Robo6log.ru

Финансовый обозреватель
2 просмотров
Рейтинг статьи
1 звезда2 звезды3 звезды4 звезды5 звезд
Загрузка...

Методы прогноза риска

Методы прогнозирования рисков

Автор работы: Пользователь скрыл имя, 25 Января 2013 в 13:47, реферат

Описание

Прогнозирование — частный вид моделирования как основы познания и управления.
Роль прогнозирования в управлении страной, отраслью, регионом, предприятием очевидна.

Содержание

1.Введение………………………………………………………………стр1
2.Прогноз возможности возникновения опасных явлений ……….. ..стр 2
3.Методы прогноза риска………………………………………………стр 4
4.Заключение……………………………………………………………стр13
Список использованной литературы

Работа состоит из 1 файл

Риск!.docx

2.Прогноз возможности возникновения опасных явлений ……….. ..стр 2

3.Методы прогноза риска………………… ……………………………стр 4

Список использованной литературы

Прогнозирование — частный вид моделирования как основы познания и управления.

Роль прогнозирования в управлении страной, отраслью, регионом, предприятием очевидна.

Методы прогнозирования риска рассмотрены на примере возможности возникновения ЧС.

В данной работе рассмотрены такие методы прогнозирования как:

Вероятностно – статистический метод:

Вероятностно – статистический подход основан на определении вероятностей и числовых характеристик распределения результатов деятельности по имеющимся статистическим данным ( при их наличии) за прошедшие периоды деятельности, либо аналогичных объектов, что бывает полезным при прогнозе рисков для предстоящей деятельности.

Вероятностно- детерминированный подход.

Данный подход основан на установлении законов и закономерностей развития опасных процессов во времени и пространстве, их цикличности , что можно использовать в целях их долго – и среднесрочного прогнозирования.

Детерминированно – вероятностный подход.

Этот подход, используемый для краткосрочного прогнозирования и опирающийся в основном на оперативную информацию, получаемую от сетей мониторинга, о предвестниках , о приближающемся опасном явлении, с учётом неопределённостей методик прогноза их развития и перемещения.

1.Прогноз возможности возникновения опасных явлений

Для управления рисками необходимо их прогнозировать. Прогноз риска – это оценка его показателей на некоторый интервал времени в будущем, которая может быть дана методами экстраполяции временных рядов, скользящего среднего, авторегрессии и другими методами. Очевидно, что для решения задачи прогноза необходимы модели, описывающие изменение состояния управляемой системы в перспективе, которые основаны на изучении её прошлого поведения.

Существует легенда о том, что однажды к древнегреческому философу Диогену Синопскому (около 400 – 325 до н.э), жившему в бочке на берегу залива, обратился неизвестный путник с посохом и мешком за плечами с вопросом: «Скажи, мудрый человек, дойду ли я отсюда к закату до Афин?» Диоген, посмотрев на стоящего путника, велел ему идти. Путник пожал плечами и пошёл вдоль берега. Некоторое время Диоген смотрел ему вслед, а затем позвал назад. Путник вернулся. «Вот теперь я могу тебе сказать, что до заката солнца до Афин не дойдёшь», -ответил Диоген. «Лучше оставайся до завтра у меня», -« А что же ты мне сразу не сказал, зачем прогнал меня?» — спросил путник. На что Диоген ответил: « А как же я скажу, дойдёшь ли ты к закату до Афин, если я не видел, как быстро ты идёшь?» 1

В этой легенде выражена суть прогнозирования по тренду: чтобы определить, какого уровня достигнет тот или иной «идущий» процесс (в том числе изменения риска во времени), например в следующем году, нужно знать среднюю скорость изменения уровня за год, т.е. знать параметры тренда. Установление этих параметров для показателя риска типа вероятности негативного события на некоторый интервал времени в будущем рассмотрено ниже.

Легенда о Диогене содержит ограничения прогноза по тренду: не удовлетворительный прогноз (например, высокая вероятность катастрофического события для организации) стимулируют принятие мер по снижению риска ( скорости его изменения по сравнению с первоначальным трендом) и прогноз по прежнему тренду уже не оправдается. Однако и в этом случае прогноз вовсе не бесполезен, наоборот, он сыграл роль «предупреждения» о необходимости изменить скорость процесса. Роль предупреждающего прогноза не в том, чтобы он исполнился (прогноз не фатален), а наоборот, его роль заключается именно в том , чтобы менеджер фирмы, правительство страны приняли меры, не допускающие исполнения прогноза.

Например, прогнозы, сделанные в 1980 году по моделям мирового развития, предвещали демографический взрыв к 2000 году и связанные с этим катаклизмы. Однако принятые на основе этого пугающего прогноза меры по контролю за рождаемостью позволили удержать численность населения земли в допустимых пределах. 2

2.Методы прогноза риска.

Специфические вопросы прогноза риска рассмотрим применительно к задаче прогноза риска ЧС природного и техногенного характера, которую необходимо решать в целях управления обеспечением безопасности населения и территорий. По компонентам, входящим в прогноз риска, выделяют следующие методы:

-прогнозирование возможности возникновения ЧС, т.е. инициирующих их опасных явлений;

-прогнозирование последствий опасных явлений

Методы прогнозирования наиболее развиты применительно к опасным природным явлениям, вызывающим ЧС природного характера. Для своевременного прогнозирования опасных явлений либо их обнаружения на стадии зарождения или распространения необходима хорошо отлаженная общегосударственная система мониторинга за предвестниками стихийных бедствий. По информации, полученной в результате мониторинга, местные органы власти принимают заблаговременные либо оперативные решения по применению мер защиты в целях предупреждения или смягчения последствий ЧС. Для прогнозирования ЧС техногенного характера используют методы диагностики состояния объектов техносферы.

Методы прогнозирования возможности возникновения опасных явлений по прогнозируемым параметрам в свою очередь подразделяются на методы прогноза их места, силы, времени наступления и частоты (повторяемости).

Применительно к различным опасным природным явлениям эта задача решается в различной степени. Конечно, экономически более выгодно предвидеть опасные природные явления и готовиться к ним в месте их проявления. Те мероприятия, которые не могут быть проведены за время, имеющееся с момента упреждения об опасном явлении, применяют на всей территории их возможного проявления заблаговременно (превентивные меры защиты) на основе оценки их частоты (повторяемости).

Читать еще:  Систематический риск пример

Время упреждения определяет горизонт прогноза- срок удаления по времени от текущего момента, на который даются оценки ( т.е прогнозы) необходимых показателей. Его теоретически возможное значение зависит от интервала корреляции параметров исследуемого процесса. Горизон прогноза зависит также от имеющихся статистических данных. Практически ( при прогнозировании по тренду) от конца базы расчёта тренда он может быть не более трети, в крайнем случае половины длительности базы. Если, например тренд числа несчастных случаев на производстве рассчитан за 1990 – 2005 год (база 15 лет), то прогноз профессионального риска нежелательно строить более чем на 5 лет вперед, т.е не далее 2010 года. Чем больше горизонт прогноза, тем больше его ошибка. 4

По времени упреждения, необходимого для принятия управленческих решений по предупреждению ЧС и своевременному реагированию на них, целесообразно получить следующие прогнозы (горизонт прогноза различается для разных видов опасных явлений):

-краткосрочный прогноз возможности возникновения опасных явлений;

-оперативный прогноз возможности наступления опасных явлений;

-экстренное предупреждение о надвигающемся опасном явлении.

Прогноз возникновения ЧС основывается на прогнозировании возможности возникновения инициирующих событий и уязвимости рассматриваемой территории опасных явлений. Различают несколько подходов к прогнозированию инициирующих событий для ЧС в зависимости от имеющихся исходных данных. Характеристика этих подходов применительно к опасным природным явлениям приведена в таблице.

Возможность использования того или иного подхода зависит от соотношения случайности и предсказуемости опасных явлений. Когда о механизме формирования (возникновения, распространения) опасных явлений, сопровождающих некоторый природный процесс, ничего неизвестно, его рассматривают как случайное явление. Случайность или неопределённость времени, места и силы опасных явлений обусловлена двумя основными причинами:

-отсутствием или недостаточностью наших знаний о закономерности формирования в определённом месте и определённый момент времени опасного природного явления;

-стохастическим характером влияющих на развитие процесса факторов. 5

Напомним , что неопределённость- это понятие, отражающее отсутствие однозначности. Неопределённость обусловлена внутренними свойствами объектов и неполнотой сведений о них. Чем больше факторов непредсказуемо (случайным образом) влияет на развитие природного процесса, тем меньше теоретически возможное время упреждения (горизонт прогноза) о развитии опасного явления. В предельном случае это время равно нулю. От этих же фактором зависит точность прогноза. Чем меньше случайных факторов и глубже изучены физические процессы, приводящие к опасным явлениям, тем выше точность прогноза, а время упреждения определяемое с достаточной точностью, может быть больше приближено к t теор.упр.

Стимулом к изучению опасных явлений, эпизодически происходящих на рассматриваемой территории, являются вызываемые ими экономические потери, требующие значительных затрат на защиту от происходящих в случайный момент времени и в произвольном месте опасных явлений. Чем чаще происходят опасные явления, тем больше внимания уделяют их изучению и тем лучше по прошествии некоторого времени территория защищена от них благодаря целенаправленному выделению ресурсов на принятие превентивных мер. Это приводит к снижению потерь.

Очевидно, что экономически выгоднее предпринимать меры защиты на локальных территориях ( по отношению к конкретным объектам) в течение фиксированного интервала времени. Это стимулирует разработку методов прогноза места, силы и времени возникновения опасных явлений. Чем больше знаний, тем меньше неопределённость и ущерб в результате предпринимаемых в соответствии с имеющимися знаниями мер защиты, меньше средние потери от принятия ошибочных решений. Другими словами, чем больше информации и чем выше подготовлены руководители и персонал организации, тем выше экономическая эффективность затрат на защиту (больше предотвращённый ущерб на единицу затрат).

Уровень наших знаний о времени, месте и силе опасных природных явлений приведён в таблице. Если время наступления природного явления с некоторой силой в конкретном пункте на основе имеющихся знаний может быть предсказано с интервалом упреждения, отличным от нуля, то говорят о предсказуемых явлениях. В случае полной неопределённости механизмов возникновения и развития (распространения) опасных явлений их пространственное, временное и энергетическое распределения вычисляют на основе статистических данных многолетних наблюдений в виде характеристик повторяемости и встречаемости в областях возможного возниконвения.

При частичной определённости механизмов возникновения и развития опасных явлений или наличии статистических данных, указывающих на некоторые закономерности их наступления (например цикличность времени), опасное явление можно предсказать, хотя и со значительной погрешностью (например, в форме вероятности возникновения опасного явления с силой, не менее заданной, на рассматриваемой территории или в определённом пункте за заданный интервал времени в будущем).

При полной определённости все три параметра опасного явления можно предсказать с приемлемой точностью в целях своевременного принятия адекватных мер защиты, объём которых зависит от имеющихся материальных ресурсов и запаса времени (времени упреждения)

С увеличением интервала Т наблюдения за развитие опасных процессов и явлений точность оценки повторяемости , встречаемости и областей возможного возникновения опасных явлений возрастает. При прогнозе времени, места и силы tупр точность, наоборот снижается. Поэтому те меры защиты, которые не могут быть реализованы за время упреждения, определённое с приемлемой точностью, планируют на основе информации о повторяемости опасного явления

Читать еще:  Экономический риск и его виды

Возможный горизонт прогноза информативных параметров- время определяется интервалом корреляции значений совокупности информативных параметров в момент времени и текущий момент времени. Чем больше случайных факторов влияет на развитие опасного явления, тем меньше интервал корреляции.

Изучение механизмов возникновения и развития опасных явлений сопровождается повышением точности прогноза их времени возникновения, силы и места, т.е. переходом от их описания как случайного явления к описанию как закономерного явления. Эту задачу решают в рамках фундаментальных исследований в соответствующих областях знаний. На основе этой информации разрабатывают методический аппарат прогнозирования, использующий, в частности , идеи обучения (теория распознавания образов, нейропрогнозирование).

Методы прогнозирования рисков розничных портфелей

Необходимость в прогнозировании рисков кредитного портфеля представляет собой серьезный вызов для банковской отрасли.

Анализ имеющейся на текущий момент времени информации позволяет оценивать объем будущего кредитного риска. Автор рассматривает положительные и отрицательные стороны некоторых методов прогнозирования рисков розничных кредитных портфелей.

Методы прогнозирования неразрывно связаны со сценариями по продажам и маркетингу, кредитной политикой и макроэкономической ситуацией. Любые прогнозы должны быть основаны на различных сценариях, поскольку лишь в этом случае они смогут с высокой долей вероятности соответствовать реалиям окружающего мира. Например, мы не можем предсказать, приведет ли посткризисное восстановление экономики к снижению кредитных рисков в портфеле, пока не изучим влияние изменения в макроэкономической среде на кредитный портфель. В отсутствие же исторических данных нужно разрабатывать несколько сценариев (как минимум: «подъем экономики снизит кредитный риск» и «подъем экономики не снизит кредитного риска»).

Чем мы можем пользоваться?

Что касается самих методов прогнозирования, то каждый из них имеет свою спецификацию. «Качество происхождения», «Жизненные циклы», «Сезонность», «Скользящие средние», «Уровни перехода», «Матрицы миграции», «Кривые риска в поколении»… — количество и перечень используемых методик может зависеть от целей и точности прогноза.

Качество происхождения

Любая ссуда приобретает первичные признаки в момент ее выдачи. Может ли период образования кредитного портфеля отразиться на его качестве? Оказывается, может: ссуда, выданная в негативной окружающей среде, как ожидается, проявит себя хуже, чем ссуда, выданная в хорошей окружающей среде. Но эта закономерность в первую очередь относится к окружающей среде, а не к ссуде. И здесь на помощь приходят кредитные рейтинги — изменение окружающей среды для идентичных ссуд может распределить их в различные рейтинговые группы.

Как показала практика, финансовый кризис негативно влияет на качество кредитного портфеля. Однако свою роль в формировании качества в момент происхождения ссуды могут сыграть и другие факторы. Каналы продаж, территориальный фактор, конъюнктура рынка, конкуренция — это только малая часть тех факторов, которые могут оказаться значимыми, в том числе такие не слишком предсказуемые и управляемые, как действия конкурентов. Поэтому некоторые параметры модели должны изменяться оперативно, по факту. На рисунке 1 проиллюстрирована зависимость качества портфеля от периода его формирования.

Рисунок 1. Изменение окружающей среды


Также стоит помнить, что более поздние поколения кредитных портфелей не передают своих качеств более ранним. Хотя визуальное сравнение поколений по времени полезно, причины того или иного поведения поколений могут быть различными.

Жизненные циклы

Основополагающими для многих портфелей являются жизненные циклы. Чаще всего жизненные циклы отражают зависимость характеристик ссуды от срока, прошедшего с момента открытия ссуды. В анализе используются наблюдения за поколениями выданных кредитов (пулов) в различные периоды их жизни, формула жизненных циклов выглядит следующим образом (1):

Предположим, что A0 — размер портфеля, а Ot — остаток ссудной задолженности в момент времени t. Тогда в рамках одного наблюдения уровень выплаченной задолженности можно выразить как

Розничные ссуды в момент выдачи характеризуются наибольшим объемом активов, подверженных риску, с течением времени текущая задолженность снижается, уменьшается вероятность дефолта и увеличивается вероятность досрочного погашения (рис. 2).

Рисунок 2. Жизненные циклы


Анализ кривых качественных характеристик в проекции на сроки является наиболее эффективным предсказательным элементом прогнозирования розничных кредитных портфелей. Формы кривых могут варьироваться в зависимости от кредитных продуктов или демографических характеристик, но в любом случае формы этих кривых объяснимы и зависимы от срока.

Жизненные циклы очень важны в понимании качества кредитного портфеля, так как ссуды, открытые вчера, могут приобрести иные характеристики завтра, даже если ничего в окружающем пространстве не изменится. Например, для экспресс-кредитов, открытых сегодня, пик просроченной задолженности может наступить через год, а для автокредитов — через три года. Несмотря на кажущуюся простоту, эффект жизненных циклов играет важную роль в интерпретации поведения кредитного портфеля.

Сезонность

Некоторые факторы регулярно повторяются во времени, и это объясняется сезонностью (смена времен года, отпуска, новогодние праздники) (2). Она влияет на многие аспекты нашей жизни. Сезонность обладает свойствами цикличности и регулярности, что позволяет нам предвидеть и приготовиться к переменам (в качестве примера сезонных ожиданий можно привести покупку лыж летом в рамках подготовки к зиме).

Подобно тому, как мы используем сезонные ожидания в разных областях нашей жизни, чтобы подготовиться к будущим результатам, мы можем использовать сезонность в целях прогнозирования потенциальных тенденций внутри кредитного портфеля.

Читать еще:  Риски хозяйственной деятельности

Например, в области розничных продаж отчетливо прослеживаются циклы активности продаж в предновогодний период и резкое снижение в январе. В силу того что сезонность является одним из видов опережающего (впередсмотрящего) анализа, можно с уверенностью ожидать увеличения торговли и в декабре 2010 г.

Метод скользящих средних

Очень популярный метод, не требующий от специалиста владения достаточным математическим аппаратом. Суть его заключается в том, что на портфель или сегменты примеряются параметры, рассчитанные на основании недавних исторических данных. Формула простого скользящего среднего известна в математике в виде:

Например, если за последние три месяца портфель увеличился на х млн руб., мы делаем предположение, что в следующем месяце портфель вырастет на х/3 млн руб.

— чрезвычайно прост в расчетах;

— не требует множества исторических данных.

— не обеспечивает понимания, что происходит с кредитным портфелем;

— не может включать сценарии или внешние факторы, так как не изучает исторических движущих сил.

Данный метод пользуется популярностью только благодаря своей простоте. Нельзя забывать о том, что он содержит в себе высокую вероятность ошибки. Метод скользящих средних может использоваться только для быстрой оценки или контроля, но никакое важное решение ни в коем случае не должно базироваться исключительно на этом методе.

Уровни перехода (roll-rates)

Модели уровней перехода представляют собой упрощенное подмножество более широкого класса моделей — моделей Маркова. Анализ предполагает сравнение просроченной задолженности, определенной в месяц Х, с тем, что будет в следующем месяце, а также расчет доли кредитов, ставших лучше или перешедших в следующую стадию просрочки. Предсказание происходит путем вычисления на основании исторических данных среднего уровня перехода (рис. 3).

— показывает внутреннюю структуру портфеля.

— неэластичен к быстроизменяющимся внешним факторам;

— наилучшие результаты показывает в состоявшемся кредитном портфеле;

— не изучает исторических движущих сил.

Матрицы миграции

Одна из разновидностей марковских моделей — матрица перехода Маркова. Это квадратная матрица, описывающая вероятность перехода сегмента портфеля из одной стадии в другую. Вероятность такого перехода соответствующего сегмента отображается в каждой строке. Подобные матрицы часто обозначаются как Q(x’|x), где Q — матрица, x — текущая стадия, x’ — возможная будущая стадия (рис. 4).

Рисунок 4. Матрица миграции


— логически более развиты и осмысленны относительно моделей перехода;

— дают полное представление о движущих силах внутри портфеля.

— есть необходимость в дополнительных моделях, так как не используются такие важные факторы, как жизненные циклы, сезонность и т.д.;

— не используются данные, находящиеся за пределами периода анализа (рис. 5).

Рисунок 5. Иллюстрация недостатков матриц миграций


Кривые риска в поколении (vintage curves analysis)

Частный пример жизненных циклов. Кривая риска в поколении — функция просроченной задолженности от срока жизни поколения, причем период формирования поколения считается начальной точной анализа (рис. 6).

Рисунок 6. Иллюстрация кривых риска в поколении


— наивысшая точность достигается за счет использования в моделях жизненных циклов — существенного фактора в кредитном портфеле;

— понятный и сравнительно простой с точки зрения расчетов метод;

— возможность использования дополнительных характеристик, таких как вероятность закрытия, досрочного погашения, темпы сбора и т.д.

— каждое поколение обладает уникальными характеристиками, соответственно модель должна быть приспособлена под каждое поколение;

— стоит помнить, что свойства ранних поколений не передаются более поздним;

— внешние факторы могут демонстрировать различный эффект на различных поколениях.

Чем же лучше пользоваться?

Основополагающий вопрос, ответ на который зависит от нескольких факторов. При выборе метода прогнозирования необходимо отталкиваться от объема доступных данных. При наличии данных за период менее года можно использовать:

1) гадание на кофейной гуще;

2) метод скользящих средних;

3) если есть уверенность, что портфель относительно стабилен во времени, то подойдут матрицы миграции;

4) при недостатке данных также может помочь разработка всевозможных сценариев развития портфеля.

При наличии данных за период более года мы уже можем использовать:

1) сезонные факторы;

2) жизненные циклы, кривые риска в поколениях и т.д.;

3) матрицы миграций.

Очевидно, что объем данных коррелирует со сроком жизни кредитных продуктов. Наблюдений за один год может хватить для прогнозирования портфелей экспресс-кредитов, в то же время их будет недостаточно для анализа портфеля автокредитов.

Сложность расчетов напрямую зависит от размера портфеля и доступных программных средств. Если маленький портфель можно смоделировать в Excel, то для моделирования больших портфелей не обойтись без SAS/SQL.

Выбор метода также зависит от целей расчета. Понятно, что в некоторых случаях достаточно рассчитать среднее значение и не тратить ресурсы на построение сложных моделей. Также следует помнить, что более простые методы характеризуются наибольшей вероятностью ошибки. Но даже самый правильный метод, основанный на портфельных данных, не сможет уберечь нас от неожиданностей, вызванных чувствительностью кредитного портфеля к изменениям в экономике, маркетинговых планах и кредитной политике. Чтобы правильно спрогнозировать риски кредитного портфеля, необходимо рассмотреть целый ряд возможных сценариев, методов и последствия каждого из них. Моделирование нескольких сценариев позволит руководству выбрать более правильную стратегию.

(1) — Romer D. Advanced Macroeconomics, 3rd ed. Mc Graw Hill, 2006. Ch. 7, p. 347.

Ссылка на основную публикацию
Adblock
detector