Принятие управленческого решения в условиях риска и неопределенности

V этап - правило выбора.

При выборе альтернативы используются учет прошлого опыта, проведение эксперимента (если это возможно), исследование и анализ. Как отмечалось ранее, решение может быть выбрано случайно, интуитивно, волевым порядком и с применением аналитических методов.

В рассматриваемом классе наиболее сложных задач по принятию управленческих решений в условиях риска и неопределенности большое значение имеет интуиция. Всеобщий и одновременный охват проблемы и ее решения позволяет менеджеру с развитой интуицией быстро переходить от этапа к этапу.

Наиболее целесообразно выбрать вторую альтернативу, т.е. реализация проекта с привлечением инвесторов.

VI этап - определение лица (или группы лиц), принимающих решение.

В нашем случае для решения создавшейся проблемы были приглашены специалисты высокого уровня, обладающие широким кругозором, достаточно эрудированные и в смежных областях. Перед ними был поставлен ряд вопросов, которые приведены в задании. Как уже отмечалось ранее, задача сложна и относится к категории задач, решаемых в условиях риска и неопределенности. Для решения проблемы прибегаем к использованию методики эвристического прогнозирования. Составим матрицу, где рассматриваются варианты ответов экспертов (таблица 2.1).

Таблица 2.1 Варианты ответов экспертов по основным вопросам

Вопросы анкет в нашем случае альтернативные: 1 - да, 0 - нет. Поэтому удобно использовать элементы дисперсного анализа. При этом основными характеристиками являются значения р, q, .

Значения данных характеристик находим по следующим формулам:

Р = М / N,

где М - число единиц (положительные ответы);

N - общее число параметров.

q = L / N,

где L - число нулей (отрицательные ответы);

N - общее число параметров.

При этом выполняется условие р + q = 1.

Средняя величина, характеризующая число положительных ответов:

хср = Р.

Дисперсия, характеризующая отклонение от средней величины определяется:

² = р q.

Проведем классификацию ответов экспертов, используя приемы таксономии. Для этого определяем коэффициент близости между ответами. Существует несколько формул при определении этих значений. Воспользуемся формулой Роджерса и Танимото:

,

где nij - число совпадающих единиц между сравниваемыми рядами;

ni - число всех единиц в i-том сравниваемом ряду;

nj - число единиц в j-том сравниваемом ряду.

Сравнивается первый ряд последовательно со всеми остальными, заполняется первая строка матрицы, затем вторая строка со всеми остальными и т.д. В результате получаем матрицу (таблица 2.2).

Таблица 2.2 Определение коэффициентов близости между ответами экспертов

Для ее обработки существуют разные алгоритмы, возьмем простейший. Выделим произвольно какое-либо число в матрице (лучше одно их наибольших), например, 1 (I строка, II столбец). Теперь по II столбцу ищем наибольшие числа - это 0,8 на пересечении со строкой три. Затем ищем наибольшие числа по третьей строке (использованные числа не применяются), берем значение 0,75 на пересечении со столбцом шесть и т.д. Если встречаются одинаковые числа, то получаемый граф разделяется и каждая ветвь рассматривается отдельно. В нашем случае получается следующий граф (рисунок 2.1).

Рисунок 1

Итак, мнения экспертов можно представить следующим образом:

Эти данные позволяют составить следующий график (рисунок 2.2).

Чтобы определить, насколько существенные различия между мнениями экспертов и сгруппировать эти мнения в таксоны составим матрицу коэффициентов Фишера (таблица 2.3).

Коэффициент Фишера определяется через отношение дисперсий, т.е.:

F = i² / j².

Большее значение дисперсии всегда берется в числителе.

Матрица коэффициентов Фишера получена следующим образом: берется отношение дисперсий ответов на вопросы анкет первого эксперта последовательно к дисперсиям ответов всех остальных (заполняется первая строка матрицы), затем дисперсии мнений второго ко всем остальным и т.д.

Рисунок 2.2

Таблица 2.3

Данные полученной матрицы сравниваем с критическим значением, Fкр. В нашем случае степени свободы k1 и k2 равны семи (степени свободы определяются как n - 1, где n - число параметров), значение пограничных показателей достоверности F (критерий Фишера) берем при вероятности Р' = 0,8, Fкр = 1,945. Сравнивая коэффициенты Фишера из матрицы с его критическим значением видим, что эти показатели меньше, следовательно, отличия в мнениях экспертов несущественны и при классификации их можно объединить в один таксон. Чтобы выработать далее единую точку зрения на вопрос можно использовать метод "мозговой атаки" или метод Дельфи и прийти к единому мнению.

В продолжении поставленной проблемы было выяснено, что существует сложный и важный вопрос - поиск инвесторов для разработки проекта по строительству новой перевалочной базы для нефтепродуктов. После изучения данных предприятия, а также необходимой дополнительной информации было выяснено, что для реализации проекта предприятию необходимы дополнительные финансовые затраты. Ознакомившись с проектной документацией эксперты предложили свои варианты расчетов, основываясь на благоприятном (Кmin) и неблагоприятном (Кmax) прогнозах. Результаты их прогнозов представлены в таблице 2.4.

Таблица 2.4 Варианты прогнозов дополнительных затрат для строительства новой перевалочной базы для нефтепродуктов

Проведем анализ полученных данных, определим меры близости мнений экспертов.

В нашем случае ответы экспертов имеют числовое значение, для нахождения коэффициентов близости используется евклидово расстояние.

 Результаты расчетов представлены в матрице коэффициентов близости мнений экспертов (таблица 2.5).

Каждая строка матрицы рассчитывается следующим образом, от значения Кmin (I эксперт) вычитается значение Кmin (II эксперт), разность возводится в квадрат, затем от значения Кmax (I эксперт) вычитается значение Кmax (II эксперт), разность возводится в квадрат. Из суммы полученных величин извлекается квадратный корень. Таким же образом находится величина коэффициентов близости между показателями первого и третьего экспертов, первого и четвертого и т.д. Вторая строка матрицы определяется подобными операциями для второго и последующих экспертов.

Таблица 2.5 Коэффициенты близости мнений экспертов

Обработка матрицы производится аналогичным способом, как и обработка матрицы таблицы 2.2. Получается граф (рисунок 2.3), с помощью которого строятся таксоны, изображенные на графике (рисунок 2.4). По оси ординат значения дополнительных капиталовложений на строительство новой перевалочной базы для нефтепродуктов, а по оси абсцисс - коэффициенты близости мнений экспертов. Величина, диаметр таксона задается самостоятельно.

Рисунок 2.3

По графику можно сказать, что получилось два таксона, сформированных по коэффициентам близости. Это говорит о наличии двух групп мнений. Для их "принирения" возможно дальнейшее применение методики системного анализа, в частности, методов, направленных на активизацию использования интуиции и опыта специалистов, метода Дельфи, когда постепенно, накапливая информацию, конкретизируя рассматриваемые факты, можно находить пути решения отдельных задач и прийти к общему мнению в целом по проблеме.

Сущность метода Дельфи описана далее.

Рисунок 2.4

3. Метод Дельфи и "мозговой штурм"

Одной из разновидностей метода экспертных оценок является метод коллективной генерации идей ("мозговая атака"), позволяющей определять возможные варианты развития объекта прогнозирования за короткий период времени. Методы "мозговых атак" можно классифицировать по признаку наличия или отсутствия обратной связи между руководителем и участниками "мозговой атаки" в процессе решения некоторой проблемной ситуации. Создавшаяся ситуация потребовала разработать метод "мозговой атаки" - деструктивной отнесенной оценки (ДОО), способный качественно и достаточно быстро проводить оценку вариантов, не ограничивая при этом их числа.

Сущность этого метода состоит в актуализации творческого потенциала специалистов при "мозговой атаке" проблемной ситуации, реализующей вначале генерацию идей и последующее деструирование (разрушение, критику) этих идей с формированием контридей. Работа с методом ДОО предполагает реализацию следующих шести этапов.

Первый этап - формирование группы участников "мозговой атаки" (по численности и составу). Оптимальная численность группы участников находится эмпирическим путем: наиболее продуктивными признаны группы в 10-15 человек. Состав группы участников предполагает их целенаправленный подбор:

1) из лиц примерно одного ранга, если участники знают друг друга;

2) из лиц разного ранга, если участники не знакомы друг с другом (в этом случае следует нивелировать каждого из участников присвоением ему номера с последующим обращением к участнику по номеру).

Второй этап - составление проблемной записки участника мозговой атаки. Она составляется группой анализа проблемной ситуации и включает описание метода ДОО и описание проблемной ситуации.

Третий этап - генерация идей. Продолжительность мозгового штурма рекомендуется не менее 20 минут и не более 1 часа в зависимости от активности участников. Запись высказываемых идей целесообразно вести на магнитофон, чтобы не "пропустить" ни одну идею и иметь возможность систематизировать их для следующего этапа.

Четвертый этап - систематизация идей, высказанных на этапе генерации. Систематизацию идей группа анализа проблемной ситуации осуществляет в такой последовательности:

Ш составляется номенклатурный перечень всех высказанных идей;

Ш каждая из идей формулируется в общеупотребительных терминах;

Ш определяются дублирующие и дополняющие идеи;

Ш дублирующие и (или) дополняющие идеи объединяются и формируются в виде одной комплексной идеи;

Ш выделяются признаки, по которым идеи могут быть объединены;

Ш идеи объединяются в группы согласно выделенным признакам;

Ш составляется перечень идей по группам (в каждой группе идеи записываются в порядке их общности от более общих к частным, дополняющим или развивающим более общие идеи).

Пятый этап - деструирование (разрушение) систематизированных идей (специализированная процедура оценки идей на практическую реализуемость в процессе мозговой атаки, когда каждая из них подвергается всесторонней критике со стороны участников мозговой атаки).

Основное правило этапа деструирования - рассматривать каждую из систематизированных идей только с точки зрения препятствий на пути к ее осуществлению, т. е. участники атаки выдвигают выводы, отвергающие систематизированную идею. Особенно ценным является то обстоятельство, что в процессе деструирования может быть генерирована контридея, формулирующая имеющиеся ограничения и выдвигающая предположение о возможности снятия этих ограничений.

Метод Дельфи является одним из наиболее перспективных методов формирования групповой оценки экспертов. Этот метод получил название от древнегреческого города Дельфы и мудрецов, славившихся предсказаниями будущего. Метод представляет собой ряд последовательно осуществляемых процедур, направленных на формирование группового мнения экспертов. Для этого метода характерны следующие три основные черты: анонимность, регулируемая обратная связь и групповой ответ.

Анонимность предполагает использование специальных вопросников и других средств индивидуального опроса, в частности диалоговых средств ЭВМ. Регулируемая обратная связь осуществляется путем проведения нескольких туров опроса, причем обработка результатов каждого тура осуществляется с помощью статистических методов и результаты ее сообщаются экспертам. Применение статистических методов обработки группового ответа позволяет уменьшить статистический разброс индивидуальных оценок (снижение в знаниях неопределенности вероятностного характера) и получить групповой ответ, в котором наиболее верно отражено мнение каждого эксперта.

Следовательно, анонимность опроса позволяет ослабить влияние отдельных "доминирующих" экспертов, а регулируемая обратная связь снижает влияние индивидуальных и групповых интересов, не связанных с решаемыми задачами, т. е. обратная связь повышает объективность и надежность групповой оценки. Таким образом, итеративная процедура проведения опросов в несколько туров с информированием экспертов о результатах предыдущих этапов опроса и предложениями в ряде случаев обосновать свое мнение) приводит к уменьшению разброса в индивидуальных ответах и создает несомненные преимущества дельфийского метода по сравнению с "простым" статистическим объединением индивидуальных мнений при обработке экспертных данных анкетными методами.

При обработке результатов опроса на каждом туре полученные экспертные оценки Ki (i = 1,п) упорядочиваются, например, в порядке убывания и определяются характеристики положения и разброса. При этом в связи с тем, что обычно используют незначительное число экспертов, вместо традиционных числовых характеристик в виде математического ожидания и среднеквадратического отклонения предпочтительно в качестве характеристик положения и разброса использовать более устойчивые -- медиану и квартили.

Медиана служит характеристикой группового ответа, предпочтительный интервал квартилей -- показателем разброса индивидуальных оценок. За медиану Me принимается член ряда, по отношению к которому число экспертных оценок с начала и с конца ряда (справа и слева от медианного значения) будет одинаковым. Затем определяются верхний и нижний квартили, представляющие собой интервалы, в каждый из которых попадает 25 % значений ряда. Средние квартили, расположенные слева и справа от медианы, считаются предпочтительными как характеристики разброса (Qн -- Qв).

На следующем туре каждому эксперту сообщаются значения полученных характеристик. Экспертов, чьи оценки оказались в крайних квартилях, просят обосновать их мнения и причины расхождения с групповым мнением. Так как ответы экспертов анонимны, они имеют возможность пересмотреть свои мнения, данные на предыдущем туре, и при желании исправить оценки. Такая процедура позволяет всем экспертам принять в расчет обстоятельства, которые они могли случайно пропустить или которыми они пренебрегли в предыдущих турах.

После получения новых оценок определяются новые медиана и квартили. Процедура может повторяться 3--4 раза.

Такая итеративная процедура позволяет после каждого тура эффективно уменьшать разброс индивидуальных экспертных оценок. При этом средняя оценка экспертов, изменивших свое мнение, сдвигается по направлению средней оценки группы (медианы), а эксперты, не изменившие свои оценки, дают более точное и строгое их обоснование.

Экспериментально установлено, что при использовании метода Дельфи наличие в группе менее знающих экспертов оказывает более слабое влияние их на групповую оценку, чем при простом усреднении оценок, поскольку итерация помогает этим специалистам улучшить свои оценки за счет использования информации от более компетентных специалистов.

Заключение

В данной работе были рассмотрены основные этапы принятия решения в условиях неопределенности на конкретном примере.

В результате проделанной работы были выделены основные проблемы рассмотренной ситуации, а также различные альтернативы решения данных проблем. Были проанализированы мнения экспертов по данному вопросу и найден метод дальнейшего решения проблемы.

В результате анализа мнения экспертов можно сделать вывод, что по одному методу все их мнения близки и представляют собой один таксон. По другому же, наоборот, два. В то же время выбор величины и диаметра таксона задается исследователем, поэтому с разных точек зрения результат может получится различным. В целом же можно сказать, что мнения экспертов достаточно близки друг другу, а значит, обсуждение проблемы им необходимо проводить при помощи метода Дельфи, который имеет множество достоинств.

Литература

1. Балабанов И.Т. Риск-менеджмент. - М.: Финансы и статистика, 2001. - 257 с.

2. Лапуста М.Г., Шаршукова Л.Г. Риски в предпринимательской деятельности. - М.: ИНФРА-М, 2003. - 472 с.

3. Метод Дельфи // http: // www.ssea.ru/ei/optimize/menu.htm.

4. Ступаков В.С., Токаренко Г.С. Риск-менеджмент. - М.: Финансы и статистика, 2005. - С 288.

5. Шапкин А.С. Экономические и финансовые риски. Оценка, управление, портфель инвестиций. - М.: Дашков и Ко, 2004. - 544 с.