díky své nepřehlédnutelnosti a nepřemístitelnosti jsou ... file · web viewprohlašuji...
TRANSCRIPT
DIPLOMOVÁ PRÁCE
MASTER OF BUSINESS ADMINISTRATION
NÁZEV DIPLOMOVÉ PRÁCE/TITLE OF THESIS
Riziková analýza, vyhodnocení ekonomické efektivnosti a komerční životaschopnosti investičního projektu výzkumu a vývoje. Porovnání
metod, návrh způsobu zajištění financování projektu.
TERMÍN UKONČENÍ STUDIA A OBHAJOBA (MĚSÍC/ROK)leden 2014
JMÉNO A PŘÍJMENÍ / STUDIJNÍ SKUPINAJiří Mikeš / MBA 29
JMÉNO VEDOUCÍHO DIPLOMOVÉ PRÁCEMiroslav Špaček
PROHLÁŠENÍ STUDENTA
Prohlašuji tímto, že jsem zadanou diplomovou práci na uvedené téma vypracoval/a samostatně a že jsem ke zpracování této diplomové práce použil/-a pouze literární prameny v práci uvedené.Jsem si vědom/a skutečnosti, že tato práce bude v souladu s § 47b zák. o vysokých školách zveřejněna, a souhlasím s tím, aby k takovému zveřejnění bez ohledu na výsledek obhajoby práce došlo.Prohlašuji, že informace, které jsem v práci užil/a, pocházejí z legálních zdrojů, tj. že zejména nejde o předmět státního, služebního či obchodního tajemství či o jiné důvěrné informace, k jejichž použití v práci, popř., k jejichž následné publikaci v souvislosti s předpokládanou veřejnou prezentací práce, nemám potřebné oprávnění.
Datum a místo: 18. 11. 2013
____________________________
podpis studenta
PODĚKOVÁNÍ
Rád bych tímto poděkoval vedoucímu diplomové práce za možnost zpracovat téma práce a za jeho vstřícnost a odborné rady při jejím vzniku.
SOUHRNCíl práce: Posoudit ekonomickou efektivnost a komerční životaschopnost jednotlivých variant investičního projektu v podobě výzkumu a vývoje soupravy kitů pro spolehlivý popis poměrů na kontaminovaných lokalitách s ohledem na její sanační řešení. Současně s tím se zaměřit na rizika projektu, jejich řízení a vliv na vlastní projekt. Řešením by mělo být porovnání hodnotících metod a jejich aplikování na varianty projektu. Cílem je mimo jiné zdůraznění významu ekonomicko-finančního rámce projektu jako jeho integrální součásti, výzkum a vývoj nevyjímaje.Výzkumné metody: V teoretické části byla uplatněna analýza recentních a
relevantních informačních zdrojů. Jejich syntézou vznikla teoretická část jako informační východisko projektu. V praktické části byly sestaveny tři finanční modely výzkumných projektů, které se následně zhodnotily metodami hodnocení investic na bázi kvantitativních metod (NPV, IRR, PP a RI). Vzhledem k významu hodnoty flexibility v investičních projektech následovalo použití metody reálných opcí. Pro analýzu rizik byl zvolen postup založený na numerických metodách – simulace Monte Carlo pracující s náhodnými čísly.Výsledky výzkumu/práce: Výsledky práce mají dva rozměry: Strukturální (systematický) rozměr, který představuje metodický aparát pro přesvědčivější přípravu ekonomicko-finančních částí projektů ve výzkumu a vývoji, které mohou být financovány různými způsoby, a rozměr případové studie, v níž jsou využity metody hodnocení a metody analýzy rizik.Závěry a doporučení: Výstupy práce ukazují směr v přípravě výzkumně-vývojových projektů, který je založen vedle kvalitně zpracované věcné části záměru také na promyšleném postupu finančně-ekonomické analýzy. Na příkladu nástroje veřejné podpory výzkumných projektů je upozorněno na podcenění těchto aspektů. Zásadní doporučení se opírá o apel přistupovat k financování a ekonomice projektů zodpovědně na půdorysu jakéhokoliv projektového financování.
KLÍČOVÁ SLOVA
výzkum a vývoj, projekt R&D, metody hodnocení investic, reálné opce, analýza rizik
SUMMARYMain objective: Assessment of the economic efficiency and commercial viability of each variant of an investment project (research and development kits reliable description of conditions on contaminated sites with respect to its remediation solutions). At the same time, focusing on project risks, their management and the impact of its projects. The solution should be a comparison of evaluation methods and their application on variants of the project. Finally, this work should emphasize the importance of economic and financial framework of any project as its integral part (research and development is not exception).Research methods: In the theoretical part, analysis of recent and relevant information sources has been applied. Their synthesis was established as part of the theoretical basis of particular information. The practical part has been compiled in the form of three financial models, research projects, which are evaluated by capital budgeting (appraisal) methods based on quantitative methods (NPV, IRR, PP, and RI). Given the importance of flexibility in the value of investment projects, real
options method was used in order to quantify it. The risk analysis approach was based on numerical methods - Monte Carlo simulation working with random numbers.Result of research: The results of two dimensions: structural (systematic) dimension, which represents a methodological apparatus for preparing of compelling economic-financial parts of the projects in research and development, which may be financed in various ways. As a case study, evaluation methods and methods of risk analysis were used in order to comment their impact.Conclusions and recommendation: The outputs show the direction of the work of R & D projects, which is based not only on the quality of the processed material, however it focuses on particular methods of financial and economic analysis. The example of the public fund instruments for research projects is highlighted as well. A fundamental recommendation is based on the appeal to use finance and economics tools in project proposal preparation for any project financing mechanism.
KEYWORDS
research & development, project, capital budgeting methods, real options, risk analysis
JEL CLASSIFICATION
G11 – Portfolio Choice, Investment decisionsG3 – Corporate finance and Governance
D21 – Firm behavior
Obsah
1 Úvod.............................................................................................................................1
2 Teoreticko-metodologická část práce...........................................................................2
2.1 Management výzkumu a vývoje – teorie nástrojů a metod.....................................................3
2.1.1 Terminologický přehled.....................................................................................................3
2.1.2 Nástroje a metody výzkumu a vývoje................................................................................5
2.1.3 Stage Gate Innovation Process a další metody plánování projektů...................................6
2.1.4 Identifikace potřeb, SWOT analýza, rozhodování.............................................................7
2.2 Organizační rámec projektu..................................................................................................10
2.2.1 Log Frame projektu..........................................................................................................11
2.2.2 Ganttův digram................................................................................................................12
2.3 Ekonomické aspekty R&D projektu.....................................................................................13
2.4 Finanční a ekonomický pohled na R&D a jeho výstupy.......................................................14
2.4.1 Hodnotící metody, oceňování výstupů............................................................................15
2.4.2 Podstata investičního a finančního rozhodování..............................................................16
2.4.3 Dynamické metody hodnocení investic...........................................................................17
2.4.4 Ekonomická přidaná hodnota..........................................................................................18
2.4.5 Teorie dotací a subvencí..................................................................................................21
2.4.6 Multikriteriální hodnocení investičních variant...............................................................22
2.4.7 Reálné opce......................................................................................................................24
2.5 Analýza rizik a jejich management.......................................................................................29
3 Analytická/praktická část práce..................................................................................34
3.1 Přípravná fáze projektu.........................................................................................................34
3.2 Odborná část projektu a nefinanční přínosy..........................................................................34
3.3 Finanční model projektu.......................................................................................................37
3.4 Ekonomická hlediska projektu..............................................................................................42
3.5 Rozbor rizik a jejich prevence...............................................................................................49
3.5.1 Rizika dosažení cíle projektu...........................................................................................50
3.5.2 Citlivostní analýza a analýza rizik metodou Monte Carlo...............................................51
4 Závěr...........................................................................................................................66
Literatura.........................................................................................................................69
Přílohy.............................................................................................................................75
Seznam zkratek
CF cash flow (peněžní tok)
CSO/CTO chief science officer / chief technology officer
ČNB Česká národní banka
E! Eureka (evropský program podpory výzkumu a vývoje)
FEMS Federation of European Microbiological Societies
IRR internal rate of return
MPO Ministerstvo průmyslu a obchodu
NPV net present value
OECD Organizace pro hospodářskou spolupráci a rozvoj
OFAT One-Factor-at-a-Time
PERT project evaluation and review technique
PP payback period
R&D research and development (výzkum a vývoj)
RI rentability of investment
SWOT analýza silných, slabých stránek, příležitostí a hrozeb
TAČR Technologická agentura České republiky
US EPA US Environmental Protection Agency
VaVaI výzkum, vývoj a inovace
Seznam tabulek
Tab. 1 Logický rámec projektu...................................................................................................................12
Tabulka 2 Přehled zdrojů investičních projektů.........................................................................................21
Tab. 3 Typy reálných opcí..........................................................................................................................25
Tab. 4 Etapy a výsledky projektu...............................................................................................................36
Tab. 5 Varianty a scénáře investičního projektu........................................................................................38
Tab. 6 Struktura nákladů dotační fáze.......................................................................................................39
Tab. 7 Návrh variabilních nákladů.............................................................................................................41
Tab. 8 Finanční ukazatele firmy.................................................................................................................42
Tab. 9 Kvantitativní hodnocení investic.....................................................................................................44
Tab. 10 Ukazatele efektivnosti při variabilních nákladech z modelu VLASTNÍ...........................................45
Tab. 11 Vstupní hodnoty parametrů opce analyzovaného projektu VLASTNÍ............................................46
Tab. 12 Parametry pro reálnou opci v modelu VLASTNÍ............................................................................47
Tab. 13 Binomický rozvoj modelu VLASTNÍ a vývoj vnitřní hodnoty jeho opce..........................................48
Tab. 14 Podklady pro charakterizaci rizik..................................................................................................50
Seznam příloh
Příloha 1 Definice výzkumu a vývoje
Příloha 2 Přehled hodnotících metod dle faktoru času
Příloha 3 Log Frame projektu
Příloha 4 Ganttův diagram
Příloha 5 Finanční modely projektů
Příloha 6 Matice rizik
Seznam obrázků
Obrázek 1 Kontinuum R&D..........................................................................................................................4
Obrázek 2 Proces fází a bran.......................................................................................................................7
Obrázek 3 Matice SWOT.............................................................................................................................9
Obrázek 4 Rozhodovací strom...................................................................................................................10
Obrázek 5 Projektová fiše..........................................................................................................................12
Obrázek 6 Ganttův diagram zhotovený v MS Excel...................................................................................13
Obrázek 7 Word cloud k tématu ekonomických aspektů...........................................................................13
Obrázek 8 SWOT analýza..........................................................................................................................37
Obrázek 10 Průběh kumulovaného CF v tis. Kč..........................................................................................43
Obrázek 11 Model DOTACE - Tornado Chart.............................................................................................53
Obrázek 12 Model DOTACE – rozdělení pravděpodobnosti NPV, IRR a RI.................................................54
Obrázek 13 Model DOTACE - analýza citlivosti..........................................................................................55
Obrázek 14 Model VLASTNÍ -Tornado Chart..............................................................................................56
Obrázek 15 Model VLASTNÍ – rozdělení pravděpodobnosti NPV, IRR a RI.................................................57
Obrázek 16 Model VLASTNÍ – analýza citlivosti.........................................................................................58
Obrázek 17 Model NÁKUP - Tornado Chart...............................................................................................59
Obrázek 18 Model NÁKUP – rozdělení pravděpodobnosti NPV, IRR a RI...................................................60
Obrázek 19 Model NÁKUP – analýza citlivosti...........................................................................................61
Obrázek 20 Simulace vlivu diskontní sazby na NPV modelů......................................................................63
Obrázek 21 Simulace vlivu variabilních nákladů na NPV modelů..............................................................64
Obrázek 22 Simulace vlivu objemu produkce na NPV projektů..................................................................65
1 Úvod
Jednou z cest, jak systematicky budovat konkurenční výhodu, je bezesporu výzkum a vývoj. Je-li konkurenční výhoda vnímána jako klíčový prvek úspěšné existence na trhu a takového podnikání, které může být označeno za úspěšné, je nasnadě namísto snah o elegantní definice konkurenční výhody věnovat o to více času jejímu aktivnímu budování, ochraně a rozvíjení. V dnešní době, která bez nadsázky bývá označována jako informační věk, se stále více smývají rozdíly mezi jednotlivými subjekty na globálním trhu a právě tvorba pozice, která dostatečně účinně odlišuje vůči konkurentům, která je efektivním průmětem konkurenceschopnosti a která posiluje prvek výjimečnosti, je stále těžší. Současně s tím je však nutné dodat, že nikdy nebylo snazší aktivně se zapříčinit o systematický a zejména strategický přístup k utváření konkurenční výhody. Nejenom díky informovanosti, ale především díky možnosti zužitkovat bezpočet prostředků pro její budování.Aplikovaný výzkum, popř. experimentální vývoj představují oblasti, jejichž společným jmenovatelem je silný důraz na použitelnost jejich výstupů v praxi (i ve smyslu businessu). Výrazně se tak odlišují od výzkumu základního, jehož stěžejní pohnutku představuje síla zaplnit bílá místa ve stavu poznání z hlediska principů a teorií. Aplikovaný výzkum zaujímá v podnikových procesech místo, kterého zdánlivě odlišuje od úsilí okamžitě zvyšovat zisk, zlepšovat procesy jako takové a zefektivnit návratnost investic. Zapojení prvku nejistoty jako základního charakteristického znaku R&D však bezprostředně závisí, ovlivňuje a za správně zvoleného postupu zlepšuje všechny zmíněné oblasti na mikroekonomické úrovni. Z hlediska makroekonomického je konkrétní složkou, jejímž úspěšným rozvojem celé hospodářství posiluje svoji konkurenceschopnost, znalostní charakter a strategická pozice v globálním světě.Možná více než kdy v minulosti mají podniky šanci buď samy, nebo formou účinné spolupráce se specializovanými organizacemi (univerzity, vysoké školy, výzkumné ústavy) možnost rozvíjet svou konkurenční výhodu cestou výzkumu a vývoje. Státy obecně bývají velmi nakloněny těmto snahám a poskytují ať již na národní nebo mezinárodní úrovni globální nástroje, kterými lze snižovat rizikovost výzkumu, odbourávat silnou averzi k riziku a podporovat tuto formu chování na podnikové úrovni. Jedná se nástroje v podobě programů podpory výzkumu a vývoje, seed fondy nebo politiku daňových úlev pro nositele výzkumu a vývoje na firemní úrovni.Tato práce si v teoretické rovině vytkla popsat proces výzkumu, shromáždit účinné nástroje pro implementaci, měření a řízení těchto aktivit a nastínit cesty, jak vidět přínos v celkovém parametru úspěchu. V praktické části se věnuje konkrétnímu projektu výzkumu a vývoje v oblasti biotechnologie pro životní prostředí a aplikuje na ně ekonomicko-manažerský aparát s cílem nastínit přínos integrálního průniku odborné a technické roviny s efektivní správou a alokací finančních zdrojů a vhodně koncipovanou pozicí ve výzkumu a vývoji.
1
2 Teoreticko-metodologická část práce
Investiční projekty pro komerční subjekty jsou nástroji, jejichž prostřednictvím mohou
značnou měrou ovlivnit svoji budoucnost. Ve znalostně orientované ekonomice
s důrazem na posilování konkurenceschopnosti sehrávají klíčovou roli investiční
projekty ve výzkumu a vývoji. Výzkum může být chápán jako náklad (vysoká škola,
výzkumná organizace), ale měl by být vždy brán jako investice1 (aplikovaný výzkum,
experimentální vývoj, transfer poznatků základního výzkumu) (Boer, 1997, pp. 97–99).
Investiční rozhodování vyžaduje nejenom nezbytné penzum ekonomických a
manažerských znalostí, ale klade nároky na synergii s racionalitou designu a řízení
vlastní výzkumně-vývojové činnosti. Jedná se o exemplární případ potřebné
mezioborové symbiózy, která nesmí být pouhým účelovým konstatováním.
Intenzivně se rozvíjejícím sektorem na pomezí konvenčních přístupů vycházejících ze
znalostí chemie, geologie, mikrobiologie a jejich inženýrských aplikací je
environmentální servis v oblasti technické ochrany životního prostředí. Právě relativní
mládí této oblasti nabídky služeb klade značné požadavky na intenzifikaci
technologických transferů, na identifikaci konkrétních potřeb a především na hledání
východisek, díky kterým nejenom prosperuje firma toho odvětví, ale zároveň značným
způsobem ovlivňuje znalostně pojatou ekonomiku, přispívá k posílení
konkurenceschopnosti a v neposlední řadě má i nezanedbatelně velký vliv na životní
prostředí jako veřejný zájem a externalitu. To ještě více umocňuje potřebu racionálně
vynakládaných prostředků nejenom na vlastní podnikatelskou činnost, ale i na koncepci
R&D, neboť veřejné zdroje na odstraňování starých ekologických škod a v mnoha
případech i ekologických havárií před přijetím legislativy spojené s ekologickou újmou
jsou značně omezené a malé. Trh environmentálního servisu je specifický a
komplikovaný variabilitou možných interakcí.
Vliv na výdaje a příjmy komerčního subjektu, nezbytná riziková analýza, predikce
životního cyklu projektu2 s důrazem na komerční životaschopnost a průběžné
vyhodnocování ekonomické efektivnosti vymezují mantinely, které nejsou pouhou
teoretickou studií, ale mají nesmírně velký dopad na celkovou úspěšnost výzkumně-
1 investiční projekt jako nástroj tvorby hodnoty ekonomického subjektu2 graficky často znázorňovaná jako S-křivka, křivka se sigmoidním průběhem, analogie růstové křivky
z populačních studií a biologie
2
vývojově koncipovaného projektu v reálné praxi. Výše uvedené okruhy tak poskytují
základní okruh cílů, jejichž splněním by mělo být dosaženo účelu této práce – konkrétní
propojení ekonomicko-manažerské teorie s managementem výzkumu a vývoje na bázi
výstupu, jehož výsledky by měly mít reálný průmět v konkrétních aktivitách
komerčního subjektu zabývajícího se mj. smluvním výzkumem a technologickým
vývojem.
Cílem práce je na konkrétním výzkumně-vývojovém projektu aplikovat tři scénáře jeho
financování, s využitím dotačního titulu a bez veřejné podpory formou nákupu řešení
nebo jeho vlastního vývoje. Tyto situace budou modelovány s využitím shodných
parametrů, které v sobě nesou organizační, nefinanční, hospodářskou a finanční stránku
projektu. V obou zmíněných případech budou uplatněny hodnotící metody a analýza
rizik.
V případě environmentálních projektů bývá často zmiňováno hledisko veřejného zájmu,
neboť životní prostředí se vnímá jako externalita a oblast s významným vlivem státu
(Coase, 2012, p. 23). Tento výrok hraje důležitou roli při hodnocení těchto typů
projektu, neboť se proces hodnocení komplikuje o fázi přiřazení hodnoty externalitě,
což je vždy nesmírně komplikované a subjektivní (Šauer, 2007, p. 30).
2.1 Management výzkumu a vývoje – teorie nástrojů a metod
2.1.1 Terminologický přehled
Výzkum a vývoj (v anglosaském světě často pod zkratkou R&D) je typem podnikových
procesů, které mají velmi specifickou funkci a pozici ve struktuře podnikových aktivit.
Zjednodušeně může být komerční výzkum a vývoj vnímán v kontextu dvou rovin
problému: První z nich je nový produkt, jehož lze jen těžko dosáhnout bez jakékoliv
formy posunu ve stavu poznání, a druhou nová znalost na bázi osvojení si vědeckých a
technologických témat, jejichž cestou je odhalení a rozvinutí cesty k novému produktu
nebo službě. Trott (2008, p. 252) logicky upozorňuje na dějovou souslednost obou
aspektů a integruje je do tzv. R&D continuum3 (Obr. 1). Existují i jiné verze této
myšlenky, které jsou znázorňovány většinou jako časový průběh, životní cyklus,
3 termín zvolen za účelem vystihnout spojitost všech zúčastněných dějů jako vzájemně nedělitelných a
se závislostí na pořadí
3
nicméně princip zůstává shodný – vyjádřit přeměnu myšlenky nebo konceptu do
podoby fyzického produktu (služby).
Twiss (1992) nalezl pro komerční výzkum a vývoj přiléhavou a dodnes často citovanou
definici: „R&D is the purposeful and systematic use of scientific knowledge to improve
man‘s lot even through some of its manifestation do not meet with universal approval.4“
Kontroverzní výstupy dle této definice jsou v dnešní době mnohem snáze doložitelné na
konkrétních příkladech – např. kmenové buňky, genetické modifikace – odpor
konzervativců, odpor církevních kruhů, mnohdy absolutně mimo rozsah racionálního
chápání. Roussel (1991, p. 252) přinesl možná ještě výstižnější popis: „To develop new
knowledge and apply scientific or engineering knowledge to connect the knowledge in
one field to that in others.5“ Přidaná hodnota tohoto výroku leží v upozornění na natolik
vysokou rychlost vývoje stavu poznání, že je mnohdy naprosto nereálné tento integrační
krok uskutečnit.
Obr. 1 Kontinuum R&D
zdroj: podle Trott (2008, p. 252)
V této části může být užitečné definitoricky přiblížit některé stěžejní pojmy spojené
s problematikou výzkumu a vývoje. Předně zejména pro evropské prostředí (pojetí
akceptované EU a používané v dokumentech Rámce společenství) by měly být odlišeny
pojmy základní výzkum, experimentální vývoj a aplikovaný výzkum.
4 proces účelného a systematického využití vědecké znalosti – popření častých výroků o „neužitečnosti
základního výzkumu“, autor této práce (Jiří Mikeš) se přiklání k názoru, že výzkum je buď dobrý,
nebo špatný5 chvála interdisciplinarity s jedinou podmínkou – nesmí být samoúčelná a uměle konstruovaná
4
2.1.2 Nástroje a metody výzkumu a vývoje
Nositeli výzkumu a vývoje bývají vědečtí pracovníci6, v pojetí základního výzkumu
badatelé, v rovině komerčního výzkumu a vývoje inženýři nebo tzv. industrial
scientists7, což je název obtížně přeložitelný vhodným způsobem do českého jazyka.
Např. v USA je kariéra výzkumného pracovníka v komerčních službách nesmírně
ceněna, na rozdíl od tuzemského prostředí, kde je chápána spíše jako neúspěch ve
vztahu ke kariéře akademické nebo ze zištných důvodů.8 Většina výzkumných
pracovníků, kteří opouštějí akademickou půdu a přicházejí do komerčního prostředí, je
deformována stereotypy, které jsou obvyklé pro prostředí vysokých škol a výzkumných
ústavů. Zjednodušeně se jedná o utlumený účinek existenčních tlaků a potřeby
ekonomické racionality daných charakterem uvedených pracovišť, jež jsou vesměs
příspěvkovými organizacemi státu. Změna ve způsobu jejich uvažování bývá
dlouhodobým procesem a ne vždy se ho plně zdaří uskutečnit. Viditelným způsobem se
tyto skutečnosti projevují v momentě, kdy se výzkumný pracovník dostává na
manažerskou pozici. Tyto otázky si kladl Holec (2007), kdy definoval skutečnou
motivaci výzkumníka, kterou je zisk uznání v komunitě vědců získávané publikacemi v
uznávaných (impaktovaných) časopisech. Odtud také pramení mezi akademickými
pracovníky známé heslo publish or perish9. Právě ztráta určité svobody je často
používána jako argument neochoty měnit akademickou půdu za půdu komerční. Stane-li
se tak, bývá změna v uvažování a návycích velmi obtížná, zejména skutečnost
přizpůsobit se potřebě rozhodovat a využívat omezeně alokované a dostupné zdroje.
Nejvhodnějším adeptem na manažera výzkumu a vývoje10 se tak pragmaticky stává
kandidát v podobě ekonomicky vzdělaného vědce, nejlépe s akademickou i komerční
praxí. Takových lidí je však na trhu práce velmi málo, a pokud již jsou, tak je jejich
6 Drucker (1999, p. 166) je zastáncem širšího termínu znalostní pracovníci, neboť ne vždy se jedná o
intelektuálně pracující, mohou jimi být i techničtí a manuálně pracující pracovníci, společným rysem
je fakt, že vytváření ekonomickému subjektu hodnotu. Davenport (2005, p. 12) definuje znalostní
pracovníky jako lidi, kteří si vydělávají na živobytí tím, že myslí.7 http://www.careerinscience.co.uk/pathways/industrial.html8 ústní sdělení prof. Vladimíra Jirků, z roku 2002 (profesor mikrobiologie na VŠCHT Praha)9 autorství je přisuzováno M. Faradayovi, mj. známého obdobným výrokem Work, finish, publish
(paradoxně nadprodukce odborných textů jako důsledek tlaku hodnotících nástrojů vědecké práce vedl
k jízlivé poznámce, že všichni píšou a nikdo nečte…)10 R&D director, v anglosaském světě často chief science officer (CSO) nebo chief technology officer
(CTO)
5
práce velmi nákladná. Reakcí na potřebu saturovat poptávku po manažerech výzkumu
bylo zavedení studijních programů na některých amerických a evropských univerzitách,
popř. posílení významu studia programu MBA. V českém prostředí se vzdělávání v této
oblasti věnuje např. Katedra informačních technologií při VŠE v Praze. Jinak se jedná o
poměrně pozoruhodnou příležitost pro poskytovatele profesního vzdělávání, neboť je
evidentní nárůst poptávky po schopných manažerech v této oblasti.
2.1.3 Stage Gate Innovation Process a další metody plánování projektů
Výzkumně-vývojové projekty mají charakter jednorázových produkčních systémů,
neboť většinou jsou časově ohraničené, věcně definované a po splnění svého účelu
končí. Obecně je jejich věcná stránka determinována obecnými principy projektového
managementu ve vazbě na proces identifikace potřeb. Nicméně na tomto místě není od
věci uvést, že obdobné nástroje mohou nacházet uplatnění jak v procesu výzkumu a
vývoje, tak v širším pojetí inovací (např. produktové nebo procesní). Manažer projektu,
který je zodpovědný za jeho řízení (ať už výzkumně-vývojového nebo inovačního) musí
čelit vysokému stupni nejistoty, neznámých, proměnných a s tím souvisejících rizik.
U jednoduchých projektů se nabízí možnosti sloupcových diagramů, kterými se projekt
rozčlení na diskrétní objekty (činnosti nebo úkoly, analyzuje a sleduje (monitoruje)
v čase, včetně průmětu potřeb pracovní síly, postupu řešení, popř. zpoždění nebo
problémů. U komplikovaných typů projektů je však tento prostředek již nevhodný,
neboť nestačí na složitost systému. Z těchto důvodů se v součinnosti s rozvíjející se
výpočetní technikou objevila možnost síťové projekce konkrétních projektů. Konkrétně
se jedná o model PERT (Program Evaluation and Review Technique) a metodu CPM
(Critical Path Method – metoda kritické cesty), které v současnosti existují v mnoha
modifikacích a během své historie, která sahá do 50. let 20. století, se velmi osvědčily
např. v projektu vývoje ponorky pro odpalování raket Polaris, resp. při koordinaci prací
v rafinériích (Skalický, et al., 2007). Jinou metodou je Stage-Gate, v řadě svých
modifikací používaný nejenom v projektech výzkumu a vývoje a inovací, ale také
v marketingu a managementu obecně. Společným jmenovatelem těchto prostředků je
vnesení systému a pevných bodů do struktury projektu.
Stage-Gate Control Process (SGCP), jinými slovy též proces fází a bran (Obr. 2), což je
určitá metafora pro inovační proces nebo pro vývoj nových produktů. Je oblíbeným
dokumentačním prostředkem těchto dějů. Metafora spočívá v příměru projektových
6
aktivit k fázím (stages), které jsou přetínány kontrolními body v podobě bran (gates).
Brány jsou kontrolními body, které pracují v režimu stop-or-go. Generický model
SGCP popsal podrobněji Roberts (2007) ve své práci, včetně významu nastavení svých
metrik.
Obr. 2 Proces fází a bran
zdroj:STAGE-GATETM, logisticviewpoint.com
Na druhou stranu dobře sestavená struktura v rovině identifikace potřeb, popř.
identifikace příležitostí, SWOT analýza, logický rámec projektu a jeho průmět do
časového rozměru např. formou Ganttova diagramu mnohdy poslouží pro řízení
projektu více, než sebedokonalejší softwarová aplikace. Složitost (např. koexistence
více projektů v čase v rámci kompetenčního centra) se následně řeší aplikací tzv. work
packages (WP), pracovních balíčků. V tomto případě je však nutné původně dílčí
projekty překlasifikovat na součásti většího projektového celku.
2.1.4 Identifikace potřeb, SWOT analýza, rozhodování
Potřeba je subjektivně pociťovaný nedostatek něčeho nezbytného, což při jejím
dlouhodobém nenaplňování vede k deprivaci (definice v ekonomii a psychologii). Právě
schopnost analytického odhalení určitého nedostatku bývá často v kontextu
s dostupným stavem poznání spouštěcím mechanismem pro přípravnou práci na
výzkumně-vývojovém projektu, jehož účelem je pozitivní změna vyjádřená cílem
v podobě naplnění konkrétní potřeby (Plamínek, 2008, p. 70).
Příležitost je časově podmíněný pozitivní okamžik pro realizaci určitého cíle nebo
naplnění účelu. Rozpoznání vnějšího potenciálu je novou možností, stimulem a
impulzem k využití. Jedná se o jinou formu spouštěcího mechanismu v rozhodovacím
procesu pro zahájení práce na projektu výzkumu a vývoje nebo inovace (Korecký, 2011,
p. 196).
7
Souvislost mezi příležitostmi a potřebami může být přímá i nepřímá, jednoznačně však
platí, že každá potřeba se stává příležitostí pokusit se ji naplnit. Z hlediska inovačních i
výzkumných procesů se jejich identifikací může podařit vytvořit soubor zásadních
výchozích předpokladů, které determinují logický rámec projektu, o kterém bude
pojednáno (v kapitole 2.2) v širších souvislostech. Pokud už byly zmíněny potřeby jako
příležitosti, je žádoucí zároveň dodat, že determinantem potřeby se mohou stát i
konkrétní slabé stránky objektu, stejně tak stránky silné (z hlediska potřeby je udržet a
rozvíjet) a v neposlední řadě i hrozby (vůči nimž reálnou potřebu představuje obrana
před jejich účinkem). Výčtem pojmů silné a slabé stránky, příležitosti a hrozby byl
vysloven základní věcný rozměr tzv. matice SWOT11. Původ tohoto prostředku je
přisuzován autorovi jménem Albert Humphrey12, který ho konstruoval jako strategickou
plánovací metodu pro konkrétní projekty nebo podnikatelská rizika (Witcher, 2010, p.
140). SWOT však není v podstatě žádný průlom v poznání, je to však typická ukázka,
jak pracovat s informacemi a jak jejich novou superpozicí zvýraznit jejich skrytou
hodnotu. Otázkami, na které přináší odpověď SWOT se lidstvo zabývá od nepaměti a
minimálně v dobách antických filozofů byly poměrně intenzivně řešeny v podobě, jak
k nim dnes přistupuje např. strategický management. SWOT umožňuje přehlednou
konfrontaci s problémem, k jejímu popisu a konstrukci je dobré uvést, že se od ní
neočekává vyčerpávající obraz situace, ale především použitelnost v kontinuu vymezení
kritických oblastí – formulace cílů – stanovení cesty pro dosažení cílů (Kotler, 1992, p.
105). Pro snazší interpretaci může být v obecném uchopení SWOT vyjádřena graficky
(Obr. 3) s důrazem na všechny její součásti.
11 SWOT je akronymem odvozeným z počátečních písmen anglických ekvivalentů – strengths,
weaknesses, opprotunities, and threats12 chemický inženýr s titulem MBA z Harvard Universtity
8
¨
Obr. 3 Matice SWOT
zdroj: vlastní konstrukce inspirovaná nepublikovanou prezentací
Není potřeba komentovat obsah grafického znázornění, ovšem je na místě
charakterizovat každou ze složek matice. Silné stránky jsou ty, které je třeba udržet,
budovat a posilovat, slabé napravit nebo opustit, příležitosti vyhodnotit dle priorit a
přizpůsobit a vůči hrozbám Mašína (2011) postavit protiútok. Poslední poznámkou
k tomuto tématu může být doporučení, jak v rámci matice formulovat strategie: SO –
nové cesty k rozvoji silných stránek, WO – eliminací slabých generovat nové
příležitosti, ST – silnými zamezit hrozbám a WT – omezit hrozby, které útočí na slabé
stránky (Jalan, 2004). Pro projekt inovace a výzkumu to představuje velmi dobrou cestu
vpřed.
Rozhodování se prolíná prakticky jakoukoliv lidskou činností, řízení zejména. Již
z uvedených slov může být patrné, že faktor rozhodování je všudypřítomný (např.
Stage-Gate, volba programu pro projekt). Zabývá se jím samostatná součást manažerské
vědy, decission management (manažerské rozhodování), které však svou abstraktností
je mnohdy spíše na uživatelovu obtíž. Na druhou stranu v souvislosti s faktem, že
výzkum a vývoj může být velmi často vnímán jako reálná opce, představuje teoreticko-
metodologický aparát této subdisciplíny základní východisko k řešení těchto problémů.
Tak např. tzv. Black – Scholes vzorec pro jejich výpočet je neodmyslitelně spjat
s rozhodovacími stromy (Obr. 4), neboť poskytují rámec pro uskutečnění výpočtu
(Marlow, 2001, p. 59)
9
Obr. 4 Rozhodovací strom
zdroj: zpracováno podle (Duchoň, 2008, p. 149)
Jedná se o typ grafu, který tvoří uzly a hrany. Uzly jsou buď rozhodovací (ovlivněné
subjektem rozhodování, čtvereček) nebo situační (dané stavem, kroužek). Z obou
vycházejí hrany, které jsou v rozhodovacím případě deterministického charakteru a
v případě situačního stochastického charakteru. Pro ně je typické, že suma jejich
pravděpodobností v systému se musí rovnat jedné. V situačních uzlech se počítá jistotní
ekvivalent, v rozhodovacích poziční hodnota, která je maximem (výnosový princip)
nebo minimem (nákladový princip) ocenění. A rozhodování se zakládá na zamítnutí
variant s horší hodnotou. Hodí se pro víceetapové procesy s jedním rozhodovacím
kritériem, což je v případě inovací i výzkumu poměrně dobře využitelné (Rokach, 2008,
p. 49).
2.2 Organizační rámec projektu
Předpokladem úspěšné konstrukce návrhu projektu výzkumu a vývoje je jeho vhodná
organizační struktura. Ta nejenomže ovlivňuje způsoby, jak bude dosaženo cílů, ale má
nezanedbatelný vliv na kontrolní rovinu projektu a ovlivňuje i práci s rizikem a jeho
komunikaci navenek, monitoring a ocenění. Podle principů projektového managementu
lze vnitřní strukturu projektu velmi dobře aproximovat jeho tzv. logickým rámcem13,
což je systém otázek a odpovědí, které determinují vnitřní prostor projektu z hlediska
rámce jeho cílů, aktivit, výstupů a jejich výsledků. Z časového hlediska splňuje
13 neboli log frame, zpodrobnění návrhu projektu, jehož duchovním otcem je L. J. Rosenberg a ustálil se
pro komunikaci a charakterizaci projektu
10
požadavky a vhodně vyhovuje výzkumným a inovačním projektům tzv. Ganttův
diagram14, který vedle vyjádření časového průmětu do délky trvání projektových
činností mnohdy i velmi účinně charakterizuje vnitřní závislost mezi těmito objekty.
2.2.1 Log Frame projektu
Logický rámec projektu pracuje s objekty, jimiž jsou definovány následující
charakteristiky – hlavní cíle, účel projektu, výstupy projektu, aktivity projektu a popř.
předběžné podmínky. Každý tzv. intervenční cíl by měl být vyjádřitelný objektivně
ověřitelným ukazatelem, dále zdrojem, ve kterém je tato informace ověřitelná a
definován, za jakého vnějšího předpokladu a rizika nastane (Morra, 2009). Jak je
z tohoto textu patrné, logický rámec projektu je silnou pomůckou i pro management
rizik, neboť vykresluje cestu výskytu rizik jako omezující podmínky. Vraťme se
k intervenčním cílům. Pro jejich snazší identifikaci je možné použít soubor otázek:
cíle (Co?) účel (Proč? Kvůli čemu?) výstupy (Co?) aktivity (Jak?)
Celkový cíl (cíle) a specifický cíl (účel) jsou mnohdy velkou komplikací správně je
identifikovat a stanovit. Účel musí vyjadřovat cíl, ne aktivity, zjednodušeně by mělo být
z účelu zřejmé, jaké změny má být prostřednictvím projektu dosaženo. Účel je
souborem specifických cílů. Celkový cíl představuje metu snažení, kvůli které projekt je
řešen. Specifické cíle utváří jeho účel a jsou průmětem operačních cílů, které
determinují rozsah aktivit. Prostřednictvím aktivit dochází k přetváření vstupů do
výstupů, které se projeví svým výsledkem a druhotně reprezentují tzv. specifické
dopady, což je kontrolně splněním specifických cílů. Jejich úhrnný dopad pak koreluje
s celkovým cílem a představuje naplnění potřeb. Logický rámec tvoří část tzv.
projektové fiše15 (Obr. 5), což může být chápáno jako dokumentační charakteristika
konkrétního projektu.
14 neboli rozvrh projektu vyvinutý H. Ganttem a velmi rychle se rozšířil v projektovém managementu pro
potřebu vyjádření časového rozměru jeho prvků15 z francouzského la fiche, kartička, lísteček
11
Obr. 5 Projektová fiše
zdroj: Kraj středočeský na www.kr-stredocesky.cz
V logickém rámci (Tab. 1) existuje vertikální logika (příčina – důsledek), jestliže byly
provedeny aktivity, bylo dosaženo výstupů s výsledky. Jestliže tyto výstupy s výsledky
byly dosaženy, lze očekávat změnu (účel, specifický cíl). Jestliže byl naplněn specifický
cíl (účel), pak bylo přispěno k dosažení celkového cíle. Vedle toho horizontální logika
popisuje co – kolik, o kolik, kdy, dokdy, za kolik – kde lze ověřit – za jakých podmínek
a s jakými riziky je v projektu obsaženo. (Chambers, 2012)
Tab. 1 Logický rámec projektu
LFA Intervenční logika
Objektivně ověřitelné ukazatele
Zdroje a prostředky pověření
Předpoklady a rizika
Celkový cíl 0Účel
Výstupy a výsledkyAktivity Vstupy a
prostředkyČasový
harmonogramzdroj: vlastní konstrukce
2.2.2 Ganttův digram
Rozvržení času v projektu je předmětem tzv. Ganttova diagramu (Obr. 6). Časové
charakteristiky úkolů v projektu, často doplněné o vzájemnou závislost na bázi principu
12
je-li splněno, může být přistoupeno k dalšímu kroku. Z hlediska projektu velmi užitečný
kontrolní nástroj a prostředek plánování aktivit.
Obr. 6 Ganttův diagram zhotovený v MS Excel
zdroj Microsoft Office
2.3 Ekonomické aspekty R&D projektu
Smyslem této části je pokus o nalezení odpovědí na otázku, co výzkum a vývoj může
znamenat z ekonomického (finančního) hlediska. Pro přehlednost byla graficky
zpracována konfrontace pojmu s pojmovým rámcem ekonomie a financí (Obr. 7 Word
cloud k tématu ekonomických aspektů) s důrazem na váhu vlivu (velikost písma).
equity asset expenditure expense
cost goodwill R&D investment
offset capitalized option cash flow
taxObr. 7 Word cloud16 k tématu ekonomických aspektů
zdroj: vlastní konstrukce
16 nebo též tag cloud, vizuální prezentace metadat v podobě klíčových slov, které se vyskytují v určitém
souboru, slouží pro zpřehlednění a pochopení souvislostí mezi nimi navzájem
13
2.4 Finanční a ekonomický pohled na R&D a jeho výstupy
V makroekonomickém pojetí sledují statistikové státní výdaje na výzkum a vývoj
(zejména formou dotační politiky, grantů) a soukromé výdaje za stejným účelem
(většinou ve vazbě na požadovaný vlastní vklad v projektech výzkumu v rámci
národních programů) a vyjadřují je jako procenta HDP. Tento ukazatel slouží k
charakteristice daného státu z hlediska jeho inklinace ke znalostní ekonomice a
formování vlastní konkurenceschopnosti. České celkové výdaje na výzkum a vývoj
představovaly v roce 2011 70,7 mld. Kč, což bylo 1,28 % HDP a meziroční nárůst
znamenal zvýšení o 20,6 %), (ČSÚ, 2012). Ze strukturálního hlediska představuje
veřejná podpora výzkumně-vývojových projektů pobídkový aparát, který by měl přimět
podniky a jiné subjekty k vynakládání vlastních prostředků ke tvorbě takových hodnot
(nová pracovní místa, posilování konkurenceschopnosti, utváření znalostního charakteru
národní ekonomiky), které přinesou veřejnou přidanou hodnotu. Strategií se v českém
prostředí na tomto poli zabývá Rada vlády pro výzkum, vývoj a inovace
(www.vyzkum.cz) jako poradní orgán státní exekutivy.
Výzkum a vývoj představuje buď investici, nebo náklad17 (Boer, 1997, pp. 97-99).
Z hlediska komerční firmy je jeho pozice v roli investice žádoucí, neboť takto odložená
spotřeba je cíleným (i když poměrně rizikovým) alokováním prostředků s cílem jejich
zúročení. Podobně se na výzkum dívají investoři rizikového kapitálu (např. business
angels, venture investors, poskytovatelé private equity), kteří od vložených prostředků
očekávají minimálně jejich návratnost, optimálně přínos, zisk. Ovšem existují subjekty,
pro které je výzkum z tohoto hlediska nákladem. Jedná se o univerzity a výzkumné
instituce, pro něž je výzkum a vývoj hlavním tématem jejich činnosti. Bohužel se však
ukazuje, že pouhý nákladový koncept je velmi krátkozraký a i tyto instituce by na
výzkum alespoň částečně měly pohlížet jako na investici, která jim v budoucnu zajistí
aktivum nehmotného charakteru (např. podíl na vlastnictví patentu, užitného vzoru nebo
jiného nástroje IPR, díky kterému lze licenčně generovat stabilní příjem v rámci cash
flow). Obdobně uvažuje i komerční podnik, který se věnuje výzkumu a vývoji, v jeho
17 Stejný problém, který bývá frekventovanou otázkou v účetnictví, zda konkrétní náklady mají být
účtovány jako investiční (CAPEX) nebo jako výdaje. Náklady klasifikované jako výdaje se v měsíčním
vykazování objeví jen jednou. Náklady vedené jako investiční se amortizují (promítají do nákladů)
několik let (Máče, 2013, p. 250). Jinými slovy lze problém náklad – investice vnímat jako řešení
problému money value versus nevratně vynaložené prostředky.
14
případě se ještě může hovořit o nezanedbatelném příspěvku k budování jiného
nehmotného aktiva, jímž je goodwill. Představuje-li výsledek výzkumu způsob rozšíření
aktiv subjektu (neboli kapitalizace výsledku výzkumu), tak je zároveň potřeba dodat, že
obdržená dotace navyšuje cizí zdroje na straně pasiv. Mnohem výstižnějším příměrem
pro výzkum a vývoj je jejich vnímání jako reálné opce. Opce znamená volbu a ve
finančním hledisku zohledňuje výzkum v podobě reálné opce svoji hodnotu danou
prostřednictvím svých výsledků. Výpočet hodnoty reálné opce je poměrně složitý,
nicméně pro účely hodnocení výzkumu a vývoje v komerčním prostřední nesmírně
užitečný (Skalický, et al., 2007). Z hlediska daňového je v řadě národních legislativ
zakotvena možnost daňově odpočitatelného nákladu v podobě výzkumu a vývoje.
V českém prostředí je tato skutečnost zakotvena v § 34 Zákona 586/1992 o daních z
příjmů ve znění pozdějších předpisů o možnosti odpočtu 30 % výdajů na výuku žáků a
100 % výdajů na výzkum a vývoj.
V navazující podkapitole pak následuje finanční a ekonomický pohled na R&D a jeho
výstupy, zejména z hlediska oceňování výzkumu a vývoje a jeho výstupů. Klíčovým
faktorem v tomto náhledu na výzkum a vývoj je jeho hodnota.
2.4.1 Hodnotící metody, oceňování výstupů
Nechť je výzkum a vývoj vnímán jako riziková investice se zpožděným výnosem.
Zároveň je třeba dodat, že riziková investice může být co do svých výnosů vysoce
atraktivní. V případě výzkumu a vývoje se jedná o vzájemný účinek příležitosti
technické a obchodní, které představují hodnototvorný potenciál. Z hlediska dostupných
nástrojů se ke stanovení hodnoty hodí konvenční diskontované modely projektů, odhad
hodnoty kvantitativního přídavku R&D k intelektuálnímu kapitálu 18 a stále častěji
uplatňovaný koncept reálných opcí související s pravděpodobnostními rozhodovacími
stromy (Skalický, et al., 2007).18 Jednou ze složek intelektuálního kapitálu (mj. vzniká výzkumem, vývojem, ale i obchodními procesy,
v marketingu apod.) je tzv. goodwill (prvky tvořící „dobré jméno podniku“, který Sweiby (1997, p. 8)
ještě doplňuje o nehmotný kapitál, podobně jako Brooking (1996, p. 78), jež zdůrazňuje, že až 44 %
bohatství firmy tvoří intelektuální kapitál. Intelektuální kapitál definuje jako druh nehmotných aktiv
(intangible assets), které v sobě obsahují složku lidských zdrojů (znalostní pracovníci, jejich
dovednosti, know-how), strukturální složku (patenty, obchodní značky) a složku vztahovou (např.
zákazníci, partneři, stakeholders). Ocenění nehmotných aktiv, goodwill a intelektuálního kapitálu je
metodicky nejednoznačné a mnohdy velmi subjektivní, zejména ve vztahu, jak se promítá do tržní ceny
společnosti.
15
Finanční kritéria hodnocení efektivnosti investic představují nejčastěji používaný
přístup, díky kterému slouží matematický aparát jako nástroj pro zjištění a kvantifikaci
ekonomického efektu. Faktor času, resp. zda je nebo není zohledněna časová hodnota
peněz, rozděluje hodnotící metody na statické a dynamické. Ucelený přehled čtyř
nejfrekventovanějších metod pro kvantitativní hodnocení investic je přehledně shrnuto
v příloze 2, pro praktické aplikace z nich mají největší význam ty, které pracují
s časovou hodnotou peněz, tedy metody dynamické, na rozdíl od statických, které jsou
spíše ilustrativním vyjádřením finančních skutečností.
2.4.2 Podstata investičního a finančního rozhodování
Podstatou finančního rozhodování je správa podnikových financí, zohledňuje pohyb,
rozložení a krytí peněžních prostředků, kapitálu a finančních zdrojů, sleduje finance
z hlediska krátkodobého i dlouhodobého využívání. Dříve se dominantně zabývalo
cílem v podobě maximalizace zisku, ale tento koncept jako jediný a klíčový je již
překonán a mnohem se více se hledí na časovou hodnotu peněz, rizika, zajištění
likvidity apod. Zde se překrývá s investičním rozhodováním, jehož klíčovým vodítkem
je především struktura a nadefinování střednědobých a dlouhodobých cílů, tudíž se více
projevuje efekt strategického přístupu. Ovšem otázka zajištění prostředků na krytí
příslušných investic se bezprostředně dotýká rozhodování finančního (Synek, 2007, p.
82).
Souček (2005, p. 295) doplňuje výše uvedený text o přehled s příslušnými
rozhodováními spojenými činnostmi:
investiční činnost (výdaje investičního programu, který se realizuje, pořizování finančních investic a příjem, jenž vyplývá z prodeje dlouhodobého majetku)
finanční činnost (příjmy spojené s dlouhodobými závazky a jejich řízením – obligace, úvěry v delším období, výdaje dané poklesem těchto závazků, růst vlastního kapitálu úpisem cenných papírů, zisk darů, dotací, daňových výhod, ale také výdaje tvořené dividendovou výplatou)
2.4.3 Dynamické metody hodnocení investic
Vliv diskontní sazby, daňové sazby, inflace a rizika má zásadní dopad na objektivitu
hodnocení investic. Na tomto místě je třeba věnovat zvýšenou pozornost zejména
stanovení diskontu, diskontní sazby, neboť od ní se odvíjí správné stanovení
ekonomické efektivnosti. Za předpokladu, že se hodnocený projekt jako investiční
16
záměr neodchyluje zásadním způsobem od oblasti podnikání subjektu, který je
nositelem projektu, poté je možné přistoupit k použití diskontní sazby vlastní pro daný
subjekt a zohledňující jak úhradu nákladů cizího kapitálu, tak odměnu vlastníkům za
použití jejich kapitálových prostředků. V tomto případě se nejčastěji volí tzv. vážený
průměr nákladů na kapitál19, známý pod zkratkou WACC (Kislingerová, 2010, p. 392).
WACC=riE
E+D+re (1−t ) D
E+D, (1)
kde r jsou procentuální náklady příslušného kapitálu a E, D jsou objemy vlastního a cizího20 kapitálu v měnové jednotcezdroj: podle (Synek, 2007, p. 56)
Při výpočtu je nutné obezřetně kontrolovat kvantifikaci jednotlivých složek vzorce tak,
aby se ve výsledku neprojevilo zkreslení s fatálním dopadem na objektivitu ukazatele
nákladů kapitálu ve sledované společnosti (Vochozka, 2011, p. 32). Náklady vlastního
kapitálu jsou zejména náklady obětované příležitosti a úzce souvisí s riziky
podnikatelskými. Subjekt ve vysoce konkurenčním prostředí je má nezpochybnitelně
vyšší, než firmy, které se pohybují v téměř monopolních oblastech trhu. Sestávají ze
dvou složek, z tzv. bezrizikové prémie r zohledňující časovou prémii (míra časové
substituce) a z rizikové prémie. Prvá je vyjádřením míry časové preference spotřeby,
nakolik je ceněna jistá dnešní spotřeba před nejistou spotřebou v budoucnosti.
Kvantifikace druhé, rizikové prémie, je mnohem složitější v přímé spojitosti
s kvantifikacemi firemních rizik. Praxe si osvojila model CAPM21, předpokládající
fungující kapitálový trh22, popř. lze zvolit tzv. stavebnicový způsob určení. CAPM
model určuje rizikovou prémii vztahem
r p=β (r m−rrf ) , (2)
kde je bezriziková sazba, průměrná výnosnost tržního portfolia akcií a bezriziková prémie nejčastěji vztahovaná k bezrizikovým státním pokladničním poukázkám (Synek,2010, p. 279).
19 weighted average cost of capital20 zpoplatněného cizího kapitálu (pomocí úroku)21 capital asset pricing model22 z toho důvodu se nehodí pro výpočty nákladů na kapitál v neakciových společnostech
17
Rozdíl v závorce (tzv. riziková prémie trhu) odborníci označují za systematické tržní
riziko23, které nelze umenšit diverzifikací portfolia. Je-li rovna 1, potom se hovoří o
věrné časové korelaci pohybu i velikosti cenného papíru na trh, ve směru k nule je
dodržen směr, ale nikoliv velikost a v případě hodnot větších než jedna je velikost
hodnoty cenného papíru větší než uvedeného portfolia. Vlastní kapitál mimo akcie se
skrývá v obligatorně nebo fakultativně tvořených fondech z reinvestovaného zisku.
Náklady cizího kapitálu věrně odráží úrokové míry půjček a úvěrů nebo IRR dluhopisů.
Daň ze zisku udává platná legislativa24 (Synek, 2010, p. 99).
2.4.4 Ekonomická přidaná hodnota
V rámci hodnocení investic se jiným používaným postupem stalo zohlednění
ekonomické přidané hodnoty (EVA®)25. Věcně se jedná o ekonomický zisk umenšený o
úhradu nákladů subjektu na celkový kapitál.
EVA®=NOPAT−WACC ∙C , (3)
kde EVA je ekonomická přidaná hodnota, NOPAT26 zisk z hlavní činnosti po zdanění, WACC průměrné vážené náklady na kapitál (bezrozměrná veličina) a C celkový kapitál využívaný k hlavní činnosti27
zdroj: (Synek, 2010, p. 64)
EVAdis=∑n=1
N EBITn∗(1−t )−WACC∗Cn
(1+i)n, (4)
EVAdis je celková hodnota investičního projektu podle ukazatele EVA®, t daňová sazba, EBITn zisk před úroky a zdaněním v n-tém roce, i diskontní sazba, Ct účetní hodnota investice k počátku n-tého roku, N ekonomická doba životnosti, n jednotlivá léta po uvedení investice do provozu, WACC náklady kapitáluzdroj: (Synek, 2010, p. 65)
Pavelková (2005) připomíná, že v současnosti jsou strategické plány podniků ponejvíce
založeny na maximalizaci obratu, investiční rozhodování se opírá o čistou současnou
23 více je teorii rizika a jeho praktickým dopadům věnován prostor v oddílu 2.5 - včetně systematického
(tržního) rizika, jejíž mírou je právě koeficient beta24 Zákon č. 586/1992 Sb., o daních z příjmů, ve znění pozdějších předpisů.25 Zkratka je odvozena z anglického termínu economic value added, přičemž je na místě zmínit, že se
jedná o registrovanou obchodní značku společnosti Stern Steward & Co., z roku 1989.
(www.sternvaluemanagement.com)26 NOPAT pochází z anglického termínu net operating profit after taxation27 pasiva očištěná o krátkodobé závazky (neúročené)
18
hodnotu a vnitřní výnosové procento a manažerské odměny se odvíjí od dosaženého
zisku nebo tržeb. Cestou, jak eliminovat případné výkladové nejednoznačnosti je právě
parametr EVA®, neboť v sobě integruje informaci vhodnou pro měření výkonnosti
podniku, ocenění podniků a M&A, pro stanovení manažerské odměny i pro hodnocení
investičních projektů (zejména v podnicích, kde se EVA® používá). Postup vykazuje
analogii s NPV s tím rozdílem, že zisk před odečtem úroků a zdaněním se multiplikuje
faktorem (1 – sazba daně), čímž se mění v NOPAT. Vázaný kapitál je roven účetní
hodnotě investice za sledované období. Kladná hodnota EVA® signalizuje růst bohatství
vlastníků v důsledku zhodnocování kapitálu větší částí, než kolik představují jeho
náklady. Naopak její záporná hodnota znamená opak a projekt by měl být zavrhnut. Jak
již bylo uvedeno, nevýhodou se může stát tehdy, pokud finanční řízení podniku není
postaveno na principech EVA® a je třeba kvantifikovat NOPAT.
V praxi projektů typu R&D platí pro parametr EVA® více méně výše uvedené, zejména
s důrazem na snazší implementaci, je-li EVA® aplikována na finanční řízení jako celek.
Ve farmaceutickém průmyslu, který bývá úzce spojen s výzkumem a vývojem jako jeho
hybnotvornou silou, jak uvádí Hartmann (2006), se v rámci skórovacích metod dobře
osvědčilo využívání poměrového kritéria ROE/ROI/EVA®, zejména v klinických
projektech, klinických fázích III a při registraci. Autor podotýká, že jedině soubor všech
tří členů uvedeného poměrového kritéria má další význam pro velké podniky, neboť
zvláště hodnocení rizik bývá spojeno se scénáři a citlivostními analýzami opřených
mnohdy o nepříliš exaktní predikce. Výdaje na R&D jsou typickým příkladem kapitálu
podléhajícího úpravě svých ekvivalentních částí (equity equivalent adjustment). Podle
účetních standardů bez bližší specifikace jsou tyto výdaje výdaji provozními a odepisují
se v období, kdy vznikly. Pro účely zjištění hodnoty EVA® jsou všechny výdaje na
R&D kapitalizovány a odpisovány ze zisku po období těžící z úspěšného projektu R&D.
V tomto případě opět představují výdaje na R&D investici a jsou zahrnuty do kapitálu
společnosti (Dierks & Patel, 1997, p. 6).
19
Kvantitativní příspěvek R&D k intelektuálnímu kapitálu je podrobněji rozebrán v části
textu, která se věnuje teorii reálných opcí, neboť svým stochastickým pojetím je právě
tento nástroj pravděpodobně nejsnazší cestou, nicméně velmi komplikovanou, jak zjistit
hodnotu toho, co činí podle Boer (2005, p. 99) chybějící část v nerovnosti mezi
bilančním výkazem a tržní hodnotou firmy.
Získat finanční zdroje pro výzkum a vývoj je složité, o to více v konkurenčním
prostředí, kde zdroje představují velmi omezeně dostupný faktor. Má-li investor v rámci
svého rozhodování učinit kladné rozhodnutí, musí být přesvědčen o rentabilitě svého
kapitálového výdaje, jinak se okamžitě poohlíží po příležitostech jiných. Manažeři
obecně silně tlačí na redukci rozpočtu pro výzkum a vývoj, neboť ze svých zkušeností
jsou přesvědčeni o neatraktivitě takovýchto typů investic. O to důležitější je pak
v podniku role erudovaného manažera výzkumu, který je schopen aktivně obhájit a
nastavit parametry tak, aby se rizika snižovala. Jednou z cest snižování rizik investic
obecně je diverzifikace portfolia. Nicméně sestavení portfolia je možné pouze na
základě znalosti exaktních dat. Problematika stavby portfolií projektů výzkumu a
vývoje je metodicky velmi dobře obsáhnuta v Cooperově (2001) knize. Nákladový
pohled na výzkum je jinou cestou obhájení jejich pozice v podnikovém účetnictví –
náklad jako odečitatelná položka ze zisku před zdanění zbavuje manažera nepříjemností
daných odpisem neproduktivních projektů výzkumu. (Skalický, et al., 2007) Ve
finančních výkazech jako základním dokumentu pro tento způsob přístupu se plně
odráží náklady, avšak neprojevují se přínosy.
Volba způsobu financování projektu by měla přijít v případě projektů investičního
charakteru ke slovu až tehdy, pokud hodnocení investice poskytne kladnou informaci o
ekonomické efektivnosti investice. V případě R&D je to o to složitější, že faktor
nejistoty v jejich pojetí sehrává výrazně větší vliv než v případech, které jsou mnohem
exaktněji uchopitelné, např. vybudování nové produkční kapacity. Obecně však platí, že
investice jakožto peněžní výdaj v delším časovém období nutně směřuje k potřebě
zajistit dlouhodobý kapitál, jímž bude daný záměr financován.28 I výzkumný projekt
chápaný jako investice se promítne do budoucí kapitálové struktury podniku, čímž je
jasně řečeno, že velká pozornost musí být věnována správnému a objektivnímu určení
hodnoty diskontní sazby (Mikeš, 2010, p. 49). Minimální požadovaná výnosnost jako
28 zlaté bilanční pravidlo financování opakovaně zdůrazňující nutnost financovat dlouhodobý majetek ze
zdrojů se stejným přívlastkem, stejně tak jako majetek krátkodobý ze zdrojů krátkodobých
20
kompenzace investičního rizika29 se zjišťuje právě prostřednictvím diskontní sazby. Je-li
projektové riziko blízké riziku podnikání firmy, pak existuje cesta ztotožnění diskontní
sazby s průměrnými váženými náklady na kapitál podniku, protože udávají míru
výnosnosti pro investory za svůj vložený kapitál do podniku. I z těchto důvodů
zasluhuje pohled na financování investic z hlediska zdrojové základny svůj prostor
v této práci. V Tab. 2 Přehled zdrojů investičních projektů Error: Reference source not
foundje přehledně rozdělen okruh potenciálních zdrojů.
Tab. 2 Přehled zdrojů investičních projektů
vlastnictví
půvo
d
vlastní cizíinterní odpisy, fakultativní rezervní
fondy, nerozdělený ziskpodniková banka
externí venture capital, dotace, dary, vklady vlastníků
úvěry, dluhopisy, směnky, leasing, obchodní úvěry,
přijaté zálohy, jiné závazkyzdroj: vlastní konstrukce podle Kislingerová (2010, p. 317)
2.4.5 Teorie dotací a subvencí
Dotací se účetně chápe transfer, který je takto označen v právním předpise, na základě
něhož se poskytuje, nebo ve smlouvě (rozhodnutí), podle něhož se poskytuje. Pořizují-li
se jedním výdajem věci, služby, práce, výkony nebo práva znamenající více
ekonomických hodnot, zařazuje se tento výdaj na položku, která odpovídá hlavní části
výdaje, nejsou-li v účetnictví tyto položky rozděleny (Máče, 2013, p. 145). Efekt dotací
mívá řadu podob, nejčastěji poskytnutí prostředků za účelem veřejného prospěchu. Úřad
pro ochranu hospodářské soutěže říká: Pojmem dotace se v ekonomii rozumí peněžitý
dar nebo daru podobná peněžitá úhrada ze strany státu (zpravidla vlády nebo
zákonodárného sboru) nebo územněsprávního celku (v Česku kraj, obec nebo městská
část) nějakému subjektu v zájmu snížení ceny určitého statku, jehož poskytování je ve
„veřejném zájmu“. V některých oborech, například u veřejné osobní dopravy, se dotace
provádějí formou úhrady prokazatelné ztráty, případně zákonem definovaného
přiměřeného zisku. Často bývá poskytnutí dotace vázáno na jistou míru vlastní
spoluúčasti příjemce (například dotace tvoří určitý procentní podíl z částky vynaložené
29 problematika nesystematického rizika (rizika podniku, rizika investičního záměru), které je do určité
míry ovlivnitelné na rozdíl od tržního rizika, je teoreticky podchycena v kapitole 2.5
21
příjemcem dotace). U veřejné podpory se předpokládá, že dojde k narušení hospodářské
soutěže30 (ÚOHS, 2013).
Důraz na finanční spoluúčast by měl mít oboustranný efekt, ze strany státu
(poskytovatele) iniciovat výdaje subjektů na konkrétní oblast (často výzkum a vývoj ve
smyslu zvýšení konkurenceschopnosti a znalostního charakteru ekonomiky, ale také i
tvorba nových pracovních míst. Ze strany příjemce poskytnutí prostředků pro konkrétní
činnost. V Česku býval vysoký trend velmi malých finančních spoluúčastí, nyní je
kladen důraz na spoluúčast všech subjektů a pouze některé instituce mají umožněno
vlastní prostředky nevykazovat v projektu, ale za podmínky, že o tuto částku se sníží
výše dotace komerčních subjektů. Tyto skutečnosti vedly k ochabnutí některých forem
spolupráce mezi akademickou a podnikatelskou sférou z důvodů nevýhodnosti.
Příkladem je projekt o 2 účastnicích, vysoká škola a soukromý podnik. V projektu si
oba subjekty dělí celkové uznatelné náklady 2 000 000,- Kč, při maximálně 65% míře
podpory dotací mohou získat 1 300 000,- Kč, přičemž žádá-li škola 100% podporu,
získá celou výši částky, ale soukromý podnik namísto 650 000,- Kč obdrží pouze
300 000,- Kč podpory. Rozdíl představuje doplatek za vlastní vklad akademického
pracoviště. Z těchto důvodů je spolupráce mnohdy nemožná nebo za cenu nesmyslně a
neadekvátně zvětšovaných rozpočtů.
Dotace však může mít i podobu pomoci, jejímž nositelem je soukromý subjekt, což však
lépe vystihuje termín sponzorský příspěvek nebo charita. Existuje rovněž pojem
dotovaná cena, jimiž je kryt účel v podobě praktické nepoužitelnosti produktu bez
vazby na jiný produkt nebo službu (telefon). Výše popsané případy se někdy označují
jako subvence. Finančně je dotace nástrojem s opačným efektem než daň. Vedle toho je
dobré uvést, že existují případy dotací (pomocí), které jsou koncipovány jako negativní
daň (daňová úleva, prázdniny), např. pro subjekty postižené živelnou pohromou.
2.4.6 Multikriteriální hodnocení investičních variant
Pro projekty výzkumu je zásadní pojem hodnoty. Mimo jiné i proto, že překlenuje výše
zmíněné nedostatky účetních výkazů a jejich vypovídající funkce. Hodnota však
existuje ve dvou souvislostech, jako ekonomická hodnota a hodnota tržní. Skalický
(2007) upozorňuje ve vazbě na výzkum na zásadní rozdíl. Projekt ve svých počátcích
30 http://www.uohs.cz/cs/verejna-podpora/definicni-znaky-verejne-podpory.html - Definiční znaky veřejné
podpory
22
vyžaduje náklady vyjádřené jako ekonomická hodnota a za předpokladu, že se podaří
dosáhnout funkčního výsledku, tvoří tato inovace nezanedbatelný zdroj tržní hodnoty.
Ekonomickou přidanou hodnotu (EVA®) tvoří soubor předpokládaných volných
peněžních toků, diskontovaných dle nákladů na kapitál. Je to vlastně převýšení
vloženého kapitálu ziskem z alternativní investice s podobným rizikem. Boer (2005)
upozorňuje na skutečnosti, které v uplynulých letech vedly v důsledku převisu služeb
nad výrobním odvětvím k tvorbě vysoké přidané hodnoty služeb. To vysvětluje
přeměnou konceptu intelektuálního vlastnictví do podoby znalostního (intelektuálního)
kapitálu31. Podle Sweiby (1997, p. 204) se intelektuální vlastnictví zahrnuje jako součást
do intelektuálního kapitálu, což je však možné vysvětlit úhlem pohledu na tuto
problematiku. Rozdíl tržní hodnoty a hmotných aktiv může zjednodušeně vyjadřovat
hodnotu intelektuálního kapitálu. Aktiva mohou přinášet zisky, aniž by měla fyzikální
podobu. (Warren, 2008) Problémem však bylo a mnohdy doposud je, jakým nástrojem
uvést koncept ekonomické hodnoty na stejnou úroveň s intelektuálním kapitálem tak,
aby byly komparovatelné. Lev (2001) vytvořil model oddělených příspěvků fyzických,
finančních a intelektuálních aktiv a do posledně jmenovaných zařadil také minulé
investice do výzkumu.
Má-li být text objektivní, je třeba uvést další pojem těsně spjatý s výzkumem a
vývojem. Týká se tzv. strategického kapitálu. V praktické rovině musí výzkum a vývoj
respektovat strategii subjektu, neboť ta je zavazující a představuje fundamentální
trajektorii rozvoje. Manažeři těchto procesů musí pro své zaměstnavatele vytvářet
především strategickou hodnotu. Kompenzace rozdílu mezi strategickou hodnotou a
ekonomickou hodnotou je velmi podrobně rozebrána v publikaci Third Generation
R&D: Making the Link to Corporate Strategy (Roussel, et al., 1991). Základem
následující úvahy je definice strategického kapitálu jako úhrnu reálných opcí podniku
(Boer, 2002, p. 352). Z toho lze snadno usoudit, že celková hodnota firmy je součtem
ekonomického a strategického kapitálu. V kontextu již uvedených nedostatků
oceňovacích metod překlenuje pojem strategický kapitál32 uvedenou mezeru a vlastní
firemní strategie je tak určena rozměrem portfolia reálných opcí (Luehman, 1998).
31 Největší výzva, která dnes stojí před každou organizací, je pochopení obrovské diference mezi jejím
bilančním výkazem a tržním hodnocením. Tuto propast tvoří klíčová hodnota společnosti – její
intelektuální kapitál. (Boer, 2005)32 Na druhou stranu je nutné mít na paměti, že ne všechen strategický kapitál generuje výzkum a vývoj,
avšak ve velké části případů stojí u nových investičních příležitostí (VŠMIE, 2005).
23
2.4.7 Reálné opce
Reálné opce, popř. oceňování reálnými opcemi33 je jeden z nejnovějších nástrojů
hodnocení investičních projektů a záměrů. Na rozdíl od metody finančních opcí, které
slouží k oceňování aktiv na finančních trzích a z níž je odvozená, slouží k oceňování
reálných aktiv v projektech zamýšlených k realizaci ve vysoce volatilních prostředích
nebo u projektů, jejichž NPV je blízko nulové hodnoty. Hodnota flexibility je vždy větší
než nula. Jakákoliv opce je vždy právem, ale není povinností. Lze ji využít nebo
nevyužít (Scholleová, 2007, pp. 47-60). Jejich rozdělení obsahuje
.
Holec (VŠMIE, 2005) upozorňuje na praktický rozměr reálných opcí v oblasti
oceňování díky univerzální aplikovatelnosti. O to silnější je vypovídací hodnota takto
koncipované metody za předpokladu, že se v zavedeném sektoru objeví inovace
zásadního významu. Rozdíl mezi dvěma firmami spočívá pouze v tom, že jedna opci na
tuto inovaci má a druhá ne. Obě firmy mají svoji ekonomickou hodnotu zjištěnou
konvenčními metodickými nástroji. Firma s opcí však disponuje ještě hodnotou aditivní.
Uvolněním prostředků na realizaci opce (NPV projektu inovace) se jí navýšila
ekonomická hodnota a o stejnou částku sníží hodnota strategická. Stejný autor dále
rozvíjí předešlou myšlenku na příkladu start-up firmy technologického typu.
Charakterizuje ji záporný tok hotovosti, agresivní business plán, okruh spolehlivých
partnerů a absolutně vzato vyšší míra výnosů z malého rozsahu. Konvenční metody jí
přisoudí zápornou ekonomickou hodnotu. Akcie této hypotetické firmy jsou volatilní a
jejich hodnota málo stálá. Přičemž právě oba posledně zmíněné faktory (rychlý růst a
volatilita akcií, zdánlivě rizika) výrazně navyšují hodnotu opce (Boer, 2000). Celková
hodnota firmy tak bude odpovídat strategické hodnotě umenšené o ekonomickou
hodnotu. I reálné opce mají svoje slabé stránky, v případě internetové bubliny v 90.
letech 20.století podcenili investoři expirovatelnost opce a poměrně dobře definovatelné
meze opce.
Tab. 3 Typy reálných opcí
typ anglicky charakteristika paralelavyčkávání option to
waitprávo odkladu investice, využitelná za předpokladu
analogie americké call option
33 real option valuation, real option analysis
24
kladné změny v informační asymetrii a následném zhodnocení efektivnosti záměru, (např. volný pozemek, licence, patent)
ukončení option to abandon
právo ukončit projekt při nerentabilitě ekonomického hodnocení, následný prodej aktiv (stroj, zařízení, IPR), realizační cena rovna zůstatkové ceně aktiv, současná cena odpovídá obětovaným budoucím cash flow
analogie americké put option
přerušení option to interrupt
právo dočasného přerušení za nevýhodného vývoje cen na trhu, investičním výdajem náklady po dobu přerušení
analogie kupní opce
záměny option to switch (option to flexibility)
právo zaměnitelnosti různých vstupů a výstupů, flexibilita je zabudovaná přímo v aktivech,
kombinace americké call (vstup) a put (výstup) option
složená compound option
právo využít v projektu více opcí, hodnota flexibilita je dána jejich vzájemnou kombinací
existují i opce fázování (option to stage) a opce zúžení nebo rozšíření (option to alter operation scale), popř. dočasné přerušení projektu (option to shut down and restart)zdroj: vlastní konstrukce podle Starého (2003, pp. 25–26) a Scholleové ( (2007, pp. 61-76)
V předchozím odstavci naznačená otázka trvanlivosti opce zasluhuje rozvinutí. Někteří
autoři (Mitchell, 2007, p. 21); (VŠMIE, 2005); (Munn, 2005) upozorňují na
podmíněnou nekonečnost trvanlivosti reálné opce, tedy jejího expiračního času.
Vyžaduje to informace pro její objevení, kreativitu pro vznik jejího rámce, analytické
uchopení pro zjištění její hodnoty a v neposlední řadě excelentní manažerské dovednosti
pro její uskutečnění. Tvořivost ve schématu rámec, analýza a jednání utvářejí soulad
s dovedností vytvořit reálnou opci. Míra důležitosti strategického kapitálu je základem
pro adekvátně úměrnou odměnu tvůrci. Holec (VŠMIE, 2005) uvádí příklad firmy
Celera Genomics, která je pomocí reálné opce vyvinula rychlejší a účinnější metody
sekvenace genomu. Nákladové a kapitálové pokrytí vyžadovalo správnou analýzu a
25
interpretaci34. Avšak spuštění tohoto celku jako funkčního podnikání (jednání) potřebuje
další (a odlišný) soubor dovedností, ten se však stále zkouší.
V klasických postupech hodnocení převládal názor, že projekt zahubí buď specifické
riziko, nebo komerční důvody (systémové riziko umocněné specifickým rizikem). Ve
skupině W. R. Grace35 propadly téměř všechny projekty pokročilých environmentálních
technologií z komerčních důvodů. Zpětně se zjistilo, že tehdy firmy ze sektoru
environmentálního servisu měly nedozírné problémy vůbec si vydělat na cenu kapitálu.
Proto připisování nezdaru pouze technickému riziko bylo zavádějící, neboť to je
diverzifikovatelné (aktivní přístup) na rozdíl od neovlivnitelného systémového rizika
trhu. Zlými časy si prošla drtivá většina sektorů se silnými tržními silami, např.
energetika nebo telekomunikace (VŠMIE, 2005).
Reálné opce se objevily jako prostředek vymezení vůči opcím finančním, které jsou
primárně určené pro finanční trh, na rozdíl od reálných, které se většinou zabudovávají
do kapitálové struktury podniku. O reálných opcích se hovoří i v souvislosti
s managementem rizik, neboť díky nim bylo možné vytvořit si na něj nový pohled
v rovině specifických (řiditelných diverzifikací) a tržních, které jsou neovladatelné.
Expozice riziku zvyšuje náklady na kapitál, u reálných opcí naopak vyšší tržní riziko
zvyšuje jejich hodnotu. (Boer, 2005)
Plány (opce) se liší od fyzických nebo finančních aktiv, díky svobodě v podobě
modifikace nebo zrušení. Předmětem kvantifikace je hodnota svobody. Jeho rizika lze
umenšovat diverzifikací do alternativních technických přístupů se svými specifickými
riziky. Hodnota opce je kvantitativně určena Black – Scholes vzorcem36. Očekávaná
hodnota projektu je rovněž predikovatelná pomocí rozhodovacích stromů, jejichž teorie
s ohledem na využitelnost v řízení projektu v obecnější rovině byla podrobněji
34 Novými nástroji se staly tabulkové kalkulátory a exponenciálně rostoucí schopnosti a dovednosti
výpočetní techniky. Druhou inovací pak objevení elektronických databází, zejména finanční a
technické báze výzkumně-vývojových projektů, které dovolily firmám a investorům kalkulovat náklady
a výnosy z historických dat (Boer, 2007). Ukázkou budiž databáze IRI/CIMS, která se stala základní
platformou dat pro tento typ benchmarkingu (Beans, et al., 1998, p. 116).35 W. R. Grace www.grace.com, americký chemický a materiálový koncern
36 The Black-Scholes Formula, C=S . N ( d1 )−X . e−rT .N (d2 ), (12)
kde C je cena opce, S je cena podkladového portfolia, X uplatněná opční cena, r bezriziková úroková
míra, T čas do expirace, N plocha křivky normálního rozdělení (Schwartz & Trigeorgis, 2004, p. 409)
26
rozebrána v rámci této studie dříve. Skutečnost, že varianty, konfrontované různými
scénáři vývoje, jsou součástí reálných opcí, jim propůjčuje velkou přidanou hodnotu a
posiluje jejich úlohu v rámci aktivit výzkumu a vývoje. Nejjednodušší příklad významu
reálné opce dokládá následující vzorec pro výpočet čisté současné hodnoty zvýšené o
hodnotu flexibility (opce).
NPV ¿=NPV +opční hodnota (11)
kde NPV je čistá přidaná hodnota a NPV* zvětšená o flexibilitu
zdroj: (Scholleová, 2007, p. 49)
Uplatnění opcí v rámci aktivit výzkumu a vývoje změnilo pohled na rizika. Konkrétně
to představuje uchopení rizika jako zdroje výhody a skutečnost, že jeho přijetí může
znamenat určitou lukrativitu (VŠMIE, 2005). Na tomto místě je znovu potřeba klást
důraz na existenci dvojího druhu rizika. Specifické riziko je spojeno s definovanou
situací a do určité míry je možné s ním pracovat. Systematické riziko oproti tomu
vychází z těkavosti trhu a vůči jeho ovládání prakticky nástroje neexistují. Pro reálnou
opci je typický negativní vliv na kapitál, neboť zvyšuje jeho cenu a snižuje hodnotu,
naopak vyšší tržní riziko umocňuje hodnotu reálných opcí, včetně možnosti
kvantifikace (Meyers, et al., 2008).
Významným parametrem práce s reálnými opcemi je stanovení volatility a vypořádání
se s problematikou, která tento parametr obklopuje. Velmi úzce souvisí s nejistotou, na
straně příčin budoucích dopadů (Scholleová, 2007, p. 77). Historické ceny, míra
ovlivnitelnosti nebo analogie s obdobnými projekty jsou dobrým vodítkem, jak najít
vhodné číselné vyjádření nejistoty pro konkrétní simulaci. Biotechnologie patří tradičně
(jak na americkém, tak na evropském trhu) mezi odvětví spojovaná s vysokou hodnotou
volatility
Holec (VŠMIE, 2005) dokresluje výše uvedená obecná slova na konkrétním příkladu
výzkumně-vývojového plánu výrobce automobilů vyvinout a produkovat palivové
články. Projekt je exponován specifickým rizikem tržního neúspěchu a systematického
rizika malé poptávky. Na příznivém trhu obsahuje cennou opci investovat do výrobní
kapacity nebo od záměru ustoupit za opačného charakteru trhu. Nebyl-li přijat závazek
investovat, tržní riziko je generátorem hodnoty, zatímco technické riziko je záporné.
Jistícím podkladovým portfoliem pro opci je NPV projektu, realizační cenou je výše
27
investice pro zahájení výroby a hodnotu opce lze kvantifikovat Black-Scholesovou
formulí využívající volatilitu akcií automobilového trhu jako měřítka tržního rizika.
Závěrem shrnuto, jedná se o plnou analogii myšlenky finančních opcí.37
Pro americké opce lze uplatnit nástroj binomického rozvoje za předpokladu, že
životnost opce lze rozdělit na n období, kdy dochází k růstu (index růstu u)
s predikovanou pravděpodobností p nebo k poklesu (index poklesu d) s předpokládanou
pravděpodobností (1 - p). Vyčíslení těchto parametrů se provádí podle níže uvedených
vzorců (Scholleová, 2007, p. 26).
u=eσ√T
n (13)
d=e−σ√T
n (14)
p=(1+r)T /n−du−d
(15)
1−p=(1+r )T /n−ud−u
(16)
kde volatilita sektoru, T životnost projektu v letech, n členění projektu, r bezriziková
úroková míra, u index růstu, d index poklesu, p pravděpodobnost
zdroj: podle (Scholleová, 2007, p. 26)
Zejména pro účely citlivostních analýz je potřeba vytvářet varianty formou scénářů.
Oblíbenou a i poměrně užitečnou praxí bývá formulování scénářů na bázi pesimistické,
neutrální a optimistické varianty. Samozřejmě se jedná o hrubou aproximaci. V reálném
světě se projekty hodnocené konvenčními metodami (NPV, IRR, PP, RI) právě
v uvedených parametrech komparují podle chování v podmínkách určeném scénářem,
např. v intervalu poklesu a nárůstu tržeb o konkrétní procentní podíl vůči původní
variantě. Jinou cestou je alternace podnikového diskontu nebo studium vlivu
devizového kurzu. V těsné vazbě na analýzu citlivosti se ocitá studium nejistot
parametrů. Důležitým výchozím předpokladem je sestavení správného modelu a určení
vhodných proměnných parametrů. Obvyklou metodu představuje model OFAT (one-
factor-at-a-time method), bohužel statistici často namítají, že pro datovou relevanci je
37 více o rizicích v oddílu 2.5
28
žádoucí variovat více faktorů v navrženém experimentálním modelu (Czitrom, 1999, p.
126).
2.5 Analýza rizik a jejich management
Úvodem této stati bude proveden rozbor terminů a jejich definice. S problematikou je
vedle pojmu riziko38 spojen výraz nebezpečí, hrozba, scénář, pravděpodobnost a škoda.
Nebezpečí znamená potenciální výskyt nepříznivé události (např. růst inflace). Hrozba
je konkrétním projevem nebezpečí (inflace). Scénářem se v teorii rizik rozumí
nepříznivý děj (jejich sekvence), který skončí nějakým dopadem na objekt (vzroste
inflace – sníží se příjmy spotřebitelů – klesne spotřeba – klesnou tržby – nastane
bankrot ekonomického subjektu). Pravděpodobnost je míra, se kterou nastane dvojice
hrozba – scénář. Škoda je kvantitativní vyjádření dopadu v důsledku nepříznivé
události. A konečně riziko, podle PMI a ČSN ISO 10006, je nejistou událostí, která
v případě, že nastane, bude mít negativní (nebo i pozitivní) vliv na dosažení cílů
(Dvořák, 2006). Co je tedy riziko? Jinými slovy dvojice hrozba – scénář, která
kvantitativně říká, s jakou pravděpodobností lze utrpět konkrétní formu škody.
Názvosloví a jeho správné chápání je důležitým předpokladem pro schopnost rozumět
rizikům, umět je identifikovat, modelovat, ale především řídit. Existuje skupina pojmů
neurčitost, nejistota a riziko. Na první pohled zdánlivě významově podobná slova, která
mnohý člověk zaměňuje, aniž by to bylo na úkor pochopení jeho sdělení. Teorie a praxe
řízení rizik však zastává názor opačný. Nejistota je množina procesů, podmínek a
faktorů, které musí být předmětem sledování. Určitá proměnná dosáhne v čase t
(budoucnost) určitého výsledku. Člověk ji však neumí se zřejmou jistotu kvantitativně
popsat. V případě rizika také prakticky nelze říct, jaké hodnoty nabude v budoucnosti,
ale v současnosti existuje objektivní cesta pomocí statistických metod a subjektivní
cesta pomocí odhadu, která umí delegovat ke zmíněnému stavu pravděpodobnost,
s jakou mohou nastat. Kvantifikace v sobě nese rozdělení pravděpodobnosti (Fotr, 2005,
p. 168). Stejný autor se zabývá rozhodováním za nejistoty, tedy za situace, kdy se zná
množina faktorů s vlivem na výsledek, ale není známa síla, kterou zmíněné faktory
38 Z italštiny risico, což znamenalo tehdy úskalí, jemuž se mají vyhnout námořníci (17. století). Následně
se pojem sémanticky rozšířil do podoby vystavení se nepříznivým okolnostem. Staré slovníky vysvětlují
pojem odvahou a nebezpečím, což se dodnes promítá do slovesa riskovat. Teprve později se pojem
asocioval se ztrátou. Dnes je zřetelný rozdíl mezi pojmem nebezpečím a rizikem, podle teorie rizik
souvisí s hrozbami (Rais, 2006, p. 78).
29
působí, tudíž není možní kvantifikace nejistoty. Protipólem je rozhodování za rizika,
kde pozorovatel vedle množiny faktorů disponuje souborem pravděpodobnostního
rozložení, kdy uvedené faktory nastanou (Fotr, 2005, p. 169).
Klasifikace rizik je obor krajně variabilní a multidisciplinární. Souček (2005, p. 138)
uvádí čtyři základní okruhy rizik:
riziko podnikatelské a riziko čisté – odchylky od očekávaného stavu oběma směry (podnikatelské) a odchylky pouze negativní
systematické riziko a nesystematické riziko – dopad prvého je na všechny subjekty (vývoj makroekonomie, legislativní dopady), druhé je spjato s určitými subjekty, je vyhraněno na definovatelném půdorysu a je teoreticky plně diverzifikovatelné
vnitřní a vnější rizika – rizika subjektu mohou působit z vnějšího i vnitřního prostředí
ovlivnitelná a neovlivnitelná rizika – existuje nebo neexistuje možnost působení na příčinu rizika osobou manažera a jeho práce
primární a sekundární rizika – za účelem snížení rizika primárního vyvstalo jiné, sekundární
Polách (2012, p. 93) vyzdvihuje ještě věcné členění rizika, které je bližší podnikatelské
praxi. V jeho výčtu jsou zastoupena níže uvedená rizika podle oblasti svého výskytu
nebo náplně, s níž bezprostředně přicházejí do styku:
technicko-technologická výrobní ekonomická tržní finanční
Jsou-li rizika charakterizována, zákonitě musí být přistoupeno ke způsobům jejich
kvantifikace. Mun (2010, p. 403) pracuje s volatilitou rizik (rizika a nejistoty u
časových řad), s jejich Value-at-Risk (daná hladina významnosti a časový horizont a
vyjadřuje maximální možnou změnu hladiny aktiva; Kolik lze ztratit s x-procentní
pravděpodobností v určitém čase?) a s prvky pravděpodobnostního rozdělení:
střední hodnota (středová oblast distribuce veličin) standardní odchylka a rozptyl (širokost rozdělení, standardní odchylka je
kvadrátem rozptylu)39
39 Zde platí důležitý poznatek, čím je rozptyl distribuce širší, tím rizikovější je distribuce proměnné.
Problém je v obtížné diagnostikovatelnosti pozitivních a negativních odchylek.
30
variační koeficient (podíl standardní odchylky ku střední hodnotě, relativizace pro vzájemné srovnání, jsou-li použity různé jednotky)
semistandardní odchylka (jen negativní odchylky´ šikmost (míra asymetrie, čím delší rameno distribuce, tím šikmější) špičatost (ostřejší vrcholy distribuce, čím vyšší, tím vyšší pravděpodobnost
výskytu extrému)
Ekonomickou efektivnost klasifikuje trojice kritérií: Rentabilita, návratnost a
diskontování (přepočet na současnou hodnotu). Známý investorský trojúhelník
vyjadřuje ve svých vrcholech riziko, likviditu a výnosnost. Okruhy simulací rizik se
bezprostředně dotýkají uvedeného. Vlastní řízení rizik (jeho modelování) vede
k identifikaci faktorů, které dotují celkové riziko projektu, dále k jejich kvantifikaci a
k identifikaci opatření, která riziko sníží. Určit faktor rizika je úlohou nalezení takových
faktorů, které mají vliv na rentabilitu projektu. Významnost faktoru je jejich
hierarchizací v souboru buď cestou expertní zkušenosti, nebo citlivostní analýzy.
Citlivostní analýza stanovuje koeficient významnosti faktoru jako marginální změnu
výsledného kritéria efektivnosti. Jinými slovy umožňuje seřadit jednotlivé faktory podle
jejich vlivu na kritérium rentability. Vlastní stanovení rizika projektu (těch faktorů,
které k celkovému riziku nejvíce přispívají) se následně děje buď pomocí manažerských
charakteristik, nebo statistickými metodami, které vykreslí pravděpodobnostní
rozdělení. Vzhledem k tomu, že jen málo faktorů je prakticky lineárních, nevyhnutelně
vede cesta k numerickým metodám. Patrně nejpoužívanější metodou na numerické bázi
je metoda Monte Carlo, která pracuje s řízeným generováním náhodných čísel na
statisticky významném počtu opakování simulace (Fotr, 2005, p. 168).
Základní osnova metody Monte Carlo:
Fáze 1: Vybrat kritérium hodnocení a stanovit ho jako funkci rizikových
proměnných
Fáze 2: Vybrat klíčové faktory rizika (proměnné)
Fáze 3: Stanovit pravděpodobnostní rozdělení klíčových faktorů rizika
Znalostní báze rizik (project risk knowledge base) se opírá o čtyři sekvenčně řazené
oblasti: Identifikace rizik, jejich charakterizace (kvalitativně i kvantitativně), dále jejich
možnou eliminací a v neposlední řadě monitoringem případného nebo předpokládaného
výskytu (Niwa, 1999, p. 120).
31
Analýza rizik je procesem jejich identifikace a přiřazení hodnoty (nebo proces
inventarizace rizik). V podnikatelské praxi je riziko možností ztráty, možností vzniku
události, která zmaří dosažení cíle a nebezpečí negativních odchylek. Rizika s pouze
negativní stránkou jsou, Pure Risks na rozdíl od podnikatelského prostředí, kde rizika
mohou mít i stránku kladnou (Business Risks). Toto je však jen jeden z nejhrubších
nástinů klasifikace rizik, mezi základní přístupy dělení, jak již bylo v této studii
nastíněno, se řadí systematičnost rizik, determinace jejich působení, ale také věcná
náplň (technicko-technologická, ekonomická, finanční, kreditní, právní, politická,
environmentální, lidská, informační nebo zásahy vyšší moci). Od toho se rovněž odvíjí
postoje k riziku, které do značné míry kopírují klasický koncept tvorby scénářů: Averze
k riziku, neutrální postoj, sklon k riziku (Hnilica & Fotr, 2009, p. 86). Kvantitativní
rozměr naráží na nutnou výchozí podmínku jeho vyjádření vždy vůči určitému kritériu
kvantitativní povahy. Z nejčastěji používaných číselných měr se uvádí pravděpodobnost
výskytu, statistické charakteristiky variability kritéria – rozptyl, variační koeficient nebo
směrodatná odchylka a hodnoty kritérií, kde nastalo překročení za zvolené
pravděpodobnosti (Hnilica & Fotr, 2009, p. 103). Grafickým výstupem identifikace
rizik bývá tzv. matice rizik. Jedná se podstatě o soubor odpovědí na konkrétní otázky,
jejich uspořádání do útvaru vyjadřující jejich váhu a četnost a následnou interpretaci.
Typická hlavní rizika projektů:
obchodní a marketingová technická a technologická regulační a právní environmentální, aplikační a bezpečnostní
Kritéria efektivnosti projektu představuje nejčastěji NPV a IRR, jejichž definiční
charakterizace jsou obsaženy v kapitole 2.4.3.
Bohužel však i přes existenci různých nástrojů řízení rizik portfolia výzkumně-
vývojových projektů zůstává sporné, zda nastane doba, kdy si je příslušní manažeři
osvojí. Problém představuje složitost výpočtu a nutnost investovat do vzdělání a
výcviku těchto řídících pracovníků.
32
3 Analytická/praktická část práce
3.1 Přípravná fáze projektu
V rámci identifikace potřeb souvisejících s podnikatelskými aktivitami se objevila
příležitost zaplnění trhu komerčně uchopitelnými nástroji, jejichž aplikací lze výrazně
objektivněji zhodnotit potenciál kontaminované lokality. Partnerství v projektu bylo
zvažováno, okruhem potenciálních adeptů byla komerční firma i veřejná vysoká škola.
Nakonec byl zvolen model jednoho účastníka řešení s odůvodněním, že kapacity
subjektu jsou dostatečné a požadavek školy na 100% dotaci neakceptovatelný.
33
3.2 Odborná část projektu a nefinanční přínosy
Cílem projektu je posílit možnosti objektivního sledování, hodnocení a monitorování
bioremediačních procesů, které lze uplatnit v rámci nápravy ekologických zátěží,
formou souboru komplexních prostředků opírajících se o metody nespojené s kultivací v
laboratorních podmínkách. Právě tato skutečnost se jeví jako klíčová vůči současnému
metodologickému rámci, jenž se rutinně uplatňuje v praxi sanačního inženýrství
vycházejícího z biotechnologických metod. Navržený projekt prostřednictvím svých
výstupů chce eliminovat rušivé faktory, které ovlivňují skutečný stav mikrobiálního
profilu kontaminované lokality ať již před použitím sanační metody, tak zejména během
její aplikace, popř. ve fázi postsanačního monitoringu. Eliminovanými faktory jsou
dominance anaerobního metabolismu (a tedy komplikovaná kultivace v běžných
laboratorních systémech), obtížné simulování umělých podmínek v rámci kultivace na
Petriho miskách tak, aby co nejvěrněji vyhovovaly přirozeným podmínkám, a v
neposlední řadě fenomén nekultivovatelných mikroorganismů, tedy těch, které jsou
strůjci rozkladných procesů cizorodé látky, nicméně stávající metodický aparát není
možný z různých důvodů (nutriční šok, rozvrácení rovnováhy syntrofie) podchytit a
včlenit do výsledného profilu mikrobiálního osídlení. Cílem projektu je hmatatelně
posílit možnost uplatnění metod mikrobiologického rozboru nespojených s kultivací v
laboratorních podmínkách (principy molekulární biologie, metagenomika) tak, aby byly
uplatnitelné v rutinní praxi.
Účelem projektu, tedy proč by měl být uskutečněn, je vyvolat změnu a posunout
současný stav metodologické úrovně výše formou zpřístupnění metod a postupů, které
budou poskytovat objektivní informace a budou dostupné v rámci technické praxe.
Silný akcent se přisuzuje aktivitám na bázi public relations, tedy formou intenzivní
komunikace, prezentace a diseminace vyvolat rovněž změnu v uvažování a způsobech
rozhodování zainteresovaných odborníků v sanační praxi a zejména ve státní sféře, pro
které je zpětná vazba efektivity vynaložených prostředků na vlastní zákrok podstatná a
klíčová. Současně s hmatatelnou formou změny (výstupy projektu v podobě prostředků
a markerů) musí na tomto procesu velmi elegantně participovat i metodická podpora v
podobě technických dokumentací a uživatelských manuálů tak, aby konverze
současného stavu ve stav nový, efektivnější a účinnější vůbec nastala a rozvíjela se dále
i v období po skončení projektu (tedy jeho udržitelnost).
34
Popis přínosů projektu může být rozdělen do tří klíčových oblastí. Předně představují
výstupy projektu posun současného stavu poznání, inovační proces a posílení transferu
metod a technických přístupů vstříc reálné uživatelské praxi. Jinými slovy je
představuje změna v uvažování a příklon k takovým metodám, které jsou objektivní,
rychlejší a užitečnější v rovině podpory bioremediačně orientovaných sanačních
zákroků. Druhou rovinou přínosů zcela jednoznačně musí být označeno vyplnění
relativně prázdné oblasti na trhu tomuto podobných prostředků, tedy posílení
dostupnosti nástrojů, které vyhovují výše popisovanými vlastnostmi technickým a
technologickým nárokům biologicky koncipovaných sanačních metod. V neposlední
řadě třetí skupinou přínosů je vštěpení do povědomí a posílení znalostního aparátu
v rámci celého sektoru environmentálního servisu a na něho navázaného
institucionálního aparátu (orgány státní správy, vzdělávání). Vedlejší přínosy projektu
představuje posílení interdisciplinarity v aplikovaném výzkumu a experimentálním
vývoji, synergické působení zdánlivě odtažitých skupin odborníků a celkově výrazně
pozitivní efekt na ekonomiku Česka a v neposlední řadě zvýraznění možného uplatnění
v podobě exportovatelného artiklu, zejména směrem k postkomunistickým zemím. I při
obtížnosti reálného budoucího odhadu vývoje hospodářství a ekonomiky
předpokládáme, že mimo zvýšení obratů budou vytvořena jedno a postupně až 3
pracovní místa.
Velkým problémem je výkladová nejednotnost u některých kategorií výsledků40. Patent,
užitný vzor a průmyslový vzor mají díky své právní ochraně silnou oporu v legislativě.
U zbývajících nezbývá, než ctít definice v programové dokumentaci, popř.
improvizovat. V současnosti se zpřísňuje např. kategorie N, kde je již v rovině návrhu
vyžadováno stanovisko certifikační autority.
Tab. 4 Etapy a výsledky projektu
etapa41
Náplň výsledek
Etapa 1
Materiální podpora projektu Web projektu (X)
40 Tuzemští poskytovatelé dotací pro aplikovaný výzkum a experimentální vývoj vyžadují, aby alespoň
jeden výsledek projektu s veřejnou podporou spadal do níže uvedených kategorií vyjma X-jiné. P-
patent, Z-poloprovoz, ověřená technologie, F-výsledky s právní ochranou, užitný vzor, průmyslový
vzor, G-technicky realizované výsledky – prototyp, funkční vzorek, N-certifikované metodiky a postupy,
R-software, X-jiné (knihy, článek, workshop…)41 Etapa = 1 kalendářní rok
35
Etapa 2
Funkční analýza mikrobiálních společenstev
Souprava HOW + Souprava HETEROGEN (F)
Etapa 3
Charakterizace mikrobiálních společenstev
Souprava WHAT (F)
Etapa 4
Kvantifikace mikrobiálních společenstev Souprava QUANT (F) + kompendium (X)
zdroj: vlastní konstrukce
Z uvedených důvodů jsou výsledky jednotlivých etap (viz. Error: Reference source not
found) koncipovány jako funkční vzorky a výsledky kategorie jiné. V případě potvrzení
původních předpokladů bude přistoupeno k uplatnění nástrojů pro ochranu duševního
vlastnictví.
SWOT analýza (Obr. 8)
Silnou stránkou projektu je předpoklad vzniku analytického nástroje, jehož přidanou
hodnotou by měla být vysoká nákladová úspora v bioremediačních procesech
(minimalizace výdajů na sanaci tam, kde problém mohou vyřešit podpořené přirozené
procesy. Také projektový tým představuje soubor špičkových odborníků získaných se
zkušenostmi z akademické sféry, řízených CTO s mnoha lety praxe v komerčním
výzkumu
Obr. 8 SWOT analýza
zdroj: vlastní konstrukce
Slabou stránku lze spatřovat v nevyzpytatelnosti práce s biologickým činitelem, kde se
může ukázat, že dosavadní soubor znalostí a zkušeností v rámci projektového týmu
nestačí zcela na pokrytí hloubky problému, který determinuje heterogenita
mikrobiálních společenstev.
36
Příležitostí se jeví možnost zaujmout místo ve specifickém tržním segmentu v podobě
nabídky produktu nebo i specializované služby na míru, neboť právě toto je aspekt,
který bioremediaci u řady odborníků znehodnocuje – obtížné bilancování, predikce a
monitoring (black box). Zatraktivnění konceptu bioremediace představuje další
příležitost projektu prostřednictvím jeho výstupů a profitování formou konkurenční
výhody v tomto typu servisu.
Zanedbatelnou hrozbu znamená konkurence GMO aplikací, ale ta je doposud silně
regulována natolik přísnou legislativou, že je prakticky nemožné v oblasti mikrobiálních
biotechnologií proniknout na trh bez sankcí.
3.3 Finanční model projektu
V rámci práce s variantami a jejich konfrontováním s konkrétními scénáři (přítomnost
dotace v podobě veřejné podpory výzkumu a vývoje nebo její nepřítomnost ve
financování projektu) byly vytvořeny tři modely (Příloha 3) možného řešení. Konkrétně
se jedná o níže (Tab. 5) uvedené formy řešení, které vycházejí z předpokladu, že
společnost disponuje infrastrukturou pro vlastní výzkumně-vývojovou činnost,
vyhovuje podmínkám získání nenárokové podpory z veřejných prostředků, dodržuje
pravidla veřejné podpory (zákaz komercializace ve fázi výzkumu a vývoje, vyloučeno
financování investice, která není dále předmětem výzkumu) a v neposlední řadě je
schopna koncipovat výzkumnou část projektu jako zakázku pro výzkumnou organizaci,
včetně specifických nároků zejména na velice specifickou formu komunikace a
controllingu.
Tab. 5 Varianty a scénáře investičního projektu
varianta varianta financování výzkumu a vývoje z vlastních zdrojů
varianta nákupu know-how jako investice
scénář scénář dotace scénář bez dotace scénář dotace scénář bez
dotace
model model DOTACE model VLASTNÍ nepřípustné model NÁKUP
zdroj: Miroslav Špaček
Finanční model projektu DOTACE se řídí pravidly pro projekty, které jsou dotovány
veřejnou podporou z programů určených pro podporu aplikovaného výzkumu a
experimentálního vývoje. Pro finanční model projektu se jedná zejména o stěžejní
37
podmínku, že po dobu trvání projektu výzkumu a vývoje nesmí být generován zisk.42
Z těchto důvodů je projekt rozdělen na fázi dotovaného výzkumu a vývoje (2013 –
2016) a na fázi komercializace (2017–2021). Kalkulace nákladů v první fázi vychází
z návrhu projektu podle pravidel programu Alfa zřizovaného TAČR (2012). Kalkulace
nákladů ve druhé části je kompromisem pravidel používaných v komerčních subjektech
s ohledem na potřebu implementace výstupů výzkumu a vývoje do reálné praxe.
Vychází ze zobecněného odhadu objemu produkce výrobku, která byla vyjádřena jako
příslušné variabilní náklady v jednotkách Kč/ks. Jednotkou se rozumí soubor reagencií,
biologického materiálu a spotřebního zboží pro vlastní konstrukci soupravy
monitorovacích prostředků pro zjištění mikroorganismů uskutečňující bioremediaci a
jejich charakteristiky, funkční analýzy a kvantifikace. S ohledem na predikovaný
exportní charakter je model opřen o prodeje na domácím trhu a na trhu zahraničním.
Diskontní sazba byla vypočtena pomocí modelu CAPM, obecně se pro rizikové
projekty (z hlediska tržního rizika) doporučuje sazba zohledňující přirážku za riziko,
nicméně tato skutečnost se týká zejména první fáze, která je dotačně podpořena natolik,
že se riziko kompenzuje. V rozboru rizik a analýze citlivosti je simulována situace
různých příspěvků k riziku v rámci celého projektu. Výrobní kapacita je odhadem
současných možností firmy, v prvním roce komercializace se předpokládá zkušební
výroba 10 ks souprav. Vzhledem k pravidlům poskytovatele dotace (jak již bylo
uvedeno) je zakázáno vyrábět výsledek projektu během doby trvání projektu. (TAČR,
2012)
Struktura nákladů zahrnuje spotřebu, osobní náklady, odpisy a jiné náklady. Ve fázi
řešení projektu vychází z podaného návrhu projektu a svým charakterem zohledňuje
potřeby výzkumu a vývoje. Ve fázi komercializace byl vyvinut maximální tlak na
nákladovou optimalizaci s ohledem na produkci, způsob výroby a prodeje. Náklady
řešené v rámci dotovaného výzkumu a vývoje vyžaduje poskytovatel vyjadřovat podle
svých pravidel. Jako příklad slouží Tab. 6, které doslovně vychází z programových
doporučení (TAČR, 2012).
Tab. 6 Struktura nákladů dotační fáze
Kategorie Jednotka
Rok Celkem2013 2014 2015 2016
42 A právě z tohoto důvodu je varianta nákupu know-how jako investice za podmínek scénáře s dotací
vyhodnocena jako nepřípustné řešení.
38
Osobní tis. Kč 800 800 800 900 3300Dlouhodobý hmotný majetek tis. Kč 0 0 0 0 0
Dlouhodobý nehmotný majetek tis. Kč 0 0 0 0 0
Služby tis. Kč 338 238 238 190 1004Ochrana duševního vlastnictví tis. Kč 0 0 0 48 48
Další provozní + cestovné tis. Kč 300 400 400 300 1400Režie tis. Kč 100 100 100 100 400
Náklady celkem tis. Kč 1538 1538 1538 1538 6152
Dotace tis. Kč 1000 1000 1000 1000 4000Investiční dotace tis. Kč 0 0 0 0 0
Neinvestiční dotace tis. Kč 1000 1000 1000 1000 4000Ostatní veřejné zdroje tis. Kč 0 0 0 0 0
Neveřejné zdroje tis. Kč 538 538 538 538 2152Náklady celkem tis. Kč 1538 1538 1538 1538 6152Podíl podpory 0,65 0,65 0,65 0,65 0,65
zdroj: vlastní konstrukce
Struktura příjmů pracuje s odhadem prodatelného objemu výroby v jednotlivých letech
s přihlédnutím k faktu, že již od počátku komercializace musí být produkt marketingově
komunikován alespoň na trzích, které sousedí s Českem (německý, rakouský, polský,
slovenský). Z těchto důvodů se pracuje s prodejní cenou tuzemskou a exportní a je
zdůrazněn význam měnového kurzu.
Výpočet nezdaněného zisku (EBIT) vychází z definice rozdílu celkových nákladů a
tržeb, obdržených licenčních poplatků a sumy získané postoupením práv k výsledkům43,
jíž je prodej patentu. Čistý peněžní tok je vypočten z EBIT sníženém o daň, pracovní
kapitál a ve fázi výzkumu a vývoje (ve fázi trvání projektu) naopak navýšenou o
poskytnutou účelovou podporu (dotaci). Čistý peněžní tok je vyjádřen v kumulované
podobě (pro zjištění nediskontované doby návratnosti), následně vyjádřen v současné
hodnotě a tato diskontovaná podoba následně opět kumulována, aby mohla být
stanovena doba návratnosti respektující časovou hodnotu peněz.
Finanční model VLASTNÍ je vystavěn na vizi uplatnit soběstačnost podniku v oblasti
výzkumu a vývoje, překlenout diskrétnost výzkumně-vývojové fáze a fáze
komercializace tak, jak je požadováno v projektech ucházejících se o veřejnou podporu.
Projekt by měl trvat výrazně kratší časové období (5 let), počítá se pouze s minimální
43 ocenění nehmotných stálých aktiv a uvolněného pracovního kapitálu formou odhadu obou cen
metodou srovnání
39
investicí ve výši 50 000 Kč pro zdokonalení produkční kapacity a obchodovat začíná již
současně s prvními pozitivními výsledky.
Třetím modelem je NÁKUP, který zohledňuje řešení vybudované na pořízení práv
k duševnímu vlastnictví vyprodukovaném na akademické půdě za 4 000 000 Kč a
bezprostřední transferace technologického řešení do podnikatelského prostředí podniku
po dobu 5 let. Tento model byl zvolen jako příklad situace, která za předpokladu nákupu
kvalitních práv k duševnímu vlastnictví může výrazně zlepšit celý projekt a především
se projevit na nákladové úspoře a akcelerovat ho k pozitivním ekonomickým
ukazatelům.
Pro všechny použité modely jsou prakticky identické oblasti příjmů, které, jak již bylo
uvedeno, kombinují tržby tuzemské a exportní ve vazbě na takovou kapacitu výroby, jež
se odhaduje jako plně uplatnitelná v rámci tržního prostředí. Jejich výpočet vychází
z definice tržby jako součinu prodaného objemu produkce a příslušné ceny, upravené
v případě cizí měnové jednotky pomocí příslušného měnového kurzu. V čem se naopak
všechny tři projekty liší, jsou struktury nákladové. Jak ukazuje tabulka 7, základní
uchopení každého ze tří modelů jiným způsobem nabízí možnost rozložení nákladové
struktury. S přihlédnutím k faktu, že veřejné podpory musí být do poslední měnové
jednotky vynaloženy na řešení schváleného návrhu formou smlouvy mezi
poskytovatelem dotace a jejím příjemcem, je nutné z hlediska manažerského účetnictví
hledat přínos v jiných oblastech. Tou je bezesporu nikoliv nevýznamná úspora
mzdových nákladů na pracovníky oddělení výzkumu a vývoje a při dobrém
managementu této skupiny lidských zdrojů a jejich vhodné motivaci může být dosaženo
významně pozitivního efektu v úspoře variabilních nákladů mzdové povahy, které jsou
spojeny přímo úměrně s objemem produkce jako motivačním faktorem. Naopak
v případě modelu koncipovaném jako vnitropodnikový výzkum musí zcela logicky být
počítáno s výrazně vyššími náklady, které v sobě budou integrovat potřebu krýt jimi
jako nároky a požadavky výzkumně-vývojové práce, tak v oblasti provozně-produkční.
Vzhledem k charakteru produktu, který je výsledkem projektu, vyžaduje úspěšné
naplnění cílů implementaci pracovníků výzkumu a vývoje i do produkční fáze.
V případě modelu postaveném na nákupu IRP je možné uspořit náklady spojené s již
ukončeným procesem výzkumu a vývoje, což rovněž není zanedbatelná položka.
Tab. 7 Návrh variabilních nákladů
40
variabilní nákladyfinančních modelů
jednotka
roky
průměr
1.1.
2013
1.1.
2014
1.1.
2015
1.1.
2016
1.1.
2017
1.1.
2018
1.1.
2019
1.1.
2020
1.1.
2021
DOTACE tis. Kč/ks 0 0 0 0 15 16 17 18 19 1744
VLASTNÍ tis. Kč/ks 35 36 37 38 39 37NÁKUP tis. Kč/ks 5 5 4 4 4 4,4zdroj: vlastní konstrukce
Problematika variabilních nákladů je v další kapitole ještě řešena z hlediska
předpokladu jejich stejné výše ve všech třech použitých modelech a výsledky v podobě
srovnání čtyř dynamických metod kvantitativního hodnocení projektů srovnány
s původním konceptem modelů, který zohledňuje jejich různou výši dle okolností, za
kterých konkrétní model vzniknul.
Z hlediska finanční analýzy může být podnik, jenž dané projekty má realizovat, být
charakterizován níže dostupnými daty pocházejících z veřejných zdrojů45 a ta byla
zpracována do přehledné formy Tab. 88, zejména pro potřeby výpočtu WACC a
predikce diskontní míry.
Tab. 8 Finanční ukazatele firmy
2012 2011 2010 2009 2008Aktiva celkem 120951 87345 83166 66202 53519Finanční majetek 21969 6705 13449 3720 3080Vlastní kapitál 57614 53184 31402 18442 9563Cizí zdroje 61057 34120 47656 39687 34122HV za účetní obd. 3877 6952 12960 8879 5980zaměstnanci 24 24 24 19 16WACC 0,105 0,111 0,100 0,097 0,092zdroj: vlastní konstrukce s daty z www.justice.cz
Vzhledem ke skutečnosti, že financování projektu se neodchyluje od financování celého
podniku a projekt jako takový je součástí činnosti podniku, pak lze tvrdit, že hodnotu
tohoto rizika velmi dobře odráží vážené náklady na kapitál celého podniku (WACC)
(Scholleová, 2007, p. 7).
44 v tomto případě se jedná o průměr vytvořený pouze z argumentů komercializační fáze45 www.justice.cz
41
3.4 Ekonomická hlediska projektu
Zhodnocení záměru v podobě projektu výzkumu a vývoje je koncipováno jako srovnání
klasických metod hodnocení a metody reálných opcí. Jak již bylo uvedeno v teoretické
části, každá z uvedených cest se odlišuje jak náročností aplikace na konkrétní případ,
tak také svou vypovídací hodnotou pro rozhodovací procesy. V této kapitole bude
věnován prostor aplikaci konvenčních přístupů stanovení hodnoty s důrazem na jejich
dynamickou formu zohledňující očekávané budoucí výnosy (NPV, IRR, PI, PP), tak
metodě reálných opcí v podnikové praxi tvořené projektovými případy (Scholleová,
2007, p. IX). Hlavním důvodem je odhalení hodnoty flexibility, neboť její absence
v klasických metodách hodnocení nedokáže přinášet odpovědi na výskyt odchylek
skutečnosti od návrhu (plánu). Modelování pomocí reálných opcí mnohem lépe
vystihuje přítomnost flexibility, především jeho vystihnutí, dále přiřazení hodnoty
flexibilitě projektu a konečně výstupem metody reálných opcí bude rozhodovací strom,
který představuje užitečný nástroj optimalizace strategie.
Obr. 9 Průběh kumulovaného CF v tis. Kč
zdroj: vlastní konstrukce
V předchozí kapitole sestavený finanční model byl graficky zpracován do podoby
průběhu jeho cash flow ve všech třech variantách (DOTACE, VLASTNÍ, NÁKUP).
Průběh diskontovaného (diskontní míra 10,5 %) kumulovaného cash flow (Error:
42
Reference source not found) umožňuje první hrubé odhady z hlediska doby návratnosti
takto vynaložených projektů. Vzhledem ke stěžejnímu významu hodnoty peněžních
prostředků následuje nyní část zabývající se odhadem parametru investice a jinak
alokovaných prostředků (dotace). Jakákoliv použitá diskontní míra významně ovlivňuje
hodnotu projektu. Zrcadlí v sobě nejenom faktor rizika (z těchto důvodů jí bude
věnována pozornost i v části zabývající se rizikem), ale i faktor času (délku trvání
projektu).
Uplatněním klasických metod hodnocení investice byly získány následující parametry
pro všechny tři modely a přehledně zpracovány do tabulky 9. Červeným písmem jsou
vyznačeny parametry, které z hlediska těchto metod hodnocení investičních projektů
jsou považovány za nevyhovující. Pro výpočet vnitřního výnosového procenta (IRR) a
čisté současné hodnoty (NPV) byly využity možnosti tabulkového kalkulátoru Excel.
Čistá současná hodnota dále posloužila ve vazbě na modulovanou míru diskontu ke
grafické kontrole zjištěné hodnoty IRR (Obr. 19). Index rentability byl spočítán podle
doporučení Fotra (Fotr & Souček, 2011, p. 229) jako podíl NPV a investice, který
připomíná, že v případě investičních výdajů by měla být do jmenovatele přičtena i
hodnota přírůstku čistého pracovního kapitálu za období výstavby. Diskontovaná doba
návratnosti se odhadla z průběhu kumulované formy diskontovaného cash flow.
Tab. 9 Kvantitativní hodnocení investic
DOTACE VLASTNÍ NÁKUPIRR 0,44 0,28 0,57NPV 5 654 Kč 922 Kč 6 054 KčRI 2,57 18,43 1,51DPP 6 let 3 roky 3 rokyzdroj: vlastní výpočet
Pomocí aplikace dynamických metod vznikl obraz vývoje peněžního toku za
předpokladu, že bude postupováno přesně dle návrhu projektu. Model je postaven na
určité predikci chování trhu a cen v konkrétním budoucím období, což omezuje
vypovídací hodnotu tohoto nástroje. NPV bere v úvahu časovou hodnotu peněz a závisí
na prognózovaných hotovostních tocích a oportunitních nákladech kapitálu (Scholleová,
2007, p. 4), proto je její vypovídací schopnost ve velkém množství případů správná a
přesvědčivá. Zároveň poskytuje informaci, kolik prostředků nad vynaloženou investici
podnik získá navíc, tudíž, o kolik se zvýší hodnota podniku díky realizaci konkrétního
43
projektu. Fakultativnost rozhodnutí přijmout nebo zamítnout investici se řídí hodnotou
NPV; je-li kladná, může být investice přijata, je-li záporná, nenastane vrácení vloženého
kapitálu. Z tohoto pohledu jsou všechny tři finanční modely projektu vyhovující a
mohou být přijaty. Z hlediska indexu rentability platí kritérium pro přijetí vytvořeného
projektu v podobě hodnoty tohoto indexu většího než jedna, jinými slovy budoucí
příjmy převyšují celkově kapitálové výdaje. Čím více index rentability přesahuje
hodnotu 1, tím více by měl být ekonomicky výhodnější (Scholleová, 2007).
Nejvýhodněji se v tomto případě jeví projekt řešení výhradně vlastními prostředky a
kapacitami, jehož hodnota indexu rentability je vyšší než 18. V případě použití dotace
nebo nákupu know-how (IRP) se také naplňuje výše vyslovená podmínka, ale jejich
hodnoty IR jsou výrazně nižší. Relativní rentabilitu zohledňuje vnitřní výnosové
procento, čím vyšší je hodnota diskontní sazby, při které má projekt nulové NPV, tím
lepší je její relativní výhodnost. Vzhledem k tomu, že charakter finančních toků u všech
tří modelů je konvenční, neměla by nastat situace falešně pozitivních nebo negativních
výsledků. Orientačním ukazatelem může být doba návratnosti, která se používá
především pro svoji srozumitelnost neekonomicky vzdělaným stakeholderům. Obecně
platí, že lepší situace je ta, kdy se investice splatí co nejdříve a ve stanoveném limitu
(Scholleová, 2007, p. 5). Z tohoto hlediska se jako lepší jeví řešení vlastními prostředky
nebo nákupem IRP, v případě dotovaného výzkumu a vývoje se uměle prodlužuje doba,
kdy už by bylo možné projekt komerčně realizovat. Pokud by se doba návratnosti
korigovala o čtyřleté období dotovaného výzkumu, byly by investiční výdaje splaceny
již po 2 letech. Scholleová (2007, p. 6) upozorňuje na průzkum mezi manažery, který
ukázal, že celá řada z nich přijímá investice i se zápornou hodnotou NPV. Vysvětlení
tkví v neschopnosti kvantitativních metod hodnocení postihnout prvek dodatečného
flexibilního rozhodnutí i v průběhu realizace projektu. Ta lze vnímat jako právo na
změny (ne povinnost) a právo na uplatnění finančních požadavků analogických
s finančními opcemi. Van Putten (2004) zmiňuje, že minimálně opce na ukončení
projektu by měla být součástí každého projektu, neboť pokaždé existuje možnost na
projekt rezignovat. Je otázkou za jakou cenu a jak velká zanedbatelnost by se u hodnoty
opce objevila v projektu. Z tohoto důvodu se v rámci objektivního pohledu na finančně-
ekonomické řešení projektu zaměří v následující části pozornost na uplatnění některých
možností práce s reálnými opcemi.
44
Za předpokladu, že ve všech třech modelech budou uvažovány variabilní náklady
z modelu VLASTNÍ (příloha 3), dojde k dramatickým změnám všech čtyř sledovaných
dynamických ukazatelů kvantitativního hodnocení. Konkrétní výsledky shrnuje Tab.
100.
Tab. 10 Ukazatele efektivnosti při variabilních nákladech z modelu VLASTNÍ
DOTACE VLASTNÍ NÁKUPIRR 0,22 0,28 0,00NPV 1 438 Kč 922 Kč -2 079 KčIR 0,65 18,43 0,00DPP 7 let 3 roky 0 letzdroj: vlastní konstrukce
Z uvedených výsledků je zřejmé, že efekt dotace dokáže zamaskovat negativní efekt
vysokých variabilních nákladů, které jsou zbytečné. Ještě více je patrné na modelu
nákupu IRP, kolik hodnoty v sobě skrývá nákup know-how, která se pak lépe
zhodnocuje i za vysokých variabilních nákladů do příznivých ekonomických ukazatelů.
Z výstupu kvalitativních metod hodnocení investic prakticky není možné vytvořit si
představu o opatření pro situace, že vývoj nabere jiný směr (např. nežádoucí), popř.
jakým způsobem budou ovlivněny tržby. Předpokladem je stanovení vstupních hodnot
pro model reálných opcí v tomto konkrétním příkladu a zjistit, které podklady je
následně možné reálné zužitkovat v hodnotícím procesu a v procesu odstraňování
nedostatků, popř. identifikování možností, které při konvenčním hodnotícím procesu
nejsou patrné.
Existuje možnost s dodatečnými náklady ve výši 100 000 Kč prodat dílčí licenci a
vytvořit dodatečnou současnou hodnotu 4 000 000 Kč. V odvětví je směrodatná
odchylka 0,846, bezriziková úroková míra 3,847 a podniková diskontní míra 10,5.
V následujícím textu bude zkoumána hodnota projektů s flexibilitou.
Tab. 11 Vstupní hodnoty parametrů opce analyzovaného projektu VLASTNÍ
X 100 100 100 100 100 100S 4 000 4 000 4 000 4 000 4 000 4 000T 5 4 3 2 1 0
46 odhad proveden podle tabulky odhadů s pro vysoce volatilní odvětví, kde mimo jiné figuruje i
biotechnologie jako oborově nejbližší řešenému projektu (Scholleová, 2007, p. 129)47 ČNB, www.cnb.cz (fulltextové vyhledání)
45
rf 3,8 % 3,8 % 3,8 % 3,8 % 3,8 % 3,8 %s 0,6 0,6 0,6 0,6 0,6 0,6
d1 3,562 3,801 4,179 4,861 6,511 1944,211d2 2,220 2,601 3,140 4,013 5,911 1944,209N(d1) 1,000 1,000 1,000 1,000 1,000 1,000N(d2) 0,987 0,995 0,999 1,000 1,000 1,000hodnota call opce 3 918 3 914 3 911 3 907 3 904 3 900
rozdíl opčních hodnot 3 3 3 4 4 3 900
NPV* 4 771 KčIRR* 47 %zdroj: vlastní konstrukce podle (Scholleová, 2007)
K výpočtu byl využit model (Tab. 111), jehož výstupem je informace o hodnotě
flexibility (opce prodejní) implementované přímo v projektu. Hodnota opce byla
vypočtena pomocí modelu Black-Scholes. Jejich přičtením k hodnotě NPV vychází
celková současná přidaná hodnota investičního záměru NPV* a především je takto
způsobilé korigovat relativní výnosnost projektu, je-li zvažována flexibilita IRR*
pomocí opce na prodej dalších licenčních práv. Z dosažených výsledků a především za
předpokladu, že věcně je zcela reálné uvést projekt v život, se nabízí velice
pozoruhodný a potenciálně výdělečný projekt.
Z klasických metod hodnocení investic se obtížně zjišťuje, jak se zachovat v případech,
že se vývoj projektu neubírá žádoucím směrem. Koncept reálných opcí nabízí možnost,
jak se lépe vypořádat s faktorem rozhodovací možnosti a jak ji přisoudit hodnotu pro
zjištění efektivnosti. Americký typ opce reflektuje možnost změn v projektu během jeho
realizace. Je vystavěn na binomickém rozvoji. Pro tento typ hodnocení projektu
VLASTNÍ byla sestavena kompozice vstupních parametrů (Tab. 12) a následně
proveden zmíněný binomický rozvoj odhadu možných změn hodnoty podkladového
portfolia jak pozitivním, tak negativním směrem.
Tab. 12 Parametry pro reálnou opci v modelu VLASTNÍ
parametr název parametru hodnota parametru
podklad pro zjištění
S současná hodnota budoucích CF 922
neobsahuje počáteční investici,
diskontovaný průběh cash flow
46
X investiční výdaj 50 skutečná hodnota investice
T doba životnosti 5 trvání projektu
r bezriziková úroková míra 3,80 %48
průměrný výnos státních
desetiletých dluhopisů
2 volatilita projektu 0,60metodou převzetí její hodnoty pro sektor, odvětví
zdroj: vlastní konstrukce
Pro výpočet binomického rozvoje byly použity matematické aparáty popsané
v teoretické části práce. Tím byla zjištěna hodnota flexibilita zakomponovaná přímo do
projektu C (opce call) a P (opce put). Přičtením k NPV projektu došlo ke korekci
ukazatele efektivnosti projektu v podobě celkové současné přidané hodnoty NPV*.
Binomickým rozvojem se získají podklady v podobě možných budoucích cash flow a
následně zpětně možnost rekurentního přepočtu na prodejní i kupní typ americké opce.
Binomický rozvoj charakterizuje hodnota růstového a poklesového koeficientu, resp.
pravděpodobnosti výskytu růstu a poklesu. Veškeré výše uvedené je uvedené
v doprovodném vyjádření v podobě parametrické tabulky binomického rozvoje (Tab.
133). Jinými slovy se jedná o simulace možného vývoje budoucích cash flow po dobu
existence projektu za předpokladu pozitivního i negativního vývoje v jeho jednotlivých
letech.
Tab. 13 Binomický rozvoj modelu VLASTNÍ a vývoj vnitřní hodnoty jeho opce
u 2,169717d 0,46089p 0,333627 20 4341-p 0,666373 9 418
4 340 4 3402 000 2 000
922 922 922425 425
196 19690
42
20 3849 368
4 290 4 2901 950 1 950
48 Úrokové sazby [online]. Ministerstvo financí České republiky 2013, www.mpo.cz
47
872 872 872375 375
146 14640
0Zdroj: vlastní výpočet podle (Scholleová, 2007, p. CD)
Současná hodnota budoucích peněžních toků 922 000 Kč je prvním sloupcem
binomického rozvoje, další sloupce odpovídají dalším letům průběhu projektu a
představují možné stavy hodnoty opce. Za předpokladu výhradně pozitivního vývoje
situace může projekt vytvořit hodnotu až 20,4 mil. Kč. V opačném případě může nastat
situace, které je přiřazena hodnota 42 000 Kč, což je méně než použitá investice, čili by
se realizovala ztráta. Interpretace reálných opcí je postavena na následující logice.
Pokud například ve 3 po sobě jdoucích obdobích je vývoj ekonomického prostředí
negativní, mělo by být zváženo (možnost volby, flexibilita), zda v něm pokračovat,
omezit ho nebo zlikvidovat. Pokud by podnik dostal nabídku na odkup projektu za
100 000 Kč, bylo by toto rozhodnutí správné za předpokladu, že další vývoj
ekonomického prostředí bude pokračovat v negativním trendu. Pro zisk (efektivnost)
projektu je potřeba uplatňovat rekurentní výpočet. Jeho výsledky jsou zobrazeny
v podobě druhého rozvoje v Tab. 13. Jelikož se jedná o americkou call opci, jednotlivé
kolonky rozvoje vyjadřují hodnotu flexibility C, která navyšuje hodnotu projektu
vyjádřenou jako NPV. V prvním roce je tak hodnota NPV projektu dána součtem podle
níže uvedeného vztahu (kapitola 2.4.7):
NPV* = NPV + C = 922 000 + 872 000 = 1 794 000 Kč
Hodnota projektu se připočtením hodnoty flexibility zvýšila o téměř 49 %, za
předpokladu pravděpodobnosti růstu (33,4 %), resp. poklesu (66,6 %) má management
podniku k dispozici rozhodovací strom, na jehož základě může posuzovat, zda využít
jednu z níže uvedených forem opčního práva:
opce vyčkávat opce přerušit opce rozšířit / zaměnit
Úspěšnost je podmíněna vysoce aktivním přístupem managementu, který musí
komplexně a podrobně sledovat vývoje široké škály ekonomických i nefinančních
faktorů a každé své rozhodnutí podkládat dalšími analýzami a propočty.
48
3.5 Rozbor rizik a jejich prevence
V případě konkrétního projektu výzkumu a vývoje je nejprve představeno požadované
pojetí problematiky rizik pro návrh projektu ze strany poskytovatele dotačního titulu.
V další fázi je provedena objektivnější analýza rizik, kterou vyjadřuje její matice.
Následuje citlivostní analýza simulovaná za účelem zjištění změn spojených s cash flow
v důsledku poklesu tržeb. K tomuto účelu jsou komparovány obvyklé modely pro
hodnocení investic.
Teorie rozhodování pracuje se třemi možnými situacemi. K rozhodování může docházet
za jistoty (výsledky kroků, které byly podniknuty, jsou známé), za rizika (jsou
odhadnuty pravděpodobnosti reakcí, že nastanou) a za nejistoty (tyto pravděpodobnosti
známé nejsou). V praxi je podstatná část rozhodovacích kroků zatížena riziky a
nejistotami a v zájmu dosažení úspěchu musí být vytvořena taková opatření, aby
negativní dopady rizik a nejistot byla co nejvíce zmenšena. Klasické metody hodnocení
buď s rizikem pracovat nedovedou (statické metody) nebo je obsaženo v použité
diskontní míře (dynamické metody). Z uvedených důvodů doporučuje teorie hodnocení
investic paralelně studovat rizika, jak jim předejít, nebo jak umenšovat rozsah
negativních dopadů, pokud jejich vznik nelze zamezit.
3.5.1 Rizika dosažení cíle projektu
Jakýkoliv projekt zahrnuje celou škálu rizik, která se liší mírou dopadu na úspěšné
uskutečnění a realizaci. S ohledem na skutečnost, že jen v omezené míře lze použít
exaktní vyjádření, doporučuje se při jejich identifikaci a charakterizaci vytvořit předem
danou strukturu jejich klasifikace. Jejích reálným průmětem bývá tzv. matice rizik.
Legenda vytvořená jako Tab. 144 pro případ projektu výzkumu a vývoje vysvětluje
terminologii a rozložení rizik použitých v rámci jejich analýzy.
Tab. 14 Podklady pro charakterizaci rizik
popis rizika
pravděpodobnost výskytu
závažnost dopadů návrh jejich eliminace nebo omezení
projevy rizika
nízká zanedbatelná návrh systému opatření, jak výskytu rizika
předejít nebo jak utlumit jeho negativní dopadstřední průměrnávysoká kritická
zdroj: vlastní konstrukce
49
Obecně mývají rizika za následek negativní dopady na ekonomické ukazatele, limitují
provozně-technické aspekty projektu, popř. bývají klasifikována jako jiná (externě
působící).
Rizika spojená s tímto projektem musí být vnímána v pozitivní rovině jako předpoklady
a podmínky pro zdárné dosažení. Z hlediska odborného zaštítění disponuje řešitelský
tým velmi renomovanými odborníky pohybujícími se dlouhodobě v problematice
molekulární biologie, aplikované biologie, sanačního inženýrství a zejména v prostředí
projektového managementu výzkumu, vývoje a inovací. S ohledem na plánované
rozšíření stávajících pracovních týmů se nabízí možnost implementace nadaných
jedinců, kteří již v průběhu své odborné přípravy prokázali vynikající předpoklady stát
se platnými prvky v oblasti lidských zdrojů. Druhou nezanedbatelnou oblastí
předpokladů, které vytváří optimální podmínky pro řešení projektu, je špičková úroveň
vybavení pracovišť všech zainteresovaných subjektů, jak v rovině laboratorní, tak
rovněž v technickém vybavení, které umožňuje sofistikovanou práci v oblasti
environmentálního servisu. Rizika, která jsou obtížně odhadnutelná, vyplývají ze
samotné podstaty biologického činitele, jenž je nesmírně složitým systémem,
podléhajícím vlivu velkého okruhu faktorů, které v něm v mnoha případech vyvolávají
nepředpokládané reakce. Nicméně již jen samotné vytčení cílů tohoto projektu je
koncipováno tak, aby se maximálně umenšily jejich negativní efekty a frekvence
výskytu a výsledky projektu tak představují i určitou formu preventivních opatření pro
dosažení pozitivní změny na tomto poli. Popis rizik a přístupů k jejich eliminaci
postihuje velmi užitečný prostředek převzatý z managementu rizik, jímž je matice rizik.
Determinuje následky definovaných příčin a jejich frekvenci, čímž vytváří prostředí pro
konkretizaci kritéria přijatelnosti rizika a zejména umožňuje i konstrukci vhodných
opatření. Matice rizik je součástí doplňujících údajů projektu. Postihuje faktor lidského
zdroje, faktor technického zázemí a faktor biologického činitele. Obecně předpoklady
eliminace rizik vycházejí např. ze zastupitelnosti klíčových členů řešitelského kolektivu,
intenzifikace sdílení informací, z existence záložních technických systémů a v
neposlední řadě z velkého penza zkušeností, jak čelit nepředpokládaným odpovědím
biologického činitele na definovaný podnět a to zejména v rovině maximalizace úsilí
transponování těchto poznatků do uchopitelné a technicky zužitkovatelné roviny. Z
biologického hlediska je nejvíce křehkou a zranitelnou oblastí pojetí fenoménu tzv.
nekultivovatelných mikroorganismů. Na jednu stranu jsou velkým zdrojem problémů
50
objektivní charakterizace kontaminované lokality, na druhou stranu představují
obrovský potenciál pro zužitkování v technické praxi sanačního inženýrství. Rizika
pramení z proměnlivosti jejich chování, které v některých případech mohou vést, až
zavádějícím zjištěním v rovině nelze / lze kultivovat. Tyto projevy jsou zahaleny
nedostatečně provedenou experimentální prací a s ohledem na množství
mikroorganismů přítomných na Zemi zřejmě nikdy ne zcela plně proveditelnou.
3.5.2 Citlivostní analýza a analýza rizik metodou Monte Carlo
Od nejpravděpodobnějších hodnot veličin, které tvoří finanční model projektu, se
vstupní veličiny mohou odchylovat. Postihnout tyto změny nutně vyžaduje provedení
analýzy rizik. U všech tří modelů byla nejprve uskutečněna analýza citlivosti pomocí
MS Excel s doplňkem Crystal Ball49 v režimu tzv. Tornado Chart (tornádo graf).
Zvolená cesta se zaměřila na citlivost čisté současné hodnoty při izolovaných změnách
každé vstupní proměnné od její plánované hodnoty, která je vyjádřena jako první soubor
informací v kapitole 3.3. Výsledky této analýzy jsou vyjádřeny graficky pomocí
Tornado Chart (Obr. 10, Obr. 13, Obr. 16). V Tornado Chart jsou uspořádány podle
velikosti dopadu na NPV projektu podle jejich stejných procentních změn. V případě
modelu DOTACE se ukázalo, že největší vliv na sledovaný parametr efektivnosti má
diskontní sazba, následovaná s odstupem cenami a variabilními náklady. K obdobným
zjištěním se dospělo i v případě modelů VLASTNÍ a NÁKUP. Potvrzuje se tak
poměrně známá skutečnost, která je předmětem zájmu nejenom akademické obce, ale
především investorů, spojená s vypořádáním se s problémem zjištění míry diskontní
sazby co možná nejvíce relevantním a exaktním způsobem. Diskontní míra v sobě
zrcadlí riziko a vnáší ho jak do dynamických modelů postavených na diskontování
výnosů budoucích, tak v rámci senzitivních analýz. A především její dopad na výnosy
projektu je značný.50 Jednoznačně akceptovatelná metodika stanovení diskontní sazby
neexistuje, je předmětem řady studií. Velice závažným sdělením by mělo být
připomenutí snadné zmanipulovatelnosti projektu volbou diskontní sazby. Silný dopad
faktoru doby trvání projektu, jak dokládá učebnicový příklad uvedený výše v poznámce. 49 Crystal Ball – produkt společnosti ORACLE, použita volně dostupná trial verze
(www.oracle.com/us/products/applications/crystalball/overview/index.html) s možností stažení
patnáctidenní trial version, která byla použita pro modelování v této práci50 Známým příkladem je porovnání očekávaných výnosů ve výši 100 000 Kč za 1 rok a za 15 let. Při 5%
diskontu zbyde za 15 let z výnosu zhruba polovina částky, při 10% diskontu méně než čtvrtina sumy
obdržené za 1 rok.
51
Analýza pokračuje rozborem příspěvku jednotlivých faktorů rizika pro každý z modelů
projektu. Závěrečná simulace v každém modelu znázorňuje rozdělení pravděpodobnosti
jak NPV projektu, tak IRR projektu. V návaznosti na zjištěné skutečnosti budou některé
parametry simulovány pro snazší pochopitelnost ve vazbě na změny NPV každého
z dílčích modelů za účelem vyjádřit jejich vliv na NPV projektu, se zjednodušením
v podobě konstantních parametrů během doby trvání projektu pro snazší grafické
zpracování.
Analýza rizik v modelu DOTACE
Na základě expertního posouzení a především pomocí citlivostní analýzy vyjádřené
pomocí tornádo grafu (Obr. 10) se dospělo k závěru, že rizikovými faktory projektu
52
Obr. 10 Model DOTACE - Tornado Chart
zdroj: vlastní konstrukce
jsou jeho diskontní sazba, tuzemská prodejní cena (PCT), objem produkce a variabilní
náklady (VN), posuzují-li se v rámci jednofaktorové analýzy citlivosti (izolované
změny parametru v 10% oboustranném intervalu od dané hodnoty). Překvapivým
zjištěním je zanedbatelný vliv dotace ve všech sledovaných letech (D1 – D4).
Z hlediska jejich vlivu na ekonomickou rentabilitu by však měly být hodnoceny buď
binárně (je nebo není) nebo z hlediska její výše.
53
Obr. 11 Model DOTACE – rozdělení pravděpodobnosti NPV, IRR a RI
zdroj: vlastní konstrukce
Ve výše uvedených simulacích (Obr. 111) bylo u dotace použito trojúhelníkové
rozdělení mezi hodnotami 100 tis. Kč až 2 000 tis. Kč. Rozdělení pravděpodobnosti
bylo zjištěno na všech třech ukazatelích efektivnosti investičních projektů. Potvrdilo se,
54
že pravděpodobnost dosažení takových hodnot, při kterých jsou investice považovány
za efektivní, dosáhlo vzájemné shody, při pravděpodobnosti okolo 58 % model
DOTACE dosahuje přijatelných hodnot u ukazatele NPV a RI. V případě IRR je tento
předpoklad splněn s pravděpodobností 48 %, nicméně IRR jako míra relativní
výnosnosti není vždy v plném souladu s vývojem jiných ukazatelů.
Obr. 12 Model DOTACE - analýza citlivosti
O to překvapivější je zjištění, jakým způsobem nalezené faktory rizika přispívají
k nejistotě zkoumaných proměnných. Logicky existuje v případě NPV a RI shoda i
s ohledem na konstrukci výpočtu (viz. Příloha 2). Téměř 90 % přispívá diskontní sazba
k nalezenému rozdělení, následovaná dílčími dotacemi v jednotlivých letech. Oproti
tomu v případě IRR je nejvýznamnějším rizikovým faktorem soubor dotačních vlivů.
55
Analýza rizik v modelu VLASTNÍ
Expertním zhodnocením byl největší význam v souboru rizikových faktorů přisuzován
variabilním nákladům, objemu produkce a diskontní sazbě. Citlivostní analýza
jednotlivých faktorů (Obr. 13) tento odhad potvrdila a doplnila ještě o parametr
tuzemské prodejní ceny.
Obr. 13 Model VLASTNÍ - Tornado Chart
zdroj: vlastní konstrukce
56
Ve výše uvedených simulací (Obr. 14) za účelem nalezení rozdělení nejistoty byl
sledován vliv faktorů rizika, které byly vyhodnoceny v citlivostní analýze. V případě
investice, která je v modelu zvolena velmi nízká (50 tis. Kč) byla simulována až do výše
1 000 tis. Kč. Dále byl zohledněn faktor variabilních nákladů, u nichž se horní mez
v simulaci navýšila na dvojnásobek. Ze získaných výsledků je patrná poměrně dobrá
shoda hodnoty pravděpodobnosti (okolo 60 %), za níž je dosaženo parametrů
odpovídajících ekonomicky efektivnímu investičnímu projektu.
Obr. 15 Model VLASTNÍ – analýza citlivosti
zdroj: vlastní konstrukce
Význam variabilních nákladů se projevil jako nejvýznamnější příspěvek rizika při
simulaci nejistoty IRR. U zbývajících parametrů dominuje diskontní sazba, vzápětí
následovaná hodnotou diskontu (Obr. 15).
58
Analýza rizik v modelu NÁKUP
Obr. 16 Model NÁKUP - Tornado Chart
zdroj: vlastní konstrukce
Prvním testem citlivosti (Obr. 16) na bázi vlivu osamocených faktorů rizika byl
potvrzen předpoklad, že se patrně bude jednat o dvojici diskontní sazba a výše investice
(nákupu licence). V navazujících simulacích rozdělení nejistoty byly tyto skutečnosti
zohledněny a doplněny o vliv objemu produkce.
59
Z výstupů simulace vyplývá (Obr. 177), že parametr NPV pro ekonomicky efektivní
investici se naplňuje s pravděpodobností kolem 50 %. Co je však varující, to jsou
signály, které lze vyčíst z nejistoty IRR a RI. V případě IRR existuje pouhá 16%
pravděpodobnost, že se octne v intervalu relativně rentabilní investice, v případě RI je
tato pravděpodobnost dvojnásobná. Tyto výsledky svědčí o tom, jak citlivým
parametrem pro ekonomickou efektivnost je v tomto případě výše investice, na rozdíl
od projektu, který je dotován nebo projektu, který je od svého začátku tlačen k tomu,
aby tvořil zisk.
Obr. 18 Model NÁKUP – analýza citlivosti
Zdroj: vlastní konstrukce
61
Nálezy v simulacích potvrzují výsledky analýzy příspěvku rizikových faktorů
k nejistotě (Obr. 18), vyjma NPV, kde je opět nejvýznamnějším činitelem diskontní
sazba, v případě IRR i RI se jako největší dotace na nejistotě projevuje výše investice.
Ve všech případech se ukazuje, že nejcitlivěji reagují finanční modely prostřednictvím
NPV na změnu diskontní sazby. V modelu DOTACE a NÁKUP se projevuje sice
nikoliv výrazným způsobem, ale přesto, objem produkce. Ukazuje se, že úplně jiná
situace nastává, je-li sledována jako hodnotící parametr investice IRR a IR. U těchto
ukazatelů se silně projevuje způsob nastavení financování a z výsledků analýzy rizika
pomocí numerických simulací je zřejmé, že nejrizikovějším projektem bude model
postavený na nákupu licence, následovaný modelem s dotací. U obou se promítá vliv
alokované částky, na rozdíl od modelu s financováním z vlastních zdrojů, kde je již od
počátku vyvinut tlak na komercializaci. V případě dotace je zakázána a při nákupu
licence se projevuje její splácení.
Výše provedené analýzy nastolily otázku, jak se projeví změna parametru, které analýza
určila jako jeden z nejvýznamnějších – diskontní sazba, pokud bych numerický model
neměl k dispozici a byl odkázán pouze na finanční model projektu v tabulkovém
kalkulátoru (Scholleová, 2009, p. 175). Zjištění pro všechny používané modely
z hlediska míry dopadu diskontní sazby na jejich NPV je vyjádřeno graficky jako
průběh změn (Obr. 19).
62
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
-2000
-1000
0
1000
2000
3000
4000
5000
6000
7000
VLASTNÍNÁKUPDOTACE
diskontní sazba
NPV
v ti
s. Kč
Obr. 19 Simulace vlivu diskontní sazby na NPV modelů
zdroj: vlastní konstrukce
Již v úvodních částech přípravy finančních modelů byl vysloven předpoklad o
významném příspěvku variabilních nákladů a jejich výše na ukazatel efektivnosti
v podobě NPV. Numerický nástroj však neprokázal zásadní dopad těchto nákladů na
rizikovost. Při pohledu na grafický průběh vlivu variabilních nákladů na NPV (Obr.
200) zaujme lineární charakter změn, které vyvolá modulace tohoto parametru. Ještě
více zaujme skutečnost, že oblast, kdy jsou projekty ekonomicky pořád efektivní
(hodnota NPV je větší než nula), se poměrně značně shoduje u všech tří finančních
modelů.
63
0 1 5 10 20 35 45 50 100
-50000
-40000
-30000
-20000
-10000
0
10000
20000
30000
40000
NVD
variabilní náklady v tis. Kč/ks
NPV
v ti
s. Kč
Obr. 20 Simulace vlivu variabilních nákladů na NPV modelů
zdroj: vlastní konstrukce
Z tohoto zjištění plyne doporučení věnovat pozornost udržení dostupnosti vstupů
v podobě variabilních nákladů po dobu existence projektu, což lze řešit např.
předzásobením se surovinami, které lze dlouhodobě skladovat za nízkých provozních
nákladů – chemikálie, spotřební zboží typu jednorázové misky, manipulátory apod.
Variabilní náklady mají největší rizikový příspěvek v projektu VLASTNÍ, neboť jsou
základním prvkem ovlivňujícím tvorbu hodnoty projektu a nejsou rozpuštěny např.
v nákupu IRP nebo v dotační částce.
Z výše provedených analýz dále vyplývá, že velmi senzitivním parametrem projektů je
objem produkce, což na druhou stranu vyznívá jako zcela logické. Pokud by předešlý
postup byl aplikován na všechny modely, vedou graficky vyjádřena zjištění jejich vlivu
na NPV (Obrázek 21) ke konstatování, že pro projekty, které jsou buď stimulovány
dotací (DOTACE) nebo mají velký kapitálový výdaj (NÁKUP) existuje podobný objem
produkce, který za zachování zbývajících parametrů povede k ekonomické efektivitě.
64
0 10 20 30 40 50 60 70 80 90 100
-10000
-5000
0
5000
10000
15000
VDN
objem produkce v ks
NPV
v ti
s. Kč
Obrázek 21 Simulace vlivu objemu produkce na NPV projektů
zdroj: vlastní konstrukce
V případě nákupu IRP se od objemu produkce více jak 40 ks začne projevovat nejvyšší
nárůst ukazatele NPV, což je i v souladu s nejvyšší hodnotou IRR jako ukazatele
relativní výnosnosti, která v případě modelu NÁKUP má hodnotu 0,57. Jednoznačným
doporučením je maximalizace úsilí v obchodní a marketingové rovině, neboť právě zde
vede cesta k vysoké ziskovosti za předpokladu volby projektu spojeného s finančním
modelem NÁKUP.
65
4 Závěr
Objevování, budování a rozvíjení konkurenční výhody se v dnešním globalizovaném
světě neobejde bez výzkumu a vývoje, neboť tyto procesy jsou hnacím prvkem inovací
a nalézání nových příležitostí pro zvyšování hodnoty obecně. Výzkum a vývoj je
pojmem nesmírně širokým a také jeho průměty do dílčích sektorů tržních odvětví a
sektorů nabývají různého významu. Cílem této práce bylo postihnout možnosti
výzkumu a vývoje v komerčním subjektu v teoretické rovině a v rovině praktické
akcentovat sílu významu finančních a ekonomických faktorů jako neoddělitelné
součásti jakékoliv investiční aktivity, což výzkum a vývoj, jak práce ukázala, je –
splňuje prostou definici investice jako odložené spotřeby za účelem generování zisku
v obdobích budoucích.
Přínos práce lze vnímat v rovině strukturální, protože přináší v kruzích neekonomicky
vzdělaných pracovníků výzkumu a vývoje konkrétní pohled na uchopení ekonomické a
finanční problematiky projektů výzkumu formou konkrétního rozpracování těchto částí
návrhů a konfrontuje je se současnou realitou na poli ucházení se o dotační podpory
z veřejných zdrojů formou konkrétních programů. Tři modely, které v práci vznikly
jako varianty vlastního výzkumu nebo jeho outsourcingu za scénáře bez dotační
podpory a s dotací (DOTACE, VLASTNÍ, NÁKUP) představují tři typy řešení, na
kterých autor projektové dokumentace jakékoliv formy projektu výzkumu a vývoje
může uplatnit hodnocení ekonomické efektivity. Sestavené modely v podobě svých
kumulovaných a diskontovaných průběhů cash flow byly podrobeny klasickým
nástrojům kvantitativního hodnocení investic (NPV, IRR, RI a PP). Výpočty ukázaly, že
dobře sestavené modely mohou nezávisle na svých aspektech jako zdroje financování a
alokace výdajů vykazovat veskrze pozitivní výsledky vedoucí k možnosti volby
konceptu. Konkrétně se potvrzuje, jak náročná je správná interpretace výsledků
z dynamických metod hodnocení v kontextu řešení. Např. značný nárůst variabilních
nákladů způsobí takovou změnu modelu NÁKUP, že se stane ekonomicky
neefektivním. Naopak model VLASTNÍ ukazuje, že i při nízkém ukazateli NPV lze
sestavit řešení, které v sobě obsahuje vnitřní hodnotu. Z hlediska investičních
příležitostí je zřejmé, že značný rozdíl v ukazateli RI díky své jednoduché vypovídací
hodnotě bude jednoduše přesvědčivý. A nakonec je nutné dodat, že koncepty postavené
na snaze získat podporu v podobě dotačních titulů se mohou ukázat jako ekonomicky
průměrné, čemuž přispívá oddalování komerční fáze v důsledku pravidel poskytovatele
66
a mnohdy i promarnění příležitosti zaujmout v důsledku toho silné tržní postavení. Vliv
dotace se ukázal jako přínosný za výrazného nárůstu variabilních nákladů v podobě
tlumícího efektu propadu ukazatelů efektivity.
Odpovědět na otázku, jak vyšlo porovnání nástrojů hodnocení investičních projektů
v oblasti výzkumu a vývoje, lze kladně. Za dodržení zobecněných principů a doručení
práce s nimi (průběhy cash flow) představují bezpochyby užitečné instrumenty pro
získání podkladových informací pro rozhodovací procesy. Na druhou stranu se potvrdil
fakt, že nezohledňují jednu z nejvýznamnějších možností – možnost flexibilních
rozhodnutí, např. prakticky kdykoliv uplatnitelný koncept zavržení a odstoupení od
projektu.
V navazující části byl proto uplatněn jeden z nástrojů zohledňující rozhodovací
flexibilitu – nástroj reálných opcí. Za předpokladu významné informační asymetrie,
kterou ve svůj prospěch skutečně dobří manažeři výzkumu a vývoje mají, existuje
bezpočet možností, jak vytěžit maximum z investičního projektu již v jeho průběhu. Na
konkrétním příkladu byla metodou reálné opce vyčíslena kladná změna ukazatele
relativní efektivnosti IRR a její hodnota atakovala bezmála 50 %. Právě tato cesta se
jeví jako potenciálně velmi perspektivní pro obhajobu záměrů ve výzkumu a vývoji.
Vyplývají zde doporučení akcentovat komplexní vnímání projektu a systematicky
zohledňovat okruhy flexibility možností ve prospěch řízení projektů a potlačování jejich
rizik. Pomocí modelu reálné opce na bázi typu americké kupní opce se podařilo zjistit,
že hodnota flexibility projektu zvyšuje jeho hodnotu o téměř 49 % a především
poskytuje pozoruhodný nástroj ve formě rozhodovacího stromu pro další řešení jako
reakce na ekonomický vývoj v kontextu projektu.
Poslední významnou částí práce je další podceňovaný prvek projektů obecně, těch
výzkumně-vývojových zvláště. Citlivostní analýzy a jejich zúročení v podobě
managementu řízení rizik jsou silným vodítkem pro efektivnější a bezpečnější práci na
profilu projektů investic a výzkumně-vývojových investic zvláště. Všechny tři modely
byly podrobeny citlivostní analýze za účelem identifikovat faktory dotující riziko
projektu. Ukázalo se, že původně předpokládané variabilní náklady nemají až tak
vysoký příspěvek k riziku jako míra diskontní sazby, dotace a investice, vyjma modelu
VLASTNÍ. Všechny zmíněné parametry byly dále v modelech simulovány za účelem
odhalení limitů, za kterých dochází k negativní konverzi ukazatele efektivity projektů
67
v podobě NPV, ale i IRR a RI. U IRR je nutné poznamenat, že se na něm projevuje
kvantitativně jiná struktura příspěvků faktorů rizika. Doporučení, která z těchto kroků
vyplývají, lze shrnout do konstatování věnovat velkou péči finančním zdrojům
v podniku a stabilizovat diskontní míru, dále řídit náklady takovým způsobem, aby se
např. preventivně čelilo nečekaným cenovým výkyvům předzásobením v obdobích, kdy
některé předměty spotřeby dosahují velmi výhodných cen a posledním klíčovým
doporučením je obchodní a marketingová činnost. Ze své zkušenosti autor potvrzuje, že
právě tato fáze je v oblasti výzkumu a vývoje těžce podceněná a bohužel přispívá
nemalou měrou k velkým ztrátám hodnoty a mnohdy i k promarnění posunu na
jedinečné konkurenční výhody. V akademické rovině si autor dovoluje formulovat
doporučení zintenzivnit výzkumné směry, které se problematikou diskontu a úrokových
sazeb v různých, zejména investičních souvislostech zabývají na půdorysu rozmanitých
tržních sektorů. V této oblasti je skutečně významný informační nedostatek a je škoda
tento fakt opomíjet.
68
Literatura
Monografie
BARTES, F., 2005. Inovace v podniku. Brno : CERM. ISBN 8021430869
BOER, F., 2002. The Real Option Solutions. Finding Total Value in High Risk World.
New York : John Willey & Sons. ISBN 978-0-07-338237-1.
BOER, F., 2007. Oceňování technologií. Praha : Zoner Press. ISBN 978-80-86815-66-
4.
BROOKING, A., 1996. Intellectual Capital. New York : Cengage Learning EMEA.
ISBN 9781861524089.
CAOASE, R.H., 2012. The Firm, the Market, and the Law. Chicago : University of
Chicago Press. ISBN 978-02-26051-20-8.
COOPER, R., 2001. Portfolio Management for New Products, New York: Basic Books.
ISBN 0-7382-0514-1.
DAVENPORT, T., 2005. Thinking for Living. Boston : HVB School Publishing. ISBN
1-59139-423-6.
DRUCKER, P. F., 1999. Management Challenges for the 21st Century. Oxford :
Butterworth-Heineman. ISBN 80-7261-021-X.
DUCHOŇ, B., 2008. Management. Integrace tvrdých a měkkých prvků řízení. Praha :
CH Beck. ISBN 978-80-7400-003-4.
FOTR, J. & Souček, I., 2011. Investiční rozhodování a řízení projektů. Praha : Grada
Publishing. ISBN 978-80-247-3293-0.
FOTR, J. & Švecová, L., 2010. Manažerské rozhodování: postupy, metody a nástroje.
Praha : Ekopress. ISBN 80-247-0939-2.
HNILICA, J. & Fotr, J., 2009. Aplikovaná analýza rizik - ve finančním managementu a
investičním rozhodování. Praha : Grada. ISBN 978-80-247-2560-4.
CHAMBERS, R., 2012. Ideas for Development. London : Earthscan, Routledge, Taylor
& Francis Group. ISBN 1-84407-088-3.
JALAN, P., 2004. Industrial Sectors Reforms in Globalization Era. New Delhi : Sarup
& Sons, 2004. ISBN 81-7625-536-X.
KISLINGEROVÁ, E., 2010. Manažerské finance. Praha : C. H. Beck. ISBN 978-80-
7400-194-9.
KORECKÝ, M., 2011. Management rizik projektů. Praha : Grada. ISBN 978-80-2473-
221-3.
KOTLER, P., 1992. Marketing Management. Praha : Grada. ISBN 978-80-247-1359-5.
LEV, B., 2001. Intangibles. Management Measurement, and Reporting. Washington :
Brookings Institution Press. ISBN 978-08-157-0093-7.
MÁČE, M., 2013. Účetnictví a finanční řízení. Praha : Grada. ISBN 978-08-157-0093-7
MARLOW, J., 2001. Option Pricing: Black-Scholes Made Easy. New York: John
Wiley and Sons. ISBN 978-04-714-3641-6.
MEYERS, R. A., Brealey, S. C. & Allen, F., 2008. Principles of Corporate Finance.
New York: McGraw-Hill/Irwin. ISBN 978-0073405100.
MIKEŠ, J., 2010. Výzkumné projekty a jejich ekonomická hodnota. In: Sborník
Průmyslová ekologie. Chrudim : Vodní zdroje Ekomonitor spol.s r.o. ISBN 978-80-
86832-50-0.
MORRA, L., 2009. The Road to Results: Designing and Conducting Effective
Development Evaluations. Washington: World Bank Publication. ISBN 978-
0821378915.
MUN, J., 2010. Modeling Risk: Applying Monte Carlo Risk Simulation, Strategic Real
Options, Stochastic Forecasting, and Portfolio Optimization. NY: John Wiley & Sons.
ISBN 978-0-470-59221-2.
MUNN, J., 2005. Real Options Analysis: Tools and Techniques for Valuing Strategic
Investment and Decisions. New York: Willey Finance. ISBN 978-0471747482.
NENADÁL, J., 2004. Měření v systémech managementu jakost. Praha: Management
Press. ISBN 80-7261-110-0.
NIWA, K., 1999. Knowledge Base Risk Management in Engineering. New Jersey:
Willey. ISBN 978-04-71628934
PAVELKOVÁ, D. & Knápková, A., 2005. Výkonnost podniku z pohledu finančního
manažera. Praha: Linde. ISBN 978-80-86131-85-6.
PLAMÍNEK, J., 2008. Vedení lidí, týmů a firem - Praktický atlas managementu. Praha:
Grada. ISBN 978-80-247-3664-8.
POLÁCH, J., 2012. Reálné a finanční investice. Praha: Grada. ISBN 978-80-7400-436-
0.
RAIS, K., 2006. Řízení rizik ve firmách a jiných organizacích. Praha: Grada. ISBN 978-
80-247-4644-9.
ROKACH, L., 2008. Data Mining with Decision Trees: Theory and Application.
Geneva: World Scientific. ISBN 978-9812771711.
ROUSSEL, P. A., Saad, K. N. & Erickson, T. J., 1991. Third Generation R&D: Making
the Link to Corporate Strategy. Boston: Harvard Business Review Press. ISBN 978-
0471496151.
SOUČEK, I., 2005. Podnikatelský záměr a investiční rozhodování. Praha : Grada. ISBN
80-247-0939-2.
SCHOLLEOVÁ, H., 2007. Hodnota flexibility reálné opce. Praha: C H Beck. ISBN
978-80-7179-735.
SCHOLLEOVÁ, H., 2009. Investiční controlling. Praha: Grada. ISBN 9788024729527
SCHWARTZ, E. S. & Trigeorgis, L., 2004. Real Options and Investment Under
Uncertainty: Classical Readings and Recent Contributions. Boston: MIT Press. ISBN
978-0262693189.
STARÝ, O., 2003. Reálné opce. Brno : A plus. ISBN 9788090251465
SVEIBY, K. E., 1997. The New Organizational Wealth: Managing & Measuring
Knowledge-based Assets. San Francisco : Berrett-Koehler Publishers. ISBN
9781576750148.
SYNEK, M., 2007. Manažerská ekonomika. Praha: Grada. ISBN 80-247-9069-9.
SYNEK, M., 2010. Podniková ekonomika. Praha: C H Beck. ISBN 80-7179-892-4.
ŠAUER, P., 2007. Kapitoly z environmentální ekonomie a politiky i pro neekonomy.
Praha : Univerzita Karlova, Centrum pro otázky životního prostředí. ISBN
9788087076064.
TIDD, J. & Bessant, J., 2011. Managing Innovation: Integrating Technological, Market
and Organizational Change. New York : John Wiley & Sons. ISBN 9781119959335.
VOCHOZKA, M., 2011. Metody komplexního hodnocení podniku. Praha : Grada.
ISBN 8024736470, 9788024736471
WARREN, C., 2008. Accounting. Stamford: Cengage Learning. ISBN 978-0-538-
47500-6.
WITCHER, B., 2010. Strategic Management: Principles and Practice. Stamford:
Cengage Learning EMEA. ISBN 9781844809936.
WÖHE, G., 1995. Úvod do podnikového hospodářství. Praha: C H Beck. ISBN
9788071798972
Odborné články
BEANS, A., Russo, M. J. & Whiteley, R. L., 1998. Benchmarking Your R&D> Result
from IRI/CIMS Annual R&D Survey for FY 96. Research - Technology Management,
Svazek 41, pp. 24-34.
BOER, F., 2000. Valuation of Technology Using Real Options. RTM, Svazek 43, pp. 1-
9.
BOER, R., 2005. Research is an investment, not an expense. Applied Catalysis A:
General, 280(1), pp. 3-15.
CZITROM, V., 1999. OFAT Versus Designed Experiments. The American Statistician,
53(2), pp. 126-131.
DIERKS, P. A. & Patel, A., 1997. What is EVA, and how can it help your company?.
Management Accounting, Svazek 1, pp. 52-58.
HARTMANN, M. & Hassan, A., 2006. Application of real options analysis for
pharmaceutical R&D project valuation—Empirical results from a survey. Research
Policy, 35(3), pp. 343-354.
LUEHMAN, T., 1998. Strategy as a Portfolio of Real Options. Harvard Business
Review, 76(5), pp. 89-99.
ROBERTS, E. B., 2007. Managing Invention and Innovation. Research-Technology
Management. 50(1), pp. 35-54
SKALICKÝ, J., Vacek, J. & Ircingová, J., 2007. Metodika hodnocení výzkumných
projektů, Plzeň: ZČU Plzeň.
VAN PUTTEN, A. a. M. I., 2004. Making real options really work. Harvard Bussines
Review, 82(12), pp. 134-41.
Kvalifikační práce
MITCHELL, R., 2007. Real Options as a Strategic Management Framework: A Case
Study of the Operationallly Responsive Space Initiative. Ohio.
Elektronické zdroje
ČSÚ, Věda a výzkum i nadále především v režii soukromých firem. [Online] 2012 [cit.
2012-12-13]. Dostupné z WWW:
http://www.czso.cz/csu/tz.nsf/i/veda_a_vyzkum_i_nadale_predevsim_v_rezii_soukrom
ych_firem20120918.
DVOŘÁK, J., Management inovací. [Online] 2006 [cit. 2013-11_18]. Dostupné z
WWW: http://inovace.vsmie.cz/kniha.pdf
HOLEC, P., Výzkum. [Online]. 2007. [cit. 2013-11_18] Dostupné z WWW:
www.exu.sk/material/temac/holec/Inovace-jak.ppt
HOLEC, P., Management inovací v teorii, praxi a ve výuce (sešit číslo 10). Vysoká
škola manažerské informatiky a ekonomiky [Online]. 2013. [cit. 2013-11-18] Dostupné
z WWW: http://www.rozhlas.cz/plzen/jazykovykoutek/_zprava/238237
MAŠÍN, P., Strategie a vize v moderní firmě. [Online] 2012. [cit. 2013-11_18]
Dostupné z WWW: http://masin.blog.vsem.cz/2011/05/10/strategie-a-vize-v-moderni-
firme/
OECD, Research and Development Statistics . [Online]. 2012 [cit. 2013-11_18]
Dostupné z WWW:
http://www.oecd.org/innovation/inno/researchanddevelopmentstatisticsrds.htm
RVVI, Základní pojmy výzkumu a vývoje v OECD a EU. [Online]. 2013 [cit. 2013-
11_18] Dostupné z WWW: http://www.vyzkum.cz/PrintClanek.aspx?
idsekce=932&jazyk=CZ
TAČR, Program na podporu aplikovaného výzkumu a experimentálního vývoje ALFA.
[Online]. 2012. [cit. 2013-11_18] Dostupné z WWW:
http://www.tacr.cz/dokums_raw/program_na_podporu_aplikovaneho_vyzkumu_a_expe
rimentalniho_vyvoje_1.pdf
ČRo, Jazykový koutek, Inovační versus Inovativní. [Online]. 2013. [cit. 2013-11_18]
Dostupné z WWW: http://www.rozhlas.cz/plzen/jazykovykoutek/_zprava/238237
Právní předpisy
Zákon č. 130/2002 Sb., o podpoře výzkumu, experimentálního vývoje, ve znění
pozdějších předpisů.
Zákon č. 586/1992 Sb., o daních z příjmů, ve znění pozdějších předpisů.
Zákon č. 513/1991 Sb., obchodní zákoník, ve znění pozdějších předpisů.
Příloha 1 Definice výzkumu a vývojeZákladní výzkum je systematický proces, který pomocí vědeckých metod řeší
problémy identifikované nedostatky v elementární podstatě jevů. Podle OECD (2013):
„Experimentální nebo teoretické práce, které jsou v prvé řadě zaměřeny na získávání
nových poznatků o nejzákladnějších příčinách jevů (fenoménů) a pozorovatelných
skutečností, aniž by se však zabývaly otázkami užití a vyžití těchto poznatků.“ Jinými
slovy též tzv. badatelský výzkum uskutečňovaný zejména na vysokých školách a ve
výzkumných institucích. Klíčové pro odlišení představuje důraz na nezájem o užití a
využití, nicméně reálně samo užití a využití je vetknuto už do samé podstaty tohoto
posunu stavu poznání.
Aplikovaný výzkum je doplňováním stavu poznání pro bezprostřední (cílené) využití.
Podle OECD (2013): Experimentální a teoretické práce k získání nových poznatků, ale
zcela jednoznačně zaměřených na specifické, konkrétní předem stanovené cíle využití.
Jinými slovy též cílené získávání poznatků pro umožnění realizace konkrétního záměru,
které chybí jako svorníky v současném stavu poznání (např. je znám princip
metabolické reakce a aplikovaným výzkumem se zjišťuje senzitivita této reakce vůči
měnícím se faktorům v kontaminovaném prostředí).
A konečně experimentální vývoj, který je zdrojem v rovině definování největších
neporozumění. Podle OECD (2013): „Systematická tvůrčí práce směrující k rozšíření
stavu poznání, včetně poznatků o člověku, kultuře a společnosti, a jeho použití s cílem
nalézt nové možnosti využití těchto poznatků.“ Pochopitelnější interpretací může být
systematické využívání známých znalostí, principů a fenoménů formou jejich nového
seskupení, strukturalizace a vzájemné interakce, kde nová (přidaná) hodnota spočívá
právě v tomto novém uchopení.
V evropské praxi pro management komerčního výzkumu a vývoje je osvojení výše
uvedených definic a především jejich porozumění základním předpokladem pro
správnou strategii těchto aktivit z hlediska hledání podpůrných finančních zdrojů.
V programech podpory výzkumu a vývoje jak na národní, tak na evropské bázi
představuje správná charakterizace obsahové (věcné stránky) konkrétního projektu
důležitý předpoklad pro vyhovění pravidlům poskytovatelům dotačních titulů. Např.
základní výzkum není v programech komerčního výzkumu a vývoje podporován vůbec
a správná kategorizace podle kritérií aplikovaný výzkum versus experimentální vývoj
zásadně ovlivňuje míru podpory – aplikovaný výzkum ji mívá vyšší a nastavení tzv.
poměru AV:EV je úskalím pro zamítnutí celé řady projektů.
Programy výzkumu a vývoje jsou konkrétně vymezené rámce zastřešené
poskytovatelem konkrétní podpory (např. GAČR, TAČR, MPO, MŠMT nebo
EUREKA), které prostřednictvím svých cílů jsou věcně, termínově a finančně
vymezené. Programy se liší mírou (úrovní) konkrétnosti věcného zaměření, dobou
trvání, způsobem přípravy, schvalování a vyhlašování i metodikou realizace: V podstatě
bez věcného vymezení bývají (vědecké) programy podpory badatelského výzkumu
(neorientovaného základního výzkumu); často bývají hrazeny z rozpočtu dané
organizace (tzv. interní programy). Velice podrobně a konkrétně bývají stanoveny cíle
užších programů cíleného výzkumu (např. vysokorychlostní kolejová doprava, využití
netradičních zdrojů energie, aj.), ale vždy tak, aby se na řešení a využití výsledků
podílelo více subjektů (podniků). Nejrozšířenější formou programů VaV v současné
době jsou programy se "střední" mírou konkrétnosti vymezení cílů. Patří k nim všechny
programy (dílčí programy) současného 4. Rámcového programu výzkumu a vývoje
Evropské unie, dílčí programy programu EUREKA a většina státem podporovaných
programů v členských zemích EU. V těchto programech se uplatňuje tzv. "přistup
(naplňování) zdola" ("bottom up"). Cíle programu jsou staveny pouze rámcově, jsou
však stanovena velmi konkrétní kritéria výběru projektů VaV pro zařazení do programu.
Programy (ad b) a c)) se zpravidla připravují v široké spolupráci zástupců výzkumu,
uživatelů výsledků a státní správy. Vlastní příprava bývá institucionalizována,
organizaci a koordinaci zpravidla zabezpečuje orgán státní správy s působností pro
VaV. V návrhu se respektují specifika příslušné země či integračního seskupení
(předpoklady výzkumu, předpoklady a potřeby výrobců a jiných uživatelů). Programy
zpravidla vyhlašuje vláda nebo nejvyšší orgán příslušného integračního seskupení.
Relativně běžné jsou postupy, kdy programy projednává a schvaluje parlament
příslušné země nebo seskupení. Např. 4. Rámcový program VaV EU a jeho rozpočet byl,
na rozdíl proti třem předcházejícím, podrobně projednáván a schvalován v Evropském
parlamentu. V ČR programy schvalují a vyhlašují, po předchozím projednání v Radě
vlády pro výzkum a vývoj, příslušné ústřední orgány státní správy a informace o všech
programech i o soutěži na podporu grantových projektů jsou na webovém rozhraní
Rady (RVVI, 2013).
Projektem je myšlen dokument51, který shrnuje věcnou, časovou, etapovou a finanční
strukturu výzkumu a vývoje. Jejich nedílnou součástí bývá prokazování odborné
organizační způsobilosti navrhovatele. Metodicky ho ošetřuje programová a
implementační dokumentace konkrétního programu, která bývá rozdílná. Navrhovatelé
s těmito dokumenty soutěží ve veřejných soutěžích, kde se ucházejí o podporu.
V případě úspěchu se financování děje na základě smlouvy mezi příjemcem podpory a
poskytovatelem.
Velmi problematický se ukazuje pojem grant, který původně představoval finanční
prostředky (dar), nicméně dnes je často synonymem pro projekt výzkumu a vývoje.
Posledním termínem s výkladem bude inovace52. Pro Joe Tidda (2007, p. 11) je inovace
změnou produktu, procesu, pozice nebo paradigmatu. Inovace se mohou rozlišovat i na
základě míry novosti (Tidd, 2007, s. 12): Inkrementální – přírůstkové inovace, které
stojí na malých zlepšeních; nebo radikální proměny, které boří a nově tvoří způsob, jak
člověk o věcech uvažuje a používá je. Většinou se tyto změny týkají sektoru nebo druhu
činností. Inkrementální inovace vykazuje znak potenciální řiditelnosti, neboť pracuje se
známými fakty, která jsou postupně zlepšována.
Nadužívání pojmu vedlo k určité devalvaci jeho významu, zejména v kontextu
s adjektivy od něho odvozených – inovační, inovativní apod.53 Inovace je proces změny,
který reprezentuje transferaci vědeckého a technického pokroku do praxe, přičemž by
mělo dojít k úsporám práce a zdrojů, jinými slovy ke zdokonalení nebo postupnému
vývoji produktu, ale i procesu. Velkým dílem přispěl k problematice inovací již v 60.
letech minulého století František Valenta, který ve své teorii inovace pracuje
v aktuálním modelu s devíti řády inovačního procesu, zohledňující racionalizační
inovace, kvalitativní inovace a vrcholem je technologický převrat (ovšem v negativním
smyslu je inovací i degenerace jako projev změny, popř. regenerace – nultý řád):51 kontroverzní výrok, ovšem na tomto místě je třeba vnímat ho čistě technicky, tudíž dle legislativních a
programových předpisů pro podporu výzkumu a vývoje je projekt dokumentem, resp. návrh projektu je
dokumentem s vysokou mírou závaznosti v případě jeho podpoření veřejnými zdroji (více na
www.avo.cz)52 z latinského innovare, obnovovat53 Dle doporučení, zveřejněném na ČRo (2013), je dobré pro zachování významového rozměru pomoci
si příměrem s jiným (podobným) slovem převzatým z anglického jazyka – komunikace, komunikační a
komunikativní. Je nasnadě, že komunikační může být prostředek, na rozdíl od komunikativního
jedince. Stejně inovační podnikání, na rozdíl od inovativního nápadu.
řád název poznámka-1 degenerace 0 regenerace 1 změna kvanta Nové lidské zdroje 2 intenzita Zvýšený posun pásu 3 reorganizace Přesuny operací 4 kvalitativní adaptace Technologická konstrukce* 5 varianta Rychlejší stroj 6 generace Stroj s elektronikou 7 druh Tryskový stav 8 rod Netkané textilie 9 technologický převrat* s racionalizačními inovacemi
Zdroj: Bartes (2005, p. 33)
Příloha 2 Přehled hodnotících metod dle faktoru času
Hodnotící metody Definice Vzorec pro výpočet Ćíslo
Stati
cké
met
ody Průměrné roční náklady náklady za konkrétní období R=O+ i∗J +V−L/n (5)
Průměrná výnosnost rozpočtený výnos v rámci investiceV p=
∑n=1
N
Zn
N . I p
(6)
Doba návratnosti odhad doby splacení investice v nediskontovaných tocích (7)
Dyna
mic
ké m
etod
y
Čistá současná hodnota suma diskontovaných projektových příjmů a kapitálových výdajů
NPV =∑n=1
N Pn
(1+i )n+T −∑t=0
T K t
(1+i )t (8)
Index rentability podíl současných hodnot budoucích příjmů a kapitálových výdajů (9)
Vnitřní výnosové procento úroková míra, při které je čistá současná hodnota nulová, tedy platí rovnost peněžních příjmů a kapitálových výdajů ∑
n=1
N Pn
(1+ i)n+T =∑t=0
T K t
(1+i )t (10)
NPV čistá současná hodnota, Pn peněžní příjem v n-tém roce, Kn kapitálový výdaj v k-tém roce, t jednotlivá léta uvedení investice do provozu, T celková dobauvedení investice do provozu, i diskontní sazba (požadovaná výnosnost), N ekonomická doba životnosti, n jednotlivá léta po uvedení investice do provozu
zdroj: (Kislingerová, 2010)
Příloha 3 Log Frame projektu
Strom cílů Objektivně ověřitelné ukazatele Zdroje informací k ověření Rizika / předpoklady (vnější)Hlavní cíle
nástroje pro komplexní kvantifikaci mikrobiálního osídlenínástroje pro charakterizaci mikrobiálního osídlenínástroje pro funkční analýzu konkrétních mikrobiálních taxonů
rešerše současného stavu poznání, která identifikuje potřebu a vhodnost aplikovat oba parametry do sanačně inženýrské praxe
teoretické znalosti základního výzkumu absence jakéhokoliv úsilí transponovat do
podoby technických nástrojů a prostředků
Účel projektu
zaplnění mezery v interdisciplinárním pojetí technologického rámce sanačních metod s akcentem na trvalou udržitelnost rozvoje prostředí
efektivnější volby technologických řešení sanací v podobě monitorovacích a závěrečných zpráv o sanačních pracích
state-of-art problematiky studia osudu polutantů v životním prostředí
zkušenosti lidský faktor
Výstupy projektu
souprava pro diagnostiku mikrobiologických procesů v kontaminovaných systémech
etapové a závěrečné zprávy, prezentace v odborném médiu a na fórech odborné veřejnosti
nedostatky pramenící z praxe deficience zařízení pro objektivní
posouzení stavu podpora rozhodovacího procesu volby
technologie
překlenutí konstrukčních problémů a úskalí vzorkování matric životního prostředí
Aktivity projektu
výzkum a vývoj na poli environmentální mikrobiologie, bioinformatiky a molekulární biologie
Prostředky/vstupy
moderně vybavené pracoviště obou partnerů – kvalitní technické a laboratorní zázemí
kvalifikovaní pracovníci v řešitelském týmu se zkušenostmi s výzkumnými a vývojovými pracemi
vlastní finanční zdroje účastníka projektu
Časový rámec projektu
4 základní etapy co do rozsahu analogické kalendářnímu roku
předpokládané zahájení projektu:1. 1.20XXpředpokládané ukončení projektu:31. 12.20XX
nalezení vhodného systému řešení úskalí daných strukturou projektu
Předběžné podmínkymožnost výrazně lepšího přístupu k řešení za předpokladu veřejné podpory
Zdroj: vlastní konstrukce
Příloha 5 Finanční modely projektůModel DOTACE
Položka Jednotka
D1 D2 D3 D4 Komercializace
1 2 3 4 5
Objem produkce ks 0 0 0 0 50 75 100 120 150Podíl exportu % 0 0 0 0 0,2 0,3 0,4 0,5 0,5Cena tuzemská tis. Kč 0 0 0 0 54 57 57 60 62Cena exportní € 0 0 0 0 2,1 2,4 2,7 2,8 2,9Měnový kurz tis. Kč/€ 0 0 0 0 25,5 27 27 27 27Variabilní náklady tis. Kč/ks 0 0 0 0 15 16 17 18 19Režijní náklady bez odp.
tis. Kč 0 0 0 0 1 1 1,2 1,2 1,3
Sazba daně z příjmů 0,21 0,19 0,19 0,19 0,19
Přírůstek ČPK tis. Kč 4,5 2 1,5 1 1
Investice tis Kč 2000 2000
2000 2000
Diskont 0,105
Likvidační hodnota tis. Kč
Položka D1 D2 D3 D4 Komercializace
1 2 3 4 5
Tržby export tis. Kč 0 0 0 0 535 1458 2916 4536 5872,5Tržby tuzemsko tis. Kč 0 0 0 0 2160 2992 3420 3600 4650Tržby celkem tis. Kč 0 0 0 0 2695 4450 6336 8136 10522Variabilní náklady tis. Kč 0 0 0 0 750 1200 1700 2160 2850Odpisy tis. Kč 0 0 0 0 100 100 100 100 100Režijní náklady bez odpisů
tis. Kč 0 0 0 0 1000 1000 1000 1000 1000
Náklady celkem tis. Kč 0 0 0 0 1850 2300 2800 3260 3950Zisk před zdaněním tis. Kč 0 0 0 0 845 2150 3536 4876 6572Daň z příjmů 0 0 0 0 177 408 671 926 1248
Zisk po zdanění tis. Kč 0 0 0 0 667 1741 2864 3949 5323
Položka D1 D2 D3 D4 Komercializace
2013 2014
2015 2016 2017 2018 2019 2020 2021
PříjmyTržby tis. Kč 0 0 0 0 2695,5 4450,5 6336 8136 10522Dotace tis. Kč 1000 100
01000 1000 0 0 0 0 0
Příjmy tis. Kč 1000 1000
1000 1000 2695,5 4450,5 6336 8136 10522
VýdajeNáklady bez odpisů tis. Kč 1538 153
81538 1538 1750 2200 2700 3160 3850
Investice tis. Kč 50
Daň z příjmů tis. Kč 0 0 0 0 177 408 671 926 1248Výdaje celkem tis. Kč 1538 153
81538 1708 1972 2628 3396 4101 5108
Cash flow tis. Kč -538 -538 -538 -708 722 1821 2939 4034 5413DCF tis. Kč -487 -441 -399 -475 439 1001 1461 1815 2204Kumulovaný DCF tis. Kč -487 -927 -1326 -1801 -1362 -361 1100 2915 5119
NPV10,5 tis. Kč 5654IRR 0,44RI 2,57
Model VLASTNÍ
Položka Jednotka Komercializace
1 2 3 4 5
Objem produkce ks 10 75 100 100 100
Podíl exportu % 0,2 0,3 0,4 0,5 0,5
Prodejní cena tuzemská tis. Kč 54 57 57 60 62
Prodejní cena exportní € 2,1 2,4 2,7 2,8 2,9
Měnový kurz tis. Kč/€ 25,5 24,5 24 23 22
Variabilní náklady tis. Kč/ks 35 36 37 38 39
Režijní náklady bez odpisů tis. Kč 2000 1000 1000 1000 1000
Sazba daně z příjmů 0,21 0,19 0,19 0,19 0,19
Přírůstek čistého pracovního kapitálu tis. Kč 4,5 2 1,5 1 1
Investice tis Kč
Diskont 0,105
Likvidační hodnota tis. Kč
Položka Komercializace v tis. Kč
1 2 3 4 5
Tržby export tis. Kč 107 1323 2592 3220 3190
Tržby tuzemsko tis. Kč 432 2993 3420 3000 3100
Tržby celkem tis. Kč 539 4316 6012 6220 6290
Variabilní náklady tis. Kč 350 2700 3700 3800 3900
Odpisy tis. Kč 100 100 100 100 100
Režijní náklady bez odpisů tis. Kč 2000 1000 1000 1000 1000
Náklady celkem tis. Kč 2450 3800 4800 4900 5000
Zisk před zdaněním tis. Kč -1911 516 1212 1320 1290
Daň z příjmů -401 98 230 251 245
Zisk po zdanění tis. Kč -1510 418 982 1069 1045
Položka Komercializace
1.1.2013 1.1.2014 1.1.2015 1.1.2016 1.1.2017
Příjmy
Tržby tis. Kč 539 4316 6012 6220 6290
Likvidace tis. Kč 0
Příjmy tis. Kč 539 4316 6012 6220 6290
VýdajeNáklady bez odpisů tis. Kč 2350 3700 4700 4800 4900
Investice tis. Kč 50
Daň z příjmů 0 98 230 251 245
Výdaje celkem tis. Kč 2520 3843 4950 5076 5160
Cash flow tis. Kč -1981 473 1062 1144 1130
DCF tis. Kč -1793 387 787 767 686
Kumulovaný DCF tis. Kč -1793 -1406 -619 149 835
NPV10,5 tis. Kč 921,98 Kč
IRR 0,28
RI 18,44
Model NÁKUPPoložka Jednot
kaKomercializace
1 2 3 4 5
Objem produkce ks 10 75 100 100 100
Podíl exportu % 0,2 0,3 0,4 0,5 0,5
Prodejní cena tuzemská tis. Kč 54 57 57 60 62
Prodejní cena exportní € 2,1 2,4 2,7 2,8 2,9
Měnový kurz tis. Kč/€ 25,5 24,5 24 23 22
Variabilní náklady tis. Kč/ks
5 5 4 4 4
Režijní náklady bez odpisů tis. Kč 1000 1000 1000 1000 1000
Sazba daně z příjmů 0,21 0,19 0,19 0,19 0,19
Přírůstek čistého pracovního kapitálu
tis. Kč 4,5 2 1,5 1 1
Investice tis Kč
Diskont 0,105
Likvidační hodnota tis. Kč
Položka Komercializace v tis. Kč
investice 1 2 3 4 5
Tržby export tis. Kč 107 1323 2592 3220 3190
Tržby tuzemsko tis. Kč 432 2993 3420 3000 3100
Tržby celkem tis. Kč 539 4316 6012 6220 6290
Variabilní náklady tis. Kč 50 375 400 400 400
Odpisy tis. Kč 100 100 100 100 100
Režijní náklady bez odpisů tis. Kč 1000 1000 1000 1000 1000
Náklady celkem tis. Kč 1150 1475 1500 1500 1500
Zisk před zdaněním tis. Kč -611 2841 4512 4720 4790
Daň z příjmů -128 540 857 897 910
Zisk po zdanění tis. Kč -483 2301 3655 3823 3880
Položka Komercializace
31.12.2013
1.1.2014 1.1.2015
1.1.2016
1.1.2017
1.1.2018
Příjmy
Tržby tis. Kč 539 4316 6012 6220 6290
Likvidace tis. Kč 0
Příjmy tis. Kč 539 4316 6012 6220 6290
VýdajeNáklady bez odpisů tis. Kč 1050 1375 1400 1400 1400
Investice tis. Kč 4000 50
Daň z příjmů tis. Kč 0 0 540 857 897 910
Výdaje celkem tis. Kč 4000 1220 1960 2277 2322 2325
Cash flow tis. Kč -4000 -681 2356 3735 3898 3965
DCF tis. Kč -4000 -558 1929 2768 2615 2407
Příloha 6 Matice rizik
Oblast Riziko V Opatření Způsob zajištění
Obsah a cíle projektu
Příliš komplexní záběr projektu a z toho vyplývající
obtížnější realizovatelnost
4Řešeno flexibilním stanovením
cílů projektu a složením řešitelského týmu
Základní vytýčení cílů na počátku
projektu s periodickou
aktualizací
Příliš úzký záběr projektu a tím nerentabilnost
vložených nákladů
2 Řešeno flexibilním stanovením cílů projektu
Základní vytýčení cílů na počátku
projektu s periodickou
aktualizací
Odmítnutí spolupráce
významného partnera
2
Dostatečná motivace partnera ke spolupráci předkládáním
průběžných výsledků výzkumu, pravidelná setkání s partnerem
V průběhu celého projektu
Nemožnost koordinace s partnerem
z důvodů neplnění
časového plánu partnerem
2 Vzájemná neustálá komunikace V průběhu celého projektu
Nedostupnost výsledků projektů
s podobným tematickým
obsahem
1Slouží pouze ke zpřesnění predikce, není její klíčovou
součástí
V počáteční fázi projektu
Nedostatek finančních
prostředků na projekt
3
Přiměřené stanovení cílů projektu s ohledem na trendy a
realizovatelnost výsledků projektu na trhu
V počáteční fázi projektu – vlastní zdroje, příp. úvěr
na oběžné prostředky
Časové prodlevy při převodu finančních
prostředků ze strany státu
4 Není v kompetenci řešitele
V počáteční fázi projektu a na
počátku každého roku příjemce
pokryje náklady z vlastních zdrojů
Financování projektu
Nepružné finanční toky
mezi účastníky projektu
2Přesné vytýčení pracovních etap, odpovídající rozdělení
finančních prostředků
Především v počátečních fázích projektu
s průběžnou
kontrolou. Vymezení
v každoročních smlouvách o
převodu plánované části fin.prostředků
Administrace projektu
Formální řízení projektu vedením projektu
2Zjištěno složením řešitelského týmu odborníků řešitele, v čele
s vedoucím projektu
Plán koordinačních schůzek, kontrola
plnění úkolů
Nedostatečná koordinace mezi
partnery projektu
3Pravidelné schůzky partnerů, vytvoření interní informační
databáze
Hlavně v počáteční fázi projektu s průběžnou kontrolou,
dodržením plánu jednotlivých etap
Nedodržení časového
harmonogramu projektu
3Vytvoření detailního a
realistického časového plánu projektu
Především v počáteční fázi
projektu s průběžnou
kontrolou dosažených cílů
Vztahy s veřejností a popularizace
Nedostatečná publicita výsledků projektu
2
Stanovení metod šíření výsledků projektu všemi
dostupnými informačními kanály
V průběhu celého projektu,
adekvátně k dané fázi projektu
Špatná interpretace
výsledků laickou veřejností
3Prezentovat a interpretovat
výsledky projektu jako pozitivní přínos pro společnost
Řízená medializace v průběhu projektu
Legenda: V – významnost rizika kategorizovaná škálou 1 (minimální) až 5 (nejvýznamnější
Zdroj: konstrukce autora podle neveřejné šablony L. Sýkory