Пути минимизации рисков для организации

     Разбивка  на этапы, транши, стадии и т. п. позволяет осуществлять проекты методом мелких быстрых шагов, снижая величину текущего риска в каждый данный момент и концентрацию риска в руках одного человека или организации.

     Манипулирование границами организации  и их проницаемостью потенциально позволяет управлять информационными потоками. Усиление режима секретности, усложнение физического доступа на объект, удаление и усиление ограждений, введение запретных зон и т. п.

     Установление  лимитов — это общий метод ограничения рисков, которые делегируются конкретным лицам и организациям или которые возникают при совершении сделок. Если величина сделки не превосходит лимита, решение принимается на одном уровне, если же превосходит, то подается заявка на решение на более высоком уровне иерархии управления.

     Изменение горизонта управления рисками — это способ влияния на величину рисков с помощью изменения периодов их прогнозирования.

1.4 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.

     При использовании статистических методов  управления, риски – это вероятности  некоторых событий (в статистическом приемочном контроле риск поставщика – это вероятность забракования партии продукции хорошего качества, а риск потребителя – приемки «плохой» партии; при статистическом регулировании процессов рассматривают риск незамеченной разладки и риск излишней наладки). Тогда оценка риска – это оценка вероятности, точечная или интервальная, по статистическим данным или экспертная. В таком случае для управления риском задают ограничения на вероятности нежелательных событий. Иногда под уменьшением риска понимают уменьшение дисперсии случайной величины, поскольку при этом уменьшается неопределенность. В теории принятия решений риск – это плата за принятие решения, отличного от оптимального, он обычно выражается как математическое ожидание. В экономике плата измеряется обычно в денежных единицах, т.е. в виде финансового потока (потока платежей и поступлений) в условиях 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 позиций 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. [8].

     Риск  – категория вероятностная, 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  выделить наиболее вероятные по возникновению и весомые по величине потерь риски, которые будут являться объектом дальнейшего анализа для принятия решения о целесообразности реализации проекта. Оценка вероятности также поможет уяснить практические возможности выборочных исследований и дать прогноз будущих действий.

     Вероятностные задачи характеризуются тем, что  эффективность принимаемых решений  зависит не только от детерминированных  факторов, но и от вероятностей их появления, т. е. известен закон распределения управляемых факторов Х в виде, представленном в табл. 1.

     Таблица 1

     Распределение управляемых факторов Х 

 

     где P_i –вероятность появления управляемого фактора x_i , i = 1,…,n. 

      ,                                                    (1.1)

      ,                                 (1.2)

                                                         (1.3) 

     Для любой случайной величины, имеющей  математическое ожидание и дисперсию, справедливо неравенство Чебышева:

                                       (1.4)

     Отсюда  видно, что незначительному риску  по среднеквадратическому отклонению соответствует малый риск и по линейным отклонениям.

     Будем считать, что риском операции называется число σ – среднее квадратическое отклонение управляемого фактора (например, дохода) Х операции, которое обозначим       r = σ.

     Установлена следующая качественная оценка различных  значений коэффициента вариации: до 10% - слабая колеблемость, 10-25% - умеренная  колеблемость, свыше 25% - высокая колеблемость.

     С помощью этого метода оценки риска можно оценить риск не только конкретной сделки, но и предпринимательской фирмы в целом (проанализировав динамику ее доходов) за некоторый промежуток времени.

     Применительно к экономическим задачам  методы математической статистики сводятся в систематизации, обработке и использовании статистических данных для научных и практических выводов. Метод исследования, опирающийся на рассмотрение статистических данных о тех или иных совокупностях объектов, называется статистическим. Для статистической выборки, представленной в табл. 2

     Таблица 2

     Статистическая  выборка 

 

где x_i – ожидаемое значение для каждого случая наблюдения (i = 1,2, …),

       n_i – число случаев наблюдения (частота) значения x_i ; 
           - среднее ожидаемое значение;

       - дисперсия;

       V – коэффициент вариации, имеем: 

,                                                (1.5)

,                                            (1.6)

.                                               (1.7)  

       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 принятия обоснованных экономических решений. Теория вероятностей играет важную роль при статистических исследованиях вероятностно-случайных явлений.

     Методы  принятия решений в условиях риска  также разрабатываются и обосновываются в рамках теории статистических решений. Суть статистического метода заключается в том, что анализируется статистика потерь и прибылей, имевших место на данном или аналогичном предприятии (экономическая ситуация), устанавливается величина и частота 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 в условиях быстро меняющейся 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. Структура оптимизационной модели состоит из целевой функции, области допустимых значений 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. 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.

     Методы  математического  моделирования позволяют предложить и изучить разнообразные методы оценки риска. Широко применяются два вида методов – статистические, основанные на использовании эмпирических данных, и экспертные, опирающиеся на мнение и интуицию специалистов.

     Чтобы продемонстрировать сложность проблемы оценивания риска и различные существующие подходы, рассмотрим простейший случай. Пусть неопределенность носит вероятностный характер, а потери описываются случайной величиной (не вектором и не процессом). Тогда минимизация риска может состоять:

1. в минимизации математического ожидания (ожидаемых потерь).
2. в минимизации квантиля распределения (например, медианы функции распределения потерь или квантиля порядка 0,99, выше которого располагаются большие потери, встречающиеся крайне редко – в 1 случае из 100);
3. в минимизации дисперсии (т.е. показателя разброса возможных значений потерь);
4. в минимизации суммы математического ожидания и утроенного среднего квадратического отклонения (на основе известного правила трех сигм»), или иной линейной комбинации математического ожидания и среднего квадратического отклонения (используются в случае близости распределения потерь к нормальному как комбинацию подходов, нацеленную на минимизацию средних потерь и разброса возможных значений потерь);
5. в максимизации математического ожидания функции полезности (в случае, когда полезность денежной единицы меняется в зависимости от общей располагаемой суммы, в частности, когда надо исключить возможность разорения экономического агента), и т.д. [12].

 

     Обсудим пять перечисленных постановок. Первая из них - минимизация средних потерь – представляется вполне естественной, если все возможные потери малы по сравнению с ресурсами предприятия. В противном случае первый подход неразумен. Рассмотрим условный пример. У человека имеется 10 000 рублей. Ему предлагается подбросить монету. Если выпадает «орел», то он получает 50 000 рублей. Если выпадает «цифра», он должен уплатить 20 000 рублей. Стоит ли данному человеку участвовать в описанном пари? Если подсчитать математическое ожидание дохода, то поскольку каждая сторона монеты имеет одну и ту же вероятность выпасть, равную 0,5, оно равно

50 000 · 0,5 + (-20 000) · 0,5 = 15 000. Казалось бы, пари весьма выгодно. Однако большинство людей на него не пойдет, поскольку с вероятностью 0,5 они лишатся всего своего достояния и останутся должны 10 000 рублей, другими словами, разорятся. Здесь проявляется психологическая оценка ценности рубля, зависящая от общей имеющейся суммы – 10 000 рублей для человека с обычным доходом значит гораздо больше, чем те же 10 000 рублей для миллиардера.