Rủi ro và bất định

trong phân tích dự án

 Nôi dung

1 Tổng quan về rủi ro và bất định

2 Phân tích độ nhạy (Sensitivity Analysis)

3 Phân tích rủi ro (Risk Analysis)

4 Mô phỏng theo MONTE - CARLO

 Khái niệm rủi ro – bất định
Một nhà khoa học đã cho rằng :”Chỉ có
một điều chắc chắn là không chắc chắn”.
⇒Trong mọi hoạt động con người đều tồn tại
yếu tố ngẫu nhiên , bất định.

 Rủi ro: biết được xác suất xuất hiện .

 Bất định : không biết được xác suất hay thông
tin về sự xuất hiện.
 Rủi ro – Bất định
Cách đối phó :
 Bỏ qua tính chất bất định trong tương lai , giả
định mọi việc sẽ xảy ra như một “kế hoạch đã
định” và thích nghi với những biến đổi.
 Cố gắng ngay từ đầu , tiên liệu tính bất trắc
và hạn chế tính bất định thông qua việc chọn
lựa phương pháp triển vọng nhất.
 Xác xuất khách quan – chủ quan
Xác xuất khách quan:thông qua phép thử
khách quan và suy ra xác xuất => trong
kinh tế , không có cơ hội để thử .
Xác xuất chủ quan : Khi không có thông
tin đầy đủ , NRQĐ tự gán xác suất một
cách chủ quan đối với khả năng xuất hiện
của trạng thái.
 Rủi ro & Bất định trong phân tích dự
án
Trong điều kiện chắc chắn : dòng tiền tệ ,
suất chiết tính , tuổi thọ dự án =>chắc
chắn .
Xét rủi ro – bất định :
 Sự thay đổi giá trị của chuổi dòng tiền tệ đến
kết quả dự án.
 Suất chiết tính ảnh hưởng đến kết quả dự án.
 Xử lý rủi ro bất định trong kinh tế

Tiến hành theo hai hướng :

 Tăng cường độ tin cậy của thông tin đầu vào:
tổ chức tiếp thị bổ sung , thực hiện nhiều dự
án để san sẻ rủi ro .
 Thực hiện phân tích dự án thông qua các mô
hình toán làm cơ sở.
 Mô hình toán xử lý

Các mô hình chia thành hai nhóm :

 Nhóm mô hình mô tả (description models).
• Ví dụ :Mô hình xác định giá trị hiện tại.
 Nhóm mô hình có tiêu chuẩn hay có định
hướng (Normative or prescriptive models)
• Ví dụ : Hàm mục tiêu cực đại giá trị hiện tại.
 II.PHÂN TÍCH ĐỘ NHẠY
(Sensitivity Analysis )
1. Định nghĩa :
Phân tích độ nhạy là phân tích những ảnh
hưởng của các yếu tố có tính bất định đến:
 Độ đo hiệu quả kinh tế của các phương án so
sánh
 Khả năng đảo lộn kết luận về các phương án so
sánh
Ví dụ : Ảnh hưởng của suất chiết khấu MARR
đến NPV
 II.PHÂN TÍCH ĐỘ NHẠY
(Sensitivity Analysis )

+ Mô hình phân tích độ nhạy thuộc loại mô hình mô tả

+ Trong phân tích độ nhạy cần đánh giá được biến số quan
trọng (là biến cố có ảnh hưởng nhiều đến kết quả và sự thay
đổi của biến cố có nhiều tác động đến kết quả )
 NHƯỢC ĐIỂM CỦA PHÂN TÍCH ĐỘ NHẠY

 Chỉ xem xét từng tham số trong khi kết

quả lại chịu tác động của nhiều tham số
cùng lúc
 Không trình bày được xác suất xuất hiện
của các tham số và xác suất xảy ra của
các kết quả
 Trong phân tích rủi ro sẽ đề cập đến các
vấn đề trên
 PHÂN TÍCH ĐỘ NHẠY THEO MỘT
THAM SỐ
(One at a time Procedure)

Cách thực hiện:

Mỗi lần phân tích người ta cho
một yếu tố hay một tham số thay đổi và
giả định nó độc lập với các tham số khác
 PHÂN TÍCH ĐỘ NHẠY THEO MỘT
THAM SỐ
(One at a time Procedure)
-Vd: Cho dự án đầu tư mua máy tiện A với các
tham số được ước tính như sau:
 Đầu tư ban đầu (P): 10 triệu đồng
 Chi phí hang năm (C): 2,2
 Thu nhập hàng năm (B):5,0
 Giá trị còn lại (SV): 2,0
 Tuổi thọ dự án (N): 5 năm
 MARR (i %): 8%
Yêu cầu: phân tích độ nhạy của AW lần lượt theo
các tham số : N, MARR, C
 PHÂN TÍCH ĐỘ NHẠY THEO MỘT
THAM SỐ
 Giải: (One at a time Procedure)
AW= -10(A/P,i%,N)+5-C+2(A/F,i%,N)
 Kết quả :
 NHẬN XÉT

 AW của dự án khá nhạy đối với C và N nhưng ít

nhạy đối với MARR
 Dự án vẫn còn đáng giá khi :
 N giảm không quá 26% giá trị ước tính
 MARR không tăng lên quá gấp đôi (103%)
 C không tăng quá 39%
 Nếu vượt quá những giá trị trên sẽ đảo lộn quyết định
 Trong phạm vi sai số của các tham số + - 20%
dự án vẫn còn đáng giá
 PHÂN TÍCH ĐỘ NHẠY CỦA CÁC
PHƯƠNG ÁN SO SÁNH

Nguyên tắc:
Khi so sánh 2 hay nhiều phương án do
dòng tiền tệ của các phương án khác
nhau nên độ nhạy của các chỉ số hiệu
quả kinh tế đối với các tham số cũng
khác nhau nên cần phân tích them sự
thay đổi này
 VÍ DỤ
 Có 2 phương án A và B , độ nhạy của PW theo tuổi
thọ N của 2 phương án như sau:
 NHẬN XÉT

 Nếu tuổi thọ ước tính của 2 dự án là như nhau thì :

 A tốt hơn B khi N >10 năm
 B tốt hơn A khi 7<N<10 năm
 A va B đều không đáng giá khi N<7 năm

 Nếu tuổi thọ ước tính của 2 dự án là khác nhau thì từ đồ

thị có thể rút ra một số thông tin cần thiết

Ví dụ :Nếu N(A)=15+-2 năm và N(B)=10+-2 năm thì

phương án A luôn luôn tốt hơn phương án B
 PHÂN TÍCH ĐỘ NHẠY THEO NHIỀU
THAM SỐ(SCENARIO ANALYSIS )

Để xem xét khả năng có sự thay đổi

tương tác giữa sự thay đổi của các tham
số kinh tế cần phải nghiên cứu độ nhạy
của các phương án theo nhiều tham số

Phương pháp tổng quát : tạo thành các

“vùng chấp nhận ” và “vùng bác bỏ”
PHÂN TÍCH ĐỘ NHẠY THEO NHIỀU THAM
SỐ(SCENARIO ANALYSIS )
 Phân tích rủi ro (Risk Analysis)
Mô hình tổng quá của bài toán phân tích rủi ro
Trạng thái Si S1 S2 Sj Sn
Phương án Ai
A1 R11 R12 R1j R1n
A2 R21 R22 R2j R2n

Ai Ri1 Ri2 Rij Rin

Am Rm1 Rm2 Rmj Rmn

Xác suất của các trạng thái Pi P1 P2 Pj Pn

Ai: Phương án đầu tư Si: Trạng thái xảy ra (Khó khăn, thuận lợi …)

Rij: Chọn phương án Ai và trạng thái Sj thì sẽ có được kết quả là Rij

Pi: Xác suất để trạng thái Sj xảy ra (nếu là bất định thì sẽ không xác định được Pi)
 Phân tích rủi ro (Risk
Analysis)
Giá trị kỳ vọng E(Ai) của hiệu quả của phương án Ai
n
E (A i) = ∑(R ij *P j)
j =1

Độ lệch chuẩn: Khả năng xảy ra kết quả lệch xa giá trị kỳ vọng E(Ai) của
hương án Ai

n
σ ( Ai )= ∑
j =1
( Rij −E ( A2i )) * Pj

Độ rủi ro tương đối giữa các phương án – Hệ số biến hóa Cv:
Phương án nào có Cv càng lớn thì mức độ rủi ro càng cao.

σ ( Ai )
CV =
E ( Ai )
 Phân tích rủi ro (Risk Analysis)
Trạng thái Si S1 S2 Sj Sn
Phương án Ai
A1 R11 R12 R1j R1n
A2
R21 R22 R2j R2n

Ai Ri1 Ri2 Rij Rin

Am Rm1 Rm2 Rmj Rmn
Xác suất của các trạng thái Pi P1 P2 Pj Pn

E ( A1 ) = R11
* P1 + R12 * P2 + ..……+ R1j * Pj + R1n * Pn

σ ( A1 ) = (R11 - E(A1))2*P1 + (R12 - E(A1))2*P2 +……...+ (R1n - E(A1))2*Pn

Cv =
σ( A)1
EA
( )1
 Phân tích rủi ro (Risk Analysis)
Ví dụ: 1 công ty xem xét 3 phương án A1, A2, A3 và các tính trạng kinh doanh
(RR) có thể xảy ra là khó khăn, trung bình và thuận lợi cùng với các xác
suất xảy ra tương ứng.

Khó khăn Trung bình Thuận lợi

Trạng thái
Phương án
A 1
1% 4% 7%
A2
-1 % 4% 9%
A3 -6 % 4% 14 %
Xác suất trạng thái 25 % 50 % 25 %

Yêu cầu: Xác định kỳ vọng, mức độ rủi ro và hệ số biến hóa của các
phương án
 Phân tích rủi ro (Risk Analysis)
Trạng thái Khó khăn Trung bình Thuận lợi
Phương án
A1
1% 4% 7%
A2 -1 % 4% 9%
A3 -6 % 4% 14 %

Xác suất trạng thái 25 % 50 % 25 %

E (A1) = 0.01 *0.25 + 0.04 * 0.5 + 0.07 * 0.25 = 4%

E ( A2 ) = -0.01 *0.25 + 0.04 * 0.5 + 0.09 * 0.25 = 4%
E (A3) = -0.06 *0.25 + 0.04 * 0.5 + 0.14 * 0.25 = 4%
= 2.12 %
σ ( A1 ) = (0.01 – 0.04) *0.25
2 + (0.04 – 0.04) * 0.5
2 + (0.07 – 0.04) * 0.25
2

= 3.54 %
σ ( A2 ) = (-0.01 – 0.04)2*0.25 + (0.04 – 0.04)2* 0.5 + (0.09 – 0.04)2 * 0.25
= 7.07 %
σ ( A3) = (-0.06 – 0.04) *0.252 + (0.04 – 0.04) * 0.5
2 + (0.14 – 0.04) * 0.25
2

CV ( 1A ) = 2.12 %
= 0.53 CV ( A2 ) = 3.54 %
= 0.88 CV ( A3 ) = 7.07 %
= 1.77
4% 4% 4%

CV ( A3 ) Max  Phương án A3 có độ rủi ro cao nhất

Tính toán xác suất theo
phân phối chuẩn
(Normal Distribution)

Click to edit subtitle style

µ

Tính toán xác suất theo phân phối

chuẩn (Normal Distribution)
 Nhắc lại :
 Biến ngẫu nhiên X được gọi là tuân theo phân phối chuẩn nếu hàm
mật độ xác suất có dạng:

−( x−µ )2
1
Trong đó : f ( x) = e 2σ 2

σngẫ2uπnhiên X
là số trung bình của biến

µ
E( X ) = µ
là phương sai của biến ngẫu nhiên X

2
σ là độ lệch chuẩn của biến ngẫu nhiên X
2
Var ( X ) = σ
σ
 Tính toán xác suất theo phân phối
chuẩn (Normal Distribution)
Ký hiệu :

X ~ N ( µ ,σ 2 ) (phân phối chuẩn)

Z ~ N (0,1) (phân phối chuẩn hóa – Standard Distribution)

P(a<X<b) = S
b −( x− µ )2
1
S=
σ 2π ∫e
a
2σ 2
dx
 Tính toán xác suất theo phân phối
chuẩn (Normal Distribution)
X −µ
Z=
Đặt σ X ~ N ( µ ,σ 2 ) ⇒ Z ~ N (0,1)

= >P(a < X < b) = P(a < σZ + µ < b)

a−µ b−µ
= P( <Z < )
σ σ
b− µ a−µ
= P(Z < ) − P(Z ≤ )
σ σ
b−µ  a−µ 
= F  − F 
 σ   σ 
Trong đó : F(X) là hàm phân phối chuẩn (dùng bảng tra)
 Tính toán xác suất theo phân phối
chuẩn (Normal Distribution)
Ví dụ: Đối với phương án A1 trong ví dụ trước.
Tìm xác suất để có RR sau thuế của cổ phần nằm
trong khoảng: µ = E ( A1) = 4%
a).4% đến 5% σ = σ ( A1) =2.12%
b).5% đến 6%
 5% − 4%   4% − 4% 
a ).P(4% < RR < 5%) = F   − F 
 2.12%   2.12% 
= F (0.47) − F (0) = 18.08% − 0 =18.08%
6% − 4%   5% − 4% 
b).P (5% < RR < 6%) = F   − F 
 2.12%   2.12% 
= F ( 0.94 ) − F ( 0.47 )
= 32.64% − 18.08% = 14.56%
Rủi ro trong dòng tiền tệ
(Cash Flow – CF)

Click to edit subtitle style

 Rủi ro trong chuỗi dòng tiền tệ
(Cash Flow – CF)
 Giá trị hiện tại của dòng tiền:
N
PW = ∑ (1 + i ) − j A j
j =0

 Kỳ vọng Giá trị hiện tại của dòng tiền:

N
E ( PW ) = ∑ (1 + i ) − j E ( A j )
j =0

 Phương sai giá trị hiện tại của dòng tiền:

N
Var ( PW ) = σ 2 ( PW ) = ∑ (1 + i ) −2 j Var ( A j )
j =0
 Rủi ro trong chuỗi dòng tiền tệ
(Cash Flow – CF)
 Độ lệch chuẩn giá trị hiện tại của dòng tiền:
Là giá trị biểu thị mức độ rủi ro của dự án.
N
σ ( PW ) = ∑ (1
j =0
+ i ) −2 j
Var ( A j )

 Định lý giới hạn trung tâm(Central Limit Theorem):

Khi N tăng lớn, PW sẽ tuân theo phân phối chuẩn có số
trung bình là E(PW) và phương sai Var(PW) , hay:

(
( N → ∞) ⇒ PW ~ N E ( PW ) , σ ( PW ) 2
)
 Rủi ro trong chuỗi dòng tiền tệ
(Cash Flow – CF)
Ví dụ:
Một công ty dự định đầu tư vào một dây chuyền sản xuất với:
P = 2000 tr – vốn đầu tư (xem như biết chắc chắn)
 A = 1000 tr - thu nhập ròng trung bình hàng năm (xem như biến ngẫu nhiên độc lập tuân theo phân phối chuẩn).
 độ lệch chuẩn thu nhập ròng hàng năm
 N = 3 năm
 MARR = 10% = i%
 SV = 0
Yêu cầu: tính xác suất đề PW<0 (dự án không đáng giá)

σ = 200 tr
 Rủi ro trong chuỗi dòng tiền tệ
(Cash Flow – CF)
J 0 1 2 3
P - 2 000
A 1 000 1 000 1 000
SV 0
Aj - 2 000 1 000 1 000 1 000
Var ( A j ) 200*200 200*200 200*200
= σ 2 ( Aj ) = 40 000 = 40 000 = 40 000
N 3
E ( PW ) = ∑ Aj (1 + i ) − j = A0 + ∑ A j (1 + 0.1) − j
j =0 3 j =1
= −2000 + ∑1000(1 + 10%) − j = −2000 + 1000( P / A,10%,3)
j =1
= −2000 + 1000 * 2.4869 = 486.9 tr
 Rủi ro trong chuỗi dòng tiền tệ
(Cash Flow – CF)
J 0 1 2 3
P - 2 000
A 1 000 1 000 1 000
SV 0
Aj - 2 000 1 000 1 000 1 000
Var ( A j ) 200*200 200*200 200*200
= σ 2 ( Aj ) = 40 000 = 40 000 = 40 000
Var ( A j )
N
Var ( PW ) = σ 2 ( PW ) = ∑ (1 + i )
−2 j

j =0

( ) Var( A j ) = 0 + ∑ 40 000(1 + 21% )

N 3
= Var( A0 ) + ∑ 1 + 2i + i 2 −j −j

j =1 j =1

= 40 000( P / A,21%,3) = 82 957.

 Rủi ro trong chuỗi dòng tiền tệ
(Cash Flow – CF)
σ ( PW ) = Var (PW ) = 82957 = 288 tr
E ( PW ) = 487 tr
Giả sử PW tuân theo quy luật phân phối chuẩn:
PW ~ N (487,2882 ) PW − E ( PW )
Z=
Xác suất đề PW có giá trị âm: σ ( PW )
 0 − 487 
P( PW < 0) = P Z < 
 288 
= P ( Z < −1.69)

= F (−1.69) = 4.55% (tra bảng)

σn

Mức độ rủi ro tăng

theo thời gian
σ N = σ0 N
σN Độ lệch chuẩn ở thời đoạn thứ N

σ0 Độ lệch chuẩn ở thời đoạn thứ 0

Thời gian quy hoạch càng dài

thì mức độ rủi ro càng cao
Mô phỏng theo
Monte - Carlo
 Giới thiệu
 Mô phỏng Monte – Carlo là một phương pháp
phân tích mô tả các hiện tượng chứa yếu tố
ngẫu nhiên (rủi ro trong dự án…) nhằm tìm ra lời
giải gần đúng
 Được sử dụng trong phân tích rủi ro khi việc tính
toán bằng giải tích quá phức tạp
 Thủ tục
 Thực chất là lấy một cách ngẫu nhiên các giá trị
có thể có của các biến ngẫu nhiên ở đầu vào và
tính ra một kết quả thực nghiệm của đại lượng
cần phân tích
 Quá trình đó lặp lại nhiều lần để có một tập đủ
lớn các kết quả thử nghiệm
 Tính toán thống kê tập hợp các kết quả đó để có
các đặc trưng thống kê của kết quả cần phân
tích
 Một dự án đầu tư có dòng tiền tệ năm và tuổi thọ là
những biến ngẫu nhiên có phân phối xác suất

Tuổi thọ dự án N Xác suất

(năm) P(N)
Thu nhập Xác suất
ròng hàng P(A) 1 0.10
năm đều A 2 0.15
(tr. đ) 3 0.20
2000 0.20 4 0.25
3000 0.50 5 0.15
4000 0.30 6 0.10
7 0.05
Yêu cầu: Xác định giá trị kỳ vọng và phương sai của
PW, khả năng đầu tư vào dự án là có lợi P(PW > 0)

Bước 1:
Tìm cách phát ra một cách ngẫu nhiên các giá trị của
2 biến ngẫu nhiên A & N sao cho chúng thỏa mãn
phân phối xác suất như đề bài
Muốn vậy, ta dùng trung gian 2 biến ngẫu nhiên, có
phân phối đều từ 0 đến 1
 F
100 Phân phối
70 % tích lũy của
Phân phối tích lũy
% biến ngẫu
của biến ngẫu nhiên
phân bố đều a nhiên A
20
%
a 1 a 0 2000 3000 4000 A

F 100%
80% Phân phối
Phân phối tích lũy của tích lũy của
biến ngẫu nhiên phân 60% biến ngẫu
bố đều b 40% nhiên N
20%

b 1 b 0 1 2 3 4 5 6 7 N
Mỗi lần phát ra 2 số ngẫu nhiên và phân phối đều, dựa
vào 2 đồ thị trên ta suy ra được Ai và Ni tương ứng

Bước 2: Tính giá trị của PWi theo 2 giá trị Ai và Ni vừa
chọn ở bước 1

Bước 3: Lặp lại bước 1 & 2 m lần, với m khá lớn, ta sẽ

có m giá trị PWi, i = 1,2,3,…,m

Bước 4: Tính E[PW], V[PW] từ tập hợp PWi có được ở

bước 3

Từ đó tính được xác suất P[PW > 0]

 Quá trình phân tích mô phỏng

Xác định vấn đề

Chọn các biến số quan trọng

Xây dựng mô hình mô phỏng

Xác định giá trị của các biến

Thực hiện mô phỏng

Phân tích kết quả

Chọn giải pháp tốt nhất