Project Valuation and Decision Making under Risk and Uncertainty applying Decision Tree Analysis and Monte Carlo Simulation
Tato práce představuje použití metody simulace Monte Carlo a přístupu analýzy rozhodovacího stromu při ekonomickém oceňování projektů, které jsou vystaveny rizikům a nejistotám. Čistá současná hodnota projektu se obvykle používá jako parametr investičního rozhodování.
Používání deterministických modelů k výpočtu čisté současné hodnoty projektu zanedbává rizikovou a nejistou povahu reálných projektů a v důsledku toho vede k nepoužitelným výsledkům ocenění. Realistické modely oceňování musí používat rozdělení hustoty pravděpodobnosti pro vstupní parametry a určité pravděpodobnosti výskytu konkrétních událostí během životnosti projektu v kombinaci s metodou simulace Monte Carlo a přístupem analýzy rozhodovacího stromu. Po krátkém úvodu je podán stručný výklad tradičních metod oceňování projektů.
Hlavní těžiště této práce spočívá v použití metody čisté současné hodnoty jako základního nástroje oceňování ve spojení s technikou simulace Monte Carlo a přístupem analýzy rozhodovacího stromu, které tvoří komplexní metodu oceňování projektů za podmínek rizika a nejistoty. Představená rozsáhlá metodika oceňování projektů je aplikována na dva fiktivní projekty, jeden z farmaceutického odvětví a jeden z odvětví průzkumu a těžby ropy a zemního plynu.
Obě odvětví se potýkají s vysokými riziky, vysokými nejistotami a vysokými náklady, ale také s vysokými odměnami. Příklad z farmaceutického průmyslu velmi dobře ilustruje, jak aplikace metody simulace Monte Carlo a analýzy rozhodovacího stromu vede k dobře diverzifikovanému portfoliu nových léků s nejvyšší odměnou při minimálním možném riziku.
Aplikace prezentovaného pravděpodobnostního přístupu k oceňování projektů na projekt průzkumu a těžby ropy ukazuje, jak snížit riziko velké ztráty.
© Book1 Group - všechna práva vyhrazena.
Obsah těchto stránek nesmí být kopírován ani použit, a to ani částečně ani úplně, bez písemného svolení vlastníka.
Poslední úprava: 2024.11.08 20:25 (GMT)