Тема 2 Система количественных оценок риска

1. Общеметодические подходы к количественной оценке риска

2. Количественные оценки риска и методы их определения

3. Шкалы риска и характеристика их градаций

1. Общеметодические подходы к количественной оценке риска

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

Как отмечалось ранее (тема 2), одним из наиболее распространен­ных методов количественной оценки риска является статисти­ческий метод.

Главными инструментами статистического метода расчета риска являются:

• среднее значение (х) изучаемой случайной величины (по­следствий какого-либо действия, например, дохода, при­были и т.п.);

• дисперсия ( );

• стандартное (среднеквадратическое) отклонение ( );

• коэффициент вариации (V);

• распределение вероятности изучаемой случайной величины.

Одной из характеристик случайной величины X является за­кон распределения ее вероятностей.

Характер, тип распределения отражает общие условия, вы­текающие из сущности и природы явления, и особенности, ока­зывающие влияние на вариацию исследуемого показателя (ожи­даемого результата).

Как показывает практика, для характеристики распределе­ния социально-экономических явлений наиболее часто исполь­зуется так называемое, нормальное распределение.

Допущение о том, что большинство результатов хозяйствен­ной деятельности (доходы, прибыль и т.п.), как случайные ве­личины подчиняются закону, близкому к нормальному, широ­ко используется в литературе по проблеме количественной оценки экономического риска.

Известно, что закон нормального распределения характерен для распределения событий в случае, когда их исход представляет собой результат совместного воздействия большого коли­чества независимых факторов, и ни один из этих факторов не оказывает преобладающего влияния.

В действительности нормальное распределение экономических явлений в чистом виде встречается редко, однако, если однородность совокупности соблюдена, часто фактические распределения близки к нормальному.

На практике для проверки обоснованности принятого рас­пределения используются различные критерии согласия (между эмпирическим и теоретическим распределением), которые по­зволяют принять или отвергнуть принятую гипотезу о законе распределения.

Из курса теории вероятностей и математической статистики известно, что нормально распределенная случайная величина является непрерывной и ее дифференциальная функция рас­пределения имеет вид:

y=f(x)=	1	e
			2

где у = f (x) — определяет плотность распределения веро­ятности для каждой точки x.

График функции нормального распределения описывается так называемой нормальной кривой (кривой Гаусса).

Важным свойством графика дифференциальной функции нормального распределения является то, что площадь, ограни­ченная нормальной кривой и осью X, всегда равна единице.

Использование функции плотности нормального распреде­ления позволяет вычислить частоту (вероятность) появления случайной величины.

Для оценки вероятности попадания случайной величины в определенный интервал используют интегральную функцию плотности вероятности Ф (X).