Общие принципы и критерии идентификации риска

Под идентификацией риска понимается деятельность, направленная на выявление самого факта существования риска в размерах, превышающих допустимый уровень, и определение его природы.

В общем случае решение задачи идентификации рисков предполагает сбор информации о составе и характере возможных опасностей, их источников, причинах и факторах, обуславливающих проявление соответствующих неблагоприятных событий, а также информации об объекте, его ресурсном потенциале, возможных видах ущерба, степени подверженности влиянию различных событий.

1. Методы статистической идентификации обычно применяются для установления (или отрицания) факта существования риска при наличии определенного и часто значительного объема информации, отражающей чистоту негативных событий, уровни понесенных прямых и косвенных ущербов, реальные и нормативные показатели силы воздействия и т.п.

Статистические методы условно можно разделить на прямые и косвенные. К косвенным относятся методы корреляционного анализа, основанные на использовании коэффициентов корреляции и эластичности.

Например, риски строительных компаний определяются падением стоимости жилья в зависимости от уровня загрязнения окружающей среды:

где у- стоимость жилья;

х- уровень загрязнения окружающей среды в рассм. населенном пункте.

При использовании данного коэффициента необходимо, чтобы значения других факторов, влияющих на систему, были постоянными. Коэффициент эластичности в данном случае показывает, на сколько процентов изменится стоимость жилья и имущества при изменении значения рисков на 1%.

К прямым статистическим методам идентификации рисков относятся методы проверки гипотез. Самое широкое применение они находят при решении задач идентификации рисков производственного цикла.

В ходе производственного процесса неизбежно возникают отказы, сбои в работе оборудования и другие нарушения.

В общем случае распределение вероятностей числа отказов и сбоев в работе оборудования, а также предпосылок к ним в период t подчиняется пуассоновскому закону с функцией плотности:

где х- число происшедших сбоев за период t;

w-число сбоев за единичный временной интервал.

Число сбоев за единичный интервал времени определяется:

На исправном оборудовании число сбоев за период t в среднем не должно превышать некоторого «нормативного» их количества . Для установления факта наличия риска (аварии, брака) в этом случае необходимо определить выборочное среднее число сбоев за n временных интервалов длиной t:

где х_i-число сбоев в оборудовании в i-м временном интервале.

На основании свойств распределений Пуассона и Пирсона () можно непосредственно установить вероятность того, что рассчитанное выборочное среднее не превосходит норматив . Ее значение равно вероятности того, что случайная величина со степенями свободы 2(1+) больше, чем 2. Иными словами, получаем такое выражение:

В этом случае на появление рисковых случаев может указывать следующее соотношение:

где р^*- значение доверительной вероятности (вероятности ошибки 2-го рода при проверке гипотезы .

Известно, что определяется на основании таблицы значений закона распределения , а р^* на практике выбирается на уровне порядка 0,001, 0,01,…, 0,05.

К прямым статистическим методам идентификации рисков относятся и методы индексов риска.

2. Методы аналитической идентификации обычно используются в тех случаях, когда существует возможность установить факт существования риска, анализируя причинную обусловленность проявления неблагоприятного события, способного ухудшить качество получаемого результата.

Методы аналитической идентификации нашли достаточно широкое применение при выявлении техногенных и динамических рисков. Среди них, например, можно выделить следующие методы идентификации рисков:

-экстраполяция диаграммы влияния;

-нейросистемный анализ.

Например, при нейросетевом подходе, при распознавании процессов производится классификация значений в слоях системы анализа. Допустим, построена сеть, двойственная к исходной. Далее, необходимо определиться с двойственными переменными, подаваемыми на выходы нейронов последнего слоя.

Статистический ряд подлежит диагностике в аналитической нейросистеме, параметрами структуры которой являются компоненты, квалифицирующие характеристики процессов.

j₁j₂

Рис.6. Модель нейросети идентификации рисков в процессах экономики и ее архитектура

Обозначения: а₁, а₂, а₃, а₄, а₅- слои нейросистемы (виды рисков).

Приведен пример, когда учитывается только 5 основных видов риска;

- сумма весов, такая что: ,

выход ;

f(*) – идентифицированная функция процесса с определенными характеристиками.

При анализе (рис.8) нейронная сеть обрабатывает входные сигналы единицами, в зависимости от слоя (структурной связки), с которого они приходят. Поступившие на вход элемента значения группируются, вычисляется суммарное входное воздействие каждой группы сигналов (вес) и затем с учетом полученных значений рассчитывается выходной сигнал элемента. В этих случаях каждое значение анализируется на качественную и количественную принадлежность к тому или иному признаку.

3. Методы экспертной идентификации находят все большее применение при решении задач. Это связано с тем, что в некоторых случаях еще не существует статистическая база о частоте появления рисков- затруднено системное представление процессов формирования риска.

Например критерий Гурвица, метод мозгового штурма, метод Дельфи, и т.д.