Второй подход
нацелен как раз на минимизацию
больших потерь, на защиту от разорения.
Другое его применение – исключение катастрофических
аварий, например, типа Чернобыльской.
При втором подходе средние потери могут
увеличиться (по сравнению с первым), зато
максимальные будут контролироваться.
Третий подход
нацелен на минимизацию разброса
окончательных результатов. Средние
потери при этом могут быть
выше, чем при первом, но того,
кто принимает решение, это
не волнует – ему нужна максимальная
определенность будущего, пусть
даже ценой повышенных затраит.
Четвертый подход
сочетает в себе первый и
третий, хотя и довольно примитивным
образом. Проблема ведь в том,
что задача управления риском
в рассматриваемом случае –
это по крайней мере двухкритериальная
задача. Желательно средние потери
снизить (другими словами, математическое
ожидание доходов повысить), и одновременно
уменьшить показатель неопределенности
– дисперсию. Хорошо известны проблемы,
возникающие при многокритериальной оптимизации
(см. главу 1.3).
Наиболее продвинутый
подход – пятый. Но для его применения
необходимо построить функцию полезности.
Это – большая самостоятельная задача.
Обычно ее решают с помощью специально
организованного эконометрического исследования.
Если неопределенность
носит интервальный характер, т.е.
описывается интервалами, то естественно
применить методы статистики интервальных
данных (как части интервальной математики),
рассчитать минимальный и максимальный
возможный доходы и потери, и т.д.
Разработаны
различные способы уменьшения
экономических рисков, связанные с
выбором стратегий поведения, в частности,
диверсификацией, страхованием и др. Причем
эти подходы относятся не только к отдельным
организациям. Так, применительно к системам
налогообложения диверсификация означает
использование не одного, а системы налогов,
чтобы нейтрализовать действия налогоплательщиков,
нацеленные на уменьшение своих налоговых
платежей. Однако динамика реальных экономических
систем такова, что любые формальные модели
дают в лучшем случае только качественную
картину. Например, не существует математических
моделей, позволяющих достаточно точно
спрогнозировать инфляцию вообще и даже
реакцию экономики на одноразовое решение
типа либерализации цен.
Необходимость
применения экспертных оценок
при оценке и управлении рисками.
Из сказанного выше вытекает, что разнообразные
формальные методы оценки рисков и управления
ими во многих случаях (реально во всех
нетривиальных ситуациях) не могут дать
однозначных рекомендаций. В конце процесса
принятия решения - всегда человек, менеджер,
на котором лежит ответственность за принятое
решение. Поэтому процедуры экспертного
оценивания естественно применять на
всех этапах анализа рисков рассматриваемого
организацией проекта. При этом нецелесообразно
полностью отказываться от использования
формально-экономических методов, например,
основанных на вычислении чистых текущих
потерь и других характеристик. Использование
соответствующих программных продуктов
полезно для принятия обоснованных решений.
Однако на основные вопросы типа: достаточно
ли высоки доходы, чтобы оправдать риск,
или: что лучше - быстро, но мало, или долго,
но много - ответить могут только менеджеры
с помощью экспертов. Поэтому система
поддержки принятия решений в организации
должна сочетать формально-экономические
и экспертные процедуры.
Разработка системы
поддержки принятия решений, нацеленной
на оценивание рисков и управление
ими – не простое дело. Укажем
несколько проблем, связанных
с подобной работой. Совершенно
ясно, что система должна быть
насыщена конкретными численными
данными об экономическом состоянии
региона, страны, возможно и мира в целом.
Добыть такие данные нелегко, в частности,
потому, что сводки Российского статистического
агентства (ранее – Госкомстата РФ) искажены
(подробнее о состоянии теории и практики
статистики в России см. главу 1 в учебном
пособии [10] и статью [14]). В частности, Институт
высоких статистических технологий и
эконометрики занялся изучением инфляции
именно потому, что наши данные по этому
показателю превышали данные Госкомстата
РФ примерно в 2 раза (см. главу 7 в [10]). Зарубежные
источники также содержат неточности.
Так, при составлении балансовых соотношений
для макроэкономических показателей по
данным [16] выяснилось, что государство
должно иметь дополнительный источник
доходов в несколько сотен миллиардов
долларов, а доходы бизнеса имеют излишек
в 30 миллиардов долларов. Другими словами,
популярное учебное пособие [16] содержит
данные, не согласующиеся друг с другом.
Подходы к
управлению рисками. При оценке,
анализе и управлении рисками
могут оказаться полезными известные
публикации по методам учета финансового
риска [17-21]. При использовании широкого
арсенала статистических методов необходимо
учитывать особенности их развития в России
и СССР, наложившие свой отпечаток на современное
состояние в области кадров и литературных
источников.
Чтобы управлять,
надо знать цель управления
и иметь возможность влиять
на те характеристики риска,
которые определяют степень достижения
цели.
Обычно можно
выделить множество допустимых
управляющих воздействий, описываемое
с помощью соответствующего множества
параметров управления. Тогда указанная
выше возможность влиять на те характеристики
риска, которые определяют степень достижения
цели, формализуется как выбор значения
управляющего параметра. При этом управляющий
параметр может быть числом, вектором,
быть элементом конечного множества или
иметь более сложную математическую природу.
Основная проблема
– корректная формулировка цели
управления рисками. Поскольку
существует целый спектр различных
характеристик риска (например, если потери
от риска моделируются случайной величиной),
то оптимизация управления риском сводится
к решению задачи многокритериальной
оптимизации. Например, естественной является
задача одновременной минимизации среднего
ущерба (математического ожидания ущерба)
и разброса ущерба (дисперсии ущерба).
Страхование и
диверсификация – распространенные
методы уменьшения неопределенности,
присущей рискам, за счет повышения
среднего уровня затрат. Выплата
страховых взносов повышает затраты,
но уменьшает неопределенность будущего.
Если страховая компания полностью возмещает
ущерб при осуществлении страхового случая,
то неопределенность будущего полностью
исчезает. При диверсификации хозяйственной
деятельности упущенная выгода возникает
из-за того, что средства вкладываются
не только в самый выгодный (и самый рисковый)
проект, но и в другие проекты. Если же
нежелательные возможности осуществляются,
«самый выгодный» проект приносит убытки,
то другие проекты позволяют организации
«остаться на плаву».
Как известно,
для любой многокритериальной
задачи целесообразно рассмотреть
множество решений (т.е. значений
параметра управления), оптимальных
по Парето. Эти решения оптимальны
в том смысле, что не существует
возможных решений, которые бы
превосходили бы Парето-оптимальные решения
одновременно по всем критериям. Точнее,
превосходили бы хотя бы по одному критерию,
а по остальным были бы столь же хорошими.
Теория Парето - оптимальных решений хорошо
развита (см., например, монографию [22]).
Ясно, что для практической
реализации надо выбирать одно из Парето
- оптимальных решений. Как выбирать? Разработан
целый спектр подходов, из которых выбор
может быть сделан только субъективным
образом. Таким образом, снова возникает
необходимость применения методов экспертных
оценок.
Эксперты могут
выбирать непосредственно из
множества Парето - оптимальных решений,
если оно состоит лишь из
нескольких элементов. Или же
они могут выбирать ту или
иную процедуру сведения многокритериальной
задачи к однокритериальной (см.
также главу 1.3). Один из подходов – выбрать
т.н. «главный критерий», по которому проводить
оптимизацию, превратив остальные критерии
в ограничения. Например, минимизировать
средний ущерб, потребовав, чтобы дисперсия
ущерба не превосходила заданной величины.
Иногда задача
многокритериальной оптимизации
допускает декомпозицию. Найдя оптимальное
значение для главного критерия,
можно рассмотреть область возможных
значений для остальных критериев,
выбрать из них второй по
важности и оптимизировать по нему,
и т.д.
Что же делают
эксперты? Они выбирают главный
критерий (или упорядочивают критерии
по степени важности), задают численные
значения ограничений, иногда
точность или время вычислений.
Второй основной
подход – это свертка многих
критериев в один интегральный и переход
к оптимизации по одному критерию. Например,
рассматривают линейную комбинацию критериев.
Строго говоря, метод «главного критерия»
– один из вариантов свертки. При этом
вес главного критерия равен 1, а веса остальных
– 0. Построение свертки, в частности, задание
весов, целесообразно осуществлять экспертными
методами.
Используют также
методы, основанные на соображениях
устойчивости (наиболее общий подход
к изучению устойчивости разработан
в монографии [23]). При этом рассматривают
область значений управляющих параметров,
в которых значение оптимизируемого одномерного
критерия (главного параметра или свертки)
отличается от оптимального не более чем
на некоторую заданную малую величину.
Такая область может быть достаточно обширной.
Например, если в линейном программировании
(см. главу 3.2) одна из граней многогранника,
выделенного ограничениями, почти параллельна
плоскости равных значений оптимизируемого
критерия, то вся эта грань войдет в рассматриваемую
область. В выделенной области можно провести
оптимизацию другого параметра, и т.д.
При таком подходе эксперты выбирают допустимое
отклонение для основного критерия, выделяют
второй критерий, задают ограничения и
т.д.
Отметим, что
рассмотренные выше вероятностно-статистические
подходы к оцениванию рисков предполагают
использование в качестве критериев таких
характеристик случайной величины, как
математическое ожидание, медиана, квантили,
дисперсия и др. Эти характеристики определяются
функцией распределения случайного ущерба,
соответствующего рассматриваемому риску.
При практическом использовании этого
подхода перечисленные характеристики
оцениваются по статистическим данным.
Они оцениваются по выборке, состоящей
из наблюденных величин ущерба. При этом
необходимо вычислять доверительные интервалы,
содержащие оцениваемые теоретические
характеристики с заданной доверительной
вероятностью [10]. Таким образом, критерий,
на использовании которого основана оптимизация,
всегда определен лишь с некоторой точностью,
а именно, лишь с точностью до полудлины
доверительного интервала. Таким образом,
мы приходим к постановке, рассмотренной
в предыдущем абзаце.
Необходимо обратить
внимание на существенное изменение
ситуации в области вычислительной
оптимизации за последние 60 лет.
Если в 1960-е годы из-за маломощности
тогдашних компьютеров большое значение
имела разработка быстрых методов счета,
то в настоящее время внимание переносится
на постановки задач и интерпретацию результатов.
Это объясняется не только наличием различных
программных продуктов по оптимизации,
но и тем, что почти любую практическую
задачу оптимизации можно решить простейшими
методами типа переборных (перебирая возможные
значения управляющих параметров с маленьким
шагом), либо методом случайного поиска,
поскольку быстродействие современных
компьютеров позволяет это сделать.
В риск-менеджменте
(т.е. управлении рисками) компании
целесообразно выделить оперативное
управление рисками и стратегическое
управление рисками. Первый вид
деятельности – постоянно проводящаяся
работа, связанная с обеспечением качества
продукции, плановым снижением экологических
рисков [24], работой с покупателями, поставщиками,
персоналом, связанная с повышением лояльности,
и т.д.
Стратегический
риск-менеджмент – составная
часть стратегического планирования
и управления. Надо оценивать риски высокого
уровня, например, прогнозировать наличие
в продаже и цену тех или иных товаров
через 10-20 лет, например, нефти и «больших»
компьютеров. Большое значение на этом
уровне имеют теория прогнозирования
и экспертные оценки.
Литература
1. Бестужев-Лада И.В.
Окно в будущее: Современные
проблемы социального прогнозирования.
- М.: Мысль, 1970. - 269 с.
2. Гаврилец Ю.Н.
Социально-экономическое планирование:
Системы и модели. - М.: Экономика,
1974. - 174 с.
3. Загоруйко Н.Г. Эмпирическое
предсказание. - Новосибирск: Наука, 1979.
- 124 с.
4. Нейлор Т. Машинные
имитационные эксперименты с
моделями экономических систем.
- М.: Мир, 1975.
5. Сидельников Ю.В.
Теория и организация экспертного
прогнозирования. - М.: ИМЭМО АН СССР, 1990.
- 196 с.
6. Тейл Г. Эконометрические
прогнозы и принятие решений.
- М.: Статистика, 1971. - 488 с.
7. Френкель А.А.
Математические методы анализа
динамики и прогнозирования производительности
труда. - М.: Экономика, 1972. - 190 с.
8. Четыркин Е.М. Статистические
методы прогнозирования. - М.: Статистика,
1977.
9. Янч Э. Прогнозирование
научно-технического прогресса. - М.:
Прогресс, 1990. - 568 с.
10. Орлов А.И. Эконометрика.
– М.: Экзамен, 2003. -576 с.
11. Орлов А. И.
Задачи оптимизации и нечеткие переменные.
- М.: Знание, 1980.- 64 с.
12. Орлов А.И. Сценарии
социально-экономического развития
России до 2007 г. – Журнал «Обозреватель
- Observer». 1999. No.10 (117). С.47-50.
13. Научно-методические
аспекты анализа аварийного риска
/ Горский В.Г., Моткин Г.А., Швецова-Шиловская
Т.Н. и др. – М.: Экономика и информатика,
2002. – 260 с.
14. Орлов А.И. О
перестройке статистической науки
и ее применений // Вестник статистики,
1990, № 1, с.65-71.
15. Пиндайк Р., Рубинфельд
Д. Микроэкономика. - М.: "Экономика"
- "Дело", 1992.