Математическое ожидание какого-либо события равно абсолютной величине этого события, умноженного на вероятность его наступления.
Пример. Имеется два варианта вложения капитала. При вложении капитала в мероприятие А получение прибыли в сумме 25 млн. руб. имеет вероятность 0,6, а в мероприятие Б получение прибыли в сумме 30 млн. руб. имеет вероятность 0,4. Определить ожидаемое получение прибыли от вложения капитала (математическое ожидание получения определенной прибыли).
Решение:
Математическое ожидание прибыли составит:
по предприятию А – 25 х 0,6 = 15 (млн. руб.);
по предприятию Б – 30 х 0,4 = 12 (млн. руб.).
Вероятность наступления события м.б. определена:
а) объективным методом;
б) субъективным методом.
Объективный метод определения вероятности основан на вычислении частоты, с которой происходит данное событие. Например, если при вложении капитала в какое-то мероприятие прибыль в сумме 25 млн. руб. была получена в 120 случаях из 200, то вероятность получения такой прибыли составляет: 120/200 = 0,6.
Субъективный метод определения вероятности базируется на различных личностных предположениях: суждениях, личном опыте, оценках экспертов и т.д.
Средняя величина (Х) представляет собой обобщенную количественную характеристику ожидаемого результата.
Различают:
а) средняя арифметическая (простая и взвешенная);
б) средняя гармоническая (простая, взвешенная);
в) средняя геометрическая;
г) средняя квадратическая и средняя кубическая;
д) структурные средние (мода, медиана).
Выбор вида средней определяется экономическим содержанием определенного показателя и исходных данных.
Среднее ожидаемое того или иного события – это средневзвешенная для всех возможных результатов.
Пример. Если известно, что при вложении капитала в мероприятие А из 120 случаев прибыль в 25 млн. руб. была получена в 48 случаях (вероятность 0,4), прибыль в 20 млн. руб. в 36 случаях (вероятность 0,3), а прибыль в 30 млн. руб. в 36 случаях (вероятность 0,3).
Для мероприятия Б из 150 случаев прибыль в сумме 40 млн. руб. была получена 30 случаях (вероятность 0,3), прибыль в сумме 30 млн. руб. в 50 случаях (вероятность 0,5), прибыль в сумме 15 млн. руб. в 20 случаях (вероятность 0,2).
Найти ожидаемые значения прибыли.
Решение:
Среднее ожидаемое значение прибыли составило:
- для мероприятия А: 25 х 0,4 + 20 х 0,3 + 30 х 0,3 = 25 (млн. руб.);
- для мероприятия Б: 40 х 0,3 + 30 х 0,5 + 15 х 0,2 = 30 (млн. руб.).
Вывод (вариант): при вложении капитала в мероприятие А величина получаемой прибыли колеблется от 20 до 30 млн. руб. и средняя величина составляет 25 млн. руб.; при вложении капитала в мероприятие Б величина получаемой прибыли колеблется от 15 до 40 млн. руб. и средняя величина прибыли составляет 30 млн. руб. Исходя из среднего размера прибыли, более выгодным является вложение капитала в мероприятие Б. Но это некорректный вывод, т.к. средняя величина представляет собой обобщенную количественную характеристику и не позволяет принимать решение в пользу какого-либо варианта вложения капитала.
Для окончательного принятия решения необходимо измерить колеблемость показателей, т.е. степень отклонения ожидаемого значения от средней величины.
Для этого на практике применяют три близко связанных показателя:
1. Дисперсия;
2. Среднее квадратическое отклонение;
3. Коэффициент вариации.
_
Дисперсия – это средневзвешенное из квадратов отклонений ожидаемых результатов от средних ожидаемых результатов.
2 п _
σ = Σ( Х - Х) х п (простая дисперсия) или умножить на f (взвешенная
i =1 дисперсия).
где σ –дисперсия;
Х – ожидаемое значение для каждого случая наблюдения;
Х – среднее ожидаемое значение;
п – число случаев наблюдения ( для несгруппированных данных);
f - частота вариационного ряда (частота повторения одинаковых признаков) (для сгруппированных данных).
Она характеризует меру изменчивости возможного результата, м.б. применена для характеристики качества статистических оценок. Различают:
а) общую дисперсию;
б) межгрупповую дисперсию;
в) внутригрупповую (частную) дисперсию.
Среднеквадратическое отклонение (σ) равно корню квадратному из дисперсии. Это обобщающая характеристика размеров вариации признака в совокупности; оно показывает, на сколько в среднем отклоняются конкретные варианты от их среднего значения; является абсолютной мерой колеблемости признака и выражается в тех же единицах, что и варианты, поэтому экономически хорошо интерпретируется.
Среднеквадратическое отклонение именованная величина и указывается в тех же единицах в каких измеряется варьирующий признак. Среднее квадратическое отклонение и дисперсия являются мериами абсолютной колеблемости.
Вариация – это различие в значениях какого-либо признака у разных единиц данной совокупности в один и тот же период или момент времени. Коэффициент вариации представляет собой отношение среднего квадратического отклонения к средней арифметической и показывает степень отклонения полученных значений.
σ
У = ---_----,
Х
Коэффициент вариации - относительная величина. Поэтому с его помощью можно сравнить колеблемость признаков, выраженных в различных единицах измерения. Она может изменяться от 0 до 100%.
Чем больше коэффициент вариации, тем сильнее колеблемость и тем выше степень риска.
Установлена следующая качественная оценка различных значений коэффициента вариации (вариант):
Таблица
Характеристика риска по значениям коэффициента вариации
№ п/п | Коэффициент вариации | Характеристика риска |
0,1 | Слабый | |
От 0,1 до 0,25 | Умеренный | |
Свыше 0,25 | Высокий | |
До 0,25 | Приемлемый | |
От 0,25 до 0,5 | Допустимый | |
От 0,5 до 0,75 | Критический | |
Свыше 0,75 | Катастрофический |
Из таблицы видно что:
а) до 10% - слабая колеблемость;
б) 10 – 25% - умеренная колеблемость;
в) свыше 25% - высокая колеблемость.
Пример. Рассчитать критерии колеблемости вложения капитала по исходным данным изложенным в табл.1.
Таблица 1
Данные о вложении капитала предприятием в проекты А и Б
Номер события | Полученная прибыль, млн. руб.. Х | Число случаев наблюдения, п | __ (Х – Х) | __ 2 (Х –Х) | __ 2 (Х –Х) х п |
Мероприятие А Итого Мероприятие Б Итого | __ 30 Х = 25 15__ Х = 30 | - - 5 + 5 - + 10 - - 15 - | - - - - | - - |
Решение.
Дисперсия составит при вложении капитала:
2 Σ (Х – Х) х п 1800
- в мероприятие А: σ = ----------------- = -------------- = 15 ;
Σ п 120
- в мероприятие Б: σ = 7500/100 = 75.
Среднеквадратическое отклонение составит при вложении капитала:
- в мероприятие А: σ = γ σ = +,- З, 87 млн. руб.;
- в мероприятие Б: σ = +,- 8,66 млн. руб.
Коэффициент вариации:
- для мероприятия А: V = 3,87\ 25 = +,- 15,5%;
- для мероприятия Б: V = 8,66\ 30 = 28,9%.
Вывод: показатели колеблемости прибыли для варианта А меньше, значит наиболее выгодным является вложение в мероприятие А, несмотря на то что для него средняя прибыль меньше.
На эти статистические показатели базируется экономико - статистический метод оценки рисков (модель Марковица). Он зачастую применяется наряду с контент анализом.
Контент-анализ является наиболее простым методом оценки рисков с учетом вероятности изменения его воздействия (четвёртый подход).
Сущность метода заключается в определении вероятности возникновения риска и ущерба связанного с этим риском, и других показателей.
При применении контент-анализа определяют:
1. Общее количество договоров заключенных предприятием (N);
2. Количество договоров по которым было нарушение оплаты или неоплата (n);
3. Вероятность возникновения риска ( n/N x 100%);
4. Размер задолженности.
Величина вероятности возникновения риска может принимать значения в интервале от 0 до 1 (от 0 до 100%). При оценке риска может использоваться эмпирическая шкала вероятностей риска (таблица).
Таблица 1
Эмпирическая шкала уровня риска
№ | Вероятность нежелательного исхода (величина риска) | Наименование градаций риска |
О.0 – 0,1 | минимальный | |
0,1-0,3 | малый | |
0,3-0,4 | средний | |
0,4-0,6 | Высокий | |
0,6-0,8 | Максимальный | |
0,8 -1,0 | Критический |
Контент-анализ удобен и доступен в основном для проведения оценки «финального» риска. В системе риск-менеджмента для получения более обоснованного результата оценки риска желательно оценить также и «стартовый» риск, для этого годятся экономико-статистические методы оценки.
Данный подход к оценке риском был реализован в модели Марковица и основывается на законе нормального распределения
Закон нормального распределения применим в случае, когда исход событий представляет собой результат совместного воздействия большого количества независимых факторов, и ни один из факторов не оказывает преобладающего влияния.
В действительности нормальное распределение экономических явлений в чистом виде встречается редко, но часто фактические распределения близки к нормальному.
График функции нормального распределения описывается, так называемой, нормальной кривой (кривой Гаусса).
Опираясь на закон нормального распределения рассчитывают теоретический коэффициент риска. Он только в самом общем плане отражает экономическую сущность риска, имеет ряд недостатков и применим только при оценке риска крупных программ и проектов (подробнее В.М. Гранатуров, с.40 -48).
Модель Марковица ориентирована в основном на формирование портфеля ценных бумаг, оценку риска инвестиций, а также других видов рисков.
Пример.
Оценить риск неоплаты или несвоевременной оплаты услуг фирмы, оказывающей консалтинговые услуги с помощью контент-анализ и экономико -статистического метода.
В результате контент-анализа проведенного на основе соответствующей таблицы данных стало известно:
1. Количество договоров - N =101.
2. Количество договоров, по которым было нарушение оплаты или неоплата: п= 16.
3. Вероятность возникновения риска (п/N х 100%) - 16 :101 х 100% = 15,74%.
4. Сумма задолженности = 4 783 007,8 руб.
Дата добавления: 2016-05-16; просмотров: 3930;