Анализ риска

Коэффициент вариации позволяет сравнивать колеблемость признаков, имеющих разные единицы  измерения.

Чем выше коэффициент  вариации, тем сильнее колеблемость признака.

Установлена следующая  оценка коэффициентов вариации:

до 10% - слабая колеблемость;

10-25% - умеренная  колеблемость;

свыше 25% - высокая  колеблемость.

В нашем примере  среднее квадратическое отклонение составляет:

• в мероприятии А - 6,68;
• в мероприятии Б - 4,95.  
   
  Коэффициент вариации:
• для мероприятия А: V А = 29%;
• для мероприятия Б: VБ = 20%.  
   
  Коэффициент вариации при вложении денежных средств в мероприятие А больше, чем при мероприятии Б. Следовательно, мероприятие Б сопряжено с меньшим риском, а значит, предпочтительнее. 
  Дисперсионный метод успешно применяется и при наличии более чем двух альтернативных признаков.

количественный  анализ риска

В тех случаях, когда информация ограничена, для  количественного анализа риска  используются аналитические методы, или стандартные функции распределения вероятностей, например нормальное распределение, или распределение Гаусса, показательное (экспоненциальное) распределение вероятностей, которое довольно широко используется в расчетах надежности, а также распределение Пуассона, которое часто испопьзуют в теории массового обслуживания.

Вероятностная оценка риска математически достаточно разработана, но опираться только на математические расчеты в предпринимательской  деятельности не всегда бывает достаточным, так как точность расчетов во многом зависит от исходной информации.

Метод экспертных оценок основан на обобщении мнения специалистов-экспертов о вероятностях риска. Интуитивные характеристики, основанные на знаниях и опыте эксперта, дают в ряде случаев достаточно точные оценки. Экспертные методы позволяют быстро и без больших временных и трудовых затрат получить информацию, необходимую для выработки управленческого решения.

Метод экспертных оценок применяется в случаях, когда:

1) длина исходных  динамических рядов недостаточна  для оценивания с использованием  экономико-статистических методов; 

2) связь между  исследуемыми явлениями носит  качественный характер и не  может быть выражена с помощыо  традиционных количественных измерителей; 

З) входная информация неполная и невозможно предсказать  влияние всех факторов;

4) возникли экстремальные  ситуации, когда требуется принятие  быстрых решений. Суть экспертных  методов заключается в организованном  сборе суждений и предположений  экспертов с последующей обработкой  полученных ответов и формированием  результатов. 

Выделяют следующие  стадии экспертного опроса:

1) формулировка  цели экспертного опроса;

2) подбор основного  состава рабочей группы;

3) разработка  и утверждение технического задания  на проведение экспертного опроса;

4) разработка  подробного сценария проведения  сбора и анализа экспертных  мнений (оценок), включая как конкретный  вид экспертной информации (слова,  условные градации, числа, ранжирование, разбиения или иные виды объектов  нечисловой природы), так и конкретные  методы анализа этой информации;

5) подбор экспертов  в соответствии с их компетентностью; 

6) формирование  экспертной комиссии;

7) проведение  сбора экспертной информации;

8) анализ экспертной  информации;

9) интерпретация  полученных результатов и подготовка  заключения;

10) принятие решения  - выбор альтернативы.

Существует масса  методов получения экспертных оценок. В одних с каждым экспертом  работают отдельно, он даже не знает, кто  еще является экспертом, а потому высказывает свое мнение независимо от авторитетов.

В других - экспертов  собирают вместе, при этом эксперты обсуждают проблему друг с другом, учатся друг у друга, и неверные мнения отбрасываются. В одних методах  число экспертов фиксировано, в  других - число экспертов растет в процессе проведения экспертизы.  
Среди наиболее распространенных методов получения экспертных оценок можно выделить:

1) метод "Дельфы"

2) метод "снежного  кома";

З) метод "дерева целей";

4) метод "комиссий  круглого стола";

5) метод эвристического  прогнозирования; 

6) матричный  метод.

метод Дельфы

Рассмотрим пример количественной оценки экспертами возможного приращения платежеспособного спроса на пищевую продукцию (по методу Дельфы).

К участию в  эксперименте привлечено 8 человек, после  оценки уровня компетентности - 5 человек.

На первом этапе  ответы на вопросы даются в произвольной форме (числовые характеристики, словесные  описания).

На второй стадии называются конкретные значения возможного приращения платежеспособного спроса с аргументацией данных значений. Далее проводится статистическая обработка  результатов экспертизы. Для этого  находят медиану и квартили.

Медиана - серединное или центральное значение признака, делит числовой ряд пополам.

Квартиль - значения переменной, делящей ряд распределения  на четыре равные части.

Считается, что  медиана характеризует обобщенное мнение группы экспертов, а значения нижнего и верхнего квартилей  ограничивают доверительную зону прогноза.

Предположим, что  в данном примере экспертиза дала следующие результаты, представленные в таблице З.

Результаты  экспертизы по определению возможного приращения платежеспособногo спроса на пищевую продукцию 

 
Результаты доводятся до сведения экспертов. Экспертам, чьи прогнозы не попали в доверительный интервал, предлагается аргументировать свою точку зрения или пересмотреть ее и присоединиться к мнению большинства.  
Последующие этапы корректировки данных позволят усилить согласованность результатов.

метод оценки платежеспособности и финансовой устойчивости предприятия

Метод оценки платежеспособности и финансовой устойчивости предприятия позволяет предусмотреть вероятность банкротства. В первую очередь анализу подвергаются сведения, содержащиеся в документах годовой бухгалтерской отчетности.

Основными критериями неплатежеспособности, характеризующими структуру баланса, являются:

коэффициент тeкущей  ликвидности,

коэффициент обеспеченности собственными средствами и 

коэффициент восстановления (утраты) платежеспособности.

На основании  указанной системы показателей  можно оценить вероятность наступления неплатежеспособности предприятия.

Различные методы финансового анализа позволяют  выяснить слабые места в экономике  предприятия, охарактеризовать его  ликвидность, финансовую устойчивость, рентабельность, отдачу активов и  рыночную активность.

Однако обычно вывод о вероятности банкротства  можно сделать только на основе сопоставления  показателей данного предприятия  и аналогичных предприятий, обанкротившихся  или избежавших банкротства.

Найти соответствующую  информацию довольно трудно, поэтому  для расчетов вероятностей банкротства  широко используют многофакторные модели (основанные на анализе коэффициентов), которые позволяют определить, находится  ли компания в "рискованном" положении (т.е. существует ли опасность разорения  или поглощения ее другой компанией  и есть ли настоятельная необходимость  перестройки или улучшения ее работы).

Одна из таких  моделей прогнозирования банкротства  на основе минимального количества коэффициентов, объединеннных в определенную систему  (Z-модель), была разработана независимо друг от друга американским профессором Эдвардом Альтманом и английским профессором Ричардом Таффлером.

Z-модель была разработана на основе статистического анализа большого количества финансовых коэффициентов как "благополучных", так и обанкротившихся компаний.

Статистический  анализ использовался для определения  минималыюго числа коэффициентов, с помощью которых можно отличить стабильную компанию от потенциального банкрота, расчета степени влияния  каждого коэффициента на построение модели и прогнозирование банкротства.

В 1968 г. профессор  Альтман проанализировал 22 бухгалтерские  и небухгалтерские "переменные" и выбрал пять ключевых коэффициентов  для определения стабильного  или критического состояния фирм. Эти пять показатепей были затем  использованы для определения значения Z.

Компании, у которых  величина Z превышала определенный уровень, могли быть отнесены к категории  финансово благополучных, а компании, у которых значение Z не достигало  этого уровня, могли быть определены как потенциальные банкроты. Альтман  выделил также "серую зону" между "процветанием" и "банкротством".

Для компаний, находящихся  в этой зоне, нельзя уверенно прогнозировать то или иное развитие событий. В разработанной  им модели в качестве переменных (факторов) используются показатели

рентабельности  активов,

динамики прибыли,

кумулятивной  прибыльности,

совокупных активов,

коэффициенты  покрытия процентов по кредитам,

ликвидности,

автономии.

Эта модель позволяет  прогнозировать банкротство на пятилетний период с точностью до 70%.

В общем виде Z-модель выглядит следующим образом:

Z = C1R1 + C2R2 + ... + CmRm,

где R1, R2 ... Rm - отобранные ключевые коэффициенты, число которых  достигает n;

C1, С2,… Сm - показатели, характеризующие значимость R1, R2,…  Rm,

Высокое значение Z говорит о стабильном состоянии, низкое - о потенциальном банкротстве.

На сегодня  эффективность Z-модели для прогноза вероятного банкротства компании все  еще нуждается в подтверждении. Проблемы Z-модели вытекают из того, что  ее коэффициенты рассчитываются по данным официальной отчетности компании.

Однако компании, которые попадают в затруднительное  положение, могут "улучшать" свои отчеты о прибылях и убытках. В  таком случае адекватная оценка финансовых трудностей компании представляется невозможной.

По этой причине  Джон Аргенти разработал альтернативный подход к прогнозированию банкротства, основанный на учете субъективных суждений (А-модель). Аргенти считал, что причиной банкротства компании является

плохое руководство,

неэффективная система учета и