Моделирование воздействия риска методом Монте-Карло

Пример:

ЧП = ЦО - И – Н, (6.2)

где ЧП - чистая прибыль;

Ц - цена единицы продукции;

О - объем реализованной продукции;

ЦО - выручка от реализованной продукции;

И - издержки /сырье, материалы, п/ф, энергия и т.д./;

Н - налоги.

В реальной практике возможны отклонения реальных значений от запланированных /объем сбыта, стоимость покупных материалов, величина налоговой ставки и т.д./. Т.е. формула будет иметь вид:

ЧП" = Ц (О+о) - (И+и) - (Н+н) (6.3)

/маленькие буквы показывают отклонение соответствующей величины от запланированного значения и могут иметь любой знак/.

Алгоритм.

1. Выбирается та итоговая величина, которая нас интересует /в данном случае чистая прибыль/.

2. Определяются основные факторы - источники риска.

а) определяются внешние (различные действия государственных органов, местных органов, организаций, предприятий, воздействия природы и т.д.) и внутренние факторы риска (производственные, социальные, финансовые, экологические и т.д.);

б) выделяются те факторы, которые, во-первых, в наибольшей мере влияют на выбранную итоговую величину, а, во-вторых, появление которых наиболее вероятно. Как правило, эти факторы выявляются экспертным путем, хотя возможно использование моделирования. Чем больше число выделенных факторов, тем меньше вероятность ошибки, однако тем больший объем информации необходимо собрать для последующего моделирования и тем дольше оно будет осуществляться.

в) выбираются те возмущающие воздействия, последствия которых носят наиболее тяжелый характер или профилактика которых наиболее проста для предприятий, и продумывается система мер, позволяющих уменьшить вероятность их возникновения или их размер негативного воздействия. Тем самым возникает возможность исключить из последующего рассмотрения ряд факторов (этот подпункт может осуществляться как здесь, так и после пункта 4);

3. Разработка модели (связи целевой функции и отобранных факторов).

4. Сбор информации относительно закона распределения отобранных факторов (характера распределения и его параметров). Это наиболее узкое место метода. Например, цены на сырье скорее всего распределены по нормальному закону распределения в силу центральной предельной теоремы. Математическое ожидание можно определить путем экстраполяции динамики изменения ее средних значений. Дисперсию также можно определить путем изучения ее отклонений от средних величин. Но все равно требуется собрать и переработать огромный объем информации. А как быть с величиной налоговой ставки - качественно неизвестной информацией?

5. Моделирование и анализ результатов. С помощью метода Монте-Карло многократно генерируются псевдослучайные значения отобранных факторов, для каждого варианта определяется значения целевой функции. Число генерации - примерно на порядок, а лучше на два больше числа отобранных факторов. Вероятность того, что целевая функция будет меньше некоторой величины - число соответствующих случаев к общему числу испытаний.

Примечание. Разумеется, алгоритм нелинейный.