不确定条件下的产业投资决策

《不确定条件下的产业投资决策》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、第16章不确定条件下的产业投资决策本章内容产业投资的不确定性敏感性分析风险调整的折现率、概率分析与决策树分析实物期权方法处理产业投资风险的方法产业投资的不确定性产业投资的不确定性与风险产业投资风险的来源及其类型系统性风险和非系统性风险外生性风险和内生性风险产业投资的不确定性产业投资的不确定性与风险不确定性是指事物的发展在未来可能有若干不同的结果，而且每种结果发生的概率是未知的。在不确定条件下，投资决策时，要考虑投资的不可逆性及投资机会成本。风险是指事物的发展在未来可能有若干不同的结果，但每种结果发生的概率是已知的。运用净现值等指标进行投资效益评价存在缺陷，它忽略了投

2、资不可逆性和不确定性。产业投资的不确定性产业投资风险的来源及其类型系统性风险和非系统性风险系统性风险是指引起所有投资的收益都发生变动的风险。非系统性风险是指仅引起单项投资的收益发生变动的风险。外生性风险和内生性风险外生性风险是指由企业外部因素产生的风险。内生性风险是企业内部因素产生的风险。各种风险之间的关系外生性风险包括所有的系统性风险和部分非系统性风险；内生风险都是非系统风险。敏感性分析敏感性分析的含义敏感性分析的类别敏感性分析的步骤敏感性分析的实例敏感性分析的局限性敏感性分析敏感性分析的含义敏感性分析是传统不确定性分析的重要方法。它是通过分析项目经济效果的主要指

3、标(如净现值、内部收益率等)对主要变动因素变化的敏感程度，来确定项目抗御风险的程度，并寻找回避和减少风险损失的措施。敏感性分析敏感性分析的类别单变量敏感性分析假定个变量之间相互独立只考察某一个可变参数，其他参数保持不变“三项预测值”敏感性分析方法最乐观估计值最悲观估计值最可能值敏感性分析敏感性分析的步骤确定敏感性风险的对象选取不确定因素设定不确定因素的变化范围确定敏感性因素提出处理风险的方法敏感性分析的实例量、本、利模型净现值模型敏感性分析敏感性分析的局限性不确定因素的选择及其变化幅度的确定带有很大的主观性，而且未能明确这些因素发生变动的概率；单因素的敏感分析总以假

4、定其他因素不变为前提，这个假定是简化敏感分析的计算量不可缺少的，但它客观上人为地割断了各因素之间的相互关联；多因素敏感分析可以避免单因素分析的局限，但计算量很大。风险调整的折现率、概率分析与决策树分析风险调整的折现率在不确定条件下，投资要承担风险，从而也将要求获得风险收益；风险较大，理性的投资者只有在预期收益较高时才会投资。为了全面地考虑不确定性，在投资效益的评价时，需要使用风险调整的折现率。设无风险收益率为r，市场风险收益率为rm，企业股东权益值为E，债务值为D，风险调整折现率为r’，则概率分析（I）项目收益指标的期望值以表示期望收益率，hi为第i种情形发生的概率

5、，ri为第i种情形的收益率，则；项目收益指标的方差同时我们还以预期收益方差σ2或标准差S来测量投资风险的高低其计算公式为：概率分析（II）决策者的效用理论上的效用偏好风险规避风险爱好风险中性现实中的代表性风险偏好风险规避U=f(x)xU凹效用函数投资者的效用函数分为三类：一是凹性效用函数；二是凸性效用函数；三是线性效用函数。这三种效用函数分别表示投资者对于风险的不同态度：概率分析（II）凸效用函数xUU=f(x)xUU=f(x)线性效用函数概率分析实例（III）例：A项目净现值为100万的概率为0.9，净现值为-10万的概率仅为0.1；B项目净现值为100万的概率为

6、0.5，净现值为-10万的概率也为0.5。试确定A和B项目的优劣。解：由于A项目的期望净现值为89万，概率分布高度集中，而B项的期望净现值为49万，概率分布高度分散，显然A项目优于B项目。概率分析实例（IV）变异系数变异系数和标准差不同，标准差是一个绝对量，只能用来比较期望收益相同的投资项目的风险程度。变导系数是一个相对量，可以用来比较期望不同的投资项目的风险程度。式中：V为变异系数；σ为标准差；E(x)为期望净现值或收益率。决策树分析（I）决策树分析决策树分析法是利用一种树枝状的图形，列出各种可供选择的方案、可能出现的状态、各种可能状态出现的概率及其损益值；然后计

7、算在不同状态下的期望值，比较期望值的大小，进而做出抉择。决策树图型，由决策点、方案点、方案技、概率枝和结果点等组成。（见下图）按决策的次数和阶段多少的不同，可将决策树分析分为单阶段决策和多阶段决策。决策树分析（I）决策点方案枝方案点概率枝结果点一级决策二级决策决策树图决策树分析（II）适用对象多阶段决策、前一阶段的决策影响后续阶段的结构和决策的项目。方法用决策树的形式列出决策问题的逻辑结构。决策树中，□表示决策点，○表示方案点，△表示结果点。从决策树的末端向决策点倒退，计算出不同决策方案下的期望值，将被占优的方案去掉，直到得出初始的决策方案。决策树分析（III）