Качественные методы анализа рисков
После того как выявлены все возможные риски по определенному проекту, необходимо определить целесообразность вложений, развития и работы над данным проектом. Для этого проводится анализ рисков инвестиционного проекта.
Все возможные и предлагаемые в теории методы анализа рисков можно условно подразделить на качественные и количественные подходы. Качественный подход, помимо идентификации рисков, подразумевает определение источников и причин их возникновения, а также стоимостную оценку последствий. Основными особенностями качественного подхода является: выделение простых рисков по проекту, определение зависимых и независимых рисков как друг от друга, так и от внешних факторов, и определение являются ли риски устранимыми или нет.
С помощью качественного анализа определяются все факторы риска, влекущие за собой в той или иной мере потери или убытки предприятия, а также вероятность и время их наступления. Для худшего сценария развития проекта исчисляется максимальная величина убытков компании.
В качественном подходе выделяют следующие методы анализа рисков: метод экспертных оценок; метод целесообразности затрат; метод аналогий.
Метод экспертных оценок.
Метод экспертных оценок включает в себя три основных составляющих. Во-первых, интуитивно-логический анализ задачи, строится только на интуитивных предположениях определенных экспертов, гарантом правильности и объективности выводов может служить только их знания и опыт. Во-вторых, выдача решений оценки экспертов, этот этап является завершающей частью работы эксперта. Экспертами формируется решение о целесообразности работы с исследуемым ими проектом, и предлагается оценка ожидаемых результатов, по разным сценариям развития проекта. Третий этап, заключительный для метода экспертных оценок, это обработка всех результатов решения. С целью получения итоговой оценки, все полученные оценки от экспертов должны быть обработаны, и выявлена общая относительно объективная оценка и решение относительно определенного проекта.
Экспертам предлагается заполнить опросный лист с подробным перечнем рисков относящихся к анализируемому проекту, в котором им необходимо определить вероятность наступление выделенных ими рисков по определенной шкале. К числу наиболее распространенных методов экспертных оценок риска относят метод Дельфи, метод балльных оценок, ранжирование, попарное сравнение, и другие.
Метод Дельфи - один из методов экспертных оценок, обеспечивающий быстрый поиск решений, в числе которых в последствие выбирается наилучшее решение. Применение этого метода позволяет избежать противоречий среди экспертов, и получить независимые индивидуальные решения, исключая общение между экспертами во время проведения опроса. Экспертам выдается опросный лист, на вопросы которого, им необходимо дать независимые, максимально объективные оценки, и обоснованные оценки. На основании заполненных анкет, анализируется решение каждого эксперта, выявляется преобладающее мнение, крайние суждения, максимально четко, доступно и аргументировано обоснованные решения, и т.д. В последствие эксперты могут менять свое мнение. Вся операция проводится обычно в 2-3 тура, до того момента пока не начнут совпадать мнения экспертов, которые и будут являться окончательным результатом исследования.
Метод балльной оценки риска производится на основе обобщающего показателя, определяемого по ряду частных экспертно оцениваемых показателей степени риска. Он состоит из следующих этапов:
Метод ранжирования подразумевает расположение объектов в порядке возрастания или убывания какого-либо присущего им свойства. Ранжирование позволяет выбрать из исследуемой совокупности факторов наиболее существенный. Результатом проведения ранжирования является ранжировка.
Если имеется n объектов, то в результате их ранжирования j-ым экспертом каждый объект получает оценку x ij - ранг, приписываемый i-му объекту j-ым экспертом. Значения x ij находятся в интервале от 1 до n. Ранг самого важного фактора равен единице, наименее значимого - числу n. Ранжировкой j-го эксперта называется последовательность рангов x 1j , x 2j , …, x nj .
Данный метод просто в его реализации, однако при оценке большого количества параметров, эксперты сталкиваются с трудностью построения ранжированного ряда, по причине того что необходимо единовременно учитывать множество сложных корреляций.
Метод попарного сравнения - это установление наиболее предпочтительных объектов при сравнении всех возможных пар. В данном случае нет необходимости, как в методе ранжирования, упорядочивать все объекты, необходимо в каждой из пар выявить более значимый объект или установить их равенство.
Опять таки, в сравнении с методом ранжирования, парное сравнение можно проводить и при большим количестве параметров, а также в случаях незначительного различия параметров (когда практически не возможно их ранжировать, и они объединяются в единый).
При использовании метода чаще всего составляется матрица размером nxn , где n - количество сравниваемых объектов. При сравнении объектов матрица заполняется элементами a ij следующим образом (может быть предложена и иная схема заполнения):
Сумма (по строке) в данном случае позволяет оценить относительную значимость объектов. Тот объект, для которого сумма окажется наибольшей, может быть признан наиболее важным (значимым).
Суммирование можно производить и по столбцам (), тогда самым существенным будет фактор, набравший наименьшее количество баллов .
Экспертный анализ заключается в определении степени влияния риска на основе экспертных оценок специалистов. Главным преимуществом данного метода является простота расчетов. Нет необходимости сбора точных исходных данных и использования дорогих и программных средств. Однако уровень рисков зависит от знаний экспертов. А также недостатком является трудность в привлечении независимых экспертов и субъективности их оценок. Для четкости и объективности результатов, данный метод может быть использован в совокупности с иными методами количественными (более объективными).
Метод уместности и целесообразности затрат, метод аналогий.
В основе анализа уместности или целесообразности затрат лежат предположения, что определенные факторы (или один из них) являются причиной перерасхода заложенных средств на проект. К таким факторам относятся:
Для проведения анализа, в первую очередь проводится детализация всех вышеуказанных факторов, затем составляется предположительный список возможных повышений затрат на проект, для каждого варианта его развития. Весь процесс реализации проекта разбивается на этапы, на основании этого, процесс финансирования в развитие и реализацию проекта также разбивается на стадии. Однако стадии финансирования устанавливаются условно, так как могут вноситься некоторые изменения по мере разработки и развития проекта. Поэтапное вложение средств, позволяет инвестору тщательнее отслеживать работу над проектом, а также в случае возрастания рисков, либо прекратить или приостановить финансирование, или же начать предпринимать определенные меры по снижению затрат.
В числе качественных методов анализа рисков, также распространенным является метод аналогий. Основная идея данного метода заключается в анализе других проектов, аналогичных разрабатываемому. На основе таких же рискованных проектов, анализируются возможные риски, причины их возникновения, последствия влияния рисков, а также изучаются последствия воздействия на проект неблагоприятных внешних или внутренних факторов. Затем полученная информация проецируется на новый проект, что позволяет определить все максимально возможные потенциальные риски. Источником информации могут служить регулярно публикуемые западными страховыми компаниями рейтинги надежности проектных, подрядных, инвестиционных и прочих компаний, анализы тенденций изменения спроса на конкретную продукцию, цен на сырье, топливо, землю и т. д. .
Сложностью данного метода анализа является затруднительный подпор максимально точного аналога, по причине того, что не существует формальных критериев, точно устанавливающих степень аналогичности ситуаций. Но, как правило, даже в случае подбора правильно аналога, появляется сложность формулировки корректных предпосылок для анализа, полный и близкий к реальности набор сценариев срыва проекта. Причиной является то, что полностью идентичных проектов крайне мало или не встречается вовсе, любой изучаемый проект имеет свои индивидуальные особенности и риски, которые связаны между собой согласно своеобразности проект, поэтому не всегда можно абсолютно точно определить причину возникновения того или иного риска.
Краткое описание метода умеренности затрат и метода аналогий свидетельствует о том, что они пригодны скорее определения и описания возможных рисковых ситуаций для определенного проекта, чем для получения даже относительно точной оценки рисков инвестиционного проекта.
Количественный метод анализа рисков
Для оценки рисков инвестиционных проектов, наиболее распространены следующие количественные методы анализа, как:
Анализ чувствительности
В методе анализа чувствительности фактор риска принимается как степень чувствительности результирующих показателей анализируемого проекта к изменению внешних или внутренних условий его функционирования. В качестве результирующих показателей проекта обычно выступают показатели эффективности (NPV, IRR, PI, PP) или ежегодные показатели проекта (чистая прибыль, накопленная прибыль). Анализ чувствительности разделяется на несколько последовательных этапов:
Степень подверженности инвестиционного проекта к соответствующему риску и чувствительности проекта к каждому фактору определяется с помощью расчета показателя эластичности, представляющего собой отношение процентного изменения результирующего показателя к изменению значения параметра на один процент.
Где: E - показатель эластичности
NPV 1 - значение базового результирующего показателя
NPV 2 - значение результирующего показателя при изменении параметра
X 1 - базовое значение варьируемого параметра
X 2 - измененное значение варьируемого параметра
Чем выше значения показателя эластичности, тем чувствительнее проект к изменениям данного фактора, и тем сильнее подвержен проект соответствующему риску.
Также, анализ чувствительности может проводиться графически, с помощью построения зависимости результирующего показателя от изменения исследуемого фактора. Чувствительность значения NPV к изменению фактора изменяется уровнем наклона зависимости, чем угол больше, тем значения чувствительнее, а также тем больше риск. В точке пересечения прямой реагировании с осью абсцисс определено значение параметра в процентном выражении, при котором проект станет неэффективным.
После этого, на основании проведенных расчетов, все полученные параметров ранжируются по степени значимости (высокая, средняя, невысокая), и строится «матрица чувствительности», с помощью которой выделяются факторы, являющиеся наиболее и наименее рискованными для инвестиционного проекта.
Независимо от присущих методу достоинств - объективности и наглядности полученных результатов, есть также и значимые недостатки - изменение одного фактора рассматривается изолированно, тогда как на практике все экономические факторы в той или иной степени коррелированны.
Метод сценариев
Метод сценариев представляет описание всех возможных условий реализаций проекта (либо в виде сценариев, либо в виде системы ограничений на значения основных параметров проекта) а также описание возможных результатов и показателей эффективности. Данный метод, как все иные, также состоит из определенных последовательных этапов:
Основываясь на полученных данных, определяется показатель экономической эффективности проекта. Если вероятности наступления того или иного события, отраженного в сценарии, известны точно, то ожидаемый интегральный эффект проекта рассчитывается по формуле математического ожидания:
Где: NPVi - интегральный эффект при реализации i-ого сценария
pi - вероятность этого сценария
При этом риск неэффективности проекта (Рэ) оценивается как суммарная вероятность тех сценариев (к), при которых ожидаемая эффективность проекта (NPV) становится отрицательной:
Средний ущерб от реализации проекта в случае его неэффективности (Уэ) определяется по формуле:
Главным недостатком метода сценарного анализа выделяется фактор учета только нескольких возможных исходов по инвестиционному проекту, однако на практике число возможных исходов не ограничено.
Метод PERT- анализа (Program Evaluation and Review Technique)
Одним из способов сценарного анализа специалисты выделяют Метод PERT- анализа (Program Evaluation and Review Technique). Основная идея данного метода состоит в том, что при разработке проекта задаются три параметра проекта - оптимистическая, пессимистическая, наиболее вероятная. Далее ожидаемые значения вычисляются по следующей формуле:
Ожидаемая величина = [Оптимистическая величина 4хНаиболее вероятная величина + Пессимистическая величина]/6
Коэффициенты 4 и 6 получены эмпирическим путем на основе статистических данных большого количества проектов. На основе результатов расчета проводится остальной анализ проекта. Эффективность проведения PERT-анализа максимальна, только в том случае если можно обосновать значения всех трех оценок.
Дерево решений
Метод дерева решений представляет сетевые графики, в которых каждая ветвь, то различные альтернативные варианты развития проекта. Следуя вдоль каждой построенной ветви проекта, можно проследить все возможные этапы развития проекта, а соответственно и выбрать наиболее оптимальный из них, и с наименьшими рисками. Данный метод анализа подразделяется на следующие этапы:
Единственным ограничением и возможно недостатком метода является обязательное наличие разумного количества вариантов развития проекта. Преимущественным отличием является возможность полного и детального учета всех факторов и рисков, влияющих на проект. Метод особенно используется в ситуациях, когда решения по реализации проекта принимаются постепенно, и зависят от ранее принятых решений, таким образом, каждое решение в свою очередь определяет сценарий дальнейшего развития проекта.
Имитационное моделирование (метод Монте-Карло)
Анализ рисков инвестиционных проектов методом Монте-Карло, сочетает в себе два ранее изученных метода: метод анализа чувствительности и анализ сценариев. В имитационном моделировании, вместо составления наилучших и наихудших сценариев, с помощью компьютера генерируются сотни возможных комбинаций параметров проекта, учитывая их вероятностное распределение. Каждая полученная комбинация выдает свое значение NPV. Подобный расчет возможен только с использованием специальных компьютерных программ. Поэтапная схема имитационного моделирования строится следующим образом:
Рис.1.3
Рис.1.4
В числе недостатков данного метода моделирования рисков определены:
Метод корректировки нормы дисконта
Из-за простоты расчетов Метод корректировки нормы дисконта с учетом риска является наиболее применимым на практике. Данный метод это корректировка заданной базовой нормы дисконта, считающаяся безрисковой и минимально приемлемой (например, предельная стоимость капитала для компании). Корректировка проводится следующим образом: прибавляется величина требуемой премии за риск затем рассчитываются критерии эффективности инвестиционного проекта (NPV, IRR, PI). Решение эффективности проекта принимается согласно правилу выбранного критерия. Чем выше риск, тем больше величина премии.
Поправки на риск задаются отдельно для каждого отдельно проекта, так как они полностью зависят от специфики исследуемого проекта.
Инвестиционные проекты: от моделирования до реализации Волков Алексей Сергеевич
2.5. Моделирование рисков
Определение, расчет и анализ факторов риска – одна из главных частей инвестиционного проектирования. Созданный проект является, в сущности, прогнозом, который показывает, что при определенных значениях исходных данных могут быть получены расчетные показатели эффективности. Однако строить свои планы на таком жестко заданном прогнозе рискованно, поскольку даже незначительное изменение исходных данных может привести к совершенно неожиданным результатам. Успех реализации проекта зависит от множества переменных величин, которые вводятся в описание в качестве исходных данных, но в действительности не являются полностью контролируемыми параметрами. Все эти величины можно рассматривать как случайные факторы, оказывающие влияние на результат проекта, и есть риск изменения этих случайных факторов.
Выделяют следующие основные методы анализа (моделирования) рисков:
Анализ сценариев;
Анализ безубыточности (точек равновесия);
Анализ чувствительности;
Факторный анализ;
Метод Монте-Карло (статистический анализ, имитационное моделирование);
Экспертный анализ;
Дерево решений.
Из книги Психология трейдинга. Инструменты и методы принятия решений автора Стинбарджер БреттМоделирование себя как трейдера Вышесказанное объясняет, почему модели идеального трейдера должны возникать на основе собственного торгового опыта, а не фантазий. Изучая свои прошлые результаты торговли, я нашел, что моими самыми успешными сделками были сделки
Из книги Основы логистики автора Левкин Григорий Григорьевич4.2. Моделирование процессов в логистической системе Моделирование основывается на подобии систем или процессов, которое может быть полным или частичным. Основная цель моделирования – прогноз поведения процесса или системы. Ключевой вопрос моделирования – «Что будет,
Из книги Инвестиционные проекты: от моделирования до реализации автора Волков Алексей Сергеевич2. Моделирование инвестиционных проектов Цифры управляют миром; по крайней мере нет сомнения в том, что цифры показывают, как он управляется. Иоганн Гете Моделирование инвестиционных проектов по сути является работой с механизмом расчетов различных параметров и
Из книги Разумное распределение активов. Как построить портфель с максимальной доходностью и минимальным риском автора Бернстайн УильямМоделирование поведения простых портфелей Пример с подбрасыванием монеты должен убедить вас в ценности диверсификации активов. В реальном мире инвестиций вы сталкиваетесь с выбором активов, который кажется безграничным. Из этих активов можно создать буквально
Из книги Экономический анализ автора Литвинюк Анна Сергеевна7. Детерминированное моделирование факторных систем Одной из задач факторного анализа является моделирование взаимосвязей между результативными показателями и факторами, которые определяют их величину. Сущность моделирования факторных систем заключается в том, что
автора Ольшевская Наталья27. Экономико-математическое моделирование Применение математики в экономике принимает форму экономико-математического моделирования. С помощью экономико-математической модели изображается тот или иной действительный экономический процесс. Такая модель может быть
Из книги Экономический анализ. Шпаргалки автора Ольшевская Наталья68. Моделирование Признанной группой расчетных методов является моделирование. В общем случае модель – это допустимо упрощенный аналог реальной или предполагаемой к созданию системы, используемой в процессе исследования. При проведении анализа используются два класса
Из книги Путь Черепах. Из дилетантов в легендарные трейдеры автора Куртис ФейсМоделирование по методу Монте-Карло Моделирование по методу Монте-Карло представляет собой способ определения силы системы и отвечает на вопросы: «Что могло бы произойти, если бы прошлое было чуть другим?» или «Что может принести будущее?» Вы можете рассматривать метод
автора Армстронг МайклМоделирование Моделирование – это метод обучения, сочетающий в себе анализ конкретных ситуаций с ролевыми играми и позволяющий максимально приблизиться к реальности в условиях учебной аудитории. Цель метода заключается в том, чтобы способствовать переносу знаний,
Из книги Практика управления человеческими ресурсами автора Армстронг МайклМОДЕЛИРОВАНИЕ КОМПЕТЕНЦИЙ Моделирование компетенций сводит данные по организационному проектированию и управлению показателями труда, чтобы установить, какие навыки или компетенции требуются для выполнения определенных работ. Оно способствует принятию решений по
Из книги Управление бизнес-процессами. Практическое руководство по успешной реализации проектов автора Джестон ДжонШаг 7. Имитационное моделирование Имитационное моделирование – это один из методов определить реализуемость и эффективность предлагаемых вариантов перестроенных процессов. Имитация также может применяться для проверки логики и согласованности процессов перед их
Из книги Основы менеджмента автора Мескон МайклМоделирование Большинство современных моделей науки управления настолько сложны, что применять их можно только с помощью компьютерной техники. Однако сама концепция модели очень проста. По определению Р. Шеннона «Модель – это представление объекта, системы или идеи в
Из книги Коучинг как бизнес. Практическая модель для зарабатывания денег автора Парабеллум Андрей АлексеевичМоделирование успешного коучинга Перенос моделей из других областей Мы покажем вам «сборную солянку» из различных коучинговых программ. Посмотрите их, чтобы понять, как ведется работа у других и что можно внедрить в своем бизнесе.Под словом «коучинг» можно выдавать
Из книги Социальное предпринимательство. Миссия – сделать мир лучше автора Лайонс ТомасМоделирование процесса социального предпринимательства Социальное предпринимательство можно рассматривать с точки зрения отдельного предпринимателя, предприятия или контекста, в рамках которого они действуют. Однако в любом случае социальное предпринимательство
Из книги Время - деньги. Создание команды разработчиков программного обеспечения автора Салливан ЭдМоделирование В начале работы над проектом почти всегда возникает ряд важных вопросов, связанных с реализацией той или иной технологии. Моделирование - важная методика, которая поможет получить необходимые ответы.О чём пойдёт речьСоздание прототипа - важный этап,
Из книги Бизнес путь: Yahoo! Секреты самой популярной в мире интернет-компании автора Вламис ЭнтониАнализ работы опасного производства показывает, что даже при нормальном функционировании влияние таких объектов на кружающую среду связано как с социально-психологическим воздействием на людей, так и с определенной потенциальной опасностью загрязнения атмосферы и прилегающей территории опасными веществами из-за недостаточно надежных технологий, недостаточной эффективности работы фильтровентиляционных устройств и вследствие других причин.
С другой стороны, как показывает отечественная и мировая практика, добиться полностью безаварийной работы предприятий, как химической промышленности, так и других отраслей, не представляется возможным.
Повышение промышленной безопасности предусматривает осуществление технических и организационных мер, включающих мониторинг опасного объекта, разработку планов ликвидации аварий и плана действий в чрезвычайных ситуаций на территории объекта и за его пределами. Нет сомнения, что любой технологический процесс должен ориентироваться на технологии, позволяющие максимально снизить вероятность аварий и уменьшить выход опасных веществ во внешнюю среду.
В то же время нельзя не учитывать, что рациональное размещение объектов также является одним из способов обеспечения безопасности людей и окружающей среды. Любой район, в пределах которого размещается объект, имеет ту или иную численность населения, хозяйственную ценность. Поэтому представляется целесообразным оценку различных вариантов размещения объектов проводить по комплексу показателей, характеризующих состояние окружающей среды, особенности и потенциальную опасность объекта в случае аварийных ситуаций. Одним из таких показателей (критериев) является риск запроектных аварий.
Риск запроектной аварии при функционировании опасного объекта состоит в том, что в случае ее возникновения существует определенная вероятность поражения окружающего населения. Чем меньше прогнозируемые последствия запроектной аварии, тем более благоприятна данная площадка для размещения объекта.
Сценарий аварий на опасных объектах достаточно сложен. При авариях возможен выход отравляющих веществ (ОВ) в газообразном и аэрозольном состояниях с образованием облака зараженного воздуха,и его движением по направлению ветра, заражением почв, растительности, водоемов и т. д.
Так как газообразное и аэрозольное состояние ОВ являются его боевым состоянием, то население, находящееся в зоне распространения облака или первичного заражения местности, может получить поражение различной степени тяжести.
Вероятность возникновения аварии определяется:
Особенностями технологического процесса;
Используемым оборудованием;
Степенью подготовленности персонала;
Временем, в течение которого функционирует данный технологический объект;
Интенсивностью технологических операций;
Техническими факторами (например, усталость металла);
Внешними неуправляемыми факторами (целенаправленная диверсия);
Человеческим фактором (ошибками эксплуатационного персонала).
Опасности, связанные с аварией, определяются:
Количеством освободившегося при аварии ОВ, его физико-химическими и токсическими свойствами. Например, в случае высвобождения фосфорорганических ОВ наибольшая опасность создается при образовании и распространении облака паров ОВ, в то время как при высвобождении люизита более опасно заражение подпочвенных вод мышьяксодержащими продуктами гидролиза люизита;
Архитектурно-планировочными особенностями застройки и транспортными коммуникациями;
Метеорологическими условиями и характеристиками окружающей среды: особенностями рельефа, характерной растительностью, структурой и свойствами почвы, условиями залегания подпочвенных вод, близостью рек и водозаборных сооружений, гидрографическими условиями;
Самим фактором наличия окружающего населения. Если такового в пределах зоны вероятного распространения ОВ в случае аварии не имеется, то потенциальная опасность близка в момент времени t нулю.
Для количественной оценки последствий аварии требуется создавать математическую модель, позволяющую осмыслить поведение технической системы и с ее помощью оценить различные стратегии риска. Модель должна отражать важнейшие черты явления, т. е. в ней должны быть учтены все существенные факторы, от которых в наибольшей степени зависит функционирование системы. Вместе с тем она должна быть по возможности простой и понятной пользователю, целенаправленной, надежной (гарантия от абсурдных ответов), удобной в управлении и обращении, достаточно полной, адекватной, позволяющей легко переходить к другим модификациям и обновлению данных.
При построении математической модели может быть использован математический аппарат различной сложности - алгебраические и дифференциальные уравнения, как обыкновенные, так и с частными производными. В наиболее трудных случаях, если функционирование системы зависит от большого числа сложно сочетающихся между собой случайных факторов, может применяться метод статистического моделирования.
Выходными параметрами функционирования математической модели риска запроектной аварии определяется математическое ожидание количества пораженных жителей, постоянно проживающих в районе, подвергаемом опасности при функционировании объекта, если на объекте или его технологических элементах произойдет в случайный момент времени любая теоретически возможная запроектная авария, вызванная теми или иными причинами.
Рассмотрим возможные аналитические подходы к решению проблемы. Математическое ожидание (R) количества пораженных людей можно определить зависимостью
где r (s,L) - расстояние от объекта до точки нахождения человека в полярных координатах (начало координат совмещено с объектом);
P(s,L) - вероятность поражения человека в точке с координатами (s,L).
Вероятность поражения P(s,L) определяется следующим образом:
где a(s) - вероятность того, что в момент аварии будет реализовано направление ветраs=s 0 ;
b(L,s 0) - вероятность поражения на удалении L от места аварии в направленииs 0 .
Поскольку авария равновероятна в любой момент времени (это допущение наиболее разумно), то a(s) должна определяться на основе розы ветров в данной зоне или регионе.
Если пренебречь различиями в характеристиках подстилающей поверхности по каждому из направлений возможного распространения ОВ в случае аварии и ввести понятие средней (или средневзвешенной) характеристики, то можно существенно упростить задачу, разделив переменные:
Изложенный подход к вычислению критерия риска запроектной аварии является одним из возможных вариантов аналитического метода его оценки.
В практике прогнозирования риска проф. М.А. Шахраманьяном с коллегами предложены следующие подходы к математическому моделированию риска.
Моделирование индивидуального риска . В данном случае под индивидуальным риском понимают вероятность гибели человека в течение года от определенных причин (или их совокупности) в определенной точке пространства. Результаты анализа индивидуального риска отображаются на карте (ситуационном плане) предприятия (территории возможной природной ЧС) и прилегающих районов в виде замкнутых линий равных значений (см. рис. 2.4). Построение линий равного значения индивидуального риска (изолиний) осуществляется по формуле (2.5.1)
где P Q ( x , y ) – вероятность воздействия на человека в точке с координатами(х, у) Q - го поражающего фактора с интенсивностью, соответствующей гибели (поражению) человека (здорового мужчины 40 лет) при условии реализацииА т -го события (аварии, опасного природного явления, катастрофы, стихийного или иного бедствия);
F (A m ) - частота возникновенияА т -го события в год;
М – множество индексов, которое соответствует рассматриваемым событиям (авариям, опасным природным явлениям, катастрофам, стихийным или иным бедствиям);
L - множество индексов, которые соответствуют перечню всех поражающих факторов, возникающих при рассматриваемых событиях.
Моделирование социального риска . Социальный риск - зависимость частоты возникновения событий, вызывающих поражение определенного числа людей, от этого числа людей. Результаты анализа изображаются в виде графиков (так называемыхF - N диаграмм). Социальный рискR - F (N ) характеризует масштаб возможных чрезвычайных ситуаций. Социальный риск может быть рассчитан по формуле
где P (N / Q m ) - вероятность гибели (поражения) N людей отQ m -го поражающего фактора;
P (Q m / A l) - вероятность возникновенияQ m - го поражающего фактора при реализацииА l- го события (аварии, опасного природного явления, катастрофы, стихийного или иного бедствия).
Моделирование риска от аварий на
пожароопасных и взрывоопасных объектах.
После выявления на каждом из принятых
к рассмотрению ПВОО всех видов аварий,
специфики их возникновения и развития,
расчета полей потенциальной опасности
этих аварий и определения вероятности
реализации их негативного потенциала
(H i), оценка индивидуального риска
может проводиться по формуле (2.5.3)
,
где N (x , у) - численность людей на площадке с координатами(x , у);
R (x , у) - индивидуальный риск в точке с координатами(x, у),
; (2.5.4)
H i вероятность выброса за год по сценариюi (в качестве сценариев аварии могут рассматриваться: нарушение герметичности замкнутых объемов за счет коррозии, нарушения за счет технологического режима и т.п.);
E ij (x,у) – вероятность реализации механизма воздействияj в точке(х, у) для сценария выбросаi (в качестве сценариев механизма воздействия могут рассматриваться: тепловые поражения людей, поражения ударной волной, поражение обломками и т.п.);
P j – вероятность летального исхода при реализации механизма воздействия.
Моделирование риска от аварий на химически опасных объектах. По известной токсодозеD в точке с координатами (Xу) математическое ожидание потерь среди населенияM (N ) (средневзвешенная по вероятности величина потерь) определяется по формуле
,
(2.5.5)
где S r - область интегрирования - площадь части города, в пределах которой возможно поражение людей при авариях на заданном объекте;
y(x , y ) - плотность размещения людей в окрестностях точки с координатами (x , y );
P [ D (x ,у )] - вероятность поражения людей от величины токсодозы в точке города с координатами(х,у), определяемая из параметрического закона поражения людей сильнодействующими ядовитыми веществами;
D (x ,у ) – токсодоза, определяемая при переменной во времени концентрации химически опасного вещества для точки с координатами (х,у ) по формуле
,
(2.5.6)
где t n .......... t k - интервал времени;
Ω (х,у, t ) - концентрация химически опасного вещества в атмосфере для точки с координатами(х,у) в заданный момент времениt.
По формуле (2.5.5) математическое ожидание потерь определяется для случая, когда исходные данные известны. При заблаговременном определении математического ожидания потерь необходимо учитывать изменчивость направления (θ) и скорости ветра (v) в течение года. Тогда потери могут быть определены по формуле
где f (θ,V) – функция плотности распределения направления 0 и скоростиvветра;v min иv max - минимально и максимально возможные значения скорости ветра;S r - область интегрирования.
Остальные обозначения те же, что и в формуле (2.5.5).
Учитывая выражение (2.5.7), оценка индивидуального риска на ХОО может проводиться по формуле
(2.5.8)
где H – вероятность аварии в течение года;N - численность населения.
Моделирование риска от аварий на радиационно опасных объектах. Индивидуальный риск поражения людей в городе при аварии на рядом расположенном радиационно-опасном объекте (РОО) может быть определен по формуле
где P [D (x ,у )] – вероятность поражения людей от величины дозы радиоактивного заражения в точке с координатами (х,у ); определяется из закона поражения людей;D (x ,у ) -доза радиоактивного заражения при переменном во времени уровне радиации для точки с координатами (х,у ) определяется по отдельным методикам; ψ(x ,у) - плотность размещения незащищенного населения в пределах элементарной площадки города с координатами (х,у ).
Комплексная оценка техногенного риска может быть реализована также по следующей математической модели.
Для оценки риска запроектной аварии, наряду с аналитическими методами, представляется возможным использование метода Монте-Карло - метода статистического моделирования. Идея этого метода чрезвычайно проста и состоит в следующем. Вместо того, чтобы описывать случайный процесс с помощью аналитического аппарата, производится “розыгрыш” случайного явления с помощью последовательных операций, дающих случайный результат. Конкретное осуществление случайного процесса складывается каждый раз по-иному, поэтому в результате статистического моделирования (розыгрыша) возникает каждый раз новая, отличная от других, искусственная реализация этого процесса. При числе повторений (N³100) метод дает статистически устойчивое сходство результата. При этом на основании перечисленных исходных данных формируется массив случайных значений величин.
Обобщенный алгоритм оценки риска методом статистического моделирования может состоять из следующих последовательных процедур:
Шаг 1. На основе равновероятного датчика случайных чисел разыгрывается время, число и месяц возникновения аварии.
Шаг 2. Исходя из реализованных временных характеристик аварий и с учетом вероятности распределения метеоусловий за большой период времени для данной местности прогнозируют конкретный вектор значений метеоусловий, включающий температуру воздуха и почвы, стратификацию атмосферы, скорость и направление ветра (при разработке статистической модели аварии не представляет труда учесть фактическую розу ветров для любой точки со случайным розыгрышем месяца, дня, времени аварии, конкретного направления и скорости ветра).
Шаг 3. На основе сформулированного перечня аварий и с учетом равновероятной природы их возникновения разыгрывается конкретный тип аварии, происшедшей на объекте, и ее исходные данные (количество освободившегося ОВ, площадь разлива, максимальная концентрация в зоне аварии и т.д.) с учетом конкретных метеоданных.
Шаг 4. На основе, например, гауссовской модели распределения примеси и исходных данных, реализованных по пп. 1,2,3, рассчитывается величина приведенной зоны поражения той или иной степени тяжести и ее положение (конфигурация, директрисса следа облака и т.д.) на конкретной местности.
Шаг 5. На основе известного математического ожидания распределения населения вокруг объекта моделируется конкретное распределение населения в момент аварии; вычисляют общее количество человек, попавших в приведенную зону поражения той или иной степени тяжести.
Полученное таким образом значение оценки риска, характеризующееся количеством людей, пораженных в результате аварии той или иной степени тяжести, является единичным значением, т.е. единичной реализацией. Для получения статистически достоверных результатов необходимо получить как можно большее количество реализаций N (естественно в разумных пределах, например N=1000) путем “прогона” на ЭВМ математической модели, разработанной согласно вышеописанному алгоритму, N раз. В дальнейшем по N реализациям проводят оценки математического ожидания и среднеквадратического отклонения числа пораженных той или иной степени тяжести на данном объекте при запроектной аварии.
Аналогичный подход может быть применен и для оценки потенциальной опасности перевозок опасных грузов. При этом необходимо дополнительно ввести учет распределения населения на маршрутах перевозок, смоделировать время начала и окончания перевозок, конкретное время следования по маршруту.
При управлении рисками часто необходимо сравнивать реальные ситуации с гипотетическими (что было бы, если бы всё пошло по-другому). Это резко усложняет анализ рисковых ситуаций, так как требует основы для изучения и измерения того, чего не было. В настоящее время для описания таких гипотетических ситуаций пет иного пути, кроме использования математических моделей, называемых моделями рисковых ситуаций. Это представляет собой основу для количественного риск- менеджмента. Его сущность состоит в применении экономико-математических моделей для прогнозирования ситуаций, характеризующихся риском и неопределенностью, и обоснования соответствующих управленческих решений.
Модель - упрощенное описание реального объекта или процесса, которое сосредоточивается на важных для исследователя свойствах и игнорирует те аспекты, которые представляются исследователю несущественными. Основная сложность моделирования состоит именно в том, чтобы выяснить, какие свойства считать важными, а какие - нет. Верное описание важных свойств обеспечивает адекватность модели, а правильный выбор второстепенных, игнорируемых свойств помогает в достаточной степени упростить подобное представление. Модель должна служить инструментом принятия решений, т. е. должна прояснять для лица, принимающего решения, как может развиваться процесс, какие исходы будут иметь место, и подсказывать различные действия (например, по предотвращению ущерба).
Наиболее важным классом моделей, используемых в управлении риском, являются математические модели. Они позволяют описывать существенные стороны изучаемого процесса или явления в виде математических соотношений, а затем анализировать их с помощью соответствующего математического аппарата. Особенно важно применение математических моделей для прогнозирования альтернатив будущего развития. Именно это позволяет менеджеру численно оценить будущие последствия принимаемых решений.
Математические модели, используемые в управлении риском, отличаются большим разнообразием и различными возможностями. Такого понятия, как универсальная модель, не существует. Множественность типов рисков и разнообразие механизмов их возникновения делает это невозможным. В разных ситуациях мы будем использовать специфические инструменты (в данном случае - модели), ибо каждая модель по-своему уникальна, так как при ее построении следует отталкиваться от свойств самого объекта моделирования. Однако схожие ситуации позволяют нам применять аналогичные (если не одинаковые) инструменты: существуют некоторые общие подходы к моделированию (например, использование стохастических дифференциальных уравнений или другого математического аппарата). Если можно прменить более или менее стандартный подход, то процесс моделирования будет проще (известны подходы к построению модели и получению решения).
В области количественного риск-менеджмента наиболее распространены теоретико-вероятностные и статистические модели.
Для некоторых типов рисков широкое использование математических моделей является стандартным, для других -пока еще нет. Тем не менее происходит интенсивная наработка различных приемов моделирования, использующих особенности управления риском. Количественный риск-менеджмент становится отдельной «ветвью» управления рисками.
Если не можете добиться результата,
имитируйте кипучую деятельность
и бешеную активность.
(Из законов Мэрфи: следствие Эндрю)
Имитационное моделирование (simulation) является одним из мощнейших методов анализа экономических систем.
В общем случае, под имитацией понимают процесс проведения на ЭВМ экспериментов с математическими моделями сложных систем реального мира .
Цели проведения подобных экспериментов могут быть самыми различными – от выявления свойств и закономерностей исследуемой системы, до решения конкретных практических задач. С развитием средств вычислительной техники и программного обеспечения, спектр применения имитации в сфере экономики существенно расширился. В настоящее время ее используют как для решения задач внутрифирменного управления, так и для моделирования управления на макроэкономическом уровне. Рассмотрим основные преимущества применения имитационного моделирования в процессе решения задач финансового анализа.
Как следует из определения, имитация – это компьютерный эксперимент. Единственное отличие подобного эксперимента от реального состоит в том, что он проводится с моделью системы, а не с самой системой. Однако проведение реальных экспериментов с экономическими системами, по крайней мере, неразумно, требует значительных затрат и вряд ли осуществимо на практике. Таким образом, имитация является единственным способом исследования систем без осуществления реальных экспериментов.
Часто практически невыполним или требует значительных затрат сбор необходимой информации для принятия решений. Например, при оценке риска инвестиционных проектов, как правило, используют прогнозные данные об объемах продаж, затратах, ценах и т.д.
Однако чтобы адекватно оценить риск необходимо иметь достаточное количество информации для формулировки правдоподобных гипотез о вероятностных распределениях ключевых параметров проекта. В подобных случаях отсутствующие фактические данные заменяются величинами, полученными в процессе имитационного эксперимента (т.е. сгенерированными компьютером).
При решении многих задач финансового анализа используются модели, содержащие случайные величины, поведение которых не поддается управлению со стороны лиц, принимающих решения. Такие модели называют стохастическими . Применение имитации позволяет сделать выводы о возможных результатах, основанные на вероятностных распределениях случайных факторов (величин). Стохастическую имитацию часто называют методом Монте-Карло .
Существуют и другие преимущества имитации. Подробное изложение основ имитационного моделирования и его применения в различных сферах можно найти в .
Мы же рассмотрим технологию применения имитационного моделирования для анализа рисков инвестиционных проектов в среде ППП EXCEL.
6.1 Моделирование рисков инвестиционных проектов
Имитационное моделирование представляет собой серию численных экспериментов призванных получить эмпирические оценки степени влияния различных факторов (исходных величин) на некоторые зависящие от них результаты (показатели).
В общем случае, проведение имитационного эксперимента можно разбить на следующие этапы.
Результаты имитационного эксперимента могут быть дополнены статистическим анализом, а также использоваться для построения прогнозных моделей и сценариев.
Осуществим имитационное моделирование анализа рисков инвестиционного проекта на основании данных примера, используемого ранее для демонстрации метода сценариев в главе 5. Для удобства, приведем его условия еще раз.
Пример 6.1
Фирма рассматривает инвестиционный проект по производству продукта "А". В процессе предварительного анализа экспертами были выявлены три ключевых параметра проекта и определены возможные границы их изменений (табл. 6.1). Прочие параметры проекта считаются постоянными величинами (табл. 6.2).
Таблица 6.1
Ключевые параметры проекта по производству продукта "А"
Таблица 6.2
Неизменяемые параметры проекта по производству продукта "А"
Первым этапом анализа согласно сформулированному выше алгоритму является определение зависимости результирующего показателя от исходных. При этом в качестве результирующего показателя обычно выступает один из критериев эффективности: NPV , IRR , PI (см. главу 2).
Предположим, что используемым критерием является чистая современная стоимость проекта NPV :
где NCF t – величина чистого потока платежей в периоде t.
По условиям примера, значения нормы дисконта r и первоначального объема инвестиций I 0 известны и считаются постоянными в течении срока реализации проекта (табл. 6.2).
По условиям примера ключевыми варьируемыми параметрами являются: переменные расходы V , объем выпуска Q и цена P . Диапазоны возможных изменений варьируемых показателей приведены в табл. 6.1. При этом будем исходить из предположения, что все ключевые переменные имеют равномерное распределение вероятностей.
Реализация третьего этапа может быть осуществлена только с применением ЭВМ, оснащенной специальными программными средствами. Поэтому прежде чем приступить к третьему этапу – имитационному эксперименту, познакомимся с соответствующими средствами ППП EXCEL, автоматизирующими его проведение.
