Моделирование успешного коучинга Перенос моделей из других областей Мы покажем вам «сборную солянку» из различных коучинговых программ. Посмотрите их, чтобы понять, как ведется работа у других и что можно внедрить в своем бизнесе.Под словом «коучинг» можно выдавать

Моделирование процесса социального предпринимательства Социальное предпринимательство можно рассматривать с точки зрения отдельного предпринимателя, предприятия или контекста, в рамках которого они действуют. Однако в любом случае социальное предпринимательство

Моделирование В начале работы над проектом почти всегда возникает ряд важных вопросов, связанных с реализацией той или иной технологии. Моделирование - важная методика, которая поможет получить необходимые ответы.О чём пойдёт речьСоздание прототипа - важный этап,

2.4. Моделирование риска

Анализ работы опасного производства показывает, что даже при нормальном функционировании влияние таких объектов на кружающую среду связано как с социально-психологическим воздействием на людей, так и с определенной потенциальной опасностью загрязнения атмосферы и прилегающей территории опасными веществами из-за недостаточно надежных технологий, недостаточной эффективности работы фильтровентиляционных устройств и вследствие других причин.

С другой стороны, как показывает отечественная и мировая практика, добиться полностью безаварийной работы предприятий, как химической промышленности, так и других отраслей, не представляется возможным.

Повышение промышленной безопасности предусматривает осуществление технических и организационных мер, включающих мониторинг опасного объекта, разработку планов ликвидации аварий и плана действий в чрезвычайных ситуаций на территории объекта и за его пределами. Нет сомнения, что любой технологический процесс должен ориентироваться на технологии, позволяющие максимально снизить вероятность аварий и уменьшить выход опасных веществ во внешнюю среду.

В то же время нельзя не учитывать, что рациональное размещение объектов также является одним из способов обеспечения безопасности людей и окружающей среды. Любой район, в пределах которого размещается объект, имеет ту или иную численность населения, хозяйственную ценность. Поэтому представляется целесообразным оценку различных вариантов размещения объектов проводить по комплексу показателей, характеризующих состояние окружающей среды, особенности и потенциальную опасность объекта в случае аварийных ситуаций. Одним из таких показателей (критериев) является риск запроектных аварий.

Риск запроектной аварии при функционировании опасного объекта состоит в том, что в случае ее возникновения существует определенная вероятность поражения окружающего населения. Чем меньше прогнозируемые последствия запроектной аварии, тем более благоприятна данная площадка для размещения объекта.

Сценарий аварий на опасных объектах достаточно сложен. При авариях возможен выход отравляющих веществ (ОВ) в газообразном и аэрозольном состояниях с образованием облака зараженного воздуха,и его движением по направлению ветра, заражением почв, растительности, водоемов и т. д.

Так как газообразное и аэрозольное состояние ОВ являются его боевым состоянием, то население, находящееся в зоне распространения облака или первичного заражения местности, может получить поражение различной степени тяжести.

Вероятность возникновения аварии определяется:

Особенностями технологического процесса;

Используемым оборудованием;

Степенью подготовленности персонала;

Временем, в течение которого функционирует данный технологический объект;

Интенсивностью технологических операций;

Техническими факторами (например, усталость металла);

Внешними неуправляемыми факторами (целенаправленная диверсия);

Человеческим фактором (ошибками эксплуатационного персонала).

Опасности, связанные с аварией, определяются:

Количеством освободившегося при аварии ОВ, его физико-химическими и токсическими свойствами. Например, в случае высвобождения фосфорорганических ОВ наибольшая опасность создается при образовании и распространении облака паров ОВ, в то время как при высвобождении люизита более опасно заражение подпочвенных вод мышьяксодержащими продуктами гидролиза люизита;

Архитектурно-планировочными особенностями застройки и транспортными коммуникациями;

Метеорологическими условиями и характеристиками окружающей среды: особенностями рельефа, характерной растительностью, структурой и свойствами почвы, условиями залегания подпочвенных вод, близостью рек и водозаборных сооружений, гидрографическими условиями;

Самим фактором наличия окружающего населения. Если такового в пределах зоны вероятного распространения ОВ в случае аварии не имеется, то потенциальная опасность близка в момент времени t нулю.

Для количественной оценки последствий аварии требуется создавать математическую модель, позволяющую осмыслить поведение технической системы и с ее помощью оценить различные стратегии риска. Модель должна отражать важнейшие черты явления, т. е. в ней должны быть учтены все существенные факторы, от которых в наибольшей степени зависит функционирование системы. Вместе с тем она должна быть по возможности простой и понятной пользователю, целенаправленной, надежной (гарантия от абсурдных ответов), удобной в управлении и обращении, достаточно полной, адекватной, позволяющей легко переходить к другим модификациям и обновлению данных.

При построении математической модели может быть использован математический аппарат различной сложности - алгебраические и дифференциальные уравнения, как обыкновенные, так и с частными производными. В наиболее трудных случаях, если функционирование системы зависит от большого числа сложно сочетающихся между собой случайных факторов, может применяться метод статистического моделирования.

Выходными параметрами функционирования математической модели риска запроектной аварии определяется математическое ожидание количества пораженных жителей, постоянно проживающих в районе, подвергаемом опасности при функционировании объекта, если на объекте или его технологических элементах произойдет в случайный момент времени любая теоретически возможная запроектная авария, вызванная теми или иными причинами.

Рассмотрим возможные аналитические подходы к решению проблемы. Математическое ожидание (R) количества пораженных людей можно определить зависимостью

где r (s,L) - расстояние от объекта до точки нахождения человека в полярных координатах (начало координат совмещено с объектом);

P(s,L) - вероятность поражения человека в точке с координатами (s,L).

Вероятность поражения P(s,L) определяется следующим образом:

где a(s) - вероятность того, что в момент аварии будет реализовано направление ветраs=s 0 ;

b(L,s 0) - вероятность поражения на удалении L от места аварии в направленииs 0 .

Поскольку авария равновероятна в любой момент времени (это допущение наиболее разумно), то a(s) должна определяться на основе розы ветров в данной зоне или регионе.

Если пренебречь различиями в характеристиках подстилающей поверхности по каждому из направлений возможного распространения ОВ в случае аварии и ввести понятие средней (или средневзвешенной) характеристики, то можно существенно упростить задачу, разделив переменные:

Изложенный подход к вычислению критерия риска запроектной аварии является одним из возможных вариантов аналитического метода его оценки.

В практике прогнозирования риска проф. М.А. Шахраманьяном с коллегами предложены следующие подходы к математическому моделированию риска.

Моделирование индивидуального риска . В данном случае под индивидуальным риском понимают вероятность гибели человека в течение года от определенных причин (или их совокупности) в определенной точке простран­ства. Результаты анализа индивидуального риска отображаются на карте (ситуационном плане) предприя­тия (территории возможной природной ЧС) и прилегаю­щих районов в виде замкнутых линий равных значений (см. рис. 2.4). Построение линий равного значения индивидуально­го риска (изолиний) осуществляется по формуле (2.5.1)

где P Q ( x , y ) – вероятность воздействия на человека в точке с координатами(х, у) Q - го поражающего фактора с интенсивностью, соответствующей гибели (поражению) человека (здорового мужчины 40 лет) при условии реализацииА т -го события (аварии, опасного природного явления, катастрофы, стихийного или иного бедствия);

F (A m ) - частота возникновенияА т -го события в год;

М – множество индексов, которое соответствует рассматриваемым событиям (авариям, опасным природным явлениям, катастрофам, стихийным или иным бедствиям);

L - множество индексов, которые соответствуют перечню всех поражающих факторов, возникающих при рассматриваемых событиях.

Моделирование социального риска . Социальный риск - зависимость частоты возникновения событий, вызывающих поражение определенного числа людей, от этого числа людей. Результаты анализа изображаются в виде графиков (так называемыхF - N диаграмм). Социальный рискR - F (N ) характеризует масштаб возможных чрезвычайных ситуаций. Социальный риск может быть рассчитан по формуле

где P (N / Q m ) - вероятность гибели (поражения) N людей отQ m -го поражающего фактора;

P (Q m / A l) - вероятность возникновенияQ m - го поражающего фактора при реализацииА l- го события (аварии, опасного природного явления, катастрофы, стихийного или иного бедствия).

Моделирование риска от аварий на пожароопасных и взрывоопасных объектах. После выявления на каждом из принятых к рассмотрению ПВОО всех видов аварий, специфики их возникновения и развития, расчета полей потенциальной опасности этих аварий и определения вероятности реализации их негативного потенциала (H i), оценка индивидуального риска может проводиться по формуле (2.5.3) ,

где N (x , у) - численность людей на площадке с координатами(x , у);

R (x , у) - индивидуальный риск в точке с координатами(x, у),

; (2.5.4)

H i вероятность выброса за год по сценариюi (в качестве сценариев аварии могут рассматриваться: нарушение герметичности замкнутых объемов за счет коррозии, нарушения за счет технологического режима и т.п.);

E ij (x,у) – вероятность реализации механизма воздействияj в точке(х, у) для сценария выбросаi (в качестве сценариев механизма воздействия могут рассматриваться: тепловые поражения людей, поражения ударной волной, поражение обломками и т.п.);

P j – вероятность летального исхода при реализации механизма воздействия.

Моделирование риска от аварий на химически опасных объектах. По известной токсодозеD в точке с координатами (Xу) математическое ожидание потерь среди населенияM (N ) (средневзвешенная по вероятности величина потерь) определяется по формуле

, (2.5.5)

где S r - область интегрирования - площадь части города, в пределах которой возможно поражение людей при авариях на заданном объекте;

y(x , y ) - плотность размещения людей в окрестностях точки с координатами (x , y );

P [ D (x ,у )] - вероятность поражения людей от величины токсодозы в точке города с координатами(х,у), определяемая из параметрического закона поражения людей сильнодействующими ядовитыми веществами;

D (x ,у ) – токсодоза, определяемая при переменной во времени концентрации химически опасного вещества для точки с координатами (х,у ) по формуле

, (2.5.6)

где t n .......... t k - интервал времени;

Ω (х,у, t ) - концентрация химически опасного вещества в атмосфере для точки с координатами(х,у) в заданный момент времениt.

По формуле (2.5.5) математическое ожидание потерь определяется для случая, когда исходные данные известны. При заблаговременном определении матема­тического ожидания потерь необходимо учитывать изменчивость направления (θ) и скорости ветра (v) в течение года. Тогда потери могут быть определены по формуле

где f (θ,V) – функция плотности распределения направления 0 и скоростиvветра;v min иv max - минимально и максимально возможные значения скорости ветра;S r - область интегрирования.

Остальные обозначения те же, что и в формуле (2.5.5).

Учитывая выражение (2.5.7), оценка индивидуального риска на ХОО может проводиться по формуле

(2.5.8)

где H – вероятность аварии в течение года;N - численность населения.

Моделирование риска от аварий на радиационно опасных объектах. Индивидуальный риск поражения людей в городе при аварии на рядом расположенном радиационно-опасном объекте (РОО) может быть определен по формуле

где P [D (x ,у )] – вероятность поражения людей от величины дозы радиоактивного заражения в точке с координатами (х,у ); определяется из закона поражения людей;D (x ,у ) -доза радиоактивного заражения при переменном во времени уровне радиации для точки с координатами (х,у ) определяется по отдельным методикам; ψ(x ,у) - плотность размещения незащищенного населения в пределах элементарной площадки города с координатами (х,у ).

Комплексная оценка техногенного риска может быть реализована также по следующей математической модели.

Для оценки риска запроектной аварии, наряду с аналитическими методами, представляется возможным использование метода Монте-Карло - метода статистического моделирования. Идея этого метода чрезвычайно проста и состоит в следующем. Вместо того, чтобы описывать случайный процесс с помощью аналитического аппарата, производится “розыгрыш” случайного явления с помощью последовательных операций, дающих случайный результат. Конкретное осуществление случайного процесса складывается каждый раз по-иному, поэтому в результате статистического моделирования (розыгрыша) возникает каждый раз новая, отличная от других, искусственная реализация этого процесса. При числе повторений (N³100) метод дает статистически устойчивое сходство результата. При этом на основании перечисленных исходных данных формируется массив случайных значений величин.

Обобщенный алгоритм оценки риска методом статистического моделирования может состоять из следующих последовательных процедур:

Шаг 1. На основе равновероятного датчика случайных чисел разыгрывается время, число и месяц возникновения аварии.

Шаг 2. Исходя из реализованных временных характеристик аварий и с учетом вероятности распределения метеоусловий за большой период времени для данной местности прогнозируют конкретный вектор значений метеоусловий, включающий температуру воздуха и почвы, стратификацию атмосферы, скорость и направление ветра (при разработке статистической модели аварии не представляет труда учесть фактическую розу ветров для любой точки со случайным розыгрышем месяца, дня, времени аварии, конкретного направления и скорости ветра).

Шаг 3. На основе сформулированного перечня аварий и с учетом равновероятной природы их возникновения разыгрывается конкретный тип аварии, происшедшей на объекте, и ее исходные данные (количество освободившегося ОВ, площадь разлива, максимальная концентрация в зоне аварии и т.д.) с учетом конкретных метеоданных.

Шаг 4. На основе, например, гауссовской модели распределения примеси и исходных данных, реализованных по пп. 1,2,3, рассчитывается величина приведенной зоны поражения той или иной степени тяжести и ее положение (конфигурация, директрисса следа облака и т.д.) на конкретной местности.

Шаг 5. На основе известного математического ожидания распределения населения вокруг объекта моделируется конкретное распределение населения в момент аварии; вычисляют общее количество человек, попавших в приведенную зону поражения той или иной степени тяжести.

Полученное таким образом значение оценки риска, характеризующееся количеством людей, пораженных в результате аварии той или иной степени тяжести, является единичным значением, т.е. единичной реализацией. Для получения статистически достоверных результатов необходимо получить как можно большее количество реализаций N (естественно в разумных пределах, например N=1000) путем “прогона” на ЭВМ математической модели, разработанной согласно вышеописанному алгоритму, N раз. В дальнейшем по N реализациям проводят оценки математического ожидания и среднеквадратического отклонения числа пораженных той или иной степени тяжести на данном объекте при запроектной аварии.

Аналогичный подход может быть применен и для оценки потенциальной опасности перевозок опасных грузов. При этом необходимо дополнительно ввести учет распределения населения на маршрутах перевозок, смоделировать время начала и окончания перевозок, конкретное время следования по маршруту.

Если не можете добиться результата,
имитируйте кипучую деятельность
и бешеную активность.
(Из законов Мэрфи: следствие Эндрю)

Имитационное моделирование (simulation) является одним из мощнейших методов анализа экономических систем.

В общем случае, под имитацией понимают процесс проведения на ЭВМ экспериментов с математическими моделями сложных систем реального мира .

Цели проведения подобных экспериментов могут быть самыми различными – от выявления свойств и закономерностей исследуемой системы, до решения конкретных практических задач. С развитием средств вычислительной техники и программного обеспечения, спектр применения имитации в сфере экономики существенно расширился. В настоящее время ее используют как для решения задач внутрифирменного управления, так и для моделирования управления на макроэкономическом уровне. Рассмотрим основные преимущества применения имитационного моделирования в процессе решения задач финансового анализа.

Как следует из определения, имитация – это компьютерный эксперимент. Единственное отличие подобного эксперимента от реального состоит в том, что он проводится с моделью системы, а не с самой системой. Однако проведение реальных экспериментов с экономическими системами, по крайней мере, неразумно, требует значительных затрат и вряд ли осуществимо на практике. Таким образом, имитация является единственным способом исследования систем без осуществления реальных экспериментов.

Часто практически невыполним или требует значительных затрат сбор необходимой информации для принятия решений. Например, при оценке риска инвестиционных проектов, как правило, используют прогнозные данные об объемах продаж, затратах, ценах и т.д.

Однако чтобы адекватно оценить риск необходимо иметь достаточное количество информации для формулировки правдоподобных гипотез о вероятностных распределениях ключевых параметров проекта. В подобных случаях отсутствующие фактические данные заменяются величинами, полученными в процессе имитационного эксперимента (т.е. сгенерированными компьютером).

При решении многих задач финансового анализа используются модели, содержащие случайные величины, поведение которых не поддается управлению со стороны лиц, принимающих решения. Такие модели называют стохастическими . Применение имитации позволяет сделать выводы о возможных результатах, основанные на вероятностных распределениях случайных факторов (величин). Стохастическую имитацию часто называют методом Монте-Карло .

Существуют и другие преимущества имитации. Подробное изложение основ имитационного моделирования и его применения в различных сферах можно найти в .

Мы же рассмотрим технологию применения имитационного моделирования для анализа рисков инвестиционных проектов в среде ППП EXCEL.

6.1 Моделирование рисков инвестиционных проектов

Имитационное моделирование представляет собой серию численных экспериментов призванных получить эмпирические оценки степени влияния различных факторов (исходных величин) на некоторые зависящие от них результаты (показатели).

В общем случае, проведение имитационного эксперимента можно разбить на следующие этапы.

1. Установить взаимосвязи между исходными и выходными показателями в виде математического уравнения или неравенства.
2. Задать законы распределения вероятностей для ключевых параметров модели.
3. Провести компьютерную имитацию значений ключевых параметров модели.
4. Рассчитать основные характеристики распределений исходных и выходных показателей.
5. Провести анализ полученных результатов и принять решение.

Результаты имитационного эксперимента могут быть дополнены статистическим анализом, а также использоваться для построения прогнозных моделей и сценариев.

Осуществим имитационное моделирование анализа рисков инвестиционного проекта на основании данных примера, используемого ранее для демонстрации метода сценариев в главе 5. Для удобства, приведем его условия еще раз.

Пример 6.1

Фирма рассматривает инвестиционный проект по производству продукта "А". В процессе предварительного анализа экспертами были выявлены три ключевых параметра проекта и определены возможные границы их изменений (табл. 6.1). Прочие параметры проекта считаются постоянными величинами (табл. 6.2).

Таблица 6.1

Ключевые параметры проекта по производству продукта "А"

Таблица 6.2

Неизменяемые параметры проекта по производству продукта "А"

Первым этапом анализа согласно сформулированному выше алгоритму является определение зависимости результирующего показателя от исходных. При этом в качестве результирующего показателя обычно выступает один из критериев эффективности: NPV , IRR , PI (см. главу 2).

Предположим, что используемым критерием является чистая современная стоимость проекта NPV :

где NCF t – величина чистого потока платежей в периоде t.

По условиям примера, значения нормы дисконта r и первоначального объема инвестиций I 0 известны и считаются постоянными в течении срока реализации проекта (табл. 6.2).

По условиям примера ключевыми варьируемыми параметрами являются: переменные расходы V , объем выпуска Q и цена P . Диапазоны возможных изменений варьируемых показателей приведены в табл. 6.1. При этом будем исходить из предположения, что все ключевые переменные имеют равномерное распределение вероятностей.

Реализация третьего этапа может быть осуществлена только с применением ЭВМ, оснащенной специальными программными средствами. Поэтому прежде чем приступить к третьему этапу – имитационному эксперименту, познакомимся с соответствующими средствами ППП EXCEL, автоматизирующими его проведение.

При управлении рисками часто необходимо сравнивать реальные ситуации с гипотетическими (что было бы, если бы всё пошло по-другому). Это резко усложняет анализ рисковых ситуаций, так как требует основы для изучения и измерения того, чего не было. В настоящее время для описания таких гипотетических ситуаций пет иного пути, кроме использования математических моделей, называемых моделями рисковых ситуаций. Это представляет собой основу для количественного риск- менеджмента. Его сущность состоит в применении экономико-математических моделей для прогнозирования ситуаций, характеризующихся риском и неопределенностью, и обоснования соответствующих управленческих решений.

Модель - упрощенное описание реального объекта или процесса, которое сосредоточивается на важных для исследователя свойствах и игнорирует те аспекты, которые представляются исследователю несущественными. Основная сложность моделирования состоит именно в том, чтобы выяснить, какие свойства считать важными, а какие - нет. Верное описание важных свойств обеспечивает адекватность модели, а правильный выбор второстепенных, игнорируемых свойств помогает в достаточной степени упростить подобное представление. Модель должна служить инструментом принятия решений, т. е. должна прояснять для лица, принимающего решения, как может развиваться процесс, какие исходы будут иметь место, и подсказывать различные действия (например, по предотвращению ущерба).

Наиболее важным классом моделей, используемых в управлении риском, являются математические модели. Они позволяют описывать существенные стороны изучаемого процесса или явления в виде математических соотношений, а затем анализировать их с помощью соответствующего математического аппарата. Особенно важно применение математических моделей для прогнозирования альтернатив будущего развития. Именно это позволяет менеджеру численно оценить будущие последствия принимаемых решений.

Математические модели, используемые в управлении риском, отличаются большим разнообразием и различными возможностями. Такого понятия, как универсальная модель, не существует. Множественность типов рисков и разнообразие механизмов их возникновения делает это невозможным. В разных ситуациях мы будем использовать специфические инструменты (в данном случае - модели), ибо каждая модель по-своему уникальна, так как при ее построении следует отталкиваться от свойств самого объекта моделирования. Однако схожие ситуации позволяют нам применять аналогичные (если не одинаковые) инструменты: существуют некоторые общие подходы к моделированию (например, использование стохастических дифференциальных уравнений или другого математического аппарата). Если можно прменить более или менее стандартный подход, то процесс моделирования будет проще (известны подходы к построению модели и получению решения).

В области количественного риск-менеджмента наиболее распространены теоретико-вероятностные и статистические модели.

Для некоторых типов рисков широкое использование математических моделей является стандартным, для других -пока еще нет. Тем не менее происходит интенсивная наработка различных приемов моделирования, использующих особенности управления риском. Количественный риск-менеджмент становится отдельной «ветвью» управления рисками.

Для того чтобы определить риск, риск-аналитики, прежде всего, стремятся изучить ключевые факторы, которые вероятно являются причиной волатильности доходности рассматриваемой позиции или портфеля. Например, в случае любого инвестирования в акционерный капитал фактором риска будет волатильность курса акций (отнесен в приложении к данной главе к рыночному риску), которую можно оценить различными способами.

В этом случае мы определяем один фактор риска. Однако число факторов риска, которые рассматриваются в анализе рисков и включаются в любое моделирование рисков, варьируется в значительной степени в зависимости от конкретной проблемы и сложности самого подхода. Например, в недавнем прошлом банковские риск-аналитики могли анализировать риск позиции, связанной с процентной ставкой с точки зрения влияния одного фактора риска, например доходности к погашению государственных облигаций, полагая, что доходности для всех сроков погашения совершенно коррелированны. Но такая однофакторная модель не учитывает риск того, что на динамику временно́й структуры процентных ставок влияет большее число факторов, например форвардные ставки. На сегодняшний день ведущие банки анализируют подверженность риску процентных ставок, используя, по меньшей мере, два или три фактора, что мы рассмотрим в гл. 6.

Кроме того, риск-менеджеры также определяют влияния факторов риска друг на друга, статистической мерой которых является "ковариация". Распутать влияние множественных факторов риска и рассчитать влияние каждого из них – это действительно сложная задача, особенно если с течением времени изменяется ковариация (т.е. если пользоваться терминологией моделирования, она является стохастической ) . В поведении и взаимосвязи факторов риска в обычных условиях и стрессовых, например в периоды финансовых кризисов, обычно есть четкое различие.

В обычных условиях деятельности на рынке поведение факторов риска относительно проще прогнозировать, так как они не меняются в значительной степени в краткосрочной и среднесрочной перспективе: будущее поведение можно экстраполировать до некоторых пределов из прошлых показателей. Однако в стрессовых условиях поведение факторов риска становится значительно более непредсказуемым, и поведение в прошлом вряд ли поможет в прогнозировании будущего поведения. В этой ситуации статистически измеримый риск может превратиться в нечто неизмеримое и неопределенное, что мы рассмотрим в блоке 1-2.

Уровень потерь, связанный с крупным стандартным портфелем кредитных карт, можно прогнозировать, так как портфель состоит из большого числа небольших подверженностей риску, а финансовое состояние отдельных клиентов нс взаимосвязано. Ведь в целом вероятность того, что вы потеряете работу сегодня, не становится выше в связи с тем, что на прошлой неделе ее потерял ваш сосед (хотя на финансовое состояние небольших региональных банков, а также на их портфели кредитных карт в некоторой степени влияют социально-экономические характеристики, что будет обсуждаться в гл. 9).

Корпоративный кредитный портфель, наоборот, более сложный случай (например, в нем больше крупных кредитов). Кроме того, если мы взглянем на данные в сфере убытков по коммерческим кредитам за десятилетний период, то станет очевидным, что в некоторые годы происходят резкие увеличения потерь до уровня непредвиденных потерь в результате влияния факторов риска, которые внезапно начинают действовать совместно. Например, на уровень дефолта для банка, который очень активно кредитует технологический сектор, будет влиять не только состояние индивидуальных заемщиков, но и деловой цикл технологического сектора в целом. Если в технологическом секторе происходит подъем, то предоставление ссуд представляется безрисковым в течение продолжительного периода времени; если наблюдается экономический спад, он втягивает любого банкира, который осуществлял кредитование и позволил этой небольшой части ссуд стать слишком концентрированной среди схожих или связанных заемщиков. Таким образом, корреляционный риск – тенденция объектов к синхронному движению в невыгодную сторону – это основной фактор при оценке риска данного портфеля. Тенденция объектов к синхронному движению в невыгодную сторону не связана с накоплением дефолтов портфелей коммерческих заемщиков. Целые классы факторов риска могут начать совместное движение. В мире кредитного риска займы, связанные с недвижимостью, являются наиболее известным примером – они обычно обеспечены недвижимостью, ценность которой, как правило, снижается при повышении уровня дефолта для застройщиков и собственников. В этом случае риск процента возврата при дефолте но любому просроченному кредиту сам по себе сильно коррелирует с риском изменения уровня дефолта. Два фактора риска, действуя совместно, могут иногда приводить к резким повышениям уровня потерь.

По сути дела, когда бы мы ни сталкивались с рисками (и не только с кредитными рисками), являющимися крупными (например, очень большие кредиты) и возникающими под действием факторов риска, которые при определенных обстоятельствах могут объединиться (т.е. становятся коррелированными), мы можем прогнозировать, что в определенный момент времени будут иметь место высокие непредвиденные потери. Мы можем оценить, насколько серьезна данная проблема, изучив исторические условия для данных событий в отношении любых факторов риска, которые мы определили, а затем проверив преобладание данных факторов риска (например, тип и концентрацию обеспечения недвижимостью) в конкретном рассматриваемом портфеле.

Более подробно проблемам оценки и измерения уровня кредитного риска, связанного с коммерческими кредитами и с целыми портфелями кредитов, посвящена бо́льшая часть гл. 10 и 11. Мы, в частности, поясняем, почему банкиры так оживленно реагируют на новые технологии передачи кредитного риска, такие, как кредитные производные инструменты, подробно описанные в гл. 12. Эти банкиры не стремятся снизить прогнозируемые уровни потерь. Они находятся в поиске решения проблемы высоких непредвиденных потерь, всех капитальных издержек и связанных с ними неопределенностей.

Концепция риска как непредвиденных потерь предполагает две ключевые идеи, которые мы будем подробно рассматривать далее в этой книге: стоимость (ценность) под риском (value at risk, VaR) и рисковый (экономический) капитал. Показатель VaR, описанный и проанализированный в гл. 7, – это статистическая оценка, которая определяет исключительный уровень потерь и вероятность их возникновения ("доверительный уровень", если использовать термин риск-менеджмента). Например, мы можем сказать, что позиция по опционам имеет однодневную VaR в 1 млн долл. при доверительном уровне 99 %. Это означает, что существует только 1 % вероятности потери суммы больше 1 млн долл. в конкретный операционный день.

В сущности, речь идет о том, что если мы имеем 1 млн долл. как ликвидный резерв, существует немного шансов на то, что позиция по опционам приведет к банкротству. Кроме того, если мы можем оценить издержки по поддержанию ликвидных резервов, анализ степени риска дает довольно хорошее представление относительно издержек от принятия этого риска (мы рассмотрим ряд аспектов этого простого утверждения в гл. 15).

В соответствии с парадигмой риска, которую мы только что описали, риск- менеджмент становится не просто процессом контроля и снижения уровня ожидаемых потерь (которые по сути являются вопросами бюджетирования, ценообразования и эффективности бизнеса), но также процессом эффективного управления уровнями непредвиденных изменений финансовых результатов деятельности. Используя данную парадигму, даже в консервативном бизнесе можно принимать значительный уровень риска достаточно рациональным образом, если оператор учитывает следующие факторы.

■ Степень доверия к используемому способу оценки и измерения уровней непредвиденных потерь, связанных с различными видами деятельности.

■ Накопление достаточного капитала или использование иных методов управления рисками для защиты от потенциальных непредвиденных уровней потерь.

■ Соответствующая доходность от рисковой деятельности при учете стоимости рискового капитала и управления рисками.

■ Четкий обмен информацией с акционерами о целевом профиле рисков компании (т.е. учет стандартов платежеспособности при принятии и смягчении риска).

Это возвращает нас к утверждению о том, что риск-менеджмент – это не только стратегия защиты. Чем более точно понимается суть бизнеса и измеряется уровень его рисков относительно потенциальных доходов, целей и способности стабильно противодействовать неожиданным, но возможным сценариям, тем больший доход, скорректированный на уровень риска, может получить компания на рынке и при этом не прийти к краху.

Как указано в блоке 1-2, в любом анализе рисков важно понимать, что факторы, которые могут привести к волатильности результатов, не так просто измерить, хотя они могут быть очень важны. Наличие такого типа факторов риска представляет собой неопределенность, которая должна быть исследована с учетом самого неблагоприятного сценария. Мы рассмотрим этот вопрос в гл. 7. Кроме того, даже если возможно выполнить статистический анализ риска, крайне важно подробно рассмотреть корректность базовой модели, данных и оценку параметров риска – эту тему мы подробно рассмотрим в гл. 14 "Риск модели".

БЛОК 1-2

• В этом случае, естественным образом, предполагают, что и сами факторы риска, и их функции распределения вероятностей, а значит и доходность рассматриваемого портфеля или актива изменяются во времени. – Примеч, науч. ред.
• С целью гармонизации с терминологией, применяемой в современной зарубежной экономической теории, отечественные ученые и специалисты в своих работах в последнее время стали использовать вместо термина "стоимость" понятие "ценность", которое является более точным (например, ценность облигации, ценность под риском и т.д.). Однако в российской практике (особенно в бухгалтерском учете согласно традиционным подходам и действующим официальным документам) по-прежнему используется понятие "стоимость". В переводе данной книги применяется в основном термин стоимость (ценность). – Примеч. изд-ва.