Моделювання процедур оцінки ефективності інноваційних проектів в умовах ризику на невизначеності

Abstract

Враховуючи сучасний стан інноваційних проектів, до їх оцінювання доцільно ввести фактор ризику, що дає змогу краще пристосуватись у ринковому середовищі, оскільки значний рівень ризику потребує пошуку шляхів його мінімізації. Рекомендовано такі методи мінімізації ризику: розподіл їх між учасниками проекту; здійснення страхування проектів; урахування непередбачуваних витрат шляхом резервування коштів. Запропоновано схему класифікації інноваційних ризиків, що враховує особливості промисловості. Вказано, що відмінною особливістю інноваційних ризиків є те, що вони визначаються для кожної стадії життєвого циклу інновації-продукту в розрізі науково- технічного і комерційного успіху, а потім як інтегральні – загальний ризик. Зазначено, що для адекватної оцінки ефективності проекту необхідно мати достатню кількість інформації для формування правдоподібних гіпотез про вірогідний розподіл ключових параметрів проекту. У подібних випадках відсутні дані замінюються величинами, отриманими у процесі визначення інтегрального ризику. Застосування визначення інтегральних ризиків є особливо ефективним у тих випадках, коли досліджувані процеси надто складні, мають випадкову (стохастичну) природу чи не можуть бути вивчені в реальних умовах. Найбільш прості інтегральні моделі часто використовуються для генерації вихідних даних, що мають деякі припустимі властивості. Аргументовано, що для отримання найточніших результатів доцільно застосовувати метод проблемно-тематичного (інноваційного) прогнозування, оскільки він дасть змогу максимально повно враховувати всі взаємозв’язки між початковими показниками проекту. Запропоновані процедури оцінки ефективності та управління ризиком можуть використати промислові підприємства, які проводять ризик- менеджмент, щоб уникнути кризи в умовах невизначеного ринкового середовища. Доведено, що для проведення процедур оцінки ефективності інноваційних проектів необхідно п’ять етапів: встановити взаємозв’язки між початковими і вихідними показниками у вигляді математичного рівняння або нерівності; задати закони розподілу вірогідностей для ключових параметрів моделі; провести комп’ютерну імітацію знань ключових параметрів моделі; розрахувати основні характеристики розподілу ймовірностей початкових та вихідних показників; провести аналіз отриманих результатів та прийняття рішення.