Проверяемый текст
Зинчук, Галина Михайловна; Управление рисками на предприятиях пищевой промышленности : На примере Республики Мордовия (Диссертация 2000)
[стр. 53]

развития.
На заключительном этапе перспективного планирования такая оценка риска должна воплощаться в показателях плановых заданий: напряженных —соответствующих оптимистическому сценарию, наиболее реальных (вероятный сценарий) и заниженных (пессимистический сценарий).
Кроме того, при разработке сценариев согласовываются стратегические риски развития предприятия в целом и отдельных видов деятельности с оперативными рисками рисками управления обеспечением, производством и сбытом [205] (рисунок 1.8) .
В результате определяется воздействие одновременного изменения всех основных переменных
проекта, характеризующих его денежные потоки, на критерии эффективности.
Важным преимуществом этого метода является тот факт, что отклонения параметров рассчитываются с учетом их взаимозависимостей (корреляции).
Широкое распространение в данной группе получило имитационное моделирование.
Имитация представляет собой методику для проведения экспериментов с математическим обеспечением модели поведения системы в определенный момент времени.
Выделяют следующие виды имитации: вероятностная; зависящая и независящая от временного фактора; явная; деловые игры; имитация больших систем.
Одним из самых известных методов имитационного моделирования является метод статистических испытаний Монте-Карло, который позволяет построить математическую модель для проекта с неопределенными значениями параметров и, зная вероятностные распределения параметров проекта, а также связь между изменениями параметров (корреляцию), получить распределение доходности проекта или сделки
[54, с.81].
При этом процедура имитации Монте-Карло предусматривает выполнение следующих шагов: 1.
Формулирование функциональных зависимостей между результирующими и экзогенными переменными модели.
2.

Получение выборки экзогенных переменных.
53
[стр. 56]

56 Последовательно варьируя значениями переменных в правой части формулы (1.6), можно проводить простейший анализ чувствительности.
Однако жесткая система исходных предпосылок и различные способы расчетов как постоянных, так и переменных затрат (учет или не учет налогов, инфляции и т.д.) оказывают существенное влияние на точность конечных результатов.
После расчета результатов осуществляют экспертное ранжирование переменных по степени важности и экспертную оценку прогнозируемости значений переменных (например, высокая, средняя, низкая).
Далее эксперт может построить, так называемую, «матрицу чувствительности», позволяющую выделить наименее и наиболее рискованные показатели.
Но, на наш взгляд, несмотря на такие свои преимущества, как простота расчетов, экономикоматематическая естественность результатов и наглядность их толкования, всетаки метод анализа чувствительности обладает и недостатками.
Основной из них однофакторность фактора, что приводит к недоучету корреляционной связи между отдельными факторами.
В результате, анализ чувствительности является недостаточно мощным инструментом для анализа рисков.
Тем не менее, это отличный вспомогательный инструмент, облегчающий отбор рисковых переменных, влияние которых на результат реализации принятого решения будет анализироваться более продвинутыми методами.
Анализ сценариев представляет собой метод прогнозирования высококвалифицированными экспертами нескольких возможных вариантов развития ситуации и связанной с этим динамики основных показателей деятельности предприятия, инвестиционного проекта или планируемой сделки [65, с.49].
По существу этот метод анализа рисков является развитием методики анализа чувствительности, заключающееся в одновременном изменении всей группы переменных, проверяемых на риск.
В результате определяется воздействие одновременного изменения всех основных переменных
на критерии эффективности.


[стр.,59]

59 матики и требуют специального исследования.
Поэтому в данной работе они не рассматриваются, поскольку мы преследуем другие цели.
Главным недостатком этой позиции, с нашей точки зрения, является односторонний подход, который не позволяет учитывать возможную выгоду, ради которой рискует субъект.
Несмотря на бурное развитие нелинейной теории, линейная модель остается весьма распространенной во многих областях экономических исследований.
Хотя она дает довольно грубое приближение к истинной мере риска, во многих случаях это приближение оказывается достаточным, особенно на фоне недостатка конкретной информации, статистических данных и т.п.
Одним из самых известных методов имитационного моделирования является метод статистических испытаний Монте-Карло, который позволяет построить математическую модель для проекта с неопределенными значениями параметров и, зная вероятностные распределения параметров проекта, а также связь между изменениями параметров (корреляцию), получить распределение доходности проекта или сделки
[28, с.81].
При этом процедура имитации Монте-Карло предусматривает выполнение следующих шагов: 1.
Формулирование функциональных зависимостей между результирующими и экзогенными переменными модели.
2.

3.
Получение выборки экзогенных переменных.
Расчет значений результирующих переменных для каждой выборки с помощью определенных на первом шаге функций.
4.
Многократное повторение шагов 2 и 3.
[ительной особенностью метода Монте литическими методами, которые охватывают все пространство решении, является охват только его части.
К преимуществам метода относится возможность получения «интервальных», а не «точечных» характеристик показателей эффективности, а к недостаткам зависимость точности результатов от качества созданной прогнозной модели.
Метод Монте-Карло наиболее полно характери

[Back]