
- •1.2. Онтологія та гносеологія ризику
- •1.3. Невизначеність в економіці
- •1.4. Конфлікт в економіці
- •1.5. Альтернативність
- •1.6. Концептуальні засади ризикології
- •1.8. Суспільство ризику
- •1.9. Актуальні проблеми ризикології
- •Системний аналіз ризику в економіці та підприємництві
- •2.1. Сутність і системні властивості ризику
- •2.2. Ризикотвірні чинники
- •2.3. Класифікація ризику
- •2.3.1. Методологічні та методичні підходи
- •2.3.2. Характеристика видів ризику в деяких сферах економічної діяльності
- •2.3.3. Необхідність урахування специфіки підприємницької діяльності в дослідженні ризику
- •2.4. Суб'єкти ризику
- •2. 5. Сприйняття ризику
- •2.5.1. Психологічне сприйняття ризику
- •2.5.2. Аспекти сприйняття ризику
- •2.5.3. Асиметрія сприйняття ризику
- •2.5.4. Соціальне підсилення ризику
- •2.5.5. Неадекватне сприйняття ймовірностей
- •2.6. Складність економічних систем та аналіз ризику
- •2.7. Кількісний аналіз ризику
- •2.7.1. Метод аналогій
- •2.7.2. Аналіз чутливості (вразливості)
- •2.7.3. Аналіз ризику методами імітаційного моделювання
- •2.7.4. Аналіз ризику можливих збитків
- •2.7.5. Наслідки кількісного аналізу ризику
- •3.1. Загальні підходи до кількісної оцінки ризику
- •3.2. Кількісні показники ступеня ризику в абсолютному вираженні
- •3.3. Ризик у відносному вираженні
- •3.4. Граничні межі ризику
- •3.5. Системні показники ступеня ризику
- •3.6. Міра відсоткового ризику
- •Експертні процедури та методи суб'єктивних оцінок у вимірюванні ризику
- •4.1. Здобуття інформації
- •4.2. Методи обробки експертної інформації
- •4.3. Узгодження та агрегування оцінок експертів з урахуванням компетентності
- •За ризиком на базі неиронних мереж
- •4.4.1. Виявлення переваг і нейронні мережі
- •4.4.2. Проблема узгодження пріоритетів (переваг) за ризиком
- •Теоретико-ігровий підхід до моделювання ризику
- •5.1. Теоретико-ігрова модель
- •5.1.1. Класифікація інформаційних ситуацій
- •5.1.2. Інгредієнт функціонала оцінювання. Функція ризику
- •5.1.3. Зведення економічних колізій до ігрових задач
- •5.2 Моделювання економічного ризику. Концепція теорії гри
- •Критерій Байєса та його модифікації
- •Критерії мінливості (варіації) значень елементів функціонала оцінювання
- •5.3.1. Приклади багатоцільових задач прийняття рішень
- •5.3.2. Теоретико-ігровий підхід з урахуванням множини цілей
- •5.3.3. Критерій мінімальної відстані між інформаційними кубами
- •5.3.4. Ієрархічна модель прийняття багатоцільових багатокритеріальних рішень
- •5.3.5. Аналіз ієрархій: теоретико-ігровий підхід
- •5.5. Ігровий розпливчастий метод аналізу ієрархій (ірмаі)
- •6.4. Класифікація підходів до управління ризиком
- •6.6. Загальні підходи до зниження ступеня ризику
- •7.1. Класична теорія портфеля
- •7.3. Теоретико-ігрова концепція вибору портфеля
- •7.3.1. Теоретико-ігрова модель вибору
- •7.3.2. Теоретико-ігрова модель вибору
- •7.4. Оптимізація структури портфеля
- •8.1. Вартість, час, ризик
2.7.3. Аналіз ризику методами імітаційного моделювання
Методи імітаційного моделювання дістали широке застосування в економіці [35, 36, 174, 296].
Узагальнюючи матеріали, що наведені в низці літературних джерел [53], процес кількісного аналізу ризику за допомогою методів імітаційного моделювання можна розділити на сім кроків, їх сутність і послідовність схематично показані на рис. 2.7.
Рис. 2. 7. Процес кількісного аналізу ризику методами імітаційного моделювання
Як і в методі чутливості аналізу ризику, тут також здійснюється оцінка коливань вихідної величини за випадкових змін вхідних величин, але детальніше, з урахуванням ступеня взаємозалежності випадкових змін вхідних величин.
Перший крок аналізу полягає в формуванні моделі об'єкта (проекта), що розглядається. Про це йшлося у попередньому матеріалі (аналіз чутливості).
Другий крок здійснюється для визначення ключових аргументів (чинників ризику), застосовуючи, зокрема, метод аналізу чутливості (вразливості). Аналіз вразливості використовується щодо низки чинників, які входять у нашу модель, але він не бере до уваги те, наскільки реалістичними (ймовірними) є ті чи інші випадкові коливання (значення) чинника ризику (аргумента). Для того, щоб дані, одержані в процесі аналізу вразливості, мали сенс, у тест аналізу повинна бути вмонтована концепція впливу невизначеності, пов'язаної з чинниками, що аналізуються, а також можливості використати цей аналіз для вибору чинників підвищеного ризику. Наприклад, може бути визначено, що відхилення у ціні купівлі певного виду устаткування на початку здійснення інвестиційного проекту має значний вплив на чистий інтегрований дисконтований дохід від проекту (велике, за абсолютною величиною, значення коефіцієнта еластичності). Однак імовірність будь-якого, навіть досить незначного відхилення цього чинника може бути дуже малою, якщо, наприклад, постачальник, згідно з умовами контракту, зобов'язаний (гарантіями) здійснити поставки за фіксованою (узгодженою) ціною. Отже, ризик, пов'язаний з цим чинником (аргументом), незначний. Даний чинник вилучається з подальшого аналізу. Тобто для подальшого аналізу ризику залишаються лише ті чинники, які не є строго детермінованими, а еластичність відповідної функції по даному чиннику (аргументу) є значною (суттєвою).
Третій крок полягає в тому, щоб визначити можливі інтервали відхилень прогнозованих значень параметрів (чинників ризику) від очікуваних (найімовірніших). На цьому етапі доречно використовувати математичні (статистичні) оцінки якості прогнозів [207]. Для тих, хто вперше використовує аналіз ризику, визначення меж (множини) можливих (імовірних) значень виявлених чинників ризику може здаватися громіздким і складним завданням. Але воно є не складнішим, ніж визначення відповідної детермінованої (сподіваної, найбільш імовірної) оцінки відповідної випадкової змінної. При застосуванні детерміністичного економічного аналізу та обчисленні ефективності (чистої приведеної вартості тощо) доводиться враховувати ймовірні значення. Вони можуть приймати випадкові змінні (ціни, змінні та постійні витрати, витрати на купівлю обладнання, витрати на будівельно-монтажні роботи тощо), що входять у модель об'єкта (проекта), перш ніж обрати конкретне (сподіване) їх значення для подальших обчислень згідно з обраними критеріями та аналізом за базовим сценарієм. Отже, якщо здійснювалася оцінка відповідних показників за якогось єдиного значення (величини) відповідних чинників (аргументів), то можна вважати, що частка підготовчої роботи щодо оцінки меж можливих значень і розподілу ймовірностей була вже виконана. На практиці проблема, з якою нерідко зіштовхуються в зв'язку з визначенням множини значень і розподілів ймовірностей відповідних величин для аналізу ризиків пі еля завершення розгляду базового сценарію, полягає в тому, що лише в ході цього процесу приходить розуміння того, що недостатньо уваги було приділено оцінці цього єдиного значення чинника у здійсненні детерміністичного аналізу.
Четвертий крок полягає у визначенні розподілу ймовірності випадкових (імовірних) значень аргументів (чинників ризику). Він здійснюється паралельно з третім кроком. Під час аналізу ризиків використовується інформація, що відображає множинність значень випадкових змінних (чинників), які входять у математичну модель, і відображає значення відповідних величин у майбутньому (стан економічного середовища) та їх розподіл. Тобто використання в аналізі ризику випадкових величин замість детермінованих власне і дає можливість адекватно врахувати ризик, яким обтяжена відповідна сфера економіки та підприємництва.
Досить часто певна інформація закладена в досвіді людини (експерта). Хоча майже неможливо точно передбачити конкретне значення певного чинника, завжди існує можливість встановлення певних, відносно широких меж його ймовірних значень і відповідний, наближений розподіл ймовірностей, який був би досить представницьким [133, 178, 212, 259].
Підготовка даних та оцінка розподілу ймовірності для відібраних чинників ризику включає як встановлення множини їх можливих значень, так і ймовірностей (вагових величин). На практиці визначення цих величин є ітераційним процесом, інтервали значень відповідних чинників уточнюються, враховуючи конкретний профіль розподілу ймовірності, і навпаки.
Виокремлюють два основні класи законів розподілу ймовірності: неперервні і дискретні. Серед випадкових величин розрізняють такі, що мають симетричні й асиметричні закони розподілу. Симетричні закони краще характеризують ті випадкові змінні, які зумовлені впливом на них малих за своїми можливостями та важливістю різноспрямованих сил і тенденцій, наприклад ціна на товар (реальна), що визначається в умовах конкурентного ринку. Дискретні закони розподілу випадкових величин корисні в тому разі, коли проводяться експертні оцінки. Вони краще узгоджуються з ситуаціями, коли в системі, яка визначає величину випадкової змінної, наявні односторонні обмеження.
П'ятий крок призначений для виявлення взаємозалежності, яка на практиці може існувати між ключовими аргументами (чинниками ризику). Вважають, що дві та більше випадкові змінні корельовані в тому разі, коли вони змінюються систематично. У наборі ризикових чинників такі залежності (взаємозумовленість) зустрічаються досить часто. Наприклад, рівень собівартості значною мірою зумовлює величину ціни реалізації. Рівень ціни на певний товар, як правило, має обернене співвідношення з обсягом його продажу.
Ігнорування кореляції може призвести до неправильних результатів в аналізі ризику, тому важливо переконатися в наявності чи відсутності таких взаємозв'язків і, де це необхідно, ввести у моделюванні обмеження, що знизили б до раціонального рівня ймовірність вироблення сценаріїв, які порушують вплив кореляції (взаємозалежності). Фактично наявність кореляційного зв'язку обмежує випадковий вибір значень корельованих випадкових змінних (чинників ризику). Цей вибір стає зумовленим як межами відповідних характеристик, так і напрямом (прямо чи обернено пропорційним) зв'язку. Доцільно також використовувати лінійні моделі множинної регресії, які встановлюють взаємозв'язки між низкою чинників ризику (випадкових величин). Про це йдеться в [118, 133, 147, 170, 245].
Необхідно зауважити, що соціально-економічні процеси, які обтяжені ризиком, не завжди можна описати за допомогою лише одного рівняння регресії. Для адекватнішого відображення багатосторонніх реальних взаємозв'язків між явищами, що їх відображають обрані чинники ризику, необхідно використовувати систему співвідношень. Для цього застосовуються економетричні моделі та методи [114, 139, 278].
Шостий крок полягає у здійсненні власне генерації випадкових сценаріїв, які ґрунтуються на системі прийнятих гіпотез щодо чинників ризику згідно з обраною моделлю на першому кроці. Після того, як усі гіпотези були ретельно досліджені і побудовано відповідні залежності, залишається лише послідовно здійснювати обчислення згідно з обраною на першому кроці моделлю до тих пір, доки не буде одержана досить репрезентативна вибірка з нескінченної множини можливих значень ключових аргументів, враховуючи накладені на них обмеження. Для цього, як свідчить досвід, достатньо, щоб вибірка була одержана в результаті здійснення 200—500 обчислень («прогонів»).
Серія «прогонів» здійснюється за методом Монте-Карло. Після кожного «прогону» генеруються власне різні результати, бо значення ризикових чинників обираються випадково, з урахуванням законів розподілу у визначеному інтервалі значень ключових аргументів, урахуванням кореляційних зв'язків. Метод Монте-Карло можна розглядати як імітацію майбутнього в лабораторних умовах. Кожен одержаний результат (ефективність) відображає можливе значення результату «прогону». Результати кожного «прогону» зберігаються для подальшої статистичної обробки здобутої вибірки та її аналізу.
Сьомий крок. Після серії «прогону» можна одержати розподіл частот для результуючого показника (ефективності, чистої теперішньої вартості проекту, норми доходу тощо). Результати можуть бути подані як дискретним, так і неперервним законом розподілу результуючого показника як випадкової величини. Для перевірки гіпотез щодо закону розподілу можливо застосувати відповідні критерії, наведені, зокрема, в [259]. Можуть бути обчислені числові характеристики результуючого показника (сподівана величина показника, варіація (дисперсія), семіваріація, асиметрія, ексцес тощо).
Отримані результати вимагають їх інтерпретації. Коли обчислено сподіване значення результуючого показника (наприклад, чиста приведена вартість або норма доходу) об'єкта (проекту), то рішення щодо прийняття чи відхилення даного проекта залежить від того, який знак має ця величина. Якщо він додатний, то це є необхідною, але не достатньою умовою, щоб даний проект прийняти. Якщо знак відповідного показника (прибуток або ЧПВ) від'ємний, то такий проект слід відхилити.
Аналогічно у виборі альтернативних об'єктів (проектів) для подальшого аналізу та прийняття рішень залишаються ті, для яких, скажімо, сподіваний прибуток є додатною величиною.
Отже, сподіване значення величини проаналізованого показника (як випадкової величини), яке у детермінованому аналізі об'єктів (проектів) було підставою для остаточного рішення, при врахуванні ризику є лише одним з параметрів розподілу випадкової величини. Суттєва інформація міститься в законі (законах) розподілу (числових характеристиках випадкової величини). Тобто аналіз ризику створює додаткові можливості для адекватної оцінки об'єкта (проекту).
Остаточне рішення виявляється об'єктивно-суб'єктивним, тобто значною мірою залежить від того, як суб'єкт прийняття рішень (суб'єкт ризику) ставиться до ризику. Проблеми щодо різного ставлення до ризику в прийнятті рішень наведені, зокрема, в [8, 64, 112, 204, 223, 277, 302]. Загальним правилом може служити такий алгоритм: слід обрати об'єкт (проект) з таким розподілом імовірності норми доходу (прибутку), який найкраще відповідає ставленню до ризику суб'єкта (інвестора). Якщо хтось є «ризикованим гравцем», то він гроші швидше всього вкладе в проект з відносно великою віддачею, не звертаючи особливої уваги на ризик, яким цей проект обтяжений. Якщо ж особа, яка приймає рішення, обережніша (не схильна до ризику), то вона інвестує в проект з більш скромною, але гарантованішою віддачею.
Беручи до уваги традиційну поведінку суб'єкта прийняття рішення, у [52] розглядається кілька можливих спрощених ситуацій. У кожній ситуації подано як інтегральну (Р(х)), так і диференційну (Д(х)) функції певного закону розподілу ймовірностей випадкової величини економічного показника (наприклад, ЧПВ), яка характеризує доцільність інвестування в один проект або вибору між альтернативними проектами.
З аналізу ситуацій можна вивести кілька правил щодо того, який з альтернативних проектів є сенс прийняти, беручи до уваги ризик.
Правило 1. Якщо криві інтегральних функцій законів розподілу ЧПВ двох альтернативних (взаємовиключаючих) проектів не перетинаються в жодній точці, то завжди доцільно віддати перевагу тому проектові, в якого графік диференційної функції (щільність розподілу) розташований дещо правіше.
Правило 2. Якщо криві інтегральних функцій законів розподілу ЧПВ двох взаємовиключаючих проектів перетинаються в певній точці, то рішення залежить від суб'єкта (інвестора), від його схильності (несхильності) до ризику. Необхідні якісь додаткові гіпотези або додаткова інформація для прийняття одного з проектів.