CC BY
26НАУКА И ОБРАЗОВАНИЕ, 2012, №3
ЭКОНОМИКА
УДК 332.64
Развитие доходных методов оценки эффективности разработки лицензионных участков с учетом неопределенности и рисков
Г.М. Мкртчян, В.П. Морозов, Н.Е. Шубников, Л.В. Скопина
Приведены результаты расчётов эффективности инвестирования в проведение геологоразведочных работ и дальнейшую разработку нефтяного месторождения в Республике Саха (Якутия) 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.
The article presents the results of investment efficiency calculations in geological exploration and further development of oil field in The Republic of Sakha (Yakutia) with the methods ofprobability and fuzzy modeling. It 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. В 2010 г. объём добычи составил 505 млн. т (2,1% прироста к 2009 г.). Впервые в новейшей истории России добыча была выше 10 млн. баррелей в день (10,14 млн. баррелей в день) [1].
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.
МКРТЧЯН Гагик Мкртичевич - д.э.н., проф., декан эконом. ф-та НГУ, [email protected]; МОРОЗОВ Владимир Петрович - аспирант эконом. ф-та НГУ, [email protected]; ШУБНИКОВ Никита Евгеньевич - магистрант эконом. ф-та НГУ, шк^. [email protected]; СКОПИНА Лариса Владимировна - к.э.н., с.н.с., доцент эконом. ф-та НГУ, 8(383)-363-42-12.
Перед государством и крупнейшими вертикально-интегрированными компаниями стоит стратегическая задача увеличения объёмов добычи нефти, решением которой могут 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 характеризуются низкой стадией изученности. Потенциальные инвесторы сталкиваются с необходимостью проведения геолого-экономической оценки эффективности освоения ресурсов.
Проведение ГРР и дальнейшая разработка месторождения рассматриваются 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 извест-
ны все входящие в них параметры [2]. 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 [3]:
- геологические: неоткрытия месторождения, несовпадения качества и количества реальных запасов и ресурсов месторождения с прогнозируемыми;
- финансовые: инфляционный, валютный, процентный;
- управленческие: организационные, экономические, технологические, социальные, правовые;
- инжиниринговые: неправильного выбора технологий, оборудования, отсутствия должной технологии, оборудования;
- строительные: задержки ввода объектов проекта в эксплуатацию, несоответствия качества строительных работ;
- эксплуатационные: несоответствия качества оборудования и выполнения строительных работ, выхода оборудования из строя;
- маркетинговые: ошибок прогнозирования спроса на нефть, снижения цен на углеводородное сырьё;
- страновые: государственного вмешательства, изменений в законодательстве, изменения налоговой (таможенной) экспортной политики;
- экологические: нанесения ущерба окружающей среде, негативного влияния природно-климатических факторов.
Неопределённости параметров проекта могут обусловливаться следующими факторами [2]:
- 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 [2,4,5]: 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. У последнее время в дополнении к традиционным развиваются такие методы как имитационное моделирование и оценка с помощью теории нечётких множеств [6].
Продемонстрируем достоинства и недостатки имитационного статистического моделирования по методу Монте-Карло [7] 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. Объект расположен на юго-западе Республики Саха (Якутии). Добываемую 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 (Дь С3, С1+С2, СД
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 [8].
Несмотря на то, что данный метод относительно сложен и требует множества расчётов, он даёт приемлемые оценки эффективности реализации ИП.
Алгоритм проведения моделирования [7]:
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 табл. 1 представлены основные результаты моделирования.
На основании полученных результатов можно сделать вывод о том, что по мере снижения неопределённости исходных данных (при перехо-
Т а б л и ц а 1
Зависимость ЧДД от стадии изученности объекта
Среднее значение ЧДД, млн. руб. Среднее значение убытков, млн. руб. Вероятность убытков, %
Стадия изученности с прогнозными ресурсами Д1 -1193,727 -1818,488 80,3
Стадия изученности с перспективными ресурсами С3 346,73537 -653,029 63,8
Стадия изученности с ресурсами С1+С2 567,335072 -536,41352 41,10
Стадия изученности с ресурсами С1 883,46806 -399,9787 33,30
де 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 сейсморазведоч-ных работ (абсолютная эффективность -434,3522 млн. руб., относительная эффективность - 1,392688 руб./руб). Для рассматриваемого ЛУ положительный эффект от проведения сейсморазведочных работ компенсирует отрицательную абсолютную эффективность поискового (-93,8059 млн. руб.) и разведочного (-204,92 млн. руб.) 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 являя-ется Лотфи Заде [9], 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 процесс-сы 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 [6].
Дуть 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 наибо-
лее часто используются треугольные нечёткие числа [7]. Треугольное число задаётся с помощью трёх параметров, соответствующих пессимистическому, базовому и оптимистическому сценариям: 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.
У 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 табл. 2.
Построим график функции принадлежности для первой стадии изученности объекта, характеризующейся прогнозными ресурсами Д1 (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. У силу того, что прове-
Т а б л и ц а 2
Распределение ЧДД по уровням принадлежности, млн. руб.
Уровень принад- ЧДДмин до налогообло- ЧДДмакс до налогооб- ЧДДмин после налого- ЧДДмакс после налого-
лежности жения ложения обложения обложения
Стадия изученности с прогнозными ресурсами Д[
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
Стадия изученности с ресурсами С^С 2
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
Стадия изученности с ресурсами С!
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
дение ГРР и последующая разработка месторождения способствуют воспроизводству минерально-сырьевой базы, государству необходимо пересмотреть условия налогообложения нефтедобывающих компаний, по крайней мере, на ранних стадиях разработки в восточных районах.
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 послед-
194 - 155
116
1545
2061
2576
Рис. 1. Функция принадлежности ЧДД -► для стадии изученности объекта с прогнозными ресурсами Д1
3292
5487
М
1
него этапа разработки месторождения, характеризующегося ресурсами Дь для того чтобы оценить итоговую эффективность реализации инвестиционного проекта (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 могут 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 [10].
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 слабо-изученных 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 неопреде-
Рис 2. Функция принадлежности ЧДД для стадии изученности объекта с ресурсами С1
лённостей 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.
Литература
1. Аналитический бюллетень «Нефтегазодобывающая и нефтеперерабатывающая промышленность: тенденции и прогнозы». Вып. №1, итоги 2010 г. - М.: РИАНовости, 2011.
2. Виленский П.Л., Лившиц В.Н., Смоляк С.А. Оценка эффективности инвестиционных проектов: Теория и практика. - М.: Дело, 2002. - 888 с.
3. 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.ogbus.ru/.
4. Царев В.В. Оценка экономической эффективности инвестиций. - СПб.: Питер, 2004. - 464 с.
5. Смоляк С. А. Оценка эффективности инвестиционных проектов в условиях риска и неопределенности (теория ожидаемого эффекта). - М.: ЦЭМИ РАН, 2001. - 143 с.
6. Недосекин А.О. Методологические основы моделирования финансовой деятельности с использованием нечётко-множественных описаний: дис. ... д.э.н. - СПб., 2003. - На сайте: http://sedok.narod. ru/sc_group.html.
7. Ампилов Ю.П., Герт А.А. Экономическая геология. - М.: ГеоИнформМарк, 2006. - 400 с.
8. Герт А.А., Супрунчик Н.А., Немова О.Г., Кузьмина К.Н. Стоимостная оценка нефтегазовых месторождений и участков недр. - М.: ГеоИнформМарк, 2010. - 195 с.
9. Заде Л. Понятие лингвистической переменной и её применение к принятию приближённых решений. - М.: Мир, 1976. - 165 с.
10. Павлов А.В. Интервальный метод построения нечётких макроэкономических показателей: дис. . к.т.н. - Новосибирск, 2004.
Поступила в редакцию 05.05.2011
