ინოვაციური პროექტების შეფასების თვალსაზრისით ძალიან საინტერესოა ახალი წამლის გამოშვების მოდელი. პროცესი სრულად რეგულირებულია სახელმწიფოს მიერ, რადგან არც სახელმწიფოს და არც ბიზნესის ინტერესებში არ შედის ასეთი ტიპის ხარჯების გაუაზრებელი გაფლანგვა ან არაადეკვატური წამლების გამოშვება.

პროცესი შედგება ოთხი ეტაპისგან, რომლებსაც მკაფიოდ ჩამოყალიბებული მიზნები და შედეგების შეფასების სისტემა აქვთ.

გამომდინარე იქედან რომ, ყოველ მომდევნო ეტაპზე გადასვლა ხდება მხოლოდ წარმატების შემთხვევაში, მთლიანი პროცესის დანახვა შესაძლებელია როგორც “მოვლენების” ხის. ყოველ ეტაპზე არსებობს წარმატების ალბათობა, წარმატების შემთხვევაში კიდევ დამატებით საჭირო ინვესტიცია და სრული წარმატების შემთხვევაში მოსალოდნელი შედეგების ღირებულება (Terminal Value), რომელიც უნდა დადისკონტირდეს NPV-ს მისაღებად.

ავიღოთ მაგალითად,

  • პროექტის დასაწყისში საჭიროა 10 მლნ $, პირველი ფაზა გრძელდება ერთი წელი და წარმატების ალბათობა 50%;
  • მეორე ფაზის დასაწყისში საჭიროა კიდევ 30 მლნ. $, გრძელდება ასევე ერთი წელი და წარმატების ალბათობა 40%;
  • მესამე ფაზის დასაწყისში საჭიროა კიდევ 60 მლნ. $, გრძელდება 3 წელი და წარმატების ალბათობა 50%;
  • წარმატების შემთხვევაში FDA-იძლევა ლიცენზიას და პროექტის მოსალოდნელი მომეგბიანობა არის 1 მლრდ. $.

მივიღებთ ასეთ დიაგრამას: რომლის შედეგი 63 მლნ. $ იქნება, როემლიც უნდა დადისკონტირდეს ურისკო განაკვეთით, რადგან საქმე გვაქვს სპეციფიურ და არა სისტემურ რისკებთან. თუ დავუშვებთ რომ ეს განაკვეთი 5%-ია, მაშინ საბოლოო შედეგად NPV=43.18 მლ.$-ს მივიღებთ*.

იგივე შედეგის მიღება არის შესაძლებელი მონტეკარლოს სიმულაციის გამოყენებით (იხ. ექსელი)*:

შენიშვნა: ცოტა განსხვავებულია შედეგი, რადგან ექსელში 10,000 იტერაციაა მხოლოდ პროგრამირებული, ფაილი რომ არ გადატვურთულიყო.

აქ მნიშვნელოვანია იმ მომენტის გათვალისწინება, რომ სიმულაცია უფრო საინტერესო და ზუსტი შედეგები მიღების საშუალებას იძლევა, რადგან შესაძლებელია მოვლენების ალბათობა თანაბრად არ განაწილდეს (როგორც ფუნქცია rand-ი აკეთებს), და გათვლებში დამატებითი ცვლადების შემოტანა მოხდეს.

გასაგები რომ გახდეს მაგალითად, თუ ვაკეთებ შემოსავლების სიმულაციას სამშენებლო – დეველოპერულ პროექტში, და ვფქრობ რომ ფასი 1000-დან 1200$-მდე შუალდედშია, ნაცვლად იმისა, რომ თითოეულ ციფრს ამ შუალედში მივცე თანაბარი უფლება, შემიძლია სიმულაცია სამკუთხა დისტიბუციით გავაკეთო, ანუ რაც უფრო უახლოვედება მარცხნივ 1000$-ს და მარჯვნივ 1200$-ს მით უფრო შემცირდეს ალბათობა (ანუ ციფრის სიხშირე მოდელში).

პრაქტიკაში სამკუთხას გარდა იყენებენ, ნორმალურ (ზარისებრ), ლოგ-ნორმალურ, ექსპოტენციალურ და სხვა სახის დისტრიბუციებს. მადლობა ChatGPT-ს, გავაკეთე ექსელის ფაილი, სადაც rand ფუნქციით შემთხვევით მიღებული მონაცემები ტრანსფორმირდება სხვადასხვა ტიპის დისტრიბუციებში (იხ. ექსელი**).

და ბოლოს, როგორც ვთქვით წამლის გამოშვების მოდელის გართულება შესაძლებელია კიდევ ბევრი დამატებითი ცვლადის შემოღებით.

ექსელში*** მოცემულია მხოლოდ მესამე ფაზა და დამატებულია ისეთი ცვლადები როგორიცაა ბაზრის ზომა, წამლის ეფექტურობა (FDA თანხობის მიღების ალბათობა), კონკურენტი წამლის ეფექტურობა (=>ბაზრის წილი). გაანგარიშებები მოცემულია შემდეგი თანმიმდევრობით:

  1. პირველ ფურცელზე მოცემულია სიმულაციის გარეშე NPV-ს გამოყვანა, საშუალო ციფრებით – შედეგი გვეუბნება, რომ პროექტი წამგებიანია (-410 მლნ $);
  2. მეორე ფურცელი შუალედური დათვლებისთვის არის მომზადებული, სადაც ცვლადების განაწილების ალბათობებია დათვლილი ნორმალური და სამკუთხა დისტრიბუციების შესაბამისად;
  3. მესამე გვერდზე გაკეთებულია სიმულაცია, რომელიც გვაცვლევინებს გადაწყვეტილებას რადგან გვეუბნება რომ მოსალოდნელი NPV +285 მლნ $-ია (და არა -410 მლნ $) ამ შედეგს იძლევა ზუსტად ის მომენტი, რომ ალბათობების დისტრიბუცია უფრო დაზუსტებით არის მოდელირებული;
  4. მეოთხე ფურცელი ყველაზე საინტერესოა. აქ დამატებულია FDA-ს თანხმობის მიღების შემთხვევაში პროექტის განხორციელებაზე უარის თქმის და ლიცენზიის გაყიდვის ოფცია, რომელიც პროექტის NPV-ს 285 მლ. $-დან, 475 მლნ $-მდე ზრდის.

ექსელის მოდელები:

წყარო

Venture Capital & the Finance of Innovation – by A. Metrick & A. Yasuda