Værktøjer og teknikker til at prioritere risici i internationale projekter: Sensivitetsanalyse og realoptioner.

Størrelse: px

Starte visningen fra side:

Download "Værktøjer og teknikker til at prioritere risici i internationale projekter: Sensivitetsanalyse og realoptioner."

Ingvar Henningsen
6 år siden
Visninger:

1 Værktøjer og teknikker til at prioritere risici i internationale projekter: Sensivitetsanalyse og realoptioner. Kapitel 9

2 rioritizing Risk: Sensitivity Analysis and Real Options International roject Management Lecture 9

3 Sensitivitetsanalyse af ændret scenario Antag, at der i ovenstående kapitalbudget er nogenlunde sikkerhed for på skønnene for de forskellige variable, undtagen antal solgte enheder. De faktisk solgte enheder forventes efter en nærmere undersøgelse af forandringer i markedet at følge nedenstående sandsynlighedsfordeling i tre scenarier: Kategori Sandsynlighed Solgte enheder Værst ,000 Middel ,000 Bedst ,000 Alle andre faktorer holdes konstante og nutidsværdien (NV) for hvert scenarie kan bestemmes. Kategori Sandsynlighed NV Værst $27.8 Middel 0.50 $15.0 Bedst 0.30 $57.8 E(NV) = 0.20(-$27.8)+0.5($15.0)+0.30($57.8) = $17.8 Den forventede monetære værdi (EMV) af projektet er således steget til $17.8 på baggrund af scenarioanalysens ændrede salgsprognoser i Kina, svarende til den højere forventede nutidsværdi E(NV).

4 Måling af projektrisiko rojektrisikoen er projektets samlede enkeltstående risiko, hvis ellers styret uafhængigt. Denne risiko måles normalt ved standardafvigelsen ( NV ) eller variansen (CV NV ). Standardafvigelsen beregnes på baggrund af middelværdien, der er gennemsnittet af en række data. Distancen mellem hvert datapunkt fra gennemsnittet bliver kvadreret, lagt sammen og taget gennemsnit af for at finde variansen. Standardafvigelsen er kvadratroden af variansen. Bestemmelse af standard afvigelsen ( NV ), variansen (CV NV ) fra sensitivitetsanalysen af kapitalbudgettet vil se sådan ud: NV = [0.20(-$27.8-$15.0) ($15.0-$15.0) ($57.8-$15.0) 2 ] 1/2 = $30.3. CV NV = $30.3 /$17.8 = 1.70.

5 Monte Carlo simulation Monte Carlo metoden simulerer sandsynlige fremtidige udfald på en computer, så der fremstår en række afkastskøn og risiko indekser. Step 1: Skab en parametrisk model, y = f(x 1, x 2,..., x q ). Step 2: Generer et sæt af tilfældige inputs, x i1, x i2,..., x iq. Step 3: Evaluer modellen og gem resultater som y i. Step 4: Gentag steps 2 and 3 for i = 1 til n. Step 5: Analyser resultaterne ved brug af fordelinger, summerede statistikker, konfidensintervaller, etc. Dette risikoanalyseværktøj kan let implementeres i Excel for simple modeller. Til mere komplekse simulationer forefindes softwarepakker, der ofte er konstrueret som tilføjelser til spread-sheet programmer.

Essensen af Monte Carlo stokastisk usikkerdsspredning Kvantificering gennem triangulære, uniforme, diskrete og kontinuerte sandsynlighedsstrukturer INUTS: X

6 Essensen af Monte Carlo stokastisk usikkerdsspredning Kvantificering gennem triangulære, uniforme, diskrete og kontinuerte sandsynlighedsstrukturer INUTS: X 1 : X 2 : X 3 : Modelberegning =F(x 1, x 2, x 3 ) Y a : Y b : Y c : OUTUT: Resultat udtrykt ved konfidensinterval, variabilitet og volatilitet, risikohale etc.

7 Realoptioner Realoptioner fremkommer når projektledelsen kan påvirke størrelsen og risikoen ved et projekts pengestrømme (CF s) ved at ændre handlingsmønster i projektforløbet. Realoptionsanalysen supplerer typisk NV budgetanalysen med en analyse af opståede muligheder som følge af ledelsesbeslutninger. De klassiske eksempler på realoptioner anvendt i projekter er klassificeret i fire kategorier: 1. Optioner for ændring af investeringsmønstret giver organisationen mulighed for at beslutte om et projekt kan udskydes eller fremskyndes. 2. Optioner for at forlade eller nedlukke giver organisationen mulighed for at beslutte om et projekt kan sælges eller afsluttes, hvis det viser sig, at projektet ikke er bæredygtigt. Dette kan således medvirke til at minimere organisationens tab. 3. Optioner for vækst eller ekspansion giver organisationen mulighed for at beslutte om et projekt skal vælge at udnytte nye markedsmuligheder eller forbedret produktionsforhold, som har udviklet sig i projektets forløb. 4. Fleksibilitetsoptioner giver organisationen mulighed for at beslutte om der kan ske ændringer i produktionsfaciliteter for at efterkomme nye efterspørgselsmønstre.

8 rojekttyper i porteføljen defineret ud fra projektstadier 1.Enkeltstadieprojekt 30% 70 % LEVERI NG 2. Flerstadieprojekt 50% 50% 25% 75% 5% LEVERI NG 95 % 3.Netværksprojekt 20% 60% 40% 80 LEVERI % NG 20% 10% 80% rocenttallene angiver sandsynligheder for hvilken vej beslutninger vil gå (Kilde: Goffin 2010) 90% LEVERI NG

9 Eksempel på binomial forgrening i farmaceutisk innovationsprojekt Invester Ja/Nej - $ $ $130 - $130 - $130 $700 (.80) N=560 $ 0 (.20) $ 300 (.80) N=240 $ 0 (.20) $ 100 (.80) N=80 $ 0 (.20) År 1 År 2 År 3 År 4 År 5 Fase 2: To år Fase 3: Tre år (Kilde:Brealey; Meyrs og Allen, 2011)

10 Værdiansættelsesmetoder under usikkerhed i forskellige beslutningsstadier i projektforløbet Et Antal projektstadier Flere Monte Carlo Scorings systemer Nutidsvær di beregninge r (NV) Interne rentefodsberegninger (!RR) Lav Kommerciel og teknisk usikkerhed Høj (Kilde: Egen tilvirkning fra Goffin 2010)

Relaterede dokumenter

Kursusindhold: Produkt og marked - matematiske og statistiske metoder. Monte Carlo

Kursusindhold: Produkt og marked - matematiske og statistiske metoder Rasmus Waagepetersen Institut for Matematiske Fag Aalborg Universitet Sandsynlighedsregning og lagerstyring Normalfordelingen og Monte