Создать PDF Рекомендовать Распечатать

Имитационная модель оценки рисков контрактной деятельности предприятия и ее оптимизация

  • Автор (авторы):
    Горлов А. С.
  • Дата публикации:
    29.04.13
  • ВУЗ ИЛИ ОРГАНИЗАЦИЯ:
    ФГОУВПО «Финансовый университет при правительстве Российской Федерации»,

Имитационная модель оценки рисков контрактной деятельности предприятия и ее оптимизация

Imitation model of contract activity risks and it’s optimization

Горлов А. С., аспирант кафедры

«Моделирование экономических

и информационных систем»,

ФГОУВПО «Финансовый университет

при правительстве Российской Федерации»,

asgorlov@gmail.com

 

Gorlov A.S., graduate student of

Modeling of economic and information systems department,

FGOUVPO "Financial University

under the Government of the Russian Federation»,

asgorlov@gmail.com

 

 Аннотация: В статье приведены результаты научного исследования проблемы оценки и оптимизации рисков контрактной деятельности, возникающих по причине недобросовестного исполнения контрагентами предприятий своих обязательств по контрактам. Для оценки указанных рисков построена имитационная модель, результатом которой является прогноз уровня рисков контрактной деятельности предприятия. Также в статье исследовано влияние методов оптимизации указанных рисков по представленной модели.

 Annotation: The article presents the results of a scientific study of risk assessment and optimization of contract activity problem arising out of unfair execution of obligations under contracts by counterparties. The assessing of these risks is based on simulation model, which results is a forecast of contracting activity risks of the enterprise. The article also analyzed the effect of such risks optimization techniques using the presented model.

 Ключевые слова: риски, контрактная деятельность, имитационное моделирование, оптимизация рисков контрактной деятельности.

 Key words: the risks of contracting activity, simulation modeling, optimization of contracting activity risks.

Введение

 Современная окружающая среда, в которой развивается отечественный бизнес, в том числе глобализация мировой экономики и усиление требований по раскрытию информации о рисках организаций, существенно повысили интерес нефинансовых компаний к разработкам методов и средств выявления и оценки рисков.

 В настоящее время многие российские организации вынуждены работать с большим количеством контрагентов, разных по степени надежности, финансовой устойчивости и добропорядочности. С учетом увеличивающегося тренда просроченной кредиторской задолженности в целом по предприятиям Российской Федерации (прирост с 2006 г. по 2010 г. – 51,8% по данным Федеральной службы государственной статистики), растущего объема суммарной дебиторской задолженности (прирост за период с 2008 г. по 2012 г. по организациям РФ без субъектов малого предпринимательства – 65,9%, в т. ч. по просроченной дебиторской задолженности покупателей и заказчиков – 18,7%; по данным Федеральной службы государственной статистики), нестабильной ситуации на финансовом рынке, вопросы оценки источников и степени влияния рисков, связанных с ведением бизнеса с широким кругом контрагентов, являются одними из основных для плановых служб организаций.

Формализация модели оценки рисков контрактной деятельности предприятия

 Для построения модели используется, отчет о движении денежных средств (ДДС, Cash-Flow Statement), который является одной из форм отчетности, составляющейся на каждом предприятии. Выбор этого отчета связан с тем, что это единственная универсальная форма отчетности российских компаний, описывающая движение реальных денежных потоков и, как следствие, позволяющая оценить влияние финансово-временных факторов на деятельность компании. Как и любая другая форма отчетности, он имеет свое предназначение. ДДС отвечает на следующие вопросы:

  •  Есть ли у компании достаточное количество денежных средств для выплаты дивидендов.
  • Способна ли компания погасить текущую кредиторскую задолженность.
  • За счет чего происходили изменения в кредиторской задолженности.
  • Как происходит финансирование основных средств.

 Отчет о движении денежных средств используется также для оценки финансовой гибкости предприятия, т.е. способности компании своевременно  реагировать на внезапно возникшие потребности (например, падение спроса), генерируя значительные объемы денежных средств. При анализе ретроспективной статистики по данному отчету можно сделать выводы об объемах потоков денежных средств. Соответственно, чем выше окажется это значение, тем легче компании выдержать различные неблагоприятные экономические изменения.

 Ежегодно предприятия составляют бюджеты, основной частью денежных поступлений которых является выручка от заключенных контрактов. Но, несмотря на то, что в контрактах прописаны суммы поступлений денежных средств по завершению некоторого этапа, эти деньги поступают предприятиям зачастую не в срок, т.е. появляется кассовый разрыв. Поэтому им приходится брать кредиты на большие суммы, что за счёт процентов уменьшает прибыль. Более того, предприятия в силу недобросовестности некоторых контрагентов, вынуждены переносить некоторые этапы работ на следующие периоды, что означает для них срыв сроков поставки своей конечной продукции, приводящий к ухудшению финансового состояния за счет недополучения средств в текущем периоде и наложения заказчиком штрафов.

 Для анализа потерь, связанных с вышеописанными проблемами, составлена модель, описывающая денежные потоки предприятий и учитывающая фактор вероятности в образовании тех или иных денежных потоков.

 Поступления денежных средств состоят из трех частей: поступления денежных средств за выполнение работ, штрафы от поставщиков и привлечение кредитов.

 Обозначим через  поступление денежных средств за выполняемые работы от заказчика в полном объеме. Однако, как говорилось выше, эта сумма может быть уменьшена за счет двух факторов: задержка финансирования от заказчика в текущем периоде () и перенос срока поступлений денежных средств из-за срыва контрагентом сроков работ ().

 Будем считать, что денежные средства, недополученные из-за задержки финансирования от заказчика, будут погашаться в следующем периоде за текущим, а средства недополученные по причине срыва сроков выполнения  работ контрагентом будут погашаться в периоде, в котором будет заканчиваться их прогнозный временной интервал задержки. В таком случае получаем следующее балансовое уравнение:

,    (1)

 где  – реальные поступления денежных средств текущего периода. Обозначение  не очень хорошо отражает суть данного параметра с точки зрения временного индекса, однако, будем его воспринять, как накопленную к данному моменту времени сумму денежных средств, которые должны быть получены предприятием в текущем периоде.  При этом будем считать, что для первого отчетного периода  и , хотя можно исходить из любых других предположений.

 Штрафы, получаемые от поставщиков обозначим как .

,     (2)

 где,  – процент от суммы контракта, взвешенный на срок задержки выполнения работ контрагентом.

 Обозначим остаток денежных средств на конец текущего периода как . Тогда в случае, если в предыдущем периоде остаток денежных средств был положительным, то в соответствии с предположением модели о том, что средства предприятия хранятся на депозите, в данном периоде предприятие получает проценты по депозиту, определяемые формулой:

,    (3)

 где  - это годовая ставка процентов, начисляемых по депозиту.

 В данном случае модель несколько неточна, поскольку этот процент должен начисляться на среднемесячную сумму остатков денежных средств на каждый день. Однако такое упрощение введено для того, чтобы не усложнять модель с точки зрения получения дневных данных. Отчеты о движении денежных средств чаще всего составляются в управленческих целях в ежемесячной разбивке, что подтверждает данное упрощение.

 Еще одним поступлением денежных средств текущего периода является сумма привлеченного кредита, необходимость которого появляется в силу нехватки денежных средств для оплаты расходов. Обозначим его как :

  (4)

 Тогда суммарные поступления денежных средств предприятия за текущий период будут выражаться следующей системой соотношений:

,    (5)

 где  - суммарные поступления денежных средств на предприятие за i-ый период.

 Перечислим затраты текущего периода, которые возможно рассчитать исходя из объема выручки и/или поступлений денежных средств: сырье, материалы и комплектующие изделия; оплату труда производственного персонала и страховые взносы; арендные платежи, услуги связи, топливо, электроэнергию и газ; ремонт зданий и сооружений, командировочные и прочие расходы, включаемые в себестоимость продукции. Обозначим их как .

 Затраты текущего периода согласно предположению модели носят постоянный характер и включают в себя административно-управленческие расходы, налоги, вложения в основные средства и прочие финансовые оттоки обозначим как .

 Проценты, уплачиваемые за пользование кредитом, рассчитаем как:

,    (6)

 где  - сумма уплачиваемых процентов, а  – годовая ставка по кредиту.

 Затраты на работы контрагентов будут рассчитываться по следующей формуле:

,  (7)

 где  - полные затраты на контрагентов, планируемые на отчетный период (их возможно рассчитать из результатов «осмечивания» или в пропорции к выручке),- объем сорванных работ контрагентом,  – денежные средства, уплаченные за закрытые в текущем работы, которые были сорваны в предыдущих периодах.

 Объем штрафов , уплаченных заказчику, будем рассчитывать как произведение объема сорванных работ() в денежном выражении и средней годовой ставки штрафа, взвешенный на длительность периода срыва срока работ предприятием.

 Таки образом модельное описание полных затрат описывается следующей системой уравнений:

  (8)

 где  – взвешенная по сроку просрочки выполнения работ ставка штрафа, устанавливаемого заказчиком.

 Таким образом, остаток денежных средств на конец отчетного периода равен:

  (9)

 Проведя подобные расчеты для каждого отчетного периода в рамках года, получим общий объем процентных затрат (формула указана с учетом помесячного разбиения отчетного периода, равного году):

 (10),

 где  d – годовая ставка дисконтирования.

 Проведя имитационный эксперимент по  получившейся модели, установим для процентных затрат закон распределения. Затем используя интегральную кривую, получим аналог показателя VAR, показывающего с какой вероятностью затраты не превысят заданную, для рисков контрактной деятельности предприятия.

Оценка параметров модели и ее применение на реальном примере

 Оценка модели производилась для предприятия «А», занимающегося производством и оказанием услуг в области ВПК и ОПК (военно- и оборонно-промышленного комплексов). В целях сохранности коммерческой и государственной тайн его название не разглашается, а также исходные данные отчетности искажены умножением на некоторый коэффициент. Соответственно основным его заказчиком является государство.

 Для построения, описанной модели, для данного предприятия необходимо внести в нее несколько корректировок.

 Рассмотрим более подробно показатели, связанные с переносом поступления денежных средств по причине срыва сроков работ контрагентами. При детерминированном бюджете (т.е. по изначальному финансовому плану предприятия с изначально установленными периодами платежей и поступлений) предприятие должно ежемесячно получать, как описывалось выше, денежные средства в размере , при этом одна часть из этих поступлений является средствами за самостоятельно выполненные предприятием работы (), а вторая за работы выполняемые контрагентами ().

 Исходя из предположения, что предприятие работает без срывов собственных сроков исполнения работ, получаем, что объем денежных средств по этим договорам составляет величину . Далее, предприятие получает денежные средства, за закрытые работы контрагентов (). Также, как описывалось выше, предприятие получает денежные средства за сорванные по срокам в предыдущих периодах и закрытые в текущем работы контрагентов (). Из расчета суммы этих величин заказчик должен перечислить предприятию денежные средства. Однако заказчик может не заплатить часть этой суммы () и вместе с тем выплатить просрочку по своим платежам за предыдущий период ().

 Таким образом, уравнение (1) для предприятия остается неизменным:

(11)

 Далее подробно рассмотрим расходы предприятия на работы контрагентов.

 Пусть предприятия по начальному плану должно заплатить контрагентам денежные средства в размере . При этом одна часть этих расходов является денежными средствами, уплаченными за выполненные работы , а вторая часть является авансовой частью платежа . Тогда .

 В настоящий момент опробуется новая государственная инициатива по переходу на систему финансирования, при которой авансовая часть затрат на работы контрагентов,, не оплачивается заказчиком в момент совершения платежа, а впоследствии расходы предприятия на совершение этого платежа компенсируются заказчиком.

 В том числе поэтому, в случае, когда контрагент задерживает сроки выполнения работ относительно изначального их графика выполнения, реализуется риск контрактной деятельности, связанный с предоплатой предоставленных товаров и услуг, т.к. часть расходов, которое несет предприятие, при отклонении графика выполнения работ от изначального, является его убытком.

 Рассчитаем сначала величину компенсации, получаемой от заказчика. Для этого определим объем денежных средств накопленным итогом, выплачиваемых  предприятием в качестве аванса по начальному плану. При отсутствии сбоев по графику выполнения работ можно сказать, что , т.к., во-первых, предприятие не начисляет процента рентабельности на работы контрагентов, а во-вторых, работы контрагентов закрываются отдельными «подконтрактами», не осложняя тем самым получением денежных средств предприятием за собственные работы.

Поэтому, величину затрат на контрагентов, уплачиваемых в аванс, можно записать в этом случае следующим образом:

(12)

 Иными словами, при выполнении договорного графика работ все затраты денежных средств на работы контрагентов, превышающие сумму, уплаченную за выполненные работы, представляют собой авансовые платежи. В противоположной ситуации, то есть когда сумма денежных средств, полученная за выполненные работы, превышает величину затрат на контрагентов, данная разница «погашается» из суммы накопленного аванса. Другими словами, накопленная сумма аванса в i-м периоде равна ():

 (13)

 Пусть предприятие берет для финансирования авансовых работ кредит под такую же процентную ставку, как и для погашения кассовых разрывов. Тогда умножив данную ставку (взвешенную на период привлечения кредита) на величину накопленного аванса, получим величину возмещения от заказчика по авансовым платежам:.

 Таким образом в модель доходов предприятия (5) необходимо добавить слагаемое по величине компенсации затрат по авансированию контрагентов

    (14)

    Анализ объемов и вероятности недофинансирования предприятий со стороны государственного заказчика является сложной и многогранной проблемой. Это связано с тем, что бюджет РФ не составляется в ежемесячной детализации, что не дает возможности проследить, насколько точно в течение года исполняется его расходная часть. Второй причиной, усложняющей анализ проблемы, является сложная структура и многогранность источников финансирования расходной части бюджета.

 Поэтому был проанализирован фактический консолидированный бюджет РФ накопленным итогом. Практически ни в одном месяце за последний 6 с половиной лет не было ситуации дефицита бюджета (он преимущественно профицитный) за исключением последних восьми месяцев 2009 года и ноября, декабря 2010 г. Однако при рассмотрении фактического консолидированного дискретного дефицит бюджета РФ было выявлено, что ситуации, когда в рамках одного месяца бюджет является дефицитным, возникают существенно чаще. Очевидно, что бюджетный дискретный дефицит в ноябре-декабре скорее всего связан с тем, что при накоплении значительного профицита бюджета в течение года, государство в последних месяцах года израсходует средства во исполнение расходных статей бюджета. Именно это и вызывает у предприятий дисбаланс финансирования, ведущий к образованию кассовых разрывов.

 В качестве предположения модели было решено считать, что вероятность недофинансирования предприятий соизмерима с частотой возникновения дискретного дефицита консолидированного бюджета Российской Федерации и бюджетов государственных внебюджетных фондов, с той оговоркой, что возникновение дискретного дефицита в ноябре и декабре в годах связано с израсходованием накопленных профицитных средств. В других же месяцах возникновение дефицита рассматривалось как ситуация, при которой образуется недофинансирование со стороны государства. Такое предположение имеет смысл в силу того, что при дефиците бюджетных средств сокращение затратной части бюджета РФ представляется логичным. В подтверждение этого предположения можно отметить, что в месяцах, для которых наблюдается дискретный дефицит, также наблюдается и наименьший профицит накопленным итогом. Это как раз может свидетельствовать о сокращении той или иной статьи бюджета и, за счет этого, появлении некоторого профицита бюджета.

 Вероятные объемы недофинансирования оценим как среднее значение отношения дискретного дефицита консолидированного бюджета РФ к его доходам. Обоснованием такого подхода служит то, что при дефиците государство стремится сбалансировать бюджет за счёт секвестра расходов. Соответственно, фактическая величина расходов является секвестрированной. А величина доходов при этом в идеальном случае как раз описывает сбалансированную величину расходов. Поэтому подобное соотношение и описывает отношение сокращения статей бюджета к его полной сумме расходов.

 Для анализа фактора срыва сроков работ контрагентами нами была собрана статистика по более чем 700 компаниям, работающим на территории Российской федерации, за период 2002-2011 гг. по таким показателям, как: кредиторская задолженность; коэффициенты обеспеченности собственными средствами, быстрой, текущей и абсолютной ликвидности; денежные средства; периоды погашения дебиторской и кредиторской задолженности и выручку от продаж. Источником информации послужила система «СПАРК».

 В полученной статистике, однако, по ряду предприятий отсутствует статистика по некоторым значениям параметров. Поэтому, чтобы избежать некорректности, они были исключены из рассмотрения. Таким образом, статистика сократилась до 380 компаний, работающих на территории РФ.

 Учитывая условия окружающей среды бизнеса в Российской Федерации, а именно ее нестабильность, для анализа были использованы средние за 9 лет показатели. Такая мера необходима, для того, чтобы данные о предприятиях были более корректны и более точно описывали финансовое состояние компаний, т.к. если оценивать предприятия по одному из годов, то велика вероятность того, что какие-то из рассматриваемых предприятий закончили год успешнее обычного или наоборот хуже обычного. Именно усредненные за указанный период показатели за период дают взвешенную оценку финансового состояния компании. Конечно, рассмотрение динамики показателей для каждого предприятия может дать более точное описание того, улучшается ли финансовое состояние компании или ухудшается. Однако подобная работа, во-первых, трудоемка, а, во-вторых, может дать ложную информацию, основанную на экспертном мнении.

 Используя процедуру кластеризации, реализованную в ППП STATISTICA, исходя из вышеописанных показателей (с применением их стандартизации), предприятия были разделены на два кластера, первый из которых состоит из 331 компаний, а второй - из 49.

 В первый кластер попали крупные компании: с одной стороны, являющиеся за счет размера и более высоких значений собственных оборотных средств гарантом исполнения своих обязательств, с другой стороны, обладающие «неидеальной» структурой капитала. Во второй же кластер попали более мелкие компании, имеющие большую вероятность неисполнения собственных обязательств с одной стороны, и более «качественно» распоряжающиеся своими средствами с другой.

 Была предпринята попытка подобрать законы распределения для периода погашения кредиторской задолженности в каждом из кластеров. В результате наибольшее соответствие для эмпирических законов распределения в обоих кластерах наблюдается при формировании гипотезы об их распределении по логнормальному закону. Учитывая, что в обоих случаях уровень значимости гипотез существенно выше 0,05, было решено считать, что как для крупных, так и для средних и мелких контрагентов период погашения кредиторской задолженности распределен по логнормальному закону (правда, с разными статистическими параметрами).

 Определим список основных контрагентов предприятия «А»(им также присвоим имена, отличающиеся от реальных). Исходя из вышеописанной градации отнесения к кластерам, получившейся в ходе исследования, отнесем их к категориям, исходя из которых, будем прогнозировать их ожидающиеся сроки срыва работ. К основным контрагентам предприятия «А» относятся 7 компаний, две из которых являются мелкими и пять – крупными.

 Модель построена в программном продукте MS Excel. Данная программа выбрана из-за простоты реализации построения модели. Сама модель представляет собой таблицу, содержащую 12 столбцов, описывающих движение денежных средств в каждом из месяцев года, которые взаимосвязаны друг с другом через остатки денежных средств на начало и конец каждого периода, показатели задержки денежных средств заказчиком и параметров, связанных с задержкой сроков исполнения обязательств контрагентами и др.

 Для начала проведем оценку устойчивости модели. Для этого была рассчитана дисперсия убытков в зависимости от количества экспериментов. Рост ее разброса свидетельствует о том, что при изменении времени прогона модели, имитации неустойчивы и на этом основании делается вывод о необходимости доработки модели. При проверке гипотезы о равенстве дисперсий значений откликов построен график дисперсий в зависимости от объема выборки. Полученный график (рис. 1) свидетельствует о том, что при увеличении числа экспериментов дисперсия не растет, и, следовательно, модель устойчива.

Рисунок 1. Оценка устойчивости модели «as-is»

 Проверим гипотезу о соответствии эмпирического распределения теоретическому. В качестве теоретического распределения выбрано логнормальное. Поэтому сначала прологарифмируем полученные значения дисконтированных процентных потерь, а далее будем исследовать логарифм этой величина на нормальность распределения.

 Гипотеза о соответствии эмпирического распределения теоретическому была принята. Это проиллюстрировано на рис. 2:

Рисунок 2: Соответствие теоретического и эмпирического распределений логарифма процентных потерь компании для модели «as-is».

 На основании нормального закона распределения логарифмированных процентных потерь по кредитам была построена их интегральная кривая (график на рис. 3). По вертикальной шкале расположены вероятности, а на горизонтальной - процентные потери по кредитам. Таким образом, кривая описывает вероятность того, что процентные потери по кредитам не будут превышать некоторой величины с заданной вероятностью.

 Value-at-Risk (VaR) - это величина убытков по выбранным рисковым параметрам, которая с вероятностью, равной уровню доверия (например, 99% или 95%), не будет превышена. Следовательно, в оставшихся процентах случаев убыток составит величину, большую, чем VaR. Если говорить другими словами, то полученная интегральная кривая описывает α-процентный VAR (Value-at-Risk).

 

Рисунок 3. Интегральная кривая логарифмированных процентных потерь по кредитам для модели «as-is»

 По построенной имитационной модели 90%-й VAR логарифмированных процентных потерь составляет 4,7596. Если провести операцию, обратную логарифмированию (возведение в степень), то можем сказать, что 90%-й VAR процентных потерь по кредитам составляет 57 504,2 тыс. руб.

 Для оценки размера влияния рисков контрактной деятельности, очевидно, необходимо очистить полученную статистику от процентных потерь компании, которые она бы понесла в случае, если бы риски не реализовались. Эту величину можно вычислить, если в модели установить в качестве сроков задержки работ контрагентов и в качестве объема недофинансирования со стороны государства значения, равные нулю. Величина таких дисконтированных процентных затрат для оцененной модели составляет 39 434,1 тыс. руб. Таким образом, чистый «эффект» рисков контрактной деятельности для компании для 90% VAR составляет 18 070,1 тыс. руб. Учитывая, что данная сумма составляет 45,8% от процентных затрат в «идеальных» условиях, а также то, что данные затраты в сопоставимых величинах (т.е. с учетом поправочного коэффициента статистики, принятого во избежание разглашение коммерческой и государственной тайны) составляют 4,1% от прибыли компании, влияние рисков контрактной деятельности следует признать существенным.

 

Оптимизация модели

 Одним из источников формирования кассовых разрывов является дебиторская задолженность (которая по факту и возникает при авансировании контрагента и срывом им сроков выполнения работ). Соответственно для ее снижения и оптимизации предлагается использовать  такие методы, как: скользящее бюджетирование, оценку кредитоспособности своих контрагентов, применение системы скидок за досрочное погашение дебиторской задолженности, продажуа дебиторской задолженности или ее части факторинговым компаниям, получение от контрагентов каких-либо гарантий, использование более выгодных источников финансирования.

 Скользящее бюджетирование, как метод оптимизации, в текущей описанной ситуации для предприятия является одновременно и полезным «приемом» и не совсем точно подходящим. Опишем применение этого метода для построенной модели. Для оптимизации модели, в начале, необходимо выделить наиболее «напряженные» и «спокойные» с точки зрения смоделированного отчета о движении денежных средств месяцы. Для этого при сборе статистики накапливаются значения дельты поступлений денежных средств на предприятие без учета привлечения кредитов и расходований денежных средств. Определять же «напряженность» и «спокойность» каждого месяца будем по средним значениям описанной дельты по всей статистике. Чем больше значение средней дельты, тем выше «спокойность» месяца, и чем она меньше, тем выше «напряженность» данного месяца.

 Наиболее напряженными месяцами для предприятия являются январь, май и октябрь, а наиболее «спокойными» - июль, декабрь и апрель.

 Попробуем перераспределить расходы, так чтобы снизить значение 90%-го VAR для рисков контрактной деятельности. Для этого перенесем все значения детерминированных расходов, которые потенциально могут быть перемещены на более поздний срок, на наиболее «спокойные» месяцы. При этом, учитывая, что движение денежных средств (ДС) является непрерывным и что их остаток каждого следующего месяца взаимосвязан с остатками предыдущих, максимально возможную часть расходов перенесем на месяцы с положительными дельтами доходов без учета привлечения заемных ДС и расходов и наиболее приближенные к концу года. Также будем стараться, чтобы в месяцах, на которые переносятся расходы, из-за этого не образовывался кассовый разрыв. В качестве ориентира для этого будем использовать полученную статистику по средним остаткам ДС на конец каждого месяца.

 С точки зрения оценки кредитоспособности контрагентов, как метода оптимизации, предположим, что предприятию удалось заменить малых контрагентов на более крупных и надежных, т.е. заменить контрагентов, попадающих под определение кластера 2, на контрагентов из первого кластера.

 С точки зрения оптимизации самой работы с контрагентами можно использовать систему скидок за досрочное погашение своих обязательств. Однако, при этом как минимум, следует ужесточить «наказание» за прострочку выплаты дебиторской задолженности. Поэтому  в качестве минимальной оптимизации рисков контрактной деятельности, очевидно, будет выступать взаимосоответствие штрафов, уплачиваемых предприятием государству и выплачиваемых компании контрагентами. Поэтому сделаем равными их ставки.

 С точки зрения использования более выгодных источников финансирования в качестве оптимизации в данном случае можно использовать применений таких схем привлечения заемных денежных средств, как кредитные линии. Такой способ кредитования предполагает, что в течение заранее оговоренного периода времени предприятие, заключившее с банком указанный договор, имеет возможность привлекать денежные средства по заранее оговоренной ставке в рамках некоторого лимита. Предположим, что заключение подобного кредитного договора дало предприятию снижение ставки кредитования на 1 п.п.

 Теперь, изменив вышеописанные параметры модели, оценим ее повторно и сравним с исходным вариантом.

 Количество повторений вычислительного эксперимента, как и в первом расчете модели,  составило 1000 раз.  Модель при таком расчете, как и предыдущем случае, является устойчивой (см. график на рис. 4)

Рисунок 4. Оценка устойчивости модели «to-be»

 Проверим гипотезу о соответствии эмпирического распределения теоретическому. В качестве теоретического распределения также выберем логнормальное. Эта гипотеза также была принята, что проиллюстрировано на рис. 5:

Рисунок 5. Соответствие теоретического и эмпирического распределений логарифма процентных потерь компании для модели «to-be».

  На основании нормального закона распределения логарифмированных процентных потерь по кредитам построим их интегральную кривую (рис. 6).

 По построенной имитационной модели «to-be» 90%-й VAR логарифмированных процентных потерь составляет 4,6283 тыс. руб. Если провести операцию, обратную логарифмированию (возведение в степень), то можем сказать, что 90%-й VAR процентных потерь по кредитам составляет 42 500,9 тыс. руб.

 

Рисунок 6: Интегральная кривая логарифмированных процентных потерь по кредитам для модели «to-be».

 Для оценки эффекта рисков контрактной деятельности, как и в предыдущем случае, очистим полученную статистику от процентных потерь компании, которые она бы понесла в случае, если бы риски не реализовались. Величина таких дисконтированных процентных затрат для оцененной модели составляет 27 810,1 тыс. руб. Таким образом, чистый эффект рисков контрактной деятельности для компании для 90% VAR составляет 14690,8 тыс. руб.

 Таким образом, применение относительно несложных оптимизационных методов позволяет, с одной стороны, снизить ожидаемые совокупные дисконтированные процентные затраты на 15 003,3 тыс. руб., с другой стороны снизить риски контрактной деятельности (т.е. значение чистого эффекта 90%-го VAR процентных потерь) на 18,7%, а также снизить влияние контрактных рисков на прибыль предприятия на 0,8 п.п.

Заключение

 Полученная методика и модель предназначена для использования на предприятиях, ведущих большой объем договорных работ с разными по качеству контрагентами. Ее достоинствами является простота внедрения на предприятие. В силу построения модели в MS Excel, ее электронные вид легко внедряется в такие программные продукты, как 1С и прочие.

 Данная модель позволяет уточнять составление портфеля заказов на предстоящий год с учетом выполнения критериальной базы, а также прогнозировать наиболее вероятную сумму убытков от контрактной деятельности, которая возникнет при невыполнении контрагентами своих договорных обязательств.

Список использованной литературы

 1.  Золотарев В.М., Имитационные модели риск-менеджмента в нефинансовых компаниях, опубликовано в журнале «Финансист», 2002, №4  – с. 5.

List of References

 1.  Zolotarev V.M, Simulation models of risk management in non-financial companies, published in the magazine "Finance", 2002, № 4 - p. 5.

  vakperechen

ОБНОВЛЕННЫЙ СПИСОК ВАК 2016 г.
ОТ 19.04.2016  >> ПРОСМОТРЕТЬ
tass
 
ПО ВОПРОСАМ ПУБЛИКАЦИИ СТАТЕЙ И СОТРУДНИЧЕСТВА ОБРАЩАЙТЕСЬ:
skype SKYPE: vak-uecs
e-mail
MAIL: info@uecs.ru
phone
+7 (928) 340 99 00
 

АРХИВ НОМЕРОВ

(01) УЭкС, 1/2005
(02) УЭкС, 2/2005
(03) УЭкС, 3/2005
(04) УЭкС, 4/2005
(05) УЭкС, 1/2006
(06) УЭкС, 2/2006
(07) УЭкС, 3/2006
(08) УЭкС, 4/2006
(09) УЭкС, 1/2007
(10) УЭкС, 2/2007
(11) УЭкС, 3/2007
(12) УЭкС, 4/2007
(13) УЭкС, 1/2008
(14) УЭкС, 2/2008
(15) УЭкС, 3/2008
(16) УЭкС, 4/2008
(17) УЭкС, 1/2009
(18) УЭкС, 2/2009
(19) УЭкС, 3/2009
(20) УЭкС, 4/2009
(21) УЭкС, 1/2010
(22) УЭкС, 2/2010
(23) УЭкС, 3/2010
(24) УЭкС, 4/2010
(25) УЭкС, 1/2011
(26) УЭкС, 2/2011
(27) УЭкС, 3/2011
(28) УЭкС, 4/2011
(29) УЭкС, 5/2011
(30) УЭкС, 6/2011
(31) УЭкС, 7/2011
(32) УЭкС, 8/2011
(33) УЭкС, 9/2011
(34) УЭкС, 10/2011
(35) УЭкС, 11/2011
(36) УЭкС, 12/2011
(37) УЭкС, 1/2012
(38) УЭкС, 2/2012
(39) УЭкС, 3/2012
(40) УЭкС, 4/2012
(41) УЭкС, 5/2012
(42) УЭкС, 6/2012
(43) УЭкС, 7/2012
(44) УЭкС, 8/2012
(45) УЭкС, 9/2012
(46) УЭкС, 10/2012
(47) УЭкС, 11/2012
(48) УЭкС, 12/2012
(49) УЭкС, 1/2013
(50) УЭкС, 2/2013
(51) УЭкС, 3/2013
(52) УЭкС, 4/2013
(53) УЭкС, 5/2013
(54) УЭкС, 6/2013
(55) УЭкС, 7/2013
(56) УЭкС, 8/2013
(57) УЭкС, 9/2013
(58) УЭкС, 10/2013
(59) УЭкС, 11/2013
(60) УЭкС, 12/2013
(61) УЭкС, 1/2014
(62) УЭкС, 2/2014
(63) УЭкС, 3/2014
(64) УЭкС, 4/2014
(65) УЭкС, 5/2014
(66) УЭкС, 6/2014
(67) УЭкС, 7/2014
(68) УЭкС, 8/2014
(69) УЭкС, 9/2014
(70) УЭкС, 10/2014
(71) УЭкС, 11/2014
(72) УЭкС, 12/2014
(73) УЭкС, 1/2015
(74) УЭкС, 2/2015
(75) УЭкС, 3/2015
(76) УЭкС, 4/2015
(77) УЭкС, 5/2015
(78) УЭкС, 6/2015
(79) УЭкС, 7/2015
(80) УЭкС, 8/2015
(81) УЭкС, 9/2015
(82) УЭкС, 10/2015
(83) УЭкС, 11/2015
(84) УЭкС, 11(2)/2015
(85) УЭкС,3/2016
(86) УЭкС, 4/2016
(87) УЭкС, 5/2016
(88) УЭкС, 6/2016
(89) УЭкС, 7/2016
(90) УЭкС, 8/2016
(91) УЭкС, 9/2016
(92) УЭкС, 10/2016
(93) УЭкС, 11/2016
(94) УЭкС, 12/2016
(95) УЭкС, 1/2017
(96) УЭкС, 2/2017
(97) УЭкС, 3/2017
(98) УЭкС, 4/2017
(99) УЭкС, 5/2017
(100) УЭкС, 6/2017
(101) УЭкС, 7/2017
(102) УЭкС, 8/2017
(103) УЭкС, 9/2017
(104) УЭкС, 10/2017
(105) УЭкС, 11/2017
(106) УЭкС, 12/2017
(107) УЭкС, 1/2018
(108) УЭкС, 2/2018
(109) УЭкС, 3/2018
(110) УЭкС, 4/2018
(111) УЭкС, 5/2018
(112) УЭкС, 6/2018
(113) УЭкС, 7/2018
(114) УЭкС, 8/2018
(115) УЭкС, 9/2018
(116) УЭкС, 10/2018
(117) УЭкС, 11/2018
(118) УЭкС, 12/2018
(119) УЭкС, 1/2019
(120) УЭкС, 2/2019
(03) УЭкС, 3/2019
(04) УЭкС, 4/2019
(05) УЭкС, 5/2019

 Федеральная служба по надзору в сфере связи и массовых коммуникаций

№ регистрации СМИ ЭЛ №ФС77-35217 от 06.02.2009 г.       ISSN: 1999-4516