бобровского участка, полученная по методу Монте-Карло

 

Несмотря на отмеченные недостатки, в настоящее время имитационное моделирование является основой для создания новых перспективных технологий управления и принятия решений. Необходимость его применения обусловлена зависимостью результатов инвестиционного проекта от ряда факторов, высокой степенью неопределенности и риском.

Таким образом, в целях учета рисков при реализации инвестиционных проектов в сфере недропользования целесообразно проводить оценку по ставке дисконтирования, определенной кумулятивным методом, используя метод Монте-Карло.

ЛИТЕРАТУРА

1. Бусленко Н.П., Шрейдер Ю.А. Метод статистических испытаний (Монте-Карло) и его реализация на цифровых вычислительных машинах. – М.: Гос. изд-во физ.-мат. лит-ры. – 2000. – 228 с.

2. Павловский Ю.Н. Имитационные модели и системы.– М.: Фазис. – 2005. – 131 с.

3. http://www.bre.ru/risk

4. http://gaap.ru/biblio/corpfin/analyst

5. http://www.riskglossary.com/link/monte_carlo_method