УР_Попов_И_С_2013
реклама
Процесс идентификации рисков Классификация рисков Все риск образующие факторы можно разделить на 2 группы: • внутренние факторы, возникающие в процессе деятельности предприятия; • внешние факторы, существующие вне компании 2 Окружение предприятия 3 Классификация рисков По степени влияния компании на воздействие этих факторов их можно условно подразделить на: • объективные факторы – факторы, на которые предприятие, компания не может оказывать воздействие; • субъективные факторы – факторы, регулируемые компанией. 4 Понятие и этапы анализа рисков • Анализ риска – процесс исследования внешней и внутренней среды предпринимательской деятельности, осуществляемый с целью выявления рисков, оценки их параметров, а также прогнозирования состояния предприятия, действующего в условиях риска, через определенный момент времени посредством оценки ключевых показателей деятельности как случайных величин. 5 Этапы анализа рисков 6 Качественный анализ риска • Качественный анализ — определение факторов риска, этапов работы, при выполнении которых риск возникает, установление потенциальных областей риска, после чего идентификация всех возможных рисков. 7 Логическая карта рисков проекта Итогом этапа качественного анализа рисков должна стать карта рисков проекта. 8 Методы качественного анализа рисков • • • • метод экспертных оценок SWOT-анализ спираль («роза») метод аналогий или консервативные прогнозы • И т.д. 9 Количественный анализ рисков Задача количественного анализа состоит в численном измерении степени влияния рискованных факторов проекта на поведение критериев эффективности всего инвестиционного проекта. Количественная оценка риска – это численное определение влияния отдельных рисков проекта. 10 Процесс количественного анализа • создание прогнозной модели; • определение переменных риска; • определение вероятностного распределения отобранных переменных и определение диапазона возможных значений для каждой из них; • установление наличия или отсутствия корреляционных связей среди рисковых переменных; • прогоны моделей (определение характеристик результативных величин как случайных величин); • анализ результатов (построение уровней риска). 11 Методы количественного анализа рисков • • • • • • • • статистический; экспертных оценок; анализ чувствительности; оценки финансовой устойчивости и платежеспособности; оценки целесообразности затрат; анализ последствий накопления риска; метод использования аналогов; комбинированный метод. 12 Статистический метод идентификации рисков • Статистический метод заключается в изучении статистики потерь и прибылей, имевших место на данном или аналогичном предприятии, с целью определения вероятности события, установления величины риска. 13 Статистический метод идентификации рисков Средняя величина (математическое ожидание) представляет собой обобщенную количественную характеристику и не позволяет принять решение в пользу какоголибо варианта вложения капитала. Среднеквадратическое отклонение x f M ( x) n 14 Статистический метод идентификации рисков Дисперсия D 2 ( x M ( x )) f n Коэффициент вариации V=σ /M, • где К— коэффициент вариации, %; • σ — среднее квадратическое отклонение; • M — математическое ожидание. 15 Корреляционно-регрессионный анализ Задачи регрессионного анализа — выбор типа модели (формы связи), установление степени влияния независимых переменных на зависимую и определение расчетных значений зависимой переменной (функции регрессии). Задачи корреляционного анализа сводятся к измерению тесноты известной связи между варьирующими признаками, определению неизвестных причинных связей (причинный характер которых, должен быть выяснен с помощью теоретического анализа) и оценке факторов, оказывающих наибольшее влияние на результативный признак. 16 Этапы корреляционнорегрессионного анализа • Установление цели и задач КРА; • Выбор показателей для измерения результативных и факторных признаков; • Предварительный анализ исходной информации; • Построение уровней регрессии, расчет его параметров и других показателей регрессионного анализа; • Измерение тесноты связи между результативным и факторными признаками; • Оценка достоверности показателей КРА 17 Корреляционно-регрессионный анализ Модель -логическое или математическое описание компонентов и функций, отображающих существенные свойства моделируемого объекта или процесса По количеству включаемых факторов модели могут быть однофакторными и многофакторными (два и более факторов). В зависимости от познавательной цели статистические модели подразделяются на структурные, динамические и модели связи. 18 Однофакторный регрессионный анализ Методология парной корреляции рассмотрение влияния вариации факторного признака х на результативный признак у и представляющая собой однофакторный корреляционный и регрессионный анализ 19 Уравнение однофакторной линейной корреляционной связи y a a x 0 1 где y - теоретические значения результативного признака, полученные по уравнению регрессии; a0,а1 — коэффициенты (параметры) уравнения регрессии. 20 Коэффициент регрессии Коэффициент парной линейной регрессии а1 называется коэффициентом регрессии и имеет смысл показателя силы связи между вариацией факторного признака х и вариацией результативного признака у. 21 Коэффициент эластичности Коэффициент эластичности показывает средние изменения результативного признака при изменении факторного признака на 1% и вычисляется по формуле, %: x Эa . 1y 22 Однофакторный (парный) корреляционный анализ Теоретическое корреляционное отношение η - относительная величину, получающуюся в результате сравнения среднего квадратического отклонения выровненных значений результативного признака δ η = δ 2 /σ 2 , э ( y - y) где δ= n Тогда η= 2 ( y - y) δ2 ; = n yx ( y - y) 2 ( y - y) 2 2 2. y . 23 Коэффициент детерминации Коэффициент детерминации показывает долю вариации результативного признака под влиянием вариации признака-фактора. 24 Многофакторный корреляционнорегрессионный анализ • Многофакторный корреляционный и регрессионный анализ позволяет оценить меру влияния на исследуемый результативный показатель каждого из включенных в модель (уравнение) факторов при фиксированном положении (на среднем уровне) остальных факторов, а также при любых возможных сочетаниях факторов с определенной степенью точности найти теоретическое значение этого показателя (важным условием является отсутствие между факторами функциональной связи). 25 Совокупный коэффициент множественной корреляции r2 R yx x 1 2 yx 1 r2 2r r r yx yx yx x x 2 1 2 1 2, 1 r2 xx 1 2 где r - линейные коэффициенты корреляции (парные); подстрочные индексы показывают, между какими признаками они исчисляются. 26 Совокупный коэффициент множественной детерминации Совокупным коэффициентом множественной детерминации называется величина R2, которая показывает, какая доля вариации изучаемого показателя объясняется влиянием факторов, включенных в уравнение множественной регрессии. 27 Дисперсионный анализ Дисперсионный анализ (ANOVA – analysis of variance) – статистический метод изучения взаимосвязи Основная цель– исследовать значимость различия между средними значениями зависимой количественной переменной по группам фактора. 28 Кластерный анализ Кластерный анализ (cluster analysis) – совокупность многомерных статистических методов классификации объектов по характеризующим их признакам, разделение совокупности объектов на однородные группы, близкие по определяющим критериям, выделение объектов определенной группы. 29 Кластерный анализ Кластер – это группы объектов, выделенные в результате кластерного анализа на основе заданной меры сходства или различий между объектами. Объект – это конкретные предметы исследования, которые необходимо классифицировать. 30 Дискриминантный анализ Дискриминантный анализ (discriminant analysis) – метод многомерного статистического анализа. Он включает в себя методы классификации многомерных наблюдений по принципу максимального сходства при наличии обучающих признаков. 31 Дискриминантный анализ Смысл дискриминантного анализа – на основании обучающих выборок преобразовать многомерный массив в одномерный показатель для прогнозирования принадлежности наблюдений к группам. 32 Метод главных компонент • Метод главных компонент применяется в двух целях. Первая — это уменьшение размерности данных с многих до нескольких переменных. Вторая цель — это интерпретация данных. 33 Метод экспертных оценок • Экспертная оценка — это выявленное по специальной методике мнение экспертов по определенному вопросу. 34 Метод Дельфи Разновидностью экспертного метода является метод Дельфи. Он характеризуется анонимностью и управляемой обратной связью. 35 Метод рейтинговых оценок Метод рейтинговых оценок основан на формализации полученных оценок. Эксперт присваивает каждому риску определенный балл в зависимости от его влияния на проект (или всю компанию). 36 Метод концептуальных переносов Концептуальные переносы как методы анализа риска и неопределенности исходят из того, что выдвигается предположение о возможности или невозможности использования тех или иных теоретических предложений (концепции) и вследствие этого определяется, каковы перспективы анализа риска и неопределенности. 37 Аналитический метод Аналитический способ построения кривой риска наиболее сложен, поскольку лежащие в основе его элементы теории игр доступны только очень узким специалистам. Чаще используется подвид аналитического метода — анализ чувствительности модели. 38 Анализ чувствительности модели • выбор ключевого показателя, относительно которого и производится оценка чувствительности; • выбор факторов; • расчет значений ключевого показателя на разных этапах осуществления проекта. 39 Метод аналогий При анализе риска нового проекта весьма полезными могут оказаться данные о последствиях воздействия неблагоприятных факторов риска на другие проекты. 40 Имитационное моделирование (метод Монте-Карло) • Имитационное моделирование – это целенаправленные серии многовариантных исследований, выполняемых на компьютере с применением математических моделей. 41 Сценарный метод • описание всего множества возможных условий реализации проекта в форме соответствующих сценариев или моделей, учитывающих систему ограничений на значения основных технических, экономических и т.п. параметров проекта; • преобразование исходной информации о факторах неопределенности в информацию о вероятностях отдельных условий реализации и соответствующих показателях эффективности или об интервалах их изменения; • определение показателей эффективности проекта в целом с учетом неопределенности условий его реализации. 42 Дерево решений Деревья решений (decision trees) – это статистический метод, позволяющий предсказывать принадлежность наблюдений или объектов к тому или иному классу категориальной зависимой переменной или значения количественной переменной в зависимости от соответствующих значений одной или нескольких независимых переменных. 43 Дерево решений Цель метода деревьев решений – предсказать значение целевой переменной в зависимости от соответствующих значений независимых переменных (предикторов, атрибутов). 44
