2.5. Методы оценки и анализа пред рисков

Предпр риск имеет мат выраженную вер-ть наступления потерь, кот м б расчитаны достат точно на основе стат данных. С этой целью пров оценка риска – опред-е вел-ны или степени риска. Сущ-ют различ методы:

1. м-ды качеств ан

2. м-ды колич ан

3. комбинир (комплексный) ан

Качественный ан имеет гл задачу – опр-ть возм виды риска и факторы, влияющие на ур-нь риска и потенц области риска.

Обл-ти:

1) безрисковая П=мин, риск=0

2) мин риска, рискует частью П

3) повышенного Р, рискует всей П

4) критич Р, рискует не покрыть свои з-ты

5) катастрофический, недопустимый Р, Р банкротства

М-ды проведения:

- м-д исп-я аналогов

- м-д экспертных оценок

М-д исп-я аналогов основан на сходстве опред связей, процессов и систем. Исп-ся, если невозм исп-ть др м-ды. Хар-ся субъективизмом, требует хор знаний и большого опыта от аналитика.

М-д экспертных оценок реал путем обработки мнений специалистов. Каждый из экспертов оцен-ет вер-ть наступления того или иного риска для данной фирмы и на основе этого прин-ся конкретное решение. Необх правильный подбор экспертов, их знания, опыт.

М-ды колич анализа. Колич ан – опр-е размеров отдел рисков стат и мат м-ми:

- стат м-д;

- м-д мин-ии потерь;

- м-д оценки возм-ти вероятного ущерба;

- мат м-д;

- м-д построения дерева решений;

- м-д осн на ан фин пок-лей деят-ти п/п.

Стат м-д: изучается стат-ка прибыли и убытков на конкрет п/п и на основе этого сост прогноз на буд. С этой целью рассчит. Квариации, кот хар-ет колеблимость колич значения признака при переходе от одного вар к др. Квариации – относит вел-на= среднеквадратическое отклонение () / средневзвеш значение признака (х) * 100%

Чем выше значение Квар, тем выше колеблимость, сл-но, тем выше риск.

Х опред-ся по средневзвеш с учетом вер-ти наступления данного события. = х_ip_i

Для окончат реш-я опред-ся степень отк-ния ожид значения от сред вел-ны. Мерой такой абс колеблимости явл ² и . ² – средневзвеш из квадратов отклонений действит рез-в от ср ожидаемого

^{2 =} (х_i - )²p_i

Стат м-д м исп-ся в упрощенном виде. Для этого в расчет берутся max и min значения исслед признака. Тогда ² = P_max (x_max - )² + P_min ( - x_min)² Положит моменты: простота и точность. Недостаток: необх наличие большого объема материала.

При опред размера риска иногда исп-ся пок-ль размаха вариации, кот рассит как разность м/у max и min значением признака. R_v = x_max – x_min Недостатки – имеет абс значение; грубую оценку степени колеблимости; значение пок-ля зависит от крайних значений признака, поэтому они исп-ся как дополнение ко всем м-м. Вер-ть наступления к-л рез-та м определить p=b-x/b-a. X – фактич значение признака. B- max значение признака, a – min значение признака.

М-д минимизации потерь основан на рассчете возм потерь при выборе опред вар-та. « вида потерь: 1 – вызваны неточностью объекта изучения. Риск изучения (R_и); 2 – потери, вызв неточностью управления. Риск действия (R_д) R_общий = R_и + R_д

М-д оц вер-ти ожид ущерба основ на том, что степень риска опред как произ ожид ущерба на вер-ть того, что этот ущерб произойдет. R=Y*P_у

Мат м-д: для оц риска исп-ся критерии мат ожидания; критерии лапласа и Гурвица

Вариант	S1(p1)	S2(p2)	Si(pi)
А1	X11	X12	X1j
А2	X21	X22	X2j
Аi	Xi1	Xi2	Xi3

Критерий мат ожидания (К) = max M (x_i). M(x_i) =  x_ij * p_j

M(x_i) – мат ожидание рез-та для I-той строки, а max означает необх найти max значение перебором строк. x_ij – рез-т, кот м получить при I состоянии среды и p_j – вер-ть j-го состояния среды.

Критерий Лапласа. Если все сост-я среды явл равновероятностными или отсутствует возм-ть опр-ть вер-ть, тогда исп-ют критерий Лапласа. Суть состоит в том, что находятся max значения признака по каждой строке. К_{лапласа}= x_ij

Критерий Гурвица. При его исп-ии реш-е прин-ся по max его значениям. К_г= max[max_j x_ij  + min_j x_ij (1-)]

 - параметр, кот наз-ся параметром оптимизма. (1-) – параметр пессимизма К_г – К оптимиста-пессимиста

0<<1 Значения  зависят от лица, прин реш-е. Если чел-к оптимист, то >=0.5. Если =1, тогда К_г = max max. Если =0, то К_г = max min

М-д «дерева реш-й» основан на мат м-де. Исп-ют, если реш-е прин-ся поэтапно или когда с переходом от одного вар-та к др, меняются вероятности рез-та. Дерево решений создается при движении слева направо, а анализир-ся в обратном направлении. При его создании пункты принятия реш-й обозн квадратами; узлы, возникающих неопределенностей – кругами. Для каждого круга рассчит вер-ть + или – рез-та и в конце каждой ветви указ-ся конкретный рез-т. Т.о., анализ произв-ся: для кажд узла неопред-ти рассчит мат ожидание соотв рез-та. Для принятия реш-я выирается max M.

М-д, основ на ан фин сост п/п. Самый простой, доступный. Фин сост – комплексное понятие хар-ся сист абс и относ пок-лей, отраж-х наличие размещения и исп-я фин рес-в п/п. Анализ этих пок-лей позволяет оценить фин устойчивость п/п, кот явл критерием оценки риска банкротства. Исп-ся как абс критерии, так и относит. Абсолют критерии: результативные – итоговые пок-ли деят-ти п/п (объем продаж, сумма активов); разностные – пок-ли деят-ти, кот нах-ся как разность (П, ЧобК)

Относит пок-ли – фин коээф-ты