РЕФЕРАТ
ТЕМА:
Сутність керування ризиками
План:
1.Сутність керування ризиками.
2. Якісний аналіз ризиків, як метод їх подолання.
3. Аналіз ризику методами імітаційного моделювання
4. Алгоритм проведення імітаційного моделювання.
5. Наслідки кількісного аналізу ризику
1.
Сутність керування ризиками
Всі проекти тією чи іншою мірою піддані впливу ризиків небажаних подій, що погіршують реалізацію проекту. У результаті проект реалізується не так, як було заплановано й не з тим результатом, на який розраховували ініціатори проекту.
Природно, що всі події проекту спланувати неможливо, однак, більша частина дій по реалізації проекту повинна бути спланована й систематично організована. Реалізація проекту характеризується тим, що відхилення й зміни базового Алана проекту - очікуване явище з яким можна й потрібно впоратися.
Керування проектом полягає в об'єднанні й координації зусиль фахівців різних професій, використанні ресурсів, реагуванні на відхилення в реалізації проекту й зміни зовнішньої обстановки. У складних проектах, у яких впливу впливають на реалізацію проектів, виникає необхідність в організації системної процедури протидії небажаним подіям. У керуванні проектами ця процедура зветься керування ризиками. Здійснення проекту відбувається в оточенні деякого динамічного середовища, що робить на нього певний вплив, тому ризику піддаються тією чи іншою мірою всі проекти й більшість аспектів проекту: фінансовий, технічний, організаційний, соціально-політичний ц т.п.
Поняття ризиків проекту добре відомо фахівцям з інвестиційного аналізу. Перш, ніж будь-який проект одержить фінансування, він піддається процедурі оцінки ризиків і своєрідному "зважуванню" ризиків проекту, що дозволяє порівнювати між собою різні по змісту проекти.
У проектному аналізі ризик проекту характеризується трьома факторами:
подіями, що роблять негативний вплив на проект, імовірністю появи цих подій й оцінкою можливого збитку, у результаті настання цих подій. При оцінці інвестиційної привабливості
проекту, задаючись певною моделлю ризикових подій, а значить й імовірністю настання, і розміром можливого збитку, можна, використовуючи різні методики, зрівняти між собою різні проекти.
Керування ризиками в реальному проекті відрізняється від методів, застосовуваних у проектному аналізі, у першу чергу тим, що менеджерові в процесі реалізації проекту необхідно приймати рішення, спрямовані на усунення або зменшення результатів шкідливих впливів ризиків. У реальному процесі керування для більшості проектів не настільки вуж важливі чисельні значення ймовірності до розміру збитку від настання ризикової події. Наприклад, обережний водій ожеледь не оцінює ймовірність настання ризикової події (аварії) і величину збитку, а мінімізує ймовірність його настання, ставить зимову гуму, при їзді по небезпечній ділянці знижує швидкість і т.п.! Набагато важливіше виробити системну процедуру, що дозволяє керівникові проекту реально впливати на успіх проекту,
Керування ризиками полягає у визначенні переліку можливих ризиків, оцінки погрози» від ризику, розробці мер, знижую збиток від ризикової події. На, етапі розробки плану проекту процедура керування ризиками містить три етапи: ідентифікація ризиків проекту, оцінка ступеня небезпеки ризик, розробка реагування.
2. Якісний аналіз ризиків, як метод їх подолання
Якісний аналіз ризику є чи не найскладнішим у економічній ризикології. Він потребує ґрунтовних знань як з теорії економіки, бізнесу, фінансів, так і з низки спеціальних предметів, необхідних для підготовки конкурентноздатного на ринку праці фахівця певного напряму. Необхідна також наявність певного практичного досвіду в обраній сфері економічної діяльності. Однак у більшості випадків одного лише якісного аналізу недостатньо для ідентифікації та виокремлення суттєвих чинників ризику й нехтування несуттєвими (надуманими). З цією метою необхідно здійснювати кількісний аналіз ризику. А це потребує здобуття відповідної інформації (даних). За кордоном існують компанії та агентства, які спеціалізуються на її збиранні й опрацюванні. Однією з багатьох таких компаній є Dun & Bradstreet, що збирає дані про платіжні звички фірм (чи допускають вони собі можливість прострочення платежів), про їхню кредитну історію (чи їм відносно не важко було отримання банківських позик) тощо. Ця фірма володіє базою даних щодо 41 млн. підприємств, фірм, банків та інших організацій у 200 країнах.
В Україні, на жаль, ринок інформаційних послуг поки що розвинутий мало. Часто буває досить важко отримати не лише фактичні дані, які необхідно відповідним чином обробляти, а навіть і нормативно-регулюючу інформацію.
3. Аналіз ризику методами імітаційного моделювання
Методи імітаційного моделювання набули широкого застосування в економіці.
Узагальнюючи матеріали, наведені в низці літературних джерел, процес кількісного аналізу ризику за допомогою методів імітаційного моделювання можна розподілити на сім кроків. їхня сутність і послідовність подані нижче.
Як і в методі чутливості аналізу ризику, в цьому випадку також здійснюється оцінка коливань вихідної величини при випадкових змінах вхідних величин, але більш детально, з урахуванням ступеня взаємозалежності випадкових змін вхідних величин.
•
КРОК 1.
Формування моделі, здатної прогнозувати значення відповідних показників ефективності об'єкта (проекту)
• КРОК 2.
Вибір ключових аргументів (чинників ризику) об'єкта (проекту), що аналізується
• КРОК 3.
Визначення множини можливих (імовірних) значень ключових аргументів (чинників ризику)
• КРОК 4.
Визначення розподілу випадкових значень ключових аргументів (чинників ризику)
• КРОК 5.
Виявлення відношень взаємозалежності (кореляції) між ключовими аргументами (чинниками ризику)
• КРОК 6.
Генерація випадкових сценаріїв, що ґрунтуються на системі прийнятих гіпотез щодо можливих значень ключових чинників
4. Алгоритм проведення імітаційного моделювання
Перший крок
аналізу полягає у формуванні моделі об'єкта (проекту), що розглядається. Про це йшлося у попередньому матеріалі
Другий крок
здійснюється з метою визначення ключових аргументів (чинників ризику), зокрема, застосовуючи метод аналізу чутливості (вразливості). Аналіз вразливості застосований щодо ряду чинників, які входять в нашу модель, не бере до уваги те, наскільки реалістичними (ймовірними) є ті чи інші випадкові коливання (значення) чинника ризику (аргумент). Для того щоб дані, одержані в процесі аналізу вразливості, мали сенс, у тест аналізу має бути вмонтована концепція впливу невизначеності, пов'язаний з чинниками, що аналізуються, а також можливість використання цього аналізу для вибору чинників підвищеного ризику Наприклад, може бути визначено, що відхилення у ціні купівлі певного виду устаткування на початку здійснення інвестиційного проекту має значний вплив на чистий інтегрований дисконтований дохід від проекту (велике за абсолютною величиною значення коефіцієнта еластичності). Однак імовірність будь-якого, навіть досить незначного, відхилення цього чинника може бути дуже малою, якщо, наприклад, постачальник, згідно з умовами контракту, зобов'язаний (гарантіями) здійснити поставки по фіксованій (узгодженій) ціні. Отже, ризик, пов'язаний з цим чинником (аргументом), незначний. Такий чинник вилучається з подальшого аналізу.
Для подальшого аналізу ризику залишаються лише ті чинники, які не є строго детермінованими, а еластичність відповідної функції, пов'язаної з цим чинником (аргументом) є значною (суттєвою).
Третій крок
полягає у тому, щоб визначити можливі інтервали відхилень прогнозованих значень параметрів (чинників ризику) від очікуваних (найбільш імовірних). На цьому етапі доречно використовувати математичні (статистичні) оцінки якості прогнозів. Для тих, хто вперше використовує аналіз ризику, визначення меж (множини) можливих (імовірних) значень виявлених чинників ризику може здаватися громіздким і складним завданням. Але воно є не більш складним, ніж визначення детермінованої (сподіваної, найбільш імовірної) оцінки відповідної випадкової змінної. Під час застосування детерміністичного економічного аналізу та обчислення ефективності (чистої приведеної вартості тощо) доводиться враховувати ймовірні значення, які можуть приймати випадкові змінні (ціни, змінні та постійні витрати, витрати на купівлю обладнання, затрати на будівельно-монтажні роботи тощо), що входять в модель об'єкта (проекту), перш ніж обрати конкретне (сподіване) їхнє значення для подальших обчислень згідно з обраними критеріями та аналізом за базовим сценарієм. Отже, якщо здійснювалася оцінка, відповідних показників за якогось єдиного значення (величини) відповідних чинників (аргументів), то можна вважати, що частка підготовчої. роботи щодо оцінки меж можливих значень та розподілу ймовірностей була вже виконана. На практиці проблема, з якою нерідко стикаються у зв'язку з визначенням множини значень і розподілів ймовірностей відповідних величин для аналізу ризиків після завершення розгляду базового сценарію, полягає в тому, що лише в ході цього процесу приходить розуміння того, що недостатньо уваги було приділено оцінці цього єдиного значення чинника при здійсненні детерміністичного аналізу.
Четвертий крок
полягає у визначенні розподілу ймовірності випадкових (імовірних) значень аргументів (чинників ризику). Він здійснюється паралельно з кроком 3. Під час аналізу ризиків використовується інформація, яка відображає множинність значень випадкових змінних (чинник
Дуже часто інформація закладена в досвіді людини (експерта), хоч майже неможливо точно передбачити конкретне значення певного чинника. Завжди існує можливість встановлення певних (відносно широких) меж його імовірнісних значень та відповідний наближений розподіл ймовірностей.
Підготовка даних та оцінка розподілу ймовірності для відібраних чинників ризику включає як встановлення множини їхніх можливих значень, так і ймовірностей (вагових коефіцієнтів). На практиці визначення цих величин являє собою ітераційний процес. Інтервали значень відповідних чинників уточнюються, беручи до уваги конкретний профіль розподілу ймовірності, і навпаки.
Вирізняють два основні класи законів розподілу ймовірності: неперервні і дискретні. Серед випадкових величин виокремлюють такі, що мають симетричні і асиметричні закони розподілу. Симетричні закони краще характеризують ті випадкові змінні, які визначаються впливом на них, незначних щодо своїх можливостей та важливості, різноспрямованих сил та тенденцій, наприклад, ціна на товар (реальна), що визначається в умовах конкурентного ринку. Дискретні закони розподілу випадкових величин корисні у тому випадку, коли проводяться експертні оцінки. Вони краще підходять до ситуацій, коли в системі, яка визначає величину випадкової змінної, наявні односторонні обмеження.
П’ятий крок
призначений длявиявлення взаємозалежності, яка на практиці може існувати між ключовими аргументами (чинниками)
Вважається, що дві і більше випадкові змінні корельовані у тому разі, якщо вони змінюються систематично. У наборі ризикових чинників такі залежності (взаємозумовленість) зустрічаються досить часто. Наприклад, рівень собівартості значною мірою зумовлює величину ціни реалізації, Рівень ціни на певний товарняк правило, має обернене співвідношення щодо обсягу його продажу.
Ігнорування кореляції може призвести до неправильних результатів в аналізі ризику, тому важливо переконатися в наявності чи відсутності таких взаємозв'язків і, де це необхідно, ввести при моделюванні обмеження, які знизили б до раціонального рівня ймовірність вироблення сценарій, що порушують вплив кореляції (взаємозалежності). Фактично наявність кореляційного зав'язку обмежує випадковий вибір значень корельованих випадкових змінних (чинників ризику). Він (цей вибір) стає обумовленим як рамками відповідних характеристик, так і напрямом (прямо чи обернено пропорційним) зв'язку; Доцільно також використовувати лінійні моделі множинної регресії, які встановлюють взаємозв'язки між низкою чинників ризику (випадкових величин).
Слід мати на увазі, що соціально-економічні процеси, які обтяжені ризиком, не завжди можна описати за допомогою лише одного рівняння регресії. Для більш адекватного відображення багатосторонніх реальних взаємозв'язків між явищами, що їх відображають обрані чинники ризику, необхідно використовувати систему співвідношень. Для цього застосовуються економетричні моделі та методи.
Шостий крок
полягає у здійсненні власне генерації випадкових сценаріїв, які ґрунтуються на системі прийнятих гіпотез щодо чинників ризику згідно з обраною моделлю на кроці 1.
Після того, як всі гіпотези були ретельно досліджені і побудовані відповідні залежності, залишається лише послідовно здійснювати обчислення згідно з обраною на кроці 1 моделлю до тих пір, доки не буде одержана репрезентативна вибірка з нескінченної множини можливих значень ключових аргументів, враховуючи накладені на них обмеження. Для цього, як свідчить досвід, достатньо, щоб вибірка була одержана в результаті здійснення 200-500 обчислень («прогонів»). Серія «прогонів» здійснюється згідно з методом Монте-Карло. Після кожного «прогону» генеруються, взагалі кажучи, різні результати, бо значення ризикових чинників обираються випадково з урахуванням законів розподілу у визначеному інтервалі значень ключових аргументів, урахуванням кореляційних зв'язків. Метод Монте-Карло можна розглядати як імітацію майбутнього в лабораторних умовах. Кожний одержаний результат (ефективність) відображає можливе значення результату «прогону». Результати кожного «прогону» зберігаються для подальшої статистичної обробки одержаної вибірки та її аналізу.
Сьомий крок.
Після серії «прогонів» можна одержати відносні частоти для підсумкового показника (ефективності, чистої теперішньої вартості проекту, норми доходу тощо). Результати Можуть бути подані у вигляді дискретного чи неперервного закону розподілу результуючого показника як випадкової величини. Після цього перевірка гіпотез щодо виду закону розподілу, обчислюються числові характеристики результуючого показника (сподівана величина показника, варіація (дисперсія), семиваріація, асиметрія, ексцес тощо) (див. [1]).
Одержані результати вимагають їхньої інтерпретації. Коли обчислено сподіване значення результуючого показника (наприклад, чиста приведена вартість чи норма доходу) об'єкта (проекту), то рішення щодо прийняття чи відхилення даного проекту залежить від того, який знак має ця величина. Якщо він додатний, то це є необхідною, але не достатньою умовою, щоб даний проект вважати прийнятним. Якщо знак відповідного показника (прибуток чи ЧПВ) від'ємний, то такий проект слід відхилити.
Аналогічно при виборі альтернативних об'єктів (проектів) для подальшого аналізу та прийняття рішень залишаються ті з них, для яких, скажімо, сподіваний прибуток є додатною величиною, а серед них найкращим є той, коефіцієнт варіації для якого набуває мінімального значення тощо.
Остаточне рішення є об'єктивно-суб'єктивним, тобто значною мірою залежить від того, як суб'єкт прийняття рішення (суб'єкт ризику) ставиться до ризику. Загальним правилом під час прийняття рішень може слугувати таке: слід вибирати об'єкт (проект) з таким розподілом ймовірності норми прибутку, який найкраще відповідає ставленню до ризику суб'єкта (інвестора).
Якщо інвестор є «ризикованим гравцем», то він гроші швидше всього вкладе у проект з відносно великою віддачею, не звертаючи особливої уваги на ризик, яким цей проект обтяжений. Якщо ж особа, що приймає рішення, більш обережна (не схильна до ризику), то вона інвестує в проект із скромнішою, але більш гарантованою віддачею.
5. Наслідки кількісного аналізу ризику
Узагальнюючи викладений матеріал, а також результати, що містяться в багатьох літературних джерелах, можна зазначити такі переваги, що їх дає кількісний аналіз ризику.
1. Розширює бази даних щодо обґрунтованого прийняття рішень стосовно граничних об'єктів (проектів). Так, зокрема, проект, ефективність (ЧПВ, норма прибутку) якого виражена єдиним числом і є відносно невеликою, може, між іншим, бути прийнятим після того, як визначено, що його сукупні шанси щодо одержання позитивних результатів вищі, ніж ймовірність неприйнятних збитків. Подібним чином від гранично позитивного проекту (з високим прибутком) можуть відмовитися на підставі того, що він надто ризикований. При порівнянні двох альтернативних проектів перевагу може отримати проект з меншим значенням ЧПВ завдяки кращому співвідношенню ризиків сподіваних значень ЧПВ.
2. Підштовхує до того, щоб здійснювався попередній відбір, наприклад, нових проектів і визначалися інвестиційні можливості.
Попередньо застосувавши прості (легко здійсненні, при малих затратах часу та засобів) методи аналізу ризику, можна отримати необхідну інформацію щодо ймовірних значень ключових аргументів (чинників ризику), зрозуміти, з якими чинниками пов'язані найбільші коливання вихідного параметра (збитків). При цьому заощаджуються людські та фінансові ресурси.
3. Дозволяє, зокрема, в об'єкті (проекті), що аналізується, виділити області, які вимагають і спрямовують процес подальшого аналізу і збирання (купівлі) додаткової інформації. Якщо затрати, пов'язані з додатковою інформацією, більші, ніж вигоди, які можна одержати від її використання, то збір додаткової інформації не оправдовує себе.
4. Заохочує подальший аналіз щодо ретельного перегляду відповідних показників, виражених єдиним числом, в ході детерміністичної оцінки об'єкта (проекту), що аналізується. Певні труднощі у визначенні чинників ризику, діапазону можливих коливань значень і законів, розподіл ймовірності відповідних чинників і результуючих показників в аналізі проекту нерідко призводять до того, що прогнозовані значення належним чином не досліджуються. В той же час потреба в тому, щоб визначити і додержуватись зрозумілих гіпотез у ході аналізу ризику, вимагає від аналітика критично переглядати і змінювати базовий сценарій, вводити додаткові гіпотези.
5. Полегшує іробить ефективнішим використання експертів (експертної інформації), які прагнуть виражати свої судження у вигляді розподілу ймовірності різних значень оцінок, а не у вигляді зведення їх до єдиного числового значення показника.
6. Сприяє тому, щоб в економічному аналізі використовувався інтервальний прогноз відповідних значень показників (чинників) на відміну від точкових прогнозів, які в багатьох випадках практично не підтверджується реальними результатами, імовірнісний (розпливчастий) підхід є методикою, яка полегшує перевірку емпіричних і експертних даних.
Перелік використаних джерел
1. В.В. Витлинский, П.И. Верчено «Анализ, моделирование и управление экономическими рисками», Киев 2006 г.
2. А.С. Шапкин «Экономические и финансовые риски», Москва 2005 г.
3. О.А. Кандинская «Управление финансовыми рисками», Москва 2005 г.
4. Л.Н. Тэлман «Риски в экономике», Москва 2006 г.