§6. Метод аналогій

Для аналізу ризику, яким може бути обтяжений новий проект, доцільно вивчити дані щодо наслідків впливу несприятливих чинників ризику стосовно близьких за сутністю раніше виконуваних проектів. У цій сфері діяльності найбільшу ініціативу виявляють страхові компанії.

У використанні аналогів застосовують бази даних і знань щодо чинників ризику: Ці бази будуються на матеріалах із літературних джерел, пошукових робіт, моніторингу,шляхом опитування фахівців, менеджерів проектів тощо. Використовуючи відповідний математичний апарат, одержані дані обробляють з метою виявлення залежностей та врахування потенційного ризику в реалізації нових проектів.

Утім, слід зазначити, що навіть у відносно простих і відомих випадках невдалого завершення проектів доволі важко створити передумови для майбутнього аналізу, тобто підготувати вичерпний і реалістичний набір сценаріїв можливих невдалих завершень проектів.

Тож застосування методу аналогій буде достатнім лише в простих випадках, проте переважно його використовують як допоміжний поряд із низкою інших методів.

§7. Аналіз ризику методами імітаційного моделювання

Методи імітаційного моделювання широко застосовують в економіці. Подібно до методу аналізу чутливості ризику, тут також оцінюють коливання результуючого показника за випадкових змін вхідних величин, але детальніше, з урахуванням рівня взаємозалежності вхідних величин.

У процесі кількісного аналізу ризику за допомогою методів імітаційного моделювання можна виокремити сім кроків.

Перший крок аналізу полягає у формуванні моделі об'єкта (проекту), що розглядається.

Другий крок здійснюють для визначення ключових аргументів (чинників ризику), застосовуючи, зокрема, метод аналізу чутливості (вразливості).

Для подальшого аналізу ризику залишаються лише ті чинники, які не є строго детермінованими, а еластичність відповідної функції за цим чинником (аргументом) є значною (суттєвою).

Третій крок полягає у визначенні можливих інтервалів відхилень прогнозованих значень параметрів (чинників ризику) від очікуваних (найімовірніших). На цьому етапі доречно використовувати математичні (статистичні) оцінки якості прогнозів.

Четвертий крок полягає у визначенні розподілу ймовірності випадкових значень аргументів (чинників ризику). Він здійснюється паралельно з третім кроком.

П’ятий крок призначений для виявлення залежності, яка на практиці може існувати між ключовими аргументами (чинниками ризику). Вважають, що дві та більше випадкові змінні корельовані у тому разі, коли вони змінюються систематично.

Слід зазначити, що ігнорування кореляції може призвести до неправильних результатів в аналізі ризику, тому важливо переконатися в наявності або відсутності таких взаємозв'язків і, де це необхідно, ввести під час моделювання обмеження, здатні знизити до раціонального рівня ймовірність вироблення сценаріїв, що порушують вплив кореляції (взаємозалежності).

Шостий крок полягає у здійсненні генерації випадкових сценаріїв відповідно до системи прийнятих гіпотез щодо чинників ризику та згідно з обраною на першому кроці моделлю. Після того, як усі гіпотези і відповідні залежності ретельно досліджено, послідовно здійснюють обчислення згідно із побудованою моделлю доти, доки отримують репрезентативну вибірку можливих значень ключових аргументів. Для цього, як свідчить досвід, достатньо, щоб вибірка була одержана як результат здійснення 200–500 обчислень («прогонів»). Серію «прогонів» здійснюють за методом Монте -Карло.

Сьомий крок. Після серії «прогонів» можна одержати розподіл частот для підсумкового показника (ефективності, чистої теперішньої вартості проекту, норми доходу тощо). Результати можна подати як дискретним, так і неперервним законом розподілу результуючого показника як випадкової величини. Для перевірки гіпотез щодо виду закону розподілу можна застосувати відповідні статистичні критерії, а також обчислити числові характеристики результуючого показника: математичне сподівання, дисперсію, семіваріацію, асиметрію, ексцес тощо. Слід наголосити, що отримані результати вимагають інтерпретації.

Основні переваги ІМ:

• можливість описання поводження компонент (елементів) процесів або систем на високому рівні деталізації;

• відсутність обмежень між параметрами ІМ і станом зовнішнього середовища;

• можливість дослідження динаміки взаємодії компонент - параметрів системи у часі й просторі.

Рекомендується використовувати ІМ в наступних випадках:

1. якщо не існує закінченої постановки задачі дослідження і йде процес пізнання об'єкта моделювання, ІМ служить засобом вивчення явища;

2. якщо аналітичні методи є, але математичні процеси складні й трудомісткі, і ІМ дає більше простий спосіб рішення задачі;

3. коли крім оцінки впливу параметрів (змінних) процесу або системи бажано здійснити спостереження за поводженням компонентів (елементів) процесу або системи (ПС) протягом певного періоду;

4. коли ІМ виявляється єдиним способом дослідження складної системи через неможливість спостереження явищ у реальних умовах (реакції термоядерного синтезу, дослідження космічного простору);

5. коли необхідно контролювати протікання процесів або поводження систем шляхом уповільнення або прискорення явищ у ході імітації;

6. коли вивчаються нові ситуації в процесі прийняття рішень: в цьому випадку імітація служить для перевірки нових стратегій і правил проведення реальних експериментів;

ІМ поряд з перевагами має й недоліки:

1. розробка солідної ІМ часто обходиться дорожче створення аналітичної моделі й вимагає великих тимчасових витрат;

2. може виявитися, що ЇМ неточна (що буває досить часто), і неможливо виміряти ступінь цієї неточності.

3. найчастіше дослідники звертаються до ІМ, не уявляючи тих труднощів , з якими вони зустрінуться й роблять при цьому ряд помилок методологічного характеру.

І проте ІМ є одним з найбільше широко використовуваних методів при розв’язанні задач синтезу й аналізу складних процесів і систем.