компании, то ставка дисконта для него должна отличаться от став-
ки дисконта для компании в целом. На практике подходящие
ставки дисконта можно получить, используя модели ценообразо-
вания и находя проекты или компании с денежными потоками эк-
вивалентной рискованности. Во-вторых, если денежный поток от
патента или патентной заявки многостадиен, вместе со сроком
службы патента меняется риск, связанный с денежным потоком.
Например, если патент выдан недавно и оспаривается в суде, то
риск значительно больше, чем в случае, когда патент уже отслу-
жил 15 лет и устоял при всех предшествующих попытках оспорить
правомерность его выдачи. Использование единственной посто-
янной ставки дисконта фактически означает противоположное по
смыслу предположение.
Более изощренный и более правильный подход к учету рисков
состоит в том, чтобы рассматривать риски на различных стадиях
проекта как различные. Практически это должно означать разби-
ение стоимостной оценки патента на несколько стадий. Напри-
мер, могут быть выделены стадии от заявки до получения резуль-
татов поиска, от решения продолжить процедуру получения па-
тента до начала независимой патентной экспертизы, от принятия
решения о выдаче патента до конца первого года после его выда-
чи. Также могут быть выделены стадии в коммерциализации па-
тента, например, от выдачи до первого года коммерциализации и
так далее, пока продукт не становится стабильным, и, в конечном
счете, пока не истечет патент.
Среди методов на основе анализа DCF с углубленным подходом
к неопределенности следует упомянуть имитационные методы,
прежде всего анализ чувствительности и методы Монте-Карло. Са-
мый простой из таких методов предполагает анализ чувствительно-
сти, когда все переменные корректируются по очереди, чтобы ви-
деть их влияние на конечные стоимости DCF. В методах Монте-
Карло используется вероятностный подход. Так как вся информа-
ция, вовлеченная в принятие решения относительно ИС, высоко
сомнительна, самое лучшее, что может быть сделано, это рассмат-
ривать вероятностные затраты и доходы, получая конечный ре-
зультат в виде гистограммы значений NPV. В известных примерах
«Монте-Карло» имитаций сразу все переменные в модели откор-
ректированы согласно индивидуальным распределениям вероят-
195