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.

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