Добавил:
ivanov666
Опубликованный материал нарушает ваши авторские права? Сообщите нам.
Вуз:
Предмет:
Файл:Байесовы технологии. Их реализация в программной среде Hugin и применение в операционном риск-менеджменте. Учебное пособие
.pdf
= , ,
где – вероятность исхода;
L – величина последствий исхода;
– уровень толерантности субъекта к риску.
, (4.1)
В настоящее время в экономической науке [7, 10, 18, 19] распространенной
является позиция о целесообразности разграничения понятий «риск» и «неопределенность». Впервые различие между ними наметил Й. фон Тюнен (J. von
Thünen) в своей работе «Изолированное государство в его отношении к сельскому хозяйству и национальной экономике» («Der Isolierte Staat in Beziehung
auf Landwirtschaft und Nationaloekonomie», 1826 г.), где он утверждал, что вознаграждением предпринимателя является доход за принятие на себя того риска
(в современной интерпретации – неопределенности), который из-за непредсказуемости не примет на себя ни одна страховая организация [10].
Комплексное исследование данного вопроса впервые было осуществлено
Ф.Х. Найтом (F.H. Knight) в работе «Риск, неопределенность и прибыль»
(«Risk, Uncertainty and Profit», 1921 г.). «Неопределенность следует рассматривать в смысле, радикально отличном от хорошо знакомого понятия риска, от
которого ее прежде никогда должным образом не отличали... Существенная и
наиболее яркая черта решений в сфере бизнеса заключается в том, что они уникальны …, чтобы путем анализа их совокупности сделать какие-либо выводы о
значении объективно измеримой вероятности… Чтобы сохранить различие между измеримой и неизмеримой неопределенностью … мы можем использовать
термин «риск» для обозначения первого типа неопределенности и собственно
термин «неопределенность» – для второго… Мы также можем использовать
понятия «объективной» и «субъективной» вероятности для обозначения соответственно риска и неопределенности… Практическая разница между категориями риска и неопределенности состоит в том, что в первом случае распределение результатов в группе известно либо благодаря априорным расчетам, либо
из статистических данных прошлого опыта, а во втором – нет» [11, стр. 225-
226].
Современные исследователи, следуя концепции Ф.Х. Найта, различие между риском и неопределенностью проводят именно на основании объема доступной информации об исследуемой ситуации: «наличия (в случае риска) или
отсутствия (при неопределенности) вероятностных характеристик неконтролируемых переменных» [18, стр. 34]. При этом вероятности в ситуации риска могут быть получены или на основании эмпирических данных (статистического
эксперимента) или с помощью теоретических представлений о них (математической модели эксперимента); а в случае неопределенности – экспертным путем.
Следует заключить, что разделение понятий «риск» и «неопределенность»
в значительной мере вопрос соглашения о терминологии, однако при этом важно осознавать, что инструментарий оценки финансовых рисков (например, рыночных, по которым на фондовых площадках аккумулируется значительный
статистический материал) отличается от инструментария оценки рисков нефи-
61
нансовой природы (по существу – неопределенности) большим совершенством
и разнообразием. В этой связи для определения уровня неопределенности достаточно в выражении (1.1) термин «вероятность» заменить более широким –
«возможность», которая подразумевает, в том числе и исчисление субъективных вероятностей.
Помимо вероятностных характеристик в определении уровня риска большое значение играет оценка существенности последствий каждого исхода рисковой ситуации (например, размер потерь или прибыли). Ярким примером,
подтверждающим это обстоятельство, может служить история, описанная П.
Бернстайном в его работе «Против Богов. Укрощение риска»: «Шла Вторая мировая война. Зимней ночью во время одного из налетов немецкой авиации на
Москву известный советский профессор статистики неожиданно появился в
своем дворовом бомбоубежище. До тех пор он никогда туда не спускался. «В
Москве семь миллионов жителей, – говаривал он, – почему я должен ожидать,
что попадут именно в меня?» Удивленные друзья поинтересовались, что заставило его изменить свою точку зрения. «Подумать только! – воскликнул он, – в
Москве семь миллионов жителей и один слон. Прошлой ночью они убили слона» [4, стр. 134]. Московский профессор понимал насколько мала физическая
вероятность попасть под бомбу, однако последствия этого могли быть настолько существенны, что изменили его выбор в условиях риска.
Кроме того, данный пример вводит еще одну важную характеристику
уровня риска: индивидуальную толерантность субъекта к риску (т.н. «рисковый аппетит») – одни субъекты страдают «любовью» к риску, другие – не расположены к нему. Именно в индивидуальной толерантности субъекта к риску и
проявляется субъективная составляющая уровня риска. В общем случае она
обуславливается множеством факторов: психологическими особенностями,
уровнем знаний, степень контроля субъекта над ситуацией и др. В этой связи в
экономической науке и психологии уже разработаны некоторые научные концепций: от классической теории рационального поведения до теории иррационального поведения – теории перспектив (Prospect Theory) [4, 7, 12, 18, 19].
Важно отметить, что уровень толерантности к риску определяет именно стратегию поведения субъекта в рисковой ситуации, его реакцию на риск.
Обобщая изложенное выше, следует заключить, что выработка однозначной универсальной трактовки понятия «риск» вряд ли возможна вследствие,
прежде всего, многоаспектности данной категории. Тем не менее, проведенное
в данном направлении исследование позволило нам прийти к следующей интерпретации: риск – это степень неопределенности, сопровождающая во времени деятельность активного субъекта в ситуации выбора, когда имеется возможность отклонения ее последствий от предполагаемой цели.
62
4.2. Операционный риск: определение, особенности, методы оценки
К настоящему времени в теории еще не разработано общепринятой и одновременно исчерпывающей классификации экономических рисков [2, 10, 13,
16, 17, 18] в связи с тем, что многообразие и сложность экономических отношений между хозяйствующими субъектами в условиях рынка обуславливает
возможность возникновения существенного множества видов риска. Однако
среди профессиональных риск-менеджеров стандартной является классификация, используемая в рамках Базельского соглашения по капиталу 2004 г.14, согласно которой выделяют:
кредитный риск (credit risk);
рыночный риск (marker risk);
риск ликвидности (liquidity risk);
операционный риск (operational risk);
риск (бизнес-) события ((business-) event risk) [22].
Согласно Базельскому соглашению по капиталу под операционным риском
понимается «риск потерь в результате неадекватных или ошибочных внутренних процессов, действий сотрудников и систем или внешних событий» («opera-
tional risk is the risk of losses resulting from inadequate or failed internal processes,
people and systems or from external events») [22, стр. 155]. Следует заметить, что
первоначально (2001 г.) Базельский комитет определял операционный риск как
«риск прямых потерь…», в дальнейшем определение «прямых» было изъято.
Это обстоятельство подразумевает то, что при управлении операционным риском следует учитывать как прямые, так и косвенные потери. Однако сам термин «потери» не разъясняется.
Исследователи утверждают, что между перечисленными выше категориями риска достаточно трудно провести четкое разграничение [5, 19]. Это, безусловно, верно, так как любая организация представляет собой сложное системное образование, все процессы которого взаимосвязаны и взаимообусловлены.
Однако дифференцировать риски по отдельным типам целесообразно, так как
инструменты управления рисками (идентификации, оценки, локализации и т.д.)
определяются, главным образом, природой их возникновения.
Более точному пониманию особенностей каждого типа рисков помогает
выделение укрупненных классификационных групп внутри Базельской классификации:
финансовый риск: кредитный, рыночный, риск ликвидности;
операционный риск;
стратегический риск.
В основе разграничения всего многообразия рисков на финансовый, операционный и стратегический лежит объект, на котором они реализуются [5].
Выделяют три основных объекта риска:
14
Базельский комитет по банковскому надзору – комитет, созданный центральными банками и надзор-
ными органами стран G-10 с целью сближения национальных систем регулирования и повышения устойчивости банковских систем.
63
финансовые активы, обязательства и инструменты;
Стратегический риск
Операционный риск
Финансовый риск
Бизнес-процессы
Объекты риска
Финансовые активы,
обязательства,
инструменты
Бизнес-стратегии,
репутация,
цели
бизнес-процессы и их отдельные операции;
бизнес-стратегии, цели и репутация.
В соответствии с категоризацией объектов риска и выделяют финансовый,
операционный и стратегический типы риска (рис. 4.2).
Таким образом, важным типологическим признаком операционного риска
(operational risk) является то, что события ОР возникают на объектах риска, являющихся бизнес-процессами (операционными процессами (operational
processes) или отдельными бизнес-операциями (business operations).
При этом под бизнес-процессом обычно понимают логически законченную
последовательность взаимосвязанных действий и/или операций, в совокупности реализующих определенную задачу деятельности организации, описываемую формальным алгоритмом преобразования на каждом этапе входных элементов в выходные; а под бизнес-операцией – логически законченное и функционально обособленное действие (работу, задание), являющееся составной частью бизнес-процесса. Иногда в качестве объектов ОР рассматривают бизнес-
направления (бизнес-линии (business lines) в целом, под которыми принято понимать стратегические направления деятельности компании, выделенные в соответствии с типами клиентов, услуг (продуктов) или секторов рынка, являющиеся объектом приложения ресурсов компании с целью достижения конкурентных преимуществ и получения прибыли [5]. Таким образом, бизнеснаправления представляют собой набор соответствующих бизнес-процессов.
Целесообразным с точки зрения разграничения финансового, операционного и стратегического типов риска также видится подход, основанный на различии в последствиях их реализации (рис. 4.3).
Последствия реализации стратегических и финансовых рисков могут выражаться как в благоприятных отклонениях от ожидаемых значений (например,
рост стоимости финансового инструмента, получение сверхдохода), так и в неблагоприятных (например, снижение стоимости финансового инструмента, получение сверхпотерь), при этом последствия реализации стратегических рисков
(уровень риска) могут быть существенно выше, чем финансовых. Заметим, что
такие риски принято называть спекулятивными. Последствия реализации ОР, в
Рис. 4.2. Классификация типов риска по объекту
64
свою очередь, асимметричны и могут выражаться только в виде возникновения
P
Отклонение
Операционный
риск
Финансовый
риск
Стратегический
риск
благоприятное
неблагоприятное
потерь. Такие риски определяют как чистые риски.
Рис. 4.3. Классификация типов риска по последствиям реализации
Итак, проведенный анализ позволяет выделить следующие типологические
признаки ОР:
объектами, на которых возникает ОР, являются бизнес-направления,
бизнес-процессы или отдельные бизнес-операции организации;
реализация ОР может сопровождаться только потерями.
Помимо определения операционного риска, предложенного Базельским
комитетом, существуют и другие, отличающиеся друг от друга, в основном,
степенью детализации:
риск прямых или косвенных убытков в результате неверного построе-
ния бизнес-процессов, неэффективности процедур внутреннего контроля, технологических сбоев, несанкционированных действий персонала или внешнего
воздействия [19];
риск потерь вследствие обмана и несанкционированных действий слу-
жащих или посторонних лиц, а также из-за ошибок в компьютерных и телекоммуникационных системах [3];
потенциальный риск, который возникает из-за недостатков корпора-
тивного управления, системы внутреннего контроля или неадекватности информационных технологий и процессов обработки информации с точки зрения
управляемости, универсальности, надежности и непрерывности работы [5];
риск возникновения убытков в результате несоответствия организации
требованиям действующего законодательства, внутренних порядков и процедур
проведения операций, их нарушения работниками и/или иными лицами (вследствие непреднамеренных или умышленных действий или бездействий), несоразмерности (недостаточности) функциональных возможностей (характеристик) применяемых информационных, технологических и других систем и/или
их отказов (нарушений функционирования), а также в результате воздействия
внешних событий [5].
65
Важно заметить, что в некоторых15 отечественных источниках по управлению рисками [2, 7, 9, 10, 13, 16, 17, 18] термин «операционный риск» непосредственно вообще не употребляется. Данный тип риска в них рассматривается через его источники: природный, экологический, социальный, транспортный риски, риск персонала и др. – каждый из которых определяется как отдельный тип
риска, что приводит к искажению понимания природы операционного риска и
его идентификации.
Анализ определений термина «операционный риск», предлагаемых в отечественной экономической литературе, позволяет сделать вывод о том, что среди исследователей существует два принципиально разных подхода к пониманию сущности операционного риска:
1) операционный риск связан исключительно с операционной деятельно-
стью организации, в противовес инвестиционной и финансовой;
2) операционный риск присущ любому бизнес-процессу организации,
связанному как с операционной, так и с финансовой, инвестиционной и прочей
деятельностью.
Причина этих противоречий, на наш взгляд, заключается в отсутствии
единой общепринятой терминологии в отечественной науке о риске, а, соответственно, в различном понимании исследователями переводного термина «operational»: операционный, эксплуатационный, рабочий, действующий.
В рамках первой позиции операционный риск связывается с операционной
деятельностью организации, во второй – с выполнением бизнес-процессов
(операционных процессов).
Мы придерживаемся второй позиции и полагаем, что операционный риск
характерен для любых видов деятельности организации. Например, совершенно
ясно, что один из видов операционного риска – модельный риск (риск неадекватности математической модели) присущ как финансовой деятельности (модели оценки стоимости производных финансовых инструментов, модели оценки
метрики VaR16 и т.д.), так и инвестиционной (модели прогнозирования состояний внешней среды). Следует заметить, что эта позиция согласуется с принятым в зарубежной науке и практике, а также в российском финансовом секторе
пониманием категории «операционный риск».
Итак, под операционным риском мы предлагаем понимать риск потерь,
вызванных:
нарушением регламента процедур выполнения бизнес-процессов (или
отдельных бизнес-операций) организации, источниками которого могут быть
системы, персонал, внешние события нефинансовой природы;
методической ошибочностью процедур выполнения бизнес-процессов
(или отдельных бизнес-операций) организации.
Применение методов формального вероятностно-статистического анализа
при оценке операционного риска крайне ограничено. Это обстоятельство обу-
15
За исключением литературы, посвященной управлению рисками в компаниях финансового сектора.
16
VaR – value at risk: стоимость под риском.
66
словлено, прежде всего, тем, что данные подходы предъявляют жесткие требования к объему исторических данных, необходимых для построения эмпирической функции распределения потерь.
Здесь уместно дать некоторую пояснительную аргументацию. Как известно, существует несколько интерпретаций понятия «вероятность» [6].
Согласно классическому подходу (зародившемуся при изучении азартных
игр) вероятность события понимается как «…отношение числа благоприятствующих случае к числу всех возможных случаев, причем все случаи предполагаются равновозможными» (Пьер-Симон Лаплас (Pierre-Simon Laplace) [14]).
Основной недостаток классической интерпретации вероятности состоит в ее
симметричности.
В свою очередь, частотный (статистический, физический) подход к определению вероятности состоит в том, что вероятность события понимается как
предел относительной частоты его появления в бесконечной последовательности однородных независимых испытаний. Данный подход был развит работах
Р.Э. фон Мизеса (R.E. von Mises) и Г. Рейхенбаха (H. Reichenbach). Как известно, применение частотного подхода к исчислению вероятностей основано на
соблюдении принципов статистической устойчивости, а именно:
возможности многократного повторения испытания в управляемых ус-
ловиях;
наличии большого числа случайных факторов, характеризующих усло-
вия проведения каждого испытания;
статистической однородности и независимости событий;
стремлении относительной частоты появления события к некоторому
фиксированному числу (математическому ожиданию) при увеличении количества испытаний.
Совершенно ясно, что полностью условия статистической устойчивости
выполняются крайне редко. Частотный подход к определению вероятности работает только с классами (статистическими ансамблями), а не отдельными событиями и применяется, как правило, в естественных науках.
Однако в экономических системах многие события представляются единичными и, даже уникальными, генеральные и выборочные совокупности конечны и малы, проведение испытаний в воспроизводимых управляемых условиях часто невозможно. В таком положении продуктивен подход на основании
байесовой (свидетельской (evidential), эпистемологической (epistemic) интер-
претации вероятности, в соответствии с которым вероятность рассматривается
как мера состояния знания (epistema).
Заметим, что одним из первых идею применения субъективных вероятностей в анализе выдвинул именно экономист Ф.Х. Найт: «Мы утверждали, что
существует два типа вероятности: «априорная» и «статистическая». В первом
случае «шансы» можно вычислить на основе общих принципов [в современном
понимании – классическое определение вероятности. – Ш.Ю.], во втором их
можно определить только эмпирически [в современном понимании – частотное
определение вероятности. – Ш.Ю.]… Однако при принятии решений в сфере
67
бизнеса приходится иметь дело с настолько уникальными ситуациями, что в
общем случае никакая статистическая таблица не может служить руководством
к действию. Здесь понятие объективно измеримой вероятности просто неприложимо… Тогда следует признать наличие вероятности третьего вида… Мы
должны просто констатировать «способность» существа, наделенного разумом,
формировать более или менее правильные суждения о предметах, интуитивно
их оценивать… Мы действительно оцениваем качество, обоснованность или надежность наших мнений и оценок, и по форме такая оценка аналогична вероятностному суждению: это отношение, выраженное правильной дробью… Главным фактором, лежащим в основе вероятностного мышления, является наше
неведение… А если довести рассуждение о действительной вероятности до логического конца, то, похоже, при полном знании вообще не будет «реального»
места никакой вероятности – останется лишь полная определенность» [11, стр.
212-218]. Напомним, что данная позиция Ф.Х. Найта уже была представлена
ранее в контексте установления разграничения между категориями «риск» и
«неопределенность».
Важно специально заметить, что неверно байесову вероятность полно-
стью отождествлять с субъективной вероятностью, байесова вероятность –
это именно мера состояния знания и может быть получена как на основании
априорных субъективных «интуитивных» оценок, так и из объективных (например, эмпирических) данных. Таким образом, байесова вероятность, по сути,
является общим случаем классической и частотной вероятности. Также важная
особенность байесовой вероятностной концепции, делающей ее еще более выразительной по сравнению с другими, состоит в том, что она позволяет обновлять априорные знания на основании поступающей (пусть даже неполной) апостериорной информации о поведении системы.
Отметим, что существуют и другие подходы к интерпретации понятия
«вероятность».
Итак, байесова вероятность может быть приписана любым событиям, даже
уникальным, которые (казалось бы) не вовлечены в какой-либо физический
случайный процесс.
Очевидно, что некоторые источники возникновения событий операционного риска, например, стихийные бедствия, техногенные катастрофы, террористические акты являются крайне редкими событиями. Это обстоятельство обуславливает ограниченность применения формальных вероятно-статистических
методов при оценке операционных потерь (например, оценка параметров функции распределения потерь, методология VaR) и, соответственно, целесообразность применения при их моделировании систем, позволяющих учитывать не-
определенность в механизмах функционирования объекта исследования, т.е.
экспертных систем.
Среди экспертных систем наиболее продуктивным при моделировании
операционного риска видится (особенно на современном этапе развития практики операционного риск-менеджмента) применение именно байесовых сетей.
68
Как обозначено выше, количественные характеристики некоторых собы-
тий операционного риска можно оценить преимущественно субъективно. Использование субъективных вероятностей в БС является единственной альтернативой на практике, если необходим учет мнений экспертов о возможности наступления события, к которому неприменимо понятие повторяемости, а также
невозможно его описание в терминах совокупности элементарных событий.
Субъективные вероятности являются следствием зачастую доброкачественного
экспертного материала и ими не стоит пренебрегать при моделировании реальных систем. Как писал Ф.Х. Найт, «следует иметь в виду, что за неимение чеголибо лучшего и вероятностное суждение, основанное на полном неведении, может стать определяющим фактором целенаправленного поведения» [11, стр.
221].
БС, основывающиеся на байесовой вероятностной концепции, являются
именно комбинированными моделями и могут сочетать в себе оценки по эмпирическим данным, теоретические представления и субъективные оценки вероятностей (поэтому иногда их называют сетями доверия).
В настоящее большинство российских (и не только) компаний, включая
телекоммуникационные, на сегодняшний день не располагают обширными базами релевантных данных об инцидентах реализации операционного риска [5,
11, 19]. Таким образом, моделирование операционных рисков с помощью нейронных сетей представляется нецелесообразным, с точки зрения адекватности
синтезируемых моделей (по крайней мере, пока не будет собран достаточных
объем исторических данных), так как данная методика предъявляет жесткие
требования к объему обучающей выборки, в свою очередь БС не имеют такого
ограничения.
Возможность представления исследуемого объекта в виде системы причинно-следственных отношений с содержательной интерпретацией каждой переменной является существенным преимуществом БС по сравнению с нейронными сетями и системами, основанными на правилах. Это позволяет моделировать зависимости между компонентами операционного риска17, т.е. способствует учету кумулятивных эффектов между ними; системному представлению
операционного риска; и, что самое главное, объяснению происхождения операционных потерь с помощью логического вывода в сети.
Основным носителем операционного риска является бизнес-процесс. В
настоящее время для многих организаций характерно постоянное расширение
перечня выполняемых бизнес-процессов, направлений деятельности, появление
принципиально новых бизнес-функций. В настоящее время для множества
компаний, в том числе и телекоммуникационных, характерно постоянное расширение перечня выполняемых бизнес-процессов и, даже появление новых
бизнес-направлений. Кроме того, операционная деятельность компании сопровождается постоянным возникновением инцидентов операционного риска. Все
это обуславливает динамичность операционного рискового профиля и, соответственно, необходимость корректировки используемых модельных конструкций
17
Имеется в виду – источник, событие и последствие.
69
и их параметров с учетом новой информации, что может быть легко реализовано именно в БС с помощью процедуры адаптации.
Таким образом, обобщая изложенное, можно заключить, что целесообразность применения БС при моделировании событий операционного риска обусловлена:
наличием неопределенности в механизмах реализации операционных
событий;
сложностью вероятностного моделирования операционных потерь из-за
недостаточности (как правило) релевантного эмпирического материала;
возможностью БС учитывать априорный экспертный опыт;
возможностью БС моделировать сложные системные взаимосвязи ком-
понент операционного риска;
возможностью БС сочетать эмпирические частоты появления различных
состояний компонент операционного риска, теоретические представления об их
математических вероятностях и субъективные оценки;
возможностью БС учитывать новую (апостериорную) информацию о
случаях реализации событий операционного риска.
Рассмотрим несколько примеров применения байесова подхода в операционном риск-менеджменте.
Предположим, что операционные потери (переменная L) в некоторой компании при совершении транзакций происходят в 40% рабочих дней, в то время
как, в остальные 60% – операционных потерь нет. Однако для повышения точности оценки вероятности потерь руководство компании решило проводить
каждое утро опрос высококвалифицированных специалистов о возможности
возникновения операционных потерь в течение дня. Анализ результатов показал, что мнение специалистов (переменная O) оказывалось верным в 90% случаев, если они предсказывали потери, а если они предсказывали отсутствие потерь – в 70%.
Таким образом, априорные вероятности операционных потерь равны:
= = 0.4 =
= 0.6
условные вероятности:
= | = = 0.9 = | =
= | = = 0.7 = | =
= 0.1
= 0.3
апостериорные вероятности операционных потерь, т.е. после консультации
со специалистами, в случае, если они предсказывают операционные потери:
( = × = )
= =
=
, = ,
( = )
=
=
= = × =
=,
70
,
Соседние файлы в предмете [НЕСОРТИРОВАННОЕ]