Сергей Мартынов

Про оценку рисков: легким движением руки….

Оценка рисков — это не более чем попытка предсказать будущее или выявить скрытый факт на основании использования ранее накопленного опыта. Как и во все времена, на предсказаниях кормилось и кормится куча всяких шарлатанов. Вещай, что хочешь (точнее, что хотят от тебя услышать) — а там, глядишь — или шах, или ишак сдохнет. Не сдохнет — так объясним им популярно, что Луна в третьем доме неудачно сложилась с девиацией VAR в неэвклидовом пространстве. В общем, бизнес прибыльный и непыльный.

Но всё же. Давайте попробуем рассмотреть проблему оценки рисков без всякой черной магии. Как говорил господин артист, фокусы будут непременно с разоблачениями.

Можно выделить несколько уровней осознания накопленного опыта и применения в целях предсказания того, что будет.

Уровень 0. Метод одинокого эксперта, не отягощенного знаниями. Почесал в затылке, и оценил риск зелененьким, желтеньким или красненьким. Почему — никто не знает. Его экспертное суждение, понимаете ли. Называется «метод семафора». По точности оценки риска это примерно то же, что метод блондинки, оценивающей вероятность встретить тигра на улице как 50/50 — то ли встречу, то ли нет. Замечательно то, что оценка риска может меняться радикально с приходом нового эксперта. Используется при подготовке отчетов для совета директоров и всяких регуляторов. Не вздумайте повторять этот трюк в домашних условиях и реальной жизни.

Уровень 1. Мы периодически наблюдаем некоторое явление, например, то, что при наступлении весны снег тает. Или при переходе улице в неположенном месте человек попадает под машину. Из этого мы делаем индуктивный вывод о том, что в следующий раз, когда наступит весна, снег в конце концов растает. Мы предсказываем, что в будущем весной снег растает.

Другой пример: Мы наблюдаем, что машины «Мерседес» угоняют чаще, чем автомобиль «Москвич». Исходя из общего количества автомашин определённо марки и количества угнанных из них мы делаем вывод, что вероятность угона нашей машины «Москвич» — такая-то.

Особенность метода: нас не интересуют причины, по которым снег тает или угоняемость конкретной марки выше или ниже. Мы не анализируем причины — мы просто отмечаем частоту явления и пытаемся использовать статистику для оценки величины риска того, что в следующий раз это явление наступит или не наступит.

Точность метода хорошая, одна беда — применяться статистика может только к случайным событиям, то есть очень однотипным, и имеющим значительное число повторений. Рассчитывать риск пожара на АЗС таким методом не рекомендуется — все заправки разные по оснащению, расположению, обученности персонала и т.д. А вот в страховании и кредитовании статистика применяется. Правда, не всегда грамотно (см. уровень 2)

Уровень 2. Нередко мы натыкаемся на ограничения использования методики оценки риска уровня 1. Они связаны прежде всего с тем, что частота и другие характеристики изучаемого явления могут со временем изменяться. Мерседес, понимаешь, в этом году перестал пользоваться популярностью у угонщиков. И вся наша история наблюдений и статистика на её основе, приводит нас к ошибкам. Особенно это правильно в отношении курса акций на фондовом рынке. Попытки статистически предсказать поведение рынка привели к краху многие крупные компании, а кое-кто утверждает, что они вообще спровоцировали последний финансовый кризис 2008 года.

Что делать в этом случае? Переходим к поиску конкретных причин явления, которое нас интересует. Пытаемся найти причины (факторы), непосредственно вызывающие изменение частоты явления (величины риска), и рассчитывать риск, основываясь на значении этих определяющих риск факторов. Имея достаточно большое количество наблюдений, мы можем попытаться посчитать корреляцию (зависимость) между риском и его предполагаемым фактором. Или использовать другие математические модели, отражающие зависимость изучаемого явления от изменений факторов. При этом одна из возможных ошибок аналитика — увидеть связь между явлениями там, где её нет только на основе корреляции. Например, все, кто ел огурцы, умерли. Корреляция между фактом смерти, и фактом поедания огурцов — 1,0. Но это не говорит о том, что огурец — смертельно ядовитый овощ. Не смейтесь, аналитики часто выводят зависимости на основе корреляции. И потчуют ими, как огурцами, почтеннейшую публику.

Уровень 3. Но иногда мы и при применении этого метода наталкиваемся на ограничения. Например, когда у событие случается настолько редко в сопоставимых условиях, что у нас просто нет достаточного количества наблюдений для расчёта корреляции и величины риска методами математической статистики и теории вероятности. Тот же пожар на АЗС не настолько частое явление, чтобы применять статистику.

Но мы и здесь не сдаемся! Если у нас есть большое количество действующих факторов риска, то надо их выявить, определить — хотя бы приблизительно силу влияния каждого из них на конечное событие, и подсчитать их совместную силу воздействия, и понять, произойдёт ли событие риска.

И тогда мы выдвигаем две версии (рванёт-не рванёт), производим сбор и анализ информации о действующих факторах, оцениваем их соответствие каждой из гипотез и выбираем ту из них, которая в наибольшей степени подтверждается имеющимися фактами. Потом говорим, что с определенной степенью риска рванёт. Или нет. Да это, в конце концов, и не важно.

А важно то, что вы, наверное, и не заметили, как легким движением руки я превратил оценку рисков в типичный цикл интеллидженс. Конечно, и гипотез может быть не две, а побольше, и методы оценки действующих факторов используются свои. Но когда меня спрашивают, как я оцениваю риски — отвечаю, что оценка рисков — это не более чем интеллидженс.

© 2016, Ассоциация экспертов системного менеджмента «МихиКо». Все права защищены.