w w w . g r a d a . c z
Jiří Fotr, Jiří Hnilica
Kniha je určena manažerům a specialistům firem a finančních institucí a studentům vysokých škol ekonomického zaměření.
Prof. Ing. Jiří Fotr, CSc. Je členem vědecké rady Fakulty podnikohospodářské Vysoké školy ekonomické v Praze, kde působí na katedře managementu. Specializuje se na problematiku manažerského a investičního rozhodování, management rizika. Je autorem a spoluautorem více než 20 knižních publikací a 150 článků v odborných časopisech. Doc. Ing. Jiří Hnilica, Ph.D. Od roku 2003 působí na katedře podnikové ekonomiky na Fakultě podnikohospodářské VŠE. Jeho odborný zájem směřuje do oblastí investičního bankovnictví, správy společností a fungování rodinných firem. V současné době je prorektorem pro mezinárodní vztahy a akademickým ředitelem oboru navazujícího magisterského studia International Management/CEMS. Praktické příklady, které se objevují v textu publikace, jsou k dispozici ke stažení na internetových stránkách www.grada.cz.
Grada Publishing, a.s. U Průhonu 22, 170 00 Praha 7 tel.: +420 234 264 401, fax: +420 234 264 400 e-mail:
[email protected]
Aplikovaná analýza rizika ve finančním managementu a investičním rozhodování 2., aktualizované a rozšířené vydání
Michael Armstrong
V knize jsou popsány a vysvětleny základní fáze analýzy rizika zahrnující identifikaci rizik a stanovení jejich významnosti, měření rizika, hodnocení rizika a výběr rizikových variant včetně významných nástrojů analýzy rizika (matice hodnocení rizik, analýza citlivosti, analýza scénářů, simulační přístupy apod.). Značná pozornost je věnována zejména simulaci Monte Carlo, která se v současnosti řadí mezi nejúčinnější nástroje analýzy rizika. Dozvíte se, jak sestavit vhodný simulační model s využitím expertních názorů a statistické analýzy dat a jak správně interpretovat jeho výsledky. Publikace se také věnuje metodám a nástrojům optimalizace finančních a investičních rozhodnutí za rizika či problémům spojeným s praktickým využíváním analýzy rizika a možnostem jejich řešení.
Jiří Fotr Jiří Hnilica
Na trhu ojedinělá publikace představuje moderní nástroje, které lze uplatnit ve firmách při analýze rizika v rámci finančního řízení a investičního rozhodování, a to s využitím praktických příkladů. Nové vydání se podrobněji věnuje využití scénářů a rozhodovacích stromů v analýze rizika. Výrazněji je rozšířena také problematika optimalizace tvorby portfolia z hlediska analýzy rizika a hodnocení rizika.
APLIKOVANÁ ANALÝZA RIZIKA
2. vydání
příklady ke stažení na www.grada.cz
Jiří Fotr, Jiří Hnilica
Aplikovaná analýza rizika ve finančním managementu a investičním rozhodování 2., aktualizované a rozšířené vydání
Grada Publishing
Upozornění pro čtenáře a uživatele této knihy Všechna práva vyhrazena. Žádná část této tištěné či elektronické knihy nesmí být reprodukována a šířena v papírové, elektronické či jiné podobě bez předchozího písemného souhlasu nakladatele. Neoprávněné užití této knihy bude trestně stíháno.
Prof. Ing. Jiří Fotr, CSc. Doc. Ing. Jiří Hnilica, Ph.D.
Aplikovaná analýza rizika ve finančním managementu a investičním rozhodování 2., aktualizované a rozšířené vydání TIRÁŽ TIŠTĚNÉ PUBLIKACE: Kniha je monografie Vydala Grada Publishing, a.s. U Průhonu 22, 170 00 Praha 7 tel.: +420 234 264 401, fax: +420 234 264 400 www.grada.cz jako svou 5495. publikaci Odborní recenzenti: Prof. Ing. Ladislav Blažek, CSc. Prof. Ing. Ivan Gros, CSc. Vydání odborné knihy schválila Vědecká redakce nakladatelství Grada Publishing, a.s. Odpovědný redaktor Mgr. Petr Mušálek Sazba Milan Vokál Počet stran 304 Druhé vydání, Praha 2014 Vytiskla Tiskárna v Ráji, s.r.o., Pardubice © Grada Publishing, a.s., 2014 Cover Photo © fotobanka allphoto ISBN 978-80-247-5104-7 ELEKTRONICKÉ PUBLIKACE: ISBN 978-80-247-9185-2 (ve formátu PDF) ISBN 978-80-247-9186-9 (ve formátu EPUB)
5
Obsah O autorech . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9 Slovo úvodem . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
Část I Analýza a hodnocení rizika 1. Analýza rizika, pojetí rizika a jeho klasifikace . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14 1.1 Riziko a hospodářské výsledky . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14 1.2 Analýza rizika a její postavení v rámci managementu rizika . . . . . . . . . . . . . . 16 1.3 Pojetí rizika a nejistoty . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17 1.4 Klasifikace rizik . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20 Shrnutí . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23 Literatura . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24 2. Identifikace rizik a stanovení jejich významnosti . . . . . . . . . . . . . . . . . . . . . . . . . . 25 2.1 Identifikace rizik . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25 2.1.1 Dekompozice objektu analýzy rizika . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25 2.1.2 Náplň identifikace . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25 2.1.3 Nástroje identifikace a informační zdroje . . . . . . . . . . . . . . . . . . . . . . . . 26 2.1.4 Subjekty podílející se na identifikaci rizik . . . . . . . . . . . . . . . . . . . . . . . . 27 2.1.5 Požadavky na identifikaci rizik . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27 2.2 Stanovení významnosti rizik . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28 2.2.1 Analýza citlivosti . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29 2.2.2 Matice hodnocení rizik . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37 2.2.3 Pravděpodobnostní stupnice . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40 2.2.4 Stupnice měření dopadů . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43 2.2.5 Hodnocení příležitostí . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 50 2.2.6 Dokumentace identifikace a hodnocení rizik . . . . . . . . . . . . . . . . . . . . . 50 2.2.7 Využití výsledků identifikace a hodnocení rizik . . . . . . . . . . . . . . . . . . 51 Shrnutí . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 52 Literatura . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 54 3. Měření rizika, jeho hodnocení a výběr rizikových variant . . . . . . . . . . . . . . . . . . . 56 3.1 Měření rizika . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 56 3.1.1 Číselné charakteristiky rizika . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 56 3.1.2 Kvalitativní charakteristiky rizika . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 62 3.2 Hodnocení rizika . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 63 3.2.1 Riziková kapacita a přijatelné riziko . . . . . . . . . . . . . . . . . . . . . . . . . . . . 63 3.2.2 Postoj k riziku . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 64 3.3 Výběr rizikových variant . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 66 3.3.1 Pravidlo střední hodnoty a rozptylu . . . . . . . . . . . . . . . . . . . . . . . . . . . . 66 3.3.2 Pravidla stochastické dominance . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 71
6
Shrnutí . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 75 Literatura . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 76
Část II Simulace Monte Carlo v analýze rizika 4. Simulace Monte Carlo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 78 4.1 Charakter simulace Monte Carlo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 78 4.2 Postup při simulaci Monte Carlo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 81 4.3 Přednosti a nedostatky simulace Monte Carlo . . . . . . . . . . . . . . . . . . . . . . . . . . 93 Shrnutí . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 94 Literatura . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 94 5. Expertní názory v simulačních modelech . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 96 5.1 Stanovení rozdělení pravděpodobnosti rizikových faktorů s využitím expertních názorů . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 96 5.1.1 Rovnoměrné rozdělení . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 97 5.1.2 Trojúhelníkové rozdělení . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 97 5.1.3 BetaPERT rozdělení . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 99 5.1.4 Rozdělení definované uživatelem . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 101 5.1.5 Ano/ne rozdělení (Bernoulliho rozdělení) . . . . . . . . . . . . . . . . . . . . . 105 5.1.6 Stanovení rozdělení pravděpodobností událostí . . . . . . . . . . . . . . . . 105 5.1.7 Stanovení rozdělení pravděpodobnosti při odlišných názorech expertů . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 107 Shrnutí . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 110 Literatura . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 110 6. Statistická analýza dat ve finančním modelování . . . . . . . . . . . . . . . . . . . . . . . . . 112 6.1 Úvod do statistické analýzy dat . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 112 6.2 Metody odhadu pravděpodobnostních rozdělení . . . . . . . . . . . . . . . . . . . . . . 114 6.2.1 Neparametrické metody . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 114 6.2.2 Parametrické metody . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 119 6.3 Metody odhadu nejistoty parametrů pravděpodobnostních rozdělení . . . . 121 6.3.1 Klasická statistika . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 122 6.3.2 Bootstrap . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 128 6.3.3 Bayesova statistika . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 133 Shrnutí . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 137 Literatura . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 138 7. Modelování závislostí mezi rizikovými faktory . . . . . . . . . . . . . . . . . . . . . . . . . . . 140 7.1 Korelace . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 140 7.2 Obálková metoda . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 143 7.3 Závislost definovaná pomocí vyhledávacích tabulek . . . . . . . . . . . . . . . . . . . 149 7.4 Závislost definovaná pomocí logických podmínek . . . . . . . . . . . . . . . . . . . . 150 Shrnutí . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 152 Literatura . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 153
7
8. Simulace Monte Carlo – souhrnný příklad . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 154 8.1 Stanovení rizikových faktorů jako pravděpodobnostních rozdělení . . . . . . 157 8.2 Analýza citlivosti v simulačním modelu . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 159 8.2.1 Vlastní simulace a interpretace výsledků . . . . . . . . . . . . . . . . . . . . . . 164 Shrnutí . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 171 Literatura . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 172
Část III Aplikace scénářů, rozhodovacích stromů a simulace Monte Carlo ve finančním a investičním rozhodování 9. Simulační přístupy při oceňování podniku . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 176 9.1 Problém záměny středních a nejpravděpodobnějších hodnot . . . . . . . . . . . 178 9.2 Problém vzájemné závislosti rizikových faktorů . . . . . . . . . . . . . . . . . . . . . . . 180 9.3 Problém závislosti rizikových faktorů v čase a NPV-at-Risk . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 182 9.4 Přesun daňové ztráty do budoucích let a NPV-at-Risk . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 186 Shrnutí . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 189 Literatura . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 190 10. Scénáře a rozhodovací stromy v analýze rizika . . . . . . . . . . . . . . . . . . . . . . . . . . . 192 10.1 Scénáře . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 192 10.1.1 Pojetí scénářů . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 192 10.1.2 Kvalitativní a kvantitativní scénáře . . . . . . . . . . . . . . . . . . . . . . . . . . . 193 10.1.3 Tvorba kvantitativních scénářů . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 195 10.1.4 Simulace Monte Carlo ve scénářích . . . . . . . . . . . . . . . . . . . . . . . . . . . 200 10.1.5 Přednosti a omezení scénářů . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 208 10.1.6 Faktory úspěšnosti scénářů . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 210 10.2 Rozhodovací stromy . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 211 10.2.1 Charakteristika rozhodovacích stromů . . . . . . . . . . . . . . . . . . . . . . . . 211 10.2.2 Tvorba rozhodovacího stromu . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 211 10.2.3 Stanovení optimální strategie pomocí rozhodovacího stromu . . . . 214 10.2.4 Analýza citlivosti v rozhodovacím stromu . . . . . . . . . . . . . . . . . . . . . 215 10.2.5 Uplatnění simulace Monte Carlo v rozhodovacích stromech . . . . . 222 10.2.6 Přednosti a omezení rozhodovacích stromů . . . . . . . . . . . . . . . . . . . 227 Shrnutí . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 228 Literatura . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 230 11. Optimalizace tvorby portfolia za rizika . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 232 11.1 Charakter úlohy tvorby portfolia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 232 11.2 Deterministické ekvivalenty úlohy stochastické optimalizace portfolia . . . 234 11.2.1 Optimalizace portfolia při jediném omezení . . . . . . . . . . . . . . . . . . . 235 11.2.2 Optimalizace portfolia při více omezeních . . . . . . . . . . . . . . . . . . . . . 236 11.3 Stochastická optimalizace . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 241 11.3.1 Optimalizace portfolia projektů . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 242 11.3.2 Optimalizace portfolia finančních investic . . . . . . . . . . . . . . . . . . . . . 254
8
11.4 Diverzifikace a riziko . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 260 11.4.1 Vliv diverzifikace na riziko . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 260 11.4.2 Statistická závislost složek portfolia a jeho riziko . . . . . . . . . . . . . . . 262 11.4.3 Diverzifikace a systematické riziko . . . . . . . . . . . . . . . . . . . . . . . . . . . 264 Shrnutí . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 266 Literatura . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 268
Část IV Implementace analýzy rizika 12. Implementace analýzy rizika – problémy a doporučení . . . . . . . . . . . . . . . . . . . . 272 12.1 Odlišnosti tradičních a pravděpodobnostních přístupů . . . . . . . . . . . . . . . . 272 12.2 Obtíže a bariéry implementace analýzy rizika . . . . . . . . . . . . . . . . . . . . . . . . . 273 12.3 Doporučení k implementaci analýzy rizika . . . . . . . . . . . . . . . . . . . . . . . . . . . 274 12.4 Přínosy a omezení implementace analýzy rizika . . . . . . . . . . . . . . . . . . . . . . 279 Shrnutí . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 280 Literatura . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 281
Přílohy I–IV Příloha I – Základní statistické charakteristiky náhodných veličin . . . . . . . . . . . . . 284 Příloha II – Odhad nejistoty parametrů normálního rozdělení . . . . . . . . . . . . . . . . 290 Příloha III – Náhrada spojitého faktoru rizika faktorem diskrétním . . . . . . . . . . . 292 Literatura . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 294 Příloha IV – Expertní odhady, jejich získávání a zpracování . . . . . . . . . . . . . . . . . . . 295 Summary . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 297 Rejstřík . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 298
O autorech
O autorech Prof. Ing. Jiří Fotr, CSc.
Vystudoval Vysokou školu chemicko-technologickou v Praze. Od roku 1963 pracoval ve Výzkumném ústavu technicko-ekonomickém chemického průmyslu, kde se věnoval aplikaci metod operační analýzy. V roce 1969 získal hodnost kandidáta věd v oboru odvětvová a úseková ekonomika na Vysoké škole chemicko-technologické v Praze. V letech 1968–1991 působil v Institutu řízení v Praze, kde se věnoval problematice ekonomických her, manažerského rozhodování a tvorbě systémů na podporu rozhodování a expertních systémů. V roce 1991 se habilitoval na Vysoké škole ekonomické v Praze a působí zde na Fakultě podnikohospodářské na katedře managementu. V roce 1999 byl jmenován profesorem pro obor podnikové hospodářství. Je členem vědecké rady Fakulty podnikohospodářské VŠE v Praze. Specializuje se na problematiku manažerského rozhodování, investičního rozhodování a managementu rizika. Je autorem a spoluautorem více než 20 knižních publikací a učebních textů, autorem či spoluautorem více než 150 článků v odborných časopisech a příspěvků na konferencích.
Doc. Ing. Jiří Hnilica, Ph.D.
Inženýrské a doktorské studium absolvoval na Vysoké škole ekonomické v Praze. Od roku 2003 působí na katedře podnikové ekonomiky na Fakultě podnikohospodářské Vysoké školy ekonomické v Praze. Jeho odborný zájem směřuje do oblastí investičního bankovnictví, správy společností a fungování rodinných firem. Během doktorského studia a svého působení na katedře podnikové ekonomiky absolvoval řadu odborných stáží (2008: University of Denver, Spojené státy americké; 2008: Harvard Business School, Spojené státy americké; 2004: Technische Universität Dresden, Německo; 2002: University of Aarhus a Copenhagen Business School, Dánsko; 2001: Central European University, Maďarsko). V současné době je prorektorem pro mezinárodní vztahy a akademickým ředitelem oboru navazujícího magisterského studia International Management/CEMS na Fakultě podnikohospodářské. Je členem výkonné rady odborného impaktovaného časopisu Prague Economic Papers a vědecké rady Fakulty podnikohospodářské. Ve své výzkumné i pedagogické činnosti úzce spolupracuje s praxí.
9
10
Aplikovaná analýza rizika
Slovo úvodem Pojmy riziko či nejistota se objevují v současném světě se stále vyšší frekvencí. I když se určitě setkáme se situacemi, kde je používáme pouze z důvodů jejich „modernosti“ bez dalšího konkretizovaného významu, je zřejmé, že propojování světa a intenzita inovačních procesů vedou ve svém důsledku k obtížnějším predikcím do budoucna, a tedy i k vyššímu riziku či nejistotě, které se na tyto predikce vážou. Z tohoto důvodu nabývá v podnicích manažerská práce s rizikem a nejistotou na důležitosti a její kvalita představuje jednu z primárních konkurenčních výhod, které mohou rozhodovat o další existenci podnikatelské činnosti. Na tuto situaci se snaží reagovat publikace, jejíž druhé přepracované a aktualizované vydání se vám právě dostalo do ruky. I když se riziko a nejistota dotýkají prakticky každé aktivity v životě podniku, rozhodli jsme se hlouběji zaměřit pouze na oblasti finančního a investičního rozhodování, kterým přisuzujeme jednu z klíčových rolí. Značnou pozornost věnujeme zejména možnostem využití simulací Monte Carlo. Pro snazší orientaci v textu jsme rozčlenili publikaci na čtyři samostatné části. První část „Analýza a hodnocení rizika“ představuje určitý úvod do problematiky analýzy rizika. Seznámíte se s různými pojmovými vymezeními rizika a nejistoty, dále pak s možnostmi jejich klasifikace a měření. Nechybí ani kapitola, která se věnuje hodnocení rizik a rozhodování o výběru rizikových variant. Další dvě části představují těžiště publikace. Druhá část „Simulace Monte Carlo v analýze rizika“ podrobně popisuje principy simulace Monte Carlo a její praktické využití při finančním a investičním rozhodování v podniku. Jednotlivé kapitoly této části se věnují nejprve vysvětlení základních principů simulace Monte Carlo, dále modelování s využitím expertních názorů, modelování s využitím statistické analýzy a modelování různých forem závislostí. Tato část je ukončena komplexním příkladem na simulaci Monte Carlo, ve kterém jsou popsány jednotlivé kroky sestavování simulačního modelu a samozřejmě i shrnuty poznatky z předchozích kapitol. Třetí část „Aplikace scénářů, rozhodovacích stromů a simulace Monte Carlo ve finančním a investičním rozhodování“ je orientována na praxi. Nejprve ukazuje možnosti aplikace simulace Monte Carlo při oceňování podniku. Následující kapitola této části se věnuje dalším dvěma významným nástrojům analýzy rizika, kterými jsou scénáře a rozhodovací stromy. Na příkladu jednoho projektu z oblasti výzkumu a vývoje a jednoho investičního projektu se charakterizuje využití těchto nástrojů a přínosy, které poskytuje jejich kombinace se simulací Monte Carlo. Poslední kapitola této části se zaměřuje na optimalizaci portfolia investičních projektů, výzkumných projektů a finančních investic. Obě tyto základní části využívají v plné míře počítačové systémy, které podporují analýzu rizika, simulaci Monte Carlo i její kombinaci s optimalizací v podobě programů Precision Tree, @Risk, Crystal Ball a Opt Quest. Poslední čtvrtá část „Implementace analýzy rizika“ se orientuje na problematiku úspěšné implementace procesů analýzy rizika do podnikové kultury. Publikace využívá jak poznatky ze zahraniční odborné literatury, tak i výsledky vlastního výzkumu dosažené v rámci výzkumného projektu „Konkurenceschopnost“ (VŚE IP300040), řešeného na FPH VŠE v Praze a financovaného z prostředků MŠMT určených na institucionální podporu dlouhodobého koncepčního rozvoje výzkumných organizací.
Slovo úvodem
Kniha je primárně určena finančním manažerům v podnikohospodářské sféře a pracovníkům, kteří se budou jako členové realizačních týmů podílet na implementaci analýzy rizika v oblasti finančního a investičního rozhodování. Užitečné podněty zde mohou nalézt i manažeři z dalších funkčních oblastí podniku, případně i z finanční sféry. V neposlední řadě může publikace sloužit jako doplňující studijní odborný text pro studenty ekonomických vysokých škol. Věříme, že problematika analýzy rizika a finančního modelování bude pro vás stejně zajímavá a prakticky využitelná jako pro autory a že vám obsah publikace alespoň částečně umožní lépe se vypořádat se stále přítomným rizikem a nejistotou při finančním řízení podniku. Za jakékoliv připomínky k textu či další podněty vám budeme vděčni. Autoři
11
Část I Analýza a hodnocení rizika
14
Aplikovaná analýza rizika
1. Analýza rizika, pojetí rizika a jeho klasifikace 1.1 Riziko a hospodářské výsledky Riziko a nejistota jsou významným atributem většiny lidských aktivit, a to zejména aktivit podnikatelských. Výzkum a vývoj nových produktů, zavádění moderních technologií, vstupy na nové trhy, fúze a akvizice, velké investiční projekty, restrukturalizace společností aj. mohou sloužit jako příklady aktivit, jejichž budoucí výsledky jsou nejisté a mohou se odchylovat od výsledků plánovaných či předpokládaných, být horší či lepší. Výsledky pochopitelně závisí na tom, jak kvalitní byla příprava těchto aktivit, resp. projektů, a jak kvalitně proběhla jejich realizace. Je zřejmé, že kvalita přípravy ovlivňuje úspěšnost či neúspěšnost projektů zásadním způsobem, neboť nedostatky v přípravě vedoucí k volbě nevhodné varianty nelze obvykle odstranit, ale lze je pouze zmírnit v průběhu jejich realizace. Současně ovšem nízká kvalita realizace může výrazně ohrozit úspěšnost projektu, a tím jeho budoucí výsledky. Ani velice kvalitní příprava a realizace projektů však vzhledem k existenci rizika a nejistoty1, které jsou z větší části neovlivnitelné, nezaručují dosažení nejlepších či očekávaných výsledků. Riziko a nejistota proto představují třetí klíčový faktor ovlivňující budoucí výsledky projektu (viz obr. 1.1).
Kvalita přípravy projektu
Výsledky projektu
Kvalita realizace projektu
Riziko a nejistota
Obr. 1.1 Faktory ovlivňující výsledky projektu
1
Např. v podobě neočekávaných změn poptávky, prodejních a nákupních cen, měnových kurzů, úrokových sazeb, politické nestability, havárií, živelných pohrom aj.
Analýza rizika, pojetí rizika a jeho klasifikace
Z hlediska rizika a nejistoty je podstatné, že tyto faktory je třeba zvažovat a integrovat do přípravy projektů, jejich hodnocení a rozhodování o přijetí či zamítnutí. Kvalitní příprava projektů, jejich hodnocení a výběr proto vyžadují: ■■ identifikovat rizika a nejistoty, které ovlivňují výsledky projektů (úspěšnost či neúspěšnost), a posoudit jejich význam; ■■ stanovit a zhodnotit dopady těchto rizik a nejistot na budoucí výsledky projektu (určit velikost rizika a posoudit jeho přijatelnost či nepřijatelnost); ■■ zvažovat možná opatření na zmenšení rizika z hlediska nákladů i rozsahu tohoto snížení. Existence neovlivnitelných, resp. málo ovlivnitelných rizik pak vede k tomu, že obecně neplatí závislost: Good Decisions → Good Outcomes, ale někdy naopak dobrá rozhodnutí (z hlediska kvality jejich přípravy a realizace) mohou vést ke špatným výsledkům. Stejně tak se může někdy stát, že naopak špatná (chybná) rozhodnutí mohou vést v důsledku neočekávané příznivé konstelace podmínek k dobrým výsledkům. Předmětem našeho zájmu v této práci bude to, jak by měly být projekty, resp. libovolné jiné významné firemní aktivity zatížené rizikem a nejistotou připraveny2 tak, aby (při jejich kvalitní realizaci): ■■ bylo dosaženo pokud možno nejlepších výsledků, resp. zvýšila se pravděpodobnost dosažení těchto výsledků v každém jednotlivém případě; ■■ vyloučila se volba projektů, resp. aktivit s nepřijatelným rizikem, jejichž neúspěch by mohl ohrozit finanční stabilitu firmy, resp. samotnou její existenci; ■■ z dlouhodobého hlediska se dosáhlo co nejlepších výsledků. Právě k dosažení těchto cílů významně přispívá analýza rizika, kterou blíže charakterizujeme v následující podkapitole. Poznámka: Charakter rozhodování o projektech, resp. jiných významných aktivitách zatížených rizikem a nejistotou vyžaduje, aby motivace, resp. stimulace manažerů nebyla založena na výsledcích jednotlivých případů, ovlivněných z větší či menší míry štěstím nebo smůlou, ale na dlouhodobých výsledcích, kde se vliv těchto faktorů vyrovnává. Orientace na hodnocení krátkodobých výsledků s možnými negativními dopady na manažera pak zvyšuje jejich averzi k riziku, spojenou s oddalováním přijetí a realizace rizikových rozhodnutí, udržováním statusu quo aj. To pak může vést k ohrožení rozvoje a budoucí prosperity firmy z dlouhodobého hlediska. Brealey a Myers [1] správně konstatují, že v ideálním případě by měli být manažeři odměňováni za dobrá (tj. kvalitně připravená a realizovaná) rozhodnutí, která zmařila smůla, a penalizováni za špatná rozhodnutí, která dopadla dobře jen díky štěstí.
2
Vzhledem k zaměření této práce se nebudeme zabývat druhým faktorem ovlivňujícím výsledky projektu, tj. kvalitou realizace projektů, což spadá do projektového řízení.
15
16
Aplikovaná analýza rizika
1.2 Analýza rizika a její postavení v rámci managementu rizika Analýza rizika se nechápe v odborné literatuře zcela jednotně. Převládající pojetí analýzy rizika chápe tuto analýzu jako proces rozčleněný do těchto dvou fází: ■■ Identifikace rizik jakožto jevů, událostí, faktorů aj., které by mohly mít buď negativní, nebo pozitivní dopady3 na výsledky aktivit firmy, jejich projektů aj. Jako součást identifikace rizik budeme chápat i stanovení jejich důležitosti (z hlediska pravděpodobnosti výskytu a velikosti dopadů), umožňující diferencovat pozornost věnovanou jednotlivým skupinám rizik v souladu s jejich významem. ■■ Stanovení velikosti rizika z hlediska dopadů výskytu rizik na výsledky firemních aktivit, projektů aj. a jejich pravděpodobností. Jde v podstatě o měření rizika, obvykle v podobě charakteristik variability rozdělení pravděpodobnosti těchto dopadů v případě jejich kvantitativního charakteru. Ke stanovení těchto rozdělení lze uplatnit základní nástroje analýzy rizika, ke kterým patří především simulace Monte Carlo a scénáře. Stanovení velikosti rizika, resp. jeho měření tvoří vlastní jádro analýzy rizika4. Rozhodování o realizaci určitých aktivit zatížených rizikem, např. určité akvizice, zavedení nového produktu, vybudování nové výrobní jednotky aj. však vyžaduje zhodnotit riziko spojené s těmito aktivitami vzhledem k určitým kritériím spojeným s přijatelností či nepřijatelností rizika. Tato fáze navazující na analýzu rizika pak představuje hodnocení rizika5 (Risk Evaluation). Toto hodnocení poskytuje základní informační vstupy pro rozhodování o přijetí či zamítnutí určitého projektu či rizikové aktivity, resp. rozhodování o přípravě opatření zaměřených na snížení jejich rizika. Analýza rizika, jeho hodnocení, příprava, výběr a realizace opatření na snížení rizika (Risk Treatment, resp. Risk Responses) pak představují klíčové fáze managementu rizika6. Poznámka: Je zřejmé, že k realizaci bychom měli volit rizikové aktivity či projekty s přijatelným rizikem. V tomto případě jde o tzv. retenci (zadržení) rizika, kdy je firma připravena vypořádat se s případnými negativními dopady výskytu rizika, např. v podobě finanční ztráty, z vlastních zdrojů.7 (Někdy se používá v této souvislosti též termín samopojištění.) Pokud je riziko posouzeno 3 4 5 6
7
V mnoha případech se analýza rizika zaměřuje pouze na negativní stránku rizika a opomíjí se její pozitivní stránka v podobě příležitostí. Vzhledem k tomu někteří autoři nezařazují do analýzy rizika identifikaci rizik, kterou chápou jako samostatnou fázi. Analýza rizika společně s hodnocením rizika se pak označuje jako Risk Assessment. Tyto na sebe navazující aktivity se cyklicky opakují a tvoří cyklus managementu rizika. Kromě těchto opakujících se aktivit tvoří součást managementu rizika průběžné aktivity spočívající v monitorování rizik, jejich komunikace aj. Blíže k managementu rizika viz např. prameny [5], [6] a managementu rizika projektů se věnuje pramen [2]. Zde máme na mysli vědomou retenci rizika založenou na jeho analýze a měření. V mnoha případech rozhodnutí u firem s nedostatečnou kvalitou managementu rizika jde však o nevědomou retenci. Přijímají se rozhodnutí (např. realizace určitých investičních projektů), aniž by bylo rozpoznáno, analyzováno a hodnoceno jejich riziko, přičemž se často vychází ze značně optimistických předpokladů vývoje podnikatelského okolí. Pokud jde o rozsáhlé projekty nevratného charakteru (nelze je přizpůsobit změněné situaci), může vést jejich neúspěch k výrazným finančním problémům ohrožujícím samu existenci firmy. V těchto případech se jedná o nevědomou retenci nepřijatelného rizika.
Analýza rizika, pojetí rizika a jeho klasifikace
jako nepřijatelné, je třeba rozhodnout o dalším postupu. Zde přicházejí v úvahu jednak vyhnutí se riziku (Risk Avoidance) a jednak uplatnění určitých strategií vedoucích ke snížení, resp. zmírnění tohoto rizika (Risk Mitigation). Vyhnutí se riziku znamená, že firma od určité aktivity, resp. projektu s nepřijatelným rizikem (např. zavedení nového produktu či technologie, realizace určité akvizice, vstup na nové trhy aj.) odstupuje. Zde je však třeba upozornit na to, že příliš časté vyhýbání se riziku zdůrazňuje negativní stránku rizika a vede mnohdy k opomíjení příležitostí s nepříznivým dopadem na konkurenční postavení firmy (některá rizika jsou proto nevyhnutelná). V případě, že se firma rozhodla pro snížení, resp. zmírnění rizika, je třeba zvolit vhodnou strategii, resp. způsob tohoto snížení. Zde přicházejí v úvahu především eliminace, resp. oslabení příčin vzniku rizika (prevence rizika), snižování negativních dopadů rizika a transfer rizika, tj. jeho přesun na jiné subjekty, např. pojišťovnu, dodavatele, odběratele aj. Je ovšem zřejmé, že většina opatření na snížení rizika vyvolá určité náklady, a proto je třeba zvažovat nejen dosažené snížení rizika, ale i vyvolané náklady.
Význam analýzy, resp. managementu rizika v současném období globalizace, dynamických změn podnikatelského okolí a zvyšujícího se výskytu rizik nelze popřít a jejich opomíjení je nepřijatelné. Podrobněji se analýzou rizika budeme zabývat v dalších kapitolách této publikace.
1.3 Pojetí rizika a nejistoty Pojetí rizika prošlo určitým historickým vývojem8, ve kterém převažovalo chápání rizika jako určitého nebezpečí (v tomto smyslu mluvíme i dnes o riziku onemocnění, havárie výrobního zařízení aj.), tj. zaměřujeme se na negativní stránku rizika. Z tohoto hlediska chápeme riziko jako: ■■ možnost (pravděpodobnost) vzniku ztráty; ■■ možnost výskytu událostí, které zabrání či ohrozí dosažení cílů jednotlivce či organizace; ■■ nebezpečí (pravděpodobnost) negativních odchylek od stanovených úrovní cílů jednotlivce či organizace. Toto pojetí je do značné míry oprávněné u rizik, která mají pouze negativní stránku, tj. u čistých rizik9 (Pure Risk). V hospodářské praxi však obvykle převažují rizika označovaná jako podnikatelská (Business Risk), která mají nejen negativní, ale i pozitivní stránku10 a s tím jsou spojena pojetí rizika jako: 8
9 10
Stručné shrnutí tohoto vývoje uvádí Tichý [6], podle kterého lze kořeny slova riziko vysledovat v arabštině, latině i řečtině. Arabské slovo risq mělo význam náhodného a nepříznivého výsledku, latinské riscum se vztahovalo k nebezpečí lodní dopravy vyvolaného korálovými útesy, které museli mořeplavci překonat či se jim vyhnout (riziko bylo tedy spojováno s nepříznivými událostmi a odvahou podstoupit nebezpečí). Řecká odvozenina arabského slova risq byla spojována jak s negativními, tak pozitivními událostmi či výsledky. Pozdější vývoj pojetí rizika v 17. až 20. století kolísal mezi jeho spojením pouze s negativními výsledky (častější chápání), či zda se zvažovaly výsledky příznivé i nepříznivé. Blíže k čistým rizikům viz podkapitola 1.4. Čeština nemá termíny pro odlišení negativní a pozitivní stránky rizika. Angličtina to rozlišuje a negativní stránku rizika (možnost vzniku ztráty, resp. obecněji možnost nedosažení plánovaných
17
18
* analýza rizika Aplikovaná
■■ variability možných výsledků určitých procesů či aktivit, ■■ možnosti odchylek (negativních i pozitivních) od výsledků očekávaných či plánovaných, ■■ pravděpodobnosti odlišných hodnot od očekávaných či plánovaných výsledků. Společnou vlastností uvedených pojetí rizika je možnost dosáhnout výsledků horších i lepších, než jsou výsledky plánované. Podnikatelské riziko (podnikatelských aktivit, projektu, podniku jako celku) budeme dále chápat jako možnost, že skutečně dosažené výsledky podnikatelské činnosti se budou odchylovat od výsledků předpokládaných, přičemž tyto odchylky mohou být: ■■ žádoucí (směrem k vyššímu zisku), nebo nežádoucí (směrem ke ztrátě); ■■ odlišné velikosti, a to od odchylek malých, kdy se naše výsledky blíží výsledkům předpokládaným, až k odchylkám velkého rozsahu (výrazný podnikatelský úspěch v případě žádoucí odchylky, či výrazné finanční obtíže až úpadek v případě nežádoucí odchylky). Určitou ilustraci pojetí rizika uvádí příklad 1.1.
IPříklad 1.1 Podnik připravuje realizaci projektu spočívajícího v zavedení výroby určitého nového produktu. Pro jednoduchost předpokládejme, že jediným faktorem rizika je výše budoucí poptávky, to znamená, že hodnoty ostatních faktorů ovlivňujících dosažitelný zisk známe s jistotou (např. prodejní cenu, velikosti jednotlivých nákladových položek aj.). Z marketingového průzkumu trhu vyplynulo, že očekávaná velikost prodejů činí 80 tis. ks/rok, v příznivém případě by mohla dosáhnout až 100 tis. ks/rok a v nepříznivém případě by neměla klesnout pod 50 tis. ks/rok. Jestliže nyní budeme jako jednu z variant velikosti výrobní jednotky zvažovat výrobní kapacitu 100 tis. ks/rok, schopnou uspokojit i vyšší poptávku, pak pro posouzení této varianty je třeba stanovit velikost zisku (jakožto zvoleného ekonomického kritéria), které by bylo dosaženo, a to při třech možných budoucích situacích, jež jsou dány hodnotami prodejů 50 tis. ks/rok, 80 tis. ks/rok a 100 tis. ks/rok (viz tab. 1.1). Tab. 1.1 Výše zisku projektu zavedení nového produktu Velikost poptávky (tis. ks/rok)
50
80
100
Pravděpodobnost poptávky*
0,1
0,7
0,2
Zisk (mil. Kč/rok)
–10
25
40
* Jedná se o tzv. subjektivní pravděpodobnosti, které lze v tomto případě určit s využitím znalostí a zkušeností marketingových odborníků (blíže k subjektivním pravděpodobnostem viz kapitolu 5). Jestliže budeme v tomto příkladu mluvit o podnikatelském riziku, můžeme mít na mysli: yy riziko poptávkové, kdy chápeme riziko jako faktor, který by mohl být příčinou neúspěchu daného investičního projektu (při poptávce pouze 50 tis. ks/rok vede projekt k roční ztrátě 10 mil. Kč); výsledků) označuje jako Downside Risk a pozitivní stránku rizika (možnost překročení plánovaných výsledků) jako Upside Risk.
Analýza rizika, pojetí rizika a jeho klasifikace
yy nebezpečí podnikatelského neúspěchu, kdy s pravděpodobností 0,1 bude nízká poptávka, při které (vzhledem k malému využití výrobní jednotky) dosáhne podnik roční ztráty 10 mil. Kč, resp. odchylka od očekávaného zisku bude činit 25 – (–10) = 35 mil. Kč; yy naději na dosažení vysokého zisku, kdy při poptávce 100 tis. ks/rok dosáhne podnik s pravděpodobností 0,2 ročního zisku 40 mil. Kč, tj. překročí očekávaný zisk o 40 – 25 = 15 mil. Kč.
Obtíže při pojmovém vymezení rizika vznikají mnohdy též z toho, že se riziko někdy chápe z hlediska jeho dopadů, jindy z hlediska faktorů (příčin, zdrojů rizika), které dopady vyvolávají. Poznámka: Vazba mezi příčinami a dopady rizika může mít povahu kauzálního řetězce s více články. Pokud mluvíme třeba o riziku cenovém ve vztahu k nejistému vývoji cen ropy na světovém trhu, pak toto riziko má odlišné dopady na různé podnikatelské subjekty. Pozitivní dopady se týkají především firem zabývajících se těžbou ropy, kterým rostou zisky, a negativní dopady výrazně doléhají na dopravní společnosti (především leteckou a silniční dopravu), kde jde o nákladová rizika. Dopravci se pak snaží přenést část dopadů na uživatele přepravních služeb (např. palivové příplatky u letecké dopravy aj.). Možný vzrůst cen ropy má však i své příčiny, např. vznik konfliktů v oblastech těžby ropy (Blízký východ), pokles či vzrůst zásob ropy a ropných produktů v USA, omezování těžby členskými státy ropného kartelu OPEC aj. Rizika, která jsou blíže příčinám (zdrojům), budeme dále označovat jako faktory rizika, resp. faktory nejistoty.
Pro úplnost je třeba ještě odlišit riziko a nejistotu, i když se v některých pramenech můžeme setkat s jejich ztotožněním. Riziko je vždy spojeno s určitou akcí, aktivitou či projektem s nejistými výsledky, přičemž tyto výsledky ovlivňují (často finanční) situaci subjektu, který akci realizuje. Např. neúspěch určitého projektu může vést ke vzniku hospodářské ztráty, problémům s peněžními toky, dokonce až k ohrožení existence podniku, s čímž jsou úzce spojeny i dopady na manažery odpovědné za přijetí či realizaci tohoto projektu (počínaje finančními postihy, poškozením reputace, ztrátou pozice a konče až propuštěním). Na druhé straně úspěch projektu může posílit konkurenceschopnost podniku, zlepšit jeho hospodářské výsledky, tentokrát s příznivými dopady na manažery (finanční ohodnocení, povýšení aj.). Nejistota je pak spojena především s neschopností spolehlivého odhadu budoucího vývoje těchto faktorů (faktorů rizika) ovlivňujících výsledky aktivit, resp. projektů (vývoj poptávky, prodejních cen, nákupních cen materiálů a energií, měnových kurzů, technologických změn aj.). Nejistota budoucích hodnot faktorů rizika se pak promítá do nejistoty výsledků realizovaných podnikatelských aktivit či projektů a je příčinou jejich rizikovosti.11 Omezenou spolehlivost stanovení budoucích hodnot faktorů rizika nepříznivě ovlivňuje více aspektů, k nimž patří především: ■■ nedostatek informací a nedostatečné poznání procesů, které generují faktory rizika a nejistoty; ■■ použití nevhodných zdrojů informací a neověřených, resp. nespolehlivých dat; ■■ uplatnění nevhodných metod odhadu budoucího vývoje faktorů rizika a nejistoty; 11
Pojetí rizika a nejistoty může být zčásti závislé na oboru, ve kterém se s nimi pracuje. Např. v teorii rozhodování se rozhodování za rizika chápe jako rozhodování, kdy jsou známy budoucí stavy světa i jejich pravděpodobnosti, přičemž v případě, že tyto pravděpodobnosti známy nejsou, jde o rozhodování za nejistoty.
19
20
Aplikovaná analýza rizika
■■ náhodný (stochastický) charakter procesů, jejichž výsledkem jsou hodnoty rizikových faktorů. Z výše uvedeného je zřejmé, že nejistotu (nespolehlivost) odhadu vývoje faktorů rizika a nejistoty lze snížit (např. lepším poznáním procesů generujících tyto faktory, lepším informačním vybavením, užitím variantních a spolehlivějších zdrojů dat, uplatněním vhodnějších metod prognózování aj.), ale nelze ji zcela odstranit vzhledem k náhodné povaze procesů generujících rizikové faktory.
1.4 Klasifikace rizik Riziko lze klasifikovat z mnoha aspektů. Mezi základní způsoby třídění patří členění rizika na: ■■ Podnikatelské a čisté; podnikatelské riziko (Business Risk) má již zmíněnou pozitivní a negativní stránku, přičemž čisté riziko (Pure Risk) má pouze stránku negativní, tj. existuje zde nebezpečí vzniku nepříznivých situací, resp. nepříznivých odchylek od žádoucího stavu, za který se považuje uchování majetku, zdraví a lidských životů. Čistá rizika se obvykle vztahují ke ztrátám a škodám na majetku organizací a jednotlivců, poškození zdraví, resp. ztrátám života jednotlivců a členů organizačních jednotek vyvolaných přírodními jevy (např. povodně, požáry, zemětřesení aj.), technickými systémy a jejich selháním (např. havárie výrobních zařízení) a jednáním lidí (krádeže a zpronevěry, stávky aj.). ■■ Systematické a nesystematické; systematické riziko je riziko vyvolané společnými faktory a postihující v různé míře všechny hospodářské jednotky, resp. oblasti podnikatelské činnosti. Zdrojem systematického rizika jsou např. změny peněžní a rozpočtové politiky, změny daňového zákonodárství, celkové změny trhu (konjunkturální cykly, změny cen základních surovin a energií aj.). Protože systematické riziko závisí do značné míry na celkovém vývoji trhu, označuje se jako riziko tržní. Toto riziko vzhledem ke společnému charakteru nelze snižovat diverzifikací, a proto se označuje též jako nediverzifikovatelné. Riziko nesystematické (jedinečné, specifické) je riziko, které je specifické pro jednotlivé firmy, resp. jejich aktivity. Zdrojem takového rizika může být např. odchod klíčových pracovníků firmy, selhání významného subdodavatele, vstup nového konkurenta na trh, havárie výrobního zařízení aj. Vzhledem ke svému charakteru představují systematická rizika obvykle rizika makroekonomická, rizika nesystematická pak rizika mikroekonomická.12 ■■ Vnitřní a vnější; vnitřní rizika jsou rizika, která se vztahují k faktorům uvnitř firmy, (může jít např. o rizika výzkumně-vývojová, resp. technicko-technologická, spojená s výzkumem a vývojem nových výrobků a technologií, rizika selhání pracovníků aj.). Vnější rizika se vztahují k podnikatelskému okolí, ve kterém firma podniká. Jejich zdrojem jsou externí faktory, které se člení na makroekonomické (v podobě ekonomického, sociálního, technicko-technologického a ekologického makrookolí) a mikroekonomické (konkurence, dodavatelé, odběratelé aj.). 12
Obory s vysokým systematickým rizikem představují např. obory značně závislé na ekonomickém cyklu, jako je letecká doprava, stavebnictví aj. Naopak k oborům s menší závislostí na ekonomickém cyklu, a tím i s nižším systematickým rizikem patří např. potravinářský průmysl, výroba elektrické energie aj.
Analýza rizika, pojetí rizika a jeho klasifikace
■■ Ovlivnitelné a neovlivnitelné; toto členění rizik souvisí s možností manažera či firmy působit na příčiny jejich vzniku. Jako ovlivnitelné se chápe riziko, které lze eliminovat, resp. oslabit opatřením orientovaným na jeho příčiny, a to ve smyslu eliminace, resp. snížení pravděpodobnosti vzniku či rozsahu možných nepříznivých situací (např. zvýšením kvalifikace pracovníků výzkumu a vývoje, zlepšením jejich přístrojového vybavení apod. lze snížit rizika výzkumu a vývoje nových výrobků a technologií). U neovlivnitelného rizika nemáme možnost působit na jeho příčiny (např. nepříznivá změna měnového kurzu, povodeň aj.), ale můžeme přijmout opatření snižující nepříznivé následky těchto rizik (např. formou zajištění či pojištění). Vnitřní rizika jsou spíše ovlivnitelná, vnější rizika většinou neovlivnitelná. ■■ Primární a sekundární; sekundární riziko je vyvoláno přijetím určitého opatření na snížení primárního rizika tvořeného všemi výše uvedenými faktory. Příkladem sekundárního rizika může být riziko spojené s existencí odlišné podnikové kultury při vytvoření společného podniku se zahraničním partnerem, která může být příčinou jeho neúspěchu (přitom tvorba společného podniku byla opatřením orientovaným na oslabení rizika primárního, např. vstupu na zahraniční trh). ■■ Ve fázi přípravy, realizace a provozu firemních projektů; rizika ve fázi přípravy a realizace projektu představují všechny druhy rizik, která ohrožují splnění termínu dokončení projektu, dodržení rozpočtu a kvalitu projektu (např. nebezpečí nedostatků projektového řešení, rizika selhání subdodavatelů stavební a strojní části projektu, nepříznivá změna měnového kurzu ovlivňující cenu dovážené technologie aj.). Rizika ve fázi provozu představují všechny rizikové faktory ovlivňující hospodářské výsledky fungování projektu (např. vzrůst cen surovin, materiálů a energie, pokles poptávky, nedosažení projektované kapacity nezvládnutím technologického procesu aj.). Významné a značně bohaté je členění rizik podle jejich věcné náplně. Z tohoto hlediska se obvykle rozlišují rizika: ■■ Technicko-technologická, spojená s aplikací výsledků vědecko-technického rozvoje a vedoucí k neúspěchu vývoje nových výrobků a technologií, nezvládnutí technologického procesu spojeného s poklesem výrobní kapacity aj. (Tato rizika se mohou projevovat též objevením nových produktů a postupů, které vedou k morálnímu zastarání současných technologií.) ■■ Výrobní, která mají často charakter omezenosti, resp. nedostatku zdrojů různé povahy (surovin, materiálů, energií, pracovních sil určité kvalifikace), které mohou ohrozit průběh výrobního procesu a jeho výsledky. Příčinou některých výrobních rizik spojených s omezeností zdrojů mohou být nedostatky a poruchy na straně dodavatelů (rizika dodavatelská). Mezi výrobní rizika je možné zařadit i rizika projevující se např. nespolehlivostí a výpadky výrobních zařízení spojenými s omezením dodávky produktů či služeb, vzrůstem nákladů na opravy a údržbu aj. Tato rizika se někdy označují jako provozní rizika nebo také jako operační rizika. ■■ Ekonomická, která zahrnují především širokou paletu nákladových rizik, jež jsou vyvolána růstem cen surovin, materiálů, energií, služeb, resp. dalších nákladových položek. V důsledku těchto rizik může dojít k překročení plánované výše nákladů a nedosažení předpokládaného hospodářského výsledku. ■■ Tržní, spojená s úspěšností výrobků (služeb) na domácích i zahraničních trzích, která mají převážně podobu rizik prodejních (poptávkových) ve vztahu k velikosti prodeje a rizik cenových z hlediska dosahovaných prodejních cen. Zdrojem tržních rizik je
21
22
Aplikovaná analýza rizika
■■
■■ ■■
■■
■■
■■
často chování konkurence projevující se zaváděním nových výrobků a cenovou politikou, změny spotřebitelských preferencí aj. Tržní rizika společně s nákladovými riziky ovlivňují výrazně hospodářské výsledky firmy, a proto patří v tržní ekonomice k nejvýznamnějším rizikům. Finanční,13 spojená se způsobem financování (orientace spíše na vlastní či cizí kapitál), dále s dostupností zdrojů financování a schopností dostát splatným závazkům (likviditní riziko), nepříznivými změnami úrokových sazeb při užití úvěrů s pohyblivými úrokovými sazbami, změnami měnových kurzů. Kreditní, vztahující se k nebezpečí platební neschopnosti či nevůli zákazníků a odběratelů (obecně jde o nebezpečí, že smluvní strana nedostojí svému závazku splatit úvěr, uhradit fakturu aj.). Legislativní, vyvolaná obvykle hospodářskou a legislativní politikou vlády (změny daňových zákonů, zákonů na ochranu životního prostředí, protimonopolních zákonů, snížení ochrany domácího trhu, změny celní politiky, změny rozpočtové a investiční politiky, změny ochrany spotřebitelů aj.). Důležitou složkou tohoto rizika může být nedostatečná ochrana duševního vlastnictví (patenty, obchodní známky, autorská práva). Politická, zahrnující stávky, národnostní a rasové nepokoje, války, teroristické akce aj., které jsou zdrojem politické nestability i změn politických systémů. Do skupiny politických rizik se obvykle zahrnují také rizika spojená s podnikáním v zahraničí, a to především v rozvojových zemích, která mohou mít podobu znárodnění, omezení repatriace zisku, uvalení tarifních bariér a exportních omezení, odmítnutí původně schválených dotací, omezení přístupu ke zdrojům surovin a energií aj.14 Environmentální, která mohou mít podobu nákladů na odstranění škod na životním prostředí, nákladů spojených s uvedením procesů do souladu se zpřísněnými opatřeními na ochranu životního prostředí, daní spojených s využíváním neobnovitelných zdrojů, ztrát spojených s nuceným ukončením určitých aktivit aj. Spojená s lidským činitelem, kdy jde o rizika vyplývající z určité úrovně zkušeností, kompetence i jednání všech relevantních subjektů. Významná zde budou především rizika managementu, který je jedním z rozhodujících faktorů úspěšnosti firmy či jí realizovaných projektů.15 Dalšími riziky z této kategorie mohou být ztráty klíčových pracovníků (opět především manažerů, resp. specialistů), podvodné či nezákonné jednání zaměstnanců, stávky, sabotáže aj. Poznámka: Zajímavé informace poskytl průzkum hospodářské kriminality (zahrnující braní úplatků, falšování finančních výkazů, krádeže a zpronevěry finanční hotovosti, zneužívání informací v obchodním styku aj.) provedený společnosti KPMG [4] a založený na analýze 360 případů této kriminality v zemích Evropy, Afriky a Středního východu. Podle průzkumu: ■■ Jde o značně závažný a stále se rozšiřující jev (např. v Rakousku je jím postižena každá druhá firma), přičemž výše způsobených škod se odhaduje na 5 % firemních výnosů. Každý druhý
13 14 15
Někdy se finanční rizika chápou značně šířeji a zahrnují i výše uvedená ekonomická a tržní rizika. S politickými riziky spojenými s podnikáním v zahraničí úzce souvisí také tzv. komerční rizika, charakteristická nedobytností pohledávek vyvolanou platební neschopností, resp. nevůlí odběratelů. Např. jeden z empirických průzkumů zaměřený na úspěšnost velké skupiny projektů z oblasti těžby [3] ukázal, že výsledky téměř jedné čtvrtiny projektů byly poškozeny chybami managementu. Velice častou příčinou finančního neúspěchu těchto projektů bylo překročení investičních nákladů a doby výstavby (u cca 30 % neúspěšných projektů) a chybně odhadnuté prodejní ceny (u jedné třetiny neúspěšných projektů).
Analýza rizika, pojetí rizika a jeho klasifikace
pachatel v Evropě, třetí v jižní Africe a čtvrtý na Středním východě způsobil své firmě škodu za více než 1 milion eur. ■■ Většina pachatelů (téměř 90 %) pochází z řad vlastních zaměstnanců, představovaných především manažery firmy (vyšší management se podílel na těchto deliktech 49 %, střední a nižší management 26 %, zaměstnanci 14 % a správní rada 11 %). ■■ Významnou příčinou tohoto jednání byly nedostatečné systémy vnitřní kontroly (v téměř 80 % případů pachatelé obešli, resp. překonali kontrolní systémy, což je relativně nejsnadnější právě pro vyšší management).
■■ Informační, týkající se firemních informačních systémů a dat, jejichž nedostatečná ochrana může být zneužita interními a externími subjekty.16 ■■ Zásahy vyšší moci, spojené s riziky havárií výrobních zařízení a nebezpečím živelných pohrom různého druhu (požáry, zemětřesení, sopečné výbuchy, povodně, tajfuny, výrazné změny klimatu aj.). V poslední době jde i o nezanedbatelné riziko teroristických útoků. V jiných klasifikacích rizik se můžeme setkat i s kategorií strategických rizik (objevení nových technologií, významné změny trhu, rychlé změny preferencí zákazníků) a operačních rizik (rizika spojená s jednotlivými operacemi, riziko nevhodných či chybných firemních procesů aj.).
Shrnutí Riziko a nejistota představují významné faktory ovlivňující většinu lidských aktivit, a to zejména aktivit podnikatelských. Hospodářské výsledky firem proto ovlivňuje nejen kvalita přípravy firemních projektů a kvalita jejich realizace, ale významným způsobem též riziko a nejistota, které jsou do značné míry neovlivnitelné. Kvalitní příprava projektů, resp. rizi kových aktivit obecně, vyžaduje adekvátní integraci rizika a nejistoty do této přípravy, což umožňuje analýza rizika. Analýza rizika se nechápe v odborné literatuře zcela jednotně. Převládající pojetí analýzy rizika chápe tuto analýzu jako proces rozčleněný do dvou fází, které tvoří jednak identifikace rizik jakožto jevů, událostí, faktorů aj., které by mohly mít buď negativní, nebo pozitivní dopady na výsledky aktivit firmy včetně stanovení jejich významnosti, jednak stanovení velikosti (měření) rizika z hlediska dopadů výskytu rizik na výsledky firemních aktivit. Rozhodování o realizaci určitých aktivit zatížených rizikem však vyžaduje zhodnotit riziko spojené s těmito aktivitami vzhledem k určitým kritériím spojeným s přijatelností či nepřijatelností rizika. Tato fáze navazující na analýzu rizika pak představuje hodnocení rizika (Risk Evaluation). Toto hodnocení poskytuje základní informační vstupy pro rozhodování o přijetí, či zamítnutí určitého projektu či rizikové aktivity, resp. rozhodování o přípravě opatření zaměřených na snížení jejich rizika. Analýza rizika, jeho hodnocení, příprava, výběr a realizace opatření na snížení rizika (Risk Treatment, resp. Risk Responses) pak představují klíčové fáze managementu rizika. Pojetí rizika prošlo určitým historickým vývojem, přičemž převažovalo chápání rizika jako určitého nebezpečí (možnost vzniku ztráty, výskytu událostí ohrožujících dosažení 16
V jiných systémech klasifikace rizik se informační rizika a některá rizika spojená s lidským činitelem (např. podvodné či nezákonné jednání zaměstnanců) zahrnují mezi provozní rizika.
23
24
Aplikovaná analýza rizika
cílů jednotlivce či organizace, nebezpečí negativních odchylek od stanovených úrovní cílů atd.). Toto pojetí je oprávněné u čistých rizik, tj. rizik, která mají pouze negativní stránku. V hospodářské praxi však převažují rizika podnikatelská, která mají jak negativní, tak pozitivní stránku. Podnikatelské riziko se pak chápe jako variabilita (nejistota) výsledků určitých aktivit či procesů, možnost odchylek (jak negativních, tak pozitivních) skutečných výsledků od výsledků očekávaných či plánovaných, popř. jako pravděpodobnosti těchto odchylek. Riziko je spojeno vždy s určitým procesem, aktivitou či projektem s nejistými výsledky, přičemž tyto výsledky ovlivňují situaci subjektů (podniků, jejich manažerů), kteří je realizují. Nejistota je pak spojena především s neschopností spolehlivého odhadu budoucího vývoje faktorů, které výsledky procesů, aktivit či projektů ovlivňují. Riziko lze klasifikovat z mnoha hledisek. Mezi základní způsoby patří členění na riziko: ■■ podnikatelské (má negativní i pozitivní stránku) a čisté (má pouze negativní stránku); ■■ systematické (je vyvoláno společnými faktory a postihuje v různé míře všechny hospodářské jednotky, resp. jednotky z určitého odvětví) a nesystematické, resp. jedinečné (je specifické pro jednotlivé podniky); ■■ vnitřní (vztahuje se k faktorům uvnitř podniku) a vnější (vztahuje se k externím faktorům podnikatelského okolí); ■■ ovlivnitelné (existuje možnost jeho eliminace či oslabení působením na příčiny) a neovlivnitelné (existuje pouze možnost oslabení jeho negativních dopadů); ■■ ve fázi přípravy a realizace projektu a ve fázi jeho provozu. Bohaté je členění rizik podle jejich věcné náplně. Zde rozeznáváme rizika technicko-tech nologická, výrobní, provozní (operační), ekonomická, tržní (prodejní a cenová), finanční, legislativní, politická, environmentální, spojená s lidským činitelem, informační, zásahy vyšší moci (havárie, živelné pohromy), teroristické útoky.
Literatura [1] BREALEY, R. A. – MYERS, S. C.: Teorie a praxe firemních financí. Praha: Computer Press, 2000. [2] FOTR, J. – SOUČEK, I.: Investiční rozhodování a řízení projektů. Praha: Grada Publishing, 2011. [3] POLLIO, G.: International Project Management and Financing. London: MacMillan Press, 2003. [4] SCHNEIDER, J.: Firemní škodná? Vnitřní nepřítel. Euro, 2007, č. 25. [5] SMEJKAL, V. – RAIS, K.: Řízení rizik ve firmách a jiných organizacích. 2. vydání. Praha: Grada Publishing, 2006. [6] TICHÝ, M.: Ovládání rizika. Analýza a management. Praha: C. H. Beck, 2006.
Identifikace rizik a stanovení jejich významnosti
2. Identifikace rizik a stanovení jejich významnosti Identifikace rizik a stanovení jejich významnosti patří mezi nejdůležitější fáze analýzy rizika, neboť navazující kroky této analýzy i managementu rizika pracují pouze s těmi faktory, které byly včas rozpoznány. V dalším textu se zabýváme nejprve identifikací rizik a následně stanovením jejich významnosti, což umožňuje soustředit pozornost právě na rizika s největšími dopady na výsledky rozhodnutí finanční a investiční povahy.
2.1 Identifikace rizik Cílem identifikace rizik je dospět k vyčerpávajícímu souboru rizikových faktorů, které by mohly (nejen negativně, ale také pozitivně) ovlivnit hospodářské či jiné výsledky firmy, hodnotu jejích určitých aktiv nebo míru úspěšnosti připravovaných, resp. realizovaných investičních projektů. Proces identifikace rizik má několik stránek, přičemž mezi nejdůležitější patří vhodná dekompozice objektu analýzy rizika, vlastní náplň procesu identifikace, používané metody a nástroje podporující identifikaci, informační zdroje i subjekty podílející se na identifikaci.
2.1.1 Dekompozice objektu analýzy rizika Úspěšné identifikaci rizik by mohlo být na závadu, pokud by se zaměřila na objekt (organizaci, projekt či aktivitu) jako celek. Mnohem účinnější je rozčlenění objektu (např. organizace, projektu) na užší složky, aspekty či aktivity. Např. při analýze rizika určitého investičního projektu přichází do úvahy jeho rozčlenění do fází přípravy, výstavby, testování a vlastního provozu, dále oddělení zvažování aspektů politických, organizačních, právních, sociálních, ekonomických, obchodních, geografických, životního prostředí aj. Rozčlenění umožňuje lépe zaměřit myšlení subjektů podílejících se na identifikaci rizik a jít do větší hloubky než v případě, kdy se zabýváme všemi aspekty najednou. Vhodné rozčlenění objektu analýzy rizika do složek či dílčích aktivit může také stimulovat kreativitu a zajistit, že pozornosti neuniknou žádné významné aspekty, problémy či otázky.
2.1.2 Náplň identifikace Vlastní proces identifikace rizik (rizikových faktorů) pro každou dílčí aktivitu či oblast podporuje kladení a zodpovězení otázek typu: ■■ Jaké faktory by mohly ohrozit úspěšné dosažení cílů či naopak vést k jejich překročení, případně co by snížilo či zvýšilo účinnost dosažení cílů (např. z hlediska finančních zdrojů, lidí a času)?
25
26
Aplikovaná analýza rizika
■■ Jaké potenciální problémy by mohly vzniknout při realizaci aktivity či projektu? Jaké jsou oblasti jejich zranitelnosti?17 ■■ Co by mohlo ovlivnit stakeholdery (zainteresované strany) k přijetí akcí ohrožujících dosažení stanovených cílů? ■■ Co by mohlo být zdrojem dodatečných benefitů? ■■ Kdy, kde, jak a proč by se mohla tato rizika (negativní i pozitivní povahy) pravděpodobně vyskytnout a kdo by jimi mohl být ovlivněn? ■■ Které významné faktory ovlivňující výsledky podnikatelské činnosti či investičních projektů považované v minulosti, resp. současnosti za jisté by se mohly vyvíjet odlišně od našich předpokladů? (Jde o určitou formu zpochybňování toho, co se dříve považovalo za jisté.)
2.1.3 Nástroje identifikace a informační zdroje K identifikaci rizik či rizikových faktorů lze využít určité nástroje. Nejvýznamnějšími jsou: ■■ Kontrolní seznamy (check listy), resp. katalogy (registry) rizik18, které poskytují vyčerpávající přehled potenciálních rizikových faktorů firmy či jejích aktivit (více viz podkapitolu 2.2.6). Uplatnění seznamů snižuje nebezpečí opomenutí některých rizik. ■■ Pohovory s experty a skupinové diskuse. Tyto diskuse mohou mít formu brainstormingových schůzek, kdy skupinu tvoří pracovníci firmy, externí experti aj. Schůzku řídí moderátor, nejlépe rizikový analytik, který zabezpečuje, aby se každý mohl vyjádřit bez ohledu na své postavení, podněcuje diskusi, sumarizuje výsledky a směřuje debatu k závěru; v průběhu diskuse panuje zákaz kritiky vyjadřovaných názorů. Týmová práce podněcuje kreativitu, která je podstatná pro identifikaci rizik a umožňuje sdílení informací a zkušeností. ■■ Nástroje strategické analýzy podnikatelského prostředí (SWOT analýza, PEST analýza, Porterův model pěti sil aj.)19, které podporují především identifikaci externích rizik. ■■ Kognitivní (myšlenkové) mapy, jež představují grafický nástroj zobrazení jednotlivých faktorů rizika a jejich vzájemných vazeb. Rizikové faktory se zapisují na list papíru a orientovanými spojnicemi se zobrazují jejich vzájemné vazby. Spojnice vychází z faktoru rizika na straně příčiny a šipka směřuje k faktoru na straně dopadu rizika. 17
18
19
Zranitelné jsou především oblasti, kde již hrozily problémy a obtíže v minulosti, kde existují napjaté termíny realizace, kde může dojít vzhledem k nedostatkům organizačního uspořádání k překrývání pravomocí a zodpovědnosti, aktivity realizované ve značné prostorové vzdálenosti a aktivity, které jsou pro firmu nové. Např. katalog rizik společnosti E.ON obsahuje celkem 70 základních rizik rozčleněných do sedmi hlavních skupin (rizika externí, strategická, operační, finanční, personální, rizika informačních technologií a ostatní rizika). K těmto rizikům jsou dále přičleněna rizika specifická pro ČR [14]. Jiný katalog rizik ohrožujících úspěšnost silničních a železničních projektů realizovaných formou PPP (Partnerství veřejného a soukromého sektoru) zpracovala společnost KPMG [10]. Náplní SWOT analýzy je analýza silných (Strengths) a slabých (Weaks) stránek podniku, jeho hrozeb (Threats) a příležitostí (Opportunities). Analýza PEST zahrnuje analýzu politických, ekonomických, sociálních a technologických faktorů podnikatelského okolí firmy. Porterův model pěti sil vymezuje pět základních hrozeb ovlivňujících atraktivitu odvětví, které zahrnují intenzitu soupeření konkurentů v rámci odvětví, potencionální nové konkurenty, substituční a komplementární produkty, vyjednávací sílu dodavatelů a vyjednávací sílu odběratelů (bližší charakteristiku těchto nástrojů uvádí pramen [5]).
Identifikace rizik a stanovení jejich významnosti
(Např. překročení investičních nákladů bylo vyvoláno zvýšením ceny subdodávky, které si mohl subdodavatel dovolit vzhledem k nedostatečně kvalitní smlouvě.) Kognitivní mapa tak zobrazuje kauzální vazby (vztahy příčin a následků) rizikových faktorů a dopadů rizika [7]. Jako zdroje informací pro identifikaci faktorů rizika může sloužit především informační a znalostní vybavení expertů z oblastí, ke kterým se jednotlivé faktory vztahují, výstupy strukturovaných rozhovorů a dotazníků, lokální či zahraniční zkušenosti osobní či firemní povahy, výstupy, resp. doporučení externích auditorů, výsledky finančního controllingu a interního auditu, příprava podnikatelského plánu firmy, periodické analýzy firemních výsledků, výstupy monitorovacích systémů či systémů včasného varování a v neposlední řadě poznatky a zkušenosti z realizace významných projektů. Poznámka: Účinným nástrojem získávání těchto poznatků a zkušeností z realizace investičních projektů jsou jejich postaudity.20 Náplní postauditů je především zjistit shodu základních předpokladů, ze kterých vycházela příprava projektu (např. velikosti prodejů, prodejních cen, nákupních cen surovin a energií, měnových kurzů, úrokových sazeb aj.), se skutečností po realizaci projektu, dále shodu předpokládaných hospodářských výsledků projektu s výsledky skutečně dosaženými, zjistit významné faktory, které vyvolaly problémy v různých fázích realizace, resp. fungování projektu (identifikace příčin potíží či neúspěchu), a podstatné faktory, které nejvíce přispěly k úspěchu projektu (identifikace příčin úspěchu). Cílem postauditu je posílit systematické učení firmy tak, aby nedocházelo k opakování minulých chyb a omylů. Postaudity využívají mnohé zahraniční i některé naše firmy (například společnosti skupiny Unipetrol) [5].
2.1.4 Subjekty podílející se na identifikaci rizik Na identifikaci rizik by se měl podílet co nejširší okruh pracovníků firmy a účelné je využít i externích specialistů. Významnou roli při identifikaci rizik by měl sehrát management, a to především na vrcholové úrovni řízení (generální ředitel a výkonní ředitelé), dále i orgány společnosti, jako jsou představenstvo a dozorčí rada. Metodickou pomoc by měl poskytovat především útvar managementu rizika.
2.1.5 Požadavky na identifikaci rizik Účinnost identifikace rizik podporuje splnění některých požadavků, mezi které patří především: ■■ Respektování toho, že identifikace není jednorázovou činností, ale aktivitou zčásti periodickou (opakování identifikace určitých rizik ve stanovených, např. měsíčních či 20
Postaudity [8]se někdy též označují jako postimplementační analýzy a hodnocení či retrospektivní analýzy. Jde o překlady termínů ze zahraniční odborné literatury, kde se tyto postaudity označují jako Post Project Appraisal, Post Implementation Review, Post Event Analysis či After Action Review. V posledním případě jde o retrospektivní analýzu a hodnocení uplatňované v americké armádě. Ty se staly určitým podnětem pro postaudity a jejich náplň u společností Shell, Colgate-Palmolive aj. [4].
27
28
Aplikovaná analýza rizika
kvartálních intervalech), zčásti aktivitou průběžnou. Významnou podporu průběžné činnosti mohou poskytovat počítačově podporované systémy sledování vývoje v konkrétních oblastech, tzv. monitorovací systémy, resp. pokročilejší systémy včasného varování. Tyto systémy zajišťují pravidelné sledovaní vybraných rizik vzhledem ke zvoleným indikátorům (obvykle agregované finanční ukazatele) a při překročení stanovených hranic (Trigger Points) poskytují odpovědným osobám či útvarům signály (Trig ger Signals) o zvýšené úrovni rizika jako varování a upozornění na potřebnou reakci.21 ■■ Vytvoření tvůrčího prostředí stimulujícího včasné určení faktorů, které by mohly být příčinami podnikatelského neúspěchu, případně faktorů představujících příležitosti. Nepříznivě zde může působit neschopnost či neochota využít minulých zkušeností a mnohdy i nesprávné názory, které ztotožňují vyhledávání rizik se záměrným vnášením pesimismu.22 ■■ Po identifikaci rizik každé složky objektu analýzy je třeba se zamyslet nad touto fází a klást si otázky vztahující se ke spolehlivosti užitých informačních zdrojů či potřebě získání dodatečných informací, vhodnosti výběru osob, které se na identifikaci podílely, míry úplnosti identifikovaných souborů rizik aj. Případné zjištěné nedostatky by pak měly vést k opakování, resp. doplnění této fáze. Je zřejmé, že v dalších fázích analýzy, resp. managementu rizika lze pracovat pouze s riziky, která byla včas zjištěna, zhodnocena a dokumentována. Čím bude soubor identifikovaných rizik bohatší, tím hrozí menší nebezpečí, že nás překvapí výskyt neočekávaných rizik, na která nebudeme schopni včas a účinně reagovat.23 Závěrem je třeba zdůraznit, že identifikace rizik představuje nejdůležitější a časově nejnáročnější fázi analýzy rizika. Vyžaduje zkušenost, systematičnost, tvůrčí přístup (schopnost předvídat i takové jevy, o kterých zatím nejsou buď žádné, nebo jsou zcela nedostatečné informace), týmovou práci a zaměření především na budoucnost. Nelze spoléhat jen na získané zkušenosti, neboť zvláště postupy založené na extrapolaci minulých trendů mohou selhat (pro budoucí vývoj jsou typické často skokové změny a náhlý výskyt faktorů, které mohou značně ohrozit dosažení cílů firmy).
2.2 Stanovení významnosti rizik Ke stanovení významnosti rizik (rizikových faktorů) lze užít dva přístupy, a to analýzu citlivosti a expertní hodnocení. Analýza citlivosti je možná v případě kvantifikovatelných rizik, kdy lze modelovat závislost finančních kritérií firmy (např. jejího provozního zisku, zisku po zdanění, ukazatelů rentability, jako je rentabilita vlastního kapitálu, aktiv aj.), resp. investičních projektů (např. čistá současná hodnota, vnitřní výnosové procento, doba 21 22 23
Příkladem vhodného systému včasného varování je systém uplatňovaný společností E.ON [14], který sleduje třicet rizik a jehož výstupy slouží především představenstvu společnosti. Opomíjení rizik a jejich včasného určení může vést k situacím, kdy manažer či podnikatel opožděně prohlašuje: „Proč jsme na to nemysleli, vždyť to bylo možné předvídat.“ Je ovšem zřejmé, že ani pečlivá identifikace rizik nemůže zcela zabránit překvapení v podobě výskytu neočekávaných událostí s vysokými dopady (tyto události se označují podle Taleba [17] jako tzv. černé labutě – Black Swans). Vzhledem k tomu je třeba se včas zamýšlet nad možnostmi zvýšení firemní flexibility (využitím univerzálnějších technologií, vhodným organizačním uspořádáním aj.), která umožní pohotovější reakci na výskyt neočekávaných rizik.
Identifikace rizik a stanovení jejich významnosti
úhrady aj.) na faktorech rizika a dalších ovlivňujících veličinách, které nejsou zatíženy nejistotou, resp. jejichž odhady hodnot jsou značně spolehlivé. Expertní hodnocení, jehož nástrojem jsou matice hodnocení rizik, můžeme uplatnit ke stanovení významnosti rizik, která lze kvantifikovat jen velice obtížně, resp. nejsou kvantifikovatelná vůbec (např. dopady ekologické havárie na dobré jméno firmy). V dalších dvou podkapitolách budeme oba způsoby stanovení významnosti rizik, resp. faktorů rizika podrobněji charakterizovat.
2.2.1 Analýza citlivosti Podstatou analýzy citlivosti v oblasti finančního managementu, resp. investičního rozhodování, je zjišťování citlivosti zvoleného finančního kritéria firmy či projektu na možné změny hodnot faktorů rizika, které kritérium ovlivňují. Znamená to tedy stanovit, jak určité změny faktorů, např. objemu produkce, využití výrobní kapacity, prodejních cen výrobků, cen základních surovin, materiálů a energií, velikosti investičních nákladů, úrokových a daňových sazeb, měnových kurzů, diskontní sazby aj., ovlivňují dané kritérium.
Jednofaktorová analýza citlivosti
Základní formou analýzy citlivosti je jednofaktorová analýza, kdy se zjišťují dopady izolovaných změn jednotlivých rizikových faktorů na zvolené finanční kritérium, tj. kdy všechny ostatní faktory zůstávají na svých předpokládaných (plánovaných, nejpravděpodobnějších) hodnotách. Změny hodnot jednotlivých rizikových faktorů pak mohou mít buď povahu: ■■ pesimistických či optimistických hodnot; nebo ■■ odchylek od plánovaných (nejpravděpodobnějších) hodnot určité velikosti, např. ± 10 %. Rizikové faktory, jejichž změny výše uvedené povahy vyvolávají pouze nepatrné změny zvoleného kritéria, můžeme považovat za málo důležité – to znamená, že citlivost tohoto kritéria na změny hodnot rizikových faktorů je malá. Naopak faktory, jejichž stejné změny vyvolávají značné změny zvoleného kritéria, budou pro nás jistě významné. Dané kritérium je tedy velice citlivé na změny těchto faktorů. Postup a výsledky jednofaktorové analýzy citlivosti si ukážeme na příkladu 2.1.
IPříklad 2.1 Úkolem je posoudit význam rizikových faktorů ovlivňujících hospodářský výsledek (zisk před zdaněním) výroby nového produktu. Výši ročního zisku před zdaněním stanovíme jako rozdíl tržeb a celkových nákladů. Vzhledem k tomu, že vyráběný produkt je určen na trhy zemí Evropské unie, stanovíme velikost tržeb jako součin ročních prodejů v naturálním vyjádření, prodejní ceny v eurech a měnového kurzu koruny vůči euru. Náklady určíme jako součet variabilních a fixních nákladů za roční období. Variabilní náklady představuje hodnota spotřeby materiálu na roční produkci vyjádřená jako součin roční produkce, normy spotřeby materiálu a jeho nákupní ceny. Fixní náklady zobrazíme jednou položkou; představují náklady převážně režijního charakteru.
29
30
Aplikovaná analýza rizika
Závislost ročního zisku z výroby nového produktu na ovlivňujících faktorech můžeme nyní vyjádřit vztahem: Z = P (c × m – s × k) – FN (2.1) kde: Z P c m s k FN
zisk před zdaněním (Kč/rok), prodeje, resp. produkce24 (ks/rok), prodejní cena produktu (euro/ks), měnový kurz Kč vůči euru (Kč/euro), spotřeba materiálu na jednotku produkce (měrná spotřeba – kg/ks), kupní cena materiálu (Kč/kg), fixní náklady (mil. Kč/rok).
Jestliže nyní budeme přepokládat, že plánované hodnoty všech šesti výše uvedených faktorů ovlivňujících zisk jsou zatíženy nejistotou, jde o faktory rizika, které působí na komerční úspěšnost nového produktu. Pro posouzení ekonomického přínosu projektu a jeho rizika byly kromě plánovaných hodnot těchto faktorů (tzv. základní, nejpravděpodobnější scénář) zpracovány ještě dva další scénáře, a to optimistický (v případě značně příznivého vývoje faktorů rizika) a pesimistický 24 (v opačném případě). Jejich hodnoty shrnuje tabulka 2.1. Tab. 2.1 Scénáře hodnot faktorů rizika Faktor rizika
Jednotka
Scénář pesimistický
nejpravděpodobnější
optimistický
tis. ks/rok
75
100
120
1.
Prodeje
2.
Prodejní cena
euro/ks
135
150
160
3.
Měnový kurz
Kč/euro
24
27
29
4.
Měrná spotřeba materiálu
kg/ks
62
60
58
5.
Kupní cena materiálu
Kč/kg
46
40
36
6.
Fixní náklady
mil. Kč/rok
85
75
70
Pokud bychom nyní stanovili roční zisk z výroby nového produktu pro nejpravděpodobnější scénář, a to dosazením jeho hodnot z tabulky 2.1 do vztahu (2.1), dostali bychom hodnotu 90 mil. Kč. Dále zjistíme, jak je zisk citlivý na změny hodnot jednotlivých faktorů rizika při izolovaném přechodu hodnot každého faktoru od hodnoty v nejpravděpodobnějším scénáři k hodnotě ve scénáři pesimistickém. K dosažení tohoto cíle je třeba provést šest propočtů, kdy v prvním propočtu stanovíme roční zisk při poklesu prodeje z hodnoty 100 tis. ks/rok na pesimistický odhad 75 tis. ks/rok, a to za předpokladu, že hodnoty všech zbývajících pěti rizikových faktorů budou na svých nejpravděpodobnějších odhadech. Velikost ročního zisku nyní bude 48,8 mil. Kč, což je absolutní pokles o 41,2 mil. Kč vzhledem k zisku při nejpravděpodobnějším scénáři a relativně jde o pokles velikosti o 41,2/90 × 100 = 45,8 %. Stejným způsobem nyní určíme citlivost zisku na změny ostatních rizikových faktorů.25 Výsledky propočtu shrnuje tabulka 2.2. 24 25
Předpokládejme, že velikost zásob hotových produktů se bude udržovat na přibližně stejné úrovni, takže objem prodeje bude stejný jako velikost produkce. Pro tento účel bude vhodné zpracovat jednoduchý program v prostředí MS Excel.
Identifikace rizik a stanovení jejich významnosti
Tab. 2.2 Výsledky analýzy citlivosti zisku Faktor rizika
Hodnota faktoru N
P
Pokles zisku A (mil. Kč)
R (%)
1.
Prodeje
100
75
41,2
45,8
2.
Prodejní cena
150
135
40,5
45,0
3.
Měnový kurz
27
24
45,0
50,0
4.
Měrná spotřeba materiálu
60
62
8
8,9
5.
Kupní cena materiálu
40
46
40
36,0
6.
Fixní náklady
75
85
10
11,1
kde: N P A R
nejpravděpodobnější hodnota, pesimistický odhad, absolutní pokles ročního zisku (mil. Kč), relativní pokles ročního zisku (%).
Z tabulky 2.2 plyne, že roční zisk reaguje nejcitlivěji na posílení měnového kurzu Kč/euro, kdy jeho zhodnocení z 27 Kč/euro na 24 Kč/euro vede k poklesu zisku o 50 %. Tento faktor představuje proto nejvýznamnější faktor rizika daného projektu. Významné faktory představují i prodeje a prodejní cena, kdy jejich pesimistické odhady vedou v obou případech k poklesu zisku okolo 45 %. Středně významným faktorem je kupní cena materiálu, jejíž zvýšení vede k poklesu zisku o 36 %. Nejméně významné faktory rizika představují fixní náklady a měrná spotřeba materiálu (pokles zisku o 11,1 %, resp. o 8,9 %). Z údajů tabulky 2.2, která ilustruje značnou citlivost zisku na nepříznivý vývoj faktorů ovlivňujících hospodářský výsledek výroby nového produktu, též plyne, že jde o projekt značně rizikový. Tento závěr by potvrdil i propočet zisku při pesimistickém scénáři (všechny faktory nabývají současně nejméně příznivých hodnot). V takové situaci by byl projekt značně ztrátový, neboť velikost roční ztráty by dosáhla 56 mil. Kč.26
Předností výše uvedené formy analýzy citlivosti založené na scénářích je především to, že respektuje do určité míry odlišnou výši nejistoty faktorů ovlivňujících zvolené finanční kritérium firmy či investičního projektu. K nedostatkům pak patří jednak to, že ji lze použít pouze v případech, kdy byl pesimistický scénář sestaven, jednak určitá nejednoznačnost chápání pesimistického, resp. optimistického scénáře. Pokud nejsou tyto scénáře jednoznačně specifikovány,27 mohou je různé subjekty chápat různým způsobem. Vzhledem k výše uvedeným nedostatkům a omezením se proto v praxi častěji uplatňuje analýza citlivosti založená na zjišťování dopadů určitých stejných procentních změn jed26 27
Blíže se scénářům věnujeme v kapitole 10. Určitou možností jasnější specifikace pesimistických, resp. optimistických odhadů hodnot faktorů rizika je chápat je jako hranice, které daný faktor rizika nepřekročí, nebo je překročí pouze s určitou pravděpodobností. Např. pesimistický odhad ročních prodejů nového produktu velikosti 75 tis. ks za rok lze vnímat jako dolní mez, která nebude překročena (tj. roční prodeje nepoklesnou pod 75 tis. ks), nebo bude překročena s určitou pravděpodobností, např. 5 % (tj. připouští se možnost ročních prodejů nižších než 75 tis. ks, a to cca v pěti případech ze sta).
31
32
Aplikovaná analýza rizika
notlivých faktorů rizika (obvykle ±10 %), a to od jejich nejpravděpodobnějších hodnot na zvolené finanční kritérium. Ilustraci této formy analýzy citlivosti uvádí příklad 2.2.
IPříklad 2.2 Úkolem je opět posoudit významnost rizikových faktorů ovlivňujících hospodářský výsledek projektu výroby nového produktu, který jsme charakterizovali v příkladu 2.1. Nyní však budeme zjišťovat citlivost zisku tohoto projektu na vzrůst či pokles hodnot jednotlivých rizikových faktorů o ±10 % od jejich nejpravděpodobnějších hodnot. Výsledky analýzy citlivosti28 uvádějí tab. 2.3 a obrázky 2.1 a 2.2. Tab. 2.3 Výsledky jednofaktorové analýzy citlivosti zisku What-If Analysis Summary for Output Zisk Top 6 Inputs Ranked By Change in Actual Value Minimum Output Rank
Maximum Input
Output
Input
Input Name
Cell
Value
Change (%)
Value
Value
Change (%)
Value
1
Prodejní cena (F9)
F9
49,5
–45,00 %
135,0
130,5
45,00 %
165,0
2
Měnový kurz (F10)
F10
49,5
–45,00 %
24,3
130,5
45,00 %
29,7
3
Měrná spotřeba materiálu (F11)
F11
66,0
–26,67 %
66,0
114,0
26,67 %
54,0
4
Kupní cena materiálu (F12)
F12
66,0
–26,67 %
44,0
114,0
26,67 %
36,0
5
Prodej (F8)
F8
73,5
–18,33 %
90,0
106,5
18,33 %
110,0
6
Fixní náklady (F13)
F13
82,5
–8,33 %
82,5
97,5
8,33 %
67,5
Z tab. 2.3 plyne, že nejvýznamnější rizikové faktory představují nyní prodejní cena produktu a měnový kurz Kč/euro (vzrůst, resp. pokles prodejní ceny produktu i kurzu koruny vzhledem k euru o 10 % od nejpravděpodobnější hodnoty vede ke změně ročního zisku produktu vždy o 45 %)29. Středně významné rizikové faktory tvoří měrná spotřeba materiálu a jeho kupní cena, kdy stejný vzrůst, resp. pokles těchto veličin o 10 % od nejpravděpodobnější hodnoty vede ke změně ročního zisku produktu vždy o 26,7 %. Nejméně významné faktory rizika pak tvoří velikost ročních prodejů a fixní náklady, jejichž vzrůst či pokles vede ke změně zisku o 18,3 %, resp. o 8,3 %.
Srovnání obou forem analýzy citlivosti ukazuje jejich zčásti odlišné výsledky. Ty jsou způsobeny tím, že v prvním případě (tab. 2.2) jsme respektovali odlišnou míru nejistoty rizikových faktorů, v druhém případě (tab. 2.3) jsme vycházeli z předpokladu stejné re-
28 29
K této analýze jsme využili program TopRank společnosti Palisade (blíže [11]). Stejná citlivost zisku na stejné procentní změny obou těchto faktorů (totéž je u měrné spotřeby materiálu a jeho kupní ceny) vyplývá z toho, že ve vztahu 2.1 pro výpočet zisku vystupují obě dvojice těchto faktorů v podobě součinu, kdy izolovaná procentní změna každého faktoru z dané dvojice vede ke stejné procentní změně jejich součinu.
Identifikace rizik a stanovení jejich významnosti
lativní nejistoty všech rizikových faktorů, vyjádřené jejich odchylkou ±10 % od nejpravděpodobnějších hodnot. Názornější představu o citlivosti zisku na změny rizikových faktorů poskytuje grafické zobrazení výsledků analýzy citlivosti v podobě tornádo grafu a pavučinového grafu. V tornádo grafu (viz obr. 2.1) vyjadřují citlivost zisku na změny jednotlivých faktorů rizika délky obdelníků příslušejících k těmto faktorům, a tyto faktory jsou v grafu uspořádány podle klesající citlivosti zisku na stejné změny těchto faktorů.30 V pavučinovém grafu (viz obr. 2.2) vyjadřují citlivost zisku na stejné relativní změny jednotlivých faktorů rizika sklony přímek odpovídajících jednotlivým rizikovým faktorům. Čím jsou tyto přímky strmější, tím je zisk na stejné relativní změny daných faktorů citlivější31. V pavučinovém grafu na obr. 2.2 vidíme pouze čtyři přímky vzhledem k již zmíněné stejné citlivosti zisku u dvojic faktorů rizika tvořených jednak prodejní cenou a měnovým kurzem, jednak měrnou spotřebou a kupní cenou materiálu (viz též stejné délky obdélníků příslušných těmto dvojicím faktorů v tornádo grafu na obr. 2.1. Předností grafického zobrazení výsledků analýzy citlivosti je jeho přehlednost a názornost, kdy si můžeme učinit rychlou představu o velikosti vlivu jednotlivých faktorů rizika na zvolené kritérium, a tím i o významnosti těchto faktorů.
Tornado Graph of Zisk Impact by output Prodejní cena (F9) Měnový kurz (F10) Měrná spotřeba materiálu (F11)
TopRank for Excel Palisade Corporation
Kupní cena materiálu (F12) Prodej (F8)
140
130
120
110
100
90
80
70
60
50
40
Fixní náklady (F13)
Value of Zisk
Obr. 2.1 Tornádo graf jednofaktorové analýzy citlivosti zisku
30
31
Tornádo graf na obrázku 2.1 ukazuje diferenciovanou citlivost zisku na změny jednotlivých faktorů rizika. Zkušenost však říká [13], že u některých projektů (především z oblasti vývoje významných nových produktů, projektů bezpečnosti a ochrany zdraví či ochrany životního prostředí) nejsou velké rozdíly v citlivosti zvoleného kritéria (např. čisté současné hodnoty) na stejné relativní změny faktorů rizika. Příslušné grafické zobrazení proto nepřipomíná tornádo, ale má spíše obdélníkový tvar. Za kvantitativní vyjádření této citlivosti lze považovat směrnice příslušných úseček.
33
Aplikovaná analýza rizika
Spider Graph of Zisk 50 % 40 % 30 % 20 % 10 % 0% –10 % –20 % –30 % –40 % –50 %
Prodej (F8) Prodejní cena (F9)
TopRank for Excel Palisade Corporation
Měnový kurz (F10) Měrná spotřeba materiálu (F11) Kupní cena materiálu (F12)
15 %
10 %
5%
0%
–5 %
–10 %
Fixní náklady (F13) –15 %
Output % Change
34
Input % Change
Obr. 2.2 Pavučinový graf jednofaktorové analýzy citlivosti zisku
Vícefaktorová analýza citlivosti
Tato analýza umožňuje zjišťovat dopady současných změn hodnot více rizikových faktorů na hodnotu kritéria analyzované rizikové aktivity či projektu. Nejčastěji se uplatňuje dvoufaktorová analýza, kterou budeme ilustrovat na příkladu 2.3, navazujícím na příklady 2.1 a 2.2.
IPříklad 2.3 Úkolem je posoudit významnost rizikových faktorů ovlivňujících hospodářský výsledek projektu výroby nového produktu, který jsme charakterizovali v příkladu 2.1. Nyní však budeme zjišťovat citlivost zisku tohoto projektu na současné změny hodnot vždy dvou faktorů rizika. Pro řešení jsme zvolili čtyři faktory rizika z šesti faktorů uvedených v tab. 2.1, které tvoří prodej, prodejní cena, měnový kurz Kč/euro a kupní cena materiálu. Nyní budeme zjišťovat dopady současných změn hodnot každé dvojice těchto faktorů o ±10 % na zisk projektu. Výsledky řešení zobrazují jednak údaje tab. 2.4, jednak tornádo graf na obr. 2.3. Každý řádek této tabulky uvádí výsledky jedné kombinace změn hodnot obou faktorů o ±10 %. Např. z prvního řádku plyne, že v případě současného zvýšení prodejní ceny a měnového kurzu o 10 % (při nezměněných hodnotách ostatních dvou faktorů) se dosáhne nejvyššího zisku velikosti 175,05 mil. Kč, což je zvýšení o 94,5 % vzhledem k nejpravděpodobnějšímu scénáři se ziskem 90 mil. Kč. Naopak k nejnižšímu zisku ve výši 13,5 mil. Kč, tj. poklesu o 85,5 % vede současný pokles hodnot obou těchto faktorů o 10 % (viz druhý řádek tab. 2.432). Při této analýze citlivosti se měnily hodnoty faktorů rizika vždy o ±10 %, protože jsme požadovali pouze dva kroky analýzy. Podrobnější výsledky je možné získat zadáním více kroků33. 32
33
Tab. 2.4 obsahuje pouze část výsledků dvoufaktorové analýzy citlivosti vzhledem k tomu, že úplná tabulka by měla 40 řádků. Ze čtyř faktorů rizika lze vytvořit celkem šest dvoufaktorových kombinací (4 × 3 / 2) – viz též tornádo graf na obr. 2.3, přičemž pro každou tuto kombinaci faktorů je třeba provést čtyři výpočty (současné zvýšení a snížení hodnot obou faktorů o 10 % a snížení hodnoty jednoho a zvýšení hodnoty druhého faktoru o 10 %. Např. při zadání čtyř kroků se při analýze mění každý faktor vždy po pěti procentech, což vede k výraznému zvýšení rozsahu získaných výsledků.
Identifikace rizik a stanovení jejich významnosti
Tornádo graf dvoufaktorové analýzy citlivosti uvádí obr. 2.3. Z něj plyne, že k největším změnám zisku vede současná změna prodejní ceny a měnového kurzu a naopak nejmenší změnu zisku vyvolá současná změna prodeje a kupní ceny materiálu. Tab. 2.4 Výsledky dvoufaktorové analýzy citlivosti
Tornado Chart for Multi-Way Analysis of Zisk Multi-Way Impact by output Prodejní cena (F9) Měnový kurz (F10) Prodejní cena (F9) Kupní cena (F12) Měnový kurz (F10) Kupní cena (F12)
TopRank for Excel Palisade Corporation
Prodej (F8) Prodejní cena (F9) Prodej (F8) Měnový kurz (F10)
180
160
140
120
100
80
60
40
20
0
Prodej (F8) Kupní cena (F12)
Value of Zisk
Obr. 2.3 Tornádo graf dvoufaktorové analýzy citlivosti zisku Jako příklad třífaktorové analýzy uvádíme v tab. 2.5 výsledky této analýzy v podobě hodnot zisku při současných změnách tří ze čtyř rizikových faktorů (prodej, prodejní cena, měnový kurz a kupní cena materiálu).
35
36
Aplikovaná analýza rizika
Tab. 2.5 Výsledky třífaktorové analýzy citlivosti zisku
Z této tabulky plyne, že k největšímu zvýšení zisku, a to na 200,05 mil. Kč, což je zvýšení o 122,28 % vzhledem k nejpravděpodobnějšímu scénáři se ziskem 90 mil. Kč, vede současné zvýšení prodeje, prodejní ceny a měnového kurzu vždy o 10 % (viz první řádek tab. 2.5). Naopak nejvyšší ztrátu velikosti 10,95 mil. Kč znamenající pokles zisku o 112,17 % Kč vyvolá současný pokles prodejní ceny a měnového kurzu kombinovaný se vzrůstem kupní ceny materiálu a to vždy o 10 % (viz třetí řádek tab. 2.5).
Z příkladů 2.1, 2.2 a 2.3 vyplývají určité přednosti, nedostatky či omezení analýzy citlivosti. Předností je relativní jednoduchost a názornost této analýzy, její uplatnění – především v případě problémů značného rozsahu, které obsahují desítky faktorů rizika –, vyžaduje však vhodnou počítačovou podporu. Hlavním přínosem analýzy citlivosti je získávání informací, prostřednictvím kterých dospějeme k závěru o významnosti jednotlivých faktorů rizika. To pak umožňuje v dalších fázích analýzy rizika diferencovat pozornost věnovanou jednotlivým faktorům v souladu s jejich významem. Analýza citlivosti má však také určitá omezení. Mezi ně patří především to, že: ■■ Jednofaktorová analýza zjišťuje dopady izolovaných změn jednotlivých rizikových faktorů na zvolené finanční kritérium, takže nerespektuje možnou závislost některých rizikových faktorů, kdy určitá změna jednoho faktoru může vyvolat změny jiného či jiných faktorů (např. značný vzrůst prodejní ceny vede ke snížení poptávky, a tím prodeje). Vhodnější je proto uplatnění vícefaktorové analýzy citlivosti, která je však náročnější, resp. aplikace scénářů. ■■ V případě analýzy citlivosti realizované formou stejných relativních změn jednotlivých rizikových faktorů (tj. procentních změn od jejich nejpravděpodobnějších hodnot) se nerespektuje v praxi častá odlišná míra nejistoty jednotlivých faktorů rizika, kdy možné odchylky některých rizikových faktorů od nejpravděpodobnějších hodnot mohou být
Identifikace rizik a stanovení jejich významnosti
menší než ±10 %, jindy však výrazně vyšší34 (např. v případě prověřené technologie výroby nového produktu bude nejistota normy spotřeby materiálu dosti malá – nižší než rozpětí ±10 % od nejpravděpodobnější hodnoty –, u nákupní ceny materiálu či prodejní ceny může být tato nejistota značně vyšší). Vzhledem k tomu je třeba při hodnocení významnosti rizikových faktorů vycházet nejen z výsledků analýzy citlivosti, ale i z posouzení odlišné míry nejistoty jednotlivých rizikových faktorů, která jejich významnost též ovlivňuje35 (tím se pak dostáváme k formě analýzy citlivosti vycházející z odhadu optimistických a pesimistických hodnot jednotlivých rizikových faktorů). ■■ Její uplatnění je omezeno na kvantifikovatelné rizikové faktory, u kterých lze modelovat závislost finančních kritérií hodnocení firem, jejich aktiv či investičních projektů na těchto faktorech. Přes výše uvedená omezení můžeme považovat analýzu citlivosti za užitečnou podporu stanovení významnosti rizikových faktorů, a to zvláště v kombinaci s dalšími nástroji, ke kterým patří především matice hodnocení rizik.
2.2.2 Matice hodnocení rizik Matice hodnocení rizik (faktorů rizika) jsou založeny na expertním hodnocení těchto rizik pracovníky, kteří mají potřebné znalosti a zkušenosti v oblastech, kam jednotlivé faktory rizika spadají (např. pokud jde o poptávku a prodejní ceny, zabývají se jimi marketingoví pracovníci; nebezpečí větších změn měnových kurzů mohou posoudit specialisté z oblasti mezinárodní ekonomiky aj.). Podstata expertního posuzování významnosti rizik s využitím matic hodnocení rizik spočívá v tom, že se tato významnost posuzuje pomocí dvou hledisek. První z nich tvoří pravděpodobnost výskytu rizika a druhé intenzita negativního dopadu, který má výskyt rizika na firmu či projekt. Určité riziko je pak tím významnější, čím pravděpodobnější je jeho výskyt a čím vyšší je intenzita negativního dopadu tohoto rizika na firmu, její určitá aktiva či projekty. Expertní hodnocení rizik, resp. faktorů rizika může mít dvě formy. Určitou základní formu představuje kvalitativní hodnocení, které dospívá k posouzení významnosti rizik na základě matice hodnocení rizik, resp. jejího grafického zobrazení, aniž se tato významnost stanovuje v číselné formě. Vyšší formou je pak semikvantitativní hodnocení, dospívající k číselnému vyjádření významnosti jednotlivých rizik či faktorů rizika, a to opět s využitím matice hodnocení rizik.
34
35
Nebere se tedy v úvahu odlišná pravděpodobnost odchylek jednotlivých rizikových faktorů ±10 % od jejich nejpravděpodobnějších hodnot. Současné respektování jak citlivosti kritéria hodnocení vzhledem k jednotlivým rizikovým faktorům, tak nejistoty těchto faktorů zobrazují grafy citlivosti (Sensitivity Charts) představující jeden z výstupů simulace Monte Carlo s uplatněním počítačového systému Crystal Ball (více viz kapitolu 4 a 8). Významné faktory rizika pak tvoří především ty, na jejichž změny je zvolené finanční kritérium značně citlivé, přičemž jde o faktory vysoce nejisté s velkým intervalem možných hodnot. Významnost rizikových faktorů podporuje dále i jejich absolutní velikost (čím je daný faktor větší, tím bude obvykle i významnější).
37
38
Aplikovaná analýza rizika
Kvalitativní hodnocení
V určité nejjednodušší formě matice hodnocení rizik posuzují experti souhrnně dopady rizik na firmu, její určitá aktiva či projekty, a to obvykle dopady negativní povahy. K expertnímu ohodnocení pravděpodobností výskytu rizik i intenzity jejich negativních dopadů se obvykle využívá stupnice s pěti stupni.36 Příklad jedné z těchto stupnic uvádí tabulka 2.6. Tab. 2.6 Stupnice hodnocení Stupeň
Pravděpodobnost, intenzita negativního dopadu
ZV
zvláště vysoká
V
vysoká
S
střední
M
malá
VM
velice malá
Výsledky expertního ohodnocení pravděpodobností i intenzity negativních dopadů souboru deseti rizik (R1, R2, …, R10) v podobě matice hodnocení rizik uvádí tabulka 2.7 Tab. 2.7 Matice hodnocení rizik Pravděpodobnost
Intenzita negativních dopadů VM
M
S
V
ZV
R4
V
R1
S M VM
ZV
R9 R5
R2
R8 R3
R6
R10
R7
Je zřejmé, že každé riziko bude tím významnější, čím vyšší je pravděpodobnost jeho výskytu i intenzita negativního dopadu. V matici hodnocení rizik v tabulce 2.7 budou proto nejvýznamnější rizika zobrazena v pravém horním rohu této matice (rizika R1, R2 a R4) a naopak nejméně významná rizika v dolním levém rohu této matice37 (riziko R5 a R6). V závislosti na pravděpodobnosti výskytu a intenzitě negativního dopadu je pak možné rozdělit jednotlivá rizika podle jejich významu do určitých skupin (kategorií). Obvykle se používají tři skupiny, a to skupina nejvýznamnějších rizik, skupina rizik středně významných a skupina rizik málo významných. Tyto tři skupiny jsou v našem příkladu v tabulce 2.5 zobrazeny plochami s rozlišnou intenzitou zbarvení, přičemž do skupiny nejvýznamnějších
36 37
Počet stupňů není pevně dán, přičemž někdy může být zvolená stupnice stručnější a mít pouze tři stupně, jindy podrobnější s šesti či sedmi stupni. V praxi se často setkáváme se situacemi, kdy rizika s velkou pravděpodobností výskytu mají spíše menší dopady a rizika s malou pravděpodobností dopady spíše vyšší.
Identifikace rizik a stanovení jejich významnosti
rizik patří rizika R1, R2 a R4, ve skupině středně významných rizik najdeme rizika R3, R7, R8, R9, R10 a skupina málo významných rizik zahrnuje rizika R5 a R6.38
Semikvantitativní hodnocení
V této formě matice hodnocení rizik lze dospět expertně k číselnému vyjádření významnosti jednotlivých rizik, resp. faktorů rizika. V tomto případě je třeba přiřadit jednotlivým stupňům pravděpodobnostní stupnice výskytu rizik i stupňům intenzity jejich negativních dopadů číselné ohodnocení. Ohodnocení významnosti každého rizika se pak stanoví jako součin ohodnocení pravděpodobnosti jeho výskytu a ohodnocení negativního dopadu tohoto rizika. Je tedy zřejmé, že výsledné ohodnocení závisí na volbě stupnice číselného ohodnocení pravděpodobností výskytu rizik a intenzity jejich negativních dopadů. Pro číselné ohodnocení pravděpodobností výskytu rizik se často volí lineární stupnice, která (v případě užití stupnice s pěti stupni) přiřazuje jednotlivým stupňům ohodnocení 1, 2, 3, 4, 5, kde ohodnocení 1 odpovídá velice malé pravděpodobnosti a ohodnocení 5 pravděpodobnosti zvláště vysoké. V případě ohodnocení intenzity negativních dopadů však není vhodné užití lineární stupnice. Pokud bychom opět zvolili stupnici 1, 2, 3, 4, 5, kde ohodnocení 1 odpovídá velice malému negativnímu dopadu a ohodnocení 5 negativnímu dopadu zvláště vysokému, pak by zde platilo, že zvláště vysoký negativní dopad výskytu určitého rizika je pro firmu pouze 5krát bolestnější než výskyt téhož rizika s velice malým dopadem. Poznámka: Zde je však třeba respektovat rozdíl mezi ordinální a kardinální stupnicí. Ordinální stupnice 1, 2, 3, 4, 5 pro ohodnocení negativních dopadů výskytu určitého rizika uspořádává jednotlivé stupně negativních dopadů podle jejich intenzity, nic však neříká o rozdílech, resp. podílech této intenzity. Například malý negativní dopad je pro firmu významnější než dopad velice malý, neplatí však, že malý negativní dopad s ohodnocením 2 je dvakrát významnější než dopad velice malý s ohodnocením 1, resp. že rozdíl významnosti těchto dopadů je 2 – 1 = 1. Vzhledem k tomu, že například ordinální stupnice 1, 3, 5, 9, 12 je ekvivalentní stupnici 1, 2, 3, 4, 5 z hlediska uspořádání objektů určitého typu, mohli bychom deskriptory ZV, V, S, M a VM pro označení stupňů pravděpodobnosti výskytu rizik i intenzity jejich negativních dopadů nahradit čísly 1, 2, 3, 4, 5. Tato čísla slouží pouze pro uspořádání, nemůžeme ale určovat význam jednotlivých rizik jako součin číselných stupňů pravděpodobností jejich výskytu a intenzity negativních dopadů. Odlišná je kardinální stupnice, která může být buď intervalová (význam mají rozdíly hodnot), nebo poměrová (význam mají podíly hodnot). V našem případě je vhodné uplatnit pro ohodnocení stupňů pravděpodobnosti výskytu rizik i intenzity jejich negativních dopadů poměrovou stupnici. Nyní je možná operace násobení a při volbě stupnice 1, 2, 3, 4, 5 jak pro ohodnocení pravděpodobností, tak i intenzity negativních dopadů bude mít stupnice ohodnocení významnosti rizik rozsah od 1 (1 × 1 pro riziko s velice malou pravděpodobností i intenzitou negativního dopadu) do 25 (5 × 5 pro riziko se zvláště vysokou pravděpodobností i intenzitou negativního dopadu).
Pro ohodnocení intenzity negativních dopadů výskytu rizik je proto třeba zvolit nelineární stupnici. Jednou z možností je užití mocninné stupnice 1, 2, 4, 8, 16, kde ohodnocení každého stupně je vždy dvojnásobkem ohodnocení předchozího nižšího stupně. Znamená to, že hodnotitel považuje zvláště vysoký negativní dopad výskytu určitého rizika za 16krát 38
Je zřejmé, že rozčlenění rizik do tří skupin způsobem uvedeným v tabulce 2.7 není objektivně dáno, ale je výsledkem názoru hodnotitele, resp. hodnotitelského týmu. Bylo by proto možné představit si poněkud jiný počet jednotlivých skupin rizik, např. pět.
39
40
Aplikovaná analýza rizika
významnější (bolestnější) než výskyt téhož rizika s velice malým negativním dopadem. Pokud nyní pro ohodnocení pravděpodobností výskytu rizik užijeme stupnici 1, 2, 3, 4, 5 a pro ohodnocení intenzity negativních dopadů výskytu rizik mocninné stupnice 1, 2, 4, 8, 16 (viz tab. 2.8), nabývá ohodnocení významnosti rizik čísel z intervalu od 1 do 80. (Nejméně významné riziko s velice malou pravděpodobností výskytu i intenzitou negativního dopadu má ohodnocení 1 × 1 = 1 a nejvýznamnější riziko se zvláště vysokou pravděpodobností výskytu i intenzitou negativního dopadu pak ohodnocení 5 × 16 = 80.) Tab. 2.8 Číselné ohodnocení významnosti rizik Ohodnocení pravděpodobnosti
Ohodnocení intenzity negativních dopadů 1
2
4
8
16
5
5
10
20
40
80
4
4
8
16
32
64
3
3
6
12
24
48
2
2
4
8
16
32
1
1
2
4
8
16
Kvantitativní ohodnocení významnosti faktorů rizika lze nyní využít k: ■■ uspořádání rizik od nejvýznamnějšího rizika k riziku nejméně významnému; ■■ rozčlenění rizik do skupin s odlišnou významností, které může tvořit skupina nejvýznamnějších rizik (např. s ohodnocením vyšším než 30), skupina středně významných rizik (ohodnocení od 10 do 30) a skupina nejméně významných rizik (ohodnocení nižší než 10); zvolené intervaly ohodnocení mohou být i odlišeny různě sytým podšeděním (viz tab. 2.8); ■■ stanovení celkového rizika firmy, jejích určitých aktiv či projektů jako součtu číselného ohodnocení významnosti všech rizik. I když je výše uvedený postup stanovení významnosti rizikových faktorů užitečný, je třeba upozornit na to, že číselné ohodnocení významnosti je vždy do určité míry subjektivní. Závisí totiž na volbě stupnice hodnocení pravděpodobnosti i dopadů, která může být přijatelnější či méně vhodná, avšak vždy je výrazem subjektivního názoru hodnotitele.39 Zdůraznit je třeba i to, že volba stupnice pro hodnocení dopadů by měla vycházet z užité kvantitativní stupnice měření těchto dopadů (viz podkapitolu 2.2.4).
2.2.3 Pravděpodobnostní stupnice V matici hodnocení rizik jsme zatím pracovali pouze s jednotlivými verbálně charakterizovanými stupni pravděpodobnosti výskytu rizika. Ve statistice, resp. teorii pravděpodobnosti se pravděpodobnosti výskytů určitých jevů či událostí vyjadřují čísly v intervalu od 0 do 39
Jako jiné příklady stupnic pro hodnocení pravděpodobnosti výskytu rizik i intenzity jejich negativních dopadů mohou být např. stupnice 0,0001; 0,001; 0,01; 0,1; 0,5 pro hodnocení pravděpodobnosti výskytu rizik a stupnice 1, 2, 5, 10, 100 pro hodnocení intenzity jejich negativního dopadu [12].