Экономические риски причины их возникновения и способы снижения (стр. 3 из 10)

• биржевые риски представляют собой опасность потерь от биржевых сделок;

• селективные риски возникают из-за неправильного формирования видов вложения капиталов, вида ценных бумаг для инвестирования;

• риск банкротства связан с полной потерей предпринимателем собственного капитала из-за его неправильного вложения.

Естественно, анализ классификационных признаков, видов и подвидов риска можно продолжить, но это приведет к перечислению мнений различных исследователей и специалистов, что не даст ответа на основной вопрос – какой подход, какая классификация является основной, в какой степени она будет способствовать снижению степени риска.

§3. Измерение и оценка риска.

После того, как выяснены основные подходы к определению понятий и классификациям, мы приближаемся к следующей проблеме – потребности измерить или каким-то образом оценить риск. Имея оценку рисков, мы можем сравнивать их между собой, принимать, отвергать и т. д. В общем, оценка и измерения необходимы для принятия решения в рисковой ситуации. Как отмечалось выше, риск включает в себя оцененную любым способом вероятность некоторых исходов. Именно вероятность является количественной составляющей риска. В теории риска можно встретить три общих типа вероятностей:

Априорная или математическая. Это вероятность, полученная на основе научного закона или определенного логического принципа, «абсолютно однородная классификация случаев, во всем идентичных[5]». Сюда входят все события, вероятность наступления исходов которых мы можем сосчитать, например, используя классическое определение вероятности из курса теории вероятности.

Статистическая. Это вероятность, полученная нами благодаря статистическому наблюдению за данным событием в прошлом. Стало быть, для расчета обязательно иметь накапливающуюся определенный период времени информацию и обязательно об идентичном событии. На практике камнем преткновения является то, что зачастую невозможно ограничить наблюдение только за абсолютно идентичными событиями. К примеру, если ведется наблюдение за студентами, забывающими студенческий билет, из 100 студентов забывают 15 человек. В среднем вероятность того, что один студент забудет билет =

. Но понятно, что это вероятность будет разной у того, кто забывает билет хронически, и у того, кто почти не забывает. Поэтому, несмотря на то, что подобную вероятность реальнее рассчитать, она менее точна, чем априорная.

Ожидаемая. Для определения этого рода вероятности не требуется никаких рациональных алгоритмов. Находится такая вероятность путем субъективной оценки, решения. Не будем вдаваться в причины, просто имеет смысл отметить, что это явление происходит в результате взаимодействия человеческого сознания и реальности. Именно такой случай имеет самое широкое распространение на практике. Вместе с тем он сложнее всего поддается объяснению. И в самом деле, трудно найти менеджера, который смог бы рассказать, в чем причина его успеха. Зачастую он и сам не знает. И даже если знает, не сможет научить другого, не сможет выразить словами то, что понимает. Таким образом, это самая «гадательная» из всех вероятностей. Тем не менее, она зачастую действительно помогает повысить надежность принимаемых решений.

Теория измерения риска бывает порой весьма далека от практики. В реальной среде, например, в бизнесе или менеджменте, очень редко можно применить априорную вероятность полностью. Ведь обязательным критерием ее применения является однородность групп вероятностных исходов, а это, в свою очередь, понятие идеальное и недостижимое. Поэтому результаты измерения вероятности по априорному методу будут весьма далёкими от реальности. Часто неприменима и статистическая вероятность - из-за уникальности событий происходящих. В таких условиях место остается лишь ожидаемой вероятности.

Когда известны вероятности событий, составляющих полную группу возможных в рисковой ситуации, их можно подвергнуть анализу. Вот некоторые показатели этого анализа:

Среднее значение. С точки зрения математики среднее значение – средневзвешенная оценка из всех возможных результатов с учетом соответствующих вероятностей. Оно рассчитывается по формуле математического ожидания (Приложение Б). Притом, если группа событий полная, то сумма всех вероятностей будет равна единице.

Экономический смысл этого показателя, увы, ограничивается рамками теории: он показывает, какое значение примет результат при бесконечно большом количестве повторений события. На практике же данное событие (рисковая ситуация) происходит один раз – и в этот момент требуется принять решение.

Однако одного среднего значения недостаточно для анализа. Ведь, как уже замечалось выше, единичные события (то есть те, которые реально имеют вероятность настать) могут иметь разное отклонение от среднего значения. Для расчета этого отклонения существует два показателя: дисперсия и среднеквадратичное отклонение.

Дисперсия – средневзвешенная величина квадратов отклонений действительных результатов от средних значений (Приложение В).

Для большей наглядности используют корень из дисперсии, называемый средним квадратичным отклонением.

Пример применения данных показателей покажем на ситуации (все расчеты приведены в Приложении Г):

1. Фирма инвестирует 50 млн. руб. и, по мнения экспертов, через год с вероятностью 2/6 получит текущую дисконтированную стоимость (PDV), равную 250 млн. руб., с вероятностью 1/6 PDVсоставит 100 млн. руб. и с вероятностью 3/6 PDV=0.

2. При той же сумме инвестиций фирма с вероятностью 1/6 получит 600 млн. руб. и ничего не получит в остальных случаях (вероятность = 5/6).

Для первого проекта среднее значение составит 100 млн. руб., так же, как и для второго. Это означает, что оба проекта принесут фирме среднюю ожидаемую выручку, равную удвоенной величине инвестиций.

Но полученные величины – лишь гипотетические. Каково же будет отклонение реального дохода от средней величины? Чтобы найти, рассчитаем дисперсию.

Получается, что во втором проекте дисперсия в 4 раза выше. Это означает, что во втором проекте риск больше. Для того, чтобы узнать насколько, рассчитаем среднеквадратичное отклонение. Для первого случая оно составит 111, 9 млн. руб., а для второго 223,6 млн. руб. Эти величины показывают, на сколько фактический доход будет отличаться от ожидаемого. В последнем случае отличие примерно в 2 раза больше, чем в первом, что так же говорит о более высоком уровне риска.

Однако описанная выше ситуация – идеальна. На практике крайней редко случаются такие ситуации, когда можно точно найти вероятность событий и тем более все возможные события. Кроме того вышеописанные методы, исходя из теории вероятности, применимы лишь к идеальной ситуации, когда количество повторений рисковых событий стремится к бесконечности. Во всех остальных случаях, особенно когда требуется один раз принять решение для всей ситуации, равенство не соблюдается.

Поэтому возникает вопрос, в таком случае, зачем нужны, с одной стороны, идеальные математические выкладки и, с другой, чересчур «гадательные» субъективные оценок идвидуумов? В чем заключается их применение на практике? И чему придавать предпочтение? На эти вопросы нет единого мнения в настоящее время. Несмотря на то, что математические вычисления далеки от реальности, а ожидаемая (субъективная) вероятность зачастую выявляется с помощью догадок и шатких предположений, тем не менее, и те, и другие имеют практическое применение. Математические расчеты зачастую служат своеобразным ориентиром. А процесс формирования наших оценок порой весьма сложен с психофизиологической точки зрения и может рождаться благодаря бесчисленному множеству аналитических процессов, проходящих в подсознании. В любом случае, использование всех типов вероятностей, правильное сочетание и анализ помогает взвесить все альтернативы в рисковых ситуациях с наиболее возможной точностью.

§4. Теория ожидаемой полезности. Функции полезности и вероятности.

Однако знание или тем более незнание вероятностей в рисковых ситуациях всё еще не решает проблему выбора в условиях неопределенности.

С этим кругом вопросов призвана справляться теория ожидаемой полезности. Модели ожидаемой полезности изучают выбор между рисковыми перспективами (т.е. произведениями векторов исходов

и вероятностей наступления каждого из них .) как с одним, так и с несколькими возможными исходами. Пусть анализируется n таких исходов. Если обозначить векторы исходов через , а вероятности, связанные с каждым из них, через , то ожидаемая полезность в общем виде может быть определена как модель, предсказывающая или предписывающая максимизацию индивидом .Основными особенностями модели в этой общей форме являются: 1) независимость альтернативных исходов (т.е. каждый имеет свой собственный уровень полезности); 2) независимы и преобразования вероятностей и исходов; и 3) мультипликативное сочетание вероятностей и исходов по типу вычисления ожидаемых величин после некоторых преобразований, заданных функциями Fи U.

В рамках этой общей модели ожидаемой полезности существует множество разновидностей, которые различаются между собой 1) по способу измерения полезности, 2) по допустимым типам преобразования вероятностей F(

), и 3) по способу измерения исходов .