диссертация (1169170), страница 33
Текст из файла (страница 33)
Но такое сочетание свойственно любому событию, так как его наступление имеет свою вероятность, и нетсобытия, которое бы не имело хотя бы минимальных последствий. Если ограничиваться только критерием сочетаемости вероятности события и его последствий, тоэто в полной мере может быть отнесено и к определению экспоненциально масшта-165бируемого события (ЭМС). Разница в том, что в первом случае мы говорим о ближайших последствиях, а во втором – о последствиях, которые распределены во времени и имеют тенденцию масштабироваться. Растянутость во времени процесса масштабирования последствий вероятного события – одно из принципиальных отличийЭМС от риска в его стандартном определении. Так, наибольшим риском считаетсясобытие, которое может наступить с высокой вероятностью в течение ближайшеговремени, например, года178.
Сила и значение ЭМС определяется длиной цепочкимасштабируемых последствий на длительном временном интервале. Причем, силапоследствий ЭМС нарастает по мере удаления от времени исходного события.Ф. Найт дает определение риска, как измеримой неопределенности179. Рисквсегда определяется в привязке к конкретной ситуации: финансы предприятия, инвестиции, возникновение заболевания, военная угроза, катастрофическое климатическое событие и т.д., которое имеет свои параметры, которые известны человекуиз опыта, статистики, расчетов. Поэтому фактор времени для риска имеет существенное значение. Во-первых, чем ближе срок наступления риска, тем более точным или более конкретным могут быть его параметры.
Во-вторых, чем ближе срокего возникновения, тем выше его уровень, тем более экстренные меры необходимопринять, чтобы защититься от риска. В случае ЭМС его отдаленные во временипоследствия трудно измеримы, а их потенциальная угроза может увеличиваться современем и быть весьма существенной.
ЭМС опасны своими долгосрочными последствиями, которые трудно оценить и вовремя минимизировать.Измеримость риска подчеркивается и в исследованиях этой категории сточки зрения ее психологического восприятия. А. Тверски и А. Поллачек предложили свою психологическую теорию воспринимаемого риска180. Эта теория по ихсобственной оценке представляет проверяемую психологическую модель для измерения риска. При этом, согласно их модели, человеку, осуществляющему свойвыбор, известен как минимум один параметр риска. Причем в отличие от обычных178Кричевский М.Л. Финансовые риски: учебное пособие.
М.: КНОРУС, 2918. 270 с.Найт Ф.Х. Риск, неопределенность и прибыль. М.: Дело, 2003. 360 с.180Pollatsek A., Tversky A. A theory of risk // Journal of mathematical psycology. 1970. N 7. P. 540–553.179166представлений в экономической и деловой литературе о том, что люди стремятсяминимизировать риски, психологическая теория рисков исходит из того, что связьмежду риском, его восприятием и конечным выбором существенно более сложная.По мнению А. Тверски и А.
Поллачека для оценки восприятия риска и выбора тогоили иного варианта решения следует базироваться на теории полезности, согласнокоторой предпочтение будет отдаваться тем вариантам выбора, которые имеютнаибольшую полезность.Вместе с тем углубление в тему интуиции и предпочтений, показывает, что вопределенный момент или в определенных случаях измеримость может оказатьсяневозможной. Например, восприятие риска и его параметров на основе личногоопыта может приводить к ошибкам. П.
Славик, Б. Фишхофф, С. Лихтенштейн указывают на некоторые виды рисков, оценка которых должна осуществляться в ходесложного теоретического анализа, например, такого как дерево решений, чем нанепосредственном опыте. Значительную роль в оценке некоторых, особенно глобальных и долгосрочных рисков начинают играть суждения181. На это же по существу указывает и Ф.Найт, который вводит понятие неизмеримой неопределенности.Лучше всего такую неопределенность, по его мнению, можно проиллюстрироватьв связи с вынесением суждения или формированием мнений по поводу будущегохода событий182.
В этой логике ЭМС представляют собой неизмеримую неопределенность, и потому принципиально отличается от риска как такового. В широкомсмысле ЭМС и есть сама неопределенность.Еще одно отличие ЭМС от риска возникает при обращении к таким характеристикам событий как их нежелательность и негативность. Именно так чаще всегооценивается риск – это нежелательное событие с негативным последствием. ОбЭМС нельзя сказать, что оно априори негативно.
Поскольку его последствия растянуты во времени, то последовательность таких событий может включать как положительные, так и негативные последствия. Именно в силу этого, нельзя говорить181Канеман Д., Словик П., Тверски А. Принятие решений в условиях неопределенности. Правилаи предубеждения. Х.: Гуманитарный центр, при участии Гритчиной О.В., 2018. 536 с. C. 467–494.182Найт Ф. Указ. соч. С. 226.167об ЭМС, как о нежелательном событии. Вполне возможно, что оно может восприниматься многими нейтрально и быть даже незамеченным на фоне других событий.Однако со временем, когда начинают проявляться его последствия оценки будутменяться, в зависимости от того с каким «знаком» то или иное последствие воспринимается участниками событий.Таким образом, ЭМС – это самостоятельное явление и требует разработкиотдельной методологии его выявления, мониторинга и оценки его последствий.
Всовременных условиях многие происходящие события могут быть подвергнутытому или иному анализу и обработке. Сформирован достаточно большой арсеналметодов, включающих две важных фазы: а) сбор событийной информации и данных, а также их мониторинг, б) обработка и моделирование данных. В 1999 и 2014гг.
У. Вудал и Д. Монтгомери проделали работу по обзору и классификации различных теорий и методов мониторинга статистических процессов183. Рассматриваемые ими методики статистических наблюдений главным образом направлены нарешение двух задач: а) выявление существенных сигналов для своевременногопринятия решений и отсечение «ложных сигналов», то есть событий и явлений, которые могли бы искажать оценку реальных процессов, вводить в заблуждение, б)формирование практики и методик реагирования на результаты мониторинга.
Согласно Вудалу и Монтгомери современные методы мониторинга статистическихпроцессов формируются по нескольким направлениям, в частности таким:– мониторинг в области здравоохранения (health-related monitoring), в томчисле мониторинг самой отрасли (healthcare monitoring), наблюдение за состояниемздоровья граждан (public-health surveillance), наблюдение за синдромами, включаябиологические угрозы, эпидемиологическую обстановку (syndromic surveillance);– многомерные методы статистического мониторинга (multivariate methods),предполагающие наблюдение за несколькими событиями или процессами, а такжеза различными индикаторами таких процессов, и выявление связей между ними,183Woodall W., Montgomery D.C. Research issue and ideas in statistical process control // Journal ofquality technology.
October 1999. V. 31, N 4. P. 376–386; Woodall W., Montgomery D.C. Some currentdirections in the theory and application of statistical process monitoring // Journal of quality technology.January 2014. V. 46, N 1. P. 78–94.168включая: а) пространственно-временное наблюдение (spatiotemporal surveillance),б) мониторинг профиля (profile monitoring), например, отслеживание профиля деятельности компании, пользователя в социальной сети, любой иной деятельностиили поведения, которые могут привлекать внимание и т.д., в) многоступенчатыймониторинг (multistage monitoring) различных взаимодополняющих процессов;– анализ автокорреляции данных (autocorrelated data), направленный на выявлении серии данных и событий, которые имеют высокую степень корреляции,позволяющий выявлять потенциально взаимозависимые процессы;– мониторинг много процессных потоков (monitoring many process streams),направленный на отслеживание сразу нескольких процессов и потоков разноплановых событий;– методы непараметрического мониторинга (nonparametric monitoring methods), применяемые в тех случаях, когда наблюдаемый процесс или событийный поток не имеет известных и заранее определенных параметров184.Перечисленные методы, как и ряд других методов статистического наблюдения, позволяют выявлять отклонения в тех или иных процессах, наблюдать концентрацию отдельных событий, фиксировать зарождение новых процессов, в томчисле имеющих потенциал масштабирования.Из перечисленных методов мониторинга статистических событий следуетотметить методы пространственно-временного наблюдения, которые в настоящеевремя получили распространение как методы статистического сканирования или«скан статистика» (scan statistics).
Принципиальным для скан статистики являетсявыбор условного «окна» (window) или сегмента данных, с помощью которого идетпостоянное сканирование статистических показателей (событий) во времени и впривязке к конкретным территориям. Размеры такого «окна» наблюдения могут варьировать в зависимости от целей исследования. Данный метод позволяет в большом массиве данных выявлять кластеры, в которых происходит концентрация от-184См., например, Qui P., Li Z. On nonparametric statistical process control of univariate process //Technometrics. Vol.
53, N 4, 2011. P. 390–405.169дельных показателей, индикаторов или событий. Прежде всего этот метод используется в области наблюдения за эпидемиологической обстановкой в отдельных регионах в течение конкретного времени. Впервые концепция скан-статистики былапредложена в работах Дж. Науса, а затем развита в работах М. Каллдорфа185. Вдальнейшем высказанные данными авторами идеи нашли развитие в работахД. Нейла186. По мнению Д.Нейла скан статистика, применяемая обычно в областиконтроля заболеваний, может эффективно использоваться в процессе мониторингатоварных потоков на таможне, а также в процессе выявления вспышек преступности и иных нарушений законодательства.