- •1.Понятие риска
- •1.1.Подходы для построения прогнозов финансовых показателей и три метода характеристики случайных величин
- •1.2.Определение риска
- •2.Риск в моделях фондовой биржы
- •2.1.Основы фондового рынка
- •2.2.Два вида анализа активов. Эффективность
- •3.Матрицы последствий риска
- •3.1. Предварительный анализ риска
- •3.2. Анализ связанной группы решений в условиях полной неопределенности
- •3.3. Анализ связанной группы решений в условиях частичной неопределенности
- •4.Метод создания интегрального показателя для учета риска
- •4.1.Суть метода
- •4.2. Парето
- •5.Теория конфликтов
- •5.1.Виды конфликтов
- •5.2.Антагонистические игры
- •5.3.Неантагонистические игры
- •12. Понятие финансового потока.
- •Система мер безопасности, позволяющих увеличить затраты захватчика.
- •16. Имитационное моделирование рисков.
- •Валютные риски. Показатель валютности.
- •Импортно–экспортная операция
- •Управление валютными рисками
- •Механизмы спроса и предложения. Российская специфика.
- •Модель восприятия рисков
16. Имитационное моделирование рисков.
16.1. Стресс-тестинг – проведение исследований возможных сценариев развития ситуации в деятельности хоз субъекта с учетом возможных реакций лиц, принимающих решение, на эти сценарии.
Гибкие бюджеты – это процесс построения бюджетов предприятия с учетом вариативности сценариев в развитии ситуации.
-умеренное
-агрессивное
-консервативное
В экономике сложилось классическое представление о прогнозных величинах как о детерминированных величинах, то есть прогнозное значение есть какое-то конкретное значение финансового показателя. Учитывая несостоятельность такого подхода, одним из путей выхода предлагается наряду с этими значениями указывать характеристику разброса допустимых значений относительно указанного.
-дисперсия
-среднее квадратическое отклонение
-показатели вариации (размах вариации)
Дисперсия вычисляется лишь в случае известного распределения вероятностей. Вычислить распределение вероятностей прогнозируемой величины бывает достаточно сложно.
Пример.
NPV – чистая распределенная прибыль
NPV = , где
– моменты производства платежей
α – ставка дисконтирования
CF( ) – значение величины платежа в момент времени (Cash Flow)
1 вариант.
CF( ) = + +..+ , где , ,.., – случайные независимые величины
CF(tk) – N(a;σ) – нормальное распределение
CF(tk) – случайная величина
2 вариант.
CF(tk) = x1x2..xn – мультипликативная величина , ненормальное распределение
Если xi представляется в виде xi=eui, а ui подвержены условиям центральной предельной теоремы, то CF(tk) будет иметь распределение, принадлежащее семейству логарифмически нормальных распределений.
Плотность данного распределения:
ξ
16.2. Время производства платежа (tk) также может случайной величиной, тогда необходимо выяснить распределение этой случайной величины.
p =
t tk
d – доля платежей, которые производятся в срок
(1-d) – доля платежей, которые в срок не производятся
Вопрос о задержке платежа аналогичен вопросу о продолжительности жизни человека, который рассматривается в страховании. Определением страховых ставок расчета продолжительности жизни (исследование страховых случаев) занимается актуарная математика. Всеобъемлющий раздел науки – страховое дело.
16.3. Гипотеза Муавра.
Интенсивность смерти в зависимости от возраста.
h(t) – интенсивность
h(t)
0 100
Функция распределения смерти
F(t) = 1 - – экспоненциальная функция
Если интенсивность производства платежа при его задержке постоянна, то плотность распределения задержки экспоненциальна.
Если h(t) – степенная функция, например, в случае, если интенсивность платежей увеличивается в связи с нашими жесткими действиями по управлению дебиторской задолженностью), то область распределения времени платежа имеет вид:
, (h(t) = k )
Распределение Вейбумма
Закон Эриама. Пусть длина очереди n, время обслуживания каждого клиента имеет экспоненциальное распределение с плотностью p(t)= , тогда время обслуживания всей очереди распределено по закону Эриама с плотностью . Частный случай гамма-распределения.
Время обслуживания каждого клиента независимо друг от друга.
16.4. Метод Монте-Карло (метод вычисления интегралов).
(25+36+49+100+121+2*144+2*289+324+800+882+484+625+3*676+784+2*841) * = = 0,44
Неточность в вычислениях потому, что распределение неравномерно.
Более точный результат можно получить, если использовать счетчики случайных чисел.
Для Excel в скобках любое значение между 0 и 1
= сл чис ( )
=сл чис ( ) = ̺̺ * ̺ = ср знач (массив)
Растянуть на 5 000 знаков.
Для того, чтобы организовать выборку с заданными наперед распределениями, достаточно знать набор равномерно распределенных величин. Известно преобразование Смирнова
, где
p(t) – плотность заданного распределения. Если Р – равномерно распределенная величина на [0;1], то величина x будет иметь распределение с плотностью p(t).
В электронных таблицах выражение x(P) реализовано при некоторых значениях p(t).
Например, для нормально распределения
= норм обр (сл чис ( );a;σ) числа а и σ ввести средние, дисперсия
= гаммаобр (сл чис ( );d;β)
=бэтаобр (сл чис ( );α;β)
Бэтта–распределение – распределение случайной величины, значения которой лежат на определенном отрезке ( [0;1] для Excel).
Частный случай бэтта-распределения – равномерное.
Имеет вид:
- функция Эйлера второго рода (β-функция).
16.5. Правила имитационного моделирования.
Записывается расчетная формула исследуемого показателя, которая зависит от x1,x2,..xn – независимых факторов, влияющих на данный показатель и имеющих случайный характер.
Генерируются случайные значения xi с помощью метода Монте-Карло и преобразования Смирнова (для этого необходимо знать функции распределения xi).
Подставляются генерированные значения xi в расчетную формулу.
Процесс повторяется большое число раз.
Результаты заносятся в файл результатов.
6.1. Вычисляется среднее значение всех результатов из файла результатов, а также характеристики разбросов для этого среднего.
6.2. Все значения в файле ранжируются, разбиваются на группы (обычно с определенным шагом) и строится гистограмма – необходимые частотные характеристики каждого из интервалов.
Ш аг 5
2 5
6
7
2 8
2 9
11
2 11
12 2 4 6 8 10 12
2 13 [4;12] – доверительный интервал
Площадь всех прямоугольников равна 1 (частота делится на шаг ).
После того, как получена гистограмма, возможны 2 пути: производить анализ на основании гистограммы, в соответствии с которой всегда можно определить, с какой частотой реализуются возможные значения показателя. Или, используя гистограмму, можно построить доверительный интервал для исследуемого показателя.
16.6.1. Ошибка первого рода – вероятность отторжения правильной гипотезы.
16.6.2. Ошибка второго рода – вероятность принятия неправильной гипотезы.
Доверительный интервал – это интервал, в котором находится исследуемый показатель, границы которого (интервала) таковы, что вероятность показателя попасть в этот интервал составляет (1-α), где α – вероятность ошибки первого рода.
[4;12] – доверительный интервал нашего показателя с вероятностью 0,9 (1-0,1).