Chuyên đề 5 PHÂN TÍCH RỦI RO DỰ ÁN pptx

1
Chuyên ngành TCDN Hoch đnh NS vn đu t 1
PHÂN TÍCH RI RO D ÁN
Chuyên đ 5
Chuyên ngành TCDN Hoch đnh NS vn đu t 2
TNG QUAN V PHÂN TÍCH RI RO
• Có 5 lý do đ phân tích ri ro ca mt d án đu
t riêng l:
•Ngi đ xut mt d án đu t trong mt công
ty ln thng thiu nhng thông tin toàn din v
công ty và các d án ca nó vì th rt cn thit
đ đo lng s đóng góp trong đu t đn mc
đ ri ro ca công ty.
•Ngi đ xut d án thng đc đánh giá trên
hiu qu hot đng ca đu t đó. Trong nhng
trng hp nh vy, ngi đ xut cng quan
tâm đn ri ro d án, không làm gia tng ri ro
ca c công ty và các c đông.
Chuyên ngành TCDN Hoch đnh NS vn đu t 3
TNG QUAN V PHÂN TÍCH RI RO
• Phân tích ri ro mt d án đu t riêng l thì có
ích trong vic phát trin nhng gii pháp đ loi
tr hoc gim thiu ri ro mà không làm gim đi
t sut sinh li tng ng.
• Phân tích ri ro ca d án đu t thng cung
cp nhng nn tng cho vic hiu rõ s đóng
góp ca d án trong ri ro ca c công ty, ri ro
ca các c đông.
2
Chuyên ngành TCDN Hoch đnh NS vn đu t 4
PHÂN TÍCH  NHY

•Ý ngha ca phân tích đ nhy
•Tr li 2 câu hi sau:
•Nhng bin s chính yu là gì?
•Mc đ nhy cm ca kt qu d án (NPV) vi
nhng bin s đó?
• Phân tích đ nhy là phân tích hin giá thun
(NPV) hoc nhng thc đo v sinh li ca d
án đu t bin đi nh th nào khi mt hoc
nhiu bin s b tác đng trong quyt đnh đu
t.
Chuyên ngành TCDN Hoch đnh NS vn đu t 5
PHÂN TÍCH  NHY
•Víd:
• Công ty RC đang xem xét d án đu t 5 triu
USD vào mt nhà máy. Nhà máy này s to ra
doanh thu t 2 triu USD đn 5 triu USD.
• Chi phí c đnh sau thu là 500.000 USD và chi
phí bin đi sau thu là 50% doanh thu.
• Vòng đi d án d kin là 5 nm
CF = 50% x R – 500.000
• Giá tr thu hi có th t ti thiu là 1 triu USD
đn ti đa là 3 triu USD (cui nm th 5)
Chuyên ngành TCDN Hoch đnh NS vn đu t 6
PHÂN TÍCH  NHY
• Chi phí s dng vn là 10%.
• NPV ca d án nh sau:
•Vi SV (Salvage Value): giá tr thu hi
5
5
)r1(SV

r
)r1(1
CFNPV
−
−
+×+
+−
×=
3
Chuyên ngành TCDN Hoch đnh NS vn đu t 7
PHÂN TÍCH  NHY
4.4443.4972.5491.601654-294-1.2423.000
3.2022.2551.307359-588-1.536-2.4841.000
5.0004.5004.0003.5003.0002.5002.000
NPV tng ng vi các mc doanh thu và giá tr thu hi
(đn v tính: 1.000 USD).
Ví d, vi t sut sinh li đòi hi là 10%, doanh thu 3,5 triu USD
và giá tr thu hi là 1 triu USD thì NPV s là:
NPV = 359.000 USD.
Bng tính trên có th lp mt cách d dàng tropng Excel
Chuyên ngành TCDN Hoch đnh NS vn đu t 8
PHÂN TÍCH  NHY
• Phân tích đ nhy ca NPV vi các bin s then
cht
Chuyên ngành TCDN Hoch đnh NS vn đu t 9
PHÂN TÍCH  NHY
• Phân tích đ nhy ca NPV vi các bin s then
cht
4
Chuyên ngành TCDN Hoch đnh NS vn đu t 10

PHÂN TÍCH  NHY
• Phân tích đ nhy cung cp cho nhà qun lý mt
bc tranh d hiu v các kt qu có th xy ra.
• Các bin s mà nó đc xem là tác đng chính
yu đn thành công hoc tht bi ca d án
đc xác đnh cng nh mc đ cn thit ca
các bin s này trong s thành công ca d án.
•Nh trong ví d trên, 2 bin s chính yu là
doanh thu và giá tr thu hi và đ th
đ nhy cho
bit NPV ch yu ny cm vi doanh thu.
• Nhà qun tr cng có th quyt đnh thc hin
nhng hành đng gim thiu ri ro ví d nh
chn đa đim khác hoc thuê thay cho mua đt
đ gim thiu s không chc chn trong giá tr
thu hi.
Chuyên ngành TCDN Hoch đnh NS vn đu t 11
PHÂN TÍCH HÒA VN
• Doanh thu luôn là mt bin s chính yu ca
phân tích đ nhy.
• Phân tích hòa vn thu nhp hoc dòng tin tp
trung vào mi quan h gia doanh thu và kh
nng sinh li ca dòng tin.
• im hòa vn NPV m rng kh nng phân tích
dòng tin và tp trung vào mi quan h gia
doanh thu, dòng tin, t sut sinh li đòi hi và
NPV.
Chuyên ngành TCDN Hoch đnh NS vn đu t 12
PHÂN TÍCH HÒA VN
•Bin phí là chí phí mà tng chi phí s thay đi

cùng vi s lng sn phm hoc là mc bin
phí trên mt sn phm không thay đi khi sn
lng thay đi.
• nh phí là nhng chi phí mà tng chi phí không
đi khi mc đ doanh thu thay đi nhng đnh
phí/đn v sn phm s gim dn khi doanh thu
tng lên trong mt phm vi nào đó.
•Ph thuc vào vic bn doanh thu k vng và s
bin đng trong doanh thu, phân tích hòa vn có
th xác đnh đc doanh s cn thit đ chuyn
t thu nhp âm sang thu nhp dng hay nói
cách khác là đim hòa vn.
5
Chuyên ngành TCDN Hoch đnh NS vn đu t 13
PHÂN TÍCH HÒA VN
• im hòa vn thu nhp hoc đim hòa vn dòng tin là
mc doanh s cn thit đ bt đu to ra li nhun
hoc dòng tin bt đu dng.
• im hòa vn trong s lng sn phm tiêu th (BEPq)
là:
BEPq = nh phí / (Giá bán – Bin phí)
• im hòa vn v doanh s (BEP$) là
BEP$ = nh phí /(1- %bin phí/đn v sn phm)
Chuyên ngành TCDN Hoch đnh NS vn đu t 14
PHÂN TÍCH HÒA VN
• Công thc tính hòa vn thu nhp và hòa vn dòng tin
là nh nhau. Nhng đnh phí k toán có th khác đnh
phí tin mt.
•Khu hao đc tính là mt đnh phí trong phân tích hòa
vn thu nhp nhng nó không phi là mt khon tin

chi ra và vì th không đc tính trong phân tích hòa vn
dòng tin.
•S dng ví d công ty RC, cho bit giá SP là 40$ (bin
phí 50% và đnh phí tin mt là 500.000 USD)
• BEPq= 500.000/(40-20) = 25.000 sn phm.
• BEP$ = 500.000/(1-0,5) = 1.000.000 $.
Chuyên ngành TCDN Hoch đnh NS vn đu t 15
PHÂN TÍCH HÒA VN
• im hòa vn NPV là mc doanh thu làm cho
NPV dng (đây ch là mt khía cnh m
rng ca phân tích hòa vn).
• Suy ra doanh thu bng 3.306.000 USD.
• Trong trng hp giá tr thu hi 3.000.000
USD:
• NPV = CF x PVFA5,10% + 3.000 x PVF5,10% -5.000
= 0
• Suy ra doanh thu bng 2.655.000 USD.
0)r1(SV
r
)r1(1
CFNPV
5
5
=+×+
+−
×=
−
−
6
Chuyên ngành TCDN Hoch đnh NS vn đu t 16

PHÂN TÍCH HÒA VN
• Hòa vn dòng tin cho chúng ta bit rng mc
doanh thu cn thit đ dòng tin bt đu t 0
USD, mt con s hu dng đ tiên đoán kh
nng ca chúng ta có đáp ng nhng nhu cu
tin mt trong tng lai. Ví d, nó có th có li
tc nhng nhng kh c n s dn đn mt
s tình trng mt kim soát nu công ty không
kim ra tin mt.
•Nhng nhìn chung, phân tích đim hòa vn NPV
là đim phân tích thng đc s dng cho
mc tiêu hoch đnh ngân sách vn đu t. Nó
nói cho chúng ta mc doanh s mà d án bt
đu to ra giá tr cho doanh nghip.
Chuyên ngành TCDN Hoch đnh NS vn đu t 17
PHÂN TÍCH RI RO DA TRÊN XÁC SUT
• Giá tr k vng
•Nu dòng tin d kin mi nm trong tng lai
đã bit, chúng ta có th tính đc giá tr NPV k
vng nh sau:
•Vi E(CF
t
) là dòng tin k vng  thi đim t
•r làt sut sinh li đòi hi.
• Công thc này thì có giá tr khi dòng tin có
tng quan xác đnh hoàn toàn, tng quan 1
phn hay không tng quan gia các nm vi
nhau.
n
n

2
21
0
)r1(
)CF(E

)r1(
)CF(E
)r1(
)CF(E
)CF(E)PV(E
+
++
+
+
+
+=
Chuyên ngành TCDN Hoch đnh NS vn đu t 18
PHÂN TÍCH RI RO DA TRÊN XÁC SUT
•  lch chun ca NPV ca mt chui các dòng
tin ph thuc vào mi tng quan ca các
dòng tin qua tng nm. Dòng tin tng quan
t k này sang k khác nu phân phi xác sut
ca dòng tin ca mt k nào đó thì liên quan
đn dòng tin thc s xy ra trong k trc đó.
• Chúng ta bt đu bng cách xem xét 2 thái cc,
tng quan hoàn toàn và không tng quan và
sau đótp trung vào nhng gii pháp đ gii
quyt nhng trng hp khác trong tng quan
1 phn.

7
Chuyên ngành TCDN Hoch đnh NS vn đu t 19
PHÂN TÍCH RI RO DA TRÊN XÁC SUT
• Dòng tin tng quan hoàn toàn:
• Dòng tin tng quan xác đnh hoàn toàn t k
này sang k khác nu dòng tin sau k th nht
thì hoàn toàn xác đnh bi dòng tin ca k th
nht. Nói cách khác, tt c nhng thay đi v
dòng tin tng lai s b loi tr khi dòng tin
th nht xy ra.
• σ CF
t
là đ lch chun ca phân phi xác sut
dòng tin nm t
∑
=
+
σ
=σ
n
1t
t
CF
PV
)k1(
t
Chuyên ngành TCDN Hoch đnh NS vn đu t 20
PHÂN TÍCH RI RO DA TRÊN XÁC SUT
• Dòng tin không tng quan
•Nu dòng tin là không tng quan, dòng tin

ca mt nm bt k hoàn toàn đc lp vi dòng
tin ca nm trc đó. Ví d, vào cui nm th
nht chúng ta không cn thit phi bit v dòng
tin thc s xy ra trong nm đu tiên đ điu
chnh nhng c tính ca chúng ta v dòng tin
nm th hai.
∑
=
+
σ
=σ
n
1t
t2
2
CF
PV
)k1(
)(
t
Chuyên ngành TCDN Hoch đnh NS vn đu t 21
PHÂN TÍCH RI RO DA TRÊN XÁC SUT
5%10%20%30%20%10%5%Xác sut
2.0001.7501.5001.2501.000750500Dòng tin
5.0004.5004.0003.5003.0002.5002.000Doanh thu
USD000.250.1)CF(E
pCF)CF(E
n
1j
jj

=
×=
∑
=
8
Chuyên ngành TCDN Hoch đnh NS vn đu t 22
PHÂN TÍCH RI RO DA TRÊN XÁC SUT
•  lch chun ca dòng tin:
USD000.362
p)]CF(ECF[
CF
n
1j
j
2
jCF
=σ
×−=σ
∑
=
Chuyên ngành TCDN Hoch đnh NS vn đu t 23
PHÂN TÍCH RI RO DA TRÊN XÁC SUT
•Nu dòng tin là hoàn toàn tng quan qua
tng nm,
•Nu dòng tin là không tng quan,
∑
=
+
σ
=σ

n
1t
t
CF
PV
)k1(
t
USD000.372.1
PV
=
σ
∑
=
+
σ
=σ
n
1t
t2
2
CF
PV
)k1(
)(
t
USD000.619
PV
=σ
Chuyên ngành TCDN Hoch đnh NS vn đu t 24
PHÂN TÍCH RI RO DA TRÊN XÁC SUT

•Gi s rng giá tr thu hi hoc là 1 triu USD
hoc là 3 triu USD vi xác sut ln lt là 40%
và 60%.
•Giátr thu hi k vng và đ lch chun ca giá
tr thu hi là:
• E(giá tr thu hi) = 40% x 1.000.000 + 60% x
3.000.000 = 2.200.000 USD
USD000.980
)200.2000.3%(60)200.2000.1%(40
22
SV
=
−+−=σ
9
Chuyên ngành TCDN Hoch đnh NS vn đu t 25
PHÂN TÍCH RI RO DA TRÊN XÁC SUT
•Hin giá ca giá tr thu hi k vng và đ lch
chun ca hin giá giá tr thu hi là
USD000.366.1
%)101(
000.200.2
)PV(E
5
SV
=
+
=
USD000.609
%)101(
000.980

5
pv
sv
=
+
=σ
Chuyên ngành TCDN Hoch đnh NS vn đu t 26
PHÂN TÍCH RI RO DA TRÊN XÁC SUT
•Giátr thu hi thì không tng quan vi dòng
tin hot đng hàng nm do đó chúng ta có th
áp dng quy tc thng kê cn bn là phng sai
ca tng các bin c đc lp nhau s bng tng
các phng sai riêng l.
• E(NPV)= 1.250 x PVFA
5,10%
+ 2.200 x PVF
5,10%
- 5.000 =
1.105.000
•Tng quan hoàn toàn qua các nm
• Không tng quan qua các nm
USD000.501.1609372.1
22
NPV
=+=σ
USD000.868609619
22
NPV
=+=σ
Chuyên ngành TCDN Hoch đnh NS vn đu t 27

PHÂN TÍCH RI RO DA TRÊN XÁC SUT
•Tng quan hoàn toàn và không tng quan là
hai thái cc mà chúng ta him gp trong thc t.
Tng quan mt phn thì ph bin hn, trong
đócómt vài s liên h gia dòng tin nm này
và dòng tin ca nm k tip.
•Nu chui các dòng tin là tng quan mt
phn, đ lch chun ca NPV s nm đâu đó
gia 2 thái cc này, gia 868.000 USD và
1.501.000 USD.
•Mt khi NPV k vng và đ l
ch chun NPV đã
đc tính toán, nhà qun tr có th s dng
nhng thông tin này đ ra quyt đnh, hoc là s
dng phán đoán hoc là phát trin nhng đnh
hng chính sách đ có th chp nhn s đánh
đi gia kh nng sinh li và ri ro.
10
Chuyên ngành TCDN Hoch đnh NS vn đu t 28
PHÂN TÍCH RI RO DA TRÊN XÁC SUT
•Víd, gi đnh phân phi xác sut là NPV là
phân phi chun, tính xác sut doanh nghip RC
có NPV<0 khi quyt đnh đu t.
•Hoc chúng ta có th tính xác sut NPV thp
hn mt mc NPV mc tiêu nào đó.
Chuyên ngành TCDN Hoch đnh NS vn đu t 29
MÔ PHNG
•Mt mô hình mô phng là mt mô hình ca mt
h thng mà nó có th thc hin mt cách hoàn
chnh đ xem xét h thng trong thc t s phn

ng nh th nào vi nhng tình hung khác
nhau.
•Hu ht mô hình là đc xây dng trên mt lot
các phng trình toán hc.
•Mt mô hình mô phng, là mt tp hp ca rt
nhiu chng trình trong máy tính có th mô t
nhng tình hung rt phc tp và có th s
dng đ kim tra s tác đng t vic thay đi rt
nhiu bin s trong s kt hp vi nhau.
Chuyên ngành TCDN Hoch đnh NS vn đu t 30
MÔ PHNG
•Quyt đnh đu t ca RC đc mô t các
phng trình nh sau:
•Chi đu t = 5.000.000 USD
• Doanh thu = 3.000.000 USD
•T s bin phí = 0,5.
• Chi phí c đnh = 50.000 USD.
•Giátr thu hi = 3.000.000 USD
• Dòng tin = Doanh thu (1- t s bin phí) – Chi
phí c đnh
• NPV = Dòng tin x PVFA5,10% + Giá tr thu hi
x PVF5,10% - Chi đu t
11
Chuyên ngành TCDN Hoch đnh NS vn đu t 31
MÔ PHNG MONTE-CARLO
•K thut này có tên Monte – Carlo vì nó s dng
nhng nhng vòng roullette (nh trong sòng bài)
đ to ra nhng giá tr đc rút ra mt cách
ngu nhiên nhng vi xác sut ca vic đc
rút ra đc kim soát đ xp x vi xác sut thc

s ca vic xy ra.
•Gi đnh rng vic qun tr d án thì có nhng
ngun không chc chn t doanh thu, giá tr thu
hi, và t s bin phí.
•Quay li quyt đnh đu t ca công ty RC,
chúng ta có th thc hin mô phng Monte-
Carlo nh sau:
Chuyên ngành TCDN Hoch đnh NS vn đu t 32
MÔ PHNG MONTE-CARLO
25%50%25%Xác sut
0,60,50,4T s bin phí
60%40%Xác sut
3.0001.000Giá tr thu hi
5%10%20%30%20%10%5%Xác sut
5.0004.5004.0003.5003.0002.5002.000Doanh thu
Chuyên ngành TCDN Hoch đnh NS vn đu t 33
MÔ PHNG MONTE-CARLO
• Chúng ta xem xét trong ch tiêu t s bin phí.
Chúng ta to ra bánh xe roullette mà :
•¼ca bánh xe này đi din cho mt t s bin
phí là 0,4,
• ½ hình tròn đi din cho mt t s bin phí là
0,5 và
• ¼ còn li ca hình tròn này đi din cho t s
bin phí 0,6 tng ng vi phân phi xác sut
ca bin phí.
• Khi các bánh xe này quay, xác sut mà bánh xe
ngng li  mt t s bin phí c th là ging
nh là xác sut thc s ca t s này xy ra.
12

Chuyên ngành TCDN Hoch đnh NS vn đu t 34
MÔ PHNG MONTE-CARLO
•Mi bánh xe s đc quay 1 ln đ cung cp giá
tr doanh thu, giá tr thu hi và t s bin phí.
Da trên ba giá tr này, NPV đc tính toán.
•Ln lt 3 bánh xe này đc quay 1 ln na và
mt NPV mi đc tính toán da trên nhng giá
tr doanh thu mi, giá tr thu hi và t s bin phí
mi.
• Quá trình này đc lp li hàng nghìn ln, vi
mi ln tái din đuc đ cp là “phép lp”.
Chuyên ngành TCDN Hoch đnh NS vn đu t 35
MÔ PHNG MONTE-CARLO
1.000
3.000
Giá tr thu hi
2.000
2.500
3.000
3.500
4.000
4.500
5.000
Doanh thu
0,4
0,5
0,6
T s bin phí
Chuyên ngành TCDN Hoch đnh NS vn đu t 36
MÔ PHNG MONTE-CARLO

•Sau mt s lng ln các phép lp, t l ca
các phép lp s dn đn kt qu mt NPV c th
(hoc là mt dãy các giá tr NPV) xp x bng vi
xác sut ca NPV (hoc dãy NPV) xy ra.
•Mt nghìn ln phép lp ca mô hình trên đc
thc hin và kt qu đc tng kt trong bng
sau. Nhng kt qu này có th s dng trong
mt s dng ra quyt đnh ri ro – t sut sinh li
vi phân phi xác sut ca NPV đã đt đc
trong vài cách khác.
13
Chuyên ngành TCDN Hoch đnh NS vn đu t 37
MÔ PHNG MONTE-CARLO
0
%
5
%
10
%
15
%
20
%
25
%
< -
1.600
1.600 -
800
800 -

0
0 -
800
800 -
1.600
1600
-
2400
2.400
-
3.200
3.200
–
4.000
>
4.000
Chuyên ngành TCDN Hoch đnh NS vn đu t 38
MÔ PHNG MONTE-CARLO
•Mô phng Monte Carlo cho nhà qun tr mt
cách nhìn chi tit v ri ro hn nhng phng
pháp liên quan đn xác sut trc đây.
•Kt hp vi giá tr k vng và đ lch chun ca
NPV, nhà qun tr đã có cái nhìn tng th v
phân phi xác sut ca NPV và xác sut ca
NPV âm.
• Chúng ta có th thc hin các phép lp bng
máy tính. Mt chc nng to các s ngu nhiên
s đc s dng thay cho các bánh xe roullette.
Chuyên ngành TCDN Hoch đnh NS vn đu t 39
MÔ PHNG MONTE-CARLO

• Mu hình phân phi xác sut
• Trong ví d trên, chúng ta gi đnh rng nhng
bin s ch có th nhn mt con s hu hn giá
tr, nh doanh thu ch có th là 2 triu USD hoc
2,5 triu USD mà không th là 2,3 triu USD.
•Hu nh bt k hình dng phân phi xác sut
nào đu thích hp. Chc nng to s ngu
nhiên thì có sn cho rt nhiu mu hình phân
phi xác sut và bt k phân phi nào cng có
th xp x bng mt tp hp ca các giá tr ri
rc vi xác sut cho trc.
14
Chuyên ngành TCDN Hoch đnh NS vn đu t 40
MÔ PHNG MONTE-CARLO
• Gii quyt vi tính tng quan
• Chúng ta gi đnh rng không có tính tng
quan gia các bin s mà chúng ta không chc
chn v chúng. Nu 2 bin tng quan hoàn
toàn, mt s đc xem là bin ngu nhiên và
bin kia s đc xem là mt hàm s ca bin
ngu nhiên. Mt cách đ gii quyt mi tng
quan mt phn là đnh rõ mt mi quan h vi
h s ngu nhiên.
• Phân tích hi quy s cung cp các tham s đc
lp mà nó có th đc s dng trong nhng
thông tin đang trin khai v phân phi xác sut
ca nhng bin s này.
Chuyên ngành TCDN Hoch đnh NS vn đu t 41
MÔ PHNG MONTE-CARLO
• Bt li ca vic mô phng

•D liu cho mô hình mô phng có th tn nhiu
chi phí đ xây dng bi vì c tính phân phi
xác sut phi đc khai thác vi mt s bin s
sau đó mô hình mi đc xây dng, lp trình và
kim li. iu này có th tiêu tn nhiu chi phí v
nhân lc, cht xám và nó có th trì hoãn vic ra
quyt đnh.
•Mô phng Monte Carlo không tách ra ri ro h
thng mà nó là mi quan tâm chính yu ca các
nhà đu t. Thc cht, mô phng Monte Carlo
có th s dng đ to ra nhng d liu đu vào
ca nhng phng pháp khác.
Chuyên ngành TCDN Hoch đnh NS vn đu t 42
MÔ PHNG MONTE-CARLO
• Mô phng Monte Carlo
• u đim:
• Cung cp kt qu trong điu kin xác sut.
•Xem xét nhng ngun ri ro khác nhau.
•Cóth mô hình các chui quyt đnh
• Nhc đim:
• òi hi nhiu chi phí và thi gian
•Phi có xác sut ca các bin đu vào
•Kh nng gii hn trong vic gii quyt s
tng tác gia các bin
15
Chuyên ngành TCDN Hoch đnh NS vn đu t 43
CÂY QUYT NH
•Cây quyt đnh thì đc bit hu dng trong
trng hp gii quyt vi nhng quyt đnh theo
dãy .

•Mt quyt đnh dãy có th liên quan đn mt c
hi đ m rng hoc t b quyt đnh đu t
ph thuc vào doanh thu nm th nht.
•Víd: RC có th thc hin m rng phân tích
cây quyt đnh.
•Nh li rng dòng tin ca RC là 0,5 x doanh thu
-500.000.
•Giátr thu hi vào cui vòng đi d án 5 nm có
th là 1 triu USD hoc 3 triu USD.
Chuyên ngành TCDN Hoch đnh NS vn đu t 44
CÂY QUYT NH
• Doanh thu có th là 2 triu USD hoc 4 triu
USD mt nm tng ng vi xác sut ln lt
là 0,3 và 0,7
•Bt k doanh thu xy ra trong nm th nht nh
th nào s xy ra trong nhng nm sau đó nh
vy.
•Nhàmáy cóth bán vi giá 3,5 triu USD vào
cui nm th nht.
•Cóxác sut 0,4 cho giá tr thu hi là 1 triu USD
vào cui nm th 5 và xác sut cho giá tr thu
hi 3 triu USD là 0,6 cho thi đim đó.
Chuyên ngành TCDN Hoch đnh NS vn đu t 45
CÂY QUYT NH
16
Chuyên ngành TCDN Hoch đnh NS vn đu t 46
CÂY QUYT NH
• Hình vuông là đim đa ra quyt đnh.
• Hình tròn là đim ca kt qu.
•Ti đim A doanh nghip đng trc đim quyt

đnh nguyên thy: xây dng hay không xây
dng?
•Nu xây dng, kt qu s đi theo đng phân
nhánh trên.
•Nu hy b, kt qu đa đn là NPV=0.
Chuyên ngành TCDN Hoch đnh NS vn đu t 47
CÂY QUYT NH
•Nu xây dng, ti đim B, s có 2 kt qu:
• Doanh s là 2 triu USD vi xác sut 30%.
• Doanh s là 4 triu USD vi xác sut 70%.
•Tng t, đim C là đim quyt đnh trong
trng hp doanh s là 2 triu USD: hy b hay
tip tc?
•Nu tip tc, kt qu s theo đng phân nhánh
phía di.
•Nu hy b, NPV s là -1.363
Chuyên ngành TCDN Hoch đnh NS vn đu t 48
CÂY QUYT NH
•Nu xây dng, doanh s 2 triu USD, và tip
tc, ti đim E, s có 2 kt qu:
•Giátr thu hi là 1 triu USD, vi xác sut là
40%. iu này dn đn NPV là -2.484
•Giátr thu hi là 3 triu USD, vi xác sut là
60%. iu này s dn đn NPV là -1.242
•Nu xây dng, doanh s 4 triu USD, và tip
tc, ti đim F, s có 2 kt qu:
•Giátr thu hi là 1 triu USD, vi xác sut là
40%. iu này dn đn NPV là 1.307
•Giátr thu hi là 3 triu USD, vi xác sut là
60%. iu này s dn đn NPV là 2.549

17
Chuyên ngành TCDN Hoch đnh NS vn đu t 49
CÂY QUYT NH
• Doanh nghip có 3 đim quyt đnh:
•Ti đim C (doanh thu nm 1 là 2 triu USD):
E
(NPVtip tc)
= 40% x (-2.484.000) +60% x (-1.242.000) = -
1.730.000 .
• Doanh nghip nên t b vì th đng phân
nhánh đn đim E s không có xác sut xy ra.
•Ti đim D (doanh thu nm 1 là 4 triu USD):
E
(NPVtip tc)
= 40%(1.307.000) + 60%(2.549.000) = 2.052
USD
•Vìth đng phân nhánh hy b không có xác
xut xy ra.
Chuyên ngành TCDN Hoch đnh NS vn đu t 50
CÂY QUYT NH
• E
(NPV)
= 30%(-1.364.000) + 28%(1.307.000) +
42%(2.549.000) = 1.207.000 USD
• Phân tích cây quyt đnh, tng t nh các
phng pháp phân tích ri ro khác, không nói
cho nhà qun tr bit s la chn nào nên thc
hin. Tuy nhiên, công c này thc s cho nhà
qun tr mt bc tranh rõ ràng hn các h qu
có th ca nhng quyt đnh mà nhà qun tr

đang đi mt. H có th s dng nhng thông
tin này đ xem xét gii pháp đ kim soát ri ro
hoc đ quyt đnh rng nhng li ích tim nng
có tng xng vi ri ro hay không.
Chuyên ngành TCDN Hoch đnh NS vn đu t 51
CÂY QUYT NH
• Tuy nhiên, ví d trên ch đa ra 2 kh nng v
doanh thu, trong khi thc t thì rt nhiu. Vì th,
cây quyt đnh có th kt hp vi mô phng
Monte Carlo ti nhng đim quyt đnh nh A,C
và D.
• Chúng ta có th thc hin vic nghiên cu mô
phng ti đim đn C và D đã cho đ giúp nhà
qun tr quyt đnh rng nhng gì h s làm ti
nhng đim này.
•Mt khi quy lut quyt đnh cui cùng  nhng
đim đc xác đnh mt mô phng Monte Carlo
có th đc chy cho toàn b d án đu t
đc đ ngh, kt hp cht ch vi nhng quy
tc quyt đnh đc thit lp ti mi giao đim
sau quyt đnh đu t khi đu.
18
Chuyên ngành TCDN Hoch đnh NS vn đu t 52
CÂY QUYT NH
• Tuy nhiên, ví d trên ch đa ra 2 kh nng v
doanh thu, trong khi thc t thì rt nhiu. Vì th,
cây quyt đnh có th kt hp vi mô phng
Monte Carlo ti nhng đim quyt đnh nh A,C
và D.
• Chúng ta có th thc hin vic nghiên cu mô

phng ti đim đn C và D đã cho đ giúp nhà
qun tr quyt đnh rng nhng gì h s làm ti
nhng đim này.
•Mt khi quy lut quyt đnh cui cùng  nhng
đim đc xác đnh mt mô phng Monte Carlo
có th đc chy cho toàn b d án đu t
đc đ ngh, kt hp cht ch vi nhng quy
tc quyt đnh đc thit lp ti mi giao đim
sau quyt đnh đu t khi đu.
Chuyên ngành TCDN Hoch đnh NS vn đu t 53
CÂY QUYT NH
• Cây quyt đnh
• u đim:
• Cung cp kt qu trong điu kin xác sut.
• Không ch giúp đ, nó tp trung vào vic ra
quyt đnh theo chui
• Nhc đim:
• òi hi c tính xác sut
•Cóth đòi hi nhiu thi gian và chi phí ph
thuc vào quy mô và mc đ linh hat ca tng
trng hp.
Chuyên ngành TCDN Hoch đnh NS vn đu t 54
C TÍNH XÁC SUT CHO PHÂN TÍCH RI
RO
• D liu lch s
•Khi bn thc hin mt phân tích hi quy v mi
quan h quá kh ca nhng bin s, bn nhn
đc thông tin v phân phi xác sut ca mi h
s hi quy.
• Phân phi xác sut này có th đc s dng

trong mô phng Monte Carlo.  c tính mt
phân phi xác sut t nhng quan sát lch s thì
điu cn thit là phân phi xác sut phi duy trì
tính n đnh cho mt s k cn thit và s gi s
n đnh trong tng lai. Nhng đòi hi này thc
s gii hn hng tip cn theo s liu lch s.
Tuy nhiên, lch s vn thng xuyên hu ích
trong c tính xác sut.
19
Chuyên ngành TCDN Hoch đnh NS vn đu t 55
C TÍNH XÁC SUT CHO PHÂN TÍCH RI
RO
• Th nghim
•Th nghim th trng và điu kin sn xut thí
nghim là nhng loi thng gp ca th
nghim và nó dn đn thông tin v xác sut.
Chúng ta có th thc hin nhng th nghim 
nhng phân khúc th trng và tìm ra phân phi
xác sut cho c th trng.
• Công ty không ch có giá tr k vng và thông tin
v ri ro mà phng pháp này còn kt thúc vi
thông tin v vic bn cht ca các bin tác đng
nh th nào đn các doanh thu ca c th
trng .
Chuyên ngành TCDN Hoch đnh NS vn đu t 56
C TÍNH XÁC SUT CHO PHÂN TÍCH RI
RO
• Phán đoán
•Nhng ngi có kin thc thng cht vn vi
nhng gì liên quan đn c tính. Hng tip

cn này là đc bit thông dng cho k thut tiên
đoán tng lai.
•Víd, mt ngi am tng có th tính mt s
nm d kin đ mt na dân s có TV phân gii
cao. Mt phân phi xác sut có th đc c
tính da trên nhng thông tin này. ólàlnh vc
nghiên cu có phm vi rng vi ch đ c tính
xác sut và phng pháp này chc chn đã
đc s dng trong nhng lnh vc nht đnh.
Chuyên ngành TCDN Hoch đnh NS vn đu t 57
CHN LA PHNG PHÁP PHÂN
TÍCH
•Mi phng pháp phân tích ri ro có nhng u
nhuc đim riêng đc.
• Không có mt thc đo nào đúng cho mi
trng hp. Công vic ca các chuyên gia là la
chn thc đo đúng cho tng trng hp, đólà
mt phân tích đ nhy đn gin và nhanh chóng
cho mt d án vi quy mô va phi hay ri ro
qua hng tip cn cây quyt đnh đ phân tích
th trng quc t mi đc xác đnh bi nhng
c hi bc vào và m rng sau đó.
20
Chuyên ngành TCDN Hoch đnh NS vn đu t 58
LÃI SUT VÀ PHÂN TÍCH RI RO
•Vic đo lng ri ro bnh hng bi lãi sut
chit khu mà bn thân nó thng xuyên b tác
đng bi ri ro. Chúng ta khng đnh rng gii
pháp duy nht đ đo lng ri ro ca đu t là
s dng lãi sut phi ri ro sau thu đ chit khu

trong phân tích ri ro.
•Nu nhà qun tr mun bit kh nng mà t sut
sinh li t
 chi tiêu vn liu có cao đ đ đn bù
cho nhà đu t vi ri ro gánh chu, thì chi phí
s dng vn thích hp s tr li câu hi trên.
•Nu mc tiêu là xác đnh xác sut mà t sut
sinh li thp hn t sut sinh li phi ri ro có th
to ra thì lãi sut chit khu phi ri ro sau thu
s tr li câu hi trên.
• Các câu hi khác s dn đn nhng lãi su
t
chit khu khác nhau.