Систему оценки наукоемких венчурных проектов при помощи методов так называемой нечеткой логики (fuzzy logic) разработали математики из МГУ им. М.В. Ломоносова. В основу разработки положена недавно опубликованная учеными научная работа, в которой развита теория сравнения разнородных наборов неполных данных и субъективных суждений. Разработка получила высокую оценку венчурных инвесторов, специализирующихся на высокотехнологичных и наукоемких проектах.
Ориентация экономики на наукоемкие проекты требует объективных инструментов оценки будущей эффективности того или иного стартапа. Обычно в роли таких инструментов выступают интуиция и личные впечатления инвестора или его представителя. И зачастую венчурные инвесторы и государственные институты развития вкладывают десятки миллионов рублей в молодую команду начинающих предпринимателей, оценивая риски невозврата денег на основе мнений всего одного-двух экспертов. Если же к оценке проекта привлекают чуть большее количество специалистов и пытаются как-то объективно суммировать их мнения, то экспертам в лучшем случае предлагают выставить проекту простые оценки, из которых потом вычисляют обычное среднее арифметическое.
Между тем существуют точные и объективные математические методы, позволяющие работать с нечеткими системами оценки качества и выбора. Ими занимается раздел науки, который так и называется: нечеткая математика или нечеткая логика. Его задача — формализовать такие понятия, как интуиция, предчувствие, жизненный опыт, и математически представить полученную информацию.
— У каждого параметра, влияющего на окончательный выбор проекта, есть определенный набор вариаций, — рассказал «Известиям» младший научный сотрудник физического факультета МГУ им. М.В. Ломоносова Андрей Зубюк. — Всякой вариации соответствует значение, характеризующее ее возможность, или, иными словами, правдоподобие. Степень правдоподобия тех или иных вариаций определяет либо эксперт (в случае субъективного суждения), либо статистика.
Но зачастую эксперт не может точно оценить перспективы предлагаемой технологии по какому-то критерию. Например, эксперту чаще всего тяжело предсказать, насколько востребованным окажется продукт, который будет получен в результате внедрения технологии, и оценить будущий спрос в каких-либо численных единицах. К тому же оценки разных экспертов могут значительно отличаться друг от друга, и вычисление среднего арифметического этих оценок не даст сколь-нибудь осмысленного результата.
Ученые предложили использовать для вычисления инвестиционных рисков нечеткие — в математическом смысле — оценки, которые позволяют эксперту выразить любую степень неуверенности: от полной убежденности (тогда это ничем не отличается от традиционной «четкой» оценки) до абсолютного сомнения, когда эксперт фактически отказывается выразить свое мнение.
— У нас разработаны математические методы теории возможностей, позволяющие дать численную оценку инвестиционных рисков на основе таких вот нечетких суждений, — рассказал «Известиям» основатель кафедры математического моделирования и информатики физического факультета МГУ им. М.В. Ломоносова профессор Юрий Пытьев.
В университете имеется «Научный парк МГУ», где постоянно ведется отбор высокотехнологичных проектов для инвестирования. Заместитель генерального директора этого технопарка Василий Петреченко рассказал «Известиям», что применение разработок, сделанных коллегами по университету, способно, на его взгляд, сильно сократить потерю денег инвестиционными организациями в результате неудачных инвестиций в бесперспективные проекты.
— Мы пытались применять разные математические методы при выборе стартапов для будущих инвестиций, однако нечеткая математика — по-видимому, наиболее подходящий инструмент в этой сфере, — считает он.
Точную оценку эффективности метода практические инвесторы давать пока остерегаются: нет достаточной статистики. Однако, по утверждению Василия Петриченко, в нескольких случаях математика уже помогла «Научному парку МГУ» избежать неоправданных рисков.