Бизнес-планирование с использованием программы Project Expert (полный курс)

БИЗНЕСПЛАНИРОВАНИЕ

C ИСПОЛЬЗОВАНИЕМ ПРОГРАММЫ 
PROJECT EXPERT

(ПОЛНЫЙ КУРС)

В.С. АЛИЕВ
Д.В. ЧИСТОВ

Рекомендовано УМО по образованию в области финансов, 
учета и мировой экономики в качестве учебного пособия 
для студентов, обучающихся по специальностям 
«Финансы и кредит», «Бухгалтерский учет, анализ и аудит», 
«Налоги и налогообложение»

Москва
ИНФРА-М
2019

УЧЕБНОЕ ПОСОБИЕ

УДК 338.24(075.8)
ББК 65.050.2я73
 
А50

Алиев В.С.
А50 
 
Бизнес-планирование 
c 
использованием 
программы 
Project 
Expert (полный курс) : учеб. пособие / В.С. Алиев, Д.В. Чистов. — М. : 
ИНФРА-М, 2019. — 352 с. + Доп. материалы [Электронный ресурс; Режим доступа: http://www.znanium.com]. — (Высшее образование: Бакалавриат).

ISBN 978-5-16-006431-4 (print)
ISBN 978-5-16-107262-2 (online)

В учебном пособии на практических примерах излагается технология 
разработки и анализа приемлемых инвестиционных проектов, а также разработки для этих проектов бизнес-планов средствами популярной программы Project Expert 7. 
Учебное пособие предназначено для студентов, обучающихся по специальностям «Финансы и кредит», «Бухгалтерский учет, анализ и аудит», 
«Налоги и налогообложение», «Антикризисное управление», «Математические методы в экономике», преподавателей и аспирантов экономических 
вузов, руководителей предприятий, организаций и фирм, занимающихся 
подготовкой экспертизы и реализации бизнес-планов или подготовкой 
научно обоснованных рекомендаций приемлемости готового инвестиционного проекта и бизнес-плана, в том числе для курсов повышения квалификации по направлению «Разработка и анализ инвестиционных проектов 
с использованием современных информационных технологий».

УДК 338.24(075.8)
ББК 65.050.2я73

Р е ц е н з е н т ы:
Ко ноненко А.Ф. — доктор физико-математических наук, профессор;
Уринцов А.И. — доктор экономических наук, профессор, заведующий кафедрой управления информационными системами и программирования Российского экономического университета имени Г.В. Плеханова;
Бывшев В.А. — доктор технических наук, профессор, профессор департамента анализа данных, принятия решений и финансовых технологий Финансового университета при Правительстве РФ

ISBN 978-5-16-006431-4 (print)
ISBN 978-5-16-107262-2 (online)
© Алиев В.С., Чистов Д.В., 2013

Материалы, отмеченные знаком 
, доступны 
в электронно-библиотечной системе Znanium.com

 
Предисловие

Достижение высоких экономических и социальных результатов, 

достижение роли полноправного партнера в мировой экономической 
системе в значительной степени зависит от того, каковы будут масштабы использования информационных технологий во всех сферах 
деятельности, а также от того, какую роль будут играть эти технологии в повышении эффективности общественного труда. 

Повышение инвестиционной активности в настоящее время яв
ляется ключевой проблемой экономической политики государства. 
Без инвестиций невозможны остро необходимая структурная перестройка российской промышленности, обеспечение роста производства. 

Разработчик инвестиционного проекта и будущий «оценщик» 

этого проекта из банка или финансового института должны знать 
примерно одно и то же, чтобы вести работу на одинаковом методическом уровне и единых принципах, тогда дискуссия между ними 
будет идти по существу и к обоюдной пользе.

Отметим, что управление инвестиционными проектами является 

одним из важнейших разделов относительно новой и динамично развивающейся дисциплины «Финансовый менеджмент», которая входит в число обязательных курсов во всех западных университетах для 
студентов экономических специальностей. 

Эта книга предназначена для обучения студентов теоретическим 

основам и практическим навыкам исследования ситуаций для подготовки научно обоснованных рекомендаций приемлемости того или 
иного инвестиционного проекта. 

имитация и машинный эксПеримент

Компьютерные программные системы инвестиционного проек
тирования предназначены для создания и анализа финансовой модели нового, еще не созданного, или действующего предприятия. 
Они позволяют моделировать деятельность предприятия с учетом 
влияния различных внутренних и внешних факторов. Используя такие системы, путем проведения машинного эксперимента можно 
многократно произвести расчет возможных вариантов реализации 
инвестиционных проектов. Анализируя полученные результаты, 
можно выбрать наиболее рациональный вариант инвестиционного 
проекта. Сопоставление проектных данных с реальными данными 
о реализации проекта позволяет осуществлять оперативный контроль и корректировку хода работ. 

Как видим, системы инвестиционного проектирования представ
ляют собой системы имитационного моделирования, поэтому сначала коротко определим такие понятия, как имитационное моделирование и имитационная система. 

метод монте-карло

В начале 1960-х годов в литературе на английском языке появил
ся термин «simulation». Он возник в связи с использованием метода 
Монте-Карло для исследования процессов, зависящих от случайных 
параметров или функций [1]. 

Предположим, что имеется функция 
y = f(x),
(2.1)

где x — случайная величина с известным законом распределения. 

Датчик случайных чисел дает возможность построить последовательность случайных чисел 

x1, x2, … ,xN, …
 (2.2)

с заданным законом распределения. Проводя вычисления с помощью формулы (2.1), можем получить и последовательность значений 

y1 = f(x1), y2 = f(x2), …, yN = f(xN), …
(2.3)

которая также будет представлять собой некоторую последовательность случайных чисел. Если провести достаточно большое количество вычислений, то, обрабатывая последовательность (2.3), можно с любой степенью точности определить статистические свойства 

случайной величины y и найти интересующий закон распределения. 

Описанный прием и получил название метода Монте-Карло. 
Этот прием анализа легко распространяется и на более сложные 

случаи, когда y = f(x) содержит не только случайные параметры x, но 
и случайные функции. 

Далее последовало распространение метода Монте-Карло на ди
намические системы, что получило название «simulation», которое на 
русский язык было переведено как «имитация» (дословный перевод — «симуляция» имеет в русском языке иной смысл). 

Отметим два обстоятельства, которые сыграли определяющую 

роль в развитии техники имитации. 

Во-первых, данный способ исследования можно трактовать как 

анализ случайной величины y с помощью вариантных расчетов. 

Во-вторых, описанный прием анализа можно рассматривать как 

определение статистических характеристик случайной величины y с 
помощью машинного эксперимента.

о Понятии «имитационная система»

Можно указать три причины успеха применения идей имитации, 

три источника этого важнейшего направления в использовании 
ЭВМ. 

Первая причина — та же, которая привела к появлению новой 

дисциплины «системный анализ», — большая сложность тех систем, 
необходимость исследования и анализа которых была выдвинута 
в последние десятилетия человеческой практикой (техникой, экономикой, военным делом). 

Отметим, что задачи системного анализа отличаются от задач, 

которыми раньше занимались теория исследования операций и теория управления, тем, что в этих задачах цель считалась заданной. 
Единственной проблемой в этих условиях оказалась задача отыскания пути достижения цели. В новых задачах объектом исследования 
сделались сами цели. 

Конечно, эта проблема отнюдь не является чисто математиче
ской — она не может быть решена без экспертов, но и одни эксперты 
не смогут одолеть ту лавину информации, которую необходимо проанализировать. На повестку дня «компьютерной математики» был 
поставлен вопрос о сочетании математических методов с опытом 
и знаниями экспертов. И первое, что оказалось необходимым для 
реализации подобных идей, — это умение организовать серию вариантных расчетов: эксперту важно представить себе характер изучаемого процесса, степень его «управляемости», характер предельных 

возможностей (множеств достижимости), то есть организовать многократно повторенный машинный эксперимент с моделью. 

Для этой цели и должны быть созданы модели, имитирующие 

изучаемый процесс. Эксперт с помощью этих моделей, с помощью 
серии специально организованных вариантных расчетов получает те 
знания, без которых выбрать альтернативный вариант своей стратегии он не может. Эти возможности ЭВМ были очень быстро поняты 
специалистами, и в русском языке появились даже термины «имитационная модель» и «имитационное моделирование», а в английском 
языке — термин «simulation modelling». Надо заметить, что если английский термин имеет вполне четкий смысл, ибо симуляция и моделирование не являются синонимами, то по-русски имитационная 
модель — это нонсенс, поскольку любая модель является имитационной, поскольку она имитирует реальность. 

В связи с этим нужен был новый термин, который и возник до
статочно быстро. Это термин — «имитационная система». 

Как уже говорилось, в основе имитации (смысл которой мы будем 

понимать как анализ с помощью вариантных расчетов) лежит математическая модель. Если модель ошибочна или недостаточно точна, 
то имитация становится бессмысленной. Модель должна быть доброкачественной и правильно отражать реальность, в противном случае изучение модели — это всего лишь математические упражнения. 
Кроме того, должна быть надежной и доброкачественной исходная 
информация. Необходим определенный сервис. Система моделей 
должна быть доступной исследователю, варианты должны просчитываться достаточно быстро, должна хорошо функционировать система визуализации результата, должен быть предельно облегчен ввод 
новой информации, переход к новому варианту и т. д. Все эти функции реализует имитационная система, которая представляет собой 
совокупность моделей, имитирующих протекание изучаемого процесса, объединенная со специальной системой вспомогательных 
программ и информационной базой, позволяющих достаточно просто и оперативно реализовать вариантные расчеты. 

Вторая причина успеха идей имитации заключается в том, что 

имитационные системы оказались востребованными для решения 
сложных задач оптимизации. 

Представим себе, что мы имеем четко поставленную задачу: отыс
кать такой элемент х, который обеспечивает максимум некоторому 
функционалу W, то есть пусть мы имеем математическую задачу 
W x

x X
( )→

∈
max .

Более того, предположим, что алгоритм ее решения известен 

и что этот алгоритм сходится и устойчив. Однако при этом нет реальной возможности использовать этот алгоритм, поскольку требу

емые ресурсы ЭВМ для проведения необходимых вычислений выходят за рамки доступных возможностей. 

Подобная ситуация обычно возникает с задачами составления рас
писаний, на решение которых у субъекта (диспетчера) бывают минуты, в крайнем случае часы. А точное решение задач подобного рода 
может требовать дни или месяцы. В этой ситуации у исследователя 
есть одна и только одна возможность — использовать интуитивные, 
эвристические приемы. Но прежде чем принять решение, исследователь должен убедиться, что его решение удовлетворительно, оценить 
его, сравнить с другими решениями. А для этого, в свою очередь, он 
должен вычислить значение W(x), а возможно, и ряда других сопутствующих критериев, то есть снова возникает необходимость в проведении большого числа вариантных расчетов в короткие сроки. 

Заметим, что использование имитационных систем в автомати
зированных системах управления становится также все более и более 
необходимым по мере того, как они из систем обработки данных 
постепенно превращаются в системы принятия решений. В проблемах автоматизированного проектирования они сделались основным 
инструментом проверки и сравнения различных альтернативных вариантов, а часто и средством их индуцирования. 

Сегодня имитация, если понимать достаточно широко этот тер
мин, становится постепенно основой инструментария системного 
анализа. 

Есть еще одна причина, благодаря которой идеи имитации смог
ли найти широкое применение, — это появление быстродействующих ЭВМ, оснащенных разнообразным периферийным оборудованием, которые обладают высокой производительностью, позволяют 
достаточно просто организовать ввод и вывод информации, визуализировать ее, организовать работу в режиме диалога и т. д.

Отметим, что технология математического моделирования вклю
чает следующие основные этапы: 
• введение системы величин, полностью (с точки зрения тех прак
тических потребностей, которые вызвали необходимость получения прогноза), характеризующих процесс; 

• запись соотношений (зависимостей, связей) между введенными 

величинами, то есть составление математической модели; 

• разработка и реализация процедуры вычисления внутренних ве
личин модели по ее внешним величинам; 

• идентификация и верификация модели; 
• эксплуатация модели. 

Когда речь заходит о получении прогноза с помощью математи
ческой модели, фигурирующие в ней величины делятся на две части: 
внешние и внутренние — так, что знание внешних величин дает возможность уже только из модели вычислить все внутренние величи

ны. Это разделение можно выполнить не единственным образом, 
оно является условным и связано со способом использования модели и целями моделирования. 

Математические модели процессов, развивающихся во времени, 

наиболее часто используются для предсказания их развития, и в таком качестве они имеют наибольшую практическую ценность. Такое 
использование моделей процессов в большей мере ликвидирует неопределенность в разбиении величин модели на внешние и внутренние. При этом внешние величины можно условно разделить на следующие классы: начальные и, возможно, граничные (в пространственном смысле) значения интересующих нас величин; величины, 
характеризующие свойства изучаемого процесса; величины, характеризующие влияние на изучаемый процесс других, «внешних» по 
отношению к нему процессов управления, то есть целенаправленное 
влияние на этот процесс каких-то управляющих органов. 

Создать математическую модель еще мало. Должна быть надеж
ная и доброкачественная исходная информация. Это очевидно. Но 
и информации еще недостаточно. Необходим определенный сервис. 
Система моделей должна быть доступной исследователю, варианты 
должны проходить достаточно быстро, должна хорошо функционировать система визуализации результата (графическая или цифровая). Должен быть предельно облегчен ввод новой информации, 
переход к новому варианту и т. д. Другими словами, процесс имитации требует для своего успешного завершения создания специальной 
системы — так возник термин «имитационная система». Значит, имитационная система — это совокупность моделей, моделирующих 
протекание изучаемого процесса, объединенная со специальной системой вспомогательных программ и информационной базой, позволяющих достаточно просто и оперативно реализовать вариантные 
расчеты. Имитационной системе присуща определенная архитектура, и она должна быть снабжена четкими процедурами ее использования. 

Заметим, что использование имитационных систем в автомати
зированных системах управления становится также все более и более 
необходимым по мере того, как они из систем обработки данных 
постепенно превращаются в системы принятия решений. В проблемах автоматизированного проектирования они сделались основным 
инструментом проверки и сравнения различных альтернативных вариантов, а часто и средством их индуцирования. 

Сегодня имитация, если понимать достаточно широко этот тер
мин, становится постепенно основой инструментария системного 
анализа. 

Математики, которые начали заниматься имитацией, шли от ис
следования конкретных процессов, от моделей. При создании ими

тационных систем главным в деятельности математиков было создание моделей и процедур (алгоритмов) их исследования. Только позднее они столкнулись с необходимостью сервиса, управляющих 
программ, специального языка и т. д. 

Инженеры шли с другой стороны. Прежде всего их интересовало 

создание сервиса, управляющих программ, банков данных и т. д., 
поэтому в работах по имитации в центре внимания были модели, а в 
работах по имитации — операционная система, языки, банки данных 
и т. д. По существу, эти два подхода показывают две стороны огромной и бесконечно важной для человечества проблемы объединения 
интеллекта человека с формализмом, реализация которого доступна 
математике, оснащенной вычислительным инструментарием. 

Имитационные системы, которые сегодня уже работают или со
здаются, — это весьма сложные конструкции, изучение которых требует не только высокого профессионализма, но и времени. Конкретному пользователю, вообще говоря, нет прямой необходимости знать 
все детали системы. Но каждый пользователь должен во всех деталях 
представлять возможности, которые ему представляет имитационная 
система для его личных нужд. 

Имитационная система (если она не разового использования) 

с необходимостью должна быть развивающейся системой. Для этой 
цели весьма полезна информация об имитационной системе, обо 
всех деталях ее возможностей и конструкции. И эта информация 
должна быть легкодоступной. 

Отметим, что в современной русскоязычной научной литературе 

понятие «имитационная модель» имеет следующий смысл [2]. Имитационная модель — это модель, обладающая качествами из следующего набора: сложность; наличие в ней случайных факторов; описание 
процессов, развивающихся во времени; невозможность получения результатов без ЭВМ; предназначенность модели для использования ее в режиме вариантных расчетов, то есть для сравнения путем выполнения 
имитационных экспериментов, заданных заранее, «извне модели» вариантов планов, управлений, конструкций. 

Ни одно из перечисленных качеств не является обязательным для 

того, чтобы именовать модель имитационной. Тем не менее в совокупности они дают целостное представление о том, какой смысл 
вкладывается в понятие «имитационная модель». 

В основе создания теории почти всегда лежит какой-то экспери
мент, но этот эксперимент, тем более если он поисковый (когда экспериментатор движется «ощупью»), может быть весьма несовершенен. Информация, которую с его помощью может получить исследователь, будет недостаточной для того, чтобы математическая 
модель, построенная на ее основе, была адекватна реальности. Пред

положим, тем не менее, что изначальный опыт позволил сформировать математическую модель. 

Тогда следующий шаг — это исследование полученной модели 

с помощью вычислительного комплекса — численный анализ модели. В результате мы обнаруживаем целый ряд свойств процесса. Некоторые из них, может быть, уже наблюдал экспериментатор, некоторые оказываются совершенно новыми. Однако делать какие-либо 
утверждения, а тем более предполагать открытие новых свойств процесса, нового явления еще рано. Математическая модель, с помощью 
которой обнаружены эти особенности, пока еще недостаточно достоверна, и результаты, полученные расчетным путем, еще трудно 
принять на веру. Но экспериментатору они, тем не менее, очень нужны. Они подсказывают ему новые идеи. С их помощью он улучшает 
свою экспериментальную установку, они уточняют ему отдельные 
детали процесса и т. д. В результате такого усовершенствования эксперимента возникает новая математическая модель. Образуется итерационная цепочка — диалог математика и экспериментатора. 

Таким образом, имитационная система является средством про
ведения машинного эксперимента, причем эксперимент может ставиться многократно, заранее планироваться, могут определяться 
условия его проведения. Необходимо при этом выбрать методику 
оценки адекватности получаемых результатов и автоматизировать 
как процессы получения, так и процессы обработки результатов 
в ходе машинного эксперимента. 

обесПечение Процесса моделирования

Эксперимент с имитационной моделью требует серьезной подго
товки, поэтому имитационная система характеризуется наличием 
математического, программного, информационного, технического, 
эргономического и других видов обеспечения [3]. 

Математическое обеспечение имитационной системы включает 

в себя совокупность математических соотношений, описывающих 
поведение реального объекта, совокупность алгоритмов, обеспечивающих как подготовку, так и работу с моделью. Сюда могут быть 
отнесены алгоритмы: ввода исходных данных, имитации, вывода, 
обработки. 

Программное обеспечение по своему содержанию включает в себя 

совокупность программ: планирование эксперимента, имитационной модели, проведения эксперимента, обработки и интерпретации 
результатов. Кроме того, программное обеспечение имитационной 
системы должно обеспечивать синхронизацию процессов в модели, 
то есть необходим блок, организующий псевдопараллельное выполнение процессов в модели. Машинные эксперименты с имитацион