АвтоАвтоматизацияАрхитектураАстрономияАудитБиологияБухгалтерияВоенное делоГенетикаГеографияГеологияГосударствоДомДругоеЖурналистика и СМИИзобретательствоИностранные языкиИнформатикаИскусствоИсторияКомпьютерыКулинарияКультураЛексикологияЛитератураЛогикаМаркетингМатематикаМашиностроениеМедицинаМенеджментМеталлы и СваркаМеханикаМузыкаНаселениеОбразованиеОхрана безопасности жизниОхрана ТрудаПедагогикаПолитикаПравоПриборостроениеПрограммированиеПроизводствоПромышленностьПсихологияРадиоРегилияСвязьСоциологияСпортСтандартизацияСтроительствоТехнологииТорговляТуризмФизикаФизиологияФилософияФинансыХимияХозяйствоЦеннообразованиеЧерчениеЭкологияЭконометрикаЭкономикаЭлектроникаЮриспунденкция

Математические модели оценки риска

Читайте также:
  1. II. Право на фабричные рисунки и модели (прикладное искусство), на товарные знаки и фирму
  2. III. Методы оценки функции почек
  3. Абсолютные показатели оценки риска
  4. Автокорреляция остатков модели регрессии. Последствия автокорреляции. Автокорреляционная функция
  5. Аддитивная и мульпликативная модели временного ряда
  6. Адекватность трендовой модели
  7. Акционерное финансирование. Методы оценки стоимости акций.
  8. Алгоритм оценки и проверки адекватности нелинейной по параметрам модели (на примере функции Кобба-Дугласа).
  9. Алгоритм проверки адекватности множественной регрессионной модели (сущность этапов проверки, расчетные формулы, формулировка вывода).
  10. Алгоритм проверки адекватности парной регрессионной модели.
  11. Алгоритм проверки адекватности парной регрессионной модели.
  12. Алгоритм проверки значимости регрессоров во множественной регрессионной модели: выдвигаемая статистическая гипотеза, процедура ее проверки, формулы для расчета статистики.

 

В самом общем виде модель оценки риска можно выразить следующим соотношением:

(2.4)

где R – оценка последствий рискового события;

P – вероятность наступления рискового события;

I – потенциальные последствия фактора риска.

Работы по анализу риска и построению адекватной модели его оценки весьма трудоемки. Это объясняется с одной стороны нестабильностью причин факторов риска, а с другой стороны – сложностью формализации количественной оценки результатов деятельности. Поэтому при обосновании и разработке моделей оценивания риска требуется тщательный анализ характера исходной информации о причинах и факторах риска, а также цели исследования.

В зависимости от характера исходной информации, имеющийся в момент постановки задачи, и выбранного способа описания неопределенности наиболее распространены следующие классы математических моделей оценки последствий риска: детерминированные; стохастические; лингвистические и нестохастические (игровые) (рисунок 2.3).

 

Рисунок 2.3 – Модели оценки риска [60]

Детерминированные модели применяют, когда природа причин и факторов риска является определенной и относительно каждого действия известно, что оно непременно приводит к некоторому конкретному исходу. В этом случае математическими средствами описания предпринимательского риска служат классические математические методы анализа и программирования, математической логики и др. [60].

Напротив, в стохастических моделях, когда природа причин и факторов риска случайна, риск описывается распределением вероятностей на заданном множестве. Необходимой предпосылкой для обоснованного использования стохастических моделей является наличие статистически значимой информации о прошлых реализациях неопределенной переменной.

Лингвистические и нестохастические модели применяют для условий, когда природа причин риска носит нечеткий характер.

В лингвистических моделях неопределенность описывается задаваемой вербально функцией принадлежности. Для построения функции принадлежности используют экспертные суждения о степени предрасположенности того или иного потенциально возможного события к тому, чтобы быть реализованным. При этом применяется аппарат нечеткой логики и не требуется уверенности в повторяемости событий.

В случае построения нестохастической (игровой) модели задается лишь множество отдельных значений последствий рискового события, которое может быть потенциально реализовано. В качестве математических средств используются методы стратегических и статистических игр, теория полезности и др. [60].

Таким образом, переход от детерминированных моделей через стохастические модели к лингвистическим и игровым моделям, соответствует убывание информации о факторах риска.

Достаточно часто могут встречаться ситуации, когда неопределенность принципиально не может быть описана, и риск рассчитать невозможно. В этом случае рисковые решения могут приниматься на основе эвристики, которая представляет совокупность логических приемов и методических правил теоретического исследования и поиска истины [60].

 

Выводы к главе 2

1.Очевидно, что для управления рисками в сетевой организационной структуре требуется наличие у руководителя серьезного багажа теоретических знаний, практических навыков и общей эрудиции в вопросах оценки риска.

2. Оценка рисков необходима в сети, прежде всего, для устранения фактора неопределённости. Принимая управленческие решения в организационной сети необходимо четко представлять объективную картину того, в какой реальной экономической ситуации она находиться, и насколько высок риск потери инвестиций в ее формирование и настройку.

3. Под риском будем понимать «вероятность того, что организационная сеть, вследствие своей производственной и финансовой политики, недополучит запланированный доход».

4. Для поддержки управленческих решений в организационных сетях необходимо разработать общую методику определения количественной оценки зон рисков.

 

 


1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 | 11 | 12 | 13 | 14 | 15 |

Поиск по сайту:



Все материалы представленные на сайте исключительно с целью ознакомления читателями и не преследуют коммерческих целей или нарушение авторских прав. Студалл.Орг (0.004 сек.)