Москва 
ИНФРА-М 
2011

Б и з н е с - 
планирование

c использованием программы 
Project exPert

(полный курс)

уЧеБное посоБие

Рекомендовано УМО по образованию в области финансов, 
учета и мировой экономики в качестве учебного пособия 
для студентов, обучающихся по специальностям 
«Финансы и кредит», «Бухгалтерский учет, анализ и аудит», 
«Налоги и налогообложение»

в.с. алиев 
Д.в. Чистов

Алиев В.С., Чистов Д.В.
Бизнес-планирование c использованием программы Project Expert 
(полный курс): Учеб. пособие. — М.: ИНФРА-М, 2011. — 432 с. — 
(Высшее образование).

ISBN 978-5-16-004466-8

В учебном пособии на практических примерах излагается технология 
разработки и анализа приемлемых инвестиционных проектов, а также 
разработки для этих проектов бизнес-планов средствами популярной 
программы Project Expert 7. 
Учебное пособие предназначено для студентов, обучающихся по спе-
циальностям «Финансы и кредит», «Бухгалтерский учет, анализ и аудит», 
«Налоги и налогообложение», «Антикризисное управление», «Математи-
ческие методы в экономике», преподавателей и аспирантов экономических 
вузов, руководителей предприятий, организаций и фирм, занимающихся 
подготовкой экспертизы и реализации бизнес-планов или подготовкой 
научно обоснованных рекомендаций приемлемости готового инвести-
ционного проекта и бизнес-плана, в том числе для курсов повышения 
квалификации по направлению «Разработка и анализ инвестиционных 
проектов с использованием современных информационных технологий».
         УДК 330.322 (075.8)
         ББК 62.290–56я73+65.053я73

А 50

УДК 330.322 (075.8)
ББК 62.290–56я73+65.053я73
А 50

ISBN 978-5-16-004466-8 
© Алиев В.С., Чистов Д.В., 2011

Оригинал-макет подготовлен в «Издательстве ИНФРА-М»

Подписано в печать 25.09.2010.
Формат 60 x 90/16. Бумага офсетная. 
Гарнитура «Newton». Печать офсетная. 
Усл. печ. л. 27,0. Уч.-изд. л. 28,98 
Тираж 1000 экз. Заказ №                 
Изд. № 9457. Цена свободная.

Издательский Дом «ИНФРАМ»
127282, Москва, ул. Полярная, д. 31в. 
Тел.: (495) 380-05-40, 380-05-43.        Факс: (495) 363-92-12
Email: books@infram.ru        http://www.infram.ru

Рецензенты: 
д-р физ.-мат. наук, зав. сектором Вычислительного центра РАН, проф. А.Ф. Ко-
ноненко;
д-р экон. наук, зав. кафедрой «Управление знаниями и прикладной информа-
тики в менеджменте» Московского государственного университета экономи-
ки, статистики и информатики, проф. А.И. Уринцов;
д-р техн. наук, зав. кафедрой «Математическое моделирование экономических 
процессов» Финансовой академии при Правительстве РФ, проф. В.А. Бывшев

 
Предисловие

Достижение высоких экономических и социальных результатов, 
достижение роли полноправного партнера в мировой экономической 
системе в значительной степени зависит от того, каковы будут мас-
штабы использования информационных технологий во всех сферах 
деятельности, а также от того, какую роль будут играть эти техноло-
гии в повышении эффективности общественного труда. 
Повышение инвестиционной активности в настоящее время яв-
ляется ключевой проблемой экономической политики государства. 
Без инвестиций невозможны остро необходимая структурная пере-
стройка российской промышленности, обеспечение роста производ-
ства. 
Разработчик инвестиционного проекта и будущий «оценщик» 
этого проекта из банка или финансового института должны знать 
примерно одно и то же, чтобы вести работу на одинаковом методи-
ческом уровне и единых принципах, тогда дискуссия между ними 
будет идти по существу и к обоюдной пользе.
Отметим, что управление инвестиционными проектами является 
одним из важнейших разделов относительно новой и динамично раз-
вивающейся дисциплины «Финансовый менеджмент», которая вхо-
дит в число обязательных курсов во всех западных университетах для 
студентов экономических специальностей. 
Эта книга предназначена для обучения студентов теоретическим 
основам и практическим навыкам исследования ситуаций для под-
готовки научно обоснованных рекомендаций приемлемости того или 
иного инвестиционного проекта. 

имитация и машинный эксПеримент 

Компьютерные программные системы инвестиционного проек-
тирования предназначены для создания и анализа финансовой мо-
дели нового, еще не созданного, или действующего предприятия. 
Они позволяют моделировать деятельность предприятия с учетом 
влияния различных внутренних и внешних факторов. Используя та-
кие системы, путем проведения машинного эксперимента можно 
многократно произвести расчет возможных вариантов реализации 
инвестиционных проектов. Анализируя полученные результаты, 
можно выбрать наиболее рациональный вариант инвестиционного 
проекта. Сопоставление проектных данных с реальными данными 
о реализации проекта позволяет осуществлять оперативный конт-
роль и корректировку хода работ. 
Как видим, системы инвестиционного проектирования представ-
ляют собой системы имитационного моделирования, поэтому сна-
чала коротко определим такие понятия, как имитационное модели-
рование и имитационная система. 

метод монте-карло 

В начале 1960-х годов в литературе на английском языке появил-
ся термин «simulation». Он возник в связи с использованием метода 
Монте-Карло для исследования процессов, зависящих от случайных 
параметров или функций [1]. 
Предположим, что имеется функция 
y = f(x), 
(2.1)
где x — случайная величина с известным законом распределения. 
Датчик случайных чисел дает возможность построить последо-
вательность случайных чисел 
x1, x2, … ,xN, …  
 (2.2)
с заданным законом распределения. Проводя вычисления с по-
мощью формулы (2.1), можем получить и последовательность зна-
чений 
y1 = f(x1), y2 = f(x2), …, yN = f(xN), … 
(2.3)
которая также будет представлять собой некоторую последователь-
ность случайных чисел. Если провести достаточно большое коли-
чество вычислений, то, обрабатывая последовательность (2.3), мож-
но с любой степенью точности определить статистические свойства 

случайной величины y и найти интересующий закон распределе-
ния. 
Описанный прием и получил название метода Монте-Карло. 
Этот прием анализа легко распространяется и на более сложные 
случаи, когда y = f(x) содержит не только случайные параметры x, но 
и случайные функции. 
Далее последовало распространение метода Монте-Карло на ди-
намические системы, что получило название «simulation», которое на 
русский язык было переведено как «имитация» (дословный пере-
вод — «симуляция» имеет в русском языке иной смысл). 
Отметим два обстоятельства, которые сыграли определяющую 
роль в развитии техники имитации. 
Во-первых, данный способ исследования можно трактовать как 
анализ случайной величины y с помощью вариантных расчетов. 
Во-вторых, описанный прием анализа можно рассматривать как 
определение статистических характеристик случайной величины y с 
помощью машинного эксперимента.

о Понятии «имитационная система»

Можно указать три причины успеха применения идей имитации, 
три источника этого важнейшего направления в использовании 
ЭВМ. 
Первая причина — та же, которая привела к появлению новой 
дисциплины «системный анализ», — большая сложность тех систем, 
необходимость исследования и анализа которых была выдвинута 
в последние десятилетия человеческой практикой (техникой, эконо-
микой, военным делом). 
Отметим, что задачи системного анализа отличаются от задач, 
которыми раньше занимались теория исследования операций и тео-
рия управления, тем, что в этих задачах цель считалась заданной. 
Единственной проблемой в этих условиях оказалась задача отыска-
ния пути достижения цели. В новых задачах объектом исследования 
сделались сами цели. 
Конечно, эта проблема отнюдь не является чисто математиче-
ской — она не может быть решена без экспертов, но и одни эксперты 
не смогут одолеть ту лавину информации, которую необходимо про-
анализировать. На повестку дня «компьютерной математики» был 
поставлен вопрос о сочетании математических методов с опытом 
и знаниями экспертов. И первое, что оказалось необходимым для 
реализации подобных идей, — это умение организовать серию вари-
антных расчетов: эксперту важно представить себе характер изучае-
мого процесса, степень его «управляемости», характер предельных 

возможностей (множеств достижимости), то есть организовать мно-
гократно повторенный машинный эксперимент с моделью. 
Для этой цели и должны быть созданы модели, имитирующие 
изучаемый процесс. Эксперт с помощью этих моделей, с помощью 
серии специально организованных вариантных расчетов получает те 
знания, без которых выбрать альтернативный вариант своей страте-
гии он не может. Эти возможности ЭВМ были очень быстро поняты 
специалистами, и в русском языке появились даже термины «ими-
тационная модель» и «имитационное моделирование», а в английском 
языке — термин «simulation modelling». Надо заметить, что если анг-
лийский термин имеет вполне четкий смысл, ибо симуляция и мо-
делирование не являются синонимами, то по-русски имитационная 
модель — это нонсенс, поскольку любая модель является имитаци-
онной, поскольку она имитирует реальность. 
В связи с этим нужен был новый термин, который и возник до-
статочно быстро. Это термин — «имитационная система». 
Как уже говорилось, в основе имитации (смысл которой мы будем 
понимать как анализ с помощью вариантных расчетов) лежит мате-
матическая модель. Если модель ошибочна или недостаточно точна, 
то имитация становится бессмысленной. Модель должна быть доб-
рокачественной и правильно отражать реальность, в противном слу-
чае изучение модели — это всего лишь математические упражнения. 
Кроме того, должна быть надежной и доброкачественной исходная 
информация. Необходим определенный сервис. Система моделей 
должна быть доступной исследователю, варианты должны просчи-
тываться достаточно быстро, должна хорошо функционировать сис-
тема визуализации результата, должен быть предельно облегчен ввод 
новой информации, переход к новому варианту и т. д. Все эти функ-
ции реализует имитационная система, которая представляет собой 
совокупность моделей, имитирующих протекание изучаемого про-
цесса, объединенная со специальной системой вспомогательных 
программ и информационной базой, позволяющих достаточно прос-
то и оперативно реализовать вариантные расчеты. 
Вторая причина успеха идей имитации заключается в том, что 
имитационные системы оказались востребованными для решения 
сложных задач оптимизации. 
Представим себе, что мы имеем четко поставленную задачу: отыс-
кать такой элемент х, который обеспечивает максимум некоторому 
функционалу W, то есть пусть мы имеем математическую задачу 
W x
x X
( )→
∈
max .
Более того, предположим, что алгоритм ее решения известен 
и что этот алгоритм сходится и устойчив. Однако при этом нет ре-
альной возможности использовать этот алгоритм, поскольку требу-

емые ресурсы ЭВМ для проведения необходимых вычислений выхо-
дят за рамки доступных возможностей. 
Подобная ситуация обычно возникает с задачами составления рас-
писаний, на решение которых у субъекта (диспетчера) бывают мину-
ты, в крайнем случае часы. А точное решение задач подобного рода 
может требовать дни или месяцы. В этой ситуации у исследователя 
есть одна и только одна возможность — использовать интуитивные, 
эвристические приемы. Но прежде чем принять решение, исследова-
тель должен убедиться, что его решение удовлетворительно, оценить 
его, сравнить с другими решениями. А для этого, в свою очередь, он 
должен вычислить значение W(x), а возможно, и ряда других сопут-
ствующих критериев, то есть снова возникает необходимость в про-
ведении большого числа вариантных расчетов в короткие сроки. 
Заметим, что использование имитационных систем в автомати-
зированных системах управления становится также все более и более 
необходимым по мере того, как они из систем обработки данных 
постепенно превращаются в системы принятия решений. В пробле-
мах автоматизированного проектирования они сделались основным 
инструментом проверки и сравнения различных альтернативных ва-
риантов, а часто и средством их индуцирования. 
Сегодня имитация, если понимать достаточно широко этот тер-
мин, становится постепенно основой инструментария системного 
анализа. 
Есть еще одна причина, благодаря которой идеи имитации смог-
ли найти широкое применение, — это появление быстродействую-
щих ЭВМ, оснащенных разнообразным периферийным оборудова-
нием, которые обладают высокой производительностью, позволяют 
достаточно просто организовать ввод и вывод информации, визуа-
лизировать ее, организовать работу в режиме диалога и т. д.
Отметим, что технология математического моделирования вклю-
чает следующие основные этапы: 
 
• введение системы величин, полностью (с точки зрения тех прак-
тических потребностей, которые вызвали необходимость получе-
ния прогноза), характеризующих процесс; 
 
• запись соотношений (зависимостей, связей) между введенными 
величинами, то есть составление математической модели; 
 
• разработка и реализация процедуры вычисления внутренних ве-
личин модели по ее внешним величинам; 
 
• идентификация и верификация модели; 
 
• эксплуатация модели. 
Когда речь заходит о получении прогноза с помощью математи-
ческой модели, фигурирующие в ней величины делятся на две части: 
внешние и внутренние — так, что знание внешних величин дает воз-
можность уже только из модели вычислить все внутренние величи-

ны. Это разделение можно выполнить не единственным образом, 
оно является условным и связано со способом использования моде-
ли и целями моделирования. 
Математические модели процессов, развивающихся во времени, 
наиболее часто используются для предсказания их развития, и в та-
ком качестве они имеют наибольшую практическую ценность. Такое 
использование моделей процессов в большей мере ликвидирует не-
определенность в разбиении величин модели на внешние и внутрен-
ние. При этом внешние величины можно условно разделить на сле-
дующие классы: начальные и, возможно, граничные (в простран-
ственном смысле) значения интересующих нас величин; величины, 
характеризующие свойства изучаемого процесса; величины, харак-
теризующие влияние на изучаемый процесс других, «внешних» по 
отношению к нему процессов управления, то есть целенаправленное 
влияние на этот процесс каких-то управляющих органов. 
Создать математическую модель еще мало. Должна быть надеж-
ная и доброкачественная исходная информация. Это очевидно. Но 
и информации еще недостаточно. Необходим определенный сервис. 
Система моделей должна быть доступной исследователю, варианты 
должны проходить достаточно быстро, должна хорошо функциони-
ровать система визуализации результата (графическая или цифро-
вая). Должен быть предельно облегчен ввод новой информации, 
переход к новому варианту и т. д. Другими словами, процесс имита-
ции требует для своего успешного завершения создания специальной 
системы — так возник термин «имитационная система». Значит, ими-
тационная система — это совокупность моделей, моделирующих 
протекание изучаемого процесса, объединенная со специальной сис-
темой вспомогательных программ и информационной базой, позво-
ляющих достаточно просто и оперативно реализовать вариантные 
расчеты. Имитационной системе присуща определенная архитекту-
ра, и она должна быть снабжена четкими процедурами ее использо-
вания. 
Заметим, что использование имитационных систем в автомати-
зированных системах управления становится также все более и более 
необходимым по мере того, как они из систем обработки данных 
постепенно превращаются в системы принятия решений. В пробле-
мах автоматизированного проектирования они сделались основным 
инструментом проверки и сравнения различных альтернативных ва-
риантов, а часто и средством их индуцирования. 
Сегодня имитация, если понимать достаточно широко этот тер-
мин, становится постепенно основой инструментария системного 
анализа. 
Математики, которые начали заниматься имитацией, шли от ис-
следования конкретных процессов, от моделей. При создании ими-

тационных систем главным в деятельности математиков было созда-
ние моделей и процедур (алгоритмов) их исследования. Только позд-
нее они столкнулись с необходимостью сервиса, управляющих 
программ, специального языка и т. д. 
Инженеры шли с другой стороны. Прежде всего их интересовало 
создание сервиса, управляющих программ, банков данных и т. д., 
поэтому в работах по имитации в центре внимания были модели, а в 
работах по имитации — операционная система, языки, банки данных 
и т. д. По существу, эти два подхода показывают две стороны огром-
ной и бесконечно важной для человечества проблемы объединения 
интеллекта человека с формализмом, реализация которого доступна 
математике, оснащенной вычислительным инструментарием. 
Имитационные системы, которые сегодня уже работают или со-
здаются, — это весьма сложные конструкции, изучение которых тре-
бует не только высокого профессионализма, но и времени. Конкрет-
ному пользователю, вообще говоря, нет прямой необходимости знать 
все детали системы. Но каждый пользователь должен во всех деталях 
представлять возможности, которые ему представляет имитационная 
система для его личных нужд. 
Имитационная система (если она не разового использования) 
с необходимостью должна быть развивающейся системой. Для этой 
цели весьма полезна информация об имитационной системе, обо 
всех деталях ее возможностей и конструкции. И эта информация 
должна быть легкодоступной. 
Отметим, что в современной русскоязычной научной литературе 
понятие «имитационная модель» имеет следующий смысл [2]. Ими-
тационная модель — это модель, обладающая качествами из следу-
ющего набора: сложность; наличие в ней случайных факторов; описание 
процессов, развивающихся во времени; невозможность получения резуль-
татов без ЭВМ; предназначенность модели для использования ее в ре-
жиме вариантных расчетов, то есть для сравнения путем выполнения 
имитационных экспериментов, заданных заранее, «извне модели» вари-
антов планов, управлений, конструкций. 
Ни одно из перечисленных качеств не является обязательным для 
того, чтобы именовать модель имитационной. Тем не менее в сово-
купности они дают целостное представление о том, какой смысл 
вкладывается в понятие «имитационная модель». 
В основе создания теории почти всегда лежит какой-то экспери-
мент, но этот эксперимент, тем более если он поисковый (когда эк-
спериментатор движется «ощупью»), может быть весьма несоверше-
нен. Информация, которую с его помощью может получить иссле-
дователь, будет недостаточной для того, чтобы математическая 
модель, построенная на ее основе, была адекватна реальности. Пред-

положим, тем не менее, что изначальный опыт позволил сформиро-
вать математическую модель. 
Тогда следующий шаг — это исследование полученной модели 
с помощью вычислительного комплекса — численный анализ моде-
ли. В результате мы обнаруживаем целый ряд свойств процесса. Не-
которые из них, может быть, уже наблюдал экспериментатор, неко-
торые оказываются совершенно новыми. Однако делать какие-либо 
утверждения, а тем более предполагать открытие новых свойств про-
цесса, нового явления еще рано. Математическая модель, с помощью 
которой обнаружены эти особенности, пока еще недостаточно до-
стоверна, и результаты, полученные расчетным путем, еще трудно 
принять на веру. Но экспериментатору они, тем не менее, очень нуж-
ны. Они подсказывают ему новые идеи. С их помощью он улучшает 
свою экспериментальную установку, они уточняют ему отдельные 
детали процесса и т. д. В результате такого усовершенствования экс-
перимента возникает новая математическая модель. Образуется ите-
рационная цепочка — диалог математика и экспериментатора. 
Таким образом, имитационная система является средством про-
ведения машинного эксперимента, причем эксперимент может ста-
виться многократно, заранее планироваться, могут определяться 
условия его проведения. Необходимо при этом выбрать методику 
оценки адекватности получаемых результатов и автоматизировать 
как процессы получения, так и процессы обработки результатов 
в ходе машинного эксперимента. 

обесПечение Процесса моделирования 

Эксперимент с имитационной моделью требует серьезной подго-
товки, поэтому имитационная система характеризуется наличием 
математического, программного, информационного, технического, 
эргономического и других видов обеспечения [3]. 
Математическое обеспечение имитационной системы включает 
в себя совокупность математических соотношений, описывающих 
поведение реального объекта, совокупность алгоритмов, обеспечи-
вающих как подготовку, так и работу с моделью. Сюда могут быть 
отнесены алгоритмы: ввода исходных данных, имитации, вывода, 
обработки. 
Программное обеспечение по своему содержанию включает в себя 
совокупность программ: планирование эксперимента, имитацион-
ной модели, проведения эксперимента, обработки и интерпретации 
результатов. Кроме того, программное обеспечение имитационной 
системы должно обеспечивать синхронизацию процессов в модели, 
то есть необходим блок, организующий псевдопараллельное выпол-
нение процессов в модели. Машинные эксперименты с имитацион-