Потенциально размерность может быть любой, но на практике имеет смысл поставить несколько ограничений, отражающий наиболее критические для компании параметры. В контексте рассматриваемой в данной работе компании наиболее существенными можно считать финансовые ковенанты, чаще всего устанавливаемые кредитными учреждениями при предоставлении финансирования. Они могут отличаться в зависимости от использования финансирования, отрасли, текущего состояния компании, политики кредитной организации и т.п. Выделим для примера два критерия, наиболее подходящий для рассматриваемого случая: (Debt Coverage Ratio, отношение долговой нагрузки к операционной прибыли до уплаты процентных расходов, налогов и вычета амортизации активов) и (Net Assets, чистые активы, рассчитываемые как разница между балансовой стоимостью активов и долговых обязательств).

В отличие от представленной модели, в реальности нам неизвестны точные значения выручки компании и эффектов от реализации проектов даже с учетом возможности планировать часть продаж через заключение контрактов и экспертно оценивать влияние проектов. Слишком большая неопределенность может перевешивать потенциально большие выгодны, поэтому стоит ввести в модель факторы риска. Воспользуемся стандартной предпосылкой о логнормальном распределении совокупной выручки, . При этом будем считать, что без учета влияния проектов доли регионов и продуктов в совокупной выручке остаются неизменными. Влияние проектов также случайно и распределено так, как указано в Таблице 4.

Существует множество различных параметров, которые возможно использовать в качестве меры риска (помимо уже обозначенных критериев, которые по сути тоже являются критериями риска) в данной модели: дисперсия NPV фирмы (в соответствии с (1)) или NPV портфеля (исходя из формулы (2)), NPVaR портфеля или фирмы (или критерий повышенной надежности Роя как более универсальный вариант), коэффициент вариации и т.п. Основная проблема с использованием простой дисперсии в том, что она не позволяет учесть масштаб проекта. NPVaR и коэффициент позволяют это сделать, хотя в NPVaR это учтено не явно. Еще один аргумент в пользу NPVaR - он понятен и с точки зрения менеджмента компании, намного проще определить нижнюю допустимую границу NPV, чем довольно абстрактный коэффициент вариации.

Следуя логике, представленной ранее, дальнейшим шагом необходимо показать, как взаимосвязи проектов влияют на риск, но с учетом всех взаимосвязей внутри финансовой модели и между случайными величинами, данная задача представляется слишком сложной для аналитического решения, поэтому ниже представлены результаты моделирования в Excel и анализ полученных результатов. Саму модель в базовой модификации (т.е. до отбора каких-либо проектов) можно найти в Приложении 1.

При построении финансовой модели использовались в основном стандартные предпосылки, которые широко применяются на практике в финансовой сфере, конкретные руководства могут быть найдены, например, в (Pignataro, 2013) или (Tjia, 2009). Ввиду отсутствия некоторых данных о компании были введены некоторые упрощения, в частности, модель пренебрегает изменениями валютного курса и детальным расписанием введения в эксплуатацию и списания основных средств и деталями погашения долга.

Прогнозирование выручки

Прогнозы выручки также имеют большое влияние на качество модели, поскольку именно выручка является показателем, от которого моделируются многие другие. Для более корректного моделирования данной величины были получены статистические данные о распределении выручки компании. Для прогнозирования выручки были собраны исторические данные о выручке на российском рынке среди крупнейших производителей упаковки.

Таблица 5. Выручка крупнейших производителей упаковки в России, млн руб.

Название	2012	2013	2014	2015	2016	2017
Danaflex	2088	2004	2293	2885	3368	2879
DanaflexNano	1766	2231	3211	4970	6602	7123
Mondi	н/д	н/д	н/д	1483	2809	2541
PofFlexo	2294	2186	2648	4802	4594	4211
Limaton	1257	1462	1658	2145	н/д	н/д
Conflex	1899	1699	1968	2306	2561	2375
Multiflex	1987	2167	2501	2533	1485	1696
Constantia	1348	1579	1963	2621	3261	2867
SealedAir	2580	3131	3905	4915	5061	4949
TheCompany	1758	1880	1887	2572	2852	2651

Две компании, которых отсутствовали данных за 2012-2017 были исключены из выборки. Для остальных компаний логарифм выручки каждой был аппроксимирован отдельной линейной моделью на предмет наличия выбросов.

Рис.1 Тренды выручки крупнейших упаковочных компаний в России за 2012-2017

После визуального анализа были исключены еще две компании (DanaflexNano как самая быстрорастущая компания и Multiflex как компания с падающей выручкой). По остальным компаниям была оценена регрессия вида

где - логарифм выручки компании i в год t, и - дамми-переменные для года t и компании i соответственно.

Получены следующие результаты

Таблица 6. Результаты регрессионного анализа

	Оценка	Стандартная ошибка	t-значение	Pr(>|t|)
Пересечение	-246,95	27,27	-9,056	0,000	***
Год	0,13	0,01	9,336	0,000	***
CompanyConstantia	0,02	0,08	0,291	0,773
CompanyDanaflex	0,18	0,08	2,297	0,029	*
CompanyPofFlexo	0,44	0,08	5,471	0,000	***
CompanySealedAir	0,63	0,08	7,857	0,000	***
CompanyTheCompany	0,05	0,08	0,644	0,525
Значимость 0 '***' 0,001 '**' 0,01 '*' 0,05 '.' 0,1 ' ' 1

Из вышеприведенной таблицы нельзя говорить о надежном прогнозировании выручки относительно рассматриваемой компании, и более ценным является коэффициент при переменной Год, т.к. по сути он отражает средние темпы роста в отрасли, которые в модели использованы для расчета математического ожидания выручки в конкретный год при том, что базовый год (2017) известен.

Мы также можем легко рассчитать интервальные прогнозы, из которых легко находится дисперсия для логнормального распределения, которое будет моделироваться далее.

Таблица 7. Интервальная оценка прогнозов логарифма выручки и стандартные отклонения прогнозов

	Прогноз	Левый 95% инт.	Правый 95% инт.	Стандартное отклонение
2018	8,150	7,828	8,471	0,158
2019	8,276	7,945	8,607	0,163
2020	8,403	8,060	8,745	0,168
2021	8,529	8,174	8,884	0,175
2022	8,655	8,285	9,026	0,182

Чтобы убедиться, что полученными результатами можно пользоваться мы дополнительно провели тесты Шапиро-Уилка на нормальность остатков и Дарби-Уотсона на автокорреляцию, которые подтвердили, что остатки нормальные и независимые, поэтому полученные прогнозы и стандартные отклонения могут использоваться дальше.

Таблица 5. Тесты на нормальность и автокорреляцию

	H0	Статистика	p-значение
D-W	Автокорреляции ошибок нет	1,5253	0,1940
S-W	Распределение нормальное	0,9804	0,7599

Определение и оценка целевых показателей

Для оценки проектов было выбрано 3 показателя:

1. NPV - наиболее оптимальных показатель, характеризующий инвестиционную привлекательность проекта в контексте достаточности генерируемых им денежных потоков. В случае с неопределенностью в качестве целевой функции будет использоваться математическое ожидание NPV. Для отдельного портфеля проектов это

2. NPVaR (95%) - данный показатель отражает сумму, ниже которой NPV не опустится с заданной вероятностью, в данном случае - с вероятностью 0,95. Для отдельного портфеля проектов будем обозначать как .

3. Минимальное значение Z Альтмана для непубличных компаний (например, Altman et al., 2000) за 5 лет - данный показатель может быть предиктором банкротства компании, поэтому решено использовать его как интегральный показатель того, как проект или портфель проектов влияет на компанию с точки зрения общих финансовых рисков, которые могут привести не только к провалу проекта, но и к финансовой несостоятельности компании. Более того, он в значительной степени агрегирует те финансовые ограничения (ковенанты), о которых говорилось ранее. Данное значение рассчитывается для компании в целом, но также зависит от проектов, в случае неопределенности будет использовано математическое ожидание минимума Z-score за 5 лет, т.е. .

Вышеизложенные показатели имеют свои недостатки, и для практического применения скорее всего окажутся не слишком эффективными в совокупности, но в данной работе они наглядно демонстрируют подход, который должен быть задействован.

Перед тем, как перейти к анализу полученных результатов, переформулируем поставленные гипотезы в введенных терминах, чтобы точнее интерпретировать результаты.

H1. Для некоторого выполнено

H2. Для некоторого выполнено

Для оценки эффектов по 1000 генераций было проведено для каждого сочетания проектов, получены следующие результаты:

Таблица 6. Результат оценки модели методом Монте-Карло.

Выбранные проекты
1	4,48	-0,52	0,05%
2	3,12	-11,95	-1,97%
3	4,4	-0,84	0,01%
4	4,61	-2,49	0,03%
1,2	7,44	-7,88	-1,91%
1,3	9,2	-1,36	0,07%
1,4	9,58	0,1	0,09%
2,3	7,16	-9,4	-1,96%
2,4	10,39	-8,73	-1,88%
3,4	9,84	-1,11	0,06%
1,2,3	10,94	-6,19	-1,92%
1,2,4	15,08	-3,68	-1,82%
1,3,4	14,57	3,02	0,11%
2,3,4	14,69	-5,41	-1,86%
1,2,3,4	20	-0,97	-1,79%

Анализ результатов

Можно заметить, что матожидание NPV проектов оказалось не так велико в масштабах компании, что вполне объяснимо, т.к. это лишь немногие проекты из всего портфеля потенциальных проектов. Изменения Z-score указывается в процентном соотношении по той же причине - масштаб проектов относительно компании не приводит к существенному снижению данного показателя, т.е. ни одно из сочетаний проектов не изменит операционных и финансовые показатели так, что компания столкнется с финансовыми трудностями. Однако в контексте данной работы этот показатель все еще важен, так как дает возможность сравнить влияние портфелей на компанию.

Для обсуждения ранее поставленных гипотез нам не обязательно рассматривать все сочетания проектов, достаточно найти хотя бы некоторые пары/тройки, которые бы помогли рассмотреть гипотезы. Идеальными кандидатами на сравнения являются {1,2,4} и {1,3,4}. При оценки портфелей {1,2,4} оказывается выгоднее, в то же время, если отбирать проекты по-отдельности по признаку наибольшего NPV, то будут выбраны проекты {1},{3} и {4}, что подтверждает гипотезу H1. Таким образом, в проектах могут быть синергетические эффекты или эффекты диверсификации, которые не могут быть обнаружены при отборе проектов стандартными методами без учета взаимосвязей и случайной природы выгод. Во-вторых, несмотря на практически одинаковый NPV набора {1,2} и суммы NPV проектов {1} и {2}, что не подразумевает синергии в выгодах, портфель менее рисковый, что поддерживает гипотезу H2.

Если мы расположим все сочетания проектов на диаграмме в координатах и или Z-score, мы сможем легко обнаружить оптимальные по Парето сочетания



Рис.2 Возможные портфели из 4 проектов

Такими портфелями являются сочетания с и , т.е. {1,2,3,4} и {1,3,4} - с самым высоким и с самым низким риском соответственно. В каких-то случаях таких наборов будет более двух, поскольку возможны и другие компромиссные сочетания «риск-доходность».

Теоретически такую же карту компромиссов можно построить и в терминах Z-score, но в нашем случае она будет не особо информативна, т.к. основное влияние на данный показатель оказывает проект 2 с большими капитальными затратами, а значит - сохранением долга на высоком уровне, снижение денежного потока. Стоит также учесть, что модель Альтмана была оценена на определенной выборке производственных компаний, она может быть верна для одной отрасли, но совсем не обязательно верна для другой, а тем более для отдельной компании. Именно поэтому на практике можно использовать похожие показатели, которые смогут учесть особенности конкретной отрасли и специфику отдельно взятой компании.

Выводы

Несмотря на то, что рассмотренные в практической части проекты не идеальная иллюстрации данной модели и выбранные прокси для финансовой устойчивости в данном конкретном случае не раскрывают весь потенциал модели, предложенная методика продемонстрировала полезные результаты, которые, при должной спецификации модели в соответствии с особенностями конкретных компания, могут эффективно применяться при анализе инвестиционных возможностей и формировании портфеля проектов. Помимо основных преимуществ, которые были продемонстрированы на примере, методика обладает рядом дополнительных преимуществ, которые могут быть легко реализованы при анализе любых проектов:

1) Возможность отслеживания любых финансовых и операционных показателей

2) Это одно из основных преимуществ, поскольку представленные в обзоре литературы работы не рассматривали проекты в контексте влияния на компанию, а исследовали их выгоды/денежные потомки и т.п. в отрыве от операционных показателей компании. Предложенный подход позволяет не только получать распределения нужных величин, но и задавать динамические ограничения на параметры оптимизации. Ввиду относительно малого масштаба проектов и низкими капитальными затратами в приведенном примере не использовалось бюджетное ограничение. Более того, в данной модели возможно использован таких ограничений, как, например, максимальное соотношение долга и операционной прибыль, т.е. ограничением будет выступать возможность компании привлекать долг, которая может меняться на фиксированном инвестиционном горизонте (при проведении исследования такое ограничение тестировалось, но в рассматриваемом случае не влияло на решения).

3) Возможность выстраивания эффективного расписания

4) Как было показано в Главе 2, многие исследователи включают в модели не только оптимизацию отбора проектов, но и выбор их оптимального расписания. В приведенном примере такое также возможно путем увеличения количества управляющих переменных и добавления на них дополнительных ограничений

5) Добавление взаимосвязей между несколькими проектами

6) С вычислительной точки зрения такое дополнение модели не сильно влияет на сложность модели, и характер взаимодействий может быть любой, как детерминированный, так и случайный

Такая большая гибкость модели делает ее удобной для использования при рассмотрении групп крупных уникальных проектов, когда необходимо проводить оптимизацию с учетом многих параметров и отслеживать влияние портфеля на десятки показателей. Обычно такие проекты включают анализ финансовых показателей. В то же время недостатки модели не позволяют эффективно использовать ее для простых изолированных проектов, по крайней мере в текущем виде. Среди основных проблем:

1) Трудоемкость построения финансовой модели

В случае менее масштабных проектов, где выгодны и эффекты взаимодействия могут быть приблизительно оценены экспертно, даже при наличии сложных взаимосвязей может быть выгоднее/быстрее использовать более простые методы

2) Экспоненциальный рост сложности вычислений

В данном случае проблема усугубляется еще и тем, что при оценке каждого портфеля требуется выполнять большое количество итераций для получения распределений. Возможно, разработка каких-либо эвристик упростит задачу, но такие работы пока не представлены.

Помимо сказанного, в рамках данной работы рассматривается методология отбора проектов на основе некоторых априорных данных о том, как отдельный проект влияет на другие проекты и на операционные и финансовые показатели. Оценка таких эффектов является отдельным вопросом, которому посвящена не одна работа в научной литературе: статистическая оценка, экспертное мнение (опросы, метод Дельфи), использование нечетких вычислений и т.п. Для простоты иллюстрации метода отбора в данной работе эти подходы не использовались, хотя заслуживают внимания как с научной, так и с практической точки зрения. С учетом того, что в компании есть внутренние эксперты, способные давать оценку проектам, компания может довольно эффективно использовать эти ресурсы для качественного планирования и выбора проектов.

При реализации представленной методики на практике стоит учитывать основные обозначенные принципы, при этом учитывая особенности конкретной компании и, конечно, ее стратегические цели.

В представленном примере при моделировании была использована финансовая модель компании, при этом в ряде случае такая подробная модель может быть излишней. Если изначально известно, что масштаб проектов компании несопоставимо мал по сравнению с масштабом операционной деятельности компании, то целесообразно, пренебречь, например, связью трех форм отчетности и сфокусироваться на операционных показателях, возможно даже не всей компании, а конкретного подразделения.

Если все же рассматривать масштабные проекты, то компания должна заранее определить ключевые показатели финансового здоровья и выстраивать модель влияния портфеля проектов на эти показатели, которые будут давать гораздо более информативные сигналы об влиянии портфеля на устойчивость компании.

Глава 3. Распределение ответственности

Модель формирования проектного портфеля компании, представленная в предыдущей главе, может успешно применяться на практике. В настоящей главе будут рассмотрены практические рекомендации по имплементации модели.

Практическое применение предлагаемого подхода может быть намного эффективнее и проще, чем в теоретическом кейсе, продемонстрированном в данной работе, ввиду ряда причин, а именно:

1) Компания обладает подробными историческими данными по выполнению проектов, поэтому может использовать анализ накопленного опыта для более точной спецификации модели

2) Компания обладает экспертными знаниями, которые позволяют с большей надежностью определять параметры проектов, их взаимосвязи и прогнозировать их будущие показатели

3) В случаях, когда работа над проектами в компании ведется непрерывно или хотя бы с большой частотой, изначальная разработка универсальной спецификации модели позволит эффективно использовать ее в будущем, не затрачивая больших ресурсов для постоянной обновление и подгонку параметров

Для того, чтобы максимально эффективно реализовать такие преимущества компании, предлагается организовать имплементацию модели по следующему сценарию:

1) Четко определить ответственных за каждый из этапов работы над моделью людей

2) Организовать систему управления накопленным опытом, которая позволит наилучшим образом отслеживать показатели эффективности выполненных в прошлом проектов и определять потенциальные влияние проектов на операционный и финансовые показатели компании

3) Протестировать модель, сравнить результаты ее использования с результатами используемых прежде методов; по результатам тестового использования определить спецификацию модели, соотнести ее с глобальными стратегическими целями компании

4) Закрепить порядок использования модели в политиках управления портфелем проектов

Для полного понимания объема работ, требуемого на каждом этапе, рассмотрим их более детально.

Работа над моделью предполагает несколько этапов со значительно отличающимся характеров работ, поэтому в целях повышения эффективности процессов управления портфелем проектов предлагается заранее распределить зоны ответственности. Без ограничения общности можно говорить о трёх ключевых сферах работы в процессе применения модели:

1) Статистическая оценка факторов неопределенности в проектах

2) Спецификация характеристик проектов и типов их взаимосвязанности

3) Применение модели и формирование портфеля проектов

В базовом сценарии ведущую координационную роль при работе над моделью выполняет проектный офис, но т.к. он присутствует не во всех компаниях (как, например, в компании, рассматриваемой в практической части данной работы), его роль может исполнять функциональное подразделение, ответственное за стратегическое развитие компании (для удобства далее по тексту будем называть ответственное за данную функцию подразделение Координатором).

Организация работы по анализу данных и статистической оценке параметров различных проектов в значительной степени зависит от организационной структуры компании. Если говорить о крупном предприятии, то во многих функциональных подразделениях есть аналитики, ответственные за анализ показателей своего функционального подразделения (будь то логистика, закупки, продажи и т.п.), которые могут предоставлять необходимые данные Координатору. На небольших и средних предприятиях эти функции могут быть частично или полностью переданы Координатору в зависимости от опыта и компетенций сотрудников функциональных подразделений и от имеющихся ресурсов.

Спецификация характеристик проектов и их взаимосвязей между собой должна производиться Координатором совместно с выделенными сотрудниками функциональных подразделений, которые потенциально будут затронуты предполагаемыми проектами, а также представителями топ-менеджмента для согласования спецификации со стратегическими целями компании.

Работа по пункту (3) выполняется Координатором.

Управление накопленным опытом

В компаниях с развитой IT-системой организация такого подхода будет проще, ввиду возможности централизованно хранить всевозможные данные и предоставлять к ним доступ для Координатора. Если в компании такой системы нет, то либо ее нужно будет создать, либо определить другие процедуры формирования, хранения и передачи Координатору требуемой отчётности.

Более важным концептуальным решение является определение показателей, которые могут понадобиться компании в рамках использования предлагаемой модели при формировании портфеля проектов. Отбор показателей должен осуществляться в три этапа:

1) Обсуждение и утверждение критериев оценки проектов на уровне менеджмента, что позволит сузить множество потенциально интересных показателей до наиболее релевантных в отношении к стратегическим целям компании

2) Формализация и оценка использования параметров в процессе тестирования модели

3) Корректировка модели по результатам оценки

Этапы следует повторять до тех пор, пока множество параметров не будет удовлетворять как запросам со стороны менеджмента, так и эффективности и полезности их использования в модели. Анализ излишних и малоинформативных показателей и параметров будет требовать дополнительных временных и трудовых затрат, поэтому в процессе спецификации модели нужно найти баланс между ее достаточной полнотой и последующей простотой и эффективностью использования.

Тестирование модели

Перед тем, как принять решение об использовании предложенной модели на постоянной основе и соответствующих изменениях процессов анализа и отбора проектов, необходимо протестировать модель для определения наиболее релевантных параметров и ее оценки по сравнению с используемыми до этого методами. Ранее уже отмечалось, что рассматриваемый подход может быть неоптимальным для использования в некоторых компаниях по ряду причин, которые и призвано выявить тестирование. В ходе пилотного использования модели особое внимание требуется уделить анализу следующих нюансов:

· Насколько велики дополнительные временные, трудовые затраты и прочие дополнительные затраты и насколько они сопоставимы с достигаемыми выгодами по сравнению с использованием альтернативных подходов

· Возникает ли необходимость существенного перестроения процессов в работе функциональных подразделений и/или проектного офиса

· Обладает ли компания нужными компетенциями для использования данной модели

Если приведенные выше вопросы решаются в пользу дальнейшего внедрения использования рассматриваемого подхода, на данном этапе также уточняется спецификация используемой модели по методике, которая обсуждалась выше.

Изменение политики управления портфелем проектов

Помимо готовой рабочей модели результатом пилотного проекта должно стать отражение используемой практики в корпоративной политике компании по управлению портфелем проектов. Это необходимо по двум основным причинам. Во-первых, это позволит выработать единое понимание процессов всеми лицами, задействованными как в принятии решений о реализации проектов, так и сотрудниками функциональных подразделений, от работы которых непосредственно могут зависеть эти решения. Во-вторых, закрепление единой универсальной методологии позволит избежать спонтанно принятый решений, которые не соответствую стратегическим целям компании или не отвечают критериям экономической эффективности.

Выводы

В данной главе было представленное практическое руководство по внедрению предложенной модели в процесс управления портфелем проектов компании. Данное руководство определяет общую схему имплементации нового подхода, поскольку многие детали будут зависеть от специфики компании, особенностей ее внутренней организационной структуры, корпоративной культуры и общего уровня развития проектного управления.

Заключение

В данной работе было продемонстрировано, что не всегда наиболее распространенные и простые методы оценки проектов и методики отбора их в портфель приводят к оптимальным результатам с точки зрения многокритериальной оценки даже в случае двух критериев - риск и доходность, поскольку ввиду предполагаемой обособленности проектов не могут учесть ни возникающие между проектами взаимосвязи, ни глобальное влияние этих проектов на финансовое состояние компании.

При оценке большинства проектов через NPV учитывается только риск самой компании через соответствующее значение WACC, но такой подход не может быть реализован при отборе и приоритизации проектов внутри компании или портфеля проектов. В то же время методы отбора и приоритизации проектов через скоринговые модели не такие информативные и зачастую не дают возможностей, необходимых для всесторонней оценки портфеля проектов. Наличие множества альтернативных методов хотя и позволяет выбирать наиболее оптимальные для конкретных ситуаций, но не дает возможности систематически и всесторонне подходить к оценке проектов. В связи с этим была предложена модель, которая позволяет рассчитывать оптимальные портфели с множественными целевыми показателями. На примере упаковочной компании модель была протестирована, результаты сопоставлены со случаем использование однокритериальной оптимизации по NPV.

В работе было показано, что нельзя считать наиболее оптимальным проектом тот, значение NPV которого больше, поскольку это лишь одно измерение привлекательности проекта. В то же время было показано, что нет прямой очевидной зависимости между риском проекта, его инвестиционной привлекательностью и влиянием на общее состояние компании. Это важный момент при оценке влияния портфеля проектов, который упускается во многих работах, хотя сам факт того, что выгодный проект может привести к финансовым трудностям в компании (например, из-за разбалансировки денежных потоков) хоть и кажется парадоксальным, давно известен.

Логичным будет продолжение работы по данной тематике в трех направления:

· Разработка универсальных ограничений для задач такого рода, которые бы позволяли учитывать общее влияние портфеля на компанию

· Разработка критериев выбора между оптимальными проектами, позволяющих наиболее добиться наибольшего соответствия оптимального портфеля и стратегических целей компании

· Разработка эвристических методов, которые бы позволяли получать субоптимальные решения с меньшими затратами времени и вычислительной мощности

Таким образом данная работа не только обозначила важность некоторых аспектов выбора проектов в портфель компании, но и предоставила доступный и гибкий инструмент управления портфелем проектов.

Список использованной литературы

1. Altman E. I. et al. Predicting financial distress of companies: revisiting the Z-score and ZETA models //Stern School of Business, New York University. - 2000. - С. 9-12.

2. Alvarez-Garcнa B., Fernбndez-Castro A. S. A comprehensive approach for the selection of a portfolio of interdependent projects. An application to subsidized projects in Spain //Computers & Industrial Engineering. - 2018. - Т. 118. - С. 153-159.

3. Archer N. P. et al. Project portfolio selection techniques: a review and a suggested integrated approach. - 1996.

4. Carlsson C. et al. A fuzzy approach to R&D project portfolio selection //International Journal of Approximate Reasoning. - 2007. - Т. 44. - №. 2. - С. 93-105.

5. Cooper R., Edgett S., Kleinschmidt E. Portfolio management for new product development: results of an industry practices study //R&D Management. - 2001. - Т. 31. - №. 4. - С. 361-380.

6. Fox G. E., Baker N. R., Bryant J. L. Economic models for R and D project selection in the presence of project interactions //Management science. - 1984. - Т. 30. - №. 7. - С. 890-902.

7. Li X. et al. An extended model for project portfolio selection with project divisibility and interdependency //Journal of Systems Science and Systems Engineering. - 2016. - Т. 25. - №. 1. - С. 119-138.

8. Ghapanchi A. H. et al. A methodology for selecting portfolios of projects with interactions and under uncertainty //International Journal of Project Management. - 2012. - Т. 30. - №. 7. - С. 791-803.

9. Goldstein P. M., Singer H. M. Note--A Note on Economic Models for R&D Project Selection in the Presence of Project Interactions //Management Science. - 1986. - Т. 32. - №. 10. - С. 1356-1360.

10. Haji?Kazemi S., Andersen B., Krane H. P. A review on possible approaches for detecting early warning signs in projects //Project management journal. - 2013. - Т. 44. - №. 5. - С. 55-69.

11. Hall N. G. Project management: Recent developments and research opportunities //Journal of Systems Science and Systems Engineering. - 2012. - Т. 21. - №. 2. - С. 129-143.

12. Henriksen A. D., Traynor A. J. A practical R&D project-selection scoring tool //IEEE Transactions on Engineering Management. - 1999. - Т. 46. - №. 2. - С. 158-170.

13. Jafarzadeh H., Akbari P., Abedin B. A methodology for project portfolio selection under criteria prioritisation, uncertainty and projects interdependency-combination of fuzzy QFD and DEA //Expert Systems with Applications. - 2018. - Т. 110. - С. 237-249.

14. Kwak Y. H., Ingall L. Exploring Monte Carlo simulation applications for project management //Risk Management. - 2007. - Т. 9. - №. 1. - С. 44-57.

15. Kyparisis G. J., Gupta S. K., Ip C. M. Project selection with discounted returns and multiple constraints //European Journal of Operational Research. - 1996. - Т. 94. - №. 1. - С. 87-96.

16. Ling F. Y. et al. Models for predicting project performance in China using project management practices adopted by foreign AEC firms //Journal of Construction Engineering and Management. - 2008. - Т. 134. - №. 12. - С. 983-990.

17. Loch C. H. et al. Selecting R&D projects at BMW: A case study of adopting mathematical programming models //IEEE Transactions on Engineering Management. - 2001. - Т. 48. - №. 1. - С. 70-80.

18. Medaglia A. L., Graves S. B., Ringuest J. L. A multiobjective evolutionary approach for linearly constrained project selection under uncertainty //European journal of operational research. - 2007. - Т. 179. - №. 3. - С. 869-894.

19. Mira C. et al. A GRASP-based heuristic for the Project Portfolio Selection Problem //2012 IEEE 15th International Conference on Computational Science and Engineering. - IEEE, 2012. - С. 36-41.

20. Pignataro P. Financial modeling and valuation: a practical guide to investment banking and private equity. - John Wiley & Sons, 2013.

21. Project management body of knowledge (pmbok® guide) //Project Management Institute. - 2001.

22. Raoufi M., Seresht N. G., Fayek A. R. Overview of fuzzy simulation techniques in construction engineering and management //Fuzzy Information Processing Society (NAFIPS), 2016 Annual Conference of the North American. - IEEE, 2016. - С. 1-6.

23. Rungi M. Foundation of interdependency management in project portfolio management: A strategic view //2010 IEEE International Conference on Management of Innovation & Technology. - IEEE, 2010. - С. 117-122.

24. Sefair J. A., Medaglia A. L. Towards a model for selection and scheduling of risky projects //2005 IEEE Design Symposium, Systems and Information Engineering. - IEEE, 2005. - С. 158-164.

25. Shahanaghi K. et al. Selecting the Most Economic Project under Uncertainty Using Bootstrap Technique and Fuzzy Simulation //Iranian Journal of Management Studies. - 2012. - Т. 5. - №. 1. - С. 9-24.

26. The standard for portfolio management //Project Management Institute. - 2006.

27. Eilat H., Golany B., Shtub A. Constructing and evaluating balanced portfolios of R&D projects with interactions: A DEA based methodology //European journal of operational research. - 2006. - Т. 172. - №. 3. - С. 1018-1039.

28. Tjia J. S. Building financial models. - McGraw Hill Professional, 2009.

29. Wey W. M. A multiobjective optimization model for urban renewal projects selection with uncertainty considerations //2008 Fourth International Conference on Natural Computation. - IEEE, 2008. - Т. 6. - С. 423-427.

30. Zuluaga A., Sefair J. A., Medaglia A. L. Model for the selection and scheduling of interdependent projects //2007 IEEE Systems and Information Engineering Design Symposium. - IEEE, 2007. - С. 1-7.

31. Carazo A. F. et al. Solving a comprehensive model for multiobjective project portfolio selection //Computers & operations research. - 2010. - Т. 37. - №. 4. - С. 630-639.

32. База данных научного цитирования Scopus

33. URL: https://www.scopus.com/ (дата обращения: 24 марта 2019)

Приложение 1А. Модель - Отчет о финансовых результатах

Приложение 1B. Модель - Бухгалтерский баланс

Приложение 1С. Модель - Отчет о движении денежных средств

Приложение 1D. Модель - Расчет капитальных затрат

Приложение 1E. Модель - Расчет изменения оборотного капитала

Приложение 1F. Модель - Финансовый денежный поток

Приложение 1G. Модель - Характеристики проектов

Приложение 1H. Модель - Оценка компании

Размещено на Allbest.ru

...