ЖУРНАЛ БІЗНЕС ІНФОРМ.

УКР

ENG

Пошук:

СВІДОЦТВО ПРО РЕЄСТРАЦІЮ

КВ №19905-9705 ПР від 02.04.2013 р.

ЗАСНОВНИКИ

НАУКОВО-ДОСЛІДНИЙ ЦЕНТР ІНДУСТРІАЛЬНИХ ПРОБЛЕМ РОЗВИТКУ НАН УКРАЇНИ
(ХАРКІВ, УКРАЇНА)

ROR

ЕДРПОУ 05481984

Згідно з рішенням № 802 Національної ради України з питань телебачення і радіомовлення від 14.03.2024 р. зареєстрований суб’єктом у сфері друкованих медіа. Ідентифікатор R30-03156

ВИДАВЕЦЬ

ФОП Лібуркіна Л. М.

КАТАЛОГ

Інтеграція моделювання Монте-Карло та нечіткої логіки в оцінку методом DCF: рамка для врахування геополітичних ризиків
Стащук Д. М., Алексін Г. О.

Stashchuk, Dmytro M., and Aleksin, Glib O. (2026) “Integrating Monte Carlo Simulation and Fuzzy Logic into DCF Valuation: Framework for Incorporating Geopolitical Risk.” Business Inform 7:472–487.
https://doi.org/10.32983/2222-4459-2026-7-472-487

Розділ: Фінанси, грошовий обіг і кредит

Стаття написана англійською мовою
Завантажень/переглядів: 2

Завантажити статтю (pdf) -

УДК 330.131.7:330.322.5

Анотація:
Метою дослідження є розробка та емпірична перевірка оцінки компанії для середовищ, уражених конфліктом, де детерміновані моделі дисконтованих грошових потоків (DCF) недостатньо відображають стохастичну мінливість або невизначеність. Дослідження демонструє, як оцінка DCF, моделювання Монте-Карло та нечітка логіка можуть поєднуватися, як геополітичні умови можуть бути перетворені на кількісне коригування ризику та премії, а також як ця інтеграція змінює оцінку підприємств і профіль ризиків АТ «Укрзалізниця». Пропонована модель використовує багаторівневу методологію. Детермінований п’ятирічний DCF встановлює базову вартість підприємства; система нечіткої логіки перетворює експертні оцінки стабільності територіального контролю, пошкодження інфраструктури, економічного відновлення, а також регуляторної та політичної стабільності на додаткову геополітичну премію за ризик; симуляція Монте-Карло з 10 000 ітерацій моделює невизначеність у WACC і темпах зростання. Ця рамка поєднує оцінку невизначеності з ймовірнісним аналізом фінансової волатильності. Застосована до АТ «Укрзалізниці», ця система дає премію за геополітичний ризик у розмірі 8,84 відсоткового пункту. Симуляція з урахуванням невизначеності дає середню вартість підприємства 947 млн доларів США та нижню межу 601 млн доларів США за 95% ймовірності, порівняно з базовою оцінкою в 1 551 млн доларів США. Результати визначають WACC як основний канал, через який геополітична та макрофінансова невизначеність знижує вартість компанії. Ця рамка надає інвесторам, аналітикам, кредиторам, менеджерам і політикам прозору основу для оцінки вартості, реструктуризації, стрес-тестування та оцінювання політик, що підвищують стабільність інституцій і стійкість інфраструктури. Її значущість полягає в тому, щоб зробити економічну ціну геополітичної нестабільності видимою для галузей транспорту, евакуації, гуманітарної логістики та післявоєнної інтеграції. Оригінальність дослідження полягає в послідовному, відтворюваному зв’язку між нечіткою геополітичною оцінкою, кількісною корекцією ставки дисконтування та стохастичними результатами DCF. Дослідження обмежене експертними судженнями та фіксованими грошовими потоками. Майбутні дослідження можуть емпірично калібрувати нечіткі параметри, що дозволить геополітичним умовам і грошовим потокам динамічно змінюватися під час моделювання, а також валідувати метод у різних секторах і країнах.

Ключові слова: дисконтований грошовий потік (DCF); симуляція Монте-Карло; нечітка логіка; оцінка; геополітичний ризик.

Рис.: 1. Табл.: 11. Формул: 9. Бібл.: 23.

Стащук Дмитро Михайлович – кандидат економічних наук, доцент, кафедра корпоративних фінансів і контролінгу, Київський національний економічний університет імені Вадима Гетьмана (просп. Берестейський, 54/1, Київ, 03057, Україна)
Email: [email protected]
Алексін Гліб Олегович – кандидат економічних наук, доцент, кафедра корпоративних фінансів і контролінгу, Київський національний економічний університет імені Вадима Гетьмана (просп. Берестейський, 54/1, Київ, 03057, Україна)
Email: [email protected]

Список використаних у статті джерел

Alzarrad M. A. Fuzzy Monte Carlo simulation to optimize resource planning and operations. Concepts, Applications and Emerging Opportunities in Industrial Engineering / ed. by Gary Moynihan. London : IntechOpen, 2020. DOI: https://doi.org/10.5772/intechopen.93632
Bessembinder H. Discounted-cash-flow value estimates are optimistic when assumptions are not. SSRN Working Paper No. 3617355. 2020. DOI: https://doi.org/10.2139/ssrn.3617355
Brealey R. A., Myers S. C., Allen F. Principles of Corporate Finance. 13th ed. New York : McGraw-Hill Education, 2019. 992 p.
Chrysafis K. A., Papadopoulos B. K. Decision making for project appraisal in uncertain environments: A fuzzy-possibilistic approach of the expanded NPV method. Symmetry. 2021. Vol. 13. Iss. 1. Art. 27. DOI: https://doi.org/10.3390/sym13010027
Clewlow L., Strickland C. Implementing Derivatives Models. Hoboken : Wiley, 1998. 336 p.
Copeland T., Koller T., Murrin J. Valuation: Measuring and Managing the Value of Companies. 7th ed. Hoboken : Wiley, 2020. 976 p.
Damodaran A. Investment Valuation: Tools and Techniques for Determining the Value of Any Asset. 3rd ed. Hoboken : Wiley, 2012. 974 p.
Delao R., Myers S. Subjective cash flow and discount rate expectations. The Journal of Finance. 2021. Vol. 76. Iss. 3. P. 1339–1387. DOI: https://doi.org/10.1111/jofi.13016
Drissi R. Empirical analysis of unlisted companies' valuation using discounted cash flow methods. GATR Journal of Finance and Banking Review. 2023. Vol. 8. Iss. 1. P. 73–84. DOI: https://doi.org/10.35609/jfbr.2023.8.1(4)
Duarte Junior A. M., de Albuquerque e Silva H. G. Equity valuation with fuzzy multicriteria decision analysis. Revista Brasileira de Finan?as. 2018. Vol. 16. No. 2. P. 221–249. DOI: https://doi.org/10.12660/rbfin.v16n2.2018.61929
Glasserman P. Monte Carlo Methods in Financial Engineering. New York : Springer, 2003. 596 p.
Hertz D. B. Risk analysis in capital investment. Harvard Business Review. 1964. Vol. 42. No. 1. P. 95–106. URL: https://hbsp.harvard.edu/product/79504-PDF-ENG
Hull J. C. Options, Futures, and Other Derivatives. 10th ed. Harlow : Pearson, 2018. 868 p.
Hussain Z. Implementing Monte Carlo simulation model for revenue forecasting under the impact of risk and uncertainty. Management and Production Engineering Review. 2019. Vol. 10. No. 4. P. 81–89. DOI: https://doi.org/10.24425/mper.2019.131448
Klir G. J., Yuan B. Fuzzy Sets and Fuzzy Logic: Theory and Applications. Upper Saddle River, NJ : Prentice Hall, 1995. 592 p.
Korol T. The implementation of fuzzy logic in forecasting financial ratios. Contemporary Economics. 2018. Vol. 12. Iss. 2. P. 165–188. DOI: https://doi.org/10.5709/ce.1897-9254.270
Milanesi G. S. Fuzzy logic, parity theories and two currencies valuation for emerging markets with the discount cash flow model. Finance, Markets and Valuation. 2019. Vol. 5. No. 1. P. 69–94. DOI: https://doi.org/10.46503/DHIQ4370
Milanesi G. S., Weins G., Pequeno D. Parity theories and two currencies valuation with discounted cash flow using fuzzy logic. Estoc?stica: Finanzas y Riesgo. 2020. Vol. 10. No. 1. P. 27–76.
Modigliani F., Miller M. H. The cost of capital, corporation finance and the theory of investment. The American Economic Review. 1958. Vol. 48. No. 3. P. 261–297. URL: http://www.jstor.org/stable/1809766
Moro-Visconti R. DCF metrics and the cost of capital: ESG drivers and sustainability patterns [Preprint]. Milan : Universit? Cattolica del Sacro Cuore, 2020. URL: https://www.researchgate.net/publication/344953641_DCF_METRICS_AND_THE_COST_OF_CAPITAL_ESG_DRIVERS_AND_SUSTAINABILITY_PATTERNS
Teker S. Revisiting discounted cash flows model as a capital budgeting decision tool. PressAcademia Procedia. 2020. Vol. 12. P. 60–63. DOI: https://doi.org/10.17261/Pressacademia.2020.1349
Wicaksono F. D., Arshad Y. B., Sihombing H. Norm-dist Monte-Carlo integrative method for the improvement of fuzzy analytic hierarchy process. Heliyon. 2020. Vol. 6. Iss. 3. Art. e03607. DOI: https://doi.org/10.1016/j.heliyon.2020.e03607
Zadeh L. A. Fuzzy sets. Information and Control. 1965. Vol. 8. Iss. 3. P. 338–353. DOI: https://doi.org/10.1016/S0019-9958(65)90241-X