工业投资项目的风险分析，本文主要内容关键词为：投资项目论文,风险论文,工业论文，此文献不代表本站观点，内容供学术参考，文章仅供参考阅读下载。
一、问题提出
当前，我国在投资项目的经济评价中，对于市场预测与不确定性分析工作往往过于简化，对于项目抗风险的能力和程度估计得不够，这是现行可行性研究的一大缺陷。事实上，在市场经济条件下，各种不确定因素，诸如通货膨胀、供需变化、税收政策等宏观因素，以及企业经营战略调整、内部管理、分配政策等微观因素，对投资项目的经济效益带来很大的影响。例如，在现行的投资项目财务评价中，对于未来项目收入或支出计算一般是以基年价格水平为基础的（包括产品价格、原材料、能源价格等），实际上，这与现实的发展有很大的差距。由于我国经济高速发展，近几年各种材料、产品价格变动幅度较大、物价总体水平上升较快，这对项目的经济评价影响很大。如果不考虑这些对评价中使用的基础数据有较大影响的因素，必定会使评价结果失真，经济分析就失去意义。
市场预测与不确定分析是投资项目经济评价的关键，直接影响项目评价质量。所以本文认为，在进行项目分析时，首先应找出影响净现金流量变化的主要因素，对它们发展趋势进行正确预测，并估计未来随机现金流量变化及其概率分布。在此基础上，才能运用各类评价指标对项目经济效益及其所面临的风险进行有效的评价，为投资决策提供可靠的依据。
二、影响净现金流量变化的主要因素分析与预测
影响投资项目净现金流量的因素有投资、销售收入（销价、销量）、经营成本、税金、残值等等。为了便于风险分析，本文作以下假设：
a.项目投资额（K）确定，并能在建设初一次到位 b.项目投产后只生产一种产品
c.残值为零 d.国家税收政策稳定，为了简化公式，税收暂不列入
e.项目寿命周期确定为n年 f.内部收益率给定为i[，o]这里仅讨论与风险有关的主要因素，用公式表示为：
Y[，t]＝B[，t]－C[，t]＝p[，t]·Q[，t]－c[，t]·Q[，t]＝Q[，t]（P[，t]－c[，t]） （1）式中的Y[，t]、B[，t]、C[，t]、p[，t]、Q[，t]、c[，t]分别为第t年的净现金流量、销售收入、经营成本、单位产品销价、产品销量、单位产品经营成本。下面分别对p[，t]、Q[，t]、c[，t]进行分析。
1.销售价格（P[，t]）
产品的售价是经济评价中最敏感的因素，传统的项目评估中采用基年价格作为预测值，是缺乏根据的。我们认为在确定未来销售价格时，应尽可能进行定量预测，如通过对同类产品历史价格调查，或对影响价格因素分析，用回归方法预测未来的价格趋势，并结合专家意见法确定最终列年的预测值。影响未来销售价格变化的因素很多，主要有：市场供求关系、成本、价格政策、竞争者价格、居民收入水平、通货膨胀等等，这些都应在预测中考虑到。
2.销售量（Q[，t]）
在通常经济评估中，一般把销量作为一个常数，用设计能力来代替，笔者认为在市场经济下，这种假定缺乏科学性。但是对新建项目，要较准确地预测销量有很大难度。然而我们可以设计能力为参照，并考虑影响销量的因素如市场供求关系、销售价格、产品质量、竞争情况、营销努力等等，通过概率分析估计它的变化情况，如设定几种自然状态，估计每种自然状态的概率以及销量变动。
3.单位经营成本（c[，t]）
从项目单位经营成本构成看，影响它变动的最大因素恐怕是原材料、燃料及动力费。近几年来，由于经济发展，基础工业“瓶颈”日益明显，基础工业产品供求矛盾十分突出，其价格变化幅度较大，这种现象估计会延续较长一段时间，所以未来经营变化必须在其构成因素预测基础上作出科学的分析计算。
根据以上讨论，得知未来的现金流量是随机变量，由于售价、销量、单位经营成本要分别受到多种不确定因素的影响，所以可以看成是多个随机变量之和，分别近似地服从正态分布，即：
对于这些数学期望、方差参数的估计，可以根据类似产品的历史数据并结合项目本身情况，利用线性回归或非线性回归方法来进行。
三、投资项目的风险分析模型
为了建立风险分析的概率模型，首先应对P[，t]、Q[，t]、c[，t]三者之间的关系进行讨论与设定。
1.P[，t]与Q[，t]的关系
在非垄断的竞争条件下，市场总需求与产品价格关系可用需求曲线来描述，但对于单一项目产品来说，它的市场份额不可能占有绝对高的比例，所以其价格与其销量不能直接用总需求函数来表达。当然消费者会根据价格涨跌来选择商品；厂商也会根据销售情况对价格作出一定范围的调整，由于Q[，t]与P[，t]分别受到多种因素的制约，本文可假设它们服从二元正态分布N（a[，t]，B[，t]），这里：
2.P[，t]与c[，t]的关系
尽管产品价格在市场竞争下主要由供求关系决定的，但它是建立在一定行业成本关系之上的（事实上，每个行业都有其所期望的利润率）。对于一个具体工业项目来说，就是要在市场价格下，来确定它的目标成本，以达到其预期的利润目标。所以，P[，t]与c[，t]存在着相关关系。如前分析所知，P[，t]与c[，t]都要受到许多已知或未知的不确定因素的影响，因此可假定P[，t]、c[，t]也服从二元正态分布。设rp[，t]c[，t]为P[，t]、c[，t]的相关系数，在二元正态分布的场合，c[，t]关于P[，t]的最佳预测是线性预测，而且为：
这两个值可利用蒙特卡罗技术，反复进行随机抽样模拟随机变量的变化，通过计算来得到，而这完全可以在计算机上实现。这里之所以不用传统的相关系数的计算公式，是因为那个公式无法计算并预测估计每个周期所对应的各个相关系数。
有了以上的分析，就可以求得随机净现金流的分布密度函数f（x）。这里我们假定方案寿命期内任意两个随机现金流间不存在相关关系或不考虑随机现金流间的相关关系。
而Y[，t]的分布密度函数为f[，t]（u，v），（t＝1，2，3…n）
因此可以用随机数的变化来模拟随机变量Y[，t]的变化，t＝1，2，3，…n。为了方便，可以用[0.000，0.999][n]这个n维矩形区域模拟随机向量（Y[，1]，Y[，2]，…Y[，n]）的变化，每一组随机采样值就可以确定一个IRR值。因此可很方便地求出内部收益率的取值范围发生在某一区间的相对频率，这个频率可以看作相应的内部收益取值发生的概率的近似值，模拟中取的样本数据越多，相对频率与实际概率越接近。由此可确定内部收益率IRR的概率分布。
通过计算，就可以得出NPV＞0的概率、IRR＞i[，0]的概率以及NPV和IRR位于某个区间的概率，由此为依据，进行投资项目的风险分析。
四、结束语
通过项目经济评价指标的概率密度函数的建立，就可以知道评价指标如NPV、IRR在某一值域的概率，从而使决策者对投资项目面临的风险有一个明确的认识，此方法不仅对投资方案的分析评选，而且对投资决策都有着重要的指导意义。
在目前许多技术经济或项目评估的教科书中，概率分析往往是基于NPV服从正态分布的假定，然而这种假定是缺乏依据的。本文在对构成净现金流量的因素预测估计分析的基础上，通过建立风险分析模型，计算出NPV的概率密度函数来预计风险是一种新的尝试。但是，这样方法还有许多方面值得进一步研究，如用回归方法来预测各种分布参数，对于项目周期较短方案比较适用；而对周期长的方案（20年、30年等），因远期环境变化很难预计，用数学模型无法解决问题。因此，在进行投资项目风险时，一定要结合项目的具体情况把定量分析与定性分析结合起来。
此外还需要说明一点，本文中的风险分析方法，不仅用于项目的事前可行性分析，对于事中复评也是有效的，由于原来未知条件在事中成为已知条件，事中复评效果会更加好。