Орлов А.И. Менеджмент (2003) (1142166), страница 41
Текст из файла (страница 41)
В частности, важны информационные риски,связанные с промышленным шпионажем и возможностями проникновенияконкурентов в коммерческие тайны и иного воздействия на внутренние делаорганизации, в частности, через компьютерные сети типа Интернет.К этому же типу можно отнести риски, связанные с социальными иадминистративными факторами в конкретных регионах, с взаимоотношениямирассматриваемой организации с органами местной и региональной власти, какофициальными, так и криминальными.Финансовые риски. Отметим прежде всего риски, связанные сколебаниями цен на товары и услуги (динамикой инфляции), ставкирефинансирования Центрального банка, норм банковских процентов по кредитами депозитам, валютных курсов и других макроэкономических показателей, в томчисле котировок государственных и частных (корпоративных) ценных бумаг.Часть этих рисков носит объективный, а часть – число спекулятивный характер.
Кэтому же типу можно отнести риски, связанные с нестабильностьюзаконодательства и текущей экономической политики (т.е. с деятельностьюруководства страны, министерств и ведомств). Дополнительные проблемысоздаетмножественностьнормативно-правовыхактов,регулирующиххозяйственно-экономическую деятельность организации (порядка 104 , еслисчитать не только федеральные нормативно-правовые акты, но и нормативноправовые акты субъектов федерации, например, г. Москвы), зачастуюпротиворечащих друг другу, что вызывает необходимость в участии в работеорганизации юристов, в том числе в судебных процессах.Риски, возникающие на уровне государства и Земли в целом.
Кэтому типу отнесем риски, связанные с политической ситуацией, действиямипартий, профсоюзов, экологических и других организаций в масштабе страны.Типичным примером являются риски, связанные с заметным изменением курсастраны в результате тех или иных выборов. Другой пример – российский«дефолт» (отказ государства от ряда финансовых обязательств), начавшийся вавгусте 1998 г. и непосредственно вызванный решением трех чиновников.Большое значение имеют риски, связанные с социальной борьбой («рельсоваявойна», забастовки, массовые столкновения, терроризм, и др.)…Внешнеэкономические риски, например, связанные с динамикойцены на нефть, крупномасштабными зарубежными финансовыми (в ЮгоВосточной Азии) или военными (Югославия, Ирак) кризисами и т.д., могутоказать существенное воздействие на рассматриваемую организацию(предприятие).Большое число рисков связано с природными явлениями.
Их можнообъединить под именем «экологические». К ним относятся, в частности, риски,связанные с неопределенностью ряда природных явлений. Типичным примеромявляется погода, от которой зависят урожайность (а потому и цены насельскохозяйственные товары), расходы на отопление и уборку улиц, доходы оттуризма и др.Обратим внимание на риски, связанные с недостаточнымизнаниями о природе (например, нам неизвестен точный объем полезныхископаемых в том или ином месторождении, а потому мы не можем точнопредсказать развитие добывающей промышленности и объем налоговыхпоступлений от ее предприятий). Нельзя забывать о рисках экологическихбедствий и катастроф, типа ураганов, смерчей, землетрясений, цунами, селей и др.Каждый из перечисленных видов рисков может бытьструктурирован далее. Так, имеются крупные развернутые разработки по анализурисков технологических аварий, в частности, на химических производствах и наатомных электростанциях [13].
Ясно, что аварии типа Чернобыльскойсущественно влияют на значения СТЭЭП-факторов (принятое сокращение длякомплекса социальных, технологических, экономических, экологических иполитических факторов, действующих на организацию) и тем самым напоступления и выплаты из бюджета как на местном, так и на федеральном уровне(что существенно, если «организация» – это муниципальный илигосударственный орган власти или его подразделение типа налоговой инспекции).2.4.3. Управление рискамиПодходы к учету неопределенности при описании рисков.
Втеории принятия решений в настоящее время при компьютерном иматематическом моделировании для описания неопределенностей чаще всегоиспользуют вероятностно-статистические методы (прежде всего методыстатистики нечисловых данных, в том числе интервальной статистики иинтервальной математики). Полезны методы теории нечеткости и методы теорииконфликтов (теории игр).
Математический инструментарий применяются вимитационных,эконометрических,экономико-математическихмоделях,реализованных обычно в виде программных продуктов.Некоторые виды неопределенностей связаны с безразличными корганизации силами - природными (погодные условия) или общественными(смена правительства).
Если явление достаточно часто повторяется, то егоестественно описывать в вероятностных терминах. Так, прогноз урожайностизерновых вполне естественно вести в вероятностных терминах. Если же событиеединично, то вероятностное описание вызывает внутренний протест, посколькучастотная интерпретация вероятности невозможна. Так, для описаниянеопределенности, связанной с исходами выборов или со сменой правительства,лучше использовать методы теории нечеткости и интервальной математики(интервал – удобный частный случай описания нечеткого множества). Наконец,если неопределенность связана с активными действиями соперников илипартнеров, целесообразно применять методы анализа конфликтных ситуаций, т.е.методы теории игр, прежде всего антагонистических игр, но иногда полезны иболее новые методы кооперативных игр, нацеленных на получение устойчивогокомпромисса.Подходы к оцениванию рисков.
Понятие "риск", как ужеотмечалось, многогранно. Например, при использовании статистических методовуправления качеством продукции риски (точнее, оценки рисков) - это вероятностинекоторых событий. В статистическом приемочном контроле «риск поставщика» это вероятность забракования партии продукции хорошего качества, а «рискпотребителя» - приемки «плохой» партии. При статистическом регулированиитехнологических процессов рассматривают риск незамеченной разладки и рискизлишней наладки.Тогда оценка риска – это оценка вероятности, точечная илиинтервальная, по статистическим данным или экспертная. В таком случае дляуправления риском задают ограничения на вероятности нежелательных событий.Иногда под уменьшением риска понимают уменьшение дисперсиислучайной величины, поскольку при этом уменьшается неопределенность.
Втеории принятия решений риск - это плата за принятие решения, отличного отоптимального, он обычно выражается как математическое ожидание. В экономикеплата измеряется обычно в денежных единицах, т.е. в виде финансового потока(потока платежей и поступлений) в условиях неопределенности.Методы математического моделирования позволяют предложить иизучить разнообразные методы оценки риска. Широко применяются два видаметодов - статистические, основанные на использовании эмпирических данных, иэкспертные, опирающиеся на мнения и интуицию специалистов.Чтобы продемонстрировать сложность проблемы оценивания рискаи различные существующие подходы, рассмотрим простейший случай. Пустьнеопределенность носит вероятностный характер, а потери описываютсяодномерной случайной величиной (а не случайным вектором и не случайнымпроцессом).
Другими словами, ущерб адекватно описывается одним числом, авеличина этого числа зависит от случая.Итак, пусть величина порожденного риском ущерба моделируетсяслучайной величиной Х (в смысле теории вероятностей). Как известно, случайнаявеличина описывается функцией распределенияF(x) = P (X < x),где x – действительное число (т.е., как говорят и пишут математики,любой элемент действительной прямой, традиционно обозначаемой R1).Поскольку Х обычно интерпретируется как величина ущерба, то Х неотрицательная случайная величина.В зависимости от предположений о свойствах функциираспределения F(x) вероятностные модели риска делятся на параметрические инепараметрические. В первом случае предполагается, что функция распределениявходит в одно из известных семейств распределений – нормальных (т.е.гауссовских), экспоненциальных или иных. Однако обычно подобноепредположение является мало обоснованным - реальные данные не хотят"втискиваться" в заранее заданное семейство.
Тогда необходимо применятьнепараметрические статистические методы, не предполагающие, чтораспределение ущерба взято из того или иного популярного среди математиковсемейства. При использовании непараметрических статистических методовобычно принимают лишь, что функция распределения F(x) является непрерывнойфункцией числового аргумента х.Обсудим два распространенных заблуждения. Во-первых, частоговорят, что поскольку величина ущерба зависит от многих причин, то онадолжна иметь т.н.
нормальное распределение. Это неверно. Все зависит отспособа взаимодействия причин. Если причины действуют аддитивно, то,действительно, в силу Центральной Предельной Теоремы теории вероятностейесть основания использовать нормальное (гауссово) распределение. Если жепричины действуют мультипликативно, то в силу той же ЦентральнойПредельной Теоремы теории вероятностей следует приближать распределениевеличины ущерба Х с помощью логарифмически нормального распределения.Если же основное влияние оказывает "слабое звено" (где тонко, там и рвется), тосогласно теоремам, доказанным академиком Б.В.Гнеденко, следует приближатьраспределение величины ущерба Х с помощью распределения из семействаВейбулла-Гнеденко. К сожалению, в конкретных практических случаях различитьэти варианта обычно не удается.Во-вторых, неверно традиционное представление о том, чтореальные погрешности измерения нормально распределены.
![](https://s.studizba.com/z.php?f=/templates/si/i/noavatar.png&w=100&h=100&t=1"){kind=avatar}
