Techniques to identify the probability and financial impact of different risks occurring over varying timescales

ยินดีต้อนรับสู่การวิเคราะห์ความเสี่ยงในการประเมินโครงการ!

ในบทก่อนหน้า เราได้เรียนรู้วิธีการคำนวณ มูลค่าปัจจุบันสุทธิ (Net Present Value - NPV) และ อัตราผลตอบแทนภายใน (Internal Rate of Return - IRR) กันไปแล้ว เครื่องมือเหล่านี้ถือว่ายอดเยี่ยมมาก แต่ส่วนใหญ่มักจะพึ่งพา "ค่าประมาณการจุดเดียว" (Point Estimates) หรือตัวเลขเพียงตัวเลขเดียวที่เรา หวัง ว่ามันจะเป็นจริง แต่ในโลกแห่งความเป็นจริงนั้น ทุกอย่างมักจะไม่เป็นไปตามแผนที่วางไว้เสมอไป!

บทนี้เราจะขยับจากการใช้ "การคาดเดาที่ดีที่สุด" ไปสู่ "การบริหารความเสี่ยงอย่างชาญฉลาด" เราจะมาสำรวจวิธีระบุความเป็นไปได้ของความเสี่ยงและวัดผลกระทบทางการเงินที่อาจเกิดขึ้นเมื่อเวลาผ่านไป ไม่ต้องกังวลนะถ้าดูเหมือนจะเต็มไปด้วยคณิตศาสตร์ในตอนแรก เราจะค่อยๆ ย่อยทุกแนวคิดให้เป็นขั้นตอนที่เข้าใจง่ายและทำตามได้แน่นอน

1. การวิเคราะห์ความอ่อนไหว (Sensitivity Analysis)

การวิเคราะห์ความอ่อนไหว มักถูกเรียกว่าการวิเคราะห์แบบ "จะเกิดอะไรขึ้นถ้า" (What-if analysis) ซึ่งตั้งคำถามว่า "ถ้าตัวแปรตัวหนึ่งเปลี่ยนไป มูลค่า NPV ของเราจะเปลี่ยนแปลงไปมากน้อยแค่ไหน?"

ลองจินตนาการว่าคุณกำลังเปิดร้านขายน้ำมะนาว คุณประเมินกำไรจากการขายน้ำมะนาว 100 แก้ว แก้วละ 1 ดอลลาร์ การวิเคราะห์ความอ่อนไหวจะถามว่า: "ถ้าขายได้แค่ 80 แก้ว กำไรจะเป็นอย่างไร?" หรือ "ถ้าจู่ๆ ราคามะนาวพุ่งสูงขึ้นเป็นสองเท่าจะเป็นอย่างไร?"

วิธีการทำงาน:

1. ระบุตัวแปรสำคัญ (เช่น ปริมาณการขาย, อัตราคิดลด, ต้นทุนเริ่มต้น)
2. เปลี่ยนแปลง ทีละหนึ่งตัวแปร โดยที่ตัวแปรอื่นๆ ยังคงที่
3. คำนวณหาค่า NPV ใหม่
4. ระบุว่าโครงการ "อ่อนไหว" ต่อตัวแปรใดมากที่สุด (ตัวแปรไหนที่ทำให้ NPV ลดลงมากที่สุด)

ข้อผิดพลาดที่ควรหลีกเลี่ยง:

นักศึกษามักเข้าใจผิดว่าการวิเคราะห์ความอ่อนไหวคือการดูหลายตัวแปรพร้อมกัน จำไว้นะว่า: ในการวิเคราะห์ความอ่อนไหวแบบมาตรฐาน เราจะเปลี่ยนเพียง ปัจจัยเดียว ในแต่ละครั้ง เพื่อให้เห็นผลกระทบที่เกิดขึ้นจากตัวแปรนั้นอย่างชัดเจน

ทบทวนด่วน: การวิเคราะห์ความอ่อนไหวช่วยให้เราพบ ตัวแปรวิกฤต (Critical Variables) ที่อาจทำให้โครงการสำเร็จหรือล้มเหลวได้ หากการเปลี่ยนแปลงเพียง 1% ของราคาวัตถุดิบทำให้ NPV ติดลบ แสดงว่านั่นคือตัวแปรที่มีความเสี่ยงสูง!

2. การวิเคราะห์สถานการณ์ (Scenario Analysis)

ในขณะที่การวิเคราะห์ความอ่อนไหวมองที่ตัวแปรเดียว แต่ การวิเคราะห์สถานการณ์ จะมองเป็น "ชุด" ของตัวแปรที่เปลี่ยนไปพร้อมกัน ซึ่งสมจริงกว่าเพราะในโลกความเป็นจริง ความเสี่ยงมักมาเป็นกลุ่มก้อน

สถานการณ์มาตรฐาน 3 รูปแบบ:

1. สถานการณ์แย่ที่สุด (Worst Case): ต้นทุนสูง, ยอดขายต่ำ, อัตราดอกเบี้ยสูง
2. สถานการณ์ที่เป็นไปได้มากที่สุด (Most Likely Case): การประเมินที่ดีที่สุดว่าสถานการณ์น่าจะเป็นอย่างไร
3. สถานการณ์ดีที่สุด (Best Case): ต้นทุนต่ำ, ยอดขายสูง, อัตราดอกเบี้ยต่ำ

ตัวอย่าง: ลองนึกถึงการเปิดตัวภาพยนตร์ "สถานการณ์แย่ที่สุด" ไม่ใช่แค่ยอดขายตั๋วต่ำเท่านั้น แต่อาจหมายถึงยอดขายตั๋วต่ำ รวมกับ ค่าการตลาดที่สูง บวกกับ เสียงวิจารณ์ในแง่ลบ การวิเคราะห์สถานการณ์จะช่วยดักจับ "พายุที่สมบูรณ์แบบ" เหล่านี้ได้

ประเด็นสำคัญ: การวิเคราะห์สถานการณ์ทำให้เราเห็นช่วงของผลลัพธ์ NPV ที่เป็นไปได้ ช่วยให้ผู้บริหารเข้าใจถึง "ความเสี่ยงด้านลบ" และ "ศักยภาพด้านบวก" ของโครงการ

3. การวิเคราะห์ความน่าจะเป็นและค่าคาดหมาย (Probability Analysis and Expected Values)

บางครั้งเราสามารถกำหนด ความน่าจะเป็น (โอกาสเกิด) ให้กับผลลัพธ์ต่างๆ ได้ และเมื่อทำเช่นนั้น เราจะสามารถคำนวณหา ค่าคาดหมาย (Expected Value - EV) ได้

สูตรการคำนวณ:

ค่าคาดหมายคือค่าเฉลี่ยถ่วงน้ำหนักของผลลัพธ์ที่เป็นไปได้ทั้งหมด:
\( EV = \sum (P_i \times X_i) \)
โดยที่ \( P_i \) คือความน่าจะเป็นของผลลัพธ์ และ \( X_i \) คือมูลค่าทางการเงิน (NPV) ของผลลัพธ์นั้น

ตัวอย่างการคำนวณ:

โครงการหนึ่งมีโอกาส 30% ที่จะสร้างกำไรได้ 100,000 ดอลลาร์ และมีโอกาส 70% ที่จะสร้างกำไรได้ 40,000 ดอลลาร์
\( EV = (0.30 \times 100,000) + (0.70 \times 40,000) \)
\( EV = 30,000 + 28,000 = \$58,000 \)

รู้หรือไม่? ค่าคาดหมายไม่ใช่ผลลัพธ์ที่คุณ คาดหวัง ว่าจะเห็นในการลองทำเพียงครั้งเดียว ในตัวอย่างข้างต้น คุณจะไม่มีทางทำกำไรได้ 58,000 ดอลลาร์จริงๆ เพราะผลลัพธ์คือ 100k หรือ 40k เท่านั้น แต่ค่า EV แสดงถึงค่าเฉลี่ยในระยะยาวหากคุณทำโครงการนี้ซ้ำๆ หลายครั้ง

4. การจำลองสถานการณ์แบบมอนติคาร์โล (Monte Carlo Simulation)

เมื่อโครงการมีความซับซ้อนและมีปัจจัยหลายอย่างเกี่ยวข้อง การใช้สถานการณ์แบบง่ายๆ อาจไม่เพียงพอ การจำลองแบบมอนติคาร์โล จะใช้คอมพิวเตอร์รันสถานการณ์ "จะเกิดอะไรขึ้นถ้า" หลายพันรูปแบบพร้อมกัน

กระบวนการ:

1. กำหนด การกระจายความน่าจะเป็น (Probability Distribution) ให้กับตัวแปรที่ไม่แน่นอนแต่ละตัว (เช่น ยอดขายอาจอยู่ระหว่าง 500 ถึง 1,000 หน่วย โดยเป็นไปตามเส้นโค้งระฆังคว่ำ)
2. คอมพิวเตอร์จะสุ่มเลือกค่าของตัวแปรแต่ละตัวและคำนวณหา NPV
3. คอมพิวเตอร์จะทำซ้ำแบบเดิม 1,000 ครั้งขึ้นไป
4. ผลลัพธ์ที่ได้คือ การกระจายตัวของ NPV ซึ่งแสดงให้เห็นว่าโครงการมีโอกาสทำกำไรได้มากน้อยแค่ไหน

เทคนิคช่วยจำ: ลองนึกภาพ "มอนติคาร์โล" เหมือนคาสิโน คุณกำลัง "ทอยลูกเต๋า" นับพันครั้งเพื่อดูว่าผลลัพธ์โดยเฉลี่ยในระยะยาวจะเป็นอย่างไร

5. แผนภูมิการตัดสินใจ (Decision Trees)

แผนภูมิการตัดสินใจ คือแผนภาพที่ใช้สำหรับโครงการที่มีการตัดสินใจเป็น ขั้นตอน ตามลำดับเวลา เหมาะอย่างยิ่งสำหรับการระบุความเสี่ยงที่เกิดขึ้นในแต่ละช่วงเวลา

องค์ประกอบสำคัญ:

1. จุดตัดสินใจ (Decision Nodes - รูปสี่เหลี่ยม): จุดที่ฝ่ายบริหารต้องเลือกทางเลือก
2. จุดเหตุการณ์ (Chance Nodes - รูปวงกลม): จุดที่เหตุการณ์ที่ไม่แน่นอนเกิดขึ้น (เช่น ตลาดเติบโตหรือภาวะถดถอย)
3. กิ่ง (Branches): แสดงเส้นทางต่างๆ พร้อมด้วยต้นทุนหรือรายได้ที่เกี่ยวข้อง

วิธีการแก้ปัญหา: วิธี "ย้อนกลับ" (Roll-Back Method)

ในการประเมินแผนภูมิการตัดสินใจ ให้คุณเริ่มจาก ด้านขวา (จุดสิ้นสุดโครงการ) แล้วย้อนกลับมาที่ ด้านซ้าย (ปัจจุบัน):
- ณ จุดเหตุการณ์ ให้คำนวณค่าคาดหมาย (Expected Value)
- ณ จุดตัดสินใจ ให้เลือกกิ่งที่มีมูลค่าสูงที่สุดและ "ตัดทิ้ง" (เพิกเฉย) กิ่งที่เหลือ

ประเด็นสำคัญ: แผนภูมิการตัดสินใจเหมาะสำหรับโครงการที่มี "หลายขั้นตอน" เช่น การพัฒนายาใหม่ ซึ่งคุณต้องตัดสินใจว่าจะดำเนินการต่อหรือไม่หลังจากผ่านแต่ละขั้นตอนของการทดลอง

6. สรุปเทคนิคต่างๆ

ควรใช้เทคนิคไหน? ขึ้นอยู่กับสิ่งที่คุณต้องการรู้:

• ใช้ การวิเคราะห์ความอ่อนไหว เพื่อหาตัวแปรเดียวที่อันตรายที่สุด
• ใช้ การวิเคราะห์สถานการณ์ เพื่อดูผลกระทบเมื่อเหตุการณ์ต่างๆ เกิดขึ้นร่วมกัน (กรณีดีที่สุด/แย่ที่สุด)
• ใช้ ค่าคาดหมาย เมื่อคุณมีข้อมูลความน่าจะเป็นที่เชื่อถือได้
• ใช้ การจำลองแบบมอนติคาร์โล สำหรับโครงการที่มีความซับซ้อนสูงและมีตัวแปรจำนวนมาก
• ใช้ แผนภูมิการตัดสินใจ สำหรับโครงการที่มีขั้นตอนต่อเนื่องและมีตัวเลือกในการปรับเปลี่ยนแผนระหว่างทาง

กล่องทบทวนด่วน:

ความเสี่ยง (Risk) = วัดค่าได้ (เราทราบความน่าจะเป็น)
ความไม่แน่นอน (Uncertainty) = วัดค่าไม่ได้ (เราไม่ทราบโอกาสเกิด)
ข้อสอบ CB1 ส่วนใหญ่มักเน้นไปที่ ความเสี่ยง ซึ่งเราพยายามเปลี่ยนความกังวลให้เป็นตัวเลข!

ไม่ต้องกังวลนะถ้าบทนี้ดูซับซ้อนในตอนแรก! วิธีที่ดีที่สุดในการฝึกให้ชำนาญคือ ลองวาดแผนภูมิการตัดสินใจและฝึกคำนวณ NPV ในสถานการณ์ต่างๆ สู้ๆ นะ คุณทำได้แน่นอน!