Методология оценки стратегических рисков компании топливно-энергетического комплекса на основе имитационного моделирования

В статье предложена методология (методы, модели, алгоритмы и инструменты) прогнозной оценки стратегических рисков компании топливно-энергетического комплекса для поддержки принятия управленческих решений в условиях неопределенности в кратко-, средне- и долгосрочном периодах. Методология базируется на научно обоснованных предпосылках, допущениях и ограничениях: финансовое состояние компании топливно-энергетического комплекса служит индикатором совокупного воздействия стратегических угроз, а система показателей, характеризующих его, описывается моделью совместного логарифмически нормального распределения. В статье приведено научное обоснование выбора в качестве отраслевого эталонного вектора моды многомерного распределения финансовых показателей компаний топливно-энергетического комплекса. С целью повышения качества и достоверности методических основ количественной оценки стратегических рисков научно обоснован интегральный показатель стратегических рисков на основе расстояния Махаланобиса, которое представляет собой меру отклонения многомерного вектора, характеризующего различные аспекты финансового состояния компании топливно-энергетического комплекса (вектор финансовых показателей), от отраслевого эталонного вектора. Разработан и обоснован метод определения уровня стратегических рисков на основе анализа статистически значимых отклонений вектора финансовых показателей компаний топливно-энергетического комплекса от отраслевого эталонного вектора с применением интегрального показателя стратегических рисков. В качестве инструмента, анализирующего динамику уровня стратегических рисков при различных сценариях изменения финансовых показателей компаний топливно-энергетического комплекса, выступает имитационное моделирование. Разработан его алгоритм, основанный на методе Монте-Карло, в котором выручка компании ТЭК выступает в роли управляемого показателя стресс-тестирования. Алгоритм включает последовательность взаимосвязанных этапов, позволяющих анализировать изменение интегрального показателя стратегических рисков при контролируемом изменении выручки компании ТЭК. Целенаправленно изменяя исходный сценарий, алгоритм позволяет исследовать динамику уровня стратегических рисков в условиях смоделированной неопределенности. Построение профиля стратегических угроз и оценку стратегических рисков компаний ТЭК рекомендуется выполнять на основе результатов имитационного моделирования. В статье приведены результаты расчетов на модельных данных, демонстрирующие работоспособность предложенной методологии. Проведенная апробация подтвердила возможность практической реализации методологии.

1. Айвазян С.А., Енюков И.С., Мешалкин Л.Д. (1985). Прикладная статистика: Исследование зависимостей. Москва, Финансы и статистика.

2. Алексеев В.М., Тихомиров В.М., Фомин С.В. (1979). Оптимальное управление. Москва, Наука.

3. Балыбердин В.А., Белевцев А.М., Бендерский Г.П. (2022). Прикладные методы оценки и выбора решений в стратегических задачах инновационного менеджмента: монография. Москва, Дашков и К.

4. Бобылева А.З. (2003). Финансовое оздоровление фирмы. Теория и практика. Москва, Дело.

5. Бухарин Н.А., Ласкин М.Б., Пупенцова С.В. (2020). Определение отраслевых показателей финансового анализа предприятий (на примере отрасли по добыче сырой нефти и природного газа). Статистика и экономика, 17(3): 13–24.

6. Голуб Д., Ван Л.Ч. (1999). Матричные вычисления. Москва, Мир.

7. Гроот М. (1974). Оптимальные статистические решения. Москва, Мир.

8. Дягель О.Ю. (2017). Аналитическое обеспечение управления финансовыми ресурсами коммерческой организации: монография. Красноярск, СФУ.

9. Егоров Ю.Н. (2016). Экономический анализ. Москва, Инфра-М.

10. Зенкина И.В. (2010). Стратегический анализ в коммерческих организациях: теория и методология: монография. Ростов-на-Дону, РГЭУ (РИНХ).

11. Иванов Л.Н. (2010). Анализ стратегических решений (эвристика). Москва, Инфра-М.

12. Катькало В.С. (2011). Эволюция теории стратегического управления: монография. Санкт-Петербург, ВШЭ, ИД СПбГУ.

13. Кован С.Е. (2020). Предупреждение банкротства организаций: монография. Москва, Инфра-М.

14. Когденко В.Г. (2017). Методология и методика экономического анализа в системе управления коммерческой организацией: монография. Москва, Юнити-Дана.

15. Колб Р.В., Родригес Р.Д. (2001). Финансовый менеджмент. Москва, Финпресс.

16. Ласкин М.Б. (2020). Многомерное логарифмически нормальное распределение в оценке недвижимого имущества. Бизнес-информатика, 14(2): 48–63.

17. Леонов Д.А., Турко С.И., Комзолов А.А., Кириченко О.С., Колесник А.Ю. (2024). Методические подходы к оценке стратегических рисков компании топливно-энергетического комплекса. Газовая промышленность, 11: 42–53.

18. Савицкая Г.В. (2025). Анализ эффективности и рисков предпринимательской деятельности: методологические аспекты: монография. Москва, Инфра-М.

19. Шаркова А.В., Лемм Е.А. (2022). Оценка кластеризации газовой отрасли по параметрам рентабельности: монография. Москва, Дашков и К.

20. Buzzell R.D. (2004). The PIMS Program of Strategy Research: A Retrospective Appraisal. Journal of Business Research, 57(5): 478–483.

21. Gnanadesikan R., Kettenring J.R. (1972). Robust Estimates, Residuals, and Outlier Detection with Multiresponse Data. Biometrics, 28(1): 81–124. DOI: 10.2307/2528963.

22. Ledoit O., Wolf M. (2004). A Well-Conditioned Estimator for Large-Dimensional Covariance Matrices. Journal of Multivariate Analysis, 88(2): 365–411.

23. Mahalanobis P.C. (2018). On the Generalised Distance in Statistics. Sankhya A: The Indian Journal of Statistics, 80(1): 1–7. DOI: 10.1007/s13171-019-00164-5.