Телефон: +7 (383)-202-16-86

Статья опубликована в рамках: XIX Международной научно-практической конференции «Научное сообщество студентов XXI столетия. ЭКОНОМИЧЕСКИЕ НАУКИ» (Россия, г. Новосибирск, 17 апреля 2014 г.)

Наука: Экономика

Секция: Менеджмент

Скачать книгу(-и): Сборник статей конференции

Библиографическое описание:
Стародубцева Ю.В. МЕТОДЫ ОЦЕНКИ УРОВНЯ РИСКОВ НА СОВРЕМЕННЫХ ПРЕДПРИЯТИЯХ // Научное сообщество студентов XXI столетия. ЭКОНОМИЧЕСКИЕ НАУКИ: сб. ст. по мат. XIX междунар. студ. науч.-практ. конф. № 4(19). URL: http://sibac.info/archive/economy/4(19).pdf (дата обращения: 15.12.2019)
Проголосовать за статью
Конференция завершена
Эта статья набрала 0 голосов
Дипломы участников
У данной статьи нет
дипломов

 

МЕТОДЫ  ОЦЕНКИ  УРОВНЯ  РИСКОВ  НА  СОВРЕМЕННЫХ  ПРЕДПРИЯТИЯХ

Стародубцева  Юлия  Владимировна

студент  4  курса,  кафедра  экономики  и  технологии  управления,  ФГАОУ  ВПО  «Северо-Кавказский  федеральный  университет»,  РФ,  г.  Ставрополь

E-mail:  VATASHINO@yandex.ru

 

Любое  предприятие  вне  зависимости  от  отраслевой  принадлежности  может  столкнуться  с  риском,  связанным  с  любым  из  факторов  производства:  труд,  земля,  капитал,  предпринимательские  способности,  информация.  Поиск  оценки  рисков  для  современного  предприятия  весьма  актуален.  Многообразие  методов  оценок  рисков  можно  объяснить  именинно  этими  причинами.  Теоретическими  основами  расчёта  рисков  занимались  Дж.М.  Кейнс,  А.  Маршалл,  В.В.  Черкасов  и  другие.  Методики  каждого  автора  уникальны,  и  найти  общую  классификацию  довольно  сложно.  Существуют  перспективы  развития  методов  оценки  рисков.  Оценка  риска  позволяет  управлять  риском  через  его  качественные  и  количественные  параметры.  Главными  задачами  анализа  рисков  предприятия  являются  выявление  возможных  рисков  предприятия  и  описания  причин  их  возникновения.  Правильный  подбор  метода  оценки  риска  играет  важную  роль  в  дальнейшем,  так  как  от  точного  отражения  возможных  рисков  зависят  и  мероприятия  по  их  предотвращению,  которое  должно  быть  эффективным.  Выделяют  следующие  методики,  связанные  с  описанием  качественной  оценки: 

·     метод  экспертных  оценок;

·     метод  рейтинговых  оценок;

·     контрольные  списки  источников  рисков;

·     метод  аналогий  [1].

Метод  экспертных  оценок  заключается  в  оценке  предприятия  экспертом  на  основании  математических  и  логических  процедур.  Данный  метод  является  не  дорогостоящим,  эксперт  имеет  опыт  в  решении  подобных  вопросов,  но  результат  будет  носит  субъективный  характер.  Инструментами  для  сбора  экспертных  оценок  служат  данные,  полученные  при  помощи  метода  Дельфи,  вопросников,  SWOT-анализа,  розы  и  спирали  рисков. 

Метод  рейтинговых  оценок  формализует  данные,  полученные  экспертами.  В  последнее  время  метод  претерпевает  изменения:  используются  электронная  обработка  данных.  Рейтинговый  метод  предполагает  отбор  критериев  оценки,  ранжирование  оценок  и  интерпретацию  результатов.  Рейтинговая  метод  предполагает  бальную  систему  оценок.  Градации  оценок  зависят  от  системы  ранжирования,  баллы  так  же  начисляются  в  зависимости  от  системы,  так  различные  бальные  системы  могут  максимально  включать  от  5  баллов  до  100  баллов.

Метод  контрольных  списков  источников  рисков  подразумевает  статистический  отбор  данных:  данные  берутся  как  во  времени  для  предприятия,  так  и  проводится  анализ  аналогичных  рисков  у  предприятий  аналогичной  отраслевой  принадлежности.  Данный  метод  включает  в  уже  существующие  списки  новые  риски,  возможные  для  предприятия  на  данном  этапе  развития.  Постоянное  расширение  может  привести  к  снижению  качества  управления  рисками.  Наилучшее  использование  метода  будет  на  стадии  идентификации  рисков  предприятия.  Правильная  интерпретация  списка  не  всегда  предоставляется  возможной  [4].

Метод  аналогий  позволяет  искать  сходства  и  подобия  в  системах.  При  использовании  этого  метода  ошибки  или  удачи  прошлых  периодов  проецируются  на  будущие.  Этот  метод  удобен  и  относительно  надёжен  для  проектов  с  частыми  повторами  в  реализации.  Этот  метод  так  же  используется  в  случае  невозможности  применения  предыдущих  методов.

В  методах  количественного  анализа  управления  рисками  классифицирую  по  группам: 

·     аналитические  методы  (анализ  чувствительности  и  анализ  сценариев;

·     вероятностно-теоретические  методы  (имитационное  моделирование:  метод  симуляций  Монте-Карло;  моделирование  ситуаций  на  основе  теории  игр;  методы  построения  деревьев); 

·     нетрадиционные  методы  (системы  искусственного  интеллекта:  нейронные  сети;  моделирование  на  основе  аппарата  нечеткой  логики  (“fuzzy  logic”))  [13].

Анализ  чувствительности  показывает,  на  сколько  чувствителен  критерий  при  изменении  одной  переменной.  Получившееся  изменение  к  базисному  году  называется  эластичностью  изменения  показателя.  Итоговые  результаты  ранжируют,  эксперт  создаёт  «матрицу  чувствительности»,  выделяющую  наибольшие  и  наименьшие  рисковые  показатели  [4].  Данные  метод  зависит  рассматривает  влияние  лишь  одного  фактора  на  остальные,  что  не  даёт  глубокой  и  точной  информации  о  сложившейся  рисковой  ситуации.  Данный  метод  удобен  в  качестве  начального,  позволяющего  выбирать  факторы,  на  которые  следует  обратить  внимание.

Анализ  сценариев  предполагает  предоставления  экспертами  на  основе  анализа  изменений  нескольких  факторов  возможные  сценарии  развития  ситуации  [3].  Данный  метод  прогнозирует  развитие  в  худшем  и  лучшем  развитиях  и  даёт  значения  критериев  для  внутренних  временных  промежутков  для  контроля  ситуации.  Применение  метода  даёт  субъективны  результат  к  тому  же  для  более  точного  прогноза  требуется  ограниченное  число  возможных  сценариев,  что  на  реальной  практике  встречается  довольно  редко.

С  недостатками  первых  представленных  методов  количественного  управления  рисками  помогает  справится  метод  имитационного  моделирования.  Под  имитацией  понимают  процедуры  вычислений,  описывающих  объёкт  и  имитирующих  его  поведение.  Данный  вид  моделирования  наиболее  точен,  но  сложен,  трудоёмок  и  недёшев.  Примерами  имитационного  моделирования  является  метод  испытаний  Монте-Карло,  заключающийся  в  построении  математической  модели  с  неизвестными  параметрами,  но  и  с  известными  распределениями  и  взаимосвязями  изменения  параметров,  которая  позволяет  получить  распределение  доходности  проекта  или  сделки  [6].  В  отличие  от  аналитических  моделей,  метод  Монте-Карло  позволяет  анализировать  часть  всего  пространства  решений  на  определённый  момент  времени  или  в  его  интервале,  а  точность  решений  зависит  от  качества  составленной  модели.  Количество  составления  возможных  сценариев  для  данной  модели  велико.  Описание  сценариев  со  многими  варьируемыми  факторами  возможно  лишь  при  помощи  ЭВМ.  Так  же  надо  учитывать,  что  не  всякая  ситуация  может  вписываться  в  математическую  модель.

Наиболее  распространённый  метод  —  метод  моделирования  ситуации  на  основе  теории  игр.  Метод  заключается  в  выполнении  построение  игр  с  «природой»  (где  под  «природой»  понимается  объективная  действительность,  оказывающая  влияние  на  решение  проблем),  где  результатом  будет  построенная  платёжная  матрица  со  значениями  всех  исходов  [2].  Ошибки  на  данном  этапе  не  могут  быть  нивелированы  при  дальнейших  расчётах.  Эксперт  принимает  решение  на  основе  данной  матрицы.  Сочетание  решения  и  состояния  «природы»  даёт  единственную  стратегию  для  данной  ситуации.  Стратегию  так  же  можно  представить  в  виде  матрицы,  где  полная  матрица  отразит  всевозможные  варианты  сочетаний  двух  элементов.  Вариация  решений,  вплоть  до  невозможных,  показывает  всё  неопределённости  ситуаций.  Однако  матрица  позволяет  исследователю  ситуации  обратить  внимание  на  несколько  критериев  и  исходов  проблемы  и  не  сосредотачиваться  на  одном  из  них. 

Многие  задачи  не  могут  решаться  в  один  этап.  Часто  решения  задач  требует  последовательных  расчётов,  где  второй  и  последующие  этапы  зависят  от  значений,  полученных  на  предыдущих  этапах.  В  таких  случаях  используют  дерево  решений  —  предоставление  путей  решения  проблемы  при  помощи  схем.  Классическое  дерево  строится  сверху  вниз  от  вершины  —  изначального  вопроса,  и  далее  идут  «ветки»  решений.  Каждая  ветка  имеет  абсолютную,  вероятностную  и  временную  характеристики.  Дерево  решений  не  должно  быть  слишком  высоким,  так  как  это  затруднить  поиск  верного  решения.  Решение  задачи  схемой  удобно  на  начальных  принятий  решений  или  рассмотрения  возможны  вариантов  развития  ситуации  [5].

С  развитием  прогресса  популярность  приобретают  методы,  основанные  на  моделировании  проблемы  искусственным  интеллектом  или  моделировании,  в  основе  которого  лежит  аппарат  нечётной  логики.  Не  всегда  может  прослеживаться  чёткая  логика  для  принятия  конкретного  решения  по  снижению  риска.  Принятие  решения  в  случае  неоднозначных  обстоятельств  может  быть  принято  при  помощи  нечётной  логики  (“fuzzy  logic”).  Такая  логика  позволяет  рассчитать  значение  риска  в  ситуации  вероятностных  значений,  прогнозов  и  вариативных  их  взаимосвязей.  Данная  логика  может  быть  применена  в  случае  неполных  данных,  при  расчёте  относительных  понятий,  к  примеру  «экономический  успех».  Отличие  данной  логики  от  классической  заключается  в  том,  что  нечётная  логика  оперирует  со  множеством  чисел,  причём  не  всегда  определённым,  при  том  может  выдавать  результатом  промежуточные  значения  между  ответами  классический  логики  —  «верно»/  «неверно».  Такие  промежуточные  состояния  для  анализа  риска  важны,  так  как  положительный  или  отрицательный  ответы  не  могут  дать  исследователю  широкий  выбор  в  решении  проблемы  [7].

Итак,  рассмотрев  различные  методики  оценки  уровня  риска,  можно  сделать  вывод,  что  для  выбора  конкретного  метода  необходимо  сначала  определиться  с  глубиной  проводимого  анализа,  затем  подобрать  именно  те  методы,  которые  смогут  отразить  риски  предприятия  наиболее  точным  образом.  При  том  следует  учитывать  возможности  предприятия  проводить  анализ  тем  или  иным  методом:  наличие  финансовых  средств,  наличие  эксперта  на  предприятии  или  его  найм,  наличие  определённого  уровня  программного  обеспечения,  наличие  необходимых  данных,  сроки  проведения  анализа  и  его  глубины.  Либо  предприятие,  нуждающееся  в  поверхностном  анализе  или  осуществляющее  периодично  глубокий  анализ  через  некоторое  количество  лет,  может  при  наличии  эксперта  внутри  предприятия  осуществлять  контроль  отклонений  наиболее  важных  факторов.  Существующие  различные  методики  являются  вспомогательным  инструментом  в  решении  рисковых  вопросов. 

 

Список  литературы:

  1. Балдин  К.В.  Риск-менеджмент:  учебное  пособие.  М.:  Эксмо,  2006.  —  366  с.  [Электронный  ресурс].  —  Доступ  с  регистрацией.  —  URL:  http://rutracker.org/forum/viewtopic.php?t=1848495  (дата  обращения:  02.04.2014).
  2. Банк  В.Р.,  А.В.  Тараскин  Финансовый  анализ:  учеб.  пособие.  М.:  «Велби»,  2006.  —  344  с. 
  3. Кожевников  Н.Н.  Основы  антикризисного  управления  предприятием  Уч.  Пособие  /  Под  ред.  Кожевникова  Н.Н.,  4-е  издание.  М.:  Академия,  2010.  —  496  с. 
  4. Куликова  Е.Е.  Управление  рисками.  Инновационный  аспект.  М.  :  Бератор-Паблишинг,  2008.  —  224  с. 
  5. Станиславчик  Е.Н.  Риск-менеджмент  на  предприятии.  Теория  и  практика.  М.:  «Ось-89»,  2002.  —  80  с. 
  6. Шапкин  А.С.,  А.С.  Шапкин,  В.А.  Шапкин.  Теория  риска  и  моделирование  рисковых.  М.  :  Дашков  и  Ко,  2005.  —  880  с.  (дата  обращения:  27.03.2014).
  7. Штовба  С.Д.  «Введение  в  теорию  нечетких  множеств  и  нечеткую  логику»  [Электронный  ресурс].  —  Режим  доступа.  —  URL:  http://matlab.exponenta.ru/fuzzylogic/book1/4_5.php  (дата  обращения:  01.04.2013).

 

Проголосовать за статью
Конференция завершена
Эта статья набрала 0 голосов
Дипломы участников
У данной статьи нет
дипломов

Оставить комментарий