Анализ рынка фитнес услуг. сУПЕР. 1 солодов а. К. Основы финансового риск менеджментa издание
 Скачать 3.6 Mb.
|
|
4.2.6.Система SPAN (Standard Portfolio Analysis of Risk) Система стандартного анализа риска для портфелей, состоящих из опционов и фьючерсов, была разработана и внедрена на Чикагской товарной бирже (СМЕ) в 1988 г. Она представляет собой прозрачный и четкий механизм расчета минимальных требований к размеру гарантийного обеспечения (депозитной маржи). В целом методика SPAN обладает следующими свойствами и преимуществами: гибкость настроек под потребности конечного пользователя (биржи/клиринговой организации, участника торгов/клиринга, т.п.); адаптивность к изменяющимся стандартам и принципам совершаемых операций (вариативность уровня принимаемого риска, метод и уровень взаимозачета (неттинга) требований и обязательств, т.п.); 95 масштабируемость в зависимости от объемов и типов анализируемых портфелей. Методика SPAN получила широкое распространение в биржевой индустрии и является неофициальным стандартом: поскольку она одобрена, регуляторами финансовых рынков в более чем 10 государствах, по всему миру, в том числе для целей анализа и контроля рисков; используется более чем на 50 фьючерсных и опционных биржах и клиринговых палатах по всему миру в качестве официального механизма расчета и установления требований к размеру гарантийного обеспечения Система SPAN предназначена для определения минимальных маржевых требований (performance bond requirements) для портфелей производных финансовых инструментов с учетом возможных одно- или двухдневных (как правило, в зависимости от настроек системы и принципов клиринга) изменений стоимости составляющих портфеля. При этом понятие риска здесь эквивалентно возможным убыткам за соответствующий период. НА ММВБ используется с 2009 года. 4.2.7.Метод анализа «затраты – выгода» Этот метод применяют для оценки риска в случае, если необходимо сравнить общие ожидаемые затраты и выгоды и, выбрать наиболее доходный вариант решения. В том или ином виде метод присутствует как неявная составляющая многих систем оценки риска. Сопоставлять затраты и выгоды можно применяя как качественный так и количественный подходы или комбинации элементов этих методов. Количественная оценка эффективности затрат содержит в себе всю сумму затрат и доходы всех причастных сторон в денежном измерении, которые попадают в анализируемую и относятся к периоду времени, в котором они осуществлены и накоплены. Данный метод может быть применён: в качестве входных данных при решении о необходимости обработки риска; при анализе различных форм обработки риска и выборе наилучшего варианта; при выборе способа действия. Входными данными для принятия решений о риске является полученная чистая приведенная стоимость (NPV). Положительное значение NPV обычно зна- чит, что событие должно произойти. Однако в отдельных случаях для отрицательного риска, особенно включающего риск для жизни человека или значительный вред окружающей среде, может быть применен принцип ALARP (зона допустимого риска). Этот принцип позволяет разделить риск на три уровня: уровень, выше которого отрицательный риск недопустим и не должен быть принят, иначе как в экстраординарных обстоятельствах; уровень, ниже которого риск незначителен и необходим лишь мониторинг, для поддержания низкого уровня риска; центральная зона, в которой риск следует удерживать настолько низком уровне, насколько это реально возможно (ALARP). К более низкому уровню риска может быть применен строгий анализ эффективности затрат. Однако если значение риска близко к недопустимому 96 уровню, принцип ALARP предполагает, что необходимо провести обработку риска, если затраты на обработку не будут существенно превышать полученную выгоду. Входные данные также включают в себя информацию о затратах и выгодах для соответствующих причастных сторон и об оценке неопределенности этих затрат и выгод. Необходимо рассматривать материальные и нематериальные затраты и выгоды. Затраты охватывают израсходованные ресурсы и потери, связанные с получением отрицательных результатов, выгоды охватывают положительные результаты и сэкономленные ресурсы, связанные с возможностью избежать отрицательных результатов. В начале процесса анализа идентифицируют все стороны, которые могут понести затраты или получить выгоды, а затем анализируют их эффективность с позиции «затраты-выгоды». Далее идентифицируют прямые и косвенные выгоды и затраты всех соответствующих причастных сторон, связанных с областью применения анализа. Прямые выгоды - это выгоды, полученные непосредственно от предпринятых действий. Косвенные (или вспомогательные) выгоды носят обычно случайный характер. Но они могут оказывать существенное влияние на решение задачи. Примерами косвенных выгод могут быть повышение репутации, удовлетворенность персонала и «душевное спокойствие». Их часто трудно учесть при принятии решений. Прямые затраты - это затраты, непосредственно связанные с предпринятыми действиями. Косвенные затраты - это дополнительные, вспомогательные и не окупаемые затраты, такие как потеря рентабельности, потеря времени высшего руководства организации или отвлечение капитала от других инвестиций. Применяя анализ эффективности затрат к решениям о необходимости обработки риска, необходимо также учитывать затраты и выгоды, связанные с обработкой и принятием риска. При количественном анализе эффективности затрат после идентификации всех материальных и нематериальных затрат и выгод определяют их стоимость в денежном выражении (включая нематериальные затраты и выгоды). Существуют различные стандартные методы расчета их стоимости, основанные на таких способах расчета, как «готовность заплатить» и «использование заместителей». Если, как часто случается, затраты понесены за короткий промежуток времени (например, год), а выгоды могут быть получены в долгосрочный период времени, то обычно для оценки и сравнения выгод необходимо привести их к «единому моменту времени». Все затраты и выгоды представляют в виде приведенной стоимости. Для нахождения общей чистой приведенной стоимости (NPV) объединяют все затраты и выгоды всех причастных сторон. Положительное значение NPV подразумевает, что действие выгодно. Для целей анализа также можно использовать отношения затрат к выгодам. Если существует неопределенность в уровне затрат или выгод, то они по отдельности или вместе могут быть соотнесены с соответствующими им вероятностями. 97 В качественном анализе эффективности затрат не предпринимают попыток найти стоимость в денежном выражении для нематериальных затрат и выгод. Вместо приведения их к единому моменту времени, позволяющему суммировать затраты и выгоды, соотношение между затратами и выгодами рассматривают качественно. Аналогичным методом является анализ рентабельности. Он предполагает установление точно определенных выгод или результатов в денежном выражении несколькими альтернативными способами. Анализ исследует только затраты и наименее дорогостоящие пути достижения выгод. Выходными данными здесь являются результаты анализа эффективности затрат об относительных затратах и выгодах при различных вариантах решений или действий. Выходные данные могут быть выражены количественно в виде чистой приведенной стоимости (NPV), внутреннего коэффициента рентабельности (IRR) или в виде отношения приведенной стоимости выгод к приведенной стоимости затрат. Качественно выходные данные обычно выражают в форме таблицы, в которой сопоставляют различные типы затрат и выгод. Преимущества метода: Метод позволяет сравнивать затраты и выгоды, используя единые метрические единицы (деньги). Метод обеспечивает прозрачность принятия решения. Анализ требует сбора подробной информации относительно всех возможных аспектов принимаемого решения и может быть полезен в повышении осведомленности и при обмене знаниями о проблеме. Недостатки метода: Количественный анализ затрат и выгод может давать существенно различные результаты в зависимости от методов определения экономических значений для неэкономических выгод. В некоторых случаях трудно определить действительную ставку дисконтирования будущих затрат и выгод. Выгоды для большой группы населения оценить достаточно трудно, особенно если они связаны с пользой для общества. Применение дисконтирования средств, выгода от которых может быть извлечена в долгосрочной перспективе, оказывает незначительное влияние на решение в зависимости от выбранной ставки дисконтирования. Метод не подходит для рассмотрения риска, затрагивающего будущие поколения, если установлены очень низкие или нулевые ставки дисконта. 4.2.4. Байесовский анализ - Сеть доверия Байеса Создание метода приписывают преподобному Томасу Байесу. Для оценки полной вероятности он предложил объединить априорные и апостериорные данные. Общий вид теоремы Байеса: Р(А | B) = {P(A) P(B|A)}/ZP(B |E,) P(E,), где P(X) — вероятность события X; P(X|Y) — вероятность события X при условии, что произошло событие Y; Ei — i-е событие. В самой простой форме теорему Байеса можно записать: 98 P(A|B) = {P(A) P(B|A)}/P(B). Байесовский метод отличается от классической статистики предположением, что параметры распределений являются не постоянными, а случайными переменными. Вероятность Байеса можно легко понять, если рассматривать ее как степень уверенности в определенном событии в противоположность классическому подхо- ду, основанному на объективных свидетельствах. Поскольку подход Байеса основан на субъективной интерпретации вероятности, то он может быть полезен при выборе решения и разработке сетей Байеса (сетей доверия). Сеть Байеса представляет собой графическую модель, представляющую переменные и их вероятностные взаимосвязи. Сеть состоит из узлов, представляющих случайные переменные, и стрелок, связывающих родительский узел с дочерним узлом (родительский узел - переменная, которая непосредственно влияет на другую дочернюю переменную). Метод Байеса широко применяют по причине их интуитивной понятности и благодаря наличию соответствующего программного обеспечения. Сети Байеса применяют в таких областях: медицинской диагностике, моделировании изображений, генетике, распознавании речи, экономике, исследовании космоса и в современных поисковых системах. Они могут находить применение в любой области, где требуется установление неизвестных переменных посредством использования структурных связей и данных. Сети Байеса могут быть применены для изучения причинных связей, углубления понимания проблемной области и прогнозирования последствий вмешательства в систему. Входные данные для Байесовского анализа и сети Байеса подобны входным данным для модели Монте-Карло. Для сети Байеса основными этапами являются: определение переменных системы; определение причинных связей между переменными; определение условных и априорных вероятностей; добавление объективных свидетельств к сети; обновление доверительных оценок; определение апостериорных доверительных оценок. Метод Байеса реализуют различными способами. В примере ниже рассмотрено построение таблицы Байеса для проведения медицинских исследований по определению наличия у пациента заболевания. До начала исследований предполагается, что у 99 % населения этого заболевания нет, у 1 % - заболевание есть (априорная информация). Достоверность теста такова, что если у человека имеется заболевание, то результаты тестов положительны в 98 %. Если у человека заболевание отсутствует, результаты теста положительны в 10 %. Ниже приведена таблица Байеса. 99 Таблица Байенса. Признак Априорная вероятность Условная вероятность правильности текста Произведение вероятностей Апостериорная вероятность Есть заболевание 0,01 0,98 0,0098 0,0901 Нет заболевания 0,99 0,1 0,0990 0,9099 Сумма 1 0,1088 1 Применяя теорему Байеса, произведение определяют умножением априорной вероятности на условную вероятность. Апостериорные вероятности определяют делением значения отдельного произведения на сумму произведений. Результаты расчета показывают, что в отношении положительного результата теста априорное значение возросло с 1 % до 9 %. Более того, велика вероятность того, что даже при положительном результате теста наличие заболевания маловероятно. Анализ уравнения (0,01 х 0,98)/(0,01 х 0,98) + (0,99 х 0,1) показывает, что положительный результат, при отсутствии заболевания, важен для апостериорных значений. Рассмотрим следующую сеть Байеса: Рисунок. Пример сети Байеса В соответствии с условными априорными вероятностями, определенными в нижеследующих таблицах, и обозначениями Y - положительный, а N - отрицательный, положительный результат указывает на наличие заболевания. Т а б л и ц а. Априорные вероятности для узлов A и B P (A = Y) P (A = N) P (B = Y) P (B = N) 0,9 0,1 0,6 0,4 Т а б л и ц а. Условные вероятности, определенные для узла C с узлами A и B А B P (C=Y) P (C=N) Y Y 0,5 0,5 Y N 0,9 0,1 N Y 0,2 0,8 N N 0,7 0,3 D С А В 100 Т а б л и ц а. Условные вероятности, определенные для узла D с узлами A и C А С P (D=Y) P (D=N) Y Y 0,6 0,4 Y N 1,0 0,0 N Y 0,2 0,8 N N 0,6 0,4 Для определения апостериорной вероятности P(A|D = N, C = Y) необходимо предварительно вычислить P(A, B|D = N, C = Y). Используя правило Байеса, значение вероятности P(D|A, C)P(C|A, B)P(A)P(B) необходимо определить по формуле, как показано ниже в таблице, при этом в последней графе указаны нормализованные вероятности, сумма которых равна 1, как показано в предыдущем примере. Таблица. Апостериорная вероятность для узлов A и B с узлами D и C A B P (D=Y) P (D=N) Y Y 0,4х0,5х0,9х0,6=0,11 0,4 Y N 0,4х0,9х0,9х0,4=0,13 0,48 N Y 0,8х0,2х0,1х0,6=0,01 0,04 N N 0,8х0,7х0,1х0,4=0,022 0,08 Для получения P(A|D = N, C = Y) все значения B суммируют: Т а б л и ц а. Апостериорная вероятность для узла А с узлами D и С. P(A=Y, D=N, C=Y) P (A=N, D=N, C=Y) 0,88 0,12 Полученные результаты показывают, что априорная вероятность P (A=N) увеличилась с 0,1 до 0,12 (апостериорные данные) и изменения являются незначительными. С другой стороны, значение вероятности P(B=N|D=N, C=Y) изменилось с 0,4 до 0,56. Это изменение уже более существенно. Байесовский подход может быть применен в той же степени, что и классическая статистика, с получением широкого диапазона выходных данных. Например, при анализе данных для получения точечных оценок и доверительных интервалов. Сети Байеса используют для получения апостериорных распределений. Графические представления выходных данных обеспечивают простоту понимания модели, при этом данные могут быть легко изменены для исследования корреляции и чувствительности параметров. Преимущества метода: Для использования метода достаточно знание априорной информации. Логически выведенные утверждения легки для понимания. Применение метода основано на формуле Байеса. Метод предоставляет собой способ использования субъективных вероятностных оценок. Недостатки метода: Определение всех взаимодействий в сетях Байеса для сложных систем не всегда выполнимо. Подход Байеса требует знания множества условных вероятностей, которые 101 обычно получают экспертными методами. Применение программного обеспечения основано на экспертных оценках. 4.2.5. Метод индексов риска Метод индексов риска 18 является способом качественного и количественного измерения риска. Величину риска получают с применением балльных оценок на основе порядковых шкал. С помощью индексов риска упорядочивают величины риска на основе сходных критериев так, чтобы их можно было сравнивать. Балльные оценки применяют к каждому элементу риска, например, к характеристикам (источникам) загрязнения, диапазону возможных способов воздействия взрыва и его влияния на реципиентов, влиянию структуры капитала на финансовую устойчивость компании. Индексы риска применяют для классификации видов риска, связанных с деятельностью, если система хорошо изучена. Они позволяют объединить ряд факторов, которые определяют уровень (место) риска в единой балльной порядковой шкале оценок. Индексы риска применяют для оценки различных видов риска. Как правило, для разграничения при классификации рисков в соответствии с их уровнем. Индексы риска применяют для определения видов риска, требующих дальнейшей детальной и, возможно, количественной оценки. Входные данные получают по результатам анализа системы или подробного описания области применения, что требует хорошего понимания всех источников риска, возможных способов реализации опасных событий и их объектов воздействия. При получении показателей риска могут быть дополнительно использованы такие методы, как анализ дерева неисправностей, анализ дерева событий и общий анализ решений. Поскольку выбор порядковых шкал является в определенной степени произвольным, то для подтверждения достоверности индекса риска необходимо иметь достаточно данных. Первым этапом, реализации метода, является изучение и описание системы. Затем определяют балльные оценки для каждого компонента таким образом, чтобы их можно было объединить для получения комплексного индекса риска. Например, при решении экологических задач присваивают балльные оценки источникам, способам и реципиенту (ам) воздействия, учитывая, что в некоторых случаях может быть несколько способов и реципиентов воздействия для каждого источника риска. Отдельные балльные оценки объединяют в соответствии со схемой, которая учитывает физическую сущность системы. Важно, чтобы балльные оценки для каждой части системы (источников, способов и реципиентов) были внутренне согласованными и учитывали их взаимосвязи. Баллы могут быть присвоены компонентам риска (например, вероятности, воздействию, последствию) или увеличивающим риск факторам. Баллы можно складывать, вычитать, умножать и/или делить в соответствии с моделью риска высокого уровня. Следует учитывать кумулятивные эффекты посредством добавления баллов (например, добавление баллов различным способам реализации риска). К порядковым шкалам абсолютно неприменимы математические 18 Метод индексов риска является смешанным методом оценки риска. 102 формулы. Поэтому, после того как система балльных оценок разработана, достоверность модели должна быть подтверждена посредством ее проверки на известной системе. Получение показателя риска осуществляется итеративным методом, и поэтому может потребоваться рассмотрение нескольких различных систем для объединения баллов перед тем, как достоверность модели можно будет считать приемлемой. Неопределенность можно рассматривать с применением анализа чувствительности и варьированием балльных оценок, для того чтобы выяснить, к каким параметрам имеется наибольшая чувствительность. Выходные данные - это ряд чисел (комплексных индексов), которые относятся к конкретному источнику. Их можно сравнивать с индексами риска, полученными для других источников той же системы, или с теми, которые могут быть смоделированы. Преимущества метода: Индексы риска целесообразно применять для рейтингования разных рисков. Индексы риска позволяют объединять множество факторов, влияющих на уровень риска, в единую балльную оценку уровня риска. Недостатки метода: Если достоверность процесса (модели) и их выходных данных не подтверждена должным образом, то результаты могут быть недостоверными. Тот факт, что выходные данные являются числовым выражением значения риска, может быть неверно истолкован и использован, например, при последующем анализе эффективности затрат. Во многих случаях, в которых применяют индексы риска, отсутствует основополагающая модель, позволяющая определить линейность или нелинейность (например, логарифмический характер) отдельных балльных шкал факторов риска или иной их вид, а также модель объединения факторов. В этих случаях ранжирование является изначально ненадежным, и проверка его достоверности в соответствии с фактическими данными особенно важна. |