Практика проведения и экономической оценки нефтегазовых инвестиционных проектов свидетельствует о необходимости всестороннего учета факторов неопределенности.
При оценке вариантов в многостадийном проектировании разработки месторождений учитывается влияние риска, позволяющего уточнить эффективность и надежность технико-экономических решений в условиях особенности работы нефтегазодобывающего производства.
К ним относятся: недостоверность геолого-промысловых параметров, недоразведанность месторождения, качество строительства скважин, высокая капиталоемкость, недостаточная обоснованность прогноза динамики добычи нефти и коэффициентов нефтеотдачи, сложность в определении предстоящих затрат и цен в условиях непредсказуемости рыночной конкуренции.
Влияние факторов неопределенности на инвестиционный проект приводит к неожиданным потерям, убыткам даже в тех проектах, которые первоначально признаны экономически целесообразными для инвестирования. Неучтенные негативные сценарии развития событий, возможно, и малоожидаемые, могут произойти и помешать реализации инвестиционного проекта. Учет неопределенности информации напрямую зависит от выбора математического аппарата, определяемого математической теорией, и обеспечивает приемлемую формализацию неопределенности, возникающую при управлении инвестиционными потоками, что является крайне важным.
Видится, что применение теории нечетких множеств (ТНМ) позволит в какой-то степени решить эту проблему, формируя полный спектр сценариев по оценке инвестиционного проекта
[1–7].
Нечетко-интервальный метод может быть применен с целью оценки риска инвестиционных прогнозов при реализации нефтегазовых инвестиционных проектов. С этой целью применяется разработанная интеллектуальная система, которая позволяет просчитать возможные рисковые ситуации рассматриваемого инвестиционного проекта [8, 9]. На наш взгляд, использование математического аппарата ТНМ поможет экспертам формализовать свои представления о возможных значениях чистого дисконтированного дохода (ЧДД), как основного экономического критерия, в терминах задания характеристической функции (функции принадлежности) [10, 11]. При этом от экспертов требуется указать в начале множество тех значений критерия, которые неприемлемы для рассмотрения, а затем проранжировать множество возможных значений по степени принадлежности к данному нечеткому множеству [10].
Использование нечетко-интервального метода дает возможность получить количественную и качественную оценку рискованности проекта и определить степень влияния факторов риска на его эффективность.
Проведем оценку риска эффективности извлечения запасов нефти при изменении ЧДД недропользователя по нечетким моделям. В качестве оценочного показателя в системе будем использовать «треугольное нечеткое число», которое получено на основе отклонения регулирующих параметров (капитальных, эксплуатационных затрат, а также уровней добычи и цены на нефть) по варианту разработки одного из месторождений Пермского края [12] (таблица 1).
Месторождение по величине начальных извлекаемых запасов относится к категории «средних» со сложным геологическим строением. При оценке ЧДД используются регулирующие технико-экономические показатели представленные выше.
Следует принять, что критерий находится в диапазоне [ЧДДmin, ЧДДmax], а также принимается, что значение ЧДД0 является величиной, полученной без отклонений регулирующих параметров по проекту. Таким образом, нечеткое треугольное число имеет вид (ЧДДmin, ЧДД 0,, ЧДДmax). Параметры этого математического выражения будем называть «значимыми точками», которыми можно сопоставить вероятности реализации соответствующих сценариев – «пессимистического», «нормального» и «оптимистического».
Зададимся множеством нечетких чисел для анализа эффективности инвестиционного проекта по модели российского налогообложения с помощью функции принадлежности, рассчитываемой на основе изменения ЧДД недропользователя (таблица 2).
Таблица. 2 Значения ЧДД и функции принадлежности при изменении регулирующих параметров по освоению месторождения
![](/upload/medialibrary/37b/brrz9pltuwz68e29tuvkfz1nny7ptke4/content_img.png)
На основании таблицы построим треугольную функцию принадлежности нечеткого числа ЧДД (рис. 1). Нулевые значения функции соответствуют отрицательным значениям ЧДД.
![](/upload/medialibrary/281/7xjmo8odhmlqicydmm2xb6o1gakma7d4/content_img.png)
По оси «x» отражено изменение значения ЧДД относительно максимума, по оси «y» вероятность α1 возникновения значения ЧДД. Задача инвестиционного выбора в данном рассмотрении есть процесс принятия решения в расплывчатых условиях, когда решение достигается слиянием целей и ограничений. Отметим, что главным ограничением по проекту является отрицательное значение ЧДД, что свидетельствует об убыточности проекта, а граничным значением эффективности проекта является величина ЧДД ≈ 0. Среднее значение функции принадлежности (αср) является количественной оценкой рискованности проекта.
Чем выше показатель αср, тем устойчивее проект. При этом показатель изменяется на интервале [0,1]. В данном рассмотрении показатель принимает значение 0,49, что говорит о среднем риске инвестиционных прогнозов по критерию ЧДД.
Для качественной оценки рискованности инвестиционного проекта можно использовать показатель риска V&M, разработанный на основе функции принадлежности по модели Недосекина [10, 11] (рис. 2).
V&M принимает значения от 0 до 1 (рис. 2). При этом каждый инвестор, исходя из своих инвестиционных предпочтений, может классифицировать значения V&M, выделив для себя отрезок неприемлемых значений риска. Возможна также более подробная градация степеней риска. Например, если ввести лингвистическую переменную «Степень риска» со своим множеством значений {Риск наивысший, Риск высокий, Риск средний, Риск незначительный, Риск минимальный}, то каждый инвестор может произвести самостоятельное описание соответствующих нечетких подмножеств, задав пять значимых интервалов (рис. 2).
В заключение отметим, что представленный подход прост в использовании и позволяет количественно и качественно оценить степень рисков инвестиционных прогнозов в нефтегазовых проектах по разработке месторождений углеводородов.
Статья подготовлена по результатам научных исследований, выполненных в рамках государственного задания по теме: «Фундаментальный базис энергоэффективных, ресурсосберегающих и экологически безопасных, инновационных и цифровых технологий поиска, разведки и разработки нефтяных и газовых месторождений, исследование, добыча и освоение традиционных и нетрадиционных запасов и ресурсов нефти и газа; разработка рекомендаций по реализации продукции нефтегазового комплекса в условиях энергоперехода и политики ЕС по декарбонизации энергетики (фундаментальные, поисковые, прикладные, экономические и междисциплинарные исследования)» (№ в РОСРИД 122022800270-0).
Литература
1. Заде Л.А. «Основы нового подхода к анализу сложных систем и процессов принятия решений». – В кн.: «Математика сегодня». – М.: «Знание», 1974, с. 5–49.
2. Заде Л. «Понятие лингвистической переменной и его применение к принятию приближенных решений». Пер. с англ. – М.: «Мир», 1976. – 165 с.
3. Алтунин А.Е., Семухин М.В. «Модели и алгоритмы принятия решений в нечетких условиях». – Тюмень: Изд-во «ТГУ», 2000. – 352 с.
4. Виленский П.Л., Лившиц В.Н., Смоляк С.А. «Оценка эффективности инвестиционных проектов. Теория и практика». – М.: «Дело», 2004. – 888 с.
5. Деревянко П.М. «Оценка риска неэффективности инвестиционного проекта с позиций теории нечетких множеств // Мягкие вычисления и измерения (SCM’2004). VII международная конференция 17–19 июня 2004 г. – СПб.: СПбГЭТУ, 2004. – С. 167–171: Персональный сайт в Интернете. – Электрон. дан. – СПб., 2006 – Режим доступа: http://fuzzybooks.narod.ru/
6. Скопина Л.В., Шубников Н.Е. Методический подход к оценке инвестиционных проектов в нефтедобыче в условиях неопределенности и рисков// Вестн. Новосиб. гос. ун-та. Серия: Социально-экономические науки. 2014. Т. 14, вып. 2. С. 24–37
7. Родионова Л.Н., Карамутдионова Д.М. Особенности оценки инвестиционных проектов в нефтяной отрасли // Экономика и управление народным хозяйством, 9 (130), 2015, с. 50–54.
8. Богаткина Ю.Г. Оценка эффективности инвестиционных проектов в нефтегазовой отрасли с использованием механизмов автоматизированного моделирования. – М.: Макс-Пресс, 2020. – 248 с.
9. Поспелов Г.С. Искусственный интеллект – основа новой информационной технологии. / М: Наука, 1988, 280 c.
10. Недосекин А.О. Методологические основы моделирования финансовой деятельности с использованием нечетко-множественных описаний // Диссертация на соискание ученой степени доктора экономических наук, 2003, 280 с.
11. Недосекин А.О. «Оценка риска инвестиций по NPV произвольно-нечеткой формы». – СПб., 2004. – 200 с.
12. Желтов Ю.П. Разработка нефтяных месторождений./ М.: Недра, 1986, 332 с.