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

БИЗНЕС-ПЛАНИРОВАНИЕ

C ИСПОЛЬЗОВАНИЕМ ПРОГРАММЫ 
PROJECT EXPERT

(ПОЛНЫЙ КУРС)

В.С. АЛИЕВ
Д.В. ЧИСТОВ

2-е издание, переработанное и дополненное

Москва
ИНФРА-М
2022

УЧЕБНОЕ ПОСОБИЕ

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

УДК 338.24(075.8)
ББК 65.050.2я73
 
А50

Алиев В.С.
А50  
Бизнес-планирование c использованием программы Project Expert 
(полный курс) : учебное пособие / В.С. Алиев, Д.В. Чистов. — 2-е изд., 
перераб. и доп. — Москва : ИНФРА-М, 2022. — 382 с. + Доп. материалы 
[Электронный ресурс]. — (Высшее образование: Бакалавриат). — 
DOI 10.12737/1248243.

ISBN 978-5-16-016867-8 (print)
ISBN 978-5-16-109436-5 (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.
Предназначено для студентов, обучающихся по направлениям подготовки 
«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 Российской Федерации

ISBN 978-5-16-016867-8 (print)
ISBN 978-5-16-109436-5 (online)

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

© Алиев В.С., Чистов Д.В., 2013
© Алиев В.С., Чистов Д.В., 2022, 
с изменениями

Данная книга доступна в цветном исполнении 
в электронно-библиотечной системе Znanium

ПРЕДИСЛОВИЕ

Достижение высоких экономических и социальных результатов, 
достижение роли полноправного партнера в мировой экономической 
си стеме 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 является 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. 
В результате освоения содержания дисциплины «Информационные технологии в инвестиционном проектировании» студент будет: 
знать 
 
• основные понятия, теоретические положения и методы анализа 
следующих разделов инвестиционного проектирования:
 
– компьютерные программные продукты, используемые в инвестиционном проектировании для оценки внутренних возможностей фирмы и внешней среды; 
 
– принятие решений при выборе конкурирующих проектов;

– сравнительный анализ проектов различной продолжительности в среде ППП MS Excel;
 
– методы анализа рисков инвестиционных проектов в среде специализированной программы Project Expert и ППП MS Excel. 
 
• основные характеристики информационных технологий и си стем 
инвестиционного проектирования и составления бизнес-планов;
уметь
 
• разрабатывать, анализировать и оценивать инвестиционные проекты с использованием программы Project Expert; 
 
• работать с приложениями: 
 
– What-If анализ (What-If & Plan-Fact), которое выполняет работу по созданию и анализу вариантов созданного проекта или 
разных проектов, разработанных с помощью программы 
Project Expert; 
 
– PIC Holding – си стема моделирования деятельности холдинговой компании; 
 
– Project Integrator, используя которое можно объединить для 
совместного анализа всех реализуемых компанией проектов 
или группы проектов разных компаний, связанных по какимлибо критериям;
 
• составлять бизнес-план для разработанного инвестиционного 
проекта средствами программы Project Expert; 
 
• рассчитывать показатели эффективности и финансовые показатели инвестиционных проектов и создавать соответствующие 
таблицы пользователя в среде программы Project Expert с использованием встроенных функций программы Project Expert и собственных формул;
 
• рассчитывать показатели эффективности и финансовые показатели инвестиционных проектов и создавать соответствующие 
таблицы в среде ППП MS Excel с использованием встроенных 
функций ППП MS Excel и собственных формул;
 
• анализировать риски инвестиционных проектов в среде программы Project Expert; 
 
• автоматизировать расчеты показателей риска финансовых операций и показателей собственного риска инвестиционных проектов в среде ППП MS Excel, применять методы анализа этих 
рисков; 
владеть навыками 
 
• создания и анализа приемлемых инвестиционных проектов в среде программы Project Expert;
 
• расчета показателей эффективности и финансовых показателей 
инвестиционного проекта в среде программы Project Expert и ППП 
MS Excel;

 
• оценивания приемлемости разработанного инвестиционного проекта;
 
• расчета и анализа рисков инвестиционных проектов в среде программы Project Expert и ППП MS Excel;
 
• составления бизнес-плана для разработанного инвестиционного 
проекта в среде программы Project Expert.

ИМИТАЦИЯ И МАШИННЫЙ ЭКСПЕРИМЕНТ 

Компьютерные программные си стемы инвестиционного проектирования 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 си стемы, 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, си стемы инвестиционного проектирования представляют собой си стемы имитационного моделирования, поэтому сначала коротко определим такие понятия, как имитационное моделирование и имитационная си стема. 

МЕТОД МОНТЕ-КАРЛО 

В начале 1960-х годов в литературе на английском языке появился 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 динамические си стемы, 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 СИ СТЕМА»

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 «си стемный анализ», — большая сложность тех си стем, 
необходимость исследования и анализа которых была выдвинута 
в последние десятилетия человеческой практикой (техникой, экономикой, военным делом). 
Отметим, что задачи си стемного 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 математической — 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 орга

низовать 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 достаточно быстро. Это термин — «имитационная си стема». 
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 си стема визуализации результата, должен быть предельно облегчен ввод новой информации, переход к новому варианту и т.д. Все эти функции реализует имитационная си стема, которая представляет собой совокупность моделей, имитирующих 
протекание изучаемого процесса, объединенная со специальной 
си стемой вспомогательных программ и информационной базой, 
позволяющих достаточно просто и оперативно реализовать вариантные расчеты. 
Вторая причина успеха идей имитации заключается в том, что 
имитационные си стемы оказались востребованными для решения 
сложных задач оптимизации. 
Представим себе, что мы имеем четко поставленную задачу: отыскать 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 ре

альной возможности использовать этот алгоритм, поскольку требуемые ресурсы ЭВМ для проведения необходимых вычислений выходят за рамки доступных возможностей. 
Подобная ситуация обычно возникает с задачами составления 
расписаний, 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 си стем в автоматизированных си стемах управления становится также все более и более 
необходимым по мере того, как они из си стем обработки данных 
постепенно превращаются в си стемы 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 термин, становится постепенно основой инструментария си стемного 
анализа. 
Есть еще одна причина, благодаря которой идеи имитации смогли 
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 включает следующие основные этапы: 
 
• введение си стемы величин, полностью (с точки зрения тех практических 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 величин модели по ее внешним величинам; 
 
• идентификация и верификация модели; 
 
• эксплуатация модели. 
Когда речь заходит о получении прогноза с помощью математической 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 величины. 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 надежная и доброкачественная исходная информация. Это очевидно. 
Но и информации еще недостаточно. Необходим определенный сервис. Си стема моделей должна быть доступной исследователю, варианты должны проходить достаточно быстро, должна хорошо функционировать си стема 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 си стемы — так возник термин «имитационная си стема». 
Значит, имитационная си стема — это совокупность моделей, моделирующих протекание изучаемого процесса, объединенная со специальной си стемой вспомогательных программ и информационной 
базой, позволяющих достаточно просто и оперативно реализовать 
вариантные расчеты. Имитационной си стеме присуща определенная 
архитектура, и она должна быть снабжена четкими процедурами ее 
использования. 
Заметим, что использование имитационных си стем в автоматизированных си стемах управления становится также все более и более 
необходимым по мере того, как они из си стем обработки данных 
постепенно превращаются в си стемы 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 термин, становится постепенно основой инструментария си стемного 
анализа.