На современном этапе развития набирает обороты четвертая индустриальная револю­ция, поскольку во всех отраслях экономики инновации внедряются активнее, чем рань­ше. После мирового кризиса 2008-2009 годов начала складываться новая форма взаимодей­ствия на финансовых рынках. Технологи­ческие инновации принципиально меняют формирование и функционирование мировой финансовой системы, приоритетом становит­ся развитие интеллектуальной деятельности. Коммерциализация и трансферт инноваций создают колоссальные возможности для го­сударства, экономики в целом, а также для ве­дения бизнеса.

Правительство Российской Федерации выдвигает на первый план стратегию инновационного прорыва. В качестве одного из приоритетов государственной политики на ближайшие годы обозначена национальная технологическая инициатива: «На основе дол­госрочного прогнозирования необходимо понять, с какими задачами Россия столкнется через 10-15 лет, какие передо­вые решения потребуются для того, чтобы обеспечить наци­ональную безопасность, качество жизни людей, развитие от­раслей нового технологического уклада» [Путин В. В., 2014]. В июле 2017 года Правительством Российской Федерации была утверждена программа «Цифровая экономика Россий­ской Федерации» [Распоряжение, 2017], в рамках которой достаточно быстро выпускаются различные программные документы, концепции развития, «дорожные карты», затра­гивающие вопросы информатизации общества с учетом эко­номической безопасности [Основные направления, 2018]. Достижения российской науки для построения инновацион­ной экономики выходят на первый план, что делает актуаль­ным изучение вопросов финансовых технологий. 

В научной литературе на сегодняшний день понятие «финтех» можно определить как «сложную систему, объе­диняющую секторы новых технологий и финансовых услуг, стартапы и соответствующую инфраструктуру» [МаслениковВ.В., Федотова М. А., Сорокин A. H., 2017]. Отечествен­ный сегмент финансовых технологий только складывается, но по своему потенциалу считается третьим в мире [Haбиуллина Э.С., 2017]. По прогнозам российских экспертов, к 2020 году рынок электронной коммерции, которая исполь­зует новые финансово-технологические приложения, соста­вит 2200 млрд руб. [Эскиндаров М. А., Масленников В. В., Абрамова М. А. и др., 2017]. Финансовые технологии можно характеризовать и как «цифровые инновационные решения в сфере финансовых услуг, предлагаемые компаниями, ис­пользующими новую технологическую платформу, которые конкурируют или сотрудничают с финансовыми института­ми» [Демьянова Е. А., 2017в].

Всего к 2018 году в мире было проведено свыше 5000 сделок с компаниями сектора финансовых технологий, чис­ло таких сделок по годам нарастает (рис. 1).

Банк России опубликовал анализ состояния и основные направления развития формирующейся отрасли финансо­вых технологий на 2018-2020 годы с использованием дан­ных обзоров ведущих мировых консалтин­говых компаний Emst&Young, PwC, KPMG [Основные направления, 2018]. Ожидается, что к 2020 году 82% финансовых организаций вступят в партнерства с финансово-техноло­гическими компаниями, а до 50% клиентов банков будут пользователями мобильного бан­ка. Согласно отчету консалтинговой компа­нии Emst&Young [Fintech adoption index 2017, 2017], сегодня число активных пользователей финансовых технологий неуклонно растет. Так, в 2017 году инновационные технологии при­меняет один из трех активных пользователей инновационных решений, тогда как в 2105 году - один из семи. Опрошенные эксперты выделя­ют основные факторы, способствующие разви­тию отрасли финансовых технологий в России:

«... растущее проникновение сети интернет, определяющее диапазон потенциальных пользователей фи­нансовых сервисов и услуг, а также технический прогресс и изменение потребительских предпочтений, которые сти­мулируют технологическую трансформацию финансовых продуктов» [Курс на финтех, 2018].

Принято выделять три группы финансово-технологиче­ских компаний:

Российский рынок находится в начальной стадии разви­тия, по данным на сентябрь 2017 года, в секторе финансовых технологий действует около 250 компаний с объемом инве­стиций 12,6 млрд руб.

В экономической сфере изменения оказываются кар­динальными, проходят быстро, затрагивают и методы сто­имостной оценки компаний в отечественной и зарубеж­ной практике. Риски применения финансовых технологий в виде приложений, например риски платежей через ки­берпространство, риски технологий распределенного ре­естра, интернет вещей, искусственного интеллекта, робо­тизации, волатильности цифровых валют и др. до сих пор не рассмотрены экспертами - аналитиками и оценщиками. !Недостаточно исследованы вопросы особенностей компа­ний, внедряющих современные финансовые технологии, их влияние на стоимостную оценку, не уделено должного внимания вопросам классификации новых, ранее не охва­ченных рисков. Следовательно, необходимо разработать новые подходы к выявлению уровня неопределенности и ее измерению при оценке стоимости компаний с целью выя­вить риски и возможности. В силу своей новизны тема пока фрагментарно раскрыта в научных публикациях о развитии финансовых технологий [Абрамова М. А., Гончаренко JI. И., Дубова С.Е. и др., 2017; Абрамова М. А., Дубова С.E., Зво- новаЕ.А.идр.,2017; Лавру шин О. И., 2017; Лу касевич И. Я., Львова Н. А., 2017; Рубцов Б. Б., Анненская Н. E., 2017; Руда­кова О. С., 2017; Ручкина Г.Ф., 2017; Лыков А. А., Сидорен­ко Э. Л., 2017], развитии электронного бизнеса и платежных технологий в России [Трачук А.В., Голембиовский Д.Ю., 2012; Трачук А.В., Линдер Н.В., Антонов Д. А., 2014; До- стов В. Л., Шуст П.М., Рябкова Е.С., 2016; Достов В. Л., Шуст П.М., 2017; Достов В. Л., Шуст П.М., Козырева А. Д., 2017; Трачук А. В., Линдер Н. В., 2017 в, г; Трачук А. В., Лин­дер Н.В., Убейко Н.В., 2017]. Предстоит адаптировать клас­сические методы оценки к современным явлениям. Нужно разработать прогрессивные методики оценки, позволяющие учесть как факторы риска, так и потенциальные возможно­сти в условиях неопределенности бизнес-среды. При их соз­дании считаем целесообразным учесть не только методы оценки, принятые в отечественной и зарубежной практике [Stewart G.B., 1999; Ивашковская И.В., 2004; Коупленд Т., 2005; Бусов В.П., 2007; Хитчнер Дж., 2008; Грязнова А. Г., Федотова М. А., 2009; Козырь Ю. В., 2009; Лосева О. В., 2011; Бакулина А.А., 2015; Эскиндаров М.А., Федотова М.А., 2016; Тазихина TB., Сычева Е. А., 2017], но и мнения миро­вых ученых-экономистов и практиков, которые склоняются к более широкому применению метода реальных опционов [BlackF., ScholesM., 1973; Сох J.,Ross S.,RubinsteinM., 1979; Trigeorgis L., 1993; Luehrman Т., 1998; Найт Ф., 2003; Брей- ли R, Майерс С., 2009; Гусев А. А., 2009; Трифонов Ю.В., Кошелев Е.В., Купцов А. В., 2012; Дамодаран А., 2017].

Как показал сравнительный анализ моделей метода ре­альных опционов, на практике предпочтительно использо­вать биноминальную модель Кокса - Росса - Рубинштейна, а не модель Блэка - Шоулза в силу следующих факторов:

За последние годы появились работы по смежной тема­тике инновационного развития [Трачук А.В., Линдер Н. В., 2017 а, б], которые также учтены в данном исследовании. Ме­тоды нечетких множеств [Zadeh L. А., 1965; Недосекин А. О., 2003] и качественно-сравнительного анализа [RaginC., 1987; Zott С., Amit R., 2007] при определенных условиях позволя­ют осуществлять построение многофакторной модели ана­лиза, они могут быть полезны в работах по этой тематике финансовых технологий.

Все чаще перед собственниками или инвесторами теперь возникают вопросы стоимостной оценки компании в усло­виях быстро меняющейся внешней среды. Сегодня компании используют современные финансовые технологии с целью привлечь клиентов или выйти из кризисной ситуации. Таким образом, применение финансовых технологий явилось отве­том на изменившуюся экономическую среду.

Целью настоящего исследования является формирование теоретических положений, методических и практических рекомендаций, как развивать методы стоимостной оценки компаний, внедряющих современные финансовые техноло­гии. Для достижения данной цели необходимо было:

Изучение методов стоимостной оценки было основано на методологии системного исследования, синтеза, абстрак­тно-логического и научного прогнозирования, применении ме­тодов статистического и факторного анализа, экспертных оце­нок, метода реальных опционов, метода нечетких множеств.

Информационно-эмпирической базой работы являются монографии, труды ученых-экономистов, научные публика­ции, статьи, отчеты и обзоры ведущих консалтинговых ком­паний по проблематике финансовых технологий, стоимост­ной оценки и оценки рисков применительно к финансовому сектору экономики, нормативные документы международ­ных организаций и Российской Федерации, статистические данные информационно-аналитической системы (НАС) Bloomberg [Bloomberg, [s.а.]] по 47 публичным финансо­во-технологическим компаниям, 1423 компаниям финансо­вого сектора, различные прогнозные и оценочные отчеты экспертов, материалы русско- и англоязычных СМИ.

Большинство компаний, внедряющих финансовые тех­нологии, представляют собой стартапы, которые предлагают некие высокотехнологичные, очень удобные для конечных пользователей приложения. Практически все они (98,8%) частные предприятия, которые не обязаны публиковать от­четность, что практически исключает сопоставимость такого бизнеса с конкурентами и затрудняет анализ их деятельности.

Вторая характерная черта компаний, внедряющих финан­совые технологии вообще, - это способ внедрения, что опре­деляет и величину добавленной стоимости. В зависимо­сти от фазы жизненного цикла и специализации компании предпочитают вести собственные разработки приложений на основе финансовых технологий, или вступать в партнер­ства с целью разработать продукт в сфере финансовых тех­нологий, или сотрудничать с финансово-технологическими стартапами как разработчиками. Сравнительный анализ этих трех основных способов внедрения новых финансо­вых технологий был подробно представлен в предыдущей работе автора [Демьянова Е.А., 2017а]. Здесь же отметим, что в дальнейшем это будет определять выбор метода их сто­имостной оценки.

Процесс внедрения финансово-технологических раз­работок сопряжен с характерными рисками, в том числе по отношению к активам и пассивам баланса, что влияет на оцениваемую собственность. Данный вопрос был также подробно проанализирован и проиллюстрирован. В ходе исследования были проанализированы риски: риск кибер­безопасности, риск от использования технологии интернета вещей, риск финансовых потерь (неплатежеспособности), риск необанкинга, риск нехватки специалистов с нужной квалификацией, риск ущерба репутации, риск отсутствия спроса конечных потребителей на СФТ, риск законодатель­ного регулирования [Демьянова Е. А. 20176].

Создание стоимости компаний на формирующемся рын­ке отрасли финансовых технологий происходит во многом за счет признания знаний и компетенций ключевых сотрудни­ков в качестве актива, подобно процессу капитализации расхо­дов на НИОКР инновационных компаний. Об этом феномене подробно пишет А. Дамодаран, признанный эксперт по оцен­ке любых активов [Дамодаран А., 2017], подробно выделяя этапы формирования стоимости интеллектуального капитала.

Для рассматриваемых компаний характерны высо­кая доходность и высокий риск получить убытки, вплоть до банкротства. Доходность стартапов равняется 676%, 80% стартапов убыточны, 30% - мошенники, 60% закрываются из-за отсутствия профессионального управления [Шабар- шин А. А., Фомин Ф.В., 2017].

Методология выявления внутренних и внешних факто­ров, воздействующих на стоимость компаний, внедряющих финансовые технологии, группировка факторов как возмож­ностей и рисков были подробно рассмотрены в ранних пу­бликациях автора [Демьянова Е. А., 20176, в] (табл. I).

Таким образом, результатом исследования теоретиче­ских аспектов проблемы стоимостной оценки в условиях внедрения финансовых технологий явились три пункта но­визны в теории:

Полученные результаты послужили основой для методи­ческой и практической составляющих усовершенствованной методики оценки, разработанной в ходе исследования.

С целью провести сравнительный анализ имеющегося опыта оценки были проанализированы и систематизирова­ны данные западных и российских исследований в области существующей практики стоимостной оценки компаний, внедряющих финансовые технологии. Заметим, что сегодня ученые и практики пока не пришли к единому мнению о наи­лучшем способе оценки, что еще раз подтверждает актуаль­ность проводимого нами исследования. Результаты сравни­тельного анализа представлены в табл. 2.

Современные авторы [Berkus D., 2009; Barrington G., 2011; Payne В., 2011; Дамодаран А., 2017] не предлагают комплексного подхода, учитывающего риски и возможности финансовых технологий.

Сравнительный анализ зарубежного и отечественного опыта оценочной деятельности показал:

Необходимо учитывать, что выбор методов стоимостной оценки обусловлен стадией жизненного цикла компании. Для компаний в проектной стадии применим метод вен­чурного капитала, а для зрелых компаний и тех, кто ведет разработки финансовых технологий собственными силами, требуются методы доходного подхода. Зачастую доступны лишь экспертные данные и отсутствуют какие-либо класси­фикационные справочники по финансово-технологическим факторам, влияющим на стоимость компаний в условиях внедрения финансовых технологий. В данном исследовании усилия сконцентрированы на разработке альтернативных корректировок, учитывающих выявленные специфические риски и потенциальные возможности внедрения финансо­вых технологий.

С помощью ИАС Bloomberg был проведен анализ компа­ний, имеющих монопрограммное приложение, и компаний, внедряющих финансовые технологии, т.е. еще не имеющих такового приложения, по трем направлениям:

По всем трем направлениям было показано явное преимущество роста рыночной стоимости компаний, опи­рающихся на финансовые технологии, по сравнению с компаниями, их не при­меняющими.

В качестве иллюстрации первого направления приведен сравнительный анализ фонда GlobalXFinTechETF, состояще­го из 31 публичной компании в сфере финансовых техноло­гий, и фондового индекса S&P 500 за 2016-2018 годы (рис. 2).

По второму направлению проведен сравнительный ана­лиз ряда показателей оценки стоимости 1423 компаний в отрасли финансовых услуг по всему миру по сравнению с 1468 финансовыми институтами, в т.ч. в разрезе регионов. В основу расчетов положены данные из открытых источни­ков, в частности из ИАС Bloomberg и сайта А. Дамодарана [Damodaran online, [s.а.]]. Они относятся к секторам фи­нансовых услуг (за исключением сектора страхования), ин­формационных услуг, онлайн-торговли. Последний сектор составляют открытые компании, в том числе внедрившие современные финансовые технологии, но не обязательно позиционирующие себя как финансово-технологические компании. В ходе исследования были отобраны и проана­лизированы показатели, пригодные для оценки компаний, внедряющих решения на основе финансовых технологий (табл. 2).

В результате было установлено, что в группе компаний, внедряющих финансовые технологии:

По третьему направлению была проанализирована дина­мика стоимостной оценки 47 мировых компаний (фрагмент анализа приведен в табл. 3).

Полученный результат иллюстрирует положительное влияние внедрения как общего процесса перехода на фи­нансово-технологические рельсы на стоимость группы ком­паний в динамике, позволяет выявить потенциально недо­оцененные рынком компании (например, Intuit Inc., Fidelity National Info Serv, Fiserv Inc). Сравнение показателей 2018- 2019 годов позволяет сделать прогноз насчет роста доходов в целом по выборке, а для выведенной на рынок недавно компании Square обещает сверхприбыли.

Идентификация рисков и реальных опционов - это пер­вый и один из ключевых этапов стоимостной оценки бизнеса. Для выявления источников неопределенности мы выбрали метод мозгового штурма и модифицировали его для более глу­бокого осмысления процессов внедрения современных фи­нансовых технологий. В процессе мозгового штурма нужно посмотреть на квадрат Декарта и задать написанные там во­просы - это активизирует процесс мозгового штурма (табл. 4).

Разработанный алгоритм идентификации рисков и реаль­ных опционов содержит ряд действий:

Последовательное выполнение шагов позволяет выя­вить необходимый и достаточный для анализа объем ранее не охваченных рисков и возможностей внедрения финан­совых технологий. В результате можно получить перечень 7-10 ключевых рисков и реальных опционов, после чего вы­явить наиболее значимые из них.

В научных трудах отечественных авторов подчерки­вается достаточность применения метода анализа видов и последствий отказов (Failure Mode and Effects Analysis, FMEA) для проведения ранжирования уровня неопреде­ленности с точки зрения отбора наиболее значимых риско­вых событий на всех стадиях жизненного цикла техноло­гических разработок для анализа рисков потенциальных несоответствий. На Западе уже более полувека данный метод успешно применяется для оценки уровня рисков в военной, авиационной, ядерной, автомобильной и дру­гих областях.

В работе систематизированы и использованы основ­ные признаки применимости метода FMEA. Доказано, что при ранжировании уровня неопределенности внедрения современных финансовых технологий вышеприведенные условия выполняются:

Предложены методические рекомендации по балльному ранжированию уровня специфической неопределенности. Показано, что метод оценки рисков FMEA в оригиналь­ном виде неприменим для данных целей, поскольку в него входит слишком агрегированная оценка параметра «зна­чимость» без учета специфических факторов. Предложено усовершенствовать данный метод предварительной оценки и ранжирования рисковых событий внедрения финансовых технологий, для чего ввести три новых параметра с соот­ветствующим удельным весом: область возникновения не­определенности, уровень возникновения неопределенности, способ внедрения финансовых технологий.

Разработанный алгоритм проведения ранжирования специфических неопределенностей внедрения финансовых технологий позволяет:

В рамках сравнительного подхода проанализированы су­ществующие мультипликаторы оценки бизнеса, выявлены те, которые пригодны для оценки компаний, внедряющих современные финансовые технологии: цена одной акции/балансовой стоимости, цена одной акции/прибыль в расче­те на одну акцию, стоимость предприятия или стоимость компании/прибыль до уплаты налогов, процентов, всех амортизационных отчислений. Предложено использовать дополнительные отраслевые мультипликаторы: стоимость компании/количество активных клиентов и стоимость ком­пании/количество транзакций.

Для дальнейшего количественного определения уровня рисков и возможностей применение российской модели ме­тода реальных опционов в оригинальном виде является затруднительным, поскольку в ней используется только один параметр - инфляция. Этого недостаточно для корректной оценки компаний в условиях внедрения современных финансовых технологий.

Мы предлагаем адаптировать данную модель для сто­имостной оценки финансово-технологических компаний, скорректировав три параметра следующим образом:

Тогда дополнительную стоимость компаний в услови­ях внедрения современных финансовых технологий можно оценить таким образом:

где Сt - цена реального опциона по истечении перио­да / (time, время), в денежном выражении; rf - безрисковая (free, risk free) ставка за период t, %; р - псевдовероятность, определяемая соотношением р = (rf- rd)/(ru - rd); ru - став­ка наибольшей величины прогнозируемого роста рискового фактора за период t, %; rd - ставка наименьшей величины прогнозируемого роста рискового фактора за период t, %; Cu - цена реального опциона в случае наибольшего роста (up - вверх) рискового фактора, в денежном выражении; Cd - цена реального опциона в случае наименьшего (down - вниз) про­явления рискового фактора, в денежном выражении [Трифо­нов Ю.В., Кошелев Е.В., Купцов А. В., 2012].

Из ограничений первоначальной биноминальной мо­дели вытекает ограничение предлагаемой модели - анализ реальных опционов для рисковых факторов, по которым прогнозируется рост. Однако это не представляет проблем, поскольку на практике обычно стараются выявить и коли­чественно оценить реальные опционы именно для прогно­зируемых возрастающих рисков внедрения финансовых технологий.

Стоимость реального опциона - это плата за принятие того или иного риска в ходе проекта внедрения новых финан­совых технологий. В конечном счете найденная стоимость рискового фактора влияет на итоговую чистую приведенную стоимость рискового проекта:

где V- стоимость риска, вденежном выражении; NPVro, NPVf - стоимость чистой приведенной стоимости про­екта внедрения новых финансовых технологий с учетом и без учета рисков, в денежном выражении (RO - real option, реальный опцион).

Стоимость компании определяется как сумма стоимости, найденной методом дисконтированных денежных потоков без учета стоимости реальных опционов, и стоимости реаль­ного опциона для данной компании. Таким образом, для сто­имостной оценки отечественных компаний, не публикую­щих отчетность, метод реальных опционов применяется как набор действий:

Объем настоящей статьи не позволяет привести полную пошаговую апробацию предложенной методики, поэтому представим фрагмент ее применения для стоимостной оцен­ки конкретной компании, внедряющей финансовые техноло­гии. В качестве объекта анализа выбрана реальная компания - клиент Eagle Rock Resources Group Ltd, для которой мы проводили оценку стоимости. Соблюдая конфиденциаль­ность, мы обозначили компанию как ФК «Финтех», показа­тели используемой отчетности умножены на произвольный коэффициент, что не вносит искажений в наши выводы.

Шаг 1. Постановка задачи

ФК «Финтех» разрабатывает новое комплексное мобиль­ное приложение для необанкинга, чтобы физические лица могли торговать акциями с применением технологии интер­нета вещей (IoT), используя мобильный телефон. Возможно, такое приложение принесет большую прибыль, но это пока неочевидно. Один из существенных компонентов системы можно разработать своими силами, но на рынке присутству­ет компания (стартап), разрабатывающая или намеревающа­яся разработать финансово-технологический продукт, у нее есть почти готовое приложение, но его нужно модифициро­вать под нужды ФК «Финтех».

Руководство компании не до конца уверено, что бу­дет спрос и полномасштабная модификация разработки окажется успешной, однако после создания бета-версии приложения и проведения дополнительных исследований удастся выяснить, возможна ли успешная реализация этой новой финансовой технологии в необходимых масштабах. Неучастие в проекте не рассматривается, в таком случае будет потеряна конкурентоспособность компании. Руко­водство ФК «Финтех» стоит перед выбором, инвестиро­вать в исследование доработки имеющегося приложения или нет. Владельцам стартапа предстоит решить, финанси­ровать ли дальнейшую дорогостоящую разработку своими силами или обратиться к инвестору в лице ФК «Финтех», согласного профинансировать дополнительное исследова­ние с целью создать полномасштабную бета-версию нового банковского продукта с условием возможности купить пре­имущественные права.

Очевидно, в данном случае в ситуации неопределенно­сти оказались и ФК «Финтех», и стартап. Если бета-версия и проведенные исследования банковского приложения ока­жутся успешными, то цена прав на этот объект мгновенно возрастет. Если ФК «Финтех» согласится профинансировать дополнительное исследование, его собственное положение может ухудшиться. Если стартап проведет это исследование за свой счет, а бета-версия не найдет коммерческого приме­нения, то он просто потеряет свои вложения.

Если рассматривать выбор обеих сторон как реальный опцион «возможность приобрести права без обязанностей», то в случае отрицательного результата исследования стартап ничего не теряет, ФК «Финтех», инвестирующий в проект, получает право на выбор (как только будет ясен исход раз­работки бета-версии): приобрести исключительные пра­ва на комплексное банковское приложение или отказаться от сделки. Право приобретения исключительных прав на ре­зультат внедрения новых финансовых технологий заранее зафиксировано по определенной цене, и стартап настаивает на том, чтобы цена была указана в цифровой валюте, торгуе­мой на бирже (в биткоинах, ВТС), веря в ее стабильный рост на уровне 30%. Руководство ФК «Финтех» скептически от­носится к прогнозам роста биткоина и считает, что возмож­ны сильные колебания - от 5 до 50%.

ФК «Финтех» пригласила оценщика и поставила перед ним задачу оценить стоимость компании в денежном выра­жении с учетом рисков, если будет заключен контракт на до­полнительные исследования ради комплексной разработки данного банковского приложения, и представить покварталь­ную оценку рисков изменения ситуации в силу высокой во­латильности биткоина. Анализ и оценка проведены согласно вышеуказанным этапам по состоянию на I января 2016 года для контракта, заканчивающегося 31 декабря 2017 года.

Шаг 2. Идентификация рисковых событий

Шаг. 2.1. Идентификация ранее не охваченных рисков применительно к активам и обязательствам компании

Шаг 2.1.1. Сбор информации о целях и объеме оценки В рамках данного исследования рассматриваются только ранее не охваченные риски. Соответственно, описываемый объем оценки и практические мероприятия затрагивают ис­ключительно риски, специфические для внедрения финансо­вых технологий.

Шаг 2.1.2. Выбор экспертной группы по функциональ­ным направлениям компании

Для проведения анализа рисков по данному проекту внедрения недостаточно профессиональных знаний эко- номиста-оценщика, так как нужно получить заключение по ряду технических вопросов. Для этого формируется ко­манда экспертов:

Шаг 2.1.3. Поиск причин и источников рисков Определены области, которые могут возникнуть на макро- и микроуровне, быть связанными со способом внедре­ния новых финансовых технологий (табл. 5). Способ внедре­ния - взаимодействие со стартапом.

Шаг 2.1.4. Определение временного горизонта оценки Проект оценивается с учетом продолжительности (два года), количественная оценка ведущего риска выполняется поквартально.

Шаг 2.1.5. С оставление опросных листов и выбор мето­да для выявления рисков или их комбинации

Методом мозгового штурма экспертная группа выявляет риски (табл. 6). В результате обсуждения риск кибербезопасно­сти было решено рассматривать только на макроуровне, а риск применения технологии интернета вещей, наоборот, только на микроуровне. Также было решено дополнительно включить риск нехватки специалистов с нужными компетенциями.

Шаг 2.2. Предварительный анализ рисков по квадрату Декарта

На следующем этапе работы экспертная группа проанализировала все выделенные риски по квадрату Де­карта (табл. 7). В результате перечень рисков был расширен: включены риск нанесения ущерба репутации в результате реализации киберриска и риск потери данных клиентов в ре­зультате недоработок технологии интернета вещей.

Шаг 3. Ранжирование неопределенности рисковых событий

Шаг 3.1. Качественная оценка выявленных рисков и их ранжирование по FMEA

Шаг 3.1.1. Определение входных данных по каждому’ вы­явленному риску

Далее экспертная группа собрала данные и документы, на основании которых оценивался риск (табл. 8). Например, риск нестыковки различных технологий, риски потери репу­тации и т.п. Также по каждому из рисков собраны данные и поддерживающие документы.

Шаг 3.1.2. Выбор объектов анализа (активы/пассивы и процессы), на которые направлено воздействие потенци­альных рисков

Согласно требованиям модели FMEA, при выборе техно­логических процессов, подлежащих оценке на наличие ри­сков, в первую очередь были выбраны те, в которых:

Также были проанализированы активы и обязатель­ства компании, на которые направлены выявленные риски (табл. 9).

Шаг 3.1.3. Установление границ значений РПР

Границы значений РПР задаются при повторном анали­зе тех же рисков, исходя из экспертных оценок либо нако­пленных статистических данных об отклонениях. Поскольку в данном случае не было статистических данных о наступле­нии рисков, то при первичном анализе границы не устанав­ливались.

Шаг 3.1.4. Расчет показателей РПР с учетом усовер­шенствованных парсичетрое

Проекту присвоен параметр А2 - внедрение путем со­трудничества со стартапом. Параметр имеет значение, если необходимо провести сравнительную оценку двух и более проектов внедрения финансовых технологий. В рассматри­ваемом практическом примере данный параметр нерелеван­тен. Показатели РПР рассчитаны с учетом предложенных мо­дификаций модели FMEA (табл. 10). Также можно вносить сведения по причинам возникновения риска для их последу­ющего анализа и предлагаемые меры по их устранению.

Предложено определять РПР по формуле: РПР = SxOxD, где S - уровень значимости, определяемый как S= ∑ m(Ktnm х Тi, где Кtnm - признак классификации риска, t - вид риска; n - подриск; m - степень риска; 1 - высокий; 2 - средний; 3 - низкий; T1,2 - уровень возникновения риска (T1 - макроуровень; T2 - микроуровень); О - частота возник­новения; D - уровень обнаружения.

Шаг 3.1.5. Ранжирование рисковых событий с примене­нием модифицированной методики FMEA

На основании значений (табл. 9) сделан вывод о приори­тетности выявленных рисков внедрения новых финансовых технологий:

Шаг 4. Количественная оценка значимых рисков ме­тодом реальных опционов

Шаг 4.1. Выбор исследуемого риска из ранее иденти­фицированных качественно оцененных специфических рисков; определение входных данных для расчета

Значимым уровнем риска для данного случая облада­ет риск макроуровня - биржевой курс биткоина к долла­ру. Была проанализирована волатильность курса биткоина за все годы его существования до подписания контракта. Также были рассчитаны темпы годового прироста курса за 2008-2015 годы, проведен анализ темпа прироста курса за три года:

T общ.= 1004/770 х 100% - 100% = 30%.

Также учтены прогнозы экспертов рынка по поводу дальнейшего движения курса биткоина. Входные данные для расчета сведены в табл. 11.

По аналогии с финансовыми опционами для инвестора это будет колл-опцион с возможностью досрочного испол­нения контракта. Стоимость реального опциона - затраты на проведение дополнительного исследования комплексного банковского приложения. Стартап нейтрализует свой риск путем продажи опционов, которые могут быть переведены в контракты по фиксированной цене, когда будет выяснена масштабируемость и востребованность данного мобильного приложения. Для ФК «Финтех» как инвестора это инвести­ционный инструмент, который можно выгодно использовать или перепродать.

Проверим, выполняются ли условия применения метода реальных опционов (биноминальная модель) в конкретном случае. У руководства ФК «Финтех» есть возможность и на­мерение принимать управленческие решения по ходу испол­нения проекта. Об этом свидетельствует запрос на покварталь­ную оценку рисков. Проекту уделяется пристальное внимание, и коррективы вносятся по ходу выполнения проекта.

Исход внедрения зависит в том числе от принятых управленческих решений использования предоставленных опционных возможностей. Руководство просит оценить ко­личество возможных опционов, намереваясь действовать по результатам оценки.

Присутствует высокая неопределенность, волатильность, то есть риск. В ходе качественной оценки и ранжирования рисков определена высокая волатильность курса биткоина. Чистая приведенная стоимость проекта без учета рисков, рассчитанного по методу дисконтированных денежных по­токов, отрицательна или немногим больше нуля.

Шаг 4.2. Расчет традиционной чистой приведенной стоимости NPV проекта без учета рисков

Рыночная цена по договору на дату заключения состав­ляет 500 биткоинов, столько же - цена исполнения договора на дату заключения. Отсюда следует:

NPVf = 500-500 = 0.

Шаг 4.3. Построение биноминального дерева и опреде­ление стоимости риска в денежном выражении

Исходя из входных данных, определим поквартальные ставки для дальнейших расчетов. В качестве безрисковой ставки доходности берем ставку рефинансирования на дату заключения договора, в данном случае - 10% на дату заклю­чения контракта.

На основании полученных данных составляем биноми­нальное дерево (рис. 4), где показано, как изменяется рыночная цена опционного контракта К за каждый из восьми кварталов и как изменяется цена исполнения опциона по квартальной прогнозируемой ставке роста курса биткоина

По формуле классической биноминальной модели для C1 рассчитывается цена «рабочего» опциона. Расчет произво­дится справа налево, по направлению от последнего квар­тала к дате начала контракта. Таким образом, цена опциона на дату заключения договора будет последним расчетным числом. Результаты представлены на рис. 5.

Порядок расчета цены «рабочих» и «сгоревших» (тех, с которыми больше не работают) опционов в каждом перио­де приведен ниже. Как мы установили, для инвестора это бу­дет колл-опцион, а значит, в последнем квартале (t = 8) цена опциона вычисляется:

где C8 - цена опциона в восьмом квартале; S8 - рыночная цена опционного контракта в восьмом квартале; K8 - цена исполнения опциона в восьмом квартале. Аналогично полу­чаем значения всего столбца в периоде t=8. Отрицательные значения не фиксируются, в таких случаях выбирается ноль.

Для произведения расчетов по следующим периодам не­обходимо вначале вычислить значения псевдовероятности р и (1 -р)

р = (0,02411-0,01227)/(0,10668-0,01227) =0,12543;

1-р = 0,87457

Используя данные рис. 4, 5, по первой формуле рассчи­таем наибольший рост в седьмом квартале. В ситуации наи­большего, семикратного роста курса биткоина:

Выбирается «сгоревший» опцион как наибольший из двух, так как по условиям контракта всегда есть возмож­ность досрочной реализации опциона. Соответственно, 225,198 вносится в биноминальную таблицу.

В ситуации шестикратного наибольшего роста курса биткоина и одного наименьшего роста курса биткоина будет следующий расчет:

Аналогичным образом выбирается «сгоревший» опцион. Соответственно, 138,477 вносится в биноминальную таблицу.

В ситуации пятикратного наибольшего роста курса и двукратного наименьшего роста курса:

Точно так же выбирается «сгоревший» опцион. Соответ­ственно, 59,1545 вносится в биноминальную таблицу.

В ситуации четырехкратного наибольшего роста курса и трехкратного наименьшего роста:

полученное значение меньше 0, поэтому выбирается max, то есть 0. Таким образом, 

«Рабочий» опцион более дорогой, поэтому выбирают его. В этой ситуации лучше выжидать. Соответственно, 1,953 вносится в биноминальную таблицу.

Остальные четыре ситуации в седьмом квартале не тре­буют просчета, так как цены опциона, которые также исполь­зуются для расчетов цен в шестом квартале, равны нулю. Аналогично рассчитываются и заполняются столбцы бино­минального дерева (рис. 5) по кварталам, начиная с шестого. Каждый раз просчитываются варианты и выбирается более дорогой опцион - «рабочий» или «сгоревший».

Наконец, в начале срока:

Это цена реального опциона в биткоинах на дату заклю­чения договора. Важно отметить, что при расчете по по­лугодиям, а не по кварталам, как в исследуемом случае, входные параметры модели изменились бы: при расчете ри­сковых/безрисковой ставок нужно было бы извлекать корень не четвертой степени, а второй.

Шаг 4.4. Расчет чистой приведенной стоимости NPV проекта с учетом рисков по методу реальных опционов с применением модифицированной биноминальной модели

Важно отметить, что реальная чистая приведенная сто­имость проекта с учетом риска (NPVRO) имеет положитель­ное значение по сравнению с нулевым традиционным (NPVf) без учета влияния исследуемого рискового фактора. По фор­муле (2) находим:

Шаг 4.5. Формулирование выводов о количественной оценке риска 

Стоимость реального опциона - это затраты на проведение дополнительного исследования и разработку комплексного финансово-технологического приложения. Практическая цен­ность вычислений состоит в том, что найдены точки выбора оптимального управленческого решения W для ФК «Финтех» по поводу принятия риска. В этих точках дороже «рабочий» опцион и лучше выжидать, не исполнять опцион. В точках В дороже «сгоревший» опцион, здесь - лучше исполнить опци­он досрочно, он не имеет больше никакой ценности.

Количественный анализ рисков внедрения финансовых технологий также дает возможность определить цену реально­го опциона на дату начала договора (в общем случае - на насто­ящий момент). Ценным практическим выводом является и воз­можность перепродать реальный опцион другому инвестору по цене с учетом количественно определенных значений риска.

Таким образом, в ходе апробации методических реко­мендаций в рабочем режиме мы идентифицировали реаль­ные опционы, затем с применением усовершенствованного метода FMEA отобрали наиболее значимые факторы нео­пределенности. Риск волатильности курса биткоина, риск кибербезопасности и риск внедрения технологии интернета вещей были выявлены как приоритетные. Существующий на макроуровне риск, что волатильность биткоина повлияет на проект внедрения нового банковского приложения, был оценен в денежном выражении поквартально с применени­ем метода реальных опционов, найдена добавленная стои­мость бизнеса в зависимости от принятия управленческого решения, исполнять ли реальный опцион.

Апробация методических рекомендаций на практике подтвердила, что подход верен, его использование действи­тельно и достоверно позволяет оценить влияние различных факторов на стоимость компании в условиях применения финансовых технологий.

Обобщение накопленного эмпирического материала и практическое применение совокупности усовершенствован­ных методов оценки позволили предложить методику количе­ственной оценки дополнительной стоимости бизнеса с уче­том влияния внедрения новых финансовых технологий (рис. 6). Нa каждом этапе оценки риска составляется документация.

Стоимость бизнеса оценивается с учетом влияния рисков внедрения новых финансовых технологий на рыночную сто­имость компании. Методика имеет следующие особенности:

Для практикующих оценщиков ценны следующие харак­теристики методики:

Если акции оцениваемой компании котируются на фон­довом рынке, дополнительно предложено использовать сравнительный подход на основе мультипликаторов. Мы проанализировали ряд мультипликаторов, которые обычно предлагают использовать ведущие отечественные эконо­мисты для оценки компаний [Эскиндаров М. А., Федото­ва М. А., 2016); Ивашковская И.В., 2004], из которых отобра­ны наиболее подходящие для использования применительно к высокотехнологичной цифровой среде: цена одной ак­ции/балансовой стоимости, цена одной акции/прибыль в расчете на одну акцию, стоимость предприятия или сто­имость компании/прибыль до уплаты налогов, процентов, всех амортизационных отчислений. Также предложено вве­сти и использовать дополнительные отраслевые мультипли­каторы: стоимость компании/количество активных клиен­тов, стоимость компании/количество транзакций.

Практическая значимость исследования заключает­ся в том, что полученные результаты могут применяться в практике оценочной деятельности при оценке стоимости бизнеса компаний, подверженных влиянию современных финансовых технологий. Результаты работы могут быть ис­пользованы на практике в случае проведения стоимостной оценки бизнеса как классическими методами доходного под­хода, так и методом реальных опционов.

Самостоятельное практическое значение имеют:

Материалы исследования используются в практической деятельности отечественных и зарубежных компаний, зани­мающихся вопросами финансовых технологий: АО «Интер- комп», ООО «ЭОС», Eagle Rock Resources Group Ltd.

Представлены результаты исследования в области сто­имостной оценки бизнеса и даны практические рекоменда­ции, которые могут быть полезными как узким специалистам оценочной деятельности, так и широкому кругу управлен­цев, стремящихся измерить, а затем и повлиять на стоимость своего бизнеса в условиях внедрения финансовых техноло­гий на современном этапе.