Организация системы риск-менеджмента на предприятии (стр. 5 из 14)

± Ет >= 0; Ś = (1, 1, 1) (8)

± Ен >= 0;

Нормальная устойчивость финансового состояния задается условиями:

± Ес ≈ 0;

± Ет ≈ 0; Ś = (1, 1, 1) (9)

± Ен ≈ 0;

Неустойчивое финансовое состояние предприятия задается условиями:

± Ес < 0;

± Ет >= 0; Ś = (0, 1, 1) (10)

± Ен >= 0;

Критическое финансовое состояние задается условиями:

± Ес < 0;

± Ет < 0; Ś = (0, 0, 1) (11)

± Ен >= 0;

Кризисное финансовое состояние задается условиями:

± Ес < 0;

± Ет < 0; Ś = (0, 0, 0) (12)

± Ен < 0;

На рисунке 1.5. поясняется экономический смысл классификации финансовых ситуаций в зависимости от основных областей риска. При этом ± Ес ≈ ± Еа.

Из таблицы видно, что анализ абсолютных показателей устойчивости, который включает в себя исследование состояния запасов и затрат, равен возможным потерям в области риска.

Для принятия правильных решений нужны реальные количественные характеристики надежности и риска, а не их имитация. Они обязательно должны иметь понятное содержание. Такими характеристиками могут быть только вероятности.

При принятии решений могут быть использованы как объективная, так и субъективная вероятности. Первую можно рассчитать на основе показателей бухгалтерской и статистической отчетности.

0,75

Кривая

финансового

состояния Кривая

0,5 риска

0,25

II.

III.

IV.

Еа Ес Ет Ен 0 Г1 В1 Б1 А1

______________________________________________________________Области финансового состояния Возможные потери в областях риска

Рис. 2. Построение кривой риска и финансового состояния фирмы в зависимости от возможных потерь и степени устойчивости финансов.

Лемма Маркова гласит [14]: если случайная величина Х не принимает отрицательных значений, то для любого положительного числа α справедливо следующее неравенство:

Р (Х > α) ≤ М (х) / α, (13)

где М (х) – математическое ожидание, то есть среднее значение случайной величины;

Х – любая случайная величина.

Неравенство Чебышева имеет вид:

Р(|х - х| > ε) ≤ σ²/ε². (14)

Оно позволяет находить верхнюю границу вероятности того, что случайная величина Х отклонится в обе стороны от своего среднего значения на величину больше ε.

Эта вероятность равна или меньше (как максимум равна, не больше), чем σ²/ε², где σ² - дисперсия, исчисляемая по формуле:

σ² = Σ (х – х)² / n. (15)

Если нас интересует вероятность отклонения только в одну сторону, например, в большую, то вышеприведенное неравенство Чебышева надо было бы записать так:

Р ((х – х) > ε) ≤ σ² / (ε²*2). (16)

Неравенство Чебышева дает значение вероятности отличное от значения, полученного решая лемму Маркова. Это объясняется тем, что неравенство Чебышева кроме среднего уровня показателей учитывает и еще его колеблемость.

Лемма Маркова и неравенство Чебышева пригодны для употребления при любом количестве наблюдений и любом законе распределения вероятностей. Это является их большим достоинством. Платой за отсутствие жестких ограничений является некоторая неопределенность оценок уровня вероятности, причем при использовании леммы Маркова она значительно больше, чем при применении неравенства Чебышева.

Перечисленные методы количественного анализа решений не соответствуют требованиям обеспечения необходимой в точности и надежности оценок эффективности и степени риска стратегий для производственных систем.

Наиболее точная оценка эффективности и риска может быть получена при известном распределении вероятности случайных параметров внешней среды и производственной системы. Распределение можно получить на основании статистических данных о функционировании производственной системы и состоянии внешней среды в предыдущие временные периоды. Если предприятие не располагает такой статистикой или она недостаточна для надежной оценки параметров распределения исследуемых показателей, то целесообразно использовать метод Монте-Карло [3].

Схема использования метода Монте-Карло в количественном анализе эффективности и рисков включает в себя построение математической модели выходного показателя функционирования системы как функции входных переменных и параметров системы. Основная логика процедуры построения модели заключается в определении включаемых в модель входных и выходных переменных, установлении границ диапазона изменения риск – переменных (факторов риска), в выборе вида закона распределения, которому подчиняются случайные входные переменные, и оценке его числовых характеристик, определении взаимосвязи (функциональной и вероятностной зависимости между переменными).

Математическая модель системы имеет вид:

y = f(x, a), (17)

где y- выходной показатель функционирования системы;

f – функция, устанавливающая связь между выходным показателем и входными переменными через параметры системы;

x = (x₁,…,x_n) – n-мерный вектор риск – переменных (случайных величин);

a = (a₁,…,a_m) – m-мерный вектор параметров системы (детерминированных величин).

Далее математическая модель пересчитывается при каждом новом имитационном эксперименте, в рамках которого значения случайных переменных выбираются на основе генерации псевдослучайных чисел, подчиненных заданным законам распределения вероятностей. Результаты всех имитационных экспериментов объединяются в выборку и анализируются с помощью статистических методов с целью получения распределения вероятностей выходного показателя и расчета основных показателей (измерителей) риска стратегии. Реализуемый при применении метода Монте-Карло комплексный подход к оценке риска заключается в том, что для аналитика представляется возможным анализировать различные измерители риска: распределение вероятностей, оценки математического ожидания, среднеквадратического отклонения и коэффициента вариации, вероятности попадания значения выходного показателя в заданный интервал.

Многообразие показателей, посредством которых осуществляется количественная оценка, порождает и многообразие шкал риска являющихся своего рода рекомендациями приемлемости того или иного уровня риска [37]. На основании обобщения результатов исследований многих авторов по проблеме количественной оценки риска ниже приведена эмпирическая шкала риска, которую рекомендуют применять предпринимателям при использовании ими в качестве количественной оценки риска вероятности наступления рискового события.

Таблица 1.2. Шкалы риска

№	Величина риска	Наименование градаций риска
1	0,0-0,1	минимальный
2	0,1-0,3	малый
3	0,3-0,4	средний
4	0,4-0,6	высокий
5	0,6-0,8	максимальный
6	0,8-1,0	критический

Первые три градации вероятности нежелательного исхода соответствуют "нормальному", "разумному" риску, при котором рекомендуется принимать обычные предпринимательские решения. Принятие решений с большим риском возможно, если наступление нежелательного исхода не приведет к банкротству.

Для оценки колеблемости (изменчивости) риска используется коэффициент вариации (V = σ / X) и приводятся следующие шкалы: до 0,1 - слабая; от 0,1-0,25 - умеренная; свыше 0,25 - высокая.

При оценке приемлемости коэффициента, определяющего риска банкротства существует несколько не противоречащих друг другу точек зрения. Одни авторы считают, что оптимальным является коэффициент риска, составляющий 0,3, а коэффициент риска, ведущий к банкротству - 0,7 и выше. В других источниках приводится шкала риска со следующими градациями указанного выше коэффициента: до 0,25 - приемлемый; 0,25-0,50 - допустимый; 0,50-0,75 - критический; свыше 0,75 - катастрофический риск.

Существуют описательные характеристики шкал риска по величине ожидаемых потерь, которые используются для оценки приемлемости содержащего риск решения. В этих градациях риска в зависимости от уровня возможных потерь осуществляются путем выделения следующих весьма условных зон.

1. Область минимального риска характеризуется уровнем потерь, не превышающим размеры чистой прибыли.

2. Область повышенного риска характеризуется уровнем потерь, не превышающим размеры расчетной прибыли.

3. Область критического риска характеризуется тем, что в границах этой зоны возможны потери, величина которых превышает размеры расчетной прибыли, но не превышает размер ожидаемых доходов.

4. Область недопустимого риска характеризуется тем, что в границах этой зоны ожидаемые потери способны превзойти размер ожидаемых доходов от операции и достичь величины, равной всему имущественному состоянию предпринимателя.

Эксперту необходимо выбрать ряд отдельных финансовых показателей, о которых можно сказать, что они наилучшим образом характеризуют отдельные стороны деятельности предприятия и при этом образуют некую законченную совокупность, дающую исчерпывающее представление о предприятии как о целом. Выбор системы показателей для анализа – искусство, стяжаемое долгим опытом анализа. Исследование самого процесса выбора системы показателей для оценки риска банкротства осуществляется в [10]. Не существует двух предприятий, для которых одинаково хорошо подходили бы одни и те же показатели. Или точнее: значимость тех или иных показателей для оценки тех или иных предприятий различна, и поэтому перед экспертом встает трудная задача отбора и ранжирования факторов анализа. Показатели, классифицированные по группам (финансовая устойчивость, ликвидность, рентабельность и т.д.), могут образовывать иерархию, но в простейшем случае они просто составляют неупорядоченный набор.