Литература

1. S.B. Avdasheva «Impact of business integration on corporate restructuring and performance» / Organization and development of Russian business. United Kingdom: Palgrave Macmillan, 2009. Р. 213 – 235

2. Жданов А.Ю. Управление процессами трансформации и реструктуризации интегрированных корпоративных структур. – М.: Финакадемия, 2009.

3. Ильин М. С. Финансово-промышленная интеграция и корпоративные структуры: мировой опыт и реалии России / М. С. Ильин, А. Г. Тихонов. М. : Альпина Паблишер, 2002. 286 с.

4. Рейтинг «Эксперт-400. Крупнейшие» (РА «Эксперт»). –http://www.raexpert.ru/ratings/expert400/2010/ (21.01.2010)

5. Сборник докладов VIII научной конференции ГУ-ВШЭ «Модернизация экономики и общественное развитие» / Под ред. Е.Г. Ясина. Москва: Изд. дом ГУ – ВШЭ, 2008.

6. Журнал «Статистическое обозрение» № 4 (71) 2009г., № 4 (75) 2010г. – http://www.gks.ru/bgd/regl/b10_06/Main.htm (23.01.2010), http://www.gks.ru/bgd/regl/b09_06/Main.htm (23.01.2010).

7. Якутин, Ю. В. Интегрированные корпоративные структуры в рыночной экономике России // Российский экономический журнал, 2009. – N 9/10. – С. 77-84.

Анализ подходов к измерению рисков и их разрешения ю.В. Чукреев

Студент

«Финансовый университет при Правительстве Российской Федерации»

научный руководитель: д.э.н., профессор И.П. Стуканова

Ситуации большого количества рисков и состояний неопределенности все чаще можно встретить в качестве ключевых проблем современных организаций. Эта тема особенно актуальна сегодня, в ситуации мирового экономического кризиса. Ведь кризис провоцирует дополнительные проблемы в экономике, способные оказать свое решительное негативное влияние на бизнесе любой организации. Принимая ответственные решения, менеджер должен стараться нивелировать негативный эффект рисков и неопределенности. В противном случае предпринятые действия могут быть чрезвычайно затратными и не способными привести компанию к намеченной цели. В свою очередь, знание основных способов нивелирования рисков, в том числе представленных в настоящей работе, поможет компании достигать намеченных целей как операционного, так и стратегического характера.

Основываясь на подходе разделения смысла риска и ситуации неопределенности, подразумеваем, что риск и неопределенность не есть одно и то же. Риск - это сочетание вероятности события и его последствий¹⁶⁰; возможность наступления события, которое может привести к отклонению результатов деятельности компании от запланированных показателей. Событие может наступить с некоторой вероятностью, в течение определенного интервала времени (временного горизонта). Неопределенность — это неполнота или недостоверность информации об условиях реализации решения, наличие фактора случайности или противодействия. Таким образом, принятие решения в условиях неопределенности означает выбор варианта решения, когда одно или несколько действий наступают по причине различных исходов, при этом вероятность таких исходов различить и подсчитать либо не возможно, либо такое определение не будет иметь смысла¹⁶¹.

Понятие неопределенности здесь можно различить от определения рисков тем, что риски предполагают ситуацию определенности и наличия методов подсчетов оценивания риска, тогда как неопределенность говорит об отсутствии такой возможности.

Дерево отказов и дерево событий

Дерево отказов

Построение дерева отказов (fault tree) начинается с определения некоторого конечного состояния экономической ситуации или системы. Далее перечисляются все подсистемы и связанные с ними события, которые могут привести к конечному кризисному состоянию системы. Для каждой подсистемы эта процедура повторяется, т.е. определяются те события, которые могут привести к ее плачевному состоянию. Окончание этой процедуры определяется или требуемой степенью детализации, или невозможностью дальнейшего «расщепления» рассматриваемой системы. Таким образом, строится дерево отказов¹⁶².

Отдельные элементы этого дерева могут находиться между собой в одной из двух логических зависимостей. Первая заключается в том, что событие произойдет только при одновременном осуществлении нескольких других событий, т.е. событие А может произойти, лишь если одновременно произойдут события В, С, D. Вторая ситуация имеет место тогда, когда, для того чтобы произошло событие А, достаточно, чтобы произошло хотя бы одно из событий В, С, D. События или подсистемы, не подлежащие дальнейшей детализации, называются базисными (Ларичев, 2002).

Далее это дерево может использоваться для качественного и количественного анализа исходной системы. Качественный анализ состоит в нахождении всех возможных комбинаций базисных или элементарных событий, которые могут обусловить наступление исследуемого конечного события. Количественный анализ дерева заключается в определении вероятности наступления конечного события на основе данных о вероятностях наступления базисных событий (Ларичев, 2002).

Дерево событий

Деревья событий или деревья решений предназначены для решения в определенном смысле обратной задачи. С их помощью пытаются воссоздать возможные последствия того или иного начального решения, действия, события. При анализе риска таким начальным событием являются авария или отказ некоторой системы. Построение дерева заключается в последовательном нахождении всех возможных состояний других систем, деятельность которых связана с рассматриваемой и отказы которых могут повлиять на характер развития аварии, инициируемой отказом в исследуемой системе.

Таким образом, использование деревьев определяется тем, за какими причинно-следственными связями необходимо проследить. Если требуется выяснить, к каким последствиям может привести авария системы, строится дерево событий. Если требуется понять, что может стать причиной аварии системы, строится дерево отказов.

Заметим, что деревья отказов и деревья событий являются взаимодополняющими методами исследования надежности сложных систем. Действительно, если построить гипотетический граф всех возможных событий и их взаимосвязей, имеющих отношение к безопасности объекта, то деревья отказов и деревья событий будут представлять собой фактически разные фрагменты этого графа. Вероятностные оценки, полученные на основе одного дерева, могут использоваться для получения аналогичных оценок в другом дереве событий.

Метод Монте-Карло

Описание метода и возможность его применения

Метод базируется на принципе оценки и преодоления рисков, в частности, для чистой прибыли компании: ЧП = ЦО - И - Н, где ЧП - чистая прибыль; Ц - цена единицы продукции; О - объем реализованной продукции; ЦО - выручка от реализованной продукции; И - издержки /сырье, материалы, п/ф, энергия и т.д.; Н – налоги¹⁶³.

В реальной практике возможны отклонения реальных значений от запланированных объема сбыта продукции, стоимости покупных материалов, а также величины налоговой ставки. В таком случае формула примет следующий вид: ЧП = Ц(О+о) – (И+и) – (Н+н), где маленькие буквы демонстрируют отклонение соответствующей величины от запланированного значения.

Алгоритм проведения метода

1. Осуществляется выбор той величины, которая нас интересует.

2. Определяются основные факторы с наибольшим влиянием на исследуемую величину и с наибольшими последствиями для компании в разрезе их внутренних и внешних организационных составляющих – источники риска.

3. Проводится разработка модели – определение характера связи между целевой функцией и отобранными факторами влияния.

4. Сбор информации относительно закона распределения отобранных факторов (характера распределения и его параметров). Данный аспект анализа является наиболее сложным элементов проведения всего метода. Например, мы можем с легкостью применить нормальный закон распределения для такого фактора, как цена на нефть, однако какой закон распределения мы сможем применить для определения налоговой ставки?

5. Моделирование и анализ результатов. С помощью метода Монте-Карло многократно генерируются псевдослучайные значения отобранных факторов, для каждого варианта определяется значения целевой функции. Число генерации – примерно на порядок, а лучше на два больше числа отобранных факторов. Вероятность того, что целевая функция будет меньше некоторой величины – число соответствующих случаев к общему числу испытаний ¹⁶⁴.

Рассматривая подходы к измерению риска, можно отметить, что они имеют разные области применения (хотя в ряде случаев эти области пересекаются) и не свободны от недостатков. Подход «деревьев» больше подходит для старых, хорошо изученных технологий, где существует детальная статистика, а человек мало влияет на надежность работы. В современных сложных экономических реалиях надежность работы существенно определяется человеко-прикладным взаимодействием, что предполагает использование экспертного способа измерения риска. (Окнемкан, 2011). Однако и он имеет свои недостатки. Есть специфические особенности восприятия риска людьми. Психологические исследования показали, что люди плохо определяют вероятности событий, переоценивают вероятности тех из них, с которыми встречались раньше и которые «ярко» на них подействовали. Люди плохо учитывают априорные вероятности. Кроме того, первая подсказка, данная во время оценки, сильно влияет на результат. Существует проблема коммуникаций между специалистами и непрофессионалами. Специалисты, обладающие теми или иными сведениями, не знают, как их донести до населения. Как, например, убедить людей в необходимости страхования от наводнений, использования привязных ремней в автомобилях? Как убедить людей в относительной безопасности новой технологии? На эти вопросы пока нет четких ответов. Мнения обычных людей в сильной степени смещены из-за эмоционального восприятия многих событий, с чем нельзя не считаться.

Метод обнаружения рисков Монте-Карло предполагает наличие не качественной, а количественной составляющей – определенной цифровой базы для проведения расчетов. Именно поэтому его сложно применить на практике. В частности хотя бы потому, что для него необходимо анализировать возможные модели законов распределения вероятностей, что сильно искажает результаты применения такого метода. Расчеты NPV, IRR, PP, факторный анализ чистой прибыли, с другой стороны, позволяют получить более точные результаты, основанные на серьезных допущениях.