Некоторые методы анализа рисков
Американский эксперт Б. Берлимер предложил при анализе использовать некоторые допущения:
Потери от риска независимы друг от друга.
Потеря по одному направлению деятельности не обязательно увеличивает вероятность потери по другому (за исключением форс-мажорных обстоятельств).
Максимально возможный ущерб не должен превышать финансовых возможностей участника.
Анализ рисков можно подразделить на два взаимно дополняющих друг друга вида:
качественный;
количественный.
Качественный анализ имеет целью определить (идентифицировать) факторы, области и виды рисков.
Количественный анализ рисков должен дать возможность численно определить размеры отдельных рисков и риска предприятия в целом.
Итоговые результаты качественного анализа риска, в свою очередь, служат исходной информацией для проведения количественного анализа.
Однако осуществление количественной оценки встречает и наибольшие трудности, связанные с тем, что для количественной оценки рисков нужна соответствующая исходная информация.
В настоящее время наиболее эффективным является комплексный подход к анализу рисков. С одной стороны, такой подход позволяет получать более полное представление о возможных результатах реализации проекта, т.е. обо всех позитивных и негативных неожиданностях, ожидающих инвестора, а с другой стороны, делает возможным широкое применение математических методов (в особенности вероятностно-статистических) для анализа рисков.
В теории рисков выделяют следующие виды математических моделей: прямые, обратные и задачи исследования чувствительности. В прямых задачах оценка риска, связанная с определением его уровня, происходит на основании априори известной информации. В обратных задачах устанавливаются ограничения на один или несколько варьируемых исходных параметров с целью удовлетворения заданных ограничений на уровень приемлемого риска. Основная идея метода исследования чувствительности, применяемого в связи с неизбежной неточностью исходной информации, состоит в анализе уязвимости, степени изменяемости результативных показателей по отношению к варьированию параметров моделей (распределение вероятностей, областей изменения тех или иных величин и т.п.). Выводы исследования чувствительности инвестиционного проекта отражают степень достоверности полученных при анализе проектных результатов. В случае их недостоверности аналитик будет вынужден реализовать одну из следующих возможностей:
уточнить параметры, неточность которых является наиболее существенной в искажении результата;
изменить методы обработки исходных данных с целью уменьшения чувствительности ответа;
изменить математическую модель анализа проектных рисков;
отказаться от проведения количественного анализа рисков проекта.
Широко применяются для анализа инвестиционных проектов следующие классы математических моделей, учитывающие неопределенность и различающиеся по способам ее описания:
стохастические модели;
лингвистические модели;
нестохастические (игровые) модели.
Можно классифицировать существующие методы анализа риска и связанные с ними модели по следующим направлениям:
в зависимости от привлечения вероятностных распределений:
методы без учета распределений вероятностей;
методы с учетом распределений вероятностей.
в зависимости от учета вероятности реализации каждого отдельного значения переменной и проведения всего процесса анализа с учетом распределения вероятностей:
вероятностные методы;
выборочные методы.
в зависимости от способов нахождения результирующих показателей по построению модели:
аналитический метод;
имитационный метод.
Признаком подхода методов I группы является то, что для каждой стохастической величины берется лишь одно ее значение. Цель такого "сгущения" риска экзогенной переменной - это получение возможности применения методов, разработанных для анализа в ситуации определенности без каких-либо изменений.
Результатом расчетов по модели, сконструированной для подхода II, будет не отдельное значение результирующей переменной, а распределение вероятностей. Вероятностные методы предполагают, что построение и расчеты по модели осуществляются в соответствии с принципами теории вероятностей, тогда как в случае выборочных методов все это делается путем расчетов по выборкам.
Характерной чертой подхода II является использование методов моделирования принятия решений. Здесь можно выделить целевой, оптимизационный и системный подходы. Целевому подходу свойственно четкое задание целей при конструировании модели. Любое изменение целевых показателей ведет к реконструкции самой модели и требует новых расчетов, что связано с дополнительными затратами. Применение данного подхода наиболее целесообразно в случае необходимости постоянно принимать решения в аналогичных ситуациях с точно заданными целями.
Системный подход связан с построением модели, направленной исключительно на отражение реальности, а не сформулированной системы целей. В результате оценки такой модели и расчетов по ней формируется описание поведения реальной системы, но не оптимальная стратегия действий. Затем выбирается система целей и становится возможным принятие решений с помощью прогнозной информации о поведении системы и сделанных предположений. Возникающие в процессе инвестиционного проектирования изменения целей не приводит к изменению самой модели и не требуют новых расчетов.
Подход III выделяет аналитический и имитационный способы нахождения результирующих показателей по построенной модели. Аналитический способ получения результатов осуществляется непосредственно на основе значений экзогенных переменных. К его преимуществам относится быстрота нахождения решения, к недостаткам - необходимость адаптации поставленной задачи к имеющемуся в распоряжении математическому аппарату и относительная небольшая его "прозрачность". Имитационный способ базируется на пошаговом нахождении значения результирующего показателя за счет проведения многократных опытов с моделью. Основные его преимущества - прозрачность все расчетов, простота восприятия и оценки результатов анализа проектов всеми участниками процесса планирования. В качестве одного из серьезных недостатков этого способа можно назвать существенные затраты на расчеты, связанные с большим объемом выходной информации.