S-p.su

Антикризисные новости
2 просмотров
Рейтинг статьи
1 звезда2 звезды3 звезды4 звезды5 звезд
Загрузка...

Математический метод анализа рисков

Математические модели и методы оценки рисков

Рубрика: Экономика и управление

Дата публикации: 31.07.2016 2016-07-31

Статья просмотрена: 8078 раз

Библиографическое описание:

Октаева, Е. В. Математические модели и методы оценки рисков / Е. В. Октаева. — Текст : непосредственный, электронный // Молодой ученый. — 2016. — № 15 (119). — С. 310-313. — URL: https://moluch.ru/archive/119/32975/ (дата обращения: 08.04.2020).

В статье описываются существующие математические модели и методы оценки рисков. Область математического моделирования распространилась в экономической науке очень активно, что позволяет более глубоко проводить исследования. Риск-менеджмент также требует точного обоснования принимаемых решений о значимости какого-либо риска, что возможно при проведении точных количественных расчетов, в том числе математического моделирования.

Ключевые слова: риск-менеджмент, принятие решений, математическое моделирование, оценка рисков

Для оценки рисков используются количественные и качественные методы оценки. Математическое моделирование относится к группе количественных методов. Качественные методы позволяют дать комплексную оценку вероятности наступления риска и ущерба от его реализации, однако недостатком является то, что необходимо привлекать компетентных экспертов. Количественные методы являются, в свою очередь более трудоемкими, но позволяют определить несколько альтернатив для принятия решений.

К количественным методам относят следующие виды расчетных методов (Рис. 1):

Рис. 1. Методы количественной оценки рисков

Статистические методы количественной оценки наиболее часто используются для оценки рисков (регрессионный анализ, метод средних величин и др.). Данные методы основаны на расчете вероятности наступления случайного события. Достоинством статистических методов является простота расчетов, недостатком — для достоверности необходимо наличие большого количества ретроспективной информации.

Логико-вероятностные методы применяются сравнительно недавно. В экономике данная группа методов используется чаще всего в банковской сфере. С помощью этих методов созданы вероятностная, логическая и структурная модели кредитного риска, а также вычислена цена за риск кредита и меры риска.

Метод аналогий, согласно названию, основан на анализе баз данных об оценке рисков объектов-аналогов. Обязательным условием применения данного метода является сопоставимость информации исследуемого объекта с аналогичным. Этот метод обычно используется для оценки рисков часто повторяющихся событий или объектов.

Аналитическая группа методов чаще используется для оценки инвестиционных и инновационных проектов и подразделяется на две подгруппы: методы без учета распределения вероятности (стресс-тестирование) и методы с учетом распределения вероятностей (нетрадиционные методы).

Математические модели и методы относятся к аналитической группе методов. Основная цель применения математического моделирования в оценке рисков сводится к описанию общей модели: R = f (P, I), где P — вероятность наступления рискового события, I — потенциальные последствия влияния факторов [1, с. 25].

Использование математических моделей в зависимости от постановки задачи и наличия исходной информации можно свести к применению таких типов моделей, как детерминированные, стохастические, лингвистические и игровые.

Игровые (нестохастические) модели используются тогда и только тогда, когда отсутствует исходная информация для использования других типов моделей. На основе теории игр формируются несколько исходов при осуществлении риска, и с помощью статистических и стратегических игр определяется значение меры или вероятности риска.

Лингвистические модели основаны на методах нечеткой логики. Неопределенность описывается функцией принадлежности, благодаря которой не требуется уверенность в повторяемости событий. Предполагается, что для использования данных методов имеется экспертная оценка о степени неопределенности.

Стохастические модели базируются на применении статистических расчетов и наличии достаточного количества статистической информации о каком-либо событии. С помощью стохастических моделей на заданном множестве оценивается вероятность наступления риска, данные модели применяются при условии случайности возникновения факторов риска.

С помощью детерминированных моделей определяется наиболее достоверный результат, поскольку данные модели применимы в условиях, когда факторы возникновения риска определены и носят регулярный характер и последствия принимаемых решений приводят к определенному результаты. Для формирования моделей используются инструменты математического анализа, логики и др. [1, с. 26].

Для количественной оценки рисков часто используются такие аналитические методы, как анализ чувствительности и имитационное моделирование, поскольку данные методы применяются в том числе и для комплексной оценки эффективности (устойчивости) деятельности организации.

Анализ чувствительности предполагает анализ изменения результирующего показателя при малом изменении факторов. Если изменения факторов приводят к незначительным изменениям результатов, то риск незначительный. Однако, недостатком метода является то, что в процессе проведения анализа исключаются все факторы, кроме одного, что не дает возможности комплексно оценить результаты.

Для оценки возможных последствий от наступления какого-либо события используется имитационное моделирование. Имитационные методы основаны на пошаговом нахождении значения результирующего показателя путем проведения многократных опытов с моделью [1, с. 26]. В ходе процесса имитации строятся последовательные сценарии с использованием переменных модели (факторов неопределенности). На основании этих данных можно сделать вывод об уровне возможного ущерба [2].

Результатом количественной оценки риска является показатель. Виды количественных показателей риска зависят от наличия достаточного количества информации. (Рис. 2) [1, с. 26].

Информация для анализа привлекается из различных доступных достоверных источников. Одним из видов наиболее полной и достоверной информации является внутренняя отчетность организации, которая также является и статистической.

Рис. 2. Система показателей оценки риска

Условия определенности предполагают наличие полной информации об анализируемом объекте. Здесь чаще всего используется нормативная документация, внутренняя отчетность организации, справочники и другие достоверные показатели. В этих условиях применяются показатели абсолютные, относительные и средние. Абсолютные показатели выражаются в стоимостной или в материально-вещественной форме. Относительные показатели отражают результат сравнения возможных потерь с некоторой базой. Эти показатели могут рассчитываться непосредственно через коэффициенты, ориентированные на последствия рискового события или опосредованно через финансовые показатели (коэффициенты ликвидности, платежеспособности, рентабельности и т. д.) [1, с. 42]. Средние показатели используются в качестве обобщающих, в них отражаются действующие причины возникновения риска, факторы риска и закономерности. [1, с. 49].

При частичной неопределенности информация о рисковой ситуации отражается в виде частот появления рисковых событий. В данном случае риск рассматривается как вероятностная категория. Для количественной оценки риска применяются методы теории вероятностей и математической статистики. Вероятностные показатели являются мерой наступления рискового события и его последствий. Особую роль в использовании данных показателей играет закон распределения вероятностных величин. Статистические показатели характеризуют меру средних ожидаемых значений результатов деятельности и их возможных отклонений.

Читать еще:  Выявление рисков это

Условия полной неопределенности проявляются при полном отсутствии информации о рисковой ситуации, и тогда для ее получения привлекаются эксперты, с помощью которых разрабатываются индивидуальные показатели оценки.

Можно сделать вывод, что любые методы количественной оценки имеют свои достоинства и недостатки. Для комплексной оценки рисков необходимо комбинировать методы как качественного, так и количественного анализа, причем в конкретной ситуации сравнивать ограничения и возможности применения каждого из методов.

Методы оценки экономических рисков

Роль количественной оценки экономического риска значительно возрастает, когда существует возможность выбора из совокупности альтернативных решений оптимального решения, обеспечивающего наибольшую вероятность наилучшего результата при наименьших затратах и потерях в соответствии с задачами минимизации и программирования риска. Здесь следует выявить, количественно измерить, оценить и сопоставить элементы рассматриваемых экономических процессов, выявить и определить взаимосвязи, тенденции, закономерности с описанием их в системе экономических показателей, что немыслимо без использования математических методов и моделей в экономическом анализе.

Применение экономико-математических методов позволяет провести качественный и количественный анализ экономических явлений, дать количественную оценку значения рсика и рыночной неопределенности и выбрать наиболее эффективное решение. Математические методы и модели позволяют имитировать различные хозяйственные ситуации и оценивать последствия при выборе решений, обходясь без дорогостоящих экспериментов.

Методы экономико-математического анализа, являясь регулятором экономической деятельности в единстве внешних и внутренних неопределенностей, обеспечивая выбор оптимальных решений, позволяют также математически анализировать, измерять значение и возможности минимизации, программирования риска с целью наилучшего управления риском на основе повышения эффективности и качества хозяйственной деятельности, сокращения неопределенности.

В качестве математических средств принятия решений в условиях неопределенности и риска будем пользоваться методами теории математических игр, теории вероятностей, математической статистики, теории статистических решений, математического программирования.

Теория игр — это теория математических моделей принятия оптимальных решений в условиях неопределенности, противоположных интересов различных сторон, конфликта. Матричные игры могут служить математическими моделями многих простейших конфликтных ситуаций из области экономики. В частности, теория игр применяется в вопросах борьбы фирм за рынки, в явлениях олигополии, в планировании рекламных компаний, при формировании цен на конкурентных рынках, в биржевой игре и т. д. С позиции теории игр можно рассматривать вопросы централизации и децентрализации управления производством, оптимальное планирование по нескольким показателям, планирование в условиях неопределенности, порождаемой, например, техническим прогрессом, преодоление ведомственных противодействий и т. д.

Риск — категория вероятности, поэтому в процессе оценки неопределенности и количественного определения степени риска используют вероятностные расчеты.

Количественная оценка вероятности наступления отдельных рисков и то, во что они могут обойтись, позволяет ЛПР выделить наиболее вероятные по возникновению и весомые по величине потерь риска, которые будут являться объектом дальнейшего анализа для принятия решения о целесообразности реализации проекта. Оценка вероятности также поможет ЛПР уяснить практические возможности выборочных исследований и дать прогноз будущих действий

Применительно к экономическим задачам методы математической статистики сводятся к систематизации, обработке и использованию статистических данных для научных и практических выводов. Метод исследования, опирающийся на рассмотрение статистических данных о тех или иных совокупностях объектов, называется статистическим. Основным элементом экономического исследования является анализ и построение взаимосвязей экономических переменных. Изучение таких взаимосвязей осложнено тем, что они не являются строгими, функциональными зависимостями. Бывает достаточно трудно выявить все основные факторы, влияющие на данную переменную (например, прибыль,риск), многие такие взаимодействия являются случайными, носят неопределенный характер, и число статистических наблюдений является ограниченным. В этих условиях математическая статистика (то есть теория обработки и анализа данных) позволяет строить экономические модели и оценивать их параметры, проверять гипотезы о свойствах экономических показателей и формах их связи, что в конечном счете служит основой для экономического анализа и прогнозирования, создавая возможность для принятия обоснованных экономических решений. Теория вероятностей играет важную роль при статистических исследованиях вероятностно-случайных явлений. Здесь в полной мере находят применение такие, основанные на теории вероятностей разделы математической статистики, как статистическая проверка гипотез, статистическое оценивание распределений вероятностей и входящих в них параметров и др.

Методы принятия решений в условиях риска также разрабатываются и обосновываются в рамках так называемой теории статистических решений. Суть статистического метода, как уже указывалось, заключается в том, что анализируется статистика потерь и прибылей, имевших место на данном или аналогичном предприятии (экономическая ситуация), устанавливается величина и частность получения того или иного экономического результата и составляется наиболее вероятный прогноз на будущее. Недостатком статистического подхода к измерению риска является тот факт, что он основывается на имеющихся статистических данных прошлых периодов, в то время как оценка риска относится к будущим событиям. Это снижает ценность данного подхода к условиях быстро менящейся экономической обстановки. В то же время достоинством данного подхода к измерению риска является его объективность.

Экономико-математические задачи, цель которых состоит в нахождении наилучшего (оптимального) с точки зрения некоторого критерия (или критериев) варианта использования имеющихся ресурсов (труда, капитала, и пр.) называются оптимизационными. Оптимизационные задачи решаются с помощью оптимизационных моделей методами математического программирования. Необходимым условием использования оптимального подхода к планированию и управлению (принципа оптимальности) является гибкость, альтернативность производственно-хозяйственных ситуаций, в условиях которых приходится принимать планово-управленческие решения. Именно такие ситуации, как правило, и составляют повседневную практику хозяйствующего субъекта (выбор оптимального ассортимента производственной программы, прикрепление к поставщикам, составление портфеля ценных бумаг, вложение инвестиций в оптимальный проект, маршрутизации и т. д.)

Читать еще:  Процесс управления риском это

Структура оптимизационной модели состоит из целевой функции, области допустимых решений и системы ограничений, определяющих эту область. Целевая функция в самом общем виде, в свою очередь, также состоит из трех элементов: управляемых переменных, неуправляемых переменных и формы функции (вида зависимости между ними). Если все функции, описывающие некоторую экономическую ситуацию линейны, то имеем задачу линейного программирования, к которой и будет сведена задача игры с природой о нахождении оптимального ассортимента продукции, выпускаемой швейным производством.

С каждой задачей линейного программирования связана другая задача, называемая двойственной по отношению к исходной. Совместное изучение данной задачи и двойственной к ней задачи служит инструментом анализа и принятия правильных решений в условиях постоянно меняющейся экономической ситуации.

Математические модели оценки риска

В самом общем виде модель оценки риска можно выразить следующим соотношением:

(2.4)

где R – оценка последствий рискового события;

P – вероятность наступления рискового события;

I – потенциальные последствия фактора риска.

Работы по анализу риска и построению адекватной модели его оценки весьма трудоемки. Это объясняется с одной стороны нестабильностью причин факторов риска, а с другой стороны – сложностью формализации количественной оценки результатов деятельности. Поэтому при обосновании и разработке моделей оценивания риска требуется тщательный анализ характера исходной информации о причинах и факторах риска, а также цели исследования.

В зависимости от характера исходной информации, имеющийся в момент постановки задачи, и выбранного способа описания неопределенности наиболее распространены следующие классы математических моделей оценки последствий риска: детерминированные; стохастические; лингвистические и нестохастические (игровые) (рисунок 2.3).

Рисунок 2.3 – Модели оценки риска [60]

Детерминированные модели применяют, когда природа причин и факторов риска является определенной и относительно каждого действия известно, что оно непременно приводит к некоторому конкретному исходу. В этом случае математическими средствами описания предпринимательского риска служат классические математические методы анализа и программирования, математической логики и др. [60].

Напротив, в стохастических моделях, когда природа причин и факторов риска случайна, риск описывается распределением вероятностей на заданном множестве. Необходимой предпосылкой для обоснованного использования стохастических моделей является наличие статистически значимой информации о прошлых реализациях неопределенной переменной.

Лингвистические и нестохастические модели применяют для условий, когда природа причин риска носит нечеткий характер.

В лингвистических моделях неопределенность описывается задаваемой вербально функцией принадлежности. Для построения функции принадлежности используют экспертные суждения о степени предрасположенности того или иного потенциально возможного события к тому, чтобы быть реализованным. При этом применяется аппарат нечеткой логики и не требуется уверенности в повторяемости событий.

В случае построения нестохастической (игровой) модели задается лишь множество отдельных значений последствий рискового события, которое может быть потенциально реализовано. В качестве математических средств используются методы стратегических и статистических игр, теория полезности и др. [60].

Таким образом, переход от детерминированных моделей через стохастические модели к лингвистическим и игровым моделям, соответствует убывание информации о факторах риска.

Достаточно часто могут встречаться ситуации, когда неопределенность принципиально не может быть описана, и риск рассчитать невозможно. В этом случае рисковые решения могут приниматься на основе эвристики, которая представляет совокупность логических приемов и методических правил теоретического исследования и поиска истины [60].

Не нашли то, что искали? Воспользуйтесь поиском:

Лучшие изречения: Как то на паре, один преподаватель сказал, когда лекция заканчивалась — это был конец пары: «Что-то тут концом пахнет». 8855 — | 8372 — или читать все.

Методы анализа рисков

Статистический метод анализа рисков применяется в случае, когда компания обладает достаточным количеством аналитической и статистической информации относительно объекта анализа

Основные методы анализа рисков

В практике риск-менеджмента наибольшую популярность получили следующие методы анализа рисков:

  • статистический;
  • оценки целесообразности затрат;
  • экспертных оценок;
  • аналитический;
  • метод использования аналогов;
  • оценки финансовой устойчивости и платёжеспособности;
  • анализ последствий накопления риска;
  • комбинированный метод.

Рассмотрим более детально основные методы анализа рисков и их особенности.

Статистический метод анализа рисков

Статистический метод анализа рисков применяется в случае, когда компания обладает достаточным количеством аналитической и статистической информации относительно объекта анализа. Сущность этого метода заключается в том, что для расчёта вероятности возникновения убытков анализируются все исторические данные относительно результативности проведения анализируемых операций компанией в прошлом.

Преимуществом статистического метод анализа рисков является то, что он позволяет осуществлять анализ и оценку различных вариантов развития событий и учитывать различные факторы риска в пределах одного подхода. Недостатком же данного метода является необходимость применения вероятностных характеристик.

На практике используется следующие статистические методы анализа рисков:

  • оценка вероятности исполнения;
  • анализ вероятного распределения потока платежей;
  • деревья решений;
  • имитационное моделирование рисков.

Метод оценки вероятности исполнения позволяет дать упрощённую статистическую оценку вероятности исполнения какого-либо решения путём расчёта доли выполненных и невыполненных решений в общей сумме принятых решений.

Метод анализа вероятностных распределений потоков платежей позволяет при известном распределении вероятностей для каждого элемента потока платежей оценить возможные отклонения стоимостей потоков платежей от ожидаемых. Поток с наименьшей вариацией считается менее рискованным.

Деревья решений обычно применяются для анализа рисков событий, имеющих обозримое или разумное число вариантов развития. Они особо полезны в ситуациях, когда решения, принимаемые в тот или иной момент времени, зависят от решений, принятых ранее.

Имитационное моделирование — один из мощнейших методов анализа экономической системы. Под ним понимается процесс проведения на ЭВМ экспериментов с математическими моделями сложных систем реального мира. Имитационное моделирование используется в тех случаях, когда проведение реальных экспериментов, например, с экономическими системами, неразумно, требует значительных затрат и/или не осуществимо на практике. Сбор необходимой информации для принятия решений зачастую требует значительных затрат. В подобных случаях отсутствующие фактические данные заменяются величинами, полученными в процессе имитационного эксперимента.

Метод анализа целесообразности затрат

Сущность метода анализа целесообразности затрат заключается в том, что в процессе деятельности компании затраты каждого направления, а также затраты отдельных элементов имеют разный уровень риска. Определение уровня риска путём анализа целесообразности затрат ориентировано на идентификацию потенциальных зон риска. Это, в свою очередь, предоставляет возможность выявить «узкие» места с точки зрения рисков, а потом разработать пути их ликвидации.

Читать еще:  Снижение риска стихийных бедствий

Метод целесообразности затрат позволяет определить критический объём производства или продаж, т.е. нижний предельный размер выпуска продукции, при котором прибыль равна нулю. Производство продукции в объёмах меньше критического приносит только убытки. Критический объём производства необходимо оценивать при освоении новой продукции и при сокращении выпуска продукции, вызванного падением спроса, сокращением поставок материалов и комплектующих изделий, ужесточением экологических требований и другими причинами.

Превышение затрат может быть обусловлено одним из четырёх основных факторов или их комбинацией:

  1. первоначальной недооценкой стоимости;
  2. изменением границ проектирования;
  3. разницей в продуктивности;
  4. увеличением первоначальной стоимости.

Эти основные факторы могут быть детализированы. На основе типового перечня можно составить детальный контрольный перечень для конкретного проекта или его элементов.

Некоторые исследователи выделяют три показателя финансовой устойчивости фирмы с целью определения уровня риска финансовых средств:

  1. избыток или недостаток собственных средств;
  2. избыток или недостаток собственных, средне- и долгосрочных заёмных источников формирования запасов и затрат;
  3. избыток или недостаток общей величины основных источников для формирования запасов и затрат.

Узнайте о других решениях

HR аналитика

Обнаружение финансового мошенничества

Аналитика в науках о жизни

Данные о людях: далеко ли мы зайдем?

Методы прогнозирования продаж

Метод экспертных оценок

Метод определения уровня риска путём экспертных оценок имеет более субъективный характер (сравнительно с другими методами). Эта субъективность является следствием того, что группа экспертов, осуществляющая анализ риска, высказывает собственные субъективные суждения как о минувшей ситуации (свершившемся событии), так и о перспективах её развития.

Чаще всего метод экспертных оценок применяется при недостаточном объёме информации или при определении уровня риска по таким направлениям деятельности, которые не имеют аналогов.

В обобщённом виде сущность данного метода заключается в том, что компания выделяет определённую группу рисков и рассматривает, как они способны повлиять на её деятельность. Это рассмотрение сводится к выставлению бальных оценок относительно вероятности возникновения того или иного вида риска, а также степени его воздействия на деятельность компании.

Аналитический метод анализа рисков

Аналитический метод построения кривой риска наиболее сложен, поскольку лежащие в его основе элементы теории игр доступны только очень узким специалистам. Чаще всего используется подвид аналитического метода — анализ чувствительности модели.

Аналитический метод анализа рисков осуществляется в несколько этапов.

На первом этапе осуществляется подготовка к аналитической обработке информации, которая содержит:

  • определение ключевого параметра, относительно которого и производится оценка чувствительности (внутренняя норма доходности, чистый приведенный доход и т.п.);
  • выбор факторов, которые влияют на деятельность организации и, соответственно, на ключевой параметр (уровень инфляции, состояние экономики и др.);
  • расчёт значений ключевого параметра на разных этапах осуществления проекта (закупка сырья, производство, реализация, транспортировка, капитальное строительство и т.п.);
  • сформированные таким образом последовательности затрат и поступлений финансовых ресурсов дают возможность определить не только общую экономическую эффективность исследуемого направления деятельности, но и определить её значения на каждой стадии.

На втором этапе строятся диаграммы, отражающие зависимость выбранных результирующих показателей от величины исходных параметров. Сопоставляя между собой полученные диаграммы, можно определить так называемые ключевые показатели, которые оказывают наиболее влияние на оценку доходности проекта.

На третьем этапе определяются критические значения ключевых параметров. Наиболее простым способом при этом является расчёт критической точки или точки безубыточности, отражающей минимально допустимый объём производства продукции или предоставления услуг для покрытия затрат.

На четвёртом этапе, на основании полученных ранее критических значений ключевых параметров и факторов, осуществляется анализ того, оказывают ли на них влияние возможные пути повышения эффективности и стабильности работы организации, т.е. существуют ли пути снижения рисков.

Анализ чувствительности модели. Анализ чувствительности модели состоит из следующих этапов:

  • выбор основного ключевого показателя, то есть параметра, по которому и производится оценка чувствительности. Такими показателями могут служить: внутренняя норма доходности, или чистый приведенный доход;
  • выбор факторов (уровень инфляции, степень состояния экономики и т.д.);
  • расчет значений ключевого показателя на различных этапах осуществления проекта: поиск, проектирование, строительство, монтаж и наладка оборудования, процесс возврата вложенных средств.

Сформированная таким образом последовательность расходов и поступлений даёт возможность определить финансовые потоки для каждого момента времени, то есть определить показатели эффективности.

Сначала строятся диаграммы, отражающие зависимость избранных результирующих показателей от величины исходных параметров. Сопоставляя между собой полученные диаграммы, можно определить ключевые показатели, которые больше всего влияют на оценку проекта.

Затем определяются критические (для проекта) значения ключевых параметров. Проще всего может быть рассчитана «точка безубыточности», отражающая минимально допустимый объём услуг, при котором проект не приносит прибыли, но и не оказывается убыточным.

Если проект финансируется за счёт кредитов, то критическим значением будет и минимальная величина ставки, по которой по проекту не получится погасить задолженность. В дальнейшем может быть получен вариант допустимых значений, в пределах которого проект оказывается эффективным (по доходности) с финансовой и экономической точек зрения.

Анализ чувствительности позволяет специалистам из проектного анализа учитывать риск и неопределённость. Если проект окажется чувствительным к изменению объёма производства продукции проекта, то стоит уделить больше внимания программе обучения персонала и менеджмента, а также другим мерам для повышения производительности.

Вместе с тем анализ чувствительности имеет два серьёзных недостатка:

  1. он не является всеобъемлющим, потому что не рассчитан для учёта всех возможных обстоятельств;
  2. он не уточняет вероятность осуществления альтернативных проектов.
Ссылка на основную публикацию
Adblock
detector