УЧЕБНИК ПО СИСТЕМНОМУ АНАЛИЗУ. 4 апреля 1866 года у Летнего сада Осип Комиссаров
 Скачать 408.78 Kb.
|
2.4.2.1.2. Методы структуризацииСтруктурные представления разного рода позволяют разделить сложную проблему с большой неопределенностью на более мелкие, лучше поддающиеся исследованию, что само по себе можно рассматривать как некоторый метод исследования, именуемый иногда системно-структурным. Методы структуризации являются основой любой методики системного анализа, любого сложного алгоритма организации проектирования или принятия управленческого решения. В особую группу методов структуризации можно выделить методы типа "дерева целей". Методы типа "дерева целей" Идея метода дерева целей впервые была предложена У. Черчменом в связи с проблемами принятия решений в промышленности. Термин "дерево" подразумевает использование иерархической структуры, получаемой путем расчленения общей цели на подцели, а их, в свою очередь, на более детальные составляющие, которые в конкретных приложениях называют подцелями нижележащих уровней, направлениями, проблемами, а начиная с некоторого уровня - функциями. Метод "дерева целей" ориентирован на получение полной и относительно устойчивой структуры целей, проблем, направлений, объединений т. е. такой структуры, которая на протяжении какого-то периода времени мало изменялась бы при неизбежных изменениях, происходящих в любой развивающейся системе. Ю.И. Черняк, обращаясь к методологии системного анализа для выполнения большой трудоёмкой работы по увязке общей цели со средствами её реализации путём декомпозиции целей, писал, что "она породила метод "Дерево целей", который является главным, если не единственным, инструментальным достижением системного анализа". В последующие годы метод "Дерево целей" получил большое распространение, потому, что он обладает такими неоспоримыми преимуществами, как универсальность по отношению к исследуемой системе и широту с точки зрения охвата этапов системного анализа. В общем случае дерево целей может быть использовано:
Учитывая рассмотренную выше классификацию функций управления, для одной организации должно быть построено несколько деревьев целей по следующему содержанию управления: текущая деятельность, создание (реинжиниринг) и развитие текущей деятельности. Каждому из перечисленных видов управления свойственны такие горизонты управления как: оперативное управление (ОУ), тактическое управление (ТУ), стратегическое управление (СУ). Причем каждое построенное дерево целей должно учитывать все фазы управления: планирование, учет, контроль, анализ, регулирование. Тогда декомпозицию глобальной цели организации на девять деревьев можно графически представить следующим образом (рис. 2.5). Глобальная цель Текущая деят. Развитие Создание ОУлобальная цель ТУлобальная цель СУлобальная цель ОУ цель ТУлобальная цель СУлобальная цель ОУлобальная цель ТУлобальная цель СУлобальная цель Рис. 2.5. Декомпозиция глобальной цели организации Каждое дерево целей в своем основании порождает соответствующий механизм управления. Приведенную на рис.2.5 классификацию можно графически представить в другом альтернативном виде (рис.2.6). Глобальная цель Текущая деят. Развитие Создание ОУль ТУлобальная цель СУлобальная цель Рис. 2.6. Альтернативный вид декомпозиции целей организации Данное представление является сетевым и лучше отражает возможные взгляды различных людей на одно и то же множество сущностей (или информации о них). Например, технолог группирует оснастку по ее конструктивным особенностям: вид материала, тело вращения или нет, вид отверстий и т.д. На складе оснастки кладовщик оперирует другими признаками классификации: место хранения, вес, габариты и т.д. (рис.2.7) Признак 1 4 5 6 1 2 3 7 8 9 Технолог Кладовщик Признак 2 Признак 3 Признак 4 Признак 5 Рис. 2.7. Две группировки одного множества сущностей Отметим общие требования к построению дерева целей:
Применительно к любой организации в результате построения дерева целей может быть получено описание целевых нормативов и механизмов (моделей процессов, элементов системы) функционирования организации в стратегической, тактической и оперативной сферах управления. Предметно данное описание отражается в организационно-методических документах: организационной структуре, классификаторах, должностных инструкциях, положениях, распоряжениях, описаниях компьютерных программ, схемах бизнес-процессов всех функций управления и т.д. Успех в большой степени достигается за счет оперативного и продуманного использования каких-либо обстоятельств нашей жизни. В данном случае мы говорим об адаптации организации к среде обитания. Использования метода "Дерево целей" при существенных (проблемных) изменениях состояния среды позволяет адаптировать систему управления организации посредством корректировки целей и механизмов их реализации. Работа по формированию, оценке альтернативных вариантов дерева целей (вариантов функционирования организации) и выработке рекомендаций по изменению системы управления является главной функцией стратегического управления организацией. Методы портфельного анализа Данные методы обеспечивают возможность некоторого логического структурирования и наглядность отображения проблем, относительную простоту представления результатов при использовании качественных критериев анализа. Основаны на построении двумерных матриц, по одной оси которых фиксируются значения внутренних факторов (оценка конкурентоспособности подразделений организации), по другой — внешних (оценка перспектив развития рынка). С помощью этих матриц могут сравниваться друг с другом по ряду критериев темпы продаж, конкурентная позиция, стадия жизненного цикла, доля рынка, привлекательность и т.п. Наиболее известной и универсальной является матрица И.Ансоффа со значениями осей, приведенными в табл. 2.2. Таблица 2.2 Матрица И.Ансоффа
Дальнейшим этапом развития портфельного анализа явились работы Брюса Хендерсона, основателя Бостонской консалтинговой группы (БКГ). Осями первой матрицы БКГ были рост рынка/доля рынка, модель Портера, учитывающая факторы, наиболее значимые для конкурентной позиции предприятия. В последующем на идеях матриц БКГ предложены трехмерные матрицы, оси которой образуют комплексные показатели: привлекательность рынка, конкурентная позиция предприятия, конкурентоспособность товара. К методам портфельного анализа относят также SТЕР и SWОТ-анализ - модели для анализа факторов. В теории систем SТЕР- и SWОТ-анализ соответствует двум этапам методики системного анализа - этапу формирования структуры целей и функций (на основе выделения социальных, технологических, экономических и политических составляющих, определяемых аббревиатурой SТЕР) и этапу оценки составляющих этой структуры с точки зрения сильных, слабых сторон, возможностей и угроз (SWОТ-анализ). Методы кластерного анализа Методы кластерного анализа обеспечивают группировку множества информации в соответствии с выбранными аспектами классификации, мерами тесноты связей элементов. Задача кластер-анализа состоит в выяснении по эмпирическим данным, насколько элементы "группируются" или распадаются на изолированные "скопления", "кластеры" (от cluster (англ.) - гроздь, скопление). Иными словами, задача кластерного анализа - выявление естественного разбиения на классы, свободного от субъективизма исследователя, а цель - выделение групп однородных объектов, сходных между собой, при резком отличии этих групп друг от друга [41]. Кластерный анализ применяется в маркетинге для сегментации конкурентов и потребителей. В менеджменте для разбиения персонала на различные по уровню мотивации группы, для классификации поставщиков, для выявления схожих производственных ситуаций, при которых возникает брак. В медицине данный метод используется для классификации симптомов, пациентов, препаратов. В социологии для разбиения респондентов на однородные группы. Кластерный анализ хорошо зарекомендовал себя во всех сферах жизнедеятельности человека. Большое преимущество методов кластерного анализа заключается в том, что он работает даже тогда, когда данных мало и не выполняются требования нормальности распределений случайных величин и другие требования классических методов статистического анализа. Поясним суть кластерного анализа, не прибегая к строгой терминологии: допустим, Вы провели анкетирование сотрудников и хотите определить, каким образом можно наиболее эффективно управлять персоналом. То есть Вы хотите разделить сотрудников на группы и для каждой из них выделить наиболее эффективные рычаги управления. При этом различия между группами должны быть очевидными, а внутри группы респонденты должны быть максимально похожи. Для решения задачи предлагается использовать иерархический кластерный анализ. В результате мы получим дерево, глядя на которое мы должны определиться на сколько классов (кластеров) мы хотим разбить персонал. Предположим, что мы решили разбить персонал на три группы, тогда для изучения респондентов, попавших в каждый кластер получим табличку следующего содержания, табл.2.2: Таблица 2.3 Разбиение персонала на группы
В первом столбце таблицы расположен номер кластера - группы, данные по которой отражены в строке. Например, первый кластер на 80% составляют мужчины. 90% первого кластера попадают в возрастную категорию от 30 до 50 лет, а 12% респондентов считает, что льготы очень важны. И так далее. Попытаемся составить портреты респондентов каждого кластера. Первая группа - в основном мужчины зрелого возраста, занимающие руководящие позиции. Социальный пакет (медицина и льготы) их не интересует. Они предпочитают получать хорошую зарплату, а не помощь от работодателя. Группа два наоборот отдает предпочтение социальному пакету. Состоит она, в основном, из людей "в возрасте", занимающих невысокие посты. Зарплата для них безусловно важна, но есть и другие приоритеты. Третья группа наиболее "молодая". В отличие от предыдущих двух, очевиден интерес к возможностям обучения и профессионального роста. У этой категории сотрудников есть хороший шанс в скором времени пополнить первую группу. Таким образом, планируя кампанию по внедрению эффективных методов управления персоналом, очевидно, что в нашей ситуации можно увеличить социальный пакет у второй группы в ущерб, к примеру, зарплате. Если говорить о том, каких специалистов следует направлять на обучение, то можно однозначно рекомендовать обратить внимание на третью группу [67]. 2.4.2.1.3. Методы качественного сравнения альтернативДанная группа методов дополняет рассмотренные эвристические методы принятия решений конкретными способами сопоставления альтернатив на качественном уровне. Понятие «качественный уровень» предполагает принятие решения в условиях неопределенности, то есть недостаточности информации для формализованного принятия решения. В этом случае альтернативам (их свойствам или компонентам) проставляются некие оценки, отражающие их значимость для лица (лиц) принимающего окончательное решение. Рациональное использование информации, получаемой от экспертов, возможно при условии преобразования ее в форму, удобную для дальнейшего анализа, подготовки и принятия решений. А для этого информацию нужно измерить, т.е. придать ей числовые значения в соответствии с определенными правилами. Возможности формализации экспертной информации зависят от особенностей объекта, надежности и полноты имеющихся данных, уровня принятия решения. Форма представления данных, полученных от экспертов, зависит от принятого критерия, необходимого для выбора решения. Полученные в результате формализации экспертной информации данные должны помочь выбрать из множества альтернатив одну (или несколько), наиболее предпочтительное. Данные, полученные от экспертов, можно условно подразделить на «жесткие» и «мягкие». Если результаты измерения можно оценить с помощью физических или денежных единиц, то такие данные считаются «жесткими». В случаях, когда при измерениях используются качественные оценки или суждения, полученные данные являются «мягкими». Для оценки «мягких показателей нужно использовать измерители, характеризующие важность, значимость или предпочтительность факторов. Таким образом, основная задача формализации информации, полученной от экспертов, заключается в ее измерении, т.е. в том, чтобы найти соответствующую меру, которая позволила бы представить эту информацию в виде числа. Для этого применяются различные правила для чисел, приписываемых этой информации. Эти правила создаются шкалами, которые налагают определенные ограничения на способ преобразования данных. Простейшей шкалой является номинальная. Иначе эту шкалу называют шкалой классификации или наименований. Задача такой шкалы – классификация различных объектов, а основное правило – не приписывать одного числа различным объектам или различных чисел одному и тому же объекту. Номер присваивается в таких случаях просто как ярлык и не имеет количественного значения. В экспертных оценках шкала наименований находит ограниченное применение. Гораздо чаще применяется шкала порядка, или шкала ранжирования. Расположение объектов по порядку предполагает их соизмеримость с каким-либо свойством (качеством). Принято говорить, что упорядоченные в соответствии с определенным качеством объекты ранжированы. Наиболее распространенными способами упорядочения являются ранжирование и метод непосредственной оценки. Ранжирование Ранжирование представляет собой процедуру выявления относительной значимости (предпочтительности) исследуемых объектов на основе их упорядочения. Ранг – это показатель, характеризующий порядковое место оцениваемого объекта в группе других объектов, обладающих существенными для оценки свойствами. При ранжировании эксперт должен расположить объекты (факторы, альтернативы) в порядке, который представляется ему наиболее рациональным, и приписать каждому и них числа натурального ряда – ранги (1, 2, 3 и т..). При этом ранг 1 получает наиболее предпочтительная альтернатива, а наибольший ранг N– наименее предпочтительная. Следовательно, порядковая шкала, получаемая в результате ранжирования, должна удовлетворять условию равенства числа рангов N числу ранжируемых альтернатив n. На практике метод ранжирования встречается редко. Чаще всего он применяется в сочетании с другими методами упорядочивания, обеспечивающими более четкое распределение анализируемых объектов. Так, ранжирование может быть использовано для оценки значимости объектов в сочетании с методом непосредственной оценки. Метод непосредственной оценки Суть данного метода состоит в том, что диапазон изменения какой-либо качественной переменной разбивается на несколько интервалов, каждому и которых присваивается определенная оценка (балл), например, от 0 до 10 (или от 0 до 100). Задача эксперта заключается в помещении каждого рассматриваемого объекта (фактора, альтернативы) в определенный оценочный интервал в соответствии со степенью обладания тем или иным свойством либо в соответствии с предположениями эксперта об их значимости. Использование рангов и непосредственных оценок (баллов) при сопоставлении альтернатив значительно упрощает выбор наиболее предпочтительной из них, поскольку позволяет соизмерить качественно различные факторы. Однако общим недостатком таких измерителей является то, что относительно низкое качество одного из факторов можно компенсировать за счет более высокого качества другого фактора, получая один и тот же результат при различной фактической их значимости. Для повышения надежности таких оценок нужно выявить и установить количественные связи между всеми значимыми для выбора решения факторами. С этой целью используются интервальные и порядковые шкалы, а также специальные методы: последовательных сравнений, парных сравнений, решающих матриц и другие. Применение различных шкал и методов для измерения информации, получаемой от экспертов, должно быть основано на некоторых формальных правилах, которые обеспечивают непротиворечивость системы оценок, приписываемых экспертами различным событиям или факторам. Сформулируем три основные правила приписания экспертных оценок событиям (факторам, альтернативам):
На практике в целях удобства сумма оценок ряда событий может быть принята равной не только единице, но и другому фиксированному числу. В таких случаях для соблюдения основных правил соответствия оценок можно произвести их нормирование. Для этого все оценки суммируются, а затем каждая из них делится на полученную сумму. Коллективная экспертная оценка может проводиться с учетом и без учета компетентности экспертов. В том случае, когда компетентность экспертов учитывается, оценка умножается на значение соответствующего коэффициента компетентности. При наличии нескольких качественно различающихся целей (факторов) обычно рассчитывается комплексная оценка, которая определяется с учетом веса (значимости) каждого отдельного фактора. Метод парного сравнения Этот метод представляет собой процедуру установления предпочтения объектов при сравнении возможных пар. В отличие от ранжирования парное сравнение объектов является более простой задачей для эксперта, но более громоздкой с точки зрения организации экспертизы. При сравнении пары объектов возможно либо отношение строгого порядка, либо отношение эквивалентности. Отсюда следует, что парное сравнение так же, как и ранжирование, есть измерение в порядковой шкале. В результате сравнения пары объектов  ,  эксперт упорядочивает ее, высказывая либо > , либо < , либо ≈ . Выбор числового представления φ() можно произвести так: если > , то φ() > φ(j); если предпочтение в паре обратное, то знак неравенства заменяется на обратный. Наконец, если объекты эквивалентны, то естественно считать, что φ() = φ(j).В практике парного сравнения используются следующие числовые представления:
Результаты сравнения всех пар объектов удобно представлять в виде матрицы. Если сравнение пар объектов производится отдельно по различным показателям или сравнение осуществляет группа экспертов, то по каждому показателю или эксперту составляется своя таблица результатов парных сравнений. Сравнение во всех возможных парах не дает полного упорядочения объектов, поэтому возникает задача ранжирования объектов по результатам их парного сравнения. Однако, как показывает опыт, эксперт далеко не всегда последователен в своих предпочтениях. В результате использования метода парных сравнений эксперт может указать, что объект а1 предпочтительнее объекта а2, а2 предпочтительнее объекта a3 и в то же время a3 предпочтительнее объекта а1. В случае разбиения объекта на классы эксперт может к одному классу отнести пары а1 и а2 ; а2 и а3, но в то же время объекты а1 и а3 отнести к различным классам. Такая непоследовательность эксперта может объясняться различными причинами: сложностью задачи, неочевидностью предпочтительности объектов или разбиения их на классы (в противном случае, когда все очевидно, проведение экспертизы необязательно), недостаточной компетентностью эксперта, недостаточно четкой постановкой задачи, сложностью рассматриваемых объектов и т. д. Непоследовательность эксперта приводит к тому, что в результате парных сравнений при определении сравнительной предпочтительности объектов мы не получаем ранжирования и даже отношений частичного порядка. Если целью экспертизы при определении сравнительной предпочтительности объектов является получение ранжирования или частичного упорядочения, необходима их дополнительная идентификация. В этих случаях имеет смысл в качестве результирующего отношения выбирать отношение заданного типа, ближайшее к полученному в эксперименте. Метод последовательного сравнения Черчмена-Акоффа Этот метод относится к числу наиболее популярных при оценке альтернатив. В нем предполагается последовательная корректировка оценок, указанных экспертами. Основные предположения, на которых основан метод, состоят в следующем: • каждой альтернативе аi (i = 1… n) ставится в соответствие действительное неотрицательное число φ(аi); • если альтернатива аiпредпочтительнее альтернативы аj, то φ(аi) > φ(аj), если же альтернативы аiиаj равноценны, то φ(аi) = φ(аj); • если φ(аi) и φ(аj) - оценки альтернатив аiи аj, то φ(аi) + φ(аj) соответствует совместному осуществлению альтернатив аiи аj. Наиболее сильным является последнее предположение об аддитивности оценок альтернатив. Согласно методу Черчмена-Акоффа альтернативы а1, ..., аn ранжируют по предпочтительности. Пусть для удобства изложения альтернатива а1 наиболее предпочтительна, за ней следует а2 и т. д. Эксперт указывает предварительные численные оценки φ(аi) для каждой из альтернатив. Иногда наиболее предпочтительной альтернативе приписывается оценка 1, остальные оценки располагаются между 0 и 1 в соответствии с их предпочтительностью. Затем эксперт производит сравнение альтернативы а1 и суммы альтернатив а2, ..., аn. Если а1 предпочтительнее, то эксперт корректирует оценки так, чтобы выполнялось неравенство 2.3:
В противном случае должно выполняться неравенство 2.4:
Если альтернатива а1 оказывается менее предпочтительной, то для уточнения оценок она сравнивается по предпочтению с суммой альтернатив а2, ..., аn-1 и т. д. После того как альтернатива а1 оказывается предпочтительней суммы альтернатив а2, ..., аk , (k ≥ 2), она исключается из рассмотрения, а вместо оценки альтернативы а1 рассматривается и корректируется оценка альтернативы а2. Процесс продолжается до тех пор, пока откорректированными не окажутся оценки всех альтернатив. При достаточно большом значении количества альтернатив применение метода Черчмена-Акоффа становится слишком трудоемким. В этом случае целесообразно разбить альтернативы на группы, а одну из альтернатив, например максимальную, включить во все группы. Это позволяет получить численные оценки всех альтернатив с помощью оценивания внутри каждой группы. Метод Черчмена-Акоффа является одним из самых эффективных. Его можно успешно использовать при измерениях в шкале отношений. В этом случае определяется наиболее предпочтительная альтернатива аi. Ей присваивается максимальная оценка. Для всех остальных альтернатив эксперт указывает, во сколько раз они менее предпочтительны, чем аi. Для корректировки численных оценок альтернатив можно использовать как стандартную процедуру метода Черчмена-Акоффа, так и парное сравнение предпочтительности альтернатив. Если численные оценки альтернатив не совпадают с представлением эксперта об их предпочтительности, производится корректировка. Метод решающих матриц Данный метод является одним из первых методов, используемых при организации и проведении сложных экспертиз. Был предложен в 1966 г. Г. С. Поспеловым. Для решения проблемы предлагается выделить основные направления исследований и указать их относительные веса а1 ..., аn . Относительные веса должны быть пронормированы и давать в сумме определенное число, например, сто единиц. В методе решающих матриц эксперт должен указать относительный вклад каждой альтернативы более высокого уровня, непосредственно предшествующего уроню данной альтернативы. Этот метод был предложен как средство повышения достоверности экспертной оценки путем разделения проблемы с большой неопределенностью на подпроблемы и пошагового получения оценок. Например, при создании сложных производственных комплексов, автоматизированных систем управления и других сложных объектов нужно определить влияние на проектируемый объект фундаментальных научно-исследовательских работ (НИР), чтобы запланировать эти работы, предусмотреть их финансирование и распределить средства между ними. Получить от экспертов объективные и достоверные оценки влияния фундаментальных НИР на проектирование сложного комплекса практически невозможно. Для того, чтобы облегчить экспертам эту задачу, можно вначале спросить их, какие направления (области) исследований могут быть полезны для создания комплекса и попросить определить их относительные веса этих направлений а1 ..., аn. Затем составить план опытно-конструкторских работ (ОКР) для получения необходимых результатов по названным направлениям и оценить их вклад p1 ..., pk. Далее нужно определить программу прикладных научных исследований и относительные веса прикладных НИР у1 ..., уl. И, наконец, — оценить влияние фундаментальных НИР b1, ..., bm на прикладные. Таким образом, область работы экспертов можно представить в виде нескольких уровней: - направления ОКР - прикладные НИР - фундаментальные НИР. Только вклад направлений (подцелей) в реализацию общей цели проекта оценивается экспертами непосредственно. Остальные относительные веса (ОКР, прикладных НИР) вычисляются. Эксперты оценивают вклад каждой отдельной альтернативы (ОКР, НИР) в реализацию альтернатив более высокого уровня, непосредственно предшествующего уровню данной альтернативы. Так, вклад опытно-конструкторской работы (pi) в реализацию подцели (направления исследования) оценивается некоторой величиной. Для каждой ОКР; относительные веса также должны быть пронормированы. В результате при использовании метода решающих матриц оценка относительной важности сложной альтернативы сводится к последовательности оценок (более частных альтернатив, которые эксперт способен осуществить. Иными словами, большая неопределенность, имевшая место в начале решения задачи разделяется на более "мелкие", лучше поддающиеся исследованию и оценке, т. е. метод решающих матриц реализует одну из основных идей системного анализа. Методы «матрицы решений» Принятие решений в условиях неопределенности основано на том, что вероятности различных вариантов развития событий неизвестны. В этом случае субъект руководствуется, с одной стороны, своим рисковым предпочтением, а с другой — критерием выбора из всех альтернатив по составленной «матрице решений». Принятие решений в условиях риска основано на том, что каждой ситуации развития событий может быть задана вероятность его осуществления. Это позволяет взвесить каждое из значений эффективности и выбрать для реализации ситуацию с наименьшим уровнем риска. Обоснование и выбор конкретных управленческих решений, связанных с финансовыми рисками, базируется на концепции и методологии теории принятия решений. Эта теория предполагает, что решениям, связанным с риском, всегда свойственны элементы неизвестности конкретного поведения исходных параметров, которые не позволяют четко детерминировать значения конечных результатов этих решений. В зависимости от степени неизвестности предстоящего поведения исходных параметров принятия решений различают условия риска, в которых вероятность наступления отдельных событий, влияющих на конечный результат, может быть установлена с той или иной степенью точности, и условия неопределенности, в которых из-за отсутствия необходимой информации такая вероятность не может быть установлена. Теория принятия решений в условиях риска и неопределенности основывается на следующих исходных положениях:
Данный метод принятия решения в условиях риска и неопределенности предполагает построение в процессе обоснования рисковых решений так называемой «матрицы решений», которая имеет следующий вид (табл. 2.4). Таблица 2.4 «Матрица решений» для принятия решения в условиях риска или неопределенности
В приведенной матрице значения A1; A2;... Аn характеризуют каждый из вариантов альтернатив принятия решения; значения С1; С2;...; Сn — каждый из возможных вариантов ситуации развития событий; значения E11; E12; E1n; E21; E22; E2n; En1; En2; ...; Enn— конкретный уровень эффективности решения, соответствующий определенной альтернативе при определенной ситуации. Приведенная матрица решений характеризует один из ее видов, обозначаемый как «матрица выигрышей», так как она рассматривает показатель эффективности. Возможно также построение матрицы решений и другого вида, обозначаемого как «матрица рисков», в котором вместо показателя эффективности используется показатель финансовых потерь, соответствующих определенным сочетаниям альтернатив принятия решений и возможным ситуациям развития событий. На основе указанной матрицы рассчитывается наилучшее из альтернативных решений по избранному критерию. Методика этого расчета дифференцируется для условий риска и условий неопределенности. I. Принятие решений в условиях риска основано на том, что каждой возможной ситуации развития событий может быть задана определенная вероятность его осуществления. Это позволяет взвесить каждое из конкретных значений эффективности по отдельным альтернативам на значение вероятности и получить на этой основе интегральный показатель уровня риска, соответствующий каждой из альтернатив принятия решений. Сравнение этого интегрального показателя по отдельным альтернативам позволяет избрать для реализации ту из них, которая приводит к избранной цели (заданному показателю эффективности) с наименьшим уровнем риска. Оценка вероятности реализации отдельных ситуаций развития событий может быть получена экспертным путем. Исходя из матрицы решений, построенной в условиях риска с учетом вероятности реализации отдельных ситуаций, рассчитывается интегральный уровень риска по каждой из альтернатив принятия решений. II. Принятие решений в условиях неопределенности основано на том, что вероятности различных вариантов ситуаций развития событий субъекту, принимающему рисковое решение, неизвестны. В этом случае при выборе альтернативы принимаемого решения субъект руководствуется, с одной стороны, своим рисковым предпочтением, а с другой — соответствующим критерием выбора из всех альтернатив по составленной им «матрице решений». Основными критериями, используемыми в процессе принятия решений в условиях неопределенности являются следующие критерии:
1. Критерий Вальда (или критерий «максимина») предполагает, что из всех возможных вариантов «матрицы решений» выбирается та альтернатива, которая из всех самых неблагоприятных ситуаций развития события (минимизирующих значение эффективности) имеет наибольшее из минимальных значений (т.е. значение эффективности, лучшее из всех худших или максимальное из всех минимальных). Критерием Вальда (критерием «максимина») руководствуется при выборе рисковых решений в условиях неопределенности, как правило, субъект, не склонный к риску или рассматривающий возможные ситуации как пессимист. 2. Критерий «максимакса» предполагает, что из всех возможных вариантов «матрицы решений» выбирается та альтернатива, которая из всех самых благоприятных ситуаций развития событий (максимизирующих значение эффективности) имеет наибольшее из максимальных значений (т.е. значение эффективности лучшее из всех лучших или максимальное из максимальных). Критерий «максимакса» используют при выборе рисковых решений в условиях неопределенности, как правило, субъекты, склонные к риску, или рассматривающие возможные ситуации как оптимисты. 3. Критерий Гурвица (критерий «оптимизма-пессимизма» или «альфа-критерий») позволяет руководствоваться при выборе рискового решения в условиях неопределенности некоторым средним результатом эффективности, находящимся в поле между значениями по критериям «максимакса» и «максимина» (поле между этими значениями связано посредством выпуклой линейной функции). Оптимальная альтернатива решения по критерию Гурвица определяется на основе следующей формулы:
где  — средневзвешенная эффективность по критерию Гурвица для конкретной альтернативы;а — альфа-коэффициент, принимаемый с учетом рискового предпочтения в поле от 0 до 1 (значения, приближающиеся к нулю, характерны для субъекта, не склонного к риску; значение равное 0,5 характерно для субъекта, нейтрального к риску; значения, приближающиеся к единице, характерны для субъекта, склонного к риску);  — максимальное значение эффективности по конкретной альтернативе; — минимальное значение эффективности по конкретной инициативе.Критерий Гурвица используют при выборе рисковых решений в условиях неопределенности те субъекты, которые хотят максимально точно идентифицировать степень своих конкретных рисковых предпочтений путем задания значения альфа-коэффициента. 4. Критерий Сэвиджа (критерий потерь от «минимакса») предполагает, что из всех возможных вариантов «матрицы решений» выбирается та альтернатива, которая минимизирует размеры максимальных потерь по каждому из возможных решений. При использовании этого критерия «матрица решения» преобразуется в «матрицу потерь» (один из вариантов «матрицы риска»), в которой вместо значений эффективности проставляются размеры потерь при различных вариантах развития событий. Критерий Сэвиджа используется при выборе рисковых решений в условиях неопределенности, как правило, субъектами, не склонными к риску. Рассмотренные методы принятия рисковых решений в условиях риска и неопределенности являются наиболее типичными и не охватывают все их многообразие, используемое в современном риск-менеджменте. В специальном учебном курсе можно изучить другие, более сложные методы оценки риска при решении конкретных задач [66]. | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
