الگوی ارزیابی ریسک مالی پروژه‎های ال.ان.جی. (مورد کاربردی: پروژه‎ی ایران ال.ان.جی.)

الگوی ارزیابی ریسک مالی پروژه‎های ال.ان.جی.

 (مورد کاربردی: پروژه‎ی ایران ال.ان.جی.)

رضا راعی¹، سعید فلاح‎پور²، هما عامری متین³

چکیده: در این پژوهش برای لحاظ‎کردن آثار نوسان جریان‎های نقدی در سودآوری پروژه، شاخص­های جدیدی از جنس ریسک برای ارزیابی پروژه‎ها پیشنهاد می­شود. محاسبه‎ی جریان‎های نقد پروژه بر مبنای اطلاعات هزینه‎ها و درآمدها در یک پروژه‎ی ال.ان.جی. انجام می‎شود. سپس با استفاده از توزیع دو متغیر قیمت نفت و نرخ بهره‎ی وام‎های خارجی و با روش شبیه‎سازی مونت‎کارلو، توزیع ارزش فعلی خالص در دوره‎ی عمر مفید پروژه تعیین و بر مبنای آن، توزیع سودآوری و سنجه‎های ارزش در معرض ریسک و ریزش مورد انتظار برآورد می‎شود. نتایج ارزیابی ریسک در این مطالعه نشان می­دهد، نوسان‎های سودآوری پروژه‎های ال.ان.جی. تا حد زیادی متأثر از وابستگی بهای گاز مصرفی این کارخانه‎ها و درآمد حاصل از ال.ان.جی. با قیمت نفت است. ارزیابی ریسک مالی پروژه‎ی ایران ال.ان.جی. نشان می­دهد، رابطه‎ی تعیین شده برای محاسبه‎ی بهای گاز بالادستی به‎گونه‎ای است که به تناسب رشد قیمت نفت و افزایش درآمد حاصل از فروش ال.ان.جی.، بهای گاز بالادستی افزایش می‎یابد. این امر با وجود تأثیر مثبت روی کاهش ریسک مالی این پروژه، به‎طور قابل توجهی بازده سودآوری سهامداران را محدود کرده است.

واژه‌های کلیدی: ریسک مالی، ال.ان.جی.، شبیه‎سازی مونت‎کارلو، ارزش در معرض ریسک، ریزش مورد انتظار.

تاریخ دریافت مقاله: 12/06/1390

تاریخ پذیرش نهایی مقاله: 26/11/1390

نویسنده مسئول مقاله: هما عامری متین

E-mail:amery.matin@gmail.com

مقدمه

تصمیم‎های سرمایه‎گذاری در پروژه‎ها، اغلب بر اساس ارزش فعلی خالص جریان‎های نقد حاصل از پروژه انجام می­شود. اما هرگونه تغییر در مفروضات محاسبه‎ی هزینه‎ها و درآمد‎ها، می­تواند موجب تغییرات چشمگیری در محاسبه‎ی جریان‎های نقد پروژه و ارزش فعلی خالص حاصل از آن شود. در شرایطی که سودآوری پروژه در معرض نوسان‎های ناشی از تغییر مفروضات برآورد هزینه‎ها و درآمد‎ها قرار دارد، شاخص‎های مکملی از جنس ریسک می‎توانند در بهبود تصمیم‎های سرمایه‎گذاری نقش مؤثری داشته باشند.

تولید و صادرات گاز طبیعی مایع (ال.ان.جی.)، به‎دلیل مناسب‎بودن آن از نظر حمل‎ونقل در فواصل طولانی، بازده حرارتی بالا و پاک‎بودن آن از دید مسائل زیست‎محیـطی، به‎طور فزاینده‎ای رو به رشد است (Jensen, 2004). از سویی با توجه به ذخایر انبوه گاز طبیعی در کشور، مشترک‎بودن منابع آن با کشورهای همسایه، موقعیت مناسب جغرافیایی کشور و قرار گرفتن در مرکز بازارهای جهانی انرژی، ضرورت پرداختن به‎مقوله‎ی گاز طبیعی و فرآورده‎های آن، ازجمله ال.ان.جی. بیش از پیش آشکار می‎شود، اما به‎دلیل نیاز به سرمایه‎گذاری بالای اولیه و بهره‎برداری در یک فضای نامطمئن، ریسک‎های متعدد مالی و فنی بر این پروژه‎ها مترتب است. هدف اصلی این پژوهش، ارائه‎ی الگویی برای ارزیابی ریسک مالی پروژه‎های ال.ان.جی. با استفاده از شاخص‎های ارزش در معرض ریسک^[1] و ریزش مورد انتظار^[2]است.

بیان مسئله

روش‎های ارزیابی معمول برای پروژه‎ها، اغلب به برآورد ارزش فعلی خالص جریان‎های نقد حاصل از پروژه محدود می‎شود، اما در عمل، جریان‎های نقد پروژه دستخوش نوسان‎های ناشی از تغییر مفروضات می‎شوند. در چنین شرایطی، در نظر گرفتن محدوده‎ی احتمالی جریان‎های نقد با توجه به تغییر مفروضات پایه و تصمیم‎گیری بر مبنای ریسک ناشی از این نوسان‎ها، می‎تواند به تصمیم‎های سرمایه‎گذاری منطقی‎تری منجر شود. هدف این پژوهش، ارائه‎ی مدلی برای در نظر گرفتن عدم قطعیت‎های تأثیرگذار در محاسبه‎ی جریان‎های نقد و تأثیر آنها بر سودآوری پروژه‎های ال.ان.جی. است. به این ترتیب، علاوه‎بر ارزش فعلی خالص متوسط جریان‎های نقد، مبانی جدیدی از جنس ریسک در اتخاذ تصمیم‎های سرمایه‎گذاری لحاظ می‎شوند.

در این مطالعه با استفاده از اطلاعاتی چون، هزینه‎ی سرمایه‎ای طرح، هزینه‎ی تأمین مالی خارجی، درآمدهای حاصل از فروش محصول و هزینه‎های عملیاتی، جریان‎های نقد برای دوره‎ی عمر مفید پروژه محاسبه می‎شود. سپس با استفاده از توزیع قیمت نفت و نرخ بهره و روش شبیه‎سازی مونت‎کارلو، تابع توزیع ارزش فعلی خالص و شاخص سودآوری پروژه در دوره‎ی عمر مفید به‎دست خواهد آمد و پس از آن، ریسک پروژه با استفاده از سنجه‎های ارزش در معرض ریسک و ریزش مورد انتظار برآورد می‎شود.

پیشینه‎ی پژوهش

پیشینه‎ی نظری

ریسک و مدیریت ریسک، مفاهیم و کلیات

گیلب (Gilb, 2002) ریسک را پدیده‎ای می­داند که بتواند نتیجه‎ی حاصل از آنچه سرمایه‎گذار انتظار دارد را منحرف کند. هیوب (Hube, 1998) ریسک را احتمال کاهش درآمد یا از دست‎دادن سرمایه تعریف می­کند. ریسک‎ها ناشی از عدم اطمینان در مورد آینده هستند. در تمامی موارد ریسک به‎شرایطی گفته می‎شود که کمتر از 100 درصد اطمینان وجود داشته باشد. اگر وقوع پیشامدی محرز باشد، نمی­توان آن را دارای ریسک نامید (Cooper, Grey, Raymond, Walker & Raymond, 2005).

مدیریت ریسک یک مسیر ساختاریافته برای تحلیل و پاسخ‎گویی به عدم اطمینان‎های آینده است و در واقع، فرایندی است که احتمال بروز ریسک و پیامدهای آن را کاهش می­دهد (Kezsbum & Edward, 2001). مدیریت ریسک‎های مالی فرایندی برای شناسایی و کنترل ریسک‎های مالی است که شامل شناسایی و اولویت‎بندی ریسک‎های مالی عمده، تعیین سطح مجاز ریسک، به‎کارگیری راهبرد مدیریت ریسک بر اساس سیاست‎ها، اندازه‎گیری، گزارش‎دهی، نظارت و بهبود بر حسب نیاز است (Horcher, 2005). مدیریت ریسک در حوزه‎ی مالی، بر آن دسته از انواع ریسک نظارت و کنترل دارد که هم قابل کنترل باشند و هم آثار مالی داشته باشند (راعی و سعیدی، 1383).

ارزش در معرض ریسک و ریزش مورد انتظار

یکی از مهم‎ترین اجزای مدیریت ریسک، اندازه‎گیری ریسک است (عبده تبریزی و رادپور، 1388). برای اندازه‎گیری ریسک تا کنون ابزارهای مختلفی در گستره‎ی ریاضیات و مهندسی مالی طراحی شده‎اند. یکی از روش‎های ارزیابی و تشخیص ریسک، ارزش در معرض ریسک است که بیشترین زیان مورد انتظار را در افق زمانی مشخص و در سطح اطمینان معین اندازه‌گیری می‎کند. ارزش ‌در معرض ریسک، برعکس اندازه‌گیری‌های سنتی ریسک، نمایی کلی و جامع از ریسک پرتفوی ارائه می‎کند که برای محاسبه‎ی میزان بدهی به دارایی و هم‌بستگی‌ها و وضعیت‌های جاری به‎کار می‌رود. با وجود مزایای قابل توجه این روش، محدودیت آن در رابطه با در نظر نگرفتن زیان‎های فراتر از مقدارش، ممکن است مشکلات بزرگی به بار آورد. برای رفع این مشکل، سنجه‎هایی مانند ریزش مورد انتظار معرفی شده‎اند که همچون مکمل با ارزش در معرض ریسک به‎کار می­روند.

ریزش مورد انتظار (ES) یکی از سنجه‎های ریسک است که بسیاری از کاربردهای ارزش در معرض ریسک را دارد. این سنجه نشان می‎دهد شرایط بد تا چه اندازه می‎تواند بد باشد، در حالی‎که VaR در زیان‎های فراتر از خودش حرفی برای گفتن ندارد. به‎طور کلی قاعده‎ی تصمیم‎گیری در مورد ریسک و بازده مورد انتظار با استفاده از ES نسبت به VaR معتبرتر و مطلوب‎تر است.

روش شبیه‎سازی مونت‎کارلو

روش شبیه‎سازی مونت‎کارلو یکی از ابزارهای قدرتمند در تحلیل ریسک است. در این روش فرض نرمال‎بودن توزیع بازده الزامی نیست و از ویژگی‎های آن، می‎توان به در نظر گرفتن توأم تهدیدها و فرصت‎ها از یک سو و انتخاب معیارهای گوناگون به‎عنوان مطلوبیت، ازسوی دیگر یاد کرد (راعی و سعیدی، 1383). اساس روش شبیه‎سازی مونت‎کارلو، نمایش ترکیبات تصادفی حالت‎های ممکن از عدم قطعیت‎هایی است که در یک پروژه رخ می­دهند. خروجی شبیه‎سازی مونت‎کارلو بیانگر فراوانی مقادیر مختلف تابع مطلوبیت در اثر رخداد حالت‎های گوناگون عدم قطعیت‎ها است (فرید، میرفخرالدینی و رجبی‎پور میبدی، 1389).

اساس روش شبیه‎سازی مونت‎کارلو، نمایش ترکیبات تصادفی حالت‎های ممکنه از عدم قطعیت‎هایی است که در یک پروژه رخ می­دهند. در این روش ابتدا تابع توزیع احتمالات انواع عدم قطعیت‎هایی که در مراحل قبلی مدیریت ریسک شناسایی شده‎اند، از سوی کارشناسان تیم مدیریت پروژه و گاهی تجربه‎های پروژه‎های گذشته تعیین می‎شوند. برای مثال ممکن است هزینه که یکی از عدم قطعیت‎های مشترک در پروژه‎های مختلف است، از توزیع نرمال با پارامترهای μ و 2σ پیروی کند.

در مرحله‎ی دوم، ابتدا تعداد اجراهای شبیه‎سازی تعیین می‎شوند که تعداد آنها بسته به پیچیدگی، ابعاد پروژه و اهمیت ریسک‎های مورد بررسی در پروژه مشخص می‎شود. این تعداد می‎تواند 1000، 2000، 5000 و بالاتر انتخاب شود. البته هرچه تعداد اجراهای شبیه‎سازی بیشتر باشد، حالت‎های احتمالی بیشتری در فضای ممکن (فضای جواب) بررسی می‎شوند. در روش شبیه‎سازی مونت‎کارلو، در هر اجرا برای هریک از عدم قطعیت‎ها، یک مقدار احتمالی بین حد پایین و بالای عدم قطعیت‎های مربوطه تولید می‎شود که فراوانی آن، از تابع توزیع احتمالات آن عدم قطعیت‎ها پیروی می‎کند. بدین طریق در هر اجرا، یک مجموعه جواب که در تناظر یک‎به‎یک با عدم قطعیت‎ها است، تولید می‎شود که بیانگر یکی از حالت‎های ممکن مطلوبیت است. اجراهای دیگر شبیه‎سازی، وضعیت‎های بیشتری از حالت‎های ممکن مطلوبیت را ارائه می‎دهند.

پیشینه‎ی تجربی

چیارا و گاروین (Chiara & Garvin, 2008) در مقاله‎ای با عنوان "مدل‎های واریانس برای تحلیل ریسک مالی پروژه برای پروژه‎های BOT^[3] بزرگراه"، به این موضوع اشاره می‎کنند که تصمیم‎گیری در مورد امکان‎سنجی مالی این پروژه‎ها، تا حد زیادی به ریسک کلی پروژه بستگی دارد. ارزیابی ریسک مالی پروژه‎های BOT به‎طور معمول با ترکیبی از شبیه‎سازی مونت‎کارلو و تحلیل جریان‎های نقد انجام می‎گیرد. در این مقاله گروه جدیدی از فرایندهای مارکوویان^[4]، مدل واریانس مارتینگل و مدل کلی واریانس، به‎عنوان ابزار مدل‎سازی جایگزین برای متغیرهای ریسک BOT پیشنهاد می‎شوند. مورد کاربردی این مقاله، یک پروژه‎ی BOT حمل‎ونقل است و نتایج آن نشان می‎دهد، شکست در مدل‎سازی صحیح عدم قطعیت‎های پروژه، ممکن است به برآورد اشتباه از ریسک مالی پروژه منجر شود. در این شرایط اگر ارزیابی خیلی ملاحظه‎کارانه باشد، تصمیم‎گیرندگان ممکن است پروژه‎ای را رد کنند که در واقع از نظر مالی توجیه پذیر است.

صادقی و شوال‎پور (Sadeghi & Shavvalpour, 2005) در مقاله‎ای با عنوان "مدیریت ریسک انرژی و مدل‎سازی ارزش در معرض ریسک" به بررسی بازار پُرنوسان نفت پرداخته‎اند. در این مقاله روش ارزش در معرض ریسک برای کمّی‎سازی قیمت نفت اوپک از طریق روش‎های مختلف به‎کار گرفته شده و مقایسه‎ی نتایج محاسبات VaR در هر یک از این روش‎ها ارائه‎شده است. روش معرفی‎شده در این مقاله، شبیه‎سازی تاریخی پیش‎بینی ARMA و واریانس ـ کوواریانس بر اساس رویکرد GARCH است. نتایج نشان می‎دهد که در میان رویکردهای مختلف، روش HSAF نتایج کارآمدتری را ارائه می‎دهد، به‎گونه‎ای که در سطح اطمینان 99درصد، ارزش در معرض ریسک محاسبه‎شده از طریق روش HSAF بزرگتر از تغییرات واقعی قیمت در کمابیش 6/97 درصد از دوره‎ی پیش‎بینی است. همچنین هرچند ارزش درمعرض ریسک از طریق رویکرد واریانس کوواریانس بزرگتر از تغییرات قیمت واقعی در کل دوره‎ی پیش‎بینی است، اما کارایی نتایج، به‎اندازه‎ی نتایج محاسبات از محاسبه از طریق روش HSAF نیست. نتیجه‎گیری این است که ارزش در معرض ریسکِ محاسبه‎شده توسط هر روش، سنجه‎ی قابل اعتمادی در ارزیابی ریسک قیمت نفت است.

در سراسر دنیا قیمت گاز طبیعی مایع (ال.ان.جی)، اغلب برمبنای یک رابطه‎ی قیمت‎گذاری تعیین می‎شود که قیمت ال.ان.جی. را به قیمت نفت خام مرتبط می‎کند. روابط قیمت‎گذاری، اغلب محرمانه در نظر گرفته می‎شوند و در دسترس همگان نیست. شکل عمومی این روابط در زیر آمده است:

A : ضریب وابستگی به قیمت نفت؛

B : عدد ثابت.

نسبت وابستگی به قیمت نفت در هر بازاری با توجه به وجود حامل‎های رقیب و کشش بازار مربوطه تعیین می‎شود. وجود بخش ثابت در روابط قیمت‎گذاری، موجب کاهش ریسک پروژه خواهد شد. با وجود این، در قیمت‎هایی که بیش از قیمت پایه برای نفت در نظر گرفته شده، بازده پروژه در مقایسه با پروژه‎هایی که بخش ثابت ندارند، پایین‎تر است.

در زمینه‎ی صنعت ال.ان.جی.، بارچ (Bartsch, 1998) در مطالعه‎ای با عنوان ریسک و بازده پروژه‎های ال.ان.جی. برای چهار پروژه‎ی مایع‎سازی گاز طبیعی در کشورهای قطر، یمن و عمان با استفاده از شاخص‎هایی چون اندازه‎ی پروژه، هزینه، تأمین مالی خارجی، روند سالانه‎ی مالی، ساختار مالکیت و قیمت فروش جریان نقد مدل‎سازی شده‎اند. در این پژوهش، نخست جریان‎های نقد مورد انتظار پروژه، بر اساس فرضیه‎های هزینه و قیمت محاسبه شده و سپس از طریق روش شبیه‎سازی مونت‎کارلو، محدوده‎ی محتمل جریان‎های نقد تعیین شده است. سپس با استفاده از نتایج شبیه‎سازی و محاسبه‎های آماری، شاخص سودآوری و ریسک برای پروژه‎های ال.ان.جی. مورد مطالعه، محاسبه شده است. نتایج این مطالعه نشان می‎دهد، سرمایه‎گذاران خارجی به‎طور چشمگیری سودآوری پروژه را بهبـود می‎بخشند. همچنین ریسک پروژه‎ها کمتر از 20 درصد است و میزان افزایش بازده بیش از میزان افزایش ریسک است.

مدل مفهومی

در این مطالعه با استفاده از اطلاعات هزینه و درآمد، ارزش فعلی جریان‎های نقد و تحلیل ریسک پروژه‎های ال.ان.جی. محاسبه می‎شود. نمودار شماره‎ی 1 نمای کلی مدل ارائه‎شده در این پژوهش را نشان می‎دهد.

نمودار 1. نمای کلی الگوی ارزیابی ریسک پروژه

با رویکرد به نمودار شماره‎ی 1، فرایند ارزیابی ریسک، از محاسبه‎ی جریان‎های نقد پروژه و ارزش فعلی خالص جریان‎های نقد آغاز می‎شود. درواقع گام اول در ارزیابی سودآوری یک سرمایه‎گذاری، بررسی تغییرات در جریان‎های نقد آتی حاصل از آن سرمایه‎گذاری است. برای ارزیابی، ارزش افزوده‎ی حاصل از پروژه‎ی جریان‎های نقد حاصل از آن، به‎اجزای تشکیل‎دهنده تفکیک و محاسبه می‎شود. جریان‎های نقد پروژه شامل سه جزء است (راس، وسترفیلد، جردن، 1388):

مخارج سرمایه‎ای ـ افزایش در سرمایه در گردش خالص ـ جریان‎های نقد عملیاتی = جریان‎های نقدی

با در نظر داشتن این سه جزء، جریان‎های نقد پروژه از مجموع جریان‎های نقد ورودی و جریان‎های نقد خروجی محاسبه می‎شود. جدول شماره‎ی 1 اجزای جریان‎های نقد ورودی و جدول شماره‎ی 2، جریان‎های نقد خروجی پروژه را نشان می­دهند.

برای محاسبه‎ی جریان‎های نقد، اطلاعات و مفروضات زیر مورد استفاده قرار می‎گیرند.

1. با رویکرد به وقوع بخش اعظم هزینه‎ها در بازار بین‎المللی، نرخ تورم سالانه بر اساس متوسط نرخ تورم بین‎المللی از سال‎های 2000 تا 2010 در نظر گرفته‎شده و برابر 3 درصد است.
2. دوره‎ی ساخت پروژه، یک دوره‎ی 4 ساله است و همه‎ی سرمایه در این چهار سال صرف می‎شود.
3. دوره‎ی عمر مفید پروژه 25 سال است.
4. با توجه به کارایی فنی کارخانه‎های تولید ال.ان.جی.، محصول تولیدی این کارخانه‎ها در طول 4 سال اول راه‎اندازی پروژه، در گام‎های 50، 70،85 و90 درصد افزایش می‎یابد.
5. استهلاک سرمایه با روش خطی محاسبه می‎شود و طول دوره‎ی استهلاک 12 سال است.
6. قراردادهای فروش محصولات، بلندمدت و برای کل دوره‎ی عمر مفید پروژه هستند.
7. قیمت‎های فروش بر مبنای تحویل کالا روی عرشه‎ی کشتی[5] است.
8. در همه‎ی محاسبه‎ها مبنای قیمت نفت، برنت دریای شمال در نظر گرفته شده است.
9. قیمت نفت تعینی در محاسبه NPV [6]، حدود 77 دلار برای هر بشکه نفت خام و نرخ بهره‎ی وام‎های خارجی 5/9 درصد هستند.
10. بهای گاز خوراک در قیمت 77 دلار برای نفت، 75/4 دلار برای هر mBtu[7] گاز است.

جدول1. اجزای جریان‎های نقد ورودی پروژه

جدول 2. جریان‎های نقد خروجی پروژه

روش پژوهش

نظر به اینکه نتایج این پژوهش می‌تواند برای بهبود مدیریت ریسک پروژه‎های ال.ان.جی. به‎کار برده شود، پژوهش پیش رو کاربردی به‎شمار می‎رود. همچنین با توجه به اینکه در این پژوهش وضعیت موجود مورد بررسی قرار می‎گیرد، از نوع توصیفی ـ پیمایشی است.

جامعه و نمونه‎ی آماری پژوهش

شرکت ملی نفت ایران برای دست‎یابی به هدف درازمدت تعیین‎شده برای حضور ایران در بازار ال.ان.جی جهان، هم‌اکنون شش طرح در دست اجرا و مطالعه دارد. در حال حاضر ایران ال.ان.جی.، تنها پروژه‎ی فعال کشور در بین پروژه‎های تعریف شده‎ی ال.ان.جی. است که راهبرد­های مالی آن تا حدود زیادی مشخص و تدوین شده‎اند و درنتیجه اطلاعات مالی پروژه در دسترس است. به همین دلیل این پروژه با روش نمونه‎گیری هدف‎دار، به‎عنوان نمونه‎ی آماری این مطالعه انتخاب و مورد بررسی قرار می‎گیرد.

متغیر‎های پژوهش

متغیر‎های مستقل در این تحقیق قیمت نفت و لایبور[8] می‎باشند. قیمت نفت بر اساس داده­های تاریخی از سال 2007 تا سال 2010 و لایبور بر اساس داده‎های تاریخی از سال 2000 تا 2010 تعیین می‎گردند. متغیر وابسته ارزش فعلی خالص جریانات نقد می‎باشد.

یافته‎های پژوهش

محاسبه‎ی نرخ تنزیل

از آنجاکه این پژوهش ریسک را از نگاه سهامداران مورد بررسی قرار می‎دهد، نرخ تنزیل درواقع همان نرخ بازده مورد انتظار سهامدار عادی است. برای محاسبه‎ی نرخ بازده از روش CAPM استفاده می‎کنیم و برای این کار نخست باید بتای اهرمی شرکت ایران ال.ان.جی. طی مراحل زیر محاسبه شود:

1. انتخاب شرکت‎های حاضر در صنعت مشابه و پذیرفته‎شده در بورس

با توجه به عدم حضور شرکت ایران ال.ان.جی. در بورس اوراق بهادار ایران، از اطلاعات سه شرکت نفت بهران، شرکت نفت پارس و شرکت پالایش نفت آبادان با توجه به محصول و شرایط مشابه این شرکت‎ها در صنعت نفت، استفاده می‎شود.

1. محاسبه‎ی بتای اهرمی متوسط صنعت

بتای اهرمی صنعت، از محاسبه‎ی متوسط بتای اهرمی شرکت‎ها به‎دست می‎آید. با رویکردی به اطلاعات بتای شرکت‎های منتخب، بتای اهرمی متوسط صنعت برابر با 49/0 محاسبه می‎شود.

1. محاسبه‎ی بتای غیر اهرمی صنعت

برای این کار، نخست با استفاده از اطلاعات مالی شرکت‎های منتخب، میانگین نسبت بدهی به حقوق صاحبان سهام صنعت برابر 041/0 برآورد می‎شود. بتای غیر اهرمی صنعت با استفاده از این نسبت، نرخ مالیات و بتای اهرمی متوسط صنعت، از رابطه‎ی شماره‎ی 2 برآورد می‎شود.

1. محاسبه‎ی بتای اهرمی شرکت

در این مرحله با استفاده از نسبت بدهی به حقوق صاحبان سهام شرکت ایران ال.ان.جی.، بتای غیر اهرمی صنعت و نرخ مالیات از رابطه‎ی شماره‎ی 3 به‎دست می‎آید.

رابطه‎ی 3)

1. محاسبه‎ی نرخ بازده بازار

برای محاسبه‎ی نرخ بازده بازار از میانگین مقادیر شاخص قیمت و بازده نقدی بازار بورس اوراق بهادار تهران، در بازه‎ی زمانی سال‎های 1385 تا 1388 استفاده می‎شود. بر این اساس نرخ بازده بازار برابر 94/19 درصد برآورد شده است.

1. محاسبه‎ی نرخ تنزیل با استفاده از روش CAPM

با معلوم بودن نرخ بازده بازار و بتای اهرمی شرکت و با در نظر داشتن نرخ بهره‎ بازده بدون ریسک برابر 16درصد (نرخ سود اوراق مشارکت دولتی در سال 88)، نرخ بازده مورد انتظار سهامدار عادی با نرخ تنزیلِ این پژوهش، از رابطه‎ی شماره‎ی 4 محاسبه می‎شود.

محاسبه‎ی ارزش فعلی جریان‎های نقد پروژه

برای ارزیابی پروژه، ارزش فعلی خالص جریان‎های نقد پروژه در قیمت تعینی 77 دلار برای هر بشکه نفت خام دریای برنت و مقدار 3 درصد برای LIBOR و با نرخ تنزیل 48/18 درصد محاسبه می‎شود. نتایج این محاسب‎ها با مفروضات تعیین‎شده، نشان می‎دهد مقدار NPV در مقادیر تعینی مفروض برای قیمت نفت و نرخ بازده برابر با 175/2 میلیارد دلار است.

آزمون نکویی برازش توزیع متغیر‎های مستقل

برای آزمون نکویی برازش توزیع‎های احتمال متغیر‎های مستقل از آزمون تک‎نمونه‎ای کولموگروف ـ اسمیرنوف (به‎اختصار K-S) استفاده می‎کنیم. این آزمون با استفاده از مقایسه‎ی تابع تجمعی احتمال مشاهدات و تابع تجمعی احتمال توزیع مفروض، فرض پیروی مشاهدات از توزیع احتمالی خاص را بررسی می‎کند.

آزمون نرمال بودن قیمت نفت

فرضیه‎ی H₀: توزیع داده‎های نفت نرمال است.

فرضیه‎ی H₁: توزیع داده‎های نفت نرمال نیست.

جدول شماره‎ی 3 مقادیر آماره آزمون (α) را برای چهار نوع توزیع مفروض نرم‎افزار SPSS و همچنین فرضیه‎ی پذیرفته شده نشان می‎دهد.

جدول 3. مقادیر آماره آزمون برای چهار نوع توزیع مفروض برای قیمت نفت

نمودار2. هیستوگرام داده‎های قیمت نفت و بهترین توزیع برازش شده به آن

آزمون نرمال بودن متغیر لایبور

فرضیه‎ی H₀: توزیع داده‎های نرخ بهره نرمال است.

فرضیه‎ی H₁: توزیع داده‎های نرخ بهره نرمال نیست.

جدول شماره‎ی 4 مقادیر آماره آزمون (α) را برای چهار نوع توزیع مفروض نرم‎افزار SPSS و همچنین فرضیه پذیرفته شده، نشان می‎دهد.

جدول 4. مقادیر آماره آزمون برای چهار نوع توزیع مفروض برای نرخ لایبور

نمودار 3. هیستوگرام داده نرخ بهره و بهترین توزیع برازش شده به آن

شبیه‎سازی جریان‎های نقد با استفاده از روش شبیه‎سازی مونت‎کارلو

در این مرحله با استفاده از توزیع‎های مشخص‎شده برای قیمت نفت و نرخ بهره، شبیه‎سازی جریان‎های نقد آغاز می‎شود. در هر مرحله از شبیه‎سازی، جریان‎های نقد پروژه برای 29 سال عمر پروژه (با در نظر گرفتن دوران ساخت) محاسبه می‎شوند. الگوریتم شبیه‎سازی به‎گونه‎ای تنظیم شده که در هر سال، نرخ بهره و قیمت نفت از توزیع‎های مربوطه به‎طور تصادفی انتخاب و در محاسبه‎ی جریان‎های نقد وارد می‎شوند. با تکمیل شبیه‎سازی در هر دوره، ارزش فعلی خالص با تنزیل جریان‎های نقد پروژه با نرخ 48/18 درصد محاسبه می‎شود. این محاسبه‎ها برای دست‎یابی به یک توزیع واقعی‎تر از ارزش فعلی خالص 1000 بار تکرار می‎شوند. نمودار شماره‎ی 4، توزیع ارزش فعلی خالص حاصل از شبیه‎سازی را نشان می‎دهد.

نمودار 4. توزیع احتمالی ارزش فعلی خالص

تعیین شاخص سودآوری پروژه

بر اساس تعاریف، شاخص سودآوری، ارزش فعلی یک سرمایه‎گذاری را به‎ازای هر دلاری که سرمایه‎گذاری‎شده می‎سنجد. برای تعیین شاخص سودآوری بر مبنای ارزش فعلی خالص جریان‎های نقد، از رابطه‎ی شماره‎ی 5  استفاده می‎شود.

 : ارزش فعلی خالص جریان‎های نقد انتخابی از نتایج شبیه‎سازی؛

 : شاخص سودآوری؛

 : سهم سهامداران در سرمایه‎گذاری.

در این مرحله با استفاده از توزیع ارزش فعلی خالص به‎دست آمده در مرحله‎ی پیش، توزیع سودآوری به‎دست می‎آید. این توزیع در نمودار شماره‎ی 5 نشان داده شده است.

برآورد ارزش در معرض ریسک و ریزش مورد انتظار

با توجه به نمودار دریافتی از تحلیل انجام‎شده در نرم‎افزار SPSS، مقدار VaR در سطح اطمینان 95 درصد مرز 50 شاخص سودآوری است که در دنباله‎ی منفی هستوگرام قرار دارند. در این سطح مقدار VaR برابر است با:

 5878/1 = VaR

همچنین مقدار ریزش مورد انتظار به‎عنوان میانگین مقادیر قرار گرفته در بازه‎ی ریسکی از رابطه‎ی شماره‎ی 6 محاسبه می‎شود.

مقادیر VaR و ES در سطح اطمینان 95 درصد در نمودار شماره‎ی 5 نشان داده شده‎اند.

نمودار 5. توزیع سودآوری و ناحیه‎ی ریسکی آن

نتیجه‎گیری و پیشنهادها

نتایج محاسبه‎ی ارزش فعلی خالص ارزیابی ریسک پروژه‎ی ایران ال.ان.جی. نشان می‎دهد:

• ارزش فعلی خالص پروژه در دامنه‎ی تعیین‎شده برای قیمت نفت و نرخ بهره مثبت است و همانند سایر پروژه‎های ال.ان.جی. سودآوری این پروژه‎ها بالاست. این نتیجه با نتایج حاصل از پژوهش بارچ در سال 1998 سازگار است.
• رابطه‎ی قیمت‎گذاری گاز بالادست و وابستگی آن به قیمت نفت، سودآوری این پروژه را برای سهامداران به‎شدت محدود می‎کند. به بیان دیگر، ریسک پایین سهامداران این شرکت با محدود شدن بازه سودآوری آنها تأمین شده است. این در حالی است که در پروژه‎های مورد مطالعه در پژوهش بارچ، روابط فروش گاز بالادست به‎گونه‎ای تنظیم شده که موجب محدودیت بازه سودآوری سهامداران خارجی نمی‎شود. همچنین در پژوهش‎های مشابه ریسک سهامداران از ریسک دولت بالاتر است.
• در 95 درصد موارد زیان پروژه از 5878/1 بیشتر نمی‎شود، اما در صورت رخداد تخطی انتظار داریم میزان سودآوری کمتر از این مقدار شود. همچنین متوسط مقادیر قرار گرفته در ناحیه‎ی ریسکی 582/1 است و انحراف قابل توجهی از مقدار VaR ندارد.
• برای پروژه‎های ال.ان.جی. که به‎طور معمول سودآوری بالایی دارند، استفاده از سنجه‎های مکملی از جنس ریسک، نمای روشن‎تری از پروژه ارائه می‎دهد و موجب بهبود تصمیم‎های سرمایه‎گذاری خواهد شد.

پیشنهادهای اجرایی و پژوهش‎های بعدی

1. کاربرد مدل ارائه‎شده در ارزیابی پروژه‎های ال.ان.جی. به‎جای روش‎های معمول مبتنی بر محاسبه‎ی ارزش فعلی خالص پروژه؛
2. اتکای صرف بر محاسبه‎ی ارزش فعلی خالص جریان‎های نقد در اتخاذ تصمیم‎های سرمایه‎گذاری مفید نیست. با توجه به اینکه این پروژه‎ها در فضای پُرنوسان بازار نفت راه‎اندازی می‎شوند، ضروری است ریسک این نوسان‎ها در تصمیم‎های سرمایه‎گذاری مدنظر قرار گیرند؛
3. استفاده از مدل ارائه شده در پروژه‎های مشابه در صنعت نفت و گاز؛
4. یکی از نتایج ارزیابی ریسک پروژه‎های ال.ان.جی.، تعیین ساختاره‎ای[9] مناسب برای فروش محصولات کارخانه‎های تولید ال.ان.جی. و بهای خرید گاز خوراک آنهاست. این ساختاره‎ها از یک جنبه می‎بایست دامنه‎ی مناسبی برای سودآوری شرکت‎های مالک ایجاد کنند و از سویی دیگر، ریسک این شرکت‎ها را محدود کنند؛
5. بررسی تأثیر وابستگی قیمت ال.ان.جی. به قیمت گاز طبیعی بر ریسک و بازده این پروژه‎ها؛
6. در حال حاضر بسیاری از خریداران ال.ان.جی. طرفدار وابستگی قیمت ال.ان.جی. به قیمت گاز طبیعی هستند. بررسی تأثیر این وابستگی بر سودآوری و ریسک این پروژه، یکی دیگر از عناوینی است که در پژوهش‎های بعدی می‎تواند مد نظر قرار گیرد.

منابع

1. فرید، د.، میرفخرالدینی، ح. و رجبی پور میبدی، ع. (1389). کاربست VaR و انتخاب پرتفوی بهینه با استفاده از تکنیک شبیه سازی مونت‎کارلو (MCS) در بورس اوراق بهادار تهران. دانش و توسعه، 17 (31): 116-94.
2. راس، ا. وسترفیلد، ر. و بردفورد، ج. (1388). مدیریت مالی نوین، ترجمه‎ی علی جهانخانی و مجتبی شوری، م.، تهران: انتشارات سمت.
3. راعی، ر. و سعیدی ، ع. (1383). مبانی مهندسی مالی و مدیریت ریسک. تهران: انتشارات دانشگاه تهران و سمت.
4. عبده تبریزی، ح.، رادپور، م. (1388). اندازه‎گیری و مدیریت ریسک بازار، تهران: انتشارات آگاه و انتشارات پیشبرد.
   1. Bartsch, U. (1998). FinancialRisksandRewardsinLNGProjects:Qatar,OmanandYemen, Oxford Institute for Energy Studies.
   2. Chiara, N., Garvin, M. (2008). Variance models for project financial risk analysis with applications to Greenfield BOT highway projects. ConstructionManagementandEconomies, 29 (9): 925-939.
   3. Cooper, D.F., Grey, S., Raymond, G., Walker, P. (2005). ProjectRiskManagementGuidelines. England: Wiley.
   4. Gilb, T. (2002). Risk Management: A practical toolkit for identifying. analyzingandcopingwithprojectrisks, 4 (4): 6-17.
   5. Horcher, K. (2005). Essentialsoffinancialriskmanagement. England: John Wiley & Sons, Inc.
   6. Hube K. (1998). Time for investing’s four-letter word. TheWallStreetJournal.
   7. Jensen, J. (2004). TheDevelopmentofaGlobalLNGMarket.IsitLikely?IfsoWhen?,Oxford Institute for Energy Studies.
   8. Kezsbum, D.S., Edward, K. (2001).Thenewdynamicprojectmanagement:winingtroughthecompetitiveadvantage. England: Wiley.
   9. Sadeghi, M., Shavvalpour, S. (2005). Energyriskmanagementandvalueatriskmodeling. Economics department, Tehran: Imam Sadiq University.
   10. Vehvilainen, I., Keppo J. (2001).Managingelectricitymarketpricerisk, Department of Industrial and Operations Engineering, USA: University of Michigan.
   11. Valuing Private Companies and Divisions, available in http://pages. stern.nyu.edu/~adamodar/New_Home_Page/lectures/pvt.html.