- •1. Риск в менеджменте, основные принципы его анализа 10
- •2. Принятие решений в условиях стохастической информации 31
- •3. Принятие решений в конфликтных ситуациях 76
- •4. Принятие решений в условиях неопределенности состояний среды 170
- •5. Многокритериальная задача принятия решений в условиях риска 206
- •6. Принятие решений на основе нечёткой информации 230
- •7. Стоимость, время, риск 311
- •Введение
- •1. Риск в менеджменте, основные принципы его анализа
- •Понятие риска и задача принятия решений
- •1.2. Причины риска
- •1.3. Классификация экономических рисков
- •Общие принципы анализа риска
- •2. Принятие решений в условиях стохастической информации
- •2.1. Оценка риска
- •2.2. Использование неравенства Чебышева для оценки риска
- •2.3. Диверсификация как способ снижения риска
- •2.4. Коэффициент чувствительности “бета”
- •2.5. Хеджирование
- •2.6. Оптимизация риска
- •2.7. Оценка риска на основе показателей финансового состояния субъектов экономической деятельности
- •2.7.3. Алгоритм составления z-модели для субъекта предпринимательской деятельности
- •3. Принятие решений в конфликтных ситуациях
- •3.1. Предмет и задачи теории игр
- •3.2. Примеры игр Игра 1. Зачет
- •Игра 2. Игра Морра
- •Игра 3. Борьба за рынки
- •3.3. Матричные игры
- •3.3.1. Описание матричной игры
- •Игра 1. Вариант игры “Морра”
- •Игра 2. Борьба за рынки
- •3.3.2. Принцип максимина в антагонистических играх. Седловая точка
- •3.3.3. Чистые и смешанные стратегии
- •3.3.4. Основные теоремы матричных игр
- •3.3.5. Решение матричной игры (22)
- •3.3.6. Упрощение матричных игр
- •3.3.7. Решение игр 2n и m2
- •3.3.8. Решение игр mn. Эквивалентные задачи линейного программирования
- •3.3.9. Приближенный метод решения матричных игр mn
- •3.3.10. Качественная оценка элементов платёжной матрицы
- •3.3.11. Способы реализации случайного механизма выбора стратегий
- •3.4. Позиционные игры
- •3.4.1. Общие сведения
- •3.4.2. Задание позиционной игры в виде дерева
- •3.4.3. Решение позиционной игры с полной информацией
- •3.4.4. Нормализация позиционной игры
- •3.5. Бескоалиционные игры
- •3.5.1. Общие сведения
- •Ситуации, оптимальные по Паретто
- •3.5.3. Состояние равновесия по Нэшу
- •3.5.4. Описание биматричных игр
- •3.5.5. Решение биматричных игр
- •3.5.6. Пример решения биматричной игры Формулировка игры “Борьба за рынки”
- •Решение игры
- •3.5.7. Метастратегии и метарасширения
- •4. Принятие решений в условиях неопределенности состояний среды
- •4.1. Математическая модель задачи принятия решений в условиях неопределенности состояний среды
- •4.2. Критерии для принятия решений в условиях неопределенности состояний среды
- •4.2.1. Критерий Лапласа
- •Клиенты
- •4.2.2. Максиминный (минимаксный) критерий Вальда
- •4.2.3. Критерий минимаксного риска Сэвиджа
- •4.2.4. Критерий пессимизма-оптимизма Гурвица
- •4.2.5. Критерий Ходжа-Лемона
- •4.2.6. Критерий Гермейера
- •4.3. Рекомендации по принятию решений в условиях неопределенности состояния среды
- •4.4. Принятие решений по критерию Байеса с возможностью проведения эксперимента
- •5. Многокритериальная задача принятия решений в условиях риска
- •5.1. Общий подход к принятию многокритериальных решений
- •5.2. Многокритериальные решения, оптимальные по Парето
- •5.3. Методы определения коэффициентов приоритетности частных критериев
- •А. Вычисление коэффициентов приоритетности по формуле Фишберна
- •Б. Метод Уэя
- •5.4. Нормализация значений критериев
- •5.5. Аддитивный обобщенный критерий
- •5.6. Неоднозначность оптимальных решений по аддитивному и мультипликативному обобщенным критериям
- •5.7. Другие методы решения многокритериальной задачи
- •5.7.1. Оптимизация доминирующего частного критерия при ограничениях на значения доминируемых критериев
- •5.7.2. Метод последовательных уступок
- •6. Принятие решений на основе нечёткой информации
- •6.1. Неопределённость и неточность
- •6.2. Основные понятия теории нечётких множеств
- •6.3. Методы нахождения функций принадлежности
- •6.4. Операции над нечёткими множествами
- •6.5. Сравнение нечётких величин
- •6.6. Сравнение конечных нечётких множеств
- •6.7. Нечёткие отношения
- •6.8. Примеры использования теории нечётких множеств в задачах принятия решений
- •6.9. Нечёткие игры
- •6.10. Методика оценки качества на основе лингвистических переменных
- •6.10.1. Проблема оценки качества объекта исследования
- •6.10.2. Определение лингвистической переменной “качество”
- •6.10.3. Определение частных показателей лп “качество”
- •6.10.4. Определение коэффициентов приоритетности частных показателей
- •6.10.5. Нахождение комплексного показателя
- •6.10.6. Алгоритм оценки качества на основе лингвистических переменных
- •6.10.7. Достоинства рассматриваемой методики оценки качества
- •6.11. Анализ чувствительности и стабильности нечётких систем принятия решений
- •7. Стоимость, время, риск
- •7.1. Взаимосвязь между стоимостью, временем и риском
- •7.2. Продолжительность как характеристика риска операций
- •7.3. Продолжительность портфеля ценных бумаг
- •Заключение
- •Литература
2.6. Оптимизация риска
Лучший из всех портфелей на эффективной границе называется оптимальным портфелем. Но выбор оптимального портфеля зависит от предпочтений инвестора при выборе между риском и доходностью. Эти предпочтения описываются при помощи функции полезности (критерия полезности).
Кривая безразличия определяет комбинации риска и ожидаемой доходности, дающей одинаковый уровень полезности (одно и то же значение критерия полезности).
На рис. 2.7 изображены множество оценок допустимых портфелей и кривые безразличия. Чем выше находится кривая безразличия, тем большей полезности Li для инвестора она соответствует.
Оптимальный портфель соответствует точке касания N эффективной границы оценок портфеля и некоторой кривой безразличия (L2). Эта кривая соответствует максимальному значению полезности среди кривых, пересекающих допустимое множество оценок портфелей.
Рис. 2.7. Определение оптимального портфеля с помощью кривых безразличия
При линейной функции полезности
L mp kp, (2.45)
где k – коэффициент, характеризующий отношение инвестора к риску. Чем больше k, тем круче кривые безразличия, тем меньше инвестор склонен к риску (рис. 2.8).
По существу, нахождение оптимального портфеля является двухкритериальной задачей.
Для нахождения портфеля из двух активов, имеющего минимальный риск, необходимо решить уравнение
. (2.46)
Так
как
,
то
.
Рис. 2.8. Нахождение оптимального портфеля при линейной кривой безразличия
Приравнивая значение этой производной нулю, получаем оптимальное значение х1opt, обеспечивающее минимальную дисперсию:
. (2.47)
При 12 0;
. (2.48)
При 12 1;.
. (2.49)
При 12 1;
. (2.50)
Пример.
Найти
портфель с минимальной дисперсией, если
он состоит из двух активов с m1=5%;
m2=10%;
;
;
и определить его характеристики.
Решение. В соответствии с (2.47) получаем
.
Тогда
.
Характеристики портфеля:
В общем случае нахождение оптимального портфеля по Марковицу (минимизация риска при заданном уровне ожидаемой доходности) является задачей квадратичного программирования, так как весовые коэффициенты хi, входят в выражение для дисперсии в квадрате [18].
2.7. Оценка риска на основе показателей финансового состояния субъектов экономической деятельности
Суха, мой друг, теория везде,
А древо жизни пышно зеленеет!
“Фауст”. Иоганн Вольфганг Гёте
2.7.1. Z-модель
Информационной базой для оценивания финансового состояния субъектов экономической деятельности (предприятий) является баланс (форма №1), отчет о финансовых результатах (форма №2), отчет о движении денежных средств (форма №3), отчет о собственном капитале (форма №4), данные статистической и оперативной отчетности.
Информация, которая используется для анализа финансового состояния предприятия, подразделяется на открытую и закрытую (конфиденциальную).
Информация, которая содержится в бухгалтерской и статистической отчетностях, является открытой, поскольку выходит за границы предприятия.
Вместе с тем, каждое предприятие разрабатывает свои финансовые показатели, нормативы, тарифы и лимиты. Эта информация, как правило, является конфиденциальной. Предприятие имеет право держать эту информацию в тайне.
В зависимости от вида финансово-экономической деятельности предприятия количество показателей финансового состояния предприятия Zi может быть несколько десятков. Специалисты предлагают для использования более 60 показателей, из которых есть обязательные для использования и рекомендуемые.
Ниже будет рассмотрена Z-модель, в которой используются отдельные показатели финансового состояния предприятия, на основе которой производится оценка риска банкротства предприятия.
Банкротство – это такое состояние субъекта экономической деятельности, при котором невозможно его функционирование с прибылью.
С
математической точки зрения Z-модель
представляет собой, с одной стороны,
обобщенный аддитивный показатель, в
котором в качестве частных показателей
используются соответствующие показатели
финансового состояния Zi,
,
а их коэффициенты приоритетности ki,
,
определяются путем обработки исходных
статистических данных, а с другой
стороны, – это линейная модель
множественной регрессии.
В общем виде Z-модель субъекта экономической деятельности, описывающая то или иное его состояние, имеет вид
(2.51)
Вероятность нахождения предприятия в исследуемом состоянии (например, А = банкротство) приближенно оценивается по формуле
(2.52)
Если Z = 0, то вероятность банкротства равна 0,5. Отрицательные значения Z свидетельствуют про уменьшение вероятности банкротства, а положительные про то, что вероятность события А больше 0,5 и увеличивается с увеличением Z.
Поскольку
модель является приближенной, то часто
определяют не Z0,
а пороговые значения Zон
и Zов.
При этом если величина
,
то считается, что вероятность банкротства
высокая, а в случае
– вероятность банкротства низкая. При
значениях Zон
< Z
< Zов
состояние предприятия не определено
(модель дает “сбой”).
В 1968 году Е. Альтман предложил двухкритериальную модель для оценки риска банкротства субъектов экономической деятельности:
Z = –1,0736 Z1 + 0.05792 Z2 – 0.3877, (2.53)
где
;
Пример. Предприятие характеризуется следующими показателями финансовой отчетности: Z1 = 1,2; Z2 = 45%. Определить вероятность банкротства предприятия.
Решение. Используя двухкритериальную модель Альтмана, получаем
Z = –1,0736 1,2 + 0,05792 45 – 0,3877 = 0,93.
Тогда
вероятность банкротства
.
Полученная вероятность банкротства очень высокая.
Хоть двухкритериальная модель и привлекает своей простотой, но она дает низкую точность прогноза. Поэтому в странах с развитой рыночной экономикой используется для оценки риска банкротства пятикритериальная Z-модель Альтмана:
Z = –3,3 Z1 – 1,0 Z2 – 0,6 Z3 – 1,4 Z4 – 1,2 Z5 + 2,675, (2.54)
где
;
;
;
;
.
Критическое значение Z0 = 2,675.
Правила классификации остаются прежними, если Z < 0, то предприятие относится к успешным (риск банкротства мал). Если Z > 0, предприятие следует отнести к группе вероятных банкротов (в ближайшие два – три года ему грозит банкротство).
Пример. Предприятие характеризуется следующими показателями финансовой отчетности: Z1 = 0,2; Z2 = 0,15; Z3 = 2; Z4 = 0,05; Z5 = 0,3. Требуется определить, относится ли предприятие к успешным.
Решение.
Z = 3,3 0,2 – 1,0 0,15 – 0,6 2 – 1,4 0,05 – 1,2 0,3 + 2,675 = 0,235.
Так как Z > 0, то предприятие следует отнести к группе вероятных банкротов.
Альтман
определил, что при Zон
= 1,81 < Z
< Zов
= 2,675 данная модель “дает сбой”, поэтому
интервал
является интервалом неопределенности
риска банкротства. Для случая отсутствия
развитого фондового рынка (нынешняя
ситуация в Украине), более адекватной
является следующая пятикритериальная
Z-модель
[15]:
Z = – 3,107 Z1 – 0,995 Z2 – 0,42 Z3 –
– 0,847 Z4 – 0,717 Z5 + 1,23, (2.55)
где новый показатель Z3 определяется следующим образом:
.
Для машиностроения может использоваться двухкритериальная Z-модель [15]:
Z = – 0,44 Z1 + 0,02 Z2 + 0,36,
а для угольной промышленности Z-модель вида:
Z = –3,96 Z1 – 0,02 Z2 + 4,22.
Как видим, весовые коэффициенты и Z0 в Z-модели сильно отличаются не только от страны к стране, но и от областей экономики.
2.7.2. Z-модель Чессера
Z-модели могут использовать не только для оценки риска банкротства предприятий, но и для оценки риска невыполнения должником условий кредитного договора (кредитного риска), инвестиционного риска и др.
Z-модель, предназначенная для прогнозирования случаев невыполнения должниками условий кредитного договора, была разработана Чессером. При этом в невыполнение условий входят любые отклонения от договора, которые неблагоприятны для кредитора, а не только непогашение кредита.
При разработке модели Чессер использовал статистические данные 37 успешных кредитных договоров и 37 неуспешных 4 коммерческих банков трех штатов США за 1962 – 1971 годы.
Модель Чессера имеет вид:
Z = –5,24Z1 + 0,053Z2 – 6,6507Z3 + 4,4009Z4 –
– 0,0791Z5 – 0,1020Z6 – 2,0434, (2.56)
где
Вероятность невыполнения условий кредитного договора Р оценивается по формуле:
. (2.57)
Недостатком модели Чессера является то, что она предназначена для прогнозирования исходов лишь краткосрочных кредитов (до 1 года). Кроме того, модель Чессера, как и модель Альтмана, соответствует условиям развитой рыночной экономики. Для условий переходной рыночной экономики Украины необходимо разрабатывать свои, более адекватные модели.
