Шпаргалка: Экономика недвижимости
Многофакторный анализ
рисков
Для измерения чувствительности
изучаемого показателя к изменениям не единичного фактора (как было рассмотрено
выше), а группы факторов риска применяется техника вариации
сценариев. Обычно анализируются три альтернативных сценария - пессимистический
(«pes»), вероятный («most likely» - «ml») и
оптимистический («opt»).
При моделировании пессимистического
сценария предполагается, что с определенной (не стопроцентной) вероятностью
Wpes= Wpesi, могут проявиться одновременно (равновероятно) самые
неблагоприятные варианты каждого риска из всей совокупности рисков - с
максимально возможными из мыслимых значений показателями опасности ΔFmaxi. Очевидно, что в этом случае величина искомой
характеристики окажется минимально возможной Fmin=Fpes.
Оптимистический сценарий, напротив, «собирает» вместе
наиболее благоприятные варианты развития событий, исходя из предположения, что
все риски из совокупности минимальны (вариант безрисковый, с минимально
возможными из мыслимых значений показателя опасности ΔFmini≈0) и равновероятны (с одинаковой
вероятностью Wopt=Wopti). Можно ожидать, что в этом случае
потери минимальны и искомый параметр может характеризоваться максимально
возможной («безрисковой») величиной Fopt=Fmax.
Наконец, базовый (вероятный) сценарий,
реализующийся с экспертно определяемой вероятностью Wml=Wmli, моделирует вариант прогноза развития ситуации с
умеренной степенью опасности всей совокупности рисков (показатели опасности ΔFmidi) и соответствующей средней величиной
искомой характеристики Fml=Fmid. Учитывая
случайный характер каждого из прогнозных сценариев, можно рассчитать
математическое ожидание Fw искомого результата, дисперсии σ2(Fw) и стандартного отклонения σ обработкой
результатов, получаемых в результате анализа трех сценариев: Fw=WpesFmin+WmlFmid+WoptFmax.
Возможно уточнение приведенного выше
варианта техники многофакторного анализа рисков с привлечением экспертов. Здесь
вероятность сценария определена на основании обработки мнений экспертов,
полученных с использованием алгоритма «балльных» оценок:
-
эксперты
определяют перечень наиболее важных критериев оценки сценариев;
-
каждому критерию
присваивают вес Gi в
баллах (пятибалльная шкала);
-
для оценки
каждого критерия выбирается шкала;
-
эксперты оценивают
каждый сценарий по каждому критерию;
-
вычисляется балл
для каждого критерия, средний по группе экспертов.
На основании этих результатов
вычисляется средневзвешенный балл Xj сценария j. Предполагается, что вероятность сценариев пропорциональна полученным
баллам и сумма вероятностей равна 100%. Тогда вероятность j-го сценария Wj равна Wj=Xj /ΣXj.
Пара слов о методе имитационного
моделирования Монте-Карло. Этот метод, позволяющий рассмотреть максимальное
число сочетаний исходных данных (Ipgs, Kv&l, Koe, Ro), и оценить диапазон изменения
результирующей переменной (Vo), реализуется стандартным алгоритмом. При этом, учитывая
недостаток рыночных данных для объекта, рассмотренного в предыдущем примере,
предполагается, что все факторы распределены равномерно.
После проверки генерируемой
последовательности случайных факторов на мультиколлинеарность (по матрице
парных коэффициентов корреляции), исследуется зависимость качества достижения
заданного (равномерного) распределения и величины рыночной стоимости от числа
испытаний. Установлено, что величина рыночной стоимости практически не
изменяется с ростом числа испытаний после 10000 испытаний, а распределение для
ставок арендной платы, близкое к равномерному, достигается только при числе
испытаний, равном 20000. Полученное при этом распределение плотности
вероятности для значений рыночной стоимости оказалось близким к нормальному.
Принятие решения о
выборе варианта ННЭИ в условиях риска
Ранжирование факторов риска и самих
рисков, обеспечиваемое на стадии анализа рисков, позволяет количественно
обосновывать решения по выбору варианта реализации проекта из набора
альтернативных вариантов. Этот инструментарий позволяет добавить к критерию
максимальной продуктивности, используемому в рамках анализа и выбора ННЭИ,
также и критерий приемлемого уровня рискованности варианта. Поскольку при
принятии решений в условиях неопределенности вероятность событий и последствий
удается оценивать далеко не всегда, кроме критериев приемлемости уровня риска
(при принятии решений в условиях риска) рассмотрим также критерии
принятия решений при отсутствии возможности оценки вероятности неблагоприятного
развития процессов (решения в условиях неопределенности). Суть подхода к
принятию решений в условиях неопределенности и риска рассмотрим с использованием
таблицы эффективности решений.
Вариант решения
|
Вариант состояния
«среды»
|
j=1
|
j=2
|
...
|
j=m
|
i=1
|
F11
|
F12
|
… |
F1m
|
i=2
|
F21
|
F22
|
… |
F2m
|
… |
… |
… |
… |
… |
i=k
|
Fk1
|
Fk3
|
… |
Fkm
|
Страницы: 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16, 17, 18, 19, 20, 21, 22, 23, 24, 25, 26, 27, 28, 29, 30, 31, 32, 33, 34, 35, 36, 37, 38, 39, 40, 41, 42, 43, 44, 45, 46, 47, 48, 49, 50, 51, 52, 53, 54, 55, 56, 57, 58 |