| Интервал значений, проц. | Оценка значения |
| 0 – 10 | Слабая колеблемость |
| 10 – 25 | Умеренная колеблемость |
| более 25 | Высокая колеблемость |
При анализе полученных результатов оценки риска двух альтернативных проектов с помощью математического ожидания (Мi) и среднего квадратического отклонения (Di) возможны случаи, представленные в табл. 3.3).
Таблица 3.3
Возможные случаи при анализе альтернативных проектов
| Возможное событие | Решение |
| 1. М1=М2; D1<D2 | выбираем первый проект |
| 2. М1= М2; D1=D2 | проекты равнозначны, поэтому оцениваем по максимальному доходу |
| 3. М1= М2; D1>D2 | выбираем второй проект |
| 4. М1> М2; D1<D2 | выбираем первый проект |
| 5. М1> М2; D1=D2 | выбираем первый проект |
| 6. М1> М2; D1>D2 | используем теорию Неймана-Моргенштерна |
| 7. М1< М2; D1<D2 | используем теорию Неймана-Моргенштерна |
| 8. М1< М2; D1=D2 | выбираем второй проект |
| 9. М1< М2; D1>D2 | выбираем второй проект |
В 6 и 7 случаях решение о выборе проекта зависит от отношения к риску лица принимающего решение. Выбор при этом определяется тем, какой дополнительной величиной средней прибыли компенсируется для лица принимающего решение данное увеличение риска.
КОМБИНИРОВАННЫЕ МЕТОДЫ
Наиболее часто на практике используются комбинированные методы, которые учитывают вероятности наступления событий и показатели колеблемости. Для наглядности приведем пример решения такой задачи.
Компания решает вопрос о количестве поставки продукции на удаленный рынок сбыта. Продукция поставляется в вагонах по железной дороге. Возможные объемы поставок определены в размере 2, 3, 4 и 5 вагонов.
Размер получаемой прибыли и вероятности реализации анализируемых объемов продукции приведены в таблице 3.4.
Таблица 3.4
Величина прибыли и вероятности реализации продукции
| Объем | Прибыль в зависимости от спроса, р. | Ожидаемая | |||
| поставки | 2 шт. (0,1) | 3 шт. (0,3) | 4 шт. (0,5) | 5 шт. (0,1) | прибыль |
| 340,5 | |||||
| 352,5 | |||||
Если решение принимается на основе максимальной прибыли, то оптимальная стратегия поставки – четыре вагона.
Если решение принимается на основе минимального риска поставки, то необходим расчет среднего квадратичного отклонения.
1. Для двух вагонов:
М(Х2)=3002*(0,1+0,3+0,5+0,1)=90000
(МХ)2=3002=90000
GX=90000-90000=0
sX= 
=0
2. Для трех вагонов:
М(Х2)=0,1*2552+3502*(0,3+0,5+0,1)=116752,5
(МХ)2=340,52=115940
GX=116752,5-115940=812,5
sX= 
=28,5
3. Для четырех вагонов:
М(Х2)=0,1*2102+0,3*3052+4002*(0,5+0,1)=128317,5
(МХ)2=352,52=124256,25
GX=128317,5-124256,25=4061,25
sX= 
=63,73
4. Для пяти вагонов:
М(Х2)=0,1*1652+0,3*2602+0,5*3552+0,1*4502=106265
(МХ)2=3172=100489
GX=106265-100489=5776
sX= 
=76
Вывод: с учетом возможного риска и максимального получения массы прибыли от реализации продукции необходимо заключить договор на поставку трех вагонов.
При кажущейся простоте, удобстве и других преимуществах использования статистических методов по определению и оценке степени риска предприятия они имеют ряд существенных недостатков, которые ограничивают, а иногда и исключают возможность применения данных методик в настоящее время в условиях России. Во-первых - необходимость использования огромного статистического материала о последствиях принятых подобных решений другими предприятиями за пять и более лет.
Во-вторых – для минимизации возможных ошибок в определении степени риска предприятия изменения в макроэкономической среде за анализируемый период должны быть незначительными, а в России ситуация меняется коренным образом по несколько раз в год. В-третьих – отсутствуют структуры занимающиеся сбором, хранением и первичной обработкой необходимой для проведения подобного анализа информации.
Четвертый недостаток заключается в том, что используя информацию прошлых лет невольно переносятся ошибки (недостатки и преимущества), которые тогда имели место, в последующие расчеты.
И последний существенный недостаток состоит в том, что принимаемое решение и ситуация, сложившаяся на рынке может оказаться уникальной, следовательно, не будет возможности проанализировать опыт прошлых лет, так как Россия только входит в рыночные отношения и многие структуры являются первыми за последние 80 лет существования России, а использовать зарубежный опыт не всегда целесообразно.
Кроме этого, в России из-за мощного налогового пресса все хозяйствующие субъекты стараются скрыть истинные полученные результаты от проведения каких-либо операций. Так, в 1998–1999 годах предприятия Иркутской области в среднем скрывали от 70% до 490% прибыли, указанной в статистической отчетности предприятия.
