Оценка влияния санкционных рисков на бизнес: стохастическая модель

Санкционные риски перестали быть экзотическим фактором — они стали системным элементом российской экономики. Игнорировать их в финансовой модели уже невозможно. Однако традиционные методы — корректировка ставки дисконтирования на «страновой риск» — не отражают специфику санкционного воздействия на конкретный проект.

В этой статье — о методике количественной оценки санкционного риска через probability-weighted DCF и стохастическое моделирование.

Probability-weighted DCF: базовый метод

Первый этап — построение 3-4 сценариев развития санкционной ситуации, привязанных к проекту:

• Базовый сценарий (вероятность 40-50%). Текущий режим сохраняется. Логистика работает через альтернативные каналы, стоимость поставок на 15-25% выше докризисной, доступность финансирования ограничена, но не блокирована.
• Умеренное ужесточение (вероятность 25-30%). Расширение санкционных списков, ограничения для ключевых поставщиков, рост стоимости импорта на 30-50%, усложнение платежей.
• Жёсткий сценарий (вероятность 10-15%). Вторичные санкции для стран-посредников, блокировка значительной части платёжной инфраструктуры, рост стоимости импорта на 50-80%.
• Кризисный сценарий (вероятность 5-10%). Полная изоляция платёжной системы, разрыв ключевых логистических маршрутов, невозможность поставок критического оборудования.

Для каждого сценария строится отдельная финансовая модель с соответствующими параметрами. Итоговый NPV рассчитывается как средневзвешенное: NPV_weighted = Σ (NPV_i × P_i).

Стохастическое моделирование Монте-Карло

Сценарный анализ даёт дискретные значения, но не показывает непрерывное распределение вероятностей. Стохастическое моделирование решает эту задачу.

Алгоритм:

1. Определение ключевых параметров, чувствительных к санкциям: стоимость импорта, сроки поставки, курс рубля, доступность финансирования, стоимость страховки
2. Назначение распределения вероятностей для каждого параметра (треугольное, нормальное, равномерное) на основе экспертных оценок
3. Генерация 5 000-10 000 итераций с комбинациями параметров
4. Построение гистограммы NPV и расчёт метрик: средний NPV, медиана, VaR (5%, 10%), вероятность отрицательного NPV

Метод Монте-Карло реализуется в надстройках Excel (Crystal Ball, @Risk) или в Python. Для проектов от 300 млн руб. такая модель — стандарт due diligence.

Пять ключевых параметров санкционного риска

Наиболее значимые параметры для моделирования санкционного риска:

• Сроки поставки оборудования. В базовом сценарии — 90 дней, в стрессовом — 180-270 дней. Задержка сдвигает запуск и ухудшает NPV на 10-30%.
• Стоимость импорта. Разница между базовым и стрессовым сценарием — 30-80% удорожания за счёт логистики, страховки, комиссий.
• Курс рубля. Валютный шок при новых санкциях — ослабление на 20-40%, что существенно влияет на стоимость импортных компонентов.
• Доступность кредитования. В жёстком сценарии — ставки 20-25% или отсутствие кредитования вообще. Проект, зависимый от заёмного финансирования, в таком сценарии может быть нереализуем.
• Платёжная инфраструктура. Задержки платежей на 30-60 дней, рост комиссий до 5-10% от суммы, риск блокировки средств.

Пример: проект переработки полимеров

Рассмотрим проект завода по переработке полимеров с инвестициями 500 млн руб., импортным оборудованием (40% Capex) и сроком реализации 18 месяцев.

Базовый сценарий даёт NPV 85 млн руб. при IRR 16%. Сценарий умеренного ужесточения — NPV 25 млн руб., IRR 11%. Жёсткий сценарий — NPV -45 млн руб., IRR 6%.

Взвешенный NPV (вероятности 50%, 30%, 20%): 0,5 × 85 + 0,3 × 25 + 0,2 × (-45) = 42,5 + 7,5 - 9 = 41 млн руб.

Стохастическое моделирование (10 000 итераций) показывает: вероятность отрицательного NPV — 18%, VaR5% — минус 25 млн руб. Это означает, что проект приемлем, но требует создания резервного фонда ликвидности не менее 50 млн руб.

Внедрение в практику финансового моделирования

Для включения санкционного анализа в стандартный due diligence:

• Выделить отдельный блок «Санкционные риски» в финансовой модели
• Определить 4 сценария с экспертной оценкой вероятностей
• Для каждого сценария — скорректировать параметры логистики, курса, ставок
• Провести стохастическое моделирование для VaR-анализа
• Включить в план проекта создание резерва ликвидности — 10-20% от Capex

Такой подход — требование не регулятора, а рационального риск-менеджмента: проект, чья судьба зависит от одного сценария, не может считаться инвестиционно привлекательным.