i удачный, иннова-
ценивается определя-
ескую актив-и20 тыс. руб. ть сырье для ;тавит 10 тыс. , Возможные
fiH и испыта-прибыль
показатель рассчитывается как среднее квадратичное отклонение от ожидаемого результата:
=1 P,w- (г-0.(7Л)
Также для оценки риска используется показатель среднего линейного отклонения (с), который иногда называется дисперсией:
а = л/var . (7.5)
Относительное линейное отклонение оценивается с помощью показателя стандартного отклонения, или колеблемости ( у):
r = f. (7.6)
Чем выше коэффициент вариации, или колеблемость, тем более рискованной считается инвестиция.
Для инновационной фирмы в приведенном примере данные показатели составят;
var = (40 - 10)2 X 0,5 х 0,5 + (10 - 10) х 0,5 х 0,5 +(10 - 10) х 0,5 х 0,5 + (-20 - 10) х 0,5 х
X 0,5 = 450.
0 = V450 =21 тыс. руб.
7 = = 2,1 = 210%.
(роятность
»уб.
\ инновации шожных ре-[ьно ожидае-соответствии истикой этот
См.: слайд № 7.3
7.5.2. Нормальное распределение в оценке риска
Как показывают наблюдения за инновационной деятельностью, распределение результатов инноваций носит характер нормального распределения (см. слайд 7.3).
Нормальное распределение (распределение Гаусса) представляет собой вид распределения случайных величин, с достаточной точностью описывающий распределение плотности вероятности результатов производственно-хозяйственной, финансовой, инновационной деятельности или изменений условий внешней среды, поскольку показатели, характеризующие их, определяются большим числом независимых случайных величин, каждая из которых в отдельности относительно других играет незначительную роль и непредсказуема. Применение нормального распределения для оценки рисков инновационной
См.: слайд № 7.4
деятельности также связано с тем, что в основе данных используется, как правило, ряд дискретных значений. Эти теоретические предпосылки, а также апробация моделей для анализа рисков на основе нормального распределения доказывают адекватность этого теоретического инструмента реальным инновационным процессам.
Р() =
(7.7), где:
Р(х) Bt
плотность вероятности распределения случайной личины х;
дисперсия (рассеивание) случайной величины х; математическое ожидание.
Нормальное распределение позволяет количественно оценить вероятность неблагоприятного значения (см. слайд. 7.4):
Р(х < X) =
(х-М„)-
(7.8)
Поскольку основными параметрами нормального распределения являются математическое ожидание и дисперсия, любое их соотношение поддается нормированию, что позволяет применять таблицы стандартизированного нормального распределения к расчету вероятности неблагоприятных значений.
Если применение законов нормального распределения при анализе риска обеспечивает адекватность выводов и оценок, то на практике широко используется такой инструмент как Z-статистика. При анализе результатов инновационной деятельности используют статистические таблицы стандартного нормального распределения (см. Приложение 1), по которым исходя из коэффициента Z оценивается вероятность того, что результат инновации окажется не хуже некоего критического уровня, определяемого инноватором или инвестором:
г - г
(7.9), где:
Вер( мера прет тав коэфс
Пос ван в увел
0,20
Вере Вере руб., опред
По 31
ове данных ачений. Эти [ия моделей распределе-ского инст-
случайной
(личины х;
гвенно оце-[. слайд. 7.4):
ого распре-дисперсия, ию, что по-1Г0 нормаль-элагоприят-
1еления при DB и оценок, трумент как лионной де-ы стандарт-сение 1), по ;тся вероятие хуже не-ватором или
г - критический уровень результата инновации.
По значению Z на основе табличных значений оценивается вероятность риска, если критический уровень превосходит среднее ожидаемое значение:
г > г, если инноватор заинтересован в максимизации результата;
г < г, если инноватор заинтересован в минимизации результата.
Вероятность того, что результат нововведения превзойдет уровень хуже ожидаемого, оценивается по формуле:
Р=1-р, (7.10), где:
р - значение вероятности, полученное по таблице (Приложение 1).
Вероятность того, что результат реализации инновации компанией из предыдущего примера превысит 15 тыс. руб., можно определить по таблице (Прил. 1), предварительно рассчитав коэффициент Z:
10-15
= 0,24.
Поскольку критическое значение превосходит ожидаемое значение, а инноватор заинтересован в увеличении прибыли, в таблице указано значение риска:
| Значащая цифра сотых долей |
| | | | | | | | | |
0,20 | | | | | 0,405 | | | | | |
Вероятность того, что доход превысит 15 тыс. руб., составляет 40 %.
Вероятность того, что реализация инновации компанией не принесет ей убытка более 5 тыс. руб., определяется аналогично по табл. (Прил. 1).
-5-15!
= 0,71
По значению Z в таблице указано значение риска: