Financial Risk Assessment Model for LNG Projects, Case Study: Iran LNG Project

Document Type : Research Paper

Authors

1 Associate Prof., Management Faculty, Tehran University, Tehran, Iran

2 Assistant Prof., Management Faculty, Tehran University, Tehran, Iran

3 Graduated in MBA, International Campus of Tehran University, Tehran, Iran

Abstract

In this study, in order to consider the effects of cash flow fluctuations on project profitability, the new risk kind indicators are proposed to assess projects risk. Firstly, Project cash flow calculates on the basis of cost and revenue data in an LNG project. Then distribution curves of two variables, oil price and interest rate of foreign loans, are utilized to determine distribution curve of net present value of cash flow in project life time through Monte Carlo simulation method. Based on this result distribution curve of profitability index and two risk indices, value at risk and expected shortfall, are estimated. The risk assessment results show that profit volatility in LNG projects greatly affected by dependence on feed gas price and factory revenue with oil price. Financial risk assessment of Iran LNG project, as the case study of this research, shows the deterministic price formula for calculating upstream gas is such that with rising oil prices and factory revenues, upstream gas prices to be raised proportionally. Despite the positive effect on reducing financial risk of the project, this relationship between revenues and costs has limited the range of shareholder profits, significantly.

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.

1. دانشیار مالی، دانشکده‎ی مدیریت دانشگاه تهران، ایران

2. استادیار مالی، دانشکده‎ی مدیریت دانشگاه تهران، ایران

3. رشته MBA، پردیس بین‎المللی کیش دانشگاه تهران، تهران، ایران

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:

رابطه‎ی 1)

 

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

درآمد حاصل از فروش

ال.ان.جی.

ظرفیت تولید در هر ردیف: 674474 کیلوگرم در ساعت

درآمد واحد (با قیمت نفت 77 دلار): 8/10 دلار به‎ازای هر mBtu

درآمد حاصل از فروش

ال. پی. جی.

ظرفیت تولید در هر ردیف: 4/56306  کیلوگرم در ساعت

درآمد واحد (با قیمت نفت 77 دلار): 617 دلار به‎ازای هر تن

درآمد حاصل از فروش گوگرد

ظرفیت تولید در هر ردیف: 4/16641 کیلوگرم در ساعت

درآمد واحد: 100 دلار به‎ازای هر تن

کاهش سرمایه در گردش

بازیافت کل سرمایه در گردش درپایان دوره‎ی عمر پروژه

جدول 2. جریان‎های نقد خروجی پروژه

هزینههای سرمایهگذاری

 

  • کل هزینه‎ی ساخت کارخانه برابر 6/5 میلیارد دلار
  • ·  درصد هزینه‎کرد: سال اول 10 درصد، سال دوم 29 درصد، سال سوم 31 درصد، سال چهارم 30درصد

هزینههای عملیاتی

  • 4 درصد کل هزینه‎ی سرمایه‎ای
  • ·    هر سال با نرخ تورم افزایش می‎یابند

هزینه خرید گاز خوراک از بخش بالادستی

 

  • بخش بالادستی: فاز 12 پارس جنوبی، 100 درصد تحت مالکیت دولت
  • توافق خرید گاز با قیمت غیر یارانه‎ای بر اساس فرمولی مرتبط با قیمت نفت
  • ·  با فرض قیمت 77 دلار برای هر بشکه نفت خام، بهای گاز بالادست به‎ازای هر mBtu  برابر 75/4 دلار محاسبه می‎شود.

هزینههای تأمین مالی

  • نسبت تأمین مالی از طریق وام به کل سرمایه‎گذاری:30 درصد
  • نرخ سود تسهیلات بانکی: 5/6 درصد + LIBOR
  • دوره‎ی باز پرداخت وام: 15 سال

مالیات

  • ·   نرخ مالیات بر درآمد کارخانه: 25 درصد
  • ·   دوره‎ی معافیت مالیاتی: 10 سال پس از راه‎اندازی

افزایش در سرمایه در گردش

  • 3 درصد کل فروش سال بعد

 

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.

 

رابطه‎ی 2)

 

 

  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.

رابطه‎ی 4)

 

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

نوع توزیع مفروض

نرمال

یکنواخت

پواسون

تابع نمایی

α

0/063

0/00

غیر قابل محاسبه

0/00

فرضیه مورد تأیید

H0

H1

H1

H1

 

 

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

نوع توزیع مفروض

نرمال

یکنواخت

پواسون

تابع نمایی

α

424/0

00/0

غیر قابل محاسبه

00/0

فرضیه مورد تأیید

H0

H1

H1

H1

 

 

 

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.

رابطه‎ی 5)

 

 : 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.

رابطه‎ی 6)

 

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.

 



[1]. Value at Risk (VaR)

[2].  Expected Shortfall (ES)

[3]. Built-Operate-Transfer

[4]. Markovian

[5]. Fob: Free on board

[6]. NPV: Net present value

[7]. Million British Thermal Unit

[8]. LIBOR

[9]. فرمول