Оценка и управление профессиональными рисками проводиться из-за денег. Так или иначе, оценка рисков проводится в целях минимизации юридических, финансовых, материальных потерь бизнеса (минимизации расходов, убытков), 
или иначе - в целях обеспечения конкурентного преимущества.
Плюсы использования программного инструментария для оценки рисков:
· автоматизация алгоритма процесса оценки и управления рисками;
· унификация методологии оценки рисков, обеспечивающая воспроизводимость результатов;
· интеграция с ERM-системами;
· построение и поддержание реестров активов, требований, угроз и рисков;
· автоматическое формирование Планов обработки рисков и Деклараций о применимости;
· интеграция со средствами контроля соответствия и со средствами анализа уязвимостей.
6.1 Статистические (вероятностные) методы оценки рисков :
Таблица 13 - Статистические методы оценки рисков
| Статистические методы оценки рисков: | Абсолютные, средние и относительные величины |
| Динамические ряды и ряды распределения | |
| Группировки | |
| Индексный анализ | |
| Вариационный и дисперсионный анализ | |
| Корреляционно-регрессионный и многомерный анализ | |
| Графический метод, трендовые модели, методы экспертных оценок |
Чтобы количественно оценить риск, необходимо знать все возможные последствия принимаемого решения и вероятность последствий этого решения.
А – Вероятность случайной величины (Р).
Б – Размах вариации (изменчивости) случайной величины (R).
В – Дисперсия случайной величины́ (σ⁴).
Г – Математическое ожидание случайной величины (М)
Д – Коэффициент вариации случайной величины (V)
А. Вероятность — это количественная мера возможности наступления какого-либо события (явления, факта).
Все сложные свойства понятия вероятности изучаются в теории вероятностей — науке о математических моделях массовых случайных процессов и явлений.
Понятие вероятности тесно связано с понятием случайного события.
Случайное событие — это такое явление, которое может произойти или не произойти при данных условиях:
- выпадение герба при подбрасывании монеты;
- выпадение одной из граней шестигранного кубика;
- совершение преступления; несчастный случай;
- реализация некоторого события из набора возможных.
Из простых событий можно образовать сложные. Одна из основных задач теории вероятностей — определение вероятности сложного события по входящим в его состав элементарным событиям.
Сумма двух событий А и В называется третьим — С, состоящим в событии А либо событии В или их обоих одновременно.
Символ Р обозначает вероятность, а другие большие буквы — случайные события.
При многократных испытаниях разных групп объектов относительные частоты определенного признака могут принимать различные значения. Но с увеличением количества исследуемых объектов обнаруживается тенденция относительных частот группироваться вокруг некоторого постоянного значения, которое именуется вероятностью (Р) данного признака. На основании закона больших чисел можно принять относительную частоту некоторого признака, полученную в результате наблюдения достаточно большого числа объектов, равной вероятности (Р) этого признака.
Вероятность (Р) события А — отношение числа случаев благоприятных исходов (К) к общему числу всех возможных исходов (N).
Р(А) = К / N
Вероятность некоторого случайного события А Р(А) равна либо 0, либо 1, либо представляет собой (в большинстве случаев) дробь между 0 и 1.
- Достоверным признается такое событие, которое в результате опыта (эксперимента, наблюдения) должно обязательно произойти.
Обозначается достоверное событие символом Р(В) = 1.
- Невозможное — это такое событие, которое в условиях данного опыта (эксперимента, наблюдения) произойти не может. Обозначается оно символом Р(С) = 0.
Вероятность наступления события может быть определена объективным или субъективным методом:
Таблица 14 - Объективный и субъективный методы определения вероятности
| Объективный метод определения вероятности | Субъективный метод определения вероятности |
| основан на вычислении частоты, с которой происходит данное событие. Например, вероятность выпадения «орла» или «решки» при подбрасывании идеальной монеты – 0,5. Этот метод является наиболее предпочтительным в том случае, когда имеется обширная и достаточно надежная информация об истории оцениваемого объекта или других показателей, по которым косвенно можно судить о рассматриваемом риске. | базируется на использовании субъективных критериев, основанных на различных предположениях; к ним могут относиться суждения принимающего решение, его личный опыт, оценка эксперта, консультанта и т.д. Вероятность события в этом случае может быть разной, будучи оцененной разными экспертами. |
| Несмотря на различия методов, считается, что субъективная вероятность обладает теми же математическими свойствами, что и объективная. | |
Б. Среднее арифметическое не является универсальной характеристикой варьирующих объектов.
При одинаковых средних арифметических признаки могут отличаться по величине и характеру варьирования. Поэтому используют показатели вариации.
Одним из таких показателей являются лимиты, обозначаемые символом lim (Лимит от лат. граница, норма — это средство управления определёнными формами принимаемого риска. Лимит представляет собой количественное ограничение, накладываемое на определённые характеристики операций организации). Под этим термином понимают значения минимальной Хmin и максимальной Хmax вариант совокупности.
Размах вариации (изменчивости) (R) – это показатель, представляющий собой разность между максимальной и минимальной вариантами совокупности, разница между максимальным и минимальным значением фактора, т.е.
R= Хmax - Хmin.
Чем сильнее варьирует признак, тем больше размах вариации, и, наоборот, чем слабее вариация признака, тем меньше будет размах вариации.
Этот показатель дает очень грубую оценку риску, т.к. он является абсолютным показателем и зависит только от крайних значений ряда.
В. Дисперсия случайной величины́ — мера разброса значений случайной величины относительно её математического ожидания.
Общая дисперсия характеризует вариацию признака всей совокупности под влиянием всех тех факторов, которые обусловили данную вариацию. Эта величина определяется по формуле
где - 
общая средняя арифметическая всей исследуемой совокупности.
Средняя внутригрупповая дисперсия свидетельствует о случайной вариации, которая может возникнуть под влиянием каких-либо неучтенных факторов и которая не зависит от признака-фактора, положенного в основу группировки. Данная дисперсия рассчитывается следующим образом: сначала рассчитываются дисперсии по отдельным группам ( 
), затем рассчитывается средняя внутригрупповая дисперсия 
:
где ni - число единиц в группе
Межгрупповая дисперсия 
(дисперсия групповых средних) характеризует систематическую вариацию, т.е. различия в величине исследуемого признака, возникающие под влиянием признака-фактора, который положен в основу группировки.
где - 
средняя величина по отдельной группе.
Все три вида дисперсии связаны между собой: общая дисперсия равна сумме средней внутригрупповой дисперсии и межгрупповой дисперсии:
Свойства:
1) Дисперсия постоянной величины равна нулю.
2) Уменьшение всех значений признака на одну и ту же величину A не меняет величины дисперсии
.
3) Уменьшение всех значений признака в K раз уменьшает дисперсию в K2 раз, а среднее квадратическое отклонение в K раз
.
4) Если вычислить средний квадрат отклонений от любой величины A, в той или иной степени отличающейся от средней арифметической, то он всегда будет больше среднего квадрата отклонений, вычисленного от средней арифметической
.
Средний квадрат отклонений при этом будет больше на величину ( 
– A)2:
Г. Математическое ожидание случайной величины (М)
В некоторых случаях закон распределения случайной величины неизвестен, или просто целесообразно использовать не таблицу или функцию распределения для представления случайной величины, а так называемые числовые характеристики ее распределения, в частности математическое ожидание.
Математическое ожидание дискретной (от лат. discretus — раздельный, прерывистый) случайной величины (М) – это сумма парных произведений всех возможных ее значений на соответствующие вероятности:
,
где 
.
Очевидно, математическое ожидание случайной величины Х не изменится, если таблицу значений этой случайной величины пополнить конечным числом любых чисел, считая, что вероятности этих чисел равны нулю.
Математическое ожидание М(Х) случайной величины есть величина постоянная и поэтому представляет числовую характеристику случайной величины.
Вероятностный смысл математического ожидания : математическое ожидание приближенно равно среднему арифметическому наблюдаемых значений случайной величины.
Математическое ожидание — важнейшая характеристика случайной величины, т.к. служит центром распределения ее вероятностей. Смысл ее заключается в том, что она показывает наиболее правдоподобное значение фактора.
Использование дисперсии как меры риска не всегда удобно, т.к. размерность ее равна квадрату единицы измерения случайной величины.
Результаты анализа более наглядны, если показатель разброса случайной величины выражен в тех же единицах измерения, что и сама случайная величина.
Все вышеперечисленные показатели обладают одним общим недостатком — это абсолютные показатели, значения которых предопределяют абсолютные значения исходного фактора.
Д. Гораздо удобней поэтому использовать коэффициент вариации случайной величины (V) — мера относительного разброса случайной величины; показывает, какую долю среднего значения этой величины составляет ее средний разброс.
Вариация это отклонение/изменение/различия.
Коэффициент вариации, выраженный в процентах, показывает на сколько велики были отклонения параметров за анализируемый период.
σ2
V = __ ; σ = V¯∑ (Х i – Хср)2 Хср = ∑ Х i : n
Хср n
где
V – коэффициент вариации,
σ – средне-квадратическое отклонение,
Хср – средне-арифметическое,
Х i – i-ое значение статистического ряда,
N – количество значений в статистическом ряде.
Определение коэффициента вариации (V) особенно наглядно для случаев, когда средние величины случайного события существенно различаются.
Для большинства инвестиционных проектов невозможно оценить вероятность наступления того или иного риска с приемлемой точностью, а потому статистические методы можно применять лишь для поверхностного анализа или в совокупности с другими методами.
Таблица - Соответствие уровня риска величине коэффициента вариации
| Коэффициент вариации | Уровень риска |
| 0 | Риск отсутствует |
| от 0 до 0,3 | Незначительный риск |
| от 0,3 до 1 | Умеренный риск |
| больше 1 | Значительный риск |
Дата: 2019-02-02, просмотров: 258.
