新能源汽车厂址选择与建设项目不确定性分析及风险分析

新能源汽车厂址选择与建设项目不确定性分析及风险分析一、不确定性分析我们主要的几个财务指标进行了敏感性分析，包括FIRR、五年FNPV、投资回收期、投资利润率及投资利税率。结果表明，FIRR、五年FNPV、投资回收期三个指标都对出租车的单价最敏感，其次是出租车第四年的销售量，最后是出租车第五年的销售量。指标对其它变量均不敏感。具体数值见下图。而投资利润率及投资利税率则是对出租车销售量最敏感，其次为出租车单价，对其它自变量均不敏感。具体数值见下图。其中，正的百分比代表指标与该变量的变化正相关，而负的百分比代表该指标与该变量的变化负相关。例如，出租车单价与IRR的相关系数为正的0.531，而出租车单价与投资回收期的相关系数为负的0.532。二、风险分析（一）政策方面的风险因素从去年开始，国家出台了一系列关于新能源汽车的一揽子政策，包括：《关于开展私人购买新能源汽车补贴试点的通知》，《“节能产品惠民工程”节能汽车(1.6升及以下乘用车)推广实施细则》,《关于扩大公共服务领域节能与新能源汽车示范推广有关工作的通知》，这都显示了国家发展新能源汽车的决心。涉及到我们项目部分的，十米以上纯电动汽车补贴标准为50万元/辆。从政策方面看，国家对于新能源汽车方面的补贴，主要还是倾向于私人购买，我们的主要客户群则是各级地方政府。“新能源汽车最近已经成为汽车界的时尚，但电动车在长时间内，代替常规汽车是不可能的”，长安\o"汽车"汽车研究院常务副院长刘波在中国商用车发展高峰论坛上这样说道。因为近来国家对于新能源汽车的重视，使得很多跟汽车相关甚至不相关的企业大肆进军新能源汽车。过多企业的蜂拥而上，容易出现汽车产业产能急剧扩大的苗头。为了抑制汽车产能的急剧扩大，国家可能会出台相关政策给新能源汽车降温。虽然某作为新能源汽车的领军企业，受到的影响不会很大，但也会有一定的风险。（二）市场方面的风险因素在市场竞争方面，因为新能源汽车的有很大的发展潜力，现在很多汽车企业都投入到新能源汽车的研发中。竞争的企业中除了有国内的企业，更多的来自国外的汽车企业，而这些企业都是具有悠久的历史，雄厚的资金，人才丰厚的汽车科研机构的。（三）资源方面的风险因素汽车的主要原材料为钢铁，经过调研，项目的钢铁供应在量方面是不成问题的，主要在于质的要求上，因为新能源汽车对钢铁的质量的要求相对于常规汽车要更高。目前国内所生产钢铁的质量可能达不到新能源汽车所用的标准。（四）投资方面的风险因素投资主要方面的风险主要涉及设备的费用和员工工资。设备的采购有一部分是来自于国外的，在运输过程当中可能会有来自自然的不可抗力的影响。汇率也是影响设备采购成本的一个重要因素。员工工资我们有可能低估了，使用的是以往的数据，现在的工资水平可能有所提高。（五）融资方面的风险因素融资方式是贷款，面临的风险是利率的浮动，利率上调，就会带来融资成本的增加。（六）外部环境风险因素外部环境的风险因素主要是土地费用和外购燃料及动力。随着经济形势的好转，燃料费用也会提高。三、风险评估风险的程度等级分为一般风险、较大风险、严重风险和灾难性风险四个等级。风险因素风险等级政策严重风险市场较大风险资源一般风险投资一般风险融资一般风险外部环境一般风险四、利用蒙特卡洛方法分析因为政策是不可以量化的，而后面几项风险我们都对其进行了量化，进而用蒙特卡洛模拟进行了风险分析。1.市场（1）出租车Statistics:ForecastvaluesTrials5000Mean10388268.71Median10371241.4Mode——StandardDeviation1140102.8Variance1.29983E+12Skewness0.135119039Kurtosis2.796296263Coeff.ofVariability0.109749065Minimum6682584.711Maximum14189194.19RangeWidth7506609.475MeanStd.Error16123.5计算经济风险：Er=σn/E=0.11式中：Er为经济风险；σn为标准差，万元；E为期望值，万元。计算结果表明：Er>0,且Er<0.5,说明该风险属于低风险。（2）公交车Statistics:ForecastvaluesTrials5000Mean650026.0853Median647580.4739Mode——StandardDeviation72137.64658Variance5203840054Skewness0.148043895Kurtosis2.7Coeff.ofVariability0.1Minimum446578.5Maximum897913.2194RangeWidth451334.7432MeanStd.Error1020.180382计算经济风险：Er=σn/E=0.11计算结果表明：Er>0,且Er<0.5,说明该风险属于低风险。2.资源Statistics:ForecastvaluesTrials5000Mean7726806Median7714476Mode——StandardDeviation799103.8926Variance——Skewness0.133538782Kurtosis2.774783188Coeff.ofVariability0.103419687Minimum5148890.488Maximum10318279.95RangeWidth5169389MeanStd.Error11301计算经济风险：Er=σn/E=0.10计算结果表明：Er>0,且Er<0.5,说明该风险属于低风险。3.投资设备Statistics:ForecastvaluesTrials5000.0Mean1077370.8Median1077190.6Mode——StandardDeviation15301.46998Variance234134983.6Skewness-0.033790924Kurtosis2.796097234Coeff.ofVariability0.014202603Minimum1028812.782Maximum1125385.5RangeWidth96572.7MeanStd.Error216.4计算经济风险：Er=σn/E=0.01计算结果表明：Er>0,且Er<0.5,说明该风险属于低风险。（2）员工年度总工资Statistics:ForecastvaluesTrials5000.0Mean39931.3Median39927.30255Mode——StandardDeviation1310.251577Variance1716759.195Skewness-0.009260124Kurtosis2.419753401Coeff.ofVariability0.032812664Minimum36538.7Maximum43336.3RangeWidth6797.6MeanStd.Error18.5297555计算经济风险：Er=σn/E=0.03计算结果表明：Er>0,且Er<0.5,说明该风险属于低风险。（3）工资及福利费Statistics:ForecastvaluesTrials5,000.00Mean103,821.32Median103810.9866Mode——StandardDeviation3406.6541Variance11605292.16Skewness-0.009260124Kurtosis2.419753401Coeff.ofVariability0.032812664Minimum95,000.64Maximum112,674.39RangeWidth17,673.75MeanStd.Error48.17736431计算经济风险：Er=σn/E=0.03计算结果表明：Er>0,且Er<0.5,说明该风险属于低风险。4.融资Statistics:ForecastvaluesTrials5000Mean56788.17677Median56772.2503Mode——StandardDeviation3052Variance9312603Skewness0Kurtosis2.722935614Coeff.ofVariability0.053737519Minimum47877.71638Maximum66556.80855RangeWidth18679.09217MeanStd.Error43.156929计算经济风险：Er=σn/E=0.05计算结果表明：Er>0,且Er<0.5,说明该风险属于低风险。5.外部环境土地费用Statistics:ForecastvaluesTrials5000Mean24972.88579Median24953.59604Mode——StandardDeviation2505.268631Skewness0.0Kurtosis2.9Coeff.ofVariability0.1Minimum16493.54069Maximum33218.86214RangeWidth16725.32145MeanStd.Error35.42984875计算经济风险：Er=σn/E=0.10计算结果表明：Er>0,且Er<0.5,说明该风险属于低风险。（2）外购燃料及动力Statistics:ForecastvaluesTrials5000Mean668068.7535Median666597.3135Mode——StandardDeviation69,382.74Variance4,813,964,982.66Skewness0.13Kurtosis2.77274