Прогнозирование рисков
Методы социально-экономического прогнозирования. Кратко рассмотрим различные методы эконометрического прогнозирования (предсказания, экстраполяции), используемые в социально-экономической области. По вопросам прогнозирования имеется большое число публикаций (см., например, книги [1-9]). Как часть теории принятия решений существует научная дисциплина "Математические методы прогнозирования". Ее целью является разработка, изучение и применение современных математических методов эконометрического (в частности, статистического, экспертного, комбинированного) прогнозирования социально-экономических явлений и процессов, причем методы должны быть проработаны до уровня, позволяющего их использовать в практической деятельности экономиста, инженера и менеджера. К основным задачам этой дисциплины относятся разработка, изучение и применение современных математико-статистических методов прогнозирования. Наиболее перспективными являются непараметрические методы. Они включают метод наименьших квадратов с оцениванием точности прогноза, адаптивные методы, методы авторегрессии и др. Не менее необходимо развитие теории и практики экспертных методов прогнозирования. В том числе методов анализа экспертных оценок на основе статистики нечисловых данных. Особенно актуальна разработка методов прогнозирования в условиях риска, а также комбинированных методов прогнозирования с использованием совместно экономико-математических и эконометрических (как статистических, так и экспертных) моделей.
Теоретической основой методов прогнозирования являются математические дисциплины (прежде всего, теория вероятностей и математическая статистика, дискретная математика, исследование операций), а также экономическая теория, экономическая статистика, менеджмент, социология, политология и другие социально-экономические науки.
Как общепринято со времен основоположника научного менеджмента Анри Файоля, прогнозирование и планирование - основа работы менеджера (см. главу 1.2). Сущность эконометрического прогнозирования состоит в описании и анализе будущего развития, в отличие от планирования, при котором директивным образом задается будущее движение.
Часто оказывается полезным промежуточный путь между прогнозированием и планированием – так называемое нормативное прогнозирование. При его применении сначала задается цель (т.е. «норма», которой необходимо следовать). Затем разрабатывается система мероприятий, обеспечивающая достижение этой цели, и изучаются характеристики этой системы (объем необходимых ресурсов, в том числе материальных, кадровых, финансовых, временных, возникающие риски и т.п.).
Роль прогнозирования в управлении страной, отраслью, регионом, предприятием очевидна. Необходимо учитывать СТЭЭП-факторы (т.е. социальные, технологические, экономические, экологические, политические), факторы конкурентного окружения и научно-технического прогресса. А также прогнозирование расходов и доходов предприятий, населения и общества в целом. Проблемы внедрения и практического использования математических методов эконометрического прогнозирования для управления рисками и принятия решений связаны прежде всего с отсутствием в нашей стране достаточно обширного опыта подобных исследований.
Статистические методы прогнозирования. Наиболее часто используется метод наименьших квадратов при небольшом числе факторов (1-5). Метод наименьших модулей и другие методы экстраполяции применяются реже, хотя их статистические свойства зачастую лучше.
Оценивание точности прогноза - необходимая часть процедуры квалифицированного прогнозирования. При этом обычно используют вероятностно-статистические модели восстановления зависимости, например, строят наилучший прогноз по методу максимального правдоподобия (при использовании параметрических моделей). Разработаны параметрические (обычно на основе модели нормальных ошибок) и непараметрические оценки точности прогноза и доверительные границы для него (на основе Центральной Предельной Теоремы теории вероятностей). Так, в Институте высоких статистических технологий и эконометрики предложены и изучены методы доверительного оценивания точки наложения (встречи) двух временных рядов и их применения для оценки динамики технического уровня собственной продукции и продукции конкурентов, представленной на мировом рынке.
Применяются также эвристические приемы, не основанные на какой-либо теории: метод скользящих средних, метод экспоненциального сглаживания. Адаптивные методы прогнозирования позволяют оперативно корректировать прогнозы при появлении новых точек
Многомерная регрессия - основной на настоящий момент эконометрический аппарат прогнозирования. Подчеркнем, что нереалистическое предположение о нормальности погрешностей измерений и отклонений от линии (поверхности) регрессии использовать не обязательно. Однако для отказа от предположения нормальности необходимо опереться на иной математический аппарат, основанный на многомерной центральной предельной теореме теории вероятностей и эконометрической технологии линеаризации. Он позволяет проводить точечное и интервальное оценивание параметров, проверять значимость их отличия от 0 в непараметрической постановке, строить доверительные границы для прогноза.
Весьма важна проблема проверки адекватности модели, а также проблема отбора факторов. Дело в том, что априорный список факторов, оказывающих влияние на отклик, обычно весьма обширен, желательно его сократить. Крупное направление современных эконометрических исследований посвящено методам отбора "информативного множества признаков". Однако эта проблема пока еще окончательно не решена. Проявляются необычные эффекты. Так, установлено [10], что обычно используемые статистические оценки степени полинома при росте объемы выборки имеют геометрическое распределение.
Перспективны непараметрические методы оценивания плотности вероятности и их применения для восстановления регрессионной зависимости произвольного вида. Наиболее сильные результаты в этой области получены с помощью подходов статистики нечисловых данных [10].
К современным статистическим методам прогнозирования относятся также модели авторегрессии, модель Бокса-Дженкинса, системы эконометрических уравнений, основанные как на параметрических, так и на непараметрических подходах.
Для установления возможности применения асимптотических результатов при конечных (т.н. "малых") объемах выборок полезны компьютерные статистические технологии. Они позволяют также строить различные имитационные модели. Отметим полезность методов размножения данных (бутстреп-методов). Системы прогнозирования с интенсивным использованием компьютеров объединяют различные методы прогнозирования в рамках единого автоматизированного рабочего места прогнозиста.
Прогнозирование на основе данных, имеющих нечисловую природу, в частности, прогнозирование качественных признаков основано на результатах статистики нечисловых данных. Весьма перспективными для прогнозирования представляются регрессионный анализ на основе интервальных данных, включающий, а также регрессионный анализ нечетких данных, разработанный в монографии [11] – первой книге российского автора по нечетким множествам. Общая постановка регрессионного анализа в рамках статистики нечисловых данных и ее частные случаи - дисперсионный анализ и дискриминантный анализ (распознавание образов с учителем) дает единый подход к формально различным методам, традиционно рассматриваемым как принципиально различные. Она полезна при программной реализации современных статистических методов прогнозирования.
Экспертные методы прогнозирования. Необходимость и общее представление о применении экспертных методов прогнозирования при принятии решений на различных уровнях управления - на уровне страны, отрасли, региона, предприятия - вытекают из рассмотрений главы 3.4. Отметим большое практическое значение экспертиз при сравнении и выборе инвестиционных и инновационных проектов, при управлении проектами, экологических экспертиз. Роли лиц, принимающих решения (ЛПР), и специалистов (экспертов) в процедурах принятия решений, критерии принятия решений и место экспертных оценок в процедурах принятия решений рассматриваются в экспертологии – научно-практической дисциплине, посвященной методам экспертных оценок. На ее основе формируются конкретные процедуры подготовки и принятия решений с использованием методов экспертных оценок, например, процедуры распределения финансирования научно-исследовательских работ (на основе балльных оценок или парных сравнений), технико-экономического анализа, кабинетных маркетинговых исследований (противопоставляемых "полевым" выборочным исследованиям), оценки, сравнения и выбора инвестиционных проектов. В качестве примеров конкретных экспертных процедур, широко используемых при прогнозировании, укажем метод Дельфи и метод сценариев.
Экспертные оценки могут быть получены в различных математических формах. Наиболее часто используются количественные или качественные (порядковые, номинальные) признаки, бинарные отношения (ранжировки, разбиения, толерантности), интервалы, нечеткие множества, результаты парных сравнений, тексты и др. Основные понятия (репрезентативной) теории измерений: основные типы шкал, допустимые преобразования, адекватные выводы и др. - важны применительно к экспертному оцениванию. Необходимо использовать средние величины, соответствующие основным шкалам измерения. Применительно к различным видам рейтингов репрезентативная теория измерений позволяет выяснить степень их адекватности прогностической ситуации, предложить наиболее полезные для целей прогнозирования.
Например, анализ рейтингов политиков по степени их влиятельности, публиковавшийся одной из известных центральных газет, показал, что из-за неадекватности используемого математического аппарата лишь первые 10 мест, возможно, имеют некоторое отношение к реальности (они не меняются при переходе к другому способу анализа данных, т.е. не зависят от субъективизма членов Рабочей группы), остальные - "информационный шум", попытки опираться на них при прогностическом анализе могут привести лишь к ошибкам. Что же касается начального участка рейтинга этой газеты, то он также может быть подвергнут сомнению, но по более глубоким причинам, например, связанным с составом экспертной комиссии.
Проблемы применения методов прогнозирования в условиях риска. Многочисленны примеры ситуаций, связанных с социальными, технологическими, экономическими, политическими, экологическими и другими рисками. Именно в таких ситуациях обычно и необходимо прогнозирование. Известны различные виды критериев, используемых в теории принятия решений в условиях неопределенности (риска). Из-за противоречивости решений, получаемых по различным критериям, очевидна необходимость применения оценок экспертов.
В конкретных задачах прогнозирования необходимо провести классификацию рисков, поставить задачу оценивания конкретного риска, провести структуризацию риска, в частности, построить деревья причин (в другой терминологии, деревья отказов) и деревья последствий (деревья событий). Центральной задачей является построение групповых и обобщенных показателей, например, показателей конкурентоспособности и качества. Риски необходимо учитывать при прогнозировании экономических последствий принимаемых решений, поведения потребителей и конкурентного окружения, внешнеэкономических условий и макроэкономического развития России, экологического состояния окружающей среды, безопасности технологий, экологической опасности промышленных и иных объектов. Метод сценариев незаменим применительно к анализу технических, экономических и социальных последствий аварий.
Имеется некоторая специфика применения методов прогнозирования в ситуациях, связанных с риском. Велика роль функции потерь и методов ее оценивания, в том числе в экономических терминах. В конкретных областях используют вероятностный анализ безопасности (для атомной энергетики) и другие специальные методы.
Принятие решений и современные компьютерные технологии прогнозирования. Перспективны интерактивные (человеко-машинные) методы прогнозирования с использованием баз эконометрических данных, имитационных (в том числе на основе применения метода Монте-Карло, т.е. метода статистических испытаний) и экономико-математических динамических моделей, сочетающих экспертные, статистические и моделирующие блоки. Обратим внимание на сходство и различие методов экспертных оценок и экспертных систем. Можно сказать, что экспертная система моделирует поведение эксперта путем формализации его знаний по специальной технологии. Но интуицию "живого эксперта" нельзя заложить в ЭВМ, а при формализации мнений эксперта (фактически - при его допросе) наряду с уточнением одних его представлений происходит огрубление других. Другими словами, при использовании экспертных оценок непосредственно обращаются к опыту и интуиции высококвалифицированных специалистов, а при применении экспертных систем имеют дело с компьютерными алгоритмами расчетов и выводов, при создании которых когда-то давно привлекались эксперты как источник данных и типовых заключений.
Обратим внимание на возможность использования в прогнозировании производственных функций, статистически описывающих связь выпуска с факторами производства, на различные способы учета научно-технического прогресса, в частности, на основе анализа трендов и с помощью экспертного выявления точек роста. Примеры экономических прогнозов всех видов имеются в литературе. К настоящему времени разработаны компьютерные системы и программные средства комбинированных методов прогнозирования.
Основные идеи технологии сценарных экспертных прогнозов. Как уже отмечалось, социально-экономическое прогнозирование, как и любое прогнозирование вообще, может быть успешным лишь при некоторой стабильности условий. Однако решения органов власти, отдельных лиц, иные события меняют условия, и события развиваются по-иному, чем ранее предполагалось. Объективно имеются точки выбора (фуркации), после которых рассматриваемое прогнозистами развитие может пойти по одному из нескольких возможных путей (эти пути и называют обычно сценариями). Выбор может делаться на разных уровнях - конкретной личностью (перейти на другую работу или остаться), менеджером (выпускать ту или иную марку продукции), конкурентами (сотрудничество или борьба), властными структурами (выбор той или иной системы налогообложения), населением страны (выбор президента), "международным сообществом" (вводить или нет санкции против России).
Рассмотрим примеры. Вполне очевидно, что после первого тура президентских выборов 1996 г. о дальнейшем развитии социально-экономических событий можно было говорить лишь в терминах сценариев: если победит Б.Н. Ельцин, то будет то-то и то-то, если победит Г.А. Зюганов, то события пойдут так-то и так-то.
Работа [12] имела целью прогноз динамики валового внутреннего продукта (ВВП) на 9 лет (1999-2007). При ее проведении было ясно, что за это время произойдут различные политические события, в частности, по крайней мере два цикла парламентских и президентских выборов (при условии сохранения нынешней политической структуры), результаты которых нельзя предсказать однозначно. Поэтому прогноз динамики ВВП мог быть сделан лишь по отдельности для каждого сценария из некоторой гаммы, охватывающей возможные пути социально-экономической динамики России.
Метод сценариев необходим не только при социально-экономическом прогнозировании. Например, при разработке методологического, программного и информационного обеспечения анализа риска химико-технологических проектов необходимо составить полный каталог сценариев аварий, связанных с утечками и выбросами токсических химических веществ. Каждый из таких сценариев описывает аварию своего типа, со своим индивидуальным происхождением, развитием, техническими, экономическими, медицинскими и социальными последствиями, возможностями предупреждения [13].
Для построения исчерпывающего, но обозримого набора сценариев необходимо предварительно проанализировать динамику социально-экономического развития рассматриваемого экономического агента и его окружения. Корни будущего - в настоящем и прошлом, причем зачастую - в весьма далеком прошлом. Кроме макроэкономических и микроэкономических характеристик, известных лишь с погрешностями, необходимо учитывать состояние и динамику отечественного массового сознания, политических, в то числе внешнеполитических реалий, поскольку на обычно рассматриваемом интервале времени (до 10 лет) экономика зачастую следует за политикой, а не наоборот.
Так, к началу 1985 г. экономика СССР находилась в достаточно стабильном состоянии с ежегодным ростом в среднем на 3-5%. Если бы не было «перестройки» и «реформ», то развитие продолжалось бы в прежних условиях. Тогда к концу тысячелетия ВВП СССР увеличился бы на 50% и составил 150 % от уровня 1985 г. Из-за «перестройки» и «реформ» ВВП России за эти 15 лет упал примерно в 2 раза, т.е. составил около 50 % по сравнению с 1985 г. Следовательно, в 3 раза меньше, чем можно было бы ожидать из чисто экономических причин при сохранении стабильных условий 1985 г.
Часто используют упрощенный подход к прогнозированию методом сценариев. А именно, формулируют три сценария - оптимистический, вероятный и пессимистический. При этом для каждого из сценариев достаточно произвольно выбирают значения параметров, описывающих производственно-экономическую ситуацию (по-английски - case). Цель такого подхода - рассчитать интервалы разброса для характеристик и "коридоры" для временных рядов, интересующих исследователя (и заказчика исследования). Например, прогнозируют финансовый поток (по-английски - cash flow) и чистую текущую стоимость (по-английски - net present value или NPV) инвестиционного проекта.
Ясно, что такой упрощенный подход не может дать максимального или минимального значения характеристики, он дает лишь представление о порядке количественной меры разброса. Однако его развитие приводит к байесовской постановке в теории принятия решений. Например, если сценарий описывается элементом конечномерного евклидова пространства, то любое вероятностное распределение на множестве исходных параметров преобразуется в распределение интересующих исследователя характеристик. Расчеты могут быть проведены с помощью современных информационных технологий метода статистических испытаний. Надо в соответствии с заданным распределением на множестве параметров выбирать с помощью датчика псевдослучайных чисел конкретный вектор параметров и рассчитывать для него итоговые характеристики. В результате получится эмпирическое распределение на множестве итоговых характеристик, которое можно разными способами анализировать, находить оценку математического ожидания, разброса и др. Остается только неясным, как задавать распределение на множестве параметров. Естественно, для этого можно использовать экспертов.
Прогнозирование в рамках каждого конкретного сценария с целью получения ответов на интересующие исследователя вопросы также осуществляется в соответствии с описанной выше методологией прогнозирования. При стабильных условиях могут быть применены статистические методы прогнозирования временных рядов. Однако этому обычно предшествует анализ с помощью экспертов, причем зачастую прогнозирование на словесном уровне является достаточным (для получения интересующих исследователя и ЛПР выводов) и не требующим количественного уточнения.
Как известно, при принятии решений на основе анализа ситуации, в том числе результатов прогнозных исследований, можно исходить из различных критериев. Так, можно ориентироваться на то, что ситуация сложится наихудшим, или наилучшим, или средним (в каком-либо смысле) образом. Можно попытаться наметить мероприятия, обеспечивающие минимально допустимые полезные результаты при любом варианте развития ситуации, и т.д.
: если в n испытаниях случайное событие наблюдается m раз, то его вероятность находится по формуле:
p = m / n
При этом следует учитывать следующие ограничения:
- pi = 1, то есть сумма вероятностей всех событий равна 1;
- 0 <= pi < 1, вероятность отдельного события должна быть больше или равна 0 и меньше 1.
На основе вероятностей рассчитываются стандартные характеристики риска:
математическое ожидание - это средневзвешенное всех возможных результатов, где в качестве весов используются вероятности их достижения.
дисперсия - представляет собой средневзвешенное из квадратов отклонений случайной величины от ее математического ожидания (т.е. отклонений действительных результатов от ожидаемых), мера разброса
квадратный корень из дисперсии называется стандартным отклонением и показывает степень разброса возможных результатов по проекту.
коэффициент вариации показывает, какую долю среднего значения случайной величины составляет ее средний разброс
коэффициент корреляции показывает связь между переменными, состоящую в изменении средней величины одной из них в зависимости от изменений другой.
Описанные выше критерии применяются к нормальному распределению вероятностей, т.к. его важнейшие свойства (симметричность распределения относительно средней, ничтожная вероятность больших отклонений случайной величины от центра ее распределения) позволяет существенно упростить анализ.
Методический учет неопределенных факторов, закон распределения которых неизвестен, базируется на формировании специальных критериев (критерий Вальда, критерий Сэвиджа, критерий Гурвица, критерий Байеса-Лапласа, критерий крайнего оптимизма), на основе которых принимаются решения.
Тема 3. | Способы и методы оценки рисков и их последствий |
Занятие 7. | Экспертные методы в менеджменте риска |
Учебные вопросы |
|
- Историческая справка
- 2. Цели и задачи изучения дисциплины.
- 3. Современное состояние теории и практики риск-менеджмента.
- 1. Процесс принятия решения как наука
- 2. Методы исследования операций. Основные понятия и определения, область применения
- 3. Принципы и аспекты системного подхода
- 1. Основные термины и определения менеджмента риска
- 2. Система неопределенностей
- 3. Понятие риска и его сущность.
- 1. Классификация рисков
- 2. Виды рисков
- 2.1. Предпринимательские риски
- 2.2. Коммерческие риски
- 2.3. Финансовые риски
- 2.4. Валютные риски
- 2.5. Кредитные риски
- 2.6. Экономические риски
- 2.7. Операционные риски
- 2.8. Трансляционные риски
- 2.9. Инвестиционные риски
- 2.10. Банковские риски
- 2.11. Процентный риск
- 2.12. Производственные риски
- 2.13. Политические риски
- 2.14. Технические риски
- 2.15. Отраслевые риски
- 2.16. Аудиторский риск
- 3. Классификация рисков авиапредприятий
- 1. Необходимые сведения из теории вероятности
- 2. Применение вероятностных подходов в менеджменте риска.
- 3. Вероятностный подход к минимизации риска
- Теория игр
- Матричные игры
- Методы решения конечных игр
- Задачи теории статистических решений
- Основные критерии статистических решений.
- 3. Примеры практического применения теории игр
- Прогнозирование рисков
- 1. Экспертные методы в менеджменте риска
- 2. Общая характеристика эвристических методов решения задач менеджмента риска
- 3. Алгоритмы основных эвристических методов
- 1. Три понимания риск-менеджмента
- 2. Пять уровней восприятия риска
- 3. Сущность и содержание риск-менеджмента
- 4. Этапы управления рисками
- 5. Риск-менеджмент как форма предпринимательства.
- 1. Стратегия риск-менеджмента.
- 2. Приемы риск-менеджмента (методы воздействия на риск)