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:

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.

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.