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.