Мировой нефтяной рынок на протяжении последних двух десятилетий демонстрировал повторяющиеся ценовые шоки, каждый из которых вносил существенные коррективы в инвестиционные стратегии вертикально интегрированных нефтяных компаний. Кризис 2008 года привёл к падению цен на нефть марки Brent с максимумов около 145 долл./барр. до 35 долл./барр. за несколько месяцев, что вызвало массовое замораживание буровых проектов. Аналогичный обвал произошёл в 2014-2016 годах, когда цена снизилась с 110 до 27 долл./барр., а пандемийный кризис 2020 года привёл даже к отрицательным фьючерсным котировкам WTI. В этих условиях парк буровых установок (БУ) – совокупность мобильных и стационарных буровых комплексов – представляет собой актив, управление которым требует принципиально иного подхода, чем традиционный анализ дисконтированных денежных потоков. Проблема заключается в том, что решения о замене, выводе из эксплуатации или консервации буровых установок принимаются в обстановке глубокой неопределённости относительно будущей ценовой конъюнктуры, что делает стандартный критерий Net Present Value (NPV) неприменимым [1–3].

Парк буровых установок обладает свойствами, которые превращают его в носитель встроенных реальных опционов. Во-первых, решение о замене старой установки на новую – это опцион колл на инвестирование: компания имеет право (но не обязанность) заплатить цену замены и получить поток более высоких будущих доходов за счёт повышенной механической скорости бурения и сниженных затрат на ремонт. Во-вторых, решение о выводе установки из эксплуатации или её длительной консервации – это опцион пут на отказ от актива, позволяющий избежать операционных убытков в периоды низких цен. Традиционная практика, основанная на детерминированных сценариях цен и последующем расчёте NPV, систематически недооценивает ценность ожидания и переоценивает выгоды от немедленных инвестиций, особенно когда волатильность высока. Как показали эмпирические исследования, компании, применяющие гибкие политики замены оборудования, получают прирост NPV в диапазоне 15–25% по сравнению с жёсткими правилами, зафиксированными на стадии планирования [3, 4].

Каждая буровая установка в парке характеризуется множеством параметров, определяющих её экономическую эффективность и необходимость замены. Ключевыми из них являются наработка в часах (или метрах проходки), техническое состояние, затраты на текущее обслуживание и ремонт (ТОиР), а также фактическая скорость бурения по сравнению с паспортной. Типичная установка после 30 000–40 000 часов наработки демонстрирует экспоненциальный рост затрат на ремонт – до 0,5–1,0 млн долл. в год на одну установку, при одновременном снижении механической скорости на 15–25%. Замена старой установки на новую требует капитальных вложений порядка 25 млн долл. для установки класса 3000 л.с., а затраты на демонтаж и утилизацию – около 1–2 млн долл. Операционные расходы на одну действующую установку составляют в среднем 8–10 млн долл. в год, включая топливо, зарплату бригады и расходные материалы [5, 6].

Задача управления парком из N установок сводится к принятию последовательных решений в дискретные моменты времени (например, ежеквартально) относительно каждой установки: продолжать эксплуатацию с проведением плановых ремонтов, произвести капитальную замену (покупка новой установки и списание старой), отправить в простой с минимальными затратами на консервацию, либо окончательно вывести из эксплуатации. Решения связаны между собой через бюджетные ограничения и ограничения на количество доступных бригад. Однако даже для независимого управления каждой установкой задача остаётся сложной из-за нестационарности цен на нефть, которая напрямую влияет на выручку от бурения (стоимость метра проходки или дневная ставка бурового подряда привязаны к цене нефти). Таким образом, замена установки – это не просто технический акт, а финансовый опцион, исполнение которого целесообразно только при превышении некоторого порогового значения цены нефти. Дополнительный слой неопределённости вносит случайный характер отказов оборудования: даже новая установка может выйти из строя, что моделируется процессами восстановления [5, 6].

Для корректной оценки стоимости реальных опционов необходимо адекватное математическое описание динамики цены нефти. Простейшая и наиболее распространённая модель – геометрическое броуновское движение (GBM) с постоянной волатильностью:

dS = μ S dt + σ S dz ,

где S – цена нефти (долл./барр.), μ – ожидаемый темп роста, σ – волатильность, dz – винеровский процесс. Однако GBM демонстрирует недостаток: он не учитывает долгосрочное возвращение к среднему уровню (mean reversion), которое хорошо выражено для сырьевых товаров. Более реалистичной является модель с возвращением к среднему (модель Орнштейна–Уленбека для логарифма цены):

d(ln S) = κ (θ – ln S) dt + σ dz ,

где κ – скорость возврата, θ – долгосрочный средний логарифм цены. Для нефтяного рынка характерны также режимные переключения (Markov switching): периоды высокой волатильности (например, 2008, 2014, 2020) чередуются с периодами низкой волатильности. Модель с двумя режимами задаётся скрытой цепью Маркова с матрицей переходов P и параметрами ( , ) для каждого режима i ∈ {1,2}. Калибровка по историческим данным WTI и Brent за период 2000–2023 гг. даёт следующие типичные значения: в «нормальном» режиме σ ≈ 20–25% годовых, в режиме «кризис» σ ≈ 40–60%, μ в обоих режимах незначительно отличается от ставки дисконтирования после поправки на риск. Скорость возврата κ составляет 0,3–0,5 в год, что соответствует характерному времени полувозврата 1–2 года [7–9].

Влияние волатильности на пороговые цены замены исследовалось нами для диапазона σ от 20% до 60%. Результаты, представленные на рисунке 1 (график зависимости пороговой цены от σ), показывают практически линейный рост: увеличение волатильности на 10 процентных пунктов повышает порог замены примерно на 5–7 долл./барр. Это объясняется ценностью ожидания: при высокой волатильности всегда есть шанс, что цена поднимется ещё выше, и выгоднее подождать, чем инвестировать сейчас. При σ=20% пороговая цена составляет около 55 долл./барр., при σ=60% – уже 85 долл./барр. при базовой цене исполнения опциона 60 долл./барр. [7–9].

4. Динамическое программирование (ДП) как основной аппарат

Задача управления парком буровых установок естественным образом формулируется как марковский процесс принятия решений (MDP) с дискретным временем. Состояние системы в момент t описывается вектором: количество установок каждого типа, их возраст/наработка, текущая цена нефти  и, возможно, фаза цикла (режим волатильности). Для упрощения изложения рассмотрим одну установку с дискретизацией возраста по кварталам (максимальный экономический срок службы T = 20 лет = 80 кварталов). Действия: a ∈ {0 – эксплуатировать, 1 – заменить на новую, 2 – консервация (простой)}. Мгновенная выгода в состоянии (i, S) при действии a определяется как разность выручки от бурения, операционных затрат и затрат на замену (если a=1). Выручка пропорциональна механической скорости бурения v(i), которая убывает с возрастом i, и коэффициенту использования u, умноженному на дневную ставку, привязанную к цене нефти: Revenue = α·S·v(i)·u, где α – технологический коэффициент. Затраты на эксплуатацию  (i) растут с возрастом [10–12].

Уравнение Беллмана для этой задачи в предположении нейтральности к риску (risk-neutral valuation) имеет вид:

V(i,S)=  ​{R(i,S,a)+β⋅E[V(i′,S′)∣i,S,a]},

где β = 1/(1+r) – дисконтный фактор, r – безрисковая ставка (примем 10% годовых), математическое ожидание E[·] берётся по переходным вероятностям возраста (детерминированное увеличение на 1 квартал, если не замена; сброс к 0 при замене) и по будущей цене нефти S’, генерируемой согласно стохастическому процессу из раздела 3. В силу непрерывного множества возможных цен S решаем уравнение численно на сетке методом итераций по стоимости (value iteration). Для GBM с дискретизацией по логарифмической сетке из 100 узлов и 80 узлов по возрасту полная итерация занимает около 1 секунды на стандартном ПК. Сходимость достигается за 500–1000 итераций [10–12].

Учёт риска может осуществляться двумя способами: либо переходом к нейтральной мере путём вычитания рыночной цены риска из дрейфа (для GBM это замена μ на r – δ, где δ – дивидендная доходность или спред), либо прямым использованием MDP с субъективными вероятностями и функцией полезности, если риск не диверсифицируем. В нефтегазовой отрасли распространён первый подход, поскольку цены на нефть торгуются на бирже. Однако для замены оборудования, которая не является рыночным активом, требуется корректировка на риск путём подбора ставки дисконтирования, что может приводить к существенным изменениям в оптимальной политике: более высокая ставка снижает ценность отложенной замены и подталкивает к более ранним инвестициям [10–12].

В терминах теории реальных опционов решение о замене буровой установки представляет собой композитный опцион, включающий возможность выбора момента инвестирования (опцион колл американского типа на покупку актива, генерирующего поток доходов) и опцион на отказ от старой установки. Формально, ценность опциона на замену F(S) при текущей цене нефти S и фиксированном возрасте установки i удовлетворяет уравнению Беллмана (в непрерывном времени) и может быть решена аналитически для простейшего случая GBM и вечной установки. Пороговая цена S* находится из условия гладкого склеивания (smooth pasting) и условия оптимальной остановки (optimal stopping). Для модели GBM с возвращением к среднему аналитического решения не существует, однако численное решение показывает, что порог тем выше, чем больше волатильность и чем меньше скорость возврата [13–15].

Опцион на ожидание (value of waiting) – это разность между ценностью гибкой политики (оптимальной остановки) и ценностью немедленной замены (NPV инвестиции). При низкой волатильности (σ=20%) и цене S=60 долл./барр. ценность ожидания составляет около 10% от стоимости замены; при σ=60% она возрастает до 40–50%. Это означает, что традиционное правило «заменять, когда NPV > 0» ошибочно: необходимо требовать положительной премии за немедленную замену, размер которой растёт с волатильностью. Сравнение стратегий: «замена при фиксированном износе (например, каждые 10 лет)» против «гибкой политики, зависящей от цены нефти» показано на рисунке 2. При детерминированной политике средняя чистая приведённая стоимость за 20-летний горизонт составляет 12,3 млн долл. на одну установку, тогда как гибкая политика (замена при достижении пороговой цены, но с учётом максимального срока службы) даёт 15,6 млн долл., что на 27% выше. В периодах резкого падения цен гибкая политика позволяет избежать замены в «неподходящий» момент, перенося инвестиции на более благоприятную конъюнктуру [13–15].

Важно отметить, что решения по замене нескольких установок в парке могут быть взаимосвязаны через эффект масштаба: единовременная замена двух установок приносит скидку от поставщика в 5–10% от стоимости каждой. Это создаёт дополнительный опцион на групповую замену, который требует решения многомерной задачи ДП. Однако даже в этом случае фундаментальный вывод сохраняется: учёт реальных опционов повышает оценку проекта и улучшает качество решений [13–15].

Для демонстрации предложенного подхода проведём численный эксперимент для парка из 10 буровых установок идентичного типа. Базовые параметры: стоимость новой установки – 25 млн долл., затраты на замену (монтаж и пуск) – 5 млн долл., операционные затраты на старую установку (возраст более 15 лет) – 10 млн долл./год, на новую – 6 млн долл./год. Механическая скорость: 1000 м/мес для новой, линейно падает до 700 м/мес для старой. Выручка привязана к цене нефти: ставка за метр проходки = 0,015·S (долл./барр.)·2000 (некий нормировочный коэффициент). Ставка дисконтирования – 10% годовых. Цена нефти моделируется GBM с μ = 3% (в нейтральной мере μ = r – δ, δ=7%), σ варьируется. Временной шаг – 1 квартал, горизонт – 20 лет [16, 17].

Процедура включает три этапа:

1. Генерация 10 000 траекторий цены нефти методом Монте-Карло с дискретизацией по схеме Эйлера–Маруямы.
2. Решение уравнения Беллмана методом итераций по стоимости на сетке (возраст 1..80, цена 50 узлов) для получения функции ценности V(i, S).
3. Симуляция оптимальной политики на каждой траектории: в каждом состоянии сравниваются действия и выбирается то, которое максимизирует V (i, S). Для сравнения параллельно симулируется детерминированная политика (замена каждые 10 лет независимо от цены) [16, 17].

Результаты сведены в таблице 1 (описательно). При σ = 20% пороговая цена замены для установки возраста 15 лет составляет 58 долл./барр. При σ = 40% порог повышается до 71 долл./барр., при σ = 60% – до 86 долл./барр. На рисунке 3 показаны гистограммы времени до первой замены при разных волатильностях: при высокой волатильности распределение становится бимодальным – часть траекторий заменяют очень рано (если цена быстро подскакивает), часть откладывают замену на конец срока службы или вовсе никогда. Экономический эффект: гибкая политика обеспечивает средний NPV парка из 10 установок за 20 лет в размере 156 млн долл. при σ=40%, тогда как детерминированная политика – 128 млн долл. Выигрыш составляет 22%. При экстремальной волатильности σ=60% выигрыш достигает 28%. Анализ чувствительности показывает, что основной вклад вносит избежание замен в периоды низких цен: в детерминированной политике компания вынуждена заменять оборудование даже при S=30 долл./барр., что приводит к отрицательному NPV этой замены, в то время как гибкая политика откладывает инвестиции [16, 17].

Внедрение предложенной методологии в реальную практику требует системного подхода, включающего организацию сбора данных, построение моделей и их периодическое обновление. Первым шагом является создание базы данных по каждой буровой установке: фактическая наработка с разбивкой по месяцам, затраты на ТОиР (с детализацией до замены насосов, роторов, вышек), механическая скорость бурения по каждой скважине, а также простои из-за отказов. Эти данные необходимы для оценки зависимостей (i) и v(i). Рекомендуется использовать нелинейные регрессионные модели вида  (i) = + c, где i – наработка в тысячах часов. Для большинства буровых установок b находится в диапазоне 0,05–0,10, что соответствует удвоению затрат каждые 7–14 тысяч часов [18, 19].

Второй шаг – калибровка стохастического процесса цены нефти. Компании следует использовать комбинацию исторических данных (не менее 10 лет ежедневных цен) и рыночных фьючерсных кривых для оценки текущих значений спот-цены и ожидаемой волатильности. Рекомендуемая частота пересмотра политики – один раз в квартал, при этом параметры процесса (особенно волатильность) могут обновляться по скользящему окну (например, 250 торговых дней). Для повышения устойчивости оценок целесообразно усреднять по нескольким моделям: GBM, возврат к среднему, режимное переключение. Практический опыт показывает, что наиболее точные результаты даёт модель с двумя режимами и фильтром Гамильтона [18, 19].

Третий аспект – интеграция с системой риск-менеджмента. Оптимальное правило замены, полученное из уравнения Беллмана, представляет собой условную стратегию: «заменить установку возраста i, если цена нефти S превышает порог S*(i)». Однако в реальности могут существовать бюджетные ограничения (можно заменить не более K установок в квартал), что приводит к задаче распределения ресурсов. Решение – иерархический подход: сначала рассчитываются индивидуальные пороги, затем они корректируются с учётом общего бюджета путём решения задачи линейного программирования. Важно также, что управление парком должно быть синхронизировано с корпоративным процессом утверждения инвестиций: рекомендуется формировать «опционный бюджет» – резерв средств, который тратится только при достижении пороговых цен, и не тратится в противном случае. Это организационно закрепляет идею реальных опционов [18, 19].

В данной статье разработана методология оптимального управления парком буровых установок, основанная на динамическом программировании и теории реальных опционов. Показано, что традиционный подход NPV не учитывает ценность ожидания, что приводит к систематическим ошибкам: либо слишком ранняя замена оборудования в периоды низких цен (и, следовательно, убытки), либо упущенная выгода, когда цена высока, но компания придерживается жёсткого графика. Предложенный метод с уравнением Беллмана и стохастической динамикой цен на нефть позволяет вычислять пороговые значения, при которых замена экономически обоснована. Численный эксперимент подтвердил улучшение интегрального NPV на 20–28% по сравнению с детерминированной политикой. Особенно ценным является способность метода адаптироваться к различным уровням волатильности: чем выше неопределённость, тем выше должен быть порог для инвестиций [20].