Задачі ідентифікації та прогнозування внутрішніх ризиків у підприємницькій діяльності

1) у мінімізації математичного очікування (очікуваних втрат),

2) у мінімізації квантиль розподілу (наприклад, медіани функції розподілу втрат або квантиль порядку 0,99, вище якого розташовуються великі втрати, що зустрічаються вкрай рідко - в 1 випадку з 100),

3) у мінімізації дисперсії (тобто показника розкиду можливих значень втрат),

4) у мінімізації суми математичного сподівання і потроєного середнього квадратичного відхилення (на основі відомого "правила трьох сигм"), або інший лінійної комбінації математичного сподівання і середнього квадратичного відхилення (використовують у разі близькості розподілу втрат до нормального як комбінацію підходів, націлених на мінімізацію середніх втрат і розкиду можливих значень втрат),

5) у максимізації математичного очікування функції корисності (у випадку, коли корисність грошової одиниці змінюється в залежності від загальної розташовуваної суми, як передбачається в навчальному посібнику з мікроекономіки [14], зокрема, коли необхідно виключити можливість розорення економічного агента), і т. д.

Обговоримо п'ять перерахованих постановок. Перша з них - мінімізація середніх втрат - видається цілком природною, якщо всі можливі втрати малів порівнянні з ресурсами підприємства. В іншому випадку перший підхід немудрий. Розглянемо умовний приклад. У людини є 10000 рублів. Йому пропонується підкинути монету. Якщо випадає «орел», то він отримує 50000 рублів. Якщо ж випадає «цифра», він повинен сплатити 20000 рублів. Чи варто цій людині брати участь в описаному парі? Якщо підрахувати математичне сподівання доходу, то, оскільки кожна сторона монети має одну і ту ж вірогідність випасти, рівну 0,5, воно дорівнює 50000 х 0,5 + (-20 000) х 0,5 = 15000. Здавалося б, парі дуже вигідно. Проте більшість людей на нього не піде, оскільки з ймовірністю 0,5 вони позбудуться всього свого надбання і залишаться повинні 10000 рублів, іншими словами, розоряться. Тут проявляється психологічна оцінка цінності рубля, що залежить від загальної наявної суми - 10000 рублів для людини зі звичайним доходом значить набагато більше, ніж ті ж 10000 руб. для мільярдера. Другий підхід націлений саме на мінімізацію великих втрат, на захист від руйнування. Інше його застосування - виключення катастрофічних аварій, наприклад, типу Чорнобильської. При другому підході середні втрати можуть збільшитися (в порівнянні з першим), зате максимальні будуть контролюватися.

Третій підхід націлений на мінімізацію розкиду остаточних результатів. Середні втрати при цьому можуть бути вище, ніж при першому, але того, хто приймає рішення, це не хвилює - йому потрібна максимальна визначеність майбутнього, нехай навіть ціною підвищення втрат. Четвертий підхід поєднує в собі перший і третій, хоча і досить примітивним чином. Адже проблема в тому, що управління ризиком у даному випадку - це принаймні двухкрітеріальная завдання - бажано середні втрати знизити (іншими словами, математичне сподівання доходів підвищити), і одночасно зменшити показник невизначеності - дисперсію. Добре відомі проблеми, що виникають при багатокритеріальної оптимізації.

Найбільш просунутий підхід - п'ятий. Але для його застосування необхідно побудувати функцію корисності. Це - велика самостійна завдання. Зазвичай її вирішують за допомогою спеціально організованого економетричного дослідження.

Якщо невизначеність носить інтервальний характер, тобто описується інтервалами, то природно застосувати методи статистики інтервальних даних (як частини інтервальної математики), розрахувати мінімальний і максимальний можливий доходи і втрати, і т.д.

Розроблено різні способи зменшення економічних ризиків, пов'язані з вибором стратегій поведінки, зокрема, диверсифікацією, страхуванням і ін Причому ці підходи відносяться не тільки до окремим організаціям. Так, стосовно до систем оподаткування диверсифікація означає використання не одного, а системи податків, щоб нейтралізувати дії платників податків, націлені на зменшення своїх податкових платежів. Проте динаміка реальних економічних систем така, що будь-які формальні моделі дають в кращому випадку тільки якісну картину. Наприклад, не існує математичних моделей, що дозволяють досить точно спрогнозувати інфляцію взагалі і навіть реакцію економіки на одноразове рішення типулібералізації цін.

Необхідність застосування експертних оцінок при оцінці та управлінні ризиками. Зі сказаного вище випливає, що різноманітні формальні методи оцінки ризиків та управління ними в багатьох випадках (реально в усіх нетривіальних ситуаціях) не можуть дати однозначних рекомендацій. В кінці процесу прийняття рішення - завжди людина, менеджер, на якому лежить відповідальність за прийняте рішення.

Тому процедури експертного оцінювання природно застосовувати не тільки на кінцевому, але і на всіх інших етапах аналізу розглянутогоорганізацією проекту, використовуючи при цьому весь арсенал теорії і практики експертних оцінок.

При цьому недоцільно повністю відмовлятися від використання формально-економічних методів, наприклад, заснованих на обчисленні чистих поточних (наведених, дисконтованих) втрат та інших характеристик. Використання відповідних програмних продуктів корисно для прийняття обгрунтованих рішень. Однак не можна абсолютизувати формально-економічні методи. На основні запитання на кшталт: чи достатньо високі доходи, щоб виправдати ризик, або: що краще - швидко, але мало, або довго, але багато - відповісти можуть лише менеджери з допомогою експертів. Тому система підтримки прийняття рішень в організації повинна поєднувати формально-економічні та експертні процедури.

Розробка системи підтримки прийняття рішень в організації, націленої на оцінювання ризиків і керування ними - не проста справа. Зазначимо декілька проблем, пов'язаних з подібною роботою. Абсолютно ясно, що система повинна бути насичена конкретними чисельними даними про економічний стан регіону, країни, можливо і світу в цілому. Добути такі дані нелегко, зокрема, тому, що підсумки Українського статистичного агентства спотворені [15]. Зокрема, ми зайнялися вивченням інфляції саме тому, що наші дані за цим показником перевищували дані Держкомстату України приблизно в 2 рази . Зарубіжні джерела типу навчального посібника [16] також містять неточності. Так при складанні балансових співвідношень для макроекономічних показників за даними [16] з'ясувалося, що держава повинна мати додаткове джерело доходів у кілька сотень мільярдів доларів, а доходи бізнесу мають надлишок в 30 мільярдів доларів. Іншими словами, популярний навчальний посібник [16] містить дані, що не узгоджуються один з одним. Помилка чи це авторів чи свідома фальсифікація з метою приховати від читачів характеристики американської економіки - не будемо тут обговорювати.

При вирішенні питань, що розглядаються можуть виявитися корисними відомі публікації з методів обліку фінансового ризику [10, 11]. При використанні широкого арсеналу статистичних методів необхідно враховувати особливості їх розвитку в Україні і СРСР, що наклали свій відбиток на сучасний стан в області кадрів і літературних джерел.

Підходи до управління ризиками . Щоб керувати, треба знати мету управління і мати можливість впливати на ті характеристики ризику, які визначають ступінь досягнення мети. Звичайно можна назвати безліч допустимих керуючих впливів, що описується за допомогою відповідного безлічі параметрів управління. Тоді зазначена вище можливість впливати на ті характеристики ризику, які визначають ступінь досягнення мети, формалізується як вибір значення керуючого параметра. При цьому керуючий параметр може бути числом, вектором, бути елементом кінцевого безлічі або мати більш складнуматематичну природу. Основна проблема - коректна формулювання мети управління ризиками. Оскільки існує цілий спектр різних характеристик ризику (наприклад, якщо втрати від ризику моделюються випадковою величиною), то оптимізація управління ризиком зводиться до вирішення задачі багатокритеріальної оптимізації. Наприклад, природною є завдання одночасної мінімізації середнього збитку (математичного очікування збитку) і розкиду збитку (дисперсії збитку).

Як відомо, для будь-якої багатокритеріальної задачі доцільно розглянути безліч рішень (тобто значень параметра управління), оптимальних за Парето. Ці рішення оптимальні в тому сенсі, що не існує можливих рішень, які б перевершували б Парето-оптимальні рішення одночасно за всіма критеріями. Точніше, перевершували б хоча б за одним критерієм, а по іншим були б настільки ж хорошими. Теорія Парето - оптимальних рішень добре розвинена [7].

Ясно, що для практичної реалізації слід вибирати один з Парето - оптимальних рішень. Як вибирати? Розроблено цілий спектр підходів, з яких вибір може бути зроблений тільки суб'єктивним чином. Таким чином, знову виникає необхідність застосування методів експертних оцінок. Експерти можуть вибирати безпосередньо з множини Парето - оптимальних рішень, якщо воно складається лише з кількох елементів. Або ж вони можуть вибирати ту чи іншу процедуру відомості багатокритеріальної задачі до однокритерійним.

Як намагаються вирішувати багатокритеріальні задачі? Один з підходів - вибрати т.зв. «Головний критерій», за яким проводити оптимізацію, перетворивши інші критерії в обмеження. Наприклад, мінімізувати середній збиток, зажадавши, щоб дисперсія збитку не перевершувала заданої величини.

Іноді завдання багатокритеріальної оптимізації допускає декомпозицію. Знайшовши оптимальне значення для головного критерію, можна розглянути область можливих значень для інших критеріїв, вибрати з них другою за важливістю та оптимізувати по ньому, і т.д. Що ж роблять експерти? Вони вибирають головний критерій (або впорядковують критерії за ступенем важливості), задають чисельні значення обмежень, іноді точність або час обчислень.

Другий основний підхід - це згортка багатьох критеріїв в один інтегральний і перехід до оптимізації за одним критерієм. Наприклад, розглядають лінійну комбінацію критеріїв. Строго кажучи, метод «головного критерію» - один з варіантів згортки, в якому вага головного критерію дорівнює 1, а ваги інших - 0. Побудова згортки, зокрема, завдання ваг, доцільно здійснювати експертними методами.

Використовують також методи, засновані на міркуваннях стійкості [12]. При цьому розглядають область значень керуючих параметрів, в яких значення оптимизируемого одновимірного критерію (головного параметра або згортки) відрізняється від оптимального не більше ніж на деяку задану малу величину. Така область може бути досить великою. Наприклад, якщо в лінійному програмуванні одна з граней багатогранника, виділеного обмеженнями, майже паралельна площині рівних значень оптимизируемого критерію, то вся ця грань увійде в дану область. У виділеної області можна провести оптимізацію іншого параметра, і т.д. При такому підході експерти вибирають допустиме відхилення для основного критерію, виділяють другий критерій, задають обмеження і т.д.

Зазначимо, що розглянуті вище ймовірнісно-статистичні підходи до оцінювання ризиків припускають використання в якості критеріїв таких характеристик випадкової величини, як математичне сподівання, медіана, квантами, дисперсія та ін Ці характеристики визначаються функцією розподілу випадкової шкоди, відповідного розглядався ризику. При практичному використанні цього підходу перераховані характеристики оцінюються за статистичними даними. Вони оцінюються за вибіркою, що складається з спостережених величин збитку. Згідно з правилами глави 4 при цьому необхідно обчислювати довірчі інтервали, що містять оцінювані теоретичні характеристики з заданою довірчою ймовірністю. Таким чином, критерій, на використанні якого заснована оптимізація, завжди визначений лише з деякою точністю, а саме, лише з точністю до напівдовгому довірчого інтервалу. Таким чином, ми приходимо до постановки, розглянутої в попередньому абзаці.

Необхідно звернути увагу на суттєву зміну ситуації в області обчислювальної оптимізації за останні 40 років. Якщо в 1960-і роки з-за малопотужність тодішніх комп'ютерів велике значення мала розробка нових методів рахунку, то в даний час увага переноситься на постановки завдань та інтерпретацію результатів. За нашими спостереженнями, це пояснюється не тільки наявністю різних програмних продуктів з оптимізації, але і тим, що майже будь-яку практичну задачу оптимізації можна вирішити найпростішими методами типу переборних (перебираючи можливі значення керуючих параметрів з маленьким кроком), або методом випадкового пошуку, оскільки швидкодію сучасних комп'ютерів дозволяє це зробити.

Висновки

Людина постійно стикається з ризиком. Часто, не маючи повної інформації, нам доводиться робити вибір, який, на жаль, не завжди є правильним. Будь-який підприємець завжди діє на свій страх і ризик, подальша діяльність організації буде залежати саме від цієї людини, від його далекоглядності і знань.

Обов'язки керуючого будуть складатися у виборі найбільш підходящих для компанії рішень. Одна з основних його завдань - оцінити ризик і звести його до мінімуму, щоб отримати максимальний прибуток у разі вдалої угоди і понести мінімальні втрати у разі невдалої угоди. Неправильно визначивши вплив деяких факторів, менеджер може привести компанію до краху. Тому різко зростає важливість таких якостей, як досвід, кваліфікація, і, звичайно, інтуїція. Необхідний постійний аналіз існуючої ситуації, дуже важливо використання досвіду інших організацій (можливість вчитися на чужих помилках).

Загалом, управління ризиками - проблема дуже важлива. Необхідно грамотне визначення напрямків розвитку фірми. Цим повинен займатися висококваліфікований фахівець.

Використана література

1. Бестужев-Лада І.В. Вікно у майбутнє: Сучасні проблеми соціального прогнозування. - М.: Думка, 1999. - 269 с.

2. Гаврилець Ю.М. Соціально-економічне планування: Системи та моделі. - М.: Економіка, 1998. - 174 с.

3. Жихарєв В.М., Орлов О.І. Закони великих чисел і спроможність статистичних оцінок у просторах довільної природи. - В зб.: Статистичні методи оцінювання та перевірки гіпотез. Міжвузівський збірник наукових праць. - Перм: Вид-во Пермського державного університету, 1998. С.65-84

4. Загоруйко Н.Г. Емпіричне пророцтво. - К.: Наука, 2000. - 124 с.

5. Нейлор Т. Машинні імітаційні експерименти з моделями економічних систем. - К.: Світ, 2001.

6. . Орлов О.І. Завдання оптимізації і нечіткі змінні. - М.: Знание, 1999. - 64 с.

7. Орлов О.І. Стійкість у соціально-економічних моделях. - М.: Наука, 1999. - 296 с.

8. Первозванский А.А., Первозванский Т.М. Фінансовий ринок: розрахунок і ризик. - М.: Инфра-М, 1994.

9. Піндайк Р., Рубінфельд Д. Мікроекономіка. - М.: "Економіка" - "Дело", 2001.

10. Подіновскій В.В., Ногін В.Д. Парето-оптимальні рішення багатокритеріальних задач. - М.: Наука, 19

11. Сидельников Ю.В. Теорія та організація експертного прогнозування. - М.: ІМЕМ АН СРСР, 2002. - 196 с.

12. Тейл Г. Економетричні прогнози і прийняття рішень. - М.: Статистика, 1998. - 488 с.

13. Френкель О.О. Математичні методи аналізу динаміки та прогнозування продуктивності праці. - М.: Економіка, 1998. - 190 с.

14. Четиркін Є.М. Статистичні методи прогнозування. - М.: Статистика, 2000.

15. Четиркін Є.М. Методи економічних розрахунків. - М.: Гамма, 1999.

16. Янч Е. Прогнозування науково-технічного прогресу. - М.: Прогрес, 1999. - 568 с.

Размещено на Allbest.ru