автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.10, диссертация на тему:Информационная система поддержки принятия решений по финансированию инвестиционных проектов в условиях неопределенности и риска

Оглавление.

Введение.

Глава 1. Применение методов теории нечетких множеств в проектном анализе.

1.1. Проектный анализ.

1.2. Обзор существующих методов оценки рисков реальных инвестиционных проектов.

1.2.1. Методы качественной оценки проектных рисков.

1.2.2. Методы количественной оценки проектных рисков.

1.3. Применение теории нечетких множеств и теории возможностей.

Глава 2. Разработка концепции построения информационной системы поддержки принятия решений.

2.1. Анализ критериев эффективности инвестиционного проекта.

2.2. Анализ методов отбора инвестиционных проектов для финансирования.

2.3. Построение информационной системы поддержки принятия решений.

Глава 3. Разработка метода количественной оценки рисков реальных инвестиционных проектов в условиях неопределенности.

3.1. Анализ входных данных для оценки проектных рисков в условиях неопределенности.

3.1.1. Качественный анализ потоков поступлений и платежей инвестиционного проекта.

3.1.2. Учет неопределенности при оценке рисков инвестиционных проектов.

3.1.3. Выбор структуры исходных данных для оценки рисков инвестиционных проектов.

3.2. Анализ неопределенности ставки дисконтирования и выбор метода статистического прогнозирования.

3.2.1. Анализ неопределенности ставки дисконтирования.

3.2.2. Выбор метода статистического прогнозирования.

3.3. Разработка метода количественной оценки проектных рисков.

3.4. Учет корреляции зависимых переменных.

Глава 4. Проведение эксперимента.

4.1. Методика проведения эксперимента.

4.1.1. Входные данные для проведения эксперимента.

4.1.2. Порядок проведения эксперимента.

4.2. Анализ качества инвестиционных решений.

4.3. Алгоритмическое и программное обеспечение.

4.4. Анализ полученных результатов.

4.5. Направления дальнейших исследований.

Актуальность темы

Современная мировая и российская экономика немыслима без широкомасштабных инвестиционных вложений в производственный сектор. В рыночных условиях хозяйствования национальные и международные банки предоставляют кредиты, а партнеры по совместным предприятиям обеспечивают поступление акционерного капитала только в том случае, если в основе соглашений имеются глубоко проработанные и хорошо подготовленные технико-экономические обоснования, содержащие детальное исследование проектных рисков.

Исследованием различных аспектов проблемы оценки рисков инвестиционных проектов в разное время занимались такие зарубежные учёные как У. Шарп, Г. Марковиц, Дж. Данциг, М. Гордон, JI. Сэвидж, Р. Льюис, Г. Райффа, а также отечественные исследователи JI.B. Канторович, Я.А. Рекитар, В.В. Ковалёв, П.Л. Виленский, С.А. Смоляк, В.Н. Лившиц, В.З. Беленький, Р.В. Фаттахов, О. Юдаков и другие.

Зачастую на практике качественные и количественные методы риск-анализа применяются раздельно друг от друга, что приводит к некорректной оценке проектных рисков и, как следствие, принятию неверных инвестиционных решений. В связи с этим, большое значение приобретают исследования, направленные на комплексный анализ качественных и количественных рисков инвестиционных проектов. Такой анализ должен формализовать воздействие качественных факторов на расчетные значения количественных проектных рисков. Для решения подобных задач широко применяются методы теории нечетких множеств и теории возможностей.

Действующий Государственный стандарт РФ для процедуры выборочного контроля по количественному признаку ГОСТ Р 50779.74-99 распространяется на сферу материального производства продукции. Вместе с тем, существует объективная необходимость применения используемых критериев статистического контроля качества для анализа инвестиционных проектов.

Указанные обстоятельства обуславливают актуальность сформулированной темы исследования, направленной на разработку концепции информационной системы поддержки принятия инвестиционных решений, включающей в себя методы статистического анализа проектов и количественной оценки проектных рисков с учетом влияния внутренних и внешних факторов в условиях неопределенности.

Цель работы и задачи исследования

Целью диссертационной работы является разработка методов получения и обработки информации о количественных и качественных рисках реальных инвестиционных проектов, а также разработка методов статистического анализа, концепции и алгоритма функционирования информационной системы поддержки принятия решений по финансированию инвестиционных проектов в условиях неопределенности и риска.

Для достижения сформулированной цели поставлены следующие задачи исследования:

1. Разработать концепцию построения информационной системы поддержки принятия решений (ИСППР) о приоритетности финансирования реальных инвестиционных проектов.

2. Разработать метод количественной оценки проектных рисков, позволяющий рассчитывать агрегированный риск и статистики качества критериев эффективности реального инвестиционного проекта.

3. Разработать метод расчета верхних и нижних границ отклонения рисковых переменных от прогнозируемых значений, формализующий характер и уровень воздействия качественных факторов.

4. Разработать инструментальные средства для автоматизации процедуры оценки реальных инвестиционных проектов по критериям допустимости, эффективности, качества и риска.

5. Провести анализ качества инвестиционных решений, принимаемых с использованием разработанной информационной системы поддержки принятия решений, на примере представленных реальных инвестиционных проектов.

На защиту выносятся:

1. Концепция построения информационной системы поддержки принятия инвестиционных решений о приоритетности финансирования капиталовложений в реальные активы.

2. Метод количественной оценки проектных рисков, включающий в себя расчет агрегированного риска, а также статистический анализ реального инвестиционного проекта по количественному признаку приемлемых значений критериев эффективности.

3. Метод определения долей и возможностей на основе нечетких множеств для расчета верхних и нижних границ отклонения элементов потоков реальных денег, а также ставки дисконтирования от прогнозируемых значений, с использованием экспертных оценок влияния на эти рисковые переменные качественных факторов.

4. Алгоритмическое и программное обеспечение процедуры анализа реальных инвестиционных проектов на допустимость, эффективность, качество и риск с целью информационной поддержки процесса принятия решений о приоритетности их финансирования.

5. Метод анализа качества инвестиционных решений, принимаемых с использованием разработанной информационной системы поддержки принятия решений и результаты расчетов коэффициентов для фактически реализованных реальных инвестиционных проектов.

Научная новизна

1. Отличительная особенность предложенной концепции ИСППР заключается в использовании широкого спектра специализированных критериев и показателей, применении нового метода количественной оценки проектных рисков в условиях неопределенности. В работе впервые предложено использовать критерий выборочного контроля по количественному признаку (ГОСТ Р 50779.74-99) для статистического анализа приемлемых значений критериев эффективности проекта. В совокупности это позволяет проводить комбинированный анализ на допустимость и эффективность, оценивать статистики качества, а также частные и агрегированный риски каждого из представленных на рассмотрение реальных инвестиционных проектов.

2. Новизна предложенного метода количественного определения агрегированного риска проекта в условиях неопределенности заключается в формализации влияния качественных факторов на расчетные значения критериев эффективности. В отличие от известных методов, основанных на имитационном моделировании, разработанный метод предполагает генерирование случайных значений переменных, входящих в формулы расчета критериев эффективности проекта, в диапазоне, рассчитанном при помощи методов теории нечетких множеств и возможностей, с использованием базы знаний. При этом нужный объем выборки определяется с заданными доверительным интервалом и доверительной вероятностью после статистической обработки уже имеющейся пробной выборки. В качестве начальных значений для генерации используются элементы потоков реальных денежных средств инвестиционного проекта (результатов операционной и инвестиционной деятельности), а также ставки дисконтирования.

3. В разработанном методе определения долей и возможностей на основе нечетких множеств впервые предложено использовать экспертные оценки уровня влияния эндогенных и экзогенных факторов на значения потоков реальных денег и ставки дисконтирования для расчета верхних и нижних границ отклонений рисковых переменных, участвующих в расчете критериев эффективности проекта, от прогнозируемых значений.

Практическая значимость работы

Практическую значимость прикладных исследований определяют следующие результаты настоящей диссертации:

1. Информационная система поддержки принятия решений, включающая в себя инструментарий комплексного анализа реальных инвестиционных проектов по критериям допустимости, эффективности, качества и риска, что позволяет повысить качество управления финансированием реальных инвестиционных проектов в условиях неопределенности.

2. Результаты расчетов вероятностей негативного изменения критериев эффективности, статистик их качества, а также интегрального риска инвестиционного проекта, осуществляемых при помощи разработанного метода количественной оценки проектных рисков, что составляет информационную основу для принятия решений о приоритетности финансирования реальных инвестиционных проектов.

3. Результаты вычислений верхних и нижних границ отклонения рисковых переменных от прогнозируемых значений, с использованием широкого спектра качественных факторов, что позволяет с высокой степенью достоверности оценить подверженность проекта к возможному изменению внутренних и внешних условий его функционирования.

4. Результаты расчетов критериев эффективности, статистических характеристик и коэффициентов качества инвестиционных решений для фактически реализованных реальных проектов.

Выводы: каждый из рассматриваемых инвестиционных проектов является уникальным, неделимым и нетиражируемым. Все проекты предполагают приобретение производственного оборудования с разными долями и объемами собственных (в том числе акционерного капитала) и заемных средств. Расчетный срок текущей окупаемости проекта А и проекта С - 1 год, проекта В - 2 года. Расчетные сроки полной окупаемости всех проектов - 5 лет.

4.1.2. Порядок проведения эксперимента

На основе представленных исходных данных проведем комплексное исследование реальных инвестиционных проектов по критериям допустимости, эффективности, качества и риска с использованием разработанной концепции, с целью их конкурсного отбора для финансирования. Результатом должны стать практические рекомендации о целесообразности и приоритетности инвестирования денежных средств в рассматриваемые производственные объекты.

В соответствии с разработанной моделью поддержки принятия решений о приоритетности финансирования представленных на рассмотрение реальных инвестиционных проектов, на первом этапе осуществляется проверка на положительность сальдо накопленных реальных денег анализируемых проектов в любом периоде их реализации.

Накопленные значения сальдо потоков реальных денег анализируемых инвестиционных проектов занесены в соответствующие таблицы в строке 18, из которых видно, что на втором шаге реализации проекта А сальдо накопленных реальных денег принимает отрицательное значение: F2 = (-10392,5 - 27500 + 38000) + (7614,5 - 8000)= -278тыс.руб.

Таким образом, проект А в представленном виде неприемлем для финансирования, поскольку требует привлечения участником дополнительных собственных или заемных средств и отражения этих средств в расчетах эффективности. Несколько забегая вперед отметим, что повторное рассмотрение проекта А возможно после пересчета величин потоков операционной, инвестиционной и финансовой деятельности, поскольку даже в представленном виде проект имеет допустимые значения критериев эффективности: NPV^ =3925 тыс. руб.;

1,14; IRR^ =20,8%.

В результате осуществления первого этапа анализа, проекты В и С применимы для дальнейшего рассмотрения, так как на каждом шаге своей реализации имеют неотрицательные значения сальдо накопленных реальных денег.

В процессе второго этапа анализа рассматриваемых реальных инвестиционных проектов производится проверка соответствующих функций зависимости чистого дисконтированного дохода NPV от ставки дисконтирования D на наличие единственного нормального корня внутренней нормы доходности IRR, при переходе через который функция меняет свой знак с положительного на отрицательный.

Для реализации второго, третьего и пятого этапов необходимы прогнозные значения ставки дисконтирования для каждого года функционирования проекта. В качестве исходных данных для расчета указанных значений (аргументирование выбора которых подробно описано в предыдущей главе) принята динамика ставки рефинансирования Центрального банка Российской Федерации за период с 1991 по 2001 годы.

Покажем порядок расчета взвешенных с учетом продолжительности срока действия значений ставки дисконтирования ЦБ РФ на примере имеющейся динамики 2000 года:

55% • 23 + 45% • 43 + 38% • 14 + 33% -111 + 28% -117 + 25% • 58

П2Ш --—-- 33,1 /о

366

Подобным образом рассчитываются взвешенные значения ставки дисконтирования ЦБ РФ для 1991-2001 года.

Как было отмечено ранее, экстраполяция динамики взвешенных значений величины ставки рефинансирования ЦБ РФ за период с 1991 по 2001 годы на четыре точки вперед проводится на основе двухпараметрического процесса авторегрессии.

При помощи программного пакета анализа статистических данных Statistica for Windows определим необходимые параметры модели:

• константа (свободный член) ^=13,3503;

• параметры авторегрессии $=-0,45859, $=0,541404.

На основе полученных параметров модели покажем порядок расчета прогнозных значений ставки дисконтирования на примере 2002 года: £>2002 =13,3503 - 0,45859 • 25,0 + 0,541404 • 33,1 = 19,8%.

Последующие значения ставки дисконтирования для каждого года прогнозного периода реализации проекта рассчитываются аналогичным способом, основываясь на вновь полученных на предыдущих шагах точках ряда: Ягооз = 13,3503 - 0,45859 • 19,8 + 0,541404 • 25,0 = 17,8%.

Результаты практических расчетов прогнозных значений ставки дисконтирования занесены в таблицу 4.4.

Заключение

В диссертационной работе предложены новые методы статистического анализа для получения информации о количественных рисках, а также методы обработки информации о качественных рисках реальных инвестиционных проектов. Разработаны концепция и алгоритм функционирования информационной системы поддержки принятия решений по финансированию инвестиционных проектов в условиях неопределенности и риска.

В ходе исследования были получены следующие результаты и выводы:

1. Предложена концепция построения информационной системы поддержки принятия инвестиционных решений, основанная на использовании широкого спектра критериев и показателей, в том числе критерия выборочного контроля по количественному признаку, применении разработанного метода количественной оценки проектных рисков. Система позволяет выявлять реальные проекты, реализация которых при существующих и прогнозируемых внутренних и внешних условиях функционирования с высокой вероятностью приведет к частичной или полной потере вложенных денежных средств; ранжировать оставшиеся проекты по критериям эффективности, статистики качества и интегрального риска, с целью последующего принятия управленческих решений о приоритетности их финансирования.

2. Разработан метод количественной оценки проектных рисков в условиях неопределенности, основанный на генерировании нужного объема случайных значений переменных, входящих в формулы расчета критериев эффективности проекта, в диапазоне, рассчитанном при помощи методов теории нечетких множеств и возможностей, с использованием базы знаний. Метод позволяет рассчитывать агрегированный риск реального инвестиционного проекта, а также статистики качества критериев эффективности в соответствии с ГОСТ Р 50779.74-99.

3. Разработан метод определения долей и возможностей, основанный на нечетких множествах и использующий экспертные оценки уровня влияния эн

123 догенных и экзогенных факторов на значения потоков реальных денег и ставки дисконтирования. Метод позволяет рассчитывать верхние и нижние границы отклонения рисковых переменных, входящих в формулы расчета критериев эффективности проекта, от прогнозируемых значений.

4. Разработано алгоритмическое и программное обеспечение, включающее в себя процедуры анализа реальных инвестиционных проектов на допустимость, эффективность, качество и риск, и осуществляющее информационную поддержку процесса принятия решений о приоритетности их финансирования.

Исследовано качество инвестиционных решений, принимаемых с использованием разработанной ИСППР. Расчетное значение предложенного коэффициента качества Кр для фактически реализованного проекта С (Кс =0,0033) указывает на относительно высокий уровень принятого по нему инвестиционного решения, по сравнению с проектом В (Кв = 0,0011).

1. Арсланова 3., Лившиц В. Принципы оценки инвестиционных проектов в разных системах хозяйствования // Инвестиции в России. 1995. №1. С. 17-23.

2. Балабанов И.Т. Основы финансового менеджмента. М.: Финансы и статистика, 1994. С. 201-320.

3. Балабанов И.Т. Риск-менеджмент. М.: Финансы и статистика, 1996. С. 87-124.

4. Беллман Р., Заде Л. Принятие решений в расплывчатых условиях // В кн.: Вопросы анализа и процедуры принятия решений. М.: Мир, 1976. С. 44-68.

5. Беренс В., Хавранек П.М. Руководство по оценке эффективности инвестиций: Пер с англ. М.: Инфра-М, 1995. С. 357-389.

6. Бизнес-план инвестиционного проекта: отечественный и зарубежный опыт. Современная практика и документация/В.М. Попов, Г.В. Медведев и др. М.: Финансы и статистика, 1997. С. 230-319.

7. Бирман Г., Шмидт С. Экономический анализ инвестиционных проектов. М.: Банки и биржи, ЮНИТИ, 1997. С. 23-128.

8. Бойченко Ю. Проектное финансирование: зарубежный опыт и российская специфика // Инвестиции в России. 1998. №3. С. 43-44.

9. Борисов А.Н. и др. Модели принятия решений на основе лингвистической переменной, Рига: Знание, 1982. С. 92-117.

10. Ю.Борисов А.Н., Крумберг О.А., Федоров И.П. Принятие решений на основе нечетких моделей. Рига: Знание, 1990. С. 41-72.

11. П.Бригхем Ю., Гапенски Л. Финансовый менеджмент. В 2-х т. Т. 1. Санкт-Петербург: Экономическая школа, 1997. С. 216-237.

12. Бромвич М. Анализ экономической эффективности капиталовложений / Пер. с англ. А.Г. Пивовара. М.: Инфра-М, 1996. С. 189-195.

13. З.Булатов А. Проблема эффективности капиталовложений // Российский экономический журнал. 1997. №2. С. 29.

14. Бычков В. Проблемы возвратности банковских кредитов // Финансовый бизнес. 1998. №2. С. 42^14.

15. Ван Хорн Дж. К. Основы управления финансами. М.: Финансы и статистика, 1996. С. 394.

16. Веремеенко С. Игудин Р. Приоритеты инвестиционного проектирования // Финансист. 1996. №2. С. 16-19.

17. П.Виленский П.Л., Смоляк С.А. Как рассчитать эффективность инвестиционного проекта. Расчет с комментариями. М.: Информэлектро, 1996. С. 3783.

18. Виленский П.Л., Смоляк С.А. Показатель внутренней нормы доходности и его модификации // Аудит и финансовый анализ. 1999. №4. С. 21-27.

19. Виленский П.Л., Лившиц В.Н., Орлова Е.Р., Смоляк С.А. Оценка эффективности инвестиционных проектов. М.: Дело, 1998. С. 154-181.

20. Волков И.М., Грачева М.В. Проектный анализ: Учебник для вузов. М.: Банки и биржи, ЮНИТИ, 1998. С 234-310.

21. Воронов К.И. Оценка коммерческой состоятельности инвестиционных проектов // Финансовая газета. 1993. №49-52; 1994. №1-4, 24-25.

22. Газеев М.Х., Смирнов А.П., Хрычев А.Н. Показатели эффективности инвестиций в условиях рынка. М.: ВНИИОЭНГ, 1993 .С. 16-18.

23. Глазунов В.Н. Критерии оценки инвестиционной привлекательности проектов // Финансы. 1997. №12. С. 59-62.

24. Горбунов А.А., Сетдиков Р.А. Об оценке эффективности инвестиционных проектов // Финансы. 1996. №4. С. 35-41.

25. Горелов А. Предпринимательские риски // Финансовый бизнес. 1996. №5. С. 29-33.

26. Графова Г.Ф., Аврашков Л.Я. О норме дисконта при отборе инвестиционных проектов для финансирования // Финансы. 1998. №3. С. 28-29.

27. Давыдов О. Об оценке инвестиционного риска // Бухгалтерский учёт. 1993. №8 С. 13-16.

28. Дантеманн Дж., Мишел Дж., Тейлор Д. Программирование в среде Delphi: Пер. с англ. К.: ДиаСофт Лтд., 1995. С. 29-317.

29. Данциг Дж. Линейное программирование, его применение и обобщение. М.: Прогресс, 1966. С. 532-546.

30. Демидович Б.П. Лекции по математической теории устойчивости. М.: Наука, 1967. С. 221-249.

31. Дулич В.А. Комплексный анализ инвестиционных процессов // Экономика строительства. 1996. №2. С. 29-45.

32. Дюбуа Д., Прад А. Теория возможностей. Приложения к представлению знаний в информатике. М.: Радио и связь, 1990. С. 76-188.

33. Заде Л. Понятие лингвистической переменной и ее применение к принятию приближенных решений. М.: Мир, 1976. С. 17-32.

34. Идрисов А.Б. Анализ чувствительности инвестиционных проектов // Инвестиции в России. 1994. №3. С. 14-16.

35. Идрисов А.Б. Методика разработки и экспертизы инвестиционных проектов // Финансовая газета. 1993. №41-42, 44.

36. Идрисов А.Б., Картышев С.В., Постников А.В. Стратегическое планирование и анализ эффективности инвестиций. М.: Филинъ, 1996. С. 22-49.

37. Инвестиционное проектирование: практическое руководство по экономическому обоснованию инвестиционных проектов. Под ред. Шумилина С.И. М: Финстатпром, 1995. СЛ 80-204.

38. Ирниязов Б. Основные показатели финансовой оценки инвестиций в рыночной экономике // Финансы. 1994. №11. С. 17-19.

39. Исмагилова JI.А. Динамика и интеллектуальное управление производством // Проблемы математики и теории управления: Сб. науч. статей. Уфа: Изд. Уфимск. гос. авиац. техн. ун-та, 1998. С. 255-261.

40. Исследование операций в экономике: Учебное пособие для вузов под редакцией Н.Ш. Кремера. М.: Банки и Биржи, ЮНИТИ, 1997. С. 247-283.

41. Как рассчитать эффективность инвестиционного проекта. Расчет с комментариями. М.: Информэлектро, 1996. С. 44-83.

42. Капитоненко В. В. Финансовая математика и её приложения: Учебно-практическое пособие для вузов.М.: ПРИОР, 1998. С. 65-108.

43. Катасонов В.Ю. Проектное финансирование // Банковское дело. 1996. №7. С. 2-5, №8. С. 18-22.

44. Ковалев В.В. Финансовый анализ. Управление капиталом. Выбор инвестиций. Анализ отчетности. М: Финансы и статистика, 1995. С. 96-118.

45. Коломина М. Сущность и измерение инвестиционных рисков // Финансы. 1994. №4. С. 17-19.

46. Кофман А. Введение в теорию нечетких множеств: Пер. с франц. М.: Радио и связь, 1982. С. 167-204.

47. Кофман А., Хил Алуха X. Введение теории нечетких множеств в управлении предприятиями, Минск: Высшая школа, 1992. С. 57-88.

48. Кошечкин С. А. Методы количественной оценки финансовых рисков // Научно-техническая конференция профессорско-преподавательского состава, аспирантов и студентов. НАСА. 1997. 4.1 С. 32.

49. Кощегулова И.Р. в соавт. Управление региональной банковской системой: Методология, методика и практика (учебное пособие). Уфа: Типография Уфимск. полиграф, комбината, 2000. Ч. 1.С. 16-23.

50. Кощегулова И.Р. Инвестиционная ситуация в РБ и участие банковского сектора в инвестиционном процессе // Инвестиции в Республике Башкортостан: Материалы международной научно-практической конференции под ред. Фаттахова Р.В. Уфа: 2000. С. 47-52.

51. Кузнецова О.А., Лившиц В.Н. Структура капитала, анализ методов ее учета при оценке инвестиционных проектов // Экономика и математические методы. 1995. Т. 31. Вып. 4. С. 96-108.

52. Куракина Ю.Г. Оценка риска в инвестиционном анализе // Вестник Финансовой Академии. 1997. №1. С. 75-82.

53. Кусимов С.Т., Ильясов Б.Г., Исмагилова JI.A., Валеева Р.Г. Интеллектуальное управление производственными системами. М.: Машиностроение, 2001. С. 23-255.

54. Липсиц И.В., Коссов В.В. Инвестиционный проект: Методы подготовки и анализа: Учебно-справочное пособие. М.: БЕК, 1996. С. 116-143.

55. Лукашин Ю.П. Адаптивные методы прогнозирования экономических показателей. М.: Статистика, 1979. С. 28-42.

56. Львов Д.С., Медницкий В.Г., Овсиенко Ю.В. и др. Оценивание крупномасштабных инвестиционных проектов в новых условиях хозяйствования. М.: ЦЭМИ РАН, 1994. С. 64-71.

57. Максимов О.Б. Анализ финансового состояния предприятия. Основные положения методики. Санкт-Петербург, Альт, 1994. С. 13-38.

58. Масленченков Ю. Формализованные процедуры финансового анализа // Финансист. 1996. №10. С.16-19.

59. Массе П. Критерии и методы оптимального определения капиталовложений. М.: Статистика, 1971. С. 7-64.

60. Мелкумов Я.С. Экономическая оценка эффективности инвестиций и финансирование инвестиционных проектов. М.: ИКЦ ДИС, 1997. С. 16-84.

61. Мертенс А.В. Инвестиции: Курс лекций по современной финансовой теории. К.: Киевское инвестиционное агентство, 1997. С. 287-295.

62. Методические рекомендации по оценке эффективности инвестиционных проектов и их отбору для финансирования: Офиц. изд-е / Под ред. А.Г. Шахназарова. М.: Центр экономики и маркетинга (Б-ка хозяйственного руководителя), 1994. С. 2-25.

63. Методические рекомендации по оценке эффективности инвестиционных проектов: (Вторая редакция) / М-во экон. РФ, М-во фин. РФ, ГК по стр-ву, архит. и жил. политике; рук. авт. кол.: Коссов В.В., Лившиц В.Н., Шахназаров А.Г. М.: Экономика, 2000. С. 80-106.

64. Минаев С. Как управлять предпринимательскими рисками // Финансовый бизнес. 1997. №2. С. 49-51.

65. Монаков Ю. Инвестиционное планирование: рентабельность, эффективность, устойчивость // Рынок ценных бумаг. 1996. №5. С. 37-39.

66. Москвин В.А. Реальный риск кредитования производства // Бизнес и банки. 1995. №13. С.1-2.

67. Москвин В.А. Разработка качественного бизнес-плана реализации инвестиционного проекта // Деньги и кредит. 1998. №3. С. 59-63.

68. Москвин В.А. Система рисков при инвестиционном кредитовании предприятий // Банковское дело. 1998. №2 С. 5-9.

69. Мухетдинова Н.М. Инвестиционный процесс // Российский экономический журнал. 1997. №3. С. 46-53.

70. Найт Ф. Понятия риска и неопределённости // Thesis. 1994. №5 С. 1228.

71. Недосекин А.О. Применение теории нечетких множеств к задачам управления финансами // Аудит и финансовый анализ.2000. №2. С. 36-40.

72. Недосекин А.О., Воронов К.И. Анализ риска инвестиций с применением нечетких множеств // Управление риском. 2000. №1. С. 27-33.

73. Недосекин А.О., Максимов О.Б. Анализ риска банкротства предприятия с применением нечетких множеств // Вопросы анализа риска. 1999. №2. С. 16-21.

74. Нечеткие множества и теория возможностей. Последние достижения / Под ред. P.P. Ягера. М.: Радио и связь, 1986. С. 330-384.76.0рловский С.А. Проблемы принятия решений при нечеткой исходной информации. М.: Радио и связь, 1981. С. 143-186 с.

75. Панферов Г. Совершенны ли методические подходы к оценке эффективности инвестиционных проектов? // Российский экономический журнал. 1997. №2. С. 35-39.

76. Поляков С.Ю., Яковлев Ю.М. Об оценке рисков инвестиционных проектов // Бухгалтерский учёт. 1996. №8. С. 66-71.

77. Проектный анализ. Первые шаги: консультации специалистов АИН-ИНВЕСТ // Экономика и жизнь. 1996. №2. С. 12.

78. Ротштейн А.П., Штовба С.Д. Проектирование нечетких баз знаний: лабораторный практикум и курсовое проектирование. Учебное пособие. Винница: Винницкий государственный технический университет, 1999. С. 37-43.

79. Ротштейн А.П., Штовба С.Д. Влияние методов деффазификации на скорость настройки нечеткой модели // Кибернетика и системный анализ. 2002. №1. С. 41-48.

80. Рутковская Е.А. Оценка эффективности инвестиций // Экономика строительства. 1997. №12. С. 13-27.

81. Рыжов А.П. Элементы теории нечетких множеств и измерения нечеткости. М.: Диалог-МГУ, 1998. С. 7-25.

82. Сагитдинов М.Ш., Марданов Р.Х., Кощегулова И.Р. О необходимости системного подхода к разработке концепции развития банковской системы России // Деньги и кредит. 2001. № 7. С. 20-26.

83. Смоляк С.А. Три проблемы теории эффективности инвестиций // Экономика и математические методы. 1999. Т. 35. Вып. 4. С. 37^46.

84. Смоляк С.А. Учет специфики инвестиционных проектов при оценке их эффективности // Аудит и финансовый анализ. 1999. №3. С. 43-49.

85. Трухаев Р.И. Модели принятия решений в условиях неопределенности. М.: Наука, 1981. С. 143-159.

86. Турмачев Е.С. Методические проблемы количественного определения рисков инвестиционных проектов // Аудит и финансовый анализ. 1997. №3. С. 54-60.

87. Фаттахов Р.В. Постановки, решения и анализ задач оценивания инвестиционных проектов в новых условиях хозяйствования. М.: ЦЭМИ РАН, 1996. С. 69-98.

88. Фаттахов Р.В. Исследование подходов к проблеме оценки эффективности инвестиционных проектов // Автоматизация и современные технологии, 1995, №8. С. 33-38.

89. Финансовый менеджмент. М.: Carana Corporation -USAID, 1998. С. 136-197.

90. Фишберн П. Теория полезности для принятия решений. М.: Наука, 1978. С. 122-143.

91. Хендерсон, Кен. Delphi 3 и системы клиент/сервер. Руководство разработчика. Пер. с англ. К.: Диалектика, 1997. С. 540-607.

92. Холт Р.Н., Баренс С.Б. Планирование инвестиций. М.: ДелоЛТД, 1994. С. 96-112.

93. Четыркин Е.М. Методы финансовых и коммерческих расчетов. М.: Дело, 1992. С. 13-23.

94. Шагалиев Р.Д. Учет рисков в реальных инвестициях // Моделирование, вычисления, проектирование в условиях неопределенности 2000: Тр. ме-ждунар. науч. конф. Уфа: УГАТУ, 2000. С. 315.

95. Шагалиев Р.Д., Розанова Л.Ф. К вопросу об учете рисков реальных инвестиционных проектов // Принятие решений в условиях неопределенности: Межвуз. науч. сб. Уфа: УГАТУ, 2000. С. 83-89.

96. Шагалиев Р.Д., Григорчук Т.И., Розанова Л.Ф., Розанова З.В. Моделирование оптимального портфеля реальных инвестиций // Экономика России на рубеже веков. Сб. науч. тр. Уфа: Изд. Фонда содействия развитию научных исследований, 2000. С. 181-183.

97. Шагалиев Р.Д. Оценка рисков реальных инвестиционных проектов методом анализа чувствительности // Математическое моделирование в решении научных и технических задач. Вып. 2. Уфа: Технология, 2001. С. 28-32.

98. Шагалиев Р.Д., Розанова Л.Ф. Метод оценки рисков реальных инвестиционных проектов в условиях неопределенности // Принятие решений в условиях неопределенности: Межвуз. науч. сб. Уфа: УГАТУ, 2001. С. 164—170.

99. Шагалиев Р.Д., Максименко З.В. Вероятностный подход к оценке рисков инвестиционных проектов // Междунар. молодежи, науч.-техн. конф. -2001. Уфа: УГАТУ, 2001. С. 35.

100. Шагалиев Р.Д., Максименко З.В. Вероятностное моделирование рисков инвестиционных проектов в условиях неопределенности // Вестник УГАТУ. 2002. Т. 3, №1. С. 142-147.

101. Шапиро В.Д. и др. Управление проектами. СПб.: ДвТрИ, 1993. С. 55-59.

102. Шарп У., Александер Г., Бэйли Дж. Инвестиции: Пер. с англ. М.: Инфра-М, 1997. С. 231-254.

103. Шеремет А.Д., Сайфуллин Р.С. Методика финансового анализа. М.: ИНФРА-М, 1996. С. 12-116.

104. Шумилин С.И. Инвестиционное проектирование. М.: Финстатин-форм, 1995. С. 57-63.

105. Юдаков О. Методы оценки финансовой эффективности и рисков реальных инвестиций в условиях неопределенности // Инвестиции в России. 1999. №3. С. 27-31.

106. Юдаков О. Устранение конфликта между значениями NPV и IRR при сравнении альтернативных инвестиционных проектов // Инвестиции в России. 1999. №8. С. 42-45.

107. Юдаков О. Устранение конфликта между величинами NPV и IRR при сравнении альтернативных инвестиционных проектов с несколькими значениями IRR // Инвестиции в России. 1999. №9. С. 40-44.

108. Юдаков О. Метод принятия решения при сравнении реальных инвестиционных проектов в условиях неопределенности // Инвестиции в России. 1999. №12. С. 41-46.

109. Altaian Е. Corporate Financial Distress. New York: Wiley, 1983. P. 2958.

110. Clare J., Hinderland Т., Pritchard R. Capital Budgeting. Planning and Control of Capital Expenditures. Prentice-Hall, 1979. P. 195-214.

111. Fuzzy Logic Toolbox. User's Guide, Version 2. The Math Works, Inc., 1999. P. 3-30.

112. Markowitz H. Portfolio Selection: Efficient Diversificaton of Investments. New York: Wiley, 1959. P. 46-74.

113. RozanovaL., Maximenko Z., Shagaliev R. Methods of quantitative analysis of real investment project risks // CSIT'2000: Proc. of the 2nd Int. Workshop on Computer Science and Information Technologies. V. 3. Ufa: USATU, 2000.P. 5154.

114. Sharpe W.F. Capital Assets Prices: a Theory of Market Equilibrium Under Condition of Rise // J. Finance. 1964. September. P. 19-26.

115. Zadeh L.A. Fuzzy sets // Information and Control. 1965. №8. P. 38-45.

116. Zadeh L.A. Fuzzy sets as a basis for a theory of possibility // Fuzzy Sets and Systems. 1978. V.l. №1. P. 31-39.

117. Классификация качественных рисковтатистические характеристики РИП в условиях неопределенности