Оптимальное сочетание венчурного и кредитного финансирования инвестиционного проекта

Маслов М.П.

Статья в журнале

Креативная экономика (РИНЦ, ВАК)
опубликовать статью | оформить подписку

№ 8 (56), Август 2011

Цитировать:
Маслов М.П. Оптимальное сочетание венчурного и кредитного финансирования инвестиционного проекта // Креативная экономика. – 2011. – Том 5. – № 8. – С. 56-64.

Эта статья проиндексирована РИНЦ, см. https://elibrary.ru/item.asp?id=16548809

Аннотация:
Рассматривается методика определения оптимальных долей венчурного и кредитного финансирования в рамках одного инвестиционного проекта. Предполагается, что кредитное финансирование осуществляется венчурным инвестором. Для оптимизации используется портфельный анализ, поэтому методика рассматривает указанные два способа финансирования как самостоятельные активы с определенными значениями доходности и риска, зависящими от показателей конкретного инвестиционного проекта.

Ключевые слова: инвестиции, венчурный капитал, портфельный анализ, кредитное финансирование



При наличии необходимости в привлечении стороннего финансирования в ходе реализации инвестиционного проекта могут использоваться различные способы – от кредитования до вложений венчурного капитала. Здесь мы остановимся только на двух из них – кредите и венчурном инвестировании, которые являются противоположностями друг друга в отношении рисков и участия в прибыли. В случае необходимости осуществления смешанного финансирования перед венчурным инвестором встает вопрос об оптимальных объемах кредитования и венчурного инвестирования. Критерием оптимальности в данном случае разумно считать максимизацию совокупной доходности вложений инвестора в обеих формах финансирования – венчурной и кредитной.

Распределение по активам

Таким образом, перед инвестором стоит задача оптимального распределения средств между различными способами финансирования – венчурным и кредитным. При этом каждый способ имеет присущие ему доходность и риск. И для нашей цели здесь вполне применим портфельный анализ, который как раз и является инструментом распределения вложений в различные активы с разными показателями доходности и риска.

Отличительной чертой при этом, однако, будет то, что оба способа связаны с вложением средств в один и тот же инвестиционный проект. Поэтому доходность и риски должны определяться в том числе и конкретно для данного проекта, а не только через агрегирование статистических данных, как это обычно делается в портфельном анализе.

Следует также отметить, что хотя портфельный анализ носит «однопериодный» характер, то есть в текущем периоде определяются оптимальные вложения на следующий период, это не должно мешать при использовании его для анализа многопериодных инвестиционных проектов, поскольку можно весь многолетний срок осуществления проекта рассматривать как один период. Доходность вложений инвестора при этом можно определять как среднегодовую норму доходности на основе соотношения денежных поступлений и вложений инвестора за время реализации проекта по следующей формуле:, (1)

где π – доходность вложений; T – срок реализации проекта; P – положительные денежные потоки; I – инвестиции, необходимые для вложения в проект (и P и I учитываются с положительным знаком); r – ставка дисконтирования.

Обычно в портфельном анализе необходимые параметры активов определяются на основе прошлых значений их доходностей. В инвестиционных проектах у нас таких статистических рядов нет, поэтому будет применен иной подход, представленный ниже.

Прежде всего, необходимо рассмотреть доходность и риск, связанные с венчурным инвестированием.

Как правило, при составлении инвестиционных проектов определяется некий базовый вариант реализации проекта, с которым сравниваются все остальные варианты. В отношении успешности проекта ключевым показателем является уровень продаж. Именно он определяет прибыль и в конечном итоге стоимость пакета акций инвестора при выходе из проекта (причем соотношение P/E – стоимости пакета акций венчурного инвестора в инвестируемой компании и текущей прибыли этой компании – также вполне может зависеть от успешности проекта).

Риск в портфельном анализе – это фактически нижний предел снижения стоимости актива, который с высокой вероятностью не будет перейден. В качестве такого предела вполне естественно будет принять уровень продаж, не обеспечивающий возврата вложенных средств в акции инвестируемой компании.

Доходность банковского кредита равна процентной ставке по кредиту в случае его аккуратного обслуживания и возврата должником. Уровень риска здесь, разумеется, ниже. По сути, неспособность должника расплатиться с кредиторами – это состояние банкротства. Поэтому можно сказать, что риск, связанный с кредитованием – это риск банкротства венчурной компании. Однако само по себе наличие отрицательного остатка денежных средств (наличие непокрытых требований) на счету компании на конец какого-либо периода не приводит к банкротству, поскольку компания обычно имеет возможность обратиться за помощью к инвестору или сторонним источникам.

Поэтому банкротами мы станем считать только компании с отрицательным остатком денежных средств на момент окончания реализации проекта (точнее, момента выхода из проекта венчурного инвестора).

В более наглядной форме доходность и риски кредитования и венчурного инвестирования представлены на рис. 1, на котором показана схема образования прибыли у предприятия. Из дохода, генерируемого за счет продажи его продукции, соответствующим образом вычитаются переменные и постоянные издержки, проценты по кредиту (для целей анализа выделенные в отдельную статью издержек) и налог на прибыль. В результате предприятие остается с прибылью (увеличивающей доход венчурного инвестора) или с убытком.

Рис. 1. Влияние объема продаж на финансовыерезультаты предприятия и на доходностьи риск кредитования и венчурного инвестирования

Кроме того, на рисунке показаны «предел рентабельности» и «предел банкротства». Предел рентабельности показывает уровень продаж, при котором доходность инвестиционного проекта для венчурного инвестора равна нулю. Отметим, что даже без дисконтирования потока доходов эта точка находится в области положительной текущей прибыли компании, поскольку только для компенсации вложений инвестора необходимо, чтобы проект дал определенную (хотя и весьма небольшую для венчурных инвестиций) прибыль. Риском для венчурного инвестора будет вероятность падения продаж ниже предела рентабельности.

Аналогичным образом, предел банкротства – это ситуация, когда компания становится настолько убыточной, что ее приходится банкротить (в нашем случае это отрицательный остаток не счету компании на момент выхода венчурного инвестора из инвестиционного проекта). В этом случае инвестор-кредитор не получает обратно своего кредита, так что вероятность возникновения соответствующего уровня продаж является риском для кредитования венчурной компании.

Поскольку отклонение от базового объема продаж в случае достижения предела банкротства всегда будет больше, чем в случае достижения лишь предела рентабельности, вероятность того, что отклонение от базового уровня продаж приведет к преодолению обоих пределов всегда ниже, чем вероятность того, что такое отклонение даст уровень продаж ниже лишь предела рентабельности (но выше предела банкротства). То есть для отдельного инвестора в рамках отдельного инвестиционного проекта риск предоставления кредита всегда ниже риска предоставления инвестиций.

Поэтому при наличии двух вариантов вложения средств (высокая доходность – высокий риск и низкая доходность – низкий риск) мы получаем достаточно стандартную задачу распределения активов, которая решается с помощью портфельного анализа.

Расчет величины риска на основе отклонений в уровне продаж

Для описания изменений объема продаж как случайной величины самым подходящим в общем случае выглядит распределение Гаусса (нормальное распределение). Согласно следующему определению, «случайная величина подчиняется нормальному распределению, когда она подвержена влиянию огромного числа случайных помех» [2].

К сожалению, в данном случае нельзя провести формальную проверку гипотезы о выполнимости нормального распределения, поскольку не имеется необходимого статистического ряда значений случайного уровня продаж – каждый венчурный проект по-своему уникален, реализуется только один раз в конкретных условиях, поэтому в результате каждый раз получается лишь одно случайное значение уровня продаж.

Идеальная ситуация для расчета рисков падения уровня продаж ниже пределов рентабельности и банкротства представлена на рис. 2, на котором изображена функция распределения вероятностей случайной величины х для стандартного нормального распределения. Случайной величиной х в нашем случае является уровень продаж. За 100% мы берем их базовый объем, предполагающийся в инвестиционном проекте. Ситуация является идеальной в том смысле, что в реальности, во-первых, истинное распределение вероятностей может и не носить нормального характера, а во-вторых, даже если нормальное распределение имеет место, уровень продаж, взятый в качестве базового в конкретном инвестиционном проекте, весьма вероятно, будет в той или иной мере отличаться от идеального уровня, соответствующего максимуму функции распределения и, соответственно, максимальной вероятности возникновения.

Рис. 2. Нормальное распределение применительнок уровню продаж в венчурном проекте [1]

Для нахождения вероятности падения уровня продаж ниже предела рентабельности (риск венчурного инвестирования) этот предел, определенный для анализируемого проекта, следует выразить в процентах от базового уровня продаж. Как показано на нижеприведенном рисунке, для заданного предела рентабельности, уровень риска венчурного инвестирования будет равен отношению площадей фигур

. (2)

Аналогичным образом рассчитывается и риск кредитования с использованием предела банкротства.

Функция распределения нормально распределённой случайной величины с параметром смещения μ и масштаба σ (или, что то же самое, дисперсией σ2) имеет следующий вид [2]:

(3)

При использовании стандартного нормального распределения μ = 0, σ = 1. При этом в силу свойств стандартного нормального распределения необходимо подстроить к нему применяемые показатели.

Пусть базовый уровень продаж соответствует максимальному значению функции распределения, а поскольку для упрощения было взято нулевое значение параметра μ, то базовому уровню продаж соответствует значение x=0. Одновременно, при данных условиях нулевым продажам соответствует некоторое отрицательное значение x, допустим, оно составляет -2. Таким образом, величины уровня продаж, соответствующие пределам рентабельности и банкротства, получат некоторые значения аргумента x в пределах интервала [-2;0]:

x1=0,02x0-2, (4)

где x0 – уровень продаж, для которого идет подсчет риска, x1 – пересчитанный условный показатель продаж, применяемый при использовании функций нормального распределения.

Интеграл в функции нормального распределения (3) не выражается через элементарные функции, поэтому для нахождения конкретных ее значений (т.е. уровня риска) необходимо воспользоваться таблицей значений интеграла вероятностей Лапласа (табл. 1) [3].

Таблица 1

Уровень риска падения продаж на основеинтегральной таблицы Лапласа

Корреляция между доходностью венчурного инвестирования и кредитования инвестиционного проекта

Последний элемент, который необходимо рассмотреть с целью адаптации задачи оптимизации объемов вложений в инвестирование и кредитование одного проекта к портфельному анализу, – это корреляция между показателями доходности этих способов вложений, поскольку портфельный анализ предполагает учет такой корреляции как меры диверсификации портфеля инвестора.

Как известно, корреляция – это показатель тесноты связи между значениями двух (в нашем случае) статистических величин. Аргументом в этом случае будет выступать уровень продаж. Таким образом, необходимо рассчитать в рамках имеющегося бизнес-плана прогноз доходности венчурного капитала и кредита при различных уровнях продаж.

Выполнив эти шаги, мы получаем необходимые данные для проведения портфельного анализа с целью определения оптимального сочетания венчурного и кредитного финансирования в рамках одного инвестиционного проекта.


Источники:

1. График функции распределения для стандартного нормального распределения вероятностей [Электронный ресурс] // http://chemstat.com.ru/lections/formuli/gauss.gif.
2. Дубнер П.Н. Способы вычисления нормального распределения [Электронный ресурс] // http://algolist.manual.ru/maths/matstat/NormalDF/index.php.
3. Таблица значений интеграла вероятностей Лапласа [Электронный ресурс] // http://cityshot.by.ru/kiplit/metrolog/laplas.html.

Страница обновлена: 22.01.2024 в 16:22:55