Нефтегазовый актив (далее НГА) как некоторая совокупность нефтяных и/или газовых месторождений, разведочных участков, объектов инфраструктуры является зоной пристального внимания со стороны нефтегазовых компаний (далее НГК). А вопросы формирования сбалансированного портфеля нефтегазовых активов - акционеров НГК и финансовых консультантов.
Проблема выбора оптимальной совокупности НГА особенно актуальна среди задач, с которыми сталкиваются все НГК. Объекты реального инвестирования в нефтегазовой сфере образуют инвестиционный портфель НГК или портфель их нефтегазовых активов. В его состав могут входить, проекты, связанные с вводом новых месторождений в разработку, мероприятия по повышению нефтеотдачи, геологоразведочные работы и т.д.
Задача руководства - лица, принимающего решение (далее ЛПР) в НГК, состоит в определении совокупности активов, которая обеспечивает наиболее эффективное и устойчивое развитие компании на заданном горизонте планирования.
Данная задача осложняется тем, что деятельность НГК на всех стадиях разведки, разработки и добычи сопряжена с рисками , или, другими словами, со значительной неопределенностью конечных результатов производственной деятельности. В условиях неопределенности основной задачей ЛПР является максимизация, как экономических эффектов, так и вероятности их осуществления. В то же время в отношении рисков должна выполняться параллельная задача минимизация возможных потерь и снижение вероятности их появления в ходе реализации инвестиционной программы НГК.
Подходы, связанные с формированием портфеля нефтегазовых активов, на наш взгляд, можно разделить на 2 вида:
- качественные подходы, связанные, прежде всего, с экспертной оценкой и ранжированием НГА в портфеле в зависимости от установленных целей;
- количественные подходы, ориентированные на выбор конкретных НГА в портфель из некоторого множества (области) возможных вариантов формирования портфеля НГА. Ниже рассмотрены примеры перечисленных подходов к формированию портфеля НГА.
Самым простым инструментом портфельного анализа и формирования на его базе портфеля НГА может служить матрица Boston Consulting Group (далее матрица BCG), адаптированная для нефтегазовой отрасли [5]. Она позволяет провести первичный анализ портфеля и сделать выводы о его сбалансированности.
Рис. 1. Матрица Boston Consulting Group (адаптированная) [5]
При анализе портфеля с помощью матрицы BCG активы распределяются по 4м секторам: «Звезды», «Собаки», «Дойные коровы», «Дикие кошки» - в соответствии с оценкой 163 темпов роста добычи и долей запасов УВ НГА в общем балансе НГК. При этом сбалансированным считается портфель активов компании, удовлетворяющий четырем из пяти нижеперечисленных критериев:
1. Не должно быть сосредоточения всех НГА в одном секторе матрицы.
2. Не должно быть концентрации всех НГА вокруг точки пересечения осей.
3. В сбалансированном портфеле обязательно должна быть «дойная корова» как генератор наличности.
4. Обязательно наличие точек роста в виде «звезд» или «диких кошек».
5. Движение НГА по двухмерному стратегическому пространству должно быть оптимальным.
Применение матрицы BCG возможно только в случае небольшого количества НГА. Если же количество активов превышает пять, ЛПР сталкивается с необходимостью рассматривать большое количество их комбинаций. Например, на основе только девяти НГА, число возможных сочетаний составит более 500, а именно - 5112 . При этом, если НГК рассматривает возможность долевого участия в совместных проектах, пространство выбора будет содержать бесконечное число решений, с которыми справляются количественные подходы по формированию портфеля НГА.
В этих целях возможно применение метода, основанного на теории Г. Марковица, которая находит широкое применение в нефтегазовой промышленности [1-4]. И, несмотря на то, что изначально она была разработана для финансовых рынков, ее адаптация к управлению реальными активами является вполне оправданной, что подтверждается успешным опытом ее применения не только в зарубежных, но и в отечественных НГК. В теории Г. Марковица активы характеризуются несколькими значениями - математическим ожиданием и дисперсией Чистого дисконтированного дохода (Net present value - NPV). Портфели, 2 Если число исходных проектов составляет n, то полное число целочисленных комбинаций составит 2n - 1 с учетом того, что портфель с нулевыми долями проектов не рассматривается. 164 при этом, как совокупность активов, характеризуются теми же показателями. По отношению к нефтегазовой сфере основные положения данной теории звучат так:
1. NPV актива является случайной величиной. Детерминированной (определенной) характеристикой доходности актива является - оNPV;
2. NPV портфеля является суммой случайных величин, в силу чего доходность портфеля также является случайной величиной.
Соответственно детерминированный эквивалент доходности портфеля является суммой оNPV проектов, входящих в него;
3. Индивидуальный риск портфеля определяется величиной дисперсии. В этой связи, величина портфельного риска зависит не только от дисперсии активов, входящих в портфель, но также от взаимных корреляций между ними;
4. Совокупный риск портфеля не соответствует сумме рисков по активам, его образующих;
5. Инвестор не склонен к риску - из 2х портфелей с равной доходностью он предпочитает портфель с наименьшим риском.
Последнее утверждение является особенно важным, т.к. центральным понятием портфельной теории является понятие эффективного портфеля, которое состоит в том, что портфель является таковым, если ни один другой не имеет меньшего риска при схожем или большем уровне доходности. Постановка задачи в виде ниже приведенной системы (1), основанной на теории Г. Марковица, очень популярна при поиске оптимальных портфелей в нефтегазовой отрасли.
где ai - доля i-го проекта в портфеле,
Xi - случайная величина NPV i-го проекта,
EЦ - целевой уровень оNPV, капиталовложения по i-му проекту,
I - совокупный инвестиционный бюджет НГК,
D - дисперсия,
Е - математическое ожидание.
Обычно решение данной системы представляет собой сложную задачу. Аспекты ее решения в данной работе рассматриваться не будут. Но существует, большое число эффективных оптимизационных алгоритмов. Описание некоторых из них можно найти в специальной литературе [6,7].
Рис. 2. Схематический вид границы эффективности [4,7]
В процессе решения множество портфелей, отвечающих принципу эффективности, образуют так называемую границу эффективности. На рис. 2 портфели №№1, 2 и 3 являются оптимальными, в то время как портфели, принадлежащие внутренней области множества - не эффективны. Например, портфель №4 не является эффективным, т.к. при схожем значении риска портфель №2 обеспечивает большую доходность, а при схожей доходности портфель №1 менее рискованный. Таким образом, применение рассмотренных выше подходов к формированию портфеля НГА позволяет ЛПР сузить пространство выбора и ограничить его только эффективными портфелями, в случае, например, использования теории Г. Марковица.
Список литературы
1. «Notes on Exploration and Production Portfolio Optimization» / Ben C. Ball & Sam L. Savage.
2. Jay April, Fred Glover, James Kelly. Portfolio optimization for capital investment projects / Proceedings of the 2002 Winter Simulation Conference. URL: http://www.informs-sim.org/wsc02papers/211.pdf.
3. Don Merritt. Portfolio Optimization for Oil and Gas Investments // Australasia SPE News. 1999. №1.
4. Portfolio Management for Strategic Growth / Tom Adams, Jeff Lund, Kerr-McGee Oil and Gas Corp. Houston, Texas, USA; Jack A. Albers - Burlington Resources International, Houston, Texas; Michael Back, Jason McVean, Calgary, Alberta, Canada; John I. Howell III - Portfolio Decisions, Inc. Houston, Texas.
5. Штопаков И.Е. Теория стратегического менеджмента: пятьдесят ключевых понятий. М.: Издательский центр РГУ нефти и газа им. И.М. Губкина, 2012.
6. Касимов Ю.Ф. Введение в теорию оптимального портфеля ценных бумаг М.: АНКИЛ, 2005.
7. Сухарев О.С. Портфельный метод анализа инвестиционных программ в решении задач реструктуризации промышленных секторов. URL: http://www.econ.asu.ru/lib/sborn/finmath2001/pdf/3_8.pdf.
Автор: А.А. Бугатаев ПГНИУ,