
- •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
4.4.2. Проблема узгодження пріоритетів (переваг) за ризиком
Проблема узгодження пріоритетів за ризиком — одна з актуальних в теорії управління ризиком. Вона полягає в побудові правила колективного прийняття рішень з урахуванням пріоритетів за ризиком різних учасників. Ця проблема (узгодження інтересів) плідно вивчається, зокрема, теорією гри. Останнього запропоновано низку підходів і критеріїв щодо розв'язання задач у ситуаціях невизначеності, конфлікту та породженого ними ризику (критерії Вальда, Севіджа, розв'язки Неша тощо). Запропонована велика кількість критеріїв ефективності, що відіграють роль правила колективного вибору: ефективність за Паретто, ефективність за Колдора-Хіксом, подвійний критерій Ситовські тощо.
Наголосимо, що узгодженість оцінок і пріоритетів має специфічні особливості в умовах невизначеності. По-перше, учасники наділені різною схильністю (несхильністю) до ризику. По-друге, учасники по-різному оцінюють ступінь ризику в одній і тій самій ситуації (різні суб'єктивні ймовірності). По-третє, апостеріорні оцінки прийнятих рішень і конфліктів відрізняються від апріорних оцінок. Почерверте, місце булевої логіки займає нечітка логіка, що допускає судження з різним ступенем упевненості стосовно їх істинності.
Існує думка щодо доцільності розбудови та використання нейронних мереж теорії адаптивного резонансу для узгодження пріоритетів (переваг) за ризиком. Основи теорії адаптивного резонансу {ART-Adaptive Resonance Theory) були закладені С. Гросбергом у 1976 р. Однією з моделей є ART-1 — модель нейроме-режі, що реалізує основні принципи теорії адаптивного резонансу. Ця мережа складається з двох шарів нейронів Fl та F2 ■ Вхідна інформація (в бінарному вигляді) подається на шар Fx. Нейрони цього шару збуджуються (перетворюють вхід за деякими формулами з постійними параметрами) і залежно від показників збудженого стану порогова функція вказує вихідне значення кожного нейрона, що передається за прямими зв'язками на вхід нейронного шару F2. Разом з тим на вхід кожного нейрона шару F2 надходить зважена ваговими коефіцієнтами зв'язків сума відповідних вихідних значень нейронів шару Fx. Після збудження нейронного шару F2 визначається нейрон-«переможець», що має максимальне значення збудженого стану. Його вихідне значення передається по зворотних зв'язках нейронам шару F}. Зважене ваговими коефіцієнтами зворотних зв'язків, воно перетворюється на збуджені стани нейронів шару F,, порогова функція вказує вихідні значення цих нейронів — вихід нейронної мережі.
Нейромережа самонавчається на навчальних прикладах упродовж кількох циклів через зміну вагових коефіцієнтів зв'язків залежно від ступеня досягнення певного рівня відповідності. У результаті навчання встановлюється резонанс, коли для пари векторів значень за подачі на вхід нейромережі одного вектора, другий буде виходом, і навпаки. Самонавчання нейромережі полягає в підборі вагових коефіцієнтів нейронів, що забезпечують резонанс, тобто представництво інтересів, які не збігаються.
Наголосимо, що нейрони в даному контексті не наділені якимись особливими властивостями, окрім порогової функції. Це лише елементи нейромережі, тому їх можна і треба замінити відповідними комп'ютерними моделями.
Оскільки в умовах невизначеності природним є використання нечіткої логіки, учаснику необхідно надати можливість розподіляти свої судження згідно з його нечіткими (вербальними) пріоритетами. Це можливо реалізувати за допомогою відповідним чином побудованого вхідного шару нейронної мережі для подання нечітких пріоритетів. Це не так важко здійснити, маючи відповідний програмно-методичний комплекс, що функціонує в інтерактивному режимі.
Звичайно ж, задача непроста і вимагає побудови тріади «модель—алгоритм—програма».
РОЗДІЛ 4.5