Влияние взаимозависимостей проектов и рисков на формирование проектного портфеля

Размещено на http://www.allbest.ru/

Размещено на http://www.allbest.ru/

ФЕДЕРАЛЬНОЕ ГОСУДАРСТВЕННОЕ АВТОНОМНОЕ ОБРАЗОВАТЕЛЬНОЕ УЧРЕЖДЕНИЕ ВЫСШЕГО ОБРАЗОВАНИЯ

«НАЦИОНАЛЬНЫЙ ИССЛЕДОВАТЕЛЬСКИЙ УНИВЕРСИТЕТ

«ВЫСШАЯ ШКОЛА ЭКОНОМИКИ»

Факультет бизнеса и менеджмента

Направление подготовки 38.04.02 «Менеджмент»

ДИССЕРТАЦИЯ

На тему:

Влияние взаимозависимостей проектов и рисков на формирование проектного портфеля

Образовательная программа «Управление проектами»

Студент группы МУП171

Негреба Антон Владимирович

Научный руководитель

Яковлева Анна Юрьевна

Москва 2019

СОДЕРЖАНИЕ

• Введение
• Глава 1. Актуальность управление портфелем проектов в научной литературе
• Общие сведения о моделях отбора проектов
• Модели с взаимосвязями и неопределенностью
• Глава 2. План исследования и спецификация модели
• Методика построения модели
• Прогнозирование выручки
• Определение и оценка целевых показателей
• Анализ результатов
• Глава 3. Распределение ответственности
• Управление накопленным опытом
• Тестирование модели
• Изменение политики управления портфелем проектов
• Заключение
• Список использованной литературы
• Приложения
• Введение
• Существенное число современных компаний применяют проектный подход, даже если сами компании не являются проектно-ориентированными. В первую очередь в проектную деятельность вовлечены крупные организации, где, наряду с операционной деятельностью, проводятся исследования, внедряются новые технологии и разнообразные изменения, которые оформляются в проекты. Среди таких компаний особо стоит выделить те, которые активно развивают инновационные продукты и продукты с высокой добавленной стоимостью, поскольку им приходится постоянно работать над созданием дополнительной ценности для клиента, расширять продуктовую линейку, кастомизировать товары и сервисы таким образом, чтобы постоянно превосходить клиентские ожидания. В таких компаниях с помощью проектного подхода эффективно организован процесс создания нового продукта и внедрения изменений в различные функциональные подразделения. В крупных корпорациях ввиду роста числа внутренних процессов и разнообразия продуктовой линейки увеличивается и количество проектов, что определяет актуальность проблемы оценки проектов, приоритезации и отбора, поскольку управление портфелем проектов в ручном режиме становится неэффективным.
• В настоящее время в большинстве крупных компаний применяются методики, позволяющие систематизировать и формально выстроить процессы оценки и отбора проектов. Такие методики не универсальны, в различных индустриях сформировались лучшие практики со специфичными для конкретной отрасли особенностями, хотя в большинстве случаев они опираются на одни и те же принципы и научную базу. При этом чем масштабнее проект по объему инвестиций и потенциальному влиянию на компанию, тем тщательнее проходит его оценка. Основным недостатком большинства методик является то, что они рассматривают отдельный проект как изолированный элемент проектного портфеля и не принимают во внимание его включенность в основную деятельность компании, лишь в некоторой степени оценивают его воздействие на операционные и финансовые показатели. Помимо отсутствия включенности влияния проекта на основную деятельность, взаимосвязи между проектами внутри портфеля тоже часто остаются без должного внимания, обычно ограничиваясь лишь ресурсными ограничениями, накладываемыми при формировании портфеля. В случае проектно-ориентированных компаний - например, в строительстве - такой подход может быть оправдан, потому что проекты являются основной деятельностью и при этом достаточно независимы друг от друга, но для большинства других отраслей игнорирование важных взаимосвязей может негативно сказаться как на эффективности реализации проектов, так и на эффективности бизнеса в целом. Ввиду распространенности такого подхода влияние проектного портфеля на общее финансовое положение компании (не только финансовый результат, но и ликвидность активов, сбалансированность денежных потоков и т.п.) часто оценивают постфактум из-за невозможности его спрогнозировать и распланировать.
• Теория и практика управления портфелем проектов начала развиваться достаточно давно, и в настоящее время существует широкий спектр методик формирования проектного портфеля и приоритизации инвестиций. Использование конкретной методики обычно продиктовано отраслевыми особенностями и спецификой отдельных компаний, в связи с чем подходы значительно отличаются в различных отраслях, но, как было отмечено ранее, существует набор базовых методик, которые и лежат в основе адаптируемых к практике инструментов. Среди наиболее популярных методов можно выделить критерии экономической эффективности и скоринговые модели, которые оценивают соответствие отдельного проекта инвестиционным критериям и стратегическим целям компании. В основе этих методов лежат разные механизмы оценки проектов, но они схожи в том, что:

a) Часто ориентированы на оценку одного параметра, такого как финансовая целесообразность проекта, но при этом не учитывают многие другие показатели, например, риски. К таким методам относятся популярные критерии оценки проектов NPV, IRR, период окупаемости и т.п. Скоринговые модели, хоть и пытаются решить задачу многокритериальной оптимизации портфеля, тоже несовершенны: не все вводные таких моделей могут быть объективно оценены, не всегда очевидно, какие веса должны быть присвоены переменным и т.п. Методы, нацеленные на поиск группы оптимальных портфелей проектов (например, в терминах риск-доходность) распространены не широко, но в работах последних лет элементы такого анализа встречаются в многоступенчатых методиках оптимизации.

b) За «простоту» метода приходится расплачиваться реалистичностью предпосылок. В частности, во многих методах не учитывается взаимосвязанность проектов и влияние этих связей на формирование итогового портфеля. В реальном мире взаимозависимости могут наблюдаться не только между проектами внутри портфеля, но и между проектами и операционной деятельностью компании.

В свете обозначенных выше недостатков становится актуальной задача разработки такого подхода к оценке проектов (или соответствующей модификации существующих моделей), который бы позволил:

1) Сформировать проектный портфель (множество проектных портфелей), который(-ые) бы в наибольшей степени соответствовал(-и) целям компании

2) Использовать множественные критерии отбора проектов в портфель, учитывающие как финансовые и нефинансовые выгоды, так и риски отдельных проектов и портфеля в совокупности

3) Учесть различные ограничения, накладываемые как в рамках управления портфелем, так и операционной деятельностью компании, стратегией компании и возможностями финансирования

4) Учитывать различные типы взаимодействия между проектами, положительные и отрицательные экстерналии и корреляции, возникающие внутри портфеля, которые не могут быть обнаружены в ходе анализа проектов по-отдельности

5) Оценивать влияние индивидуальных проектов и всего проектного портфеля на компанию в целом.

Разработка подобных методов представляется нетривиальной задачей, и в большинстве случаев речь идет, скорее, о концепции метода отбора проектов, нежели об одной универсальной модели, которая могла бы охватить все многообразие проектов, компаний и отраслей. Несмотря на большую приближенность к реальности и потенциально высокую надежность подобного подхода в приложении к решению практических задач портфельных управляющих, возникает вопрос о том, обладают ли такие методы значимыми преимуществами перед существующими: приведет ли использование более сложных инструментов к росту эффективности решения задач формирования портфеля проектов? Таким образом, цель данной работы - предложить метод отбора проектов в условиях неопределенности и наличия сложных взаимодействий между показателями проектов и показать его преимущества перед наиболее распространенными простыми критериями.

Для выявления преимуществ метода, в настоящей работе будет построена модель, обладающая свойствами (1) - (5), обозначенными выше. После этого будут рассмотрены потенциальные проекты упаковочной компании, из которых, при помощи предложенной модели, будет сформирован портфель. Сравнение этого портфеля проектов с результатом, получаемым при использовании популярных упрощенных методов, позволит выявить преимущества предложенной модели. Изначально есть причины полагать, что такой подход действительно обладает рядом преимуществ. Основная идея подхода позаимствована из теории портфельного управления на рынках ценных бумаг: предполагается, что выбор в портфель того или иного проекта влияет не только на получаемые экономические выгоды, но и помогает диверсифицировать риски портфеля проектов и компании в целом. Если это на самом деле так, то выбор оптимального портфеля по соотношению риск/доходность не обязательно должен совпадать с выбором оптимального портфеля в детерминированных условиях по критерию NPV или схожему.

Объектом исследования выступят потенциальные проекты упаковочной компании, занимающей одну из лидирующих позиций на российском рынке гибкой упаковки. Предметом исследования будет влияние портфеля проектов компании на ее финансовые показатели. У исследования две основные гипотезы:

H1. Модель, предполагающая наличие взаимосвязей внутри портфеля проектов и между проектами и операционной деятельностью компании, позволяет выявить синергии между проектами и сформировать более предпочтительный портфель по сравнению с простыми критериями отбора проектов

Такой эффект будет наблюдаться в случае наличия двух и более проектов, влияющих на один и тот же сегмент продукции, производимой компанией.

H2. Взаимосвязи между проектами могут приводить к снижению рисков и использоваться для диверсификации портфеля

Идея данной гипотезы состоит в том, что включение того или иного набора проектов в портфель влияет на финансовые и операционные показатели компании в целом, в том числе на ее финансовую устойчивость. В наиболее распространенных методиках формирования портфеля этот факт не учитывается, но если он имеет место быть, то можно утверждать, что методика отбора проектов в портфель должна учитывать не только риски портфеля проектов, но и риски компании.

Основные задачи, требующие решения в рамках проверки рабочих гипотез:

1) Определить возможные риски каждого проекта и финансовые показатели, на которые они могут существенно повлиять, проанализировать возможные взаимосвязи между проектами;

2) Формализовать предложенный метод в терминах задачи оптимизации

3) На основе финансовой отчетности компаний выявить распределение финансовых показателей, подверженных рискам проектов;

4) Построить финансовую модель компании и определить эффекты реализации проектов

5) С помощью метода Монте-Карло смоделировать распределение ключевых показателей для всех возможных портфелей проектов из потенциально возможных проектов компании;

6) Проанализировать получившиеся портфели проектов, сравнить результаты с полученными при рассмотрении изолированных несвязанных проектов.

Методика проведения исследования, предполагаемые подходы к решению поставленных в работе задач и выбранные методы исследования:

· Статистический анализ финансовых данных

Статистический анализ является преимущественным методом исследования, т.к. позволяет получить научно обоснованные данные, но его применимость ограничена недостатком данных. В данной работе он будет использован для анализа исторических финансовых данных компаний в отрасли, что позволит получить точное распределение выручки - основной случайной величины, используемой для моделирования денежных потоков компании. Для этого в среде R будет проведена оценка прогноза линейной модели по панельным данным.

· Численное моделирование

Построение финансовой модели в MS Excel; определение случайных величин с заданными законами распределения при помощи надстройки Crystal Ball, получение распределений NPV портфелей при помощи метода Монте-Карло и встроенных оптимизационных инструментов. Метод Монте-Карло широко применяется при работе со случайными величинами, т.к. позволяет относительно просто решать задачи, в которых получение аналитического решения затруднительно.

Глава 1. Актуальность управление портфелем проектов в научной литературе

В данной главе будут рассмотрены основные научные работы, посвященные методам отбора проектов в портфель компании. Наибольшее внимание будет уделено ключевым работам, в которых основной акцент сделан на аспектах управления портфелем проектов, рассматриваемых в данной магистерской диссертации.

Прежде чем начать обзор статей по заявленной теме, стоит определить с три ключевых понятия: что такое проект, портфель и управление портфелем. Термины «проект» и «портфель» явно определены институтом PMI в PMBoK (PMI, 2013): «Проект - это временное предприятие, направленное на создание уникального продукта, услуги или результата». Проекту противопоставляется операционная деятельность, характеризуемая как повторяющаяся и неограниченная во времени. Понятие портфеля проектов из того же PMBoK (PMI, 2013): «Портфель - проекты, программы, подпортфели и операционная деятельность, управляемые как группа с целью достижения стратегических целей». Последний важный термин - управление портфелем проектом - представлен в Стандарте управления портфелем (PMI, 2006): «Управление портфелем - это способ достижения стратегических целей посредством отбора, приоритезации, оценки и управления проектами, программами и другой релевантной деятельности на основе их соответствия и вклада в стратегию и цели компании». В самих стандартах нет четких инструкций и рекомендаций по использовании конкретных методов управления портфелями, а лишь сформированы ключевые принципы. Это связано с большим разнообразием существующих на данный момент подходов и отсутствием среди них универсальных.

По сравнению со многими областями научных знаний, исследования в области управления проектами имеют не такую долгую историю, но уже сейчас являются одной из наиболее актуальных тем в научной литературе. По данным базы Scopus с 2010 года в среднем публикуется более 14 тысяч статей в год (scopus.com), посвященных проектному менеджменту.

Таблица 1. Количество статей по ключевым словам "project management" в базе Scopus по годам

Такая популярность главным образом связана с поиском новых подходов к традиционным вопросам проектного управления в быстро меняющейся рыночной среде и в контексте эволюции и появления новых бизнес моделей. Большая часть работ хоть и использует научный подход, носит чисто прикладной характер, в связи с чем результаты таких работ во многих случая не могут быть обобщены и экстраполированы на аналогичные задачи или компании других отраслей. Публикации более общих, теоретических работ связаны с появлением в распоряжении исследователей нового инструментария, зачастую заимствованного из смежных областей. В частности, речь может идти о появлении новых инструментов в свете последних исследований и наработок в области машинного обучения, больших данных и применении новых алгоритмов и программного обеспечения на основе современных подходов к анализу данных. Наибольший интерес для данной работы представляют тенденции в исследовании методов отбора проектов и формирования проектного портфеля, в том числе с учетом тех особенностей, о которых говорилось ранее - взаимозависимостей между проектами и неопределенностью. В статье (Hall, 2013) тема разработки устойчивых моделей выбора проектов с учетом неопределенности была обозначена как одно из наиболее приоритетных и перспективных направлений в научной литературе, посвященной управлению проектами. По замечанию автора, несмотря на большое количество работ, посвященное самому управлению проектами, методики, позволяющие делать отбор проектов на основе подробной спецификации их характеристик и взаимосвязей, представлены не так широко. За последние годы ситуация не сильно изменилась: тема отбора проектов в портфель компании весьма актуальна, и количество работ растет год от года, но такие факторы как неопределенность и взаимозависимость проектов практически не освещены в литературе.

Таблица 2. Количество статей по отбору проектов (всего и по тематике) в базе Scopus

Ниже будут приведены наиболее существенные работы по указанной тематике, в которых представлена основная часть теоретической базы, существующей на текущий момент. Практическая часть работы в значительной степени опирается на данный обзор в попытке представить симбиоз различных существующих методик, который позволил бы выявить и частично устранить пробелы в имеющейся теории, а также предложить прикладной инструмент анализа проектов и формирования портфеля.

риск проектный портфель

Общие сведения о моделях отбора проектов

Основной пул наиболее популярных методик и принципов оценки проектов и формирования портфеля проектов был сформирован еще в XX веке. Краткий обзор и небольшая сравнительная характеристика этих методик хорошо представлены, например, в работе (Archer et al., 1996). Авторы разбивают процесс формирования портфеля проектов на два крупных этапа - оценка отдельного проекта и отбор проектов - и выделяют основные группы используемых на каждом этапе методов (названия содержат не точный перевод).

Таблица 3. Основные методы оценки и отбора проектов

Различные комбинации оценки индивидуальных проектов и методики отбора проектов в итоге формируют подходы к управлению портфелем, применяемые компаниями. У каждого из представленных методов есть преимущества и недостатки, и во многом решение о их применении и эффективность применения будут зависеть от особенностей конкретной компании, специфики ее проектов и проектного портфеля, к тому же важно понять, какой именно инструмент из каждой категории использовать. В этой же статье приводится сравнение плюсов и минусов конкретных методик, включая то, принимает ли методика во внимание неопределенность. Тем не менее вопрос взаимосвязанности проектов авторы не затрагивают, хотя как будет показано на примере прочих статей, данный вопрос крайне важен и напрямую влияет на выбор инструментов. Более того, возможно, для решения данного вопроса может понадобиться комбинация различных методик внутри одной группы, способная учесть особенности многих проектов.

Примечательно, что формальные и научно-обоснованные модели отбора проектов до недавнего времени были представлены не так широко на практике, и в большинстве случаев компании ограничивались использованием простых проверенных методик. В исследовании (Cooper et al., 2001) авторы провели опросы и интервью с представителями 30 крупных компаний, посвященные управлению портфелем проектов и, в частности, использованию различных методик оценки и приоритизации инвестиций. В 40% компаний преобладающим методом оказался финансовый (расчет NPV, IRR, PP и т.п.), на втором месте по популярности - бизнес стратегия, доминирующий метод в 27% компаний. Данный метод не был хорошо определен и специфицирован авторами, но судя по приведенным примерам, к нему могут относиться и скоринговые модели, основанные на субъективной оценке проектов на соответствие стратегическим задачам компании, и простой отбор на основе опыта и экспертного мнения портфельного управляющего. Кроме того, авторы выявили, что не во всех функциональных подразделениях управление проектами оценивают как важную функцию: по пятибалльной шкале (5 - критически важно) важность управления портфелем проектов в сфере технологий и разработок оценивалось респондентами на 4.2/5 баллов, в то же время представители отделов маркетинга и продаж оценивали его как функцию средней важности со средним баллом 3.0/5. Наименее важной функцией управление портфелем проектов оказалось в операционных подразделениях - 2.5/5, что в принципе логично, учитывая характер деятельности подразделения. Исследование проводилось среди относительно крупных компаний (средняя выручка $6,74 млрд), что не позволяет распространить результаты опроса на все компании и делать выводы об общем уровне использования моделей, для этого необходимо также посмотреть по крайней мере на компании среднего размера.

Еще одним ярким примером является компания BMW, которая вплоть до начала XXI века осуществляла отбор R&D проектов преимущественно в ручном режиме на основе экспертных суждений руководителей проектов (Loch et al., 2001). Лишь в начале 2000-х была разработана методология, позволяющая формировать набор проектов в соответствии со стратегическими целями компании в сфере R&D разработок (авторы методики использовали линейное программирование для минимизации отклонений показателей проектного портфеля от установленных целевых показателей). Во многом данная модель была несовершенной (опять же - не учитывались факторы взаимодействия, хотя от неопределенности удалось отойти за счет применения измеримых показателей, которые легко и объективно определяются), но такая модель позволила не только формализовать подход к отбору проектов, но и повысить эффективность как достижения стратегических целей, так и распределения и использования ресурсов на проектах.

Подробный перечень работ, посвященных формированию проектного портфеля, приводится в (Henriksen, 1999), но данные подходы либо уже хорошо изучены, либо так и не обрели продолжения и популярности среди практиков и в научных кругах. В связи с этим, в данной главе будут рассмотрены лишь несколько основополагающих работ XX века, которые необходимы для понимания истории изучения конкретных аспектов формирования проектного портфеля, рассматриваемых в данной диссертации, и идей, на которых основывается модель, представленная в практической части.

Как было показано ранее, существует достаточно много методов отбора проектов, причем практически каждый из них изучался не в единственной спецификации. Основные аспекты проблемы отбора проектов в портфель компании, интересные в рамках данной работы, были достаточно узко определены во введении для того, чтобы можно было не погружаться в детальный разбор каждого подхода и историю его освещения в научной литературе. Неопределенность и взаимозависимость проектов рассматривались не во всех работах и не всегда в подходящем контексте. В некоторых методиках, таких как скоринговые модели или модели, основанные на Байесовском подходе, учитываются риск и неопределенность, но, в большинстве случаев, оценка этого риска весьма грубая, трудоемкая и субъективная. Некоторые типы взаимозависимости тоже могут быть легко реализованы в таких методах, но их оценка получается слишком упрощенной. Более поздние научные работы предлагают новые подходы к оценке проектов с учетом риска и неопределенности, такие как метод реальных опционов (Carlsson et al., 2007) или численные методы (Shahanaghi et al., 2012, Kwak et al., 2007, Raoufi et al.,), но такие модели также фокусировались на оценке инвестиционной привлекательности и рассматривают проект в вакууме, не позволяя отслеживать взаимозависимости между элементами проектного портфеля. В связи с незначительным освещением темы взаимосвязанности проектов и оценке их в совокупности основной акцент в обзоре литературы будет сделан на тех работах, которые изначально ставили задачу исследования оптимизации набора проектов в портфеле компании, а таких работ тоже немало.

Перед тем, как перейти к обзору работ, хотелось бы вернутся к определению портфеля, представленному в начале работы, чтобы сделать два важных замечания. Во-первых, стоит обратить внимание на то, что в определении портфеля операционная деятельность является одним из его элементов и неразрывно с ним связана. Это, в свою очередь, предполагает, что эффективная интеграция управления портфелем проектов в операционную деятельность компании может помочь достижению ее стратегических целей. Как будет показано далее, это один из тех моментов, которые часто ускользают из поля зрения исследователей, в результате чего разрабатываются различные подходы к выбору проектов, которые предполагают наличие обособленных или объединенных в программу проектов, изолированных от операционной деятельности. Во-вторых, не все исследователи пытаются сопоставить предлагаемые методы отбора проектов со стратегическими целями, хотя, судя по определению портфеля, он должен ориентироваться на долгосрочные стратегические цели. (Rungi, 2010) провели анализ научных работ, посвященных взаимосвязям между проектами. Они подчеркивают, что несмотря на научно доказанное и значимое влияние взаимосвязей между проектами на стратегию компании и стратегическое управление проектом, основной фокус в литературе все же сделан именно на операционной управление портфелем проектов и их отбор проектов.

Модели с взаимосвязями и неопределенностью

Одной из первых работ, которая поставила вопрос о важности учета взаимодействия между различными проектами при формировании портфеля является (Fox et al., 1984). Авторы рассмотрели лишь один из методов оценки отдельных проектов (NPV) и метод целочисленного линейного программирования как способ максимизации NPV портфеля проектов, но с учетом распространённости подхода и его научной обоснованности (в отличие от многих других), исследования позволяет обобщать выводы и создает хороший базис для дальнейших исследований. В статье построенная упрощенная математическая модель максимизации ожидаемого NPV набора проектов. На примере этой модели показывается, что даже в случаях, когда не учитываются многие внутренние ресурсные ограничения проектов, при взаимосвязанных проектах NPV совокупности проектов не может быть представлена как простая сумма NPV из-за нелинейности функции прибыли фирмы. Такой вывод говорит о том, что в случаях взаимосвязанности проектов мы не можем принимать решения на основе большинства простых и наиболее распространенных методик отбора проектов, т.к. они не учитывают взаимосвязи. Статья демонстрирует основную идею взаимосвязанности, но не погружается в детали как природы связей между проектами, так и природы рисков. Авторы приводят теоретический численный пример, но все же. Иллюстрацией недостатков предложенного подхода иллюстрации является то, что в оригинальной статье позже была обнаружена вычислительная ошибка (Goldstein et al., 1986), исправление которой устраняет влияние взаимосвязей. Подбор нужных параметров все же позволяет корректно продемонстрировать выводы статьи, но все же такой произвольный подбор параметров оставляет много вопросов и сомнений. Именно поэтому анализ подобной теоретической модели стоит рассматривать на конкретном примере.

Хотелось бы отметить, что использованный метод линейного программирования удобен с точки зрения теории, но на практике предполагает сравнения различных NPV для N проектов с учетом всех связей, что накладывает существенные ограничения на применимость метода. В связи с этим стоит выделить отдельный блок работ, посвященный совершенствованию численных методов отбора проектов, таких как эвристические методики. К примеру, (Kyparisis et al., 1996) показали, что для больших наборов проектов применение эвристических методов несущественно снижает эффективность процедуры отбора - в пределах 3%, но при этом позволяет значительно снизить требуемую вычислительную мощность. Среди эвристических методов все больше работ посвящены генетическим алгоритмам, которые при прочих равных позволяют снизить вычислительную сложность задач поиска оптимального портфеля. Как показали в работе (Carazo et al., 2010), генетические алгоритмы универсальны, их применение не накладывает ограничений на целевые функции или спецификацию моделей, но при этом они могут быть эффективнее прочих эвристических методов. Данные результаты были получены на тестовых данных с равномерными распределениями, и результат может отличаться на практике, но в большей степени за счет включения других факторов. Более того, эвристики предполагают использование множественных ограничений на проекты, но при этом не предполагают многокритериальную оценку проектов (опять же использован только NPV), и их модификация за счет включения новых критериев, связей между ними вряд ли возможна.

Наиболее важными в контексте магистерской диссертации являются две работы - (Sefair et al., 2005) и последовавшая за ней уже упомянутая выше (Zuluaga et al., 2007). Первая статья рассматривает формирование портфеля проектов с учетом риска и выгод проектов, вторая - формирование портфеля с учетом взаимосвязей между проектами. (Sefair et al., 2005) использовали подход, который традиционной используется в портфельном управлении на финансовых рынка. Данный подход предполагает, что портфель должен формироваться не только на основе выгод от проектов (доходности ценных бумаг), но и с учетом риска. В качестве меры выгоды авторы используют NPV проектов, а в качестве меры риска - дисперсию NPV по аналогии с дисперсией доходности ценных бумаг на финансовых рынках. В рамках модели каждый проект характеризуется своими случайными денежными потоками (нормально распределенными), в качестве управляющих переменных - бинарная - возможность выбрать проект в портфель или не выбрать - и номер периода в рассматриваемом инвестиционном горизонте, в котором производятся инвестиции. Затем используется линейное программирование, которое подбирается таким образом, что 1) максимизирует NPV портфеля и 2) минимизирует риск портфеля. Оптимизация NPV (1) и дисперсии NPV (2) производятся последовательно. Порядок этой оптимизации влияет на конечный результат и производится на усмотрение лиц, принимающих решения, в зависимости от риск-аппетита компании и общего видения корпоративной стратегии. Основными результатами работы являются два вывода: различные политики компании по отношению к риску влияют на а) оптимальное расписание выполнения проектов и б) набор проектов в портфеле компании. Первый вывод является довольно интересным и представляет как научный, так и практический интерес в приложении к управлению проектами. Что касается второго, то его актуальность под большим сомнением. Уже сама конструкция гипотетического примера, приведенного авторами, позволяет говорить о том, какие проекты не попадут в портфель, поскольку проекты не связаны друг с другом, и авторы никак не исследовали и не включали влияние корреляции между денежными потоками проектов. В такой спецификации проектов нет никаких оснований полагать, что включение проектов с отрицательным NPV может хоть на что-то повлиять, и вывод о том, что не стоит включать в портфель высокорисковый проект с отрицательной приведенной стоимостью, тривиален. Таким образом концепция статья является прямым переносом методики, которая применяется при управлении портфелем на финансовом рынке, но в тоже время она не отражает главный принцип формирования портфеля ценных бумаг - диверсификацию, т.е. возможность снизить риски за счет добавления в портфель новых элементов. Как итог - работа посвящена скорее об оптимизации существующего портфеля и распределении инвестиций во времени, но не о самом отборе проектов, тем не менее представленные авторами идеи будут использованы в практической части данной работы.

В уже упомянутой ранее работе (Zuluaga et al., 2007) также исследуется отбор проектов, но с другим механизмом влияния на NPV: авторы исследуют влияние взаимозависимостей между проектами и эффективным составлением расписания проектов. Концепция состоит том, что эффекты различных взаимосвязей между проектами напрямую зависят от того, какие проекты реализованы и в каком порядке. Отдельно хотелось бы упомянуть различные типы связей, которые выделяют авторы (впрочем, эти же типы выделяют и многие другие авторы):

· Ресурсная - ресурсные ограничения, не позволяющие выполнить сразу несколько проектов

· В выгодах - положительное влияние одного проекта на денежные проекты другого

· Технологическая - использование одной и той же технологии на различных проектах, что чаще всего делает их взаимоисключающими

Авторы показывают, что наличие связей (по крайней мере попарных), так и их масштаб влияют на оптимальный набор проектов (набор, максимизирующий NPV портфеля). В статье в очень упрощенном виде была учтена неопределенность денежных поток проектов через расчет математического ожидания NPV, но в контексте составления расписания возникает также вопрос о том, как различные наборы проектов влияют на риск нарушения расписания. Конечно, решение такого вопроса является предметом исследования отдельной работы, но позволяет по крайней мере предполагать наличие еще одной причины почему неопределенность и взаимодополняемость проектов стоит учитывать при проработке моделей отбора проектов.

Несколько иной подход используется в работах (Ghapanchi et al., 2012) и основанной на ней (Jafarzadeh et al., 2018). В первой статье авторам удается включить в модель, как неопределенность, так и взаимозависимости между проектами. Для моделирования неопределенности используется подход с нечеткими переменными (fuzzy variables). По сути риски проекта при таком подходе идентифицируются на основе экспертного мнения, но предложенных аппарат позволяется удобную для опроса шкалу Лайкерта преобразовать в некоторые вероятностные значения. Сама оптимизационная модель построена на основе соотнесения выгод и затрат проектов, а целевой функцией в данном случае является оптимальность проектного портфеля в контексте соотношения выгод и затрат. Преимуществом такого подхода является также то, что как выгоды, так и затраты являются многомерными величинами и позволяют проводить многокритериальную оптимизацию портфеля. Представленная модель являет вариантом оценки эффективности портфеля и предоставляет достаточно удобный инструментарий для отбора проектов в условиях, когда затраты, выгоды и эффекты от взаимодействия не могут быть точно заданы. Существенным преимуществом статьи было бы сравнение полученной модели с моделью без учета неопределенности или взаимодействий, поскольку такой нормативный анализ позволил бы пролить свет на то, к каким изменениям или неэффективностям может приводить использование чрезмерно упрощенных моделей, тем более что использование критерия эффективности позволило бы наглядно показать улучшение конечного варианта портфеля по сравнению с первоначальным. Также стоит отметить и недостатки модели, которые существенно ограничивают сферу ее применения. С одной стороны, проекты должны быть достаточно простые для того, чтобы на экспертном уровне можно было хотя бы грубо определять затраты и выгоды проектов, возможные синергии, а с другой стороны проектов должно быть не слишком много, поскольку данная предложенная методология также ограничена максимальным количеством проектов, т.к. количество вычислений растет экспоненциально, и даже если предположить, что вычислительных мощностей может вполне может хватить для анализа всевозможных сочетаний проектов, то экспертная оценка хотя бы попарных взаимодействий является более сложной задачей (для N проектов понадобится сравнений). (Jafarzadeh et al., 2018) использует похожую методику (Data envelopment analysis, DEA), но дополняют ее другим методом, позволяющим подбирать сами критерии оценки DEA (Quality Function Deployment, QFD). Данный метод позаимствован из теории управления продуктом и позволяет определять свойства продукта, которые позволяют достичь требуемых качеств. Предлагаемый метод позволяет использовать аналогичный подход для определения критериев, на основе которых осуществляется дальнейшая оптимизация модели. На первом этапе используется QFD с неявными переменными, на втором этапе - DEA с учетом взаимосвязей, оцененных на первом этапе. Представленная авторами модель более сложная, но при этом не приводится ее сравнение с другими моделями, поэтому сложно оценить ее преимущества. Одной из особенностей спецификаций рассмотренных моделей можно считать нефиксированные затраты на проект. В моделях, представленных авторами, результаты проектов зависят от инвестиций в проекты, что накладывает меньше ограничений и делает эти модели более гибкими. Большая гибкость и снижение требований к параметрам довольно часто наблюдается в статьях. В (Li et al., 2016) авторы сняли еще одно ограничение, а именно неделимость проектов. Предложенная в статье модель предполагает, что проекты выполняются не за один промежуток времени, а могут быть разделены на части и выполнены в разные периоды (например, проекты с несколькими этапами). На численном примере им также удалось показать, что добавление такого свойства в ряде случаев позволяет найти более эффективные решения, в частности, за счет того, что результаты первого этапа проекта могут оказывать положительное влияние на другие проекты, при этом не отвлекают все ресурсы, которые бы понадобились на выполнение всего проекта.

В литературе последних лет довольно активно используются нечеткие переменные, поскольку предоставляют исследователю достаточно удобный и универсальный инструмент, позволяющий работать с оценочными вероятностными суждениями экспертов. Одной из наиболее заслуживающих внимания работ с таких подходом является совсем недавняя статья (Alvarez-Garcнa et al., 2018). Рассматриваемый подход очень похож на (Ghapanchi et al., 2012): авторы также используют нечеткие переменные и экспертную оценку отдельных проектов и их взаимодействия (но при этом используется метод Дельфи). Основным отличием все же является целевая функция, которая в данном случае представляет собой отклонения от целевых показателей. Учитывая, что авторы рассматривают проекты инфраструктурного строительства, которое в значительной мере зарегулировано как с технологической точки зрения, так и с точки зрения многих аспектов проектного управления, логичнее применять модель достижения целевых показателей. При том, что данная методика имеет все те же слабые стороны, что были рассмотрены ранее. Сравнение двух приведенных подходов - хороший пример того, что оптимизация портфеля проекта зависит от того, в какой сфере оно применяется. Так, к примеру, значительная часть государственного сектора экономики, социальная сфера и некоммерческие компании скорее будут ориентироваться не на выгоды, которые в таких случаях не так просто измерить в сопоставимых величинах, а именно на достижение целевых показателей. Впрочем, в рамках обычной коммерческой компании данная модель может также применяться в отношении достижения стратегических целей предприятия.

Говоря о многокритериальной оптимизации, далеко не всегда возможно найти единственное оптимальное решение, особенно если используемые критерии прямо противоположны: доходность и риск, прибыль и используемые ресурсы и т.п. Не вдаваясь в детали конкретных моделей, можно говорить о том, что существуют лишь два способа решить возникающую проблему. Первый способ заключается в том, чтобы выбрать одну целевую функцию и задать допустимые ограничения на остальные параметры. Второй способ - поиск всех Парето-оптимальных решений. В этом случае можно получить несколько решений, но каждое из них будет оптимальным по всем рассматриваемым целевым параметрам, а для дальнейший отбора использовать другие методы. В литературе используются разные подходы. Так (Wey, 2008) предлагает использовать средневзвешенное значение нескольких целевых функций на некотором ограничении. Это один из наиболее простых способов, но его существенным недостатком является то, но выбор весов первоначальных функций ничем не обоснован, т.е. невозможно обосновать, чем найденное единственное оптимальное решение лучше других возможных решений, которые можно было бы получить с использованием других весов. (Eilat et al., 2008) предложили модель, основанную на DEA и BSC (Balansed Scorecard, разновидность комплексной оценки показателей компании). Два метода были скомбинированы для того, чтобы с одной стороны снизить количество необходимой для оценки проекта информации, с другой - для того, чтобы получить возможность работать не только с количественными, но и качественными оценками предлагаемых проектов. Модели, которые легли в основу этой работы, не новы, но их сочетание позволяет взглянуть на задачу формирование проектного портфеля с другой стороны. Авторы предлагают использовать специально сконструированный рейтинг для определения приемлемости проекта. Возможны ситуации, когда этот рейтинг будет одинаков для нескольких проектов, и в этом случае модель не предоставляет какой-либо нормативной информации о том, какой портфель лучше, но позволяет взглянуть на гораздо более суженное пространство приемлемых решений. Похожий по сути, но более формальный подход с рассмотрением проблемы неопределенности был использован (Medaglia et al., 2007). Авторы использовали критерий стохастической Парето-оптимальности для формирования портфеля проектов с помощью генетического алгоритма. У предложенного алгоритма есть два существенных преимущества. Во-первых, результат представляет собой не одно решение, а набор оптимальных портфелей, среди которых можно выбирать наиболее приемлемое для компании в зависимости от текущих целей и потребностей. Во-вторых, отсутствие необходимости проверки всех возможных сочетаний проектов (авторы включали взаимозависимости, поэтому корректная проверка проектов по-отдельности невозможна) значительно сокращает требования к вычислительной мощности по сравнению, например, со случайным PSI (stochastic parameter space investigation, очень близкий к Монте-Карло). Среди всех рассмотренных в данной главе работ, в (Medaglia et al., 2007) представлена одна из наиболее эффективных моделей, т.к. позволяет включить большое количество характеристик проектов, учесть взаимосвязи и неопределенность, а также оптимизировать вычисления, что позволяет применять модель в случае большого количества проектов. Сложности с применением модели могут возникнуть лишь в случае спецификации параметров и при анализе влияния проектов на компанию, т.к. решение этих вопросов авторы оставляют за рамками модели.

Выводы

Таким образом, следует отметить, что работ, в которых бы рассматривались некоторые существенные аспекты проблемы отбора проектов - а именно, влияния взаимосвязей между проектами на неопределенность и риски - представлено недостаточно. Во-первых, во всех упомянутых работах рассматривался портфель проектов вне контекста операционной деятельности компании, хотя в части работ и делались успешные попытки построить модели, ориентированные на достижение стратегических целей компании. Такая изолированность управления портфелем проектов зачастую не может быть перенесена на практику или по крайней мере должна быть обоснована, в противном случае практическое применение предлагаемых подходов стоит рассматривать лишь в отношении проектно-ориентированных компаний. Во-вторых, многие авторы учитывают взаимодействия и взаимосвязи между проектами, но далеко не всегда показывают, почему важно учитывать такие взаимосвязи.

Глава 2. План исследования и спецификация модели

Работа включает следующие этапы реализации:

a) Построение математической формальной модели предложенной методики, что позволит четко сформулировать гипотезы и логику проведения исследования

b) Построение финансовой модели компании. Т.к. целью модели является оценка воздействия конкретных проектов, а не перспектив компании в целом, за основу была взята DCF-модель, включающая три формы отчетности со стандартными предпосылками. Для простоты анализа были исключены некоторые особенности финансовой отчетности компании (такие как финансовый результат от изменения валютного курса, особенности внутригруппового финансирования и т.п.). Это минимальный уровень моделирования, который позволит проследить влияние проектов на компанию в целом.

c) Оценка параметров проектов, которые в наибольшей степени повлияют на компанию. Данная оценка проводилась по большей части экспертно, т.к. представляется невозможным сбор статистических данных подобного рода.

d) Дополнение модели случайными переменными и анализ результатов численного моделирования в программе Oracle Crystal Ball.

Краткое описание компании

В качестве примера будет рассмотрена компания-производитель упаковки, работающая в России (65% продаж), СНГ (25% продаж) и Европе (10% продаж). В 2017 году ее выручка составляла около 2,5 млрд рублей, EBITDA 425 млн руб., чистая прибыль - 73 млн рублей. Продуктовый портфель делится на 2 категории: упаковочные материалы (90% выручки) и этикетки (10% выручки), при этом упаковка представлена в большинстве клиентских категорий (упаковка для различных категорий еды, бытовой химии, напитков и т.п.). Широкий ассортимент продукции и финансовые возможности, позволяющие устанавливать практически любое оборудование и активно вкладывать в развитие различных направлений бизнеса способствовали тому, что в 2017 году в списке потенциальных проектов компании было 19 проектов нацеленных на самые различные сферы деятельности компании от развития продаж до тестирования, разработки и внедрения новых технологий печати. Основной целью владельцев компании является максимизации ее стоимости с целью продажи компании на горизонте 5 лет, поэтому главным критерием отбора проектов на заданном временном горизонте является повышение акционерной стоимости. При этом конкретных ограничений на проекты у компании нет, помимо того, что они не должны повышать существенно повышать долговую нагрузку и делать компанию слишком рисковой.

Для целей данного исследования были выбраны 4 проекта сопоставимого масштаба с существенным влиянием на финансовую отчетность компании. 4 проекта позволяют рассмотреть их в отдельности и сформировать еще 12 портфелей с 2 и более проектами в их составе. Это позволяет получить достаточно большой набор смоделированных данных, несмотря на ограниченные возможности подробного анализа каждого из 19 проектов.

4 выбранных проекта включают в себя

· Внедрение технологии микроперфорации пленки

· Запуск производства IML этикеток

· Развитие технологии создания барьерных пленок

· Создание выделенного отдела продаж с фокусом на европейские продажи

Таблица 4. Характеристики проектов

Для моделирования использовано треугольное распределение как наиболее простое с точки зрения экспертной оценки.

Методика построения модели

Сформулируем общую задачу компании по формированию портфеля проектов.

Компания производит видов продукции и продает их в регионов. На данный момент рассматривается проектов для реализации, а горизонт планирования составляет лет. Введем следующие обозначения

Стоимость компании будет рассчитываться по формуле

(1)

Небольшое пояснение: формула (1) рассчитывает стоимость акционерного капитала компании, но для простоты и единства дальнейшего изложения будем называть ее NPV, тем более по своей сути это также приведенная стоимость.

При решении задачи отбора проектов будем рассматривать NPV компании как функцию от проектов: , где , если проект выбран и в ином случае. Каждый проект также может влиять на продажи продукции , и валовую маржинальность для некоторых и в зависимости от проекта, а также имеется некоторые затраты, которые относятся или на увеличение , или на увеличение операционных расходов . Все вышеприведенные переменные зависят от набора выбранных проектов, это будет предполагаться, но для краткости не будет записываться. Прочие переменные, входящие в расчет тоже не являются постоянными, а зависят напрямую от выручки и от инвестиционных расходов через его потенциальное влияние на рост долговой нагрузки.

С учетом определенных выше переменных и взаимодействий между ними можно определить NPV отдельного портфеля проектов (, где - множество выбранных проектов) как

(2)

Изменение параметров модели учитываются как приращения, т.е. , где - влияние на маржинальность проекта . Аналогично определены изменения инвестиционных и операционных затрат и выручки.

Легко показать, что в такой формулировке задачи подразумевается наличие синергетических эффектов между проектами, которые влияют на выручку и маржинальность в одном регионе и в одной категории продукции

Заметим, что разницы в квадратных скобках ни что иное как влияние обособленных проектов и . Таким образом суммарное влияние портфеля из двух проектом на валовую прибыль отличается от изолированного влияния каждого проекта на . С учетом того, что связи с другими переменными линейны, пропорциональное отличие будет и в других показателях. В случае с более чем двумя проектами, влияющих на одну категорию продукции в одном регионе, различия могут возникать и взаимодействия более высоких порядков, т.е. внутри троек проектов и т.п.

Представив всю необходимую терминологию и предположения, мы можем определить целевую функцию задачи выбора проектов:

На практике целевая функцию должна максимизироваться не глобально, а с учетом ограничений. Построение детальной финансовой модели дает широкие возможности по установке ограничений как финансовых, так и операционных. В общем виде мы можем записать ограничения в векторном виде как , где жирным выделены векторные величины, - набор некоторых показателей, зависящих от выбранного портфеля, а - предельно допустимые значения данных показателей. Тогда задача выбора проектов сводится к