CC BY
124
МЕТОДИЧЕСКИЕ ВОПРОСЫ ОЦЕНКИ ЭФФЕКТИВНОСТИ РАЗРАБОТКИ НЕФТЯНОГО ЛИЦЕНЗИОННОГО УЧАСТКА (НА ПРИМЕРЕ СИБИРСКОЙ ПЛАТФОРМЫ)
Гагик Мкртичевич Мкртчян
Новосибирский государственный университет, 630090, г. Новосибирск, ул. Пирогова, 2, доктор экономических наук, профессор, декан экономического факультета НГУ, тел. (383)3300940, e-mail: [email protected]
Лариса Владимировна Скопина
Новосибирский государственный университет, 630090, г. Новосибирск, ул. Пирогова, 2, кандидат экономических наук, старший научный сотрудник, доцент экономического факультета НГУ, тел. 89139378683, e-mail: [email protected]
Никита Евгеньевич Шубников
Новосибирский государственный университет, 630090, г. Новосибирск, ул. Пирогова, 2, аспирант экономического факультета НГУ, тел. 89130199287, e-mail: [email protected]
В статье приведены результаты расчётов эффективности инвестирования в проведение геологоразведочных работ и дальнейшую разработку типичного нефтяного месторождения в Восточной Сибири с помощью методов вероятностного и нечёткого моделирования. Показана целесообразность применения теории нечётких множеств для экономической оценки проектов нефтедобычи.
Ключевые слова: неопределённость и риски в нефтедобыче, оценка эффективности инвестиций, метод Монте-Карло, нечёткое моделирование.
METHODOLOGICAL QUESTIONS OF EFFICIENCY VALUATION OF OIL LICENSE AREA DEVELOPMENT (ON THE EXAMPLE OF THE SIBERIAN PLATFORM)
Gagik M. Mkrtchyan
Novosibirsk state university, 2 Pirogova, Novosibirsk 630090, doctor of economics, professor, dean of NSU economic department, tel. (383)3300940, e-mail: [email protected]
Larisa V. Skopina
Novosibirsk state university, 2 Pirogova, Novosibirsk 630090, Ph.D. in economics, senior staff scientist, docent of NSU economic department, tel. 89139378683, e-mail: [email protected]
Nikita Ev. Shubnikov
Novosibirsk state university, 2 Pirogova, Novosibirsk 630090, postgraduate student of NSU economic department, tel. 89130199287, e-mail: [email protected]
The article presents the results of investment efficiency calculations in geological exploration and further development of typical oil field in the Eastern Siberia with the methods of probability and fuzzy modeling. There was shown the expediency of the fuzzy set theory application for the economic evaluation of oil production projects.
Key words: uncertainty and risks in oil production, estimation of efficiency of investments, Monte Carlo method, fuzzy modeling.
Сырьевой характер российской экономики вместе с высокой долей нефти в экспорте обусловливает её значимость для стабильного функционирования экономики нашей страны. По данным Федеральной службы государственной статистики добыча нефти в России в 2011 году составила 509,4 млн. тонн (включая газовый конденсат). Доля экспорта в добыче составила 48%. Что касается удельного веса нефти в общем объеме российского экспорта и в экспорте топливно-энергетических товаров, она составила соответственно 34,7% и 50,2%.
Вместе с тем, добыча нефти в стране по-прежнему обгоняет прирост запасов, а современное состояние сырьевой базы нефтяной промышленности характеризуется постоянным ухудшением структуры и качества ресурсов, что обусловлено переходом на позднюю стадию разработки крупных месторождений, ростом трудноизвлекаемых запасов и увеличением доли мелких залежей. Отрасль находится в сильной зависимости от ресурсов Западной Сибири, основные объёмы добычи обеспечиваются не благодаря вводу в разработку новых месторождений, а за счёт интенсификации отбора извлекаемых запасов уже разрабатываемых залежей.
Перед государством и крупнейшими вертикально-интегрированными компаниями стоит стратегическая задача увеличения объёмов добычи нефти, решением которой может стать инвестирование в геологоразведочные работы (ГРР) и вовлечение в разработку новых месторождений. Для удовлетворения внутреннего и внешнего спроса на нефть требуется вводить в эксплуатацию месторождения, расположенные в малоизученных регионах страны. В Восточной Сибири, в Республике Саха (Якутия), на морском шельфе категории разведанных запасов и ресурсов нефти характеризуется низкой стадией изученности. Потенциальные инвесторы сталкиваются с необходимостью проведения геолого-экономической оценки эффективности освоения ресурсов.
Проведение ГРР и дальнейшая разработка месторождения рассматривается как долгосрочный инвестиционный проект (ИП). Денежный поток в нём формируется из всех затрат сопутствующих эксплуатации нового месторождения и доходов от продажи сырой нефти на внутреннем рынке и её экспорта.
Традиционно для оценки эффективности ИП рассматривают следующие основные показатели: чистый дисконтированный доход (ЧДД), индекс
рентабельности, внутренняя норма рентабельности, срок окупаемости инвестиций с учётом дисконтирования. Но использовать их можно только в том случае, если точно известны все входящие в них параметры [1]. Для рассматриваемого ИП в малоизученных регионах применение данных показателей требует учёта факторов риска и неопределённости исходных данных.
Можно выделить следующие риски, оказывающие влияние на реализацию ИП в нефтедобыче [2]:
- Геологические риски: неоткрытая месторождения; несовпадения
качества и количества реальных запасов и ресурсов месторождения с прогнозируемыми.
- Финансовые риски: инфляционный; валютный; процентный.
- Управленческие риски: организационные, экономические,
технологические, социальные, правовые.
- Инжиниринговые риски: неправильного выбора технологий,
оборудования; отсутствия должной технологии, оборудования.
- Строительные риски: задержки ввода объектов проекта в
эксплуатацию; несоответствия качества строительных работ.
- Эксплуатационные риски: несоответствия качества оборудования и выполнения строительных работ, выхода оборудования из строя.
- Маркетинговые риски: ошибок прогнозирования спроса на нефть; снижения цен на углеводородное сырьё.
- Страновые риски: государственного вмешательства; изменений в законодательстве; изменения налоговой/таможенной/экспортной политики.
- Экологические риски: нанесения ущерба окружающей среде;
негативного влияния природно-климатических факторов.
Неопределённости параметров проекта могут обусловливаться следующими факторами [1]:
- Неполнотой или неточностью информации о значениях и динамике наиболее существенных технических, технологических или экономических параметров объектов;
- Ошибками в расчётах параметров проекта, обусловленных экстраполяцией на будущее данных и зависимостей, имевших место в прошлом;
- Упрощением в расчётах финансово-экономических параметров проекта, обусловленных моделированием сложных технических или организационно-экономических систем.
Основные методы оценки эффективности ИП в условиях неопределённости и рисков [1,3,4]: метод корректировки ставки
дисконтирования с учётом риска; метод эквивалентов; анализ чувствительности показателей; метод сценариев; «дерево решений»; метод реальных опционов. Не рассматривая каждый, отметим тот факт, что ни один из методов не позволяет полностью описать и оценить все риски, оказывающие влияние на реализацию ИП. В последнее время в дополнении к традиционным развиваются такие методы как имитационное моделирование и оценка с помощью теории нечётких множеств [5].
Продемонстрируем достоинства и недостатки имитационного статистического моделирования по методу Монте-Карло [6] и применения теории нечётких множеств для оценки эффективности реализации ИП в нефтедобыче на основе экспериментальных расчётов.
Объект исследования - типичный по геологическим и географическим условиям лицензионный участок (ЛУ) с прогнозными ресурсами Д1 (накопленная добыча 6,207 млн. т). Объект расположен в Иркутской области. По данным Центрального диспетчерского управления топливно-
энергетического комплекса в 2010 году на территории Иркутской области было добыто 3333,4 тыс. т нефти, за 8 месяцев 2011 года - 3889,7 тыс. т. Основной объем добычи нефти в регионе обеспечивается «Верхнечонскнефтегаз», разрабатывающим Верхнечонское месторождение. В 2010 году из Иркутской области на экспорт было поставлено 2880,2 тыс. т нефти, за 8 месяцев 2011 года
- 3523,1 тыс. т.
Добываемую на объекте нефть предполагается реализовывать как на внутреннем рынке, так и экспортировать на внешний рынок. Объект характеризуется следующими исходными параметрами: запасами и ресурсами нефти; показателями издержек (в частности, ставками налогов); параметрами программы ГРР (только для стадий, характеризующихся прогнозными и перспективными ресурсами Д1 и С3 соответственно); технологическими показателями. Оценка и анализ объекта осуществлялись на четырёх стадиях изученности, характеризующихся разными запасами и ресурсами (Д1, С3, С1+С2, С1).
Экспериментальные расчёты: метод Монте-Карло
Методу оценки эффективности разведки и освоения нефтяных месторождений на основе моделирования Монте-Карло посвящены работы сотрудников отдела финансово-экономического анализа и оценки нефтегазовых ИП Сибирского научно-исследовательского института геологии, геофизики и минерального сырья [7].
Несмотря на то, что данный метод относительно сложен и требует множества расчётов, он даёт приемлемые оценки эффективности реализации ИП.
Алгоритм проведения моделирования [6]:
1. Выбор независимых переменных и интервалов их распределений.
2. Выбор результирующих показателей (зависимых переменных), основным из которых является ЧДД.
3. Проведение испытаний по методу Монте-Карло. В соответствии с выбранными распределениями вероятностей независимые переменные выбираются случайно в границах заданных интервалов. В таблице 1 представлены основные результаты моделирования.
Таблица 1 . Зависимость ЧДД от стадии изученности объекта
Стадия Среднее значение ЧДД, млн. рублей Среднее значение убытков, млн. рублей Вероятность убытков, %
Стадия изученности с прогнозными ресурсами Д1. -1193,727 -1818,488 80,3%
стадии изученности с перспективными ресурсами С3. 346,73537 -653,029 63,8%
стадии изученности с ресурсами С1+С2. 567,335072 -536,41352 41,10%
стадии изученности с ресурсами С1. 883,46806 -399,9787 33,30%
На основании полученных результатов можно сделать вывод о том, что по мере снижения неопределённости исходных данных (при переходе запасов из одной категории в другую), снижаются риски получения убытков, повышается ЧДД, а, следовательно, и инвестиционная привлекательность объекта.
В качестве основного критерия оценки эффективности ГРР было решено выбрать отношение прироста ЧДД от освоения объекта к затратам на ГРР (относительная эффективность). Абсолютная эффективность проведения ГРР рассчитывалась как разница между приростом ЧДД и затратами на проведение ГРР.
Анализ результатов расчёта эффективности проведения ГРР показал, что наиболее эффективным является проведение сейсморазведочных работ (абсолютная эффективность: 434,3522 млн. рублей, относительная
эффективность: 1,392688. Для рассматриваемого ЛУ положительный эффект от проведения сейсморазведочных работ компенсирует отрицательную
абсолютную эффективность поискового (-93,8059 млн. рублей) и разведочного (-204,92 млн. рублей) бурения. В итоге проведение ГРР и дальнейшая разработка на рассматриваемом участке являются эффективными и целесообразными.
Однако на основе проведённых расчётов нельзя количественно оценить, какие факторы оказывают наибольшее влияние на риск получения
отрицательного ЧДД. Могут ли приниматься решения об инвестировании на основе результатов имитационного статистического моделирования по методу Монте-Карло?
Если предположить, что данный ИП будет реализован в короткий период времени, то данные результаты можно считать соответствующими действительности, но очевидно, что на практике освоение ЛУ, как правило, задерживается по различным причинам. Проведение ГРР и разработка месторождения - долгосрочный неопределённый процесс.
Результаты проведённого моделирования зависят от правильности выбранных изначально законов распределения переменных, поведение которых, во-первых, невозможно описать абсолютно точно, а во-вторых, меняется во времени. На практике применение данного метода зачастую упрощает реальное положение дел: даётся количественная оценка, не учитывающая множества качественных факторов, способных повлиять на реализацию проекта.
Выходом может послужить применение теории нечётких множеств, автором которой является Лотфи Заде [8], благодаря которой границы оценки эффективности ИП в нефтедобыче могут быть расширены за счёт включения в анализ качественных факторов. Например, на основе оценок экспертов могут быть сделаны прогнозы относительно возможных изменений конъюнктуры нефтяного рынка, политических событий, или государственного вмешательства в процессы недропользования. Методы нечёткого моделирования позволяют использовать данную информацию для количественной оценки эффективности, а также формализовать интуитивные представления инвестора о ходе реализации проекта.
Экспериментальные расчёты: нечёткое моделирование
Оценка эффективности реализации ИП с помощью аппарата теории нечётких множеств лишена недостатков вероятностного моделирования. Предполагается, что все возможные сценарии развития событий, отражающиеся во входных данных ИП, используемых для расчёта целевого показателя, учтены в соответствующих нечётких оценках, а веса вхождения сценариев в полную группу характеризуются функцией принадлежности [5].
Суть заключается в том, что задаются нечёткие интервалы значений всех переменных, влияющих на реализацию ИП, попадание в которые характеризуется некоторой степенью неопределённости. В итоге посредством операций над интервалами получается нечёткий интервал значения целевого показателя (например, ЧДД). Использование метода нечётких множеств позволяет включить в анализ не только количественные, но и качественные переменные, оперировать неопределёнными и нечёткими входными данными.
В практике анализа ИП с помощью нечётких множеств, когда все параметры в формуле расчёта целевого показателя обладают неопределённостью, в качестве исходных данных наиболее часто используются треугольные нечёткие числа [6]. Треугольное число задаётся с помощью трёх параметров, соответствующих пессимистическому, базовому и оптимистическому сценарию: минимальное, среднее и максимальное значения.
Для рассмотренного выше ЛУ был проведён расчёт эффективности реализации ИП с помощью теории нечётких множеств. Предполагаем, что прогнозируемые значения ЧДД от реализации нефти после проведения ГРР можно представить в виде треугольно-симметричного нечёткого числа. Критерий эффективности принимаем равным нулю. Если чистый доход превышает заданный критерий, то рассматриваемый ИП считаем эффективным.
В зависимости от возможных вариаций показателей затрат и доходов, задающихся в нечётком виде, используемых для расчёта ЧДД и оцененных экспертным путём, будем иметь треугольное число: чистый дисконтированный доход (ЧДД)=(ЧДДмин, ЧДДср., ЧДДмакс.). Определив крайние значения ЧДД, строим функцию принадлежности (уровни принадлежности: 0; 0,25; 0,5; 0,75; 1) . Для всех стадий изученности объекта получаем значения показателей ЧДД (ЧДДмин. до налогообложения, ЧДДмакс. до налогообложения, ЧДДмин. после налогообложения, ЧДДмакс. после налогообложения) для каждого уровня принадлежности. Результаты представлены в таблице 2.
Построим график функции принадлежности для первой стадии изученности объекта, характеризующейся прогнозными ресурсами Д1 (см. рис.1). Из рисунка видно, что при любых сценариях развития инвестировать в ГРР на этапе разработки месторождения с прогнозными ресурсами Д1 при действующем налогообложении коммерчески не выгодно. В силу того, что проведение ГРР и последующая разработка месторождения способствует воспроизводству минерально-сырьевой базы, государству необходимо пересмотреть условия налогообложения нефтедобывающих компаний, по крайней мере, на ранних стадиях разработки в восточных районах.
Таблица 2. Распределение ЧДД по уровням принадлежности, млн. рублей
Уровень ЧДДмин. Д° ЧДДмакс. до ЧДДмин. после ЧДДмакс. после
принадлежност налогообложени налогообложени налогообложен налогообложени
и я я ия я
Стадия изученности с прогнозными ресурсами Д1
0 1545 2576 -194 -116
0,25 1674 2447 -184 -126
0,5 1803 2318 -174 -136
0,75 1932 2189 -165 -145
1 2061 2061 -155 -155
Стадия изученности с перспективными ресурсами С3
0 2527 4212 429 715
0,25 2738 4001 465 680
0,5 2948 3790 501 644
0,75 3159 3580 537 608
1 3369 3369 572 572
Стадии изученности с ресурсами С1+С2
0 2937 4894 498 830
0,25 3181 4650 540 789
0,5 3426 4405 581 747
0,75 3671 4160 623 706
1 3916 3916 664 664
Стадии изученности с ресу зсами С1
0 3292 5487 794 1324
0,25 3566 5212 860 1258
0,5 3841 4938 927 1191
0,75 4115 4664 993 1125
1 4389 4389 1059 1059
Рис. 1. Функция принадлежности ЧДД для стадии изученности объекта с
прогнозными ресурсами Д1
Мы видим, что благодаря теории нечётких множеств мы получили результаты, отличные от результатов имитационного моделирования по методу Монте-Карло, позволяющие учесть множество сценариев развития событий, а также показывающие, что на стадии изученности объекта, характеризующейся прогнозными ресурсами Д1 ЧДД отрицателен из-за взимаемых государством налогов.
Построим также график функции принадлежности для последнего этапа разработки месторождения, характеризующегося ресурсами С1, для того чтобы оценить итоговую эффективность реализации инвестиционного проекта (см. рис 2). Из рисунка следует, что в целом проведение ГРР и дальнейшая разработка рассматриваемого месторождения эффективны, что было подтверждено и расчётами с помощью имитационного моделирования по методу Монте-Карло.
Аппарат теории нечётких множеств для оценки долгосрочных ИП в нефтедобыче является перспективным методом учёта неопределённости и рисков в арсенале традиционных доходных методов оценки запасов, так как позволяет максимально учесть качественные аспекты. Вместе с тем, субъективность экспертов и неправильное задание функций принадлежности может существенно повлиять на результаты оценки. Поэтому для точности вычислений можно использовать нечёткие методы совместно с вероятностными. Отмечается, что одновременное применение методов
нечёткого и вероятностного моделирования позволяет исследовать свойства неопределённости с двух разных сторон [9].
Рис 2. Функция принадлежности ЧДД для стадии изученности объекта с
ресурсами С1
Выводы
В современных условиях перед российским государством стоит задача восполнения минерально-сырьевой базы путём увеличения объёмов добычи нефти за счёт ввода в эксплуатацию новых месторождений, расположенных в слабоизученных районах страны.
Проведение ГРР и дальнейшую разработку месторождений в этом случае необходимо рассматривать, как долгосрочный ИП, требующий оценки эффективности. Традиционные методы не могут дать точных оценок, так как нефтедобыча характеризуется множеством неопределённостей на всех стадиях реализации проекта. Методы оценки эффективности с учётом риска гораздо эффективней традиционных, но также имеют существенные недостатки, так как не позволяют учесть все виды возникающей неопределённости.
Адекватным признано применение методов нечёткого моделирования, позволяющих включать в анализ, как количественные, так и качественные переменные, а, следовательно, дающих наиболее точные результаты оценки эффективности для инвестора.
1. Виленский П.Л., Лившиц В.Н., Смоляк С.А. Оценка эффективности инвестиционных проектов: Теория и практика. - М.: Дело, 2002. - 888 с.
2. Лебедев А.С., Плотицын А.Н. Проблемы оценки сырьевого потенциала нефтедобывающего производства в условиях нестабильной среды // Нефтегазовое дело [Электронный ресурс] - 2007. - На сайте: http://www.0gbus.ru/
3. Царев В.В. Оценка экономической эффективности инвестиций. - Спб.: Питер, 2004. - 464 с.
4. Смоляк С.А. Оценка эффективности инвестиционных проектов в условиях риска и неопределенности (теория ожидаемого эффекта). - М.: ЦЭМИ РАН, 2001. - 143 с.
5. Недосекин А.О. Методологические основы моделирования финансовой деятельности с использованием нечётко-множественных описаний // Диссертация на соискание учёной степени доктора экономических наук. - Спб., 2003. - На сайте: http: //sedok.narod.ru/sc_group.html
6. Ампилов Ю.П., Герт А.А. Экономическая геология. - М.: ГеоИнформМарк, 2006. -
400 с.
7. Герт А.А., Супрунчик Н.А., Немова О.Г., Кузьмина К.Н. Стоимостная оценка нефтегазовых месторождений и участков недр. - М.: ГеоИнформМарк, 2010. - 195 с.
8. Заде Л. Понятие лингвистической переменной и её применение к принятию приближённых решений. - М.: Мир, 1976. - 165 с.
9. Павлов А.В. Интервальный метод построения нечётких макроэкономических показателей // Диссертация на соискание учёной степени кандидата технических наук. -Новосибирск, 2004.
© Г.М. Мкртчян, Л.В. Скопина, Н.Е. Шубников, 2Q12
