Следующий метод оценки риска также использует приемы расчетов из теории математической статистики.
При этом решаются две задачи. Первая задача сводится к оп-ределению значений вероятности наступления событий и выбору из воз-можных событий самого предпочтительного исходя из наибольшей вели-чины математического ожидания. Используя формулу расчета математи-ческого ожидания, абсолютная величина события умножается на вероят-ность его наступления. Вероятность наступления события может быть оп-ределена субъективным или объективным методом.
Субъективный метод определения вероятности основан на использовании экспертных заключений.
Объективный метод определения вероятности основан на вычисле-нии частоты, с которой происходит данное событие. Например, если из-вестно, что при вложении капитала в какое-либо мероприятие прибыль в сумме 25 денежных единиц была получена в 120 случаях из 200, то веро-ятность получения такой прибыли составляет 0,6 (120 : 200).
Средняя величина представляет собой обобщенную количественную характеристику, рассчитываемую по формуле:
| Е = А1 х1 + A2 x2 + ... + Ап хп |
где Е - среднее ожидаемое значение; х- ожидаемое значение для каж-дого случая наблюдения; Ai - частота случаев, или число наблюдений.
Решение второй задачи, связанной с оценкой риска с помощью методов теории математической статистики, предполагает измерение изменчи-вости показателей, которая определяется как колеблемость возможного ре-
зультата относительно средней величины. Для ее определения вычисляется дисперсия, представляющая собой среднее взвешенное из квадратов отклонений действительных результатов от среднего ожидаемого
| ∑( X - | 2 ´ n | |||
| s 2 = | X ) |
| ||
| ∑n | ||||
где s 2 - дисперсия;
X - ожидаемое значение для каждого случая наблюдения;
- среднее ожидаемое значение;
- число случаев наблюдений (частота).
Отношение среднего квадратичного отклонения к средней арифмети-ческой - это коэффициент вариации:
| V= | ± s |
| |
|
| |||
| X | |||
где V - коэффициент вариации, %;
- среднее квадратическое отклонение;
- среднее ожидаемое значение ( среднее арифметическое).
Коэффициент вариации показывает степень отклонения возможных значений от среднего. 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.
При сравнении альтернативных вариантов тот из них является менее рискованным, у которого меньше значение коэффициента вариации.
Среднее квадратическое отклонение (s ) определяется по формуле:
|
| ∑( X - |
| 2 ´ n | ||||||||||
|
|
| s = | X ) |
| |||||||||
| ∑n | |||||||||||||
| либо по формуле: | |||||||||||||
|
|
| ||||||||||||
|
|
| s = | ∑( X - | )2 ´ P |
| ||||||||
| X | |||||||||||||
| может рассчитываться следующим образом | |||||||||||||
| X | |||||||||||||
| ∑ X ´ n | (5.19) | ||||||||||||
| X = | |||||||||||||
|
| |||||||||||||
| ∑n | |||||||||||||
теории математической статистики существует множество других по-казателей, которые могут тем или иным образом использоваться для анализа риска. Например, применяется расчет вероятности того, что значение иссле-дуемого параметра не превысит заданной (минимальной или максимальной) величины, рассчитываются показатели асимметрии, эксцесса и пр. Более сложными инструментами статистической оценки являются корреляционный, регрессионный анализ .
Однако стоит отметить, что статистические методы могут эффективно использоваться только в том случае, когда в наличии имеется достаточно представительный массив информации об изучаемых явлениях (доходности в конкретной сфере, уровне спроса, динамике продаж на рынке и пр.). Источ-ником такой информации могут стать отчеты по деятельности компании за прошлые годы , данные по совокупности аналогичных предприятий региона, страны, обзоры рынков и т. п.
Дата: 2019-02-19, просмотров: 438.
