Реферат: Сутність керування ризиками

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 ризиківнебажаних подій, що погіршують реалізацію проекту. У результаті проект реалізується нетак, як було заплановано й не з тим результатом, на який розраховувалиініціатори проекту.

Природно, що всі події проекту спланувати неможливо, однак,більша частина дій по реалізації проекту повинна бути спланована й систематичноорганізована. Реалізація проекту характеризується тим, що відхилення й змінибазового Алана проекту — очікуване явище з яким можна й потрібно впоратися.

Керування проектом полягає в об'єднанні й координації зусильфахівців різних професій, використанні ресурсів, реагуванні на відхилення вреалізації проекту й зміни зовнішньої обстановки. У складних проектах, у якихвпливу впливають на реалізацію проектів, виникає необхідність в організаціїсистемної процедури протидії небажаним подіям. У керуванні проектами цяпроцедура зветься керування ризиками. Здійснення проекту відбувається воточенні деякого динамічного середовища, що робить на нього певний вплив, томуризику 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 зінвестиційного аналізу. Перш, ніж будь-який проект одержить фінансування, вінпіддається процедурі оцінки ризиків і своєрідному «зважуванню»ризиків проекту, що дозволяє порівнювати між собою різні по змісту проекти.

У проектному аналізі ризик проекту характеризується трьомафакторами:

подіями, що роблять негативний вплив на проект, імовірністюпояви цих подій й оцінкою можливого збитку, у результаті настання цих подій.При оцінці інвестиційної привабливості

проекту, задаючись певною моделлю ризикових подій, а значитьй імовірністю настання, і розміром можливого збитку, можна, використовуючирізні методики, зрівняти між собою різні проекти.

Керування ризиками в реальному проекті відрізняється відметодів, застосовуваних у проектному аналізі, у першу чергу тим, що менеджеровів процесі реалізації проекту необхідно приймати рішення, спрямовані на усуненняабо зменшення результатів шкідливих впливів ризиків. У реальному процесікерування для більшості проектів не настільки вуж важливі чисельні значенняймовірності 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 важливішевиробити системну процедуру, що дозволяє керівникові проекту реально впливатина успіх проекту,

Керування ризиками полягає у визначенні переліку можливихризиків, оцінки погрози» від ризику, розробці мер, знижую збиток від ризиковоїподії. На, етапі розробки плану проекту процедура керування ризиками міститьтри 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 економічнійризикології. Він потребує ґрунтовних знань як з теорії економіки, бізнесу,фінансів, так і з низки спеціальних предметів, необхідних для підготовкиконкурентноздатного на ринку праці фахівця певного напряму. Необхідна такожнаявність певного практичного досвіду в обраній сфері економічної діяльності.Однак у більшості випадків одного лише якісного аналізу недостатньо дляідентифікації та виокремлення суттєвих чинників ризику й нехтування несуттєвими(надуманими). З цією метою необхідно здійснювати кількісний аналіз ризику. А цепотребує здобуття відповідної інформації (даних). За кордоном існують компаніїта агентства, які спеціалізуються на її збиранні й опрацюванні. Однією збагатьох таких компаній є Dun & Bradstreet, що збирає дані про платіжні звичкифірм (чи допускають вони собі можливість прострочення платежів), про їхнюкредитну історію (чи їм відносно не важко було отримання банківських позик)тощо. Ця фірма володіє базою даних щодо 41 млн. підприємств, фірм, банків таінших організацій у 200 країнах.

В Україні, нажаль, ринок інформаційних послуг поки що розвинутий мало. Часто буває доситьважко отримати не лише фактичні дані, які необхідно відповідним чиномобробляти, а навіть і нормативно-регулюючу інформацію.

3. Аналіз ризику методами імітаційного моделювання

Методи імітаційного моделювання набули широкого застосуванняв економіці.

Узагальнюючи матеріали, наведені в низці літературних джерел,процес кількісного аналізу ризику за допомогою методів імітаційного моделюванняможна розподілити на сім кроків. їхня сутність і послідовність подані нижче.

Як і в методі чутливості аналізу ризику, в цьому випадкутакож здійснюється оцінка коливань вихідної величини при випадкових змінахвхідних величин, але більш детально, з урахуванням ступеня взаємозалежності випадковихзмін вхідних величин.

• КРОК 1. Формування моделі, здатної прогнозувати значення відповіднихпоказників 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 значеньключових аргументів (чинників ризику)

• КРОК 5. Виявлення відношень взаємозалежності (кореляції) міжключовими аргументами (чинниками ризику)

• КРОК 6. Генерація випадкових сценаріїв, щоґрунтуються на системі прийнятих гіпотез щодо можливих значень ключовихчинників

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 входятьв нашу модель, не бере до уваги те, наскільки реалістичними (ймовірними) є тічи інші випадкові коливання (значення) чинника ризику (аргумент). Для того щобдані, одержані в процесі аналізу вразливості, мали сенс, у тест аналізу маєбути вмонтована концепція впливу невизначеності, пов'язаний з чинниками, щоаналізуються, а також можливість використання цього аналізу для вибору чинниківпідвищеного ризику Наприклад, може бути визначено, що відхилення у ціні купівліпевного виду устаткування на початку здійснення інвестиційного проекту маєзначний вплив на чистий інтегрований дисконтований дохід від проекту (велике заабсолютною величиною значення коефіцієнта еластичності). Однак імовірністьбудь-якого, навіть досить незначного, відхилення цього чинника може бути дужемалою, 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 зподальшого аналізу.

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

Третій крок полягає у тому, щоб визначити можливі інтерваливідхилень прогнозованих значень параметрів (чинників ризику) від очікуваних(найбільш імовірних). На цьому етапі доречно використовувати математичні(статистичні) оцінки якості прогнозів. Для тих, хто вперше використовує аналізризику, визначення меж (множини) можливих (імовірних) значень виявленихчинників ризику може здаватися громіздким і складним завданням. Але воно є небільш складним, ніж визначення детермінованої (сподіваної, найбільш імовірної)оцінки відповідної випадкової змінної. Під час застосування детерміністичногоекономічного аналізу та обчислення ефективності (чистої приведеної вартостітощо) доводиться враховувати ймовірні значення, які можуть приймати випадковізмінні (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 подальшихобчислень 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 часткапідготовчої. роботи щодо оцінки меж можливих значень та розподілу ймовірностейбула вже виконана. На практиці проблема, з якою нерідко стикаються у зв'язку звизначенням множини значень і розподілів ймовірностей відповідних величин дляаналізу ризиків після завершення розгляду базового сценарію, полягає в тому, щолише в ході цього процесу приходить розуміння того, що недостатньо уваги булоприділено оцінці цього єдиного значення чинника при здійсненнідетерміністичного аналізу.

Четвертий крок полягає у визначенні розподілуймовірності випадкових (імовірних) значень аргументів (чинників ризику). Вінздійснюється паралельно з кроком 3. Під час аналізу ризиків використовуєтьсяінформація, яка відображає множинність значень випадкових змінних (чинників),що входять у математичну модель і відображають значення відповідних величин умайбутньому (стан економічного середовища) і їхній розподіл. Тобто використанняпід час аналізу ризику випадкових значень чинників замість детермінованих,власне, і дає можливість врахувати ризик, яким обтяжене відповідне рішення(інвестиційний проект) при моделюванні і оцінюванні показників йогоефективності.

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 йогоімовірнісних значень та відповідний наближений розподіл ймовірностей.

Підготовка даних та оцінка розподілу ймовірності длявідібраних чинників ризику включає як встановлення множини їхніх можливихзначень, так і ймовірностей (вагових коефіцієнтів). На практиці визначення цихвеличин являє собою ітераційний процес. Інтервали значень відповідних чинниківуточнюються, беручи до уваги конкретний профіль розподілу ймовірності, інавпаки.

Вирізняють дваосновні класи законів розподілу ймовірності: неперервні і дискретні. Середвипадкових величин виокремлюють такі, що мають симетричні і асиметричні законирозподілу. Симетричні закони краще характеризують ті випадкові змінні, яківизначаються впливом на них, незначних щодо своїх можливостей та важливості,різноспрямованих сил та тенденцій, наприклад, ціна на товар (реальна), щовизначається в умовах конкурентного ринку. Дискретні закони розподілувипадкових величин корисні у тому випадку, коли проводяться експертні оцінки.Вони краще підходять до ситуацій, коли в системі, яка визначає величинувипадкової змінної, наявні односторонні обмеження.

П’ятий крок призначений длявиявлення взаємозалежності, яка напрактиці може існувати між ключовими аргументами (чинниками)

Вважається, що дві і більше випадкові змінні корельовані утому разі, якщо вони змінюються систематично. У наборі ризикових чинників такізалежності (взаємозумовленість) зустрічаються досить часто. Наприклад, рівеньсобівартості значною мірою зумовлює величину ціни реалізації, Рівень ціни напевний товарняк правило, має обернене співвідношення щодо обсягу його продажу.

Ігнорування кореляції може призвести до неправильнихрезультатів в аналізі ризику, тому важливо переконатися в наявності чивідсутності таких взаємозв'язків і, де це необхідно, ввести при моделюванніобмеження, які знизили б до раціонального рівня ймовірність виробленнясценарій, що порушують вплив кореляції (взаємозалежності). Фактично наявністькореляційного зав'язку обмежує випадковий вибір значень корельованих випадковихзмінних (чинників ризику). Він (цей вибір) стає обумовленим як рамкамивідповідних характеристик, так і напрямом (прямо чи обернено пропорційним)зв'язку; Доцільно також використовувати лінійні моделі множинної регресії, яківстановлюють взаємозв'язки між низкою чинників ризику (випадкових величин).

Слід мати на увазі, що соціально-економічні процеси, якіобтяжені ризиком, не завжди можна описати за допомогою лише одного рівняннярегресії. Для більш адекватного відображення багатосторонніх реальнихвзаємозв'язків між явищами, що їх відображають обрані чинники ризику, необхідновикористовувати систему співвідношень. Для цього застосовуються економетричнімоделі та методи.

Шостий крок полягає у здійсненні власне генерації випадковихсценаріїв, які ґрунтуються на системі прийнятих гіпотез щодо чинників ризикузгідно з обраною моделлю на кроці 1.

Після того, як всі гіпотези були ретельно досліджені іпобудовані відповідні залежності, залишається лише послідовно здійснюватиобчислення згідно з обраною на кроці 1 моделлю до тих пір, доки не будеодержана репрезентативна вибірка з нескінченної множини можливих значеньключових аргументів, враховуючи накладені на них обмеження. Для цього, яксвідчить досвід, достатньо, щоб вибірка була одержана в результаті здійснення200-500 обчислень («прогонів»). Серія «прогонів» здійснюється згідно з методомМонте-Карло. Після кожного «прогону» генеруються, взагалі кажучи, різнірезультати, бо значення ризикових чинників обираються випадково з урахуваннямзаконів розподілу у визначеному інтервалі значень ключових аргументів,урахуванням кореляційних зв'язків. Метод Монте-Карло можна розглядати якімітацію майбутнього в лабораторних умовах. Кожний одержаний результат(ефективність) відображає можливе значення результату «прогону». Результатикожного «прогону» зберігаються для подальшої статистичної обробки одержаноївибірки та її аналізу.

Сьомий крок. Після серії «прогонів» можна одержативідносні частоти для підсумкового показника (ефективності, чистої теперішньоївартості проекту, норми доходу тощо). Результати Можуть бути подані у виглядідискретного чи неперервного закону розподілу результуючого показника яквипадкової величини. Після цього перевірка гіпотез щодо виду закону розподілу,обчислюються числові характеристики результуючого показника (сподівана величинапоказника, варіація (дисперсія), семиваріація, асиметрія, ексцес тощо) (див.[1]).

Одержані результати вимагають їхньої інтерпретації. Колиобчислено сподіване значення результуючого показника (наприклад, чистаприведена вартість чи норма доходу) об'єкта (проекту), то рішення щодоприйняття чи відхилення даного проекту залежить від того, який знак має цявеличина. Якщо він додатний, то це є необхідною, але не достатньою умовою, щобданий проект вважати прийнятним. Якщо знак відповідного показника (прибуток чиЧПВ) від'ємний, то такий проект слід відхилити.

Аналогічно при виборі альтернативних об'єктів (проектів) дляподальшого 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 значноюмірою залежить від того, як суб'єкт прийняття рішення (суб'єкт ризику)ставиться до ризику. Загальним правилом під час прийняття рішень може слугуватитаке: слід вибирати об'єкт (проект) з таким розподілом ймовірності нормиприбутку, який найкраще відповідає ставленню до ризику суб'єкта (інвестора). Якщоінвестор є «ризикованим гравцем», то він гроші швидше всього вкладе у проект звідносно великою віддачею, не звертаючи особливої уваги на ризик, яким цейпроект обтяжений. Якщо ж особа, що приймає рішення, більш обережна (не схильнадо ризику), то вона інвестує в проект із скромнішою, але більш гарантованоювіддачею.

5. Наслідки кількісного аналізу ризику

Узагальнюючи викладений матеріал, а також результати, щомістяться в багатьох літературних джерелах, можна зазначити такі переваги, щоїх дає кількісний аналіз ризику.

1. Розширює бази даних щодо обґрунтованого прийняття рішеньстосовно 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 шансищодо одержання позитивних результатів вищі, ніж ймовірність неприйнятнихзбитків. Подібним чином від гранично позитивного проекту (з високим прибутком)можуть відмовитися на підставі того, що він надто ризикований. При порівняннідвох альтернативних проектів перевагу може отримати проект з меншим значеннямЧПВ 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 малихзатратах часу та засобів) методи аналізу ризику, можна отримати необхіднуінформацію 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 ізбирання (купівлі) додаткової інформації. Якщо затрати, пов'язані з додатковоюінформацією, більші, ніж вигоди, які можна одержати від її використання, тозбір додаткової інформації не оправдовує себе.

4. Заохочує подальший аналіз щодо ретельного переглядувідповідних показників, виражених єдиним числом, в ході детерміністичної оцінкиоб'єкта (проекту), що аналізується. Певні труднощі у визначенні чинниківризику, діапазону можливих коливань значень і законів, розподіл ймовірностівідповідних чинників і результуючих показників в аналізі проекту нерідкопризводять до того, що прогнозовані значення належним чином не досліджуються. Втой же час потреба в тому, щоб визначити і додержуватись зрозумілих гіпотез уході аналізу ризику, вимагає від аналітика критично переглядати і змінюватибазовий сценарій, вводити додаткові гіпотези.

5. Полегшує іробить ефективнішим використанняекспертів (експертної інформації), які прагнуть виражати свої судження у вигляді розподілу ймовірності різнихзначень оцінок, а не у вигляді зведення їх до єдиного числового значенняпоказника.

6. Сприяє тому, щоб в економічному аналізі використовувавсяінтервальний прогноз відповідних значень показників (чинників) на відміну відточкових прогнозів, які в багатьох випадках практично не підтверджуєтьсяреальними результатами, імовірнісний (розпливчастий) підхід є методикою, якаполегшує 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.