Информационная технология стратегии инвестирования в переработку отходов предприятий минерально-сырьевого комплекса Текст научной статьи по специальности «Экономика и бизнес»

© И.Е. Тейменсон, 2002

УДК 65.012.45

И.Е. Тейменсон

ИНФОРМАЦИОННАЯ ТЕХНОЛОГИЯ СТРАТЕГИИ ИНВЕСТИРОВАНИЯ В ПЕРЕРАБОТКУ ОТХОДОВ ПРЕДПРИЯТИЙ МИНЕРАЛЬНО-СЫРЬЕВОГО КОМПЛЕКСА

Минерально-сырьевая промышленность является основой современной экономики. Практически все отрасли мирового хозяйства зависят от добычи и переработки минерального сырья на добывающих, обогатительных и металлургических комбинатах. Именно на металлургических и горно-обогатительных комбинатах образуется большая часть отходов переработки минеральных ресурсов, которые можно рассматривать как мощный фактор загрязнения и как источник вторичных ресурсов. Необходимость решения проблемы переработки отходов стала особенно актуальной в последние годы в связи с ухудшением качества природного минерального сырья и, как следствие этого увеличением количества отходов.

Переработка отходов предприятий горно-металлургического комплекса является одним из самых перспективных направлений вложения капитала по целому ряду причин, основными из которых являются:

• снижение цены сырья за счет уменьшения себестоимости его получения по сравнению с добычей минерального сырья и затратами на транспортировку;

• экономия природных ресурсов за счет максимального вовлечения отходов в хозяйственный оборот;

• оздоровление окружающей среды.

Реализация с 1996 г. целевой программы правительства РФ "Отходы" служит дополнительным стимулом переработки отходов в России.

Для эффективного отбора и управления проектами в рамках данной программы необходим подход, учитывающий предпочтения потенциальных инвесторов программы "Отходы" и основные неопределенности процесса инвестирования в переработку отходов. Проведенный анализ основных существующих подходов к оценке привлекательности инвестиций выявил ряд существенных недостатков, которые не позволяют провести удовлетворительную оценку и отбор проектов. Поэтому в МГГУ был разработан новый подход к оценке и отбору инвестиционных проектов (ИП), который устраняет недостатки существующих подходов и включает формирование набора критериев и механизма отбора ИП.

Формирование набора критериев для механизма отбора проектов

Критериальный набор был сформирован на базе основных действующих методик и затем дополнен новыми критериями, обусловленными спецификой инвестирования в программу "Отходы". Полученный набор включает 78 критериев, разделенных на 8 групп: экологические, технологические, сырьевые, организационные, социальные, финансовые, коммерческие и бюджетные. Из проведенного анализа неопределенности, присущей процессу принятия решений при инвестировании в переработку отходов, вытекает, что наиболее значимой составляющей неопределенности является инвестиционный риск как самый вероятный фактор потери первоначальных капиталовложений. Для учета финансовой составляющей риска используется классификация инвестиционного риска, согласно которой финансовый риск включает систематическую и несистематическую часть [4].

Несистематические риски достаточно полно учитываются финансовыми критериями организации, реализующей ИП, а также рядом других критериев, входящих в сформированный набор, таких как бюджетные гарантии инвестиционных рисков участникам проекта и критерии финансового состояния ИП. Для учета систематической составляющей инвестиционного риска в критериальный набор введен новый критерий - будущая конкурентоспособность продукции ИП, в качестве которой рассматривается относительное изменение средней мировой цены на соответствующий ресурс в течение срока реализации ИП.

Создание механизма отбора инвестиционных проектов

Рассмотрим конечное множество инвестиционных проектов Х = х1, х2, ..., хм. Каждый проект XI характеризуется набором критериальных оценок Fi = /1, /2,...,/с, сформированным выше. Пусть исходное множество проектов Х представляется для оценки ряду инвесторов, каждый из которых характеризуется своими предпочте-

и t = ГГ х т

ниями Ргг, где ’ , Т - количество инвесторов. I -

предельный объем инвестиционных ресурсов, выделяемый на финансирование проектов из множества X.

Задача, решаемая механизмом отбора, заключается в разделении множества Х на несколько подмножеств.

*

Подмножество X1 должно содержать наиболее эффективные и соответственно наименее рискованные альтернативы проектов, причем количество заемного капитала, требуемого для их финансирования, не должно превы-

подмножества приемлемые по

РЕЗУЛЬТАТЫ МОДЕЛИРОВАНИЯ ПО РАЗРАБОТАННОЙ ПРОЦЕДУРЕ ОТБОРА ИП

Аспекты Поиск I (5) ИП для комм. кредитора Поиск 1(5) ИП для собственника Поиск 1(5) ИП для бюджетного ЛПР

Экологический Т ехнологический Организационный Социальный Финансовый Коммерческий Бю^етный < I Отобранные ИП 8.16 9.06 10.00 4.49 5.56 3.21 4.01 2(2,1,5,6, 8) 8.04 9.16 4.17 4.49 5.45 4.07 4.17 2(2, 5,1,6, 8) 8.27 8.46 4.17 6.50 5.50 3.21 4.33 2(2,6,1,5,8)

шать I,

* *

X2 - Хм

эффективности проекты, X$ неприемлемые проекты.

Формальная задача, решаемая разработанным механизмом отбора ИП по переработке отходов, представлена в следующем виде:

<Х,F,Рг,IХьХ2,..Х-ХХ$ с

(1)

где /г(х) - требуемое количество заемных инвестицион-

*

ных ресурсов на финансирование проекта X е X1 ; s -количество слоев упорядочивания проектов, определяемое ЛПР. Вследствие большой размерности задачи (1) разработанный механизм включает 8 этапов. Три из них являются традиционными для подходов к оценке и отбору ИП: предварительная оценка приемлемости ИП, обобщение критериев, определение предпочтений пользователя и отбор ИП.

Разработанный подход отличается от традиционных подходов тем, что в него включены пять дополнительных этапов: проверка набора критериев на полноту, проверка значений критериев на непротиворечивость, оцифровка значений качественных критериев, прогнозирование будущей конкурентоспособности ИП и фильтрация ИП. Проверка на полноту включена в механизм отбора для анализа возможностей восполнения или игнорирования недостающих значений критериев. Проверка на непротиворечивость обеспечивает защиту от фальсификации значений критериев. Оцифровка значений качественных критериев позволяет формально учесть при оценке качественные критерии совместно с количественными и основывается на вычислении функций предпочтения качественных критериев по нечетким базовым шкалам. Прогнозирование будущей конкурентоспособности служит для корректировки инвестиционной привлекательности проектов с учетом возможных колебаний конъюнктуры мирового рынка в течение срока реализации ИП. Фильтрация ИП расширяет условия отсева неприемлемых проектов введением ограничений на значения аспектов. Кроме того, на этапе обобщения критериев в аспекты выполняется нормирование значений критериев, что дает возможность снизить эффект компенсации.

Определение предпочтений пользователя и отбор

ИП

Для решения задачи (1) разработанный механизм использует метод разумных целей (МРЦ) [3]. Применение МРЦ позволяет осуществить:

• задание предпочтений пользователя без указания весов важности аспектов;

• графическую визуализацию кривых замещения аспектов и обратную связь с ЛПР;

• переход от слоевого упорядочивания к линейному и обратно.

Однако МРЦ имеет одно ограничение, вытекающее

из паретовского принципа доминирования, которое заключается в невозможности контролировать количество находимых недоминируемых альтернатив ИП. Это ограничение снимается введением в МРЦ автоматизированной процедуры прямого поиска ИП, основанной на применении взвешенной метрики Чебышева. При этом задача отбора (1) решается следующим алгоритмом:

1) определение паретовской оболочки (2), ОЭП (3) и выпуклой ОЭП (4) множества X:

Р(Х) = {х &Х: {xf е X: А(х') > А(х\ А(х') ф А(х)} = 0}

. ... _ A Jf _ _ . _ _ .... ....

(2)

Jif = {A(xf) е /Г: Зх Е Р(Х),А(х’) *А(х)}9

(3)

где RM - М-мерное пространство аспектов; М - количество используемых аспектов. conv(Jf) = (Л(х): А(х) = 2 ЯА(х)\ Л > О, Е Л— 1, A(jt/ е X}.

М+1

(4)

2) аппроксимация conv(Xp)(( RM + выпуклым многогранником rec(X);

3) расчет двумерных сечений rec(X);

4) графическое задание разумной цели (РЦ), представляющей собой фиксированные значения аспектов в конкретном двумерном сечении:

Gt —■< Оу >■* ‘*^Mt ^ (5)

где Gt = v0 - точка излома начальной поверхности уровня метрики Чебышева. 5) определение идеального вектора аспектов, М-компонентов которого задаются в виде

а** = а* + Si = msLx{ai(x)\x е!) + еи где %>0. (6)

6) задание искомого количества проектов пользователем L = 1,

7) определение в заданной точке v°, соответствующей разумной цели Gt, взвешенной метрики Чебышева в виде

||а” -aL = т,?х{Я,.О" -а,)}, (7)

где Xi, - вектор весов, определяющий метрику Чебышева;

8) отбор альтернатив инвестиционных проектов

У0={х:а,(х)>и°,* = ТМ}

(8)

9) проверка условия \Vq\~L-> выход из процедуры;

10) определение новой точки излома взвешенной метрики Чебышева:

гу . ** 0

где Z = a ; z = v

11) продолжение движения метрики

\V\ < L -» h = const -> і/+1 = (/ - h -» шаги 7, 8 и 9;

12) изменение шага и направления движения метрики.

Пример работы данной процедуры приведен на рис. 1 и 2.

Из рассмотренного примера видно, что при изменении предпочтений пользователя (РЦ) изменяется конечный результат. Число итераций построенного алгоритма напрямую зависит от выбора начального значения шага H.

На основе построенного для механизма отбора алгоритма отбора проектов осуществлено моделирование на 100 реальных ИП (проекты по переработке горнометаллургических отходов, содержащих железо, медь и золото) для потенциальных инвесторов программы "Отходы" - коммерческих структур, заказчика (собственника) ИП и бюджетного инвестора. После выполнения пер-

Рис. 3. Сравнительные временные затраты на оценку и отбор проектов

вых семи этапов разработанного механизма в базе проектов осталось 9 ИП.

В процессе моделирования доказана работоспособность алгоритма и получены результаты, показанные в таблице.

Проведенное моделирование доказывает, что исключение взвешенной метрики Чебышева из процедуры отбора затрудняет решение задачи (1). Трудность заключается в том, что отсутствует возможность нахождения нужного числа альтернатив ИП, соответствующих заданной РЦ. Принцип доминирования, заложенный в основу МРЦ, приводит к тому, что метод в общем случае выделяет или больше ИП, чем задано ЛПР, или меньше. В обоих случаях возникает необходимость заново задавать РЦ и повторять расчет. Следовательно, использование в процедуре отбора МРЦ и взвешенной метрики Чебышева позволяет сделать процесс оценки и отбора проектов более рациональным и объективным, а также легко варьировать мощности получаемых слоев структуры предпочтения (Xi*, Х2*, ..., Xs-1*) в зависимости от финансовых возможностей и предпочтений потенциальных инвесторов.

Гистограмма (рис. 3) демонстрирует временные затраты на оценку и отбор 100 ИП в сравнении с отбором проектов существующими подходами.

Из приведенной гистограммы видно, что разработанный подход, использующий при отборе проектов МРЦ и метрику Чебышева, позволяет в 2.5-3 раза уменьшить временные затраты на оценку и отбор ИП.

В данной работе представлены этапы разработанного подхода к оценке и отбору инвестиционных проектов. Показывается, что созданный механизм отбора ИП позволяет полностью учесть предпочтения ЛПР и решить поставленную задачу отбора наиболее рационально и объективно без привлечения экспертов. Процедура прямого поиска ИП с применением взвешенной метрики Чебышева отсекает разброс в значениях аспектов, позволяя достичь объективного компромисса на кривых замещения аспектов. Механизм отбора реализован в программной среде Microsoft Visual Basic 6 с использованием модулей пакета Visual Маг^ 2 и является составной частью разработанной в МГГУ системы поддержки принятия решений при инвестировании в переработку отходов горно-металлургического комплекса.

СПИСОК ЛИТЕРАТУРЫ

1. Андрейчиков А.В., Андрейчикова О.Н. Анализ, синтез, планирование решений в экономике. - М.: Финансы и статистика, 2000.

2. Гусев Д.В., Лотов А.В. Методы под-

держки принятия решений в проблемах с конечным числом вариантов в исследовании операций: модели, системы, решения. - М.: ВЦ РАН, 1994.

3. Лотов А.В., Бушенков В.А., Каменев

Г.К. Метод достижимых целей. Математические основы и экологические приложения. Российские математические и научные исследования. Том 2. - Lewinston: The Edwin Mellen Press, 1999.

4. Управление инвестициями: В 2-х т. / В.В. Шеремет, В.М. Павлюченко, В.Д. Шапиро и др. - М.: Высшая школа, 1998.

5. Штойер Р. Многокритериальная оптимизация. Теория, вычисления и приложения: Пер. с англ. - М.: Радио и связь,

КОРОТКО ОБ АВТОРАХ

1992.

Тейменсон Яков Евгеньевич — кандидат технических наук, Московский государственный горный университет.