Существующие способы оценки рисков инвестиций

из "Нечетко-множественный анализ риска фондовых инвестиций "

Всякая наука хороша тогда, когда ей удается пользоваться математикой. Также и при оценке рисков мы должны применять не только качественные суждения об этих рисках, но и методы их количественного анализа. [c.19]
В литературе по инвестициям в ценные бумаги очень часто под риском вложений в бумагу понимается ее волатильность (колеблемость относительно среднего значения). Имеется мнение, с которым я солидарен, что волатильность не может отражать инвестиционного риска в силу того, что болезненность убытков для инвестора несопоставима с удовлетворенностью прибылью. Поэтому отклонения котировок от ожидаемых значений в большую и в меньшую сторону неравноценны. Тем не менее, когда это не оговорено особо, под риском я понимаю волатильность. [c.19]
Обзор состояния теории оценки финансовых рисков представлен в [1.2]. [c.19]
Главная проблема оценивания инвестиционных рисков состоит в том, что события, происходящие на фондовом рынке, часто не обладают свойством устойчивой повторяемости и однородности. Поэтому применение в анализе такого распространенного инструмента, как вероятностей, наталкивается на серьезные препятствия модельного характера. Рассмотрим подробнее. [c.19]
Вероятности - это исторически первый способ учета неопределенности при принятии решений. Лица, специализирующиеся на азартных играх, были заинтересованы в оценке частот тех или иных исходов выпадания игральных костей или комбинаций карт, чтобы, реализуя серию из достаточного числа игр, придерживаться определенных фиксированных игровых стратегий ради достижения некоторого (пусть даже небольшого) выигрыша. При этом с самого начала было ясно, что исследованная частота тех или иных исходов не есть характеристика единичного события (одной игры), а полного их множества, позднее названного генеральной совокупностью событий. [c.19]
Подробно о развитии теории вероятностей в XX веке написана блестящая, на мой взгляд, монография [1.3]. [c.20]
Прикладные результаты теории нечетких множеств не заставили себя ждать. Для примера сегодня зарубежный рынок так называемых нечетких контроллеров (разновидность которых установлена даже в стиральных машинах широко рекламируемой марки LG) обладает емкостью в миллиарды долларов. Нечеткая логика, как модель человеческих мыслительных процессов, встроена в системы искусственного интеллекта и в автоматизированные средства поддержки принятия решений (в частности, в системы управления технологическими процессами). [c.21]
Начиная с конца 70-х годов, методы теории нечетких множеств начинают применяться в экономике. Отметим здесь монографию [1.8], в которой представлен широкий спектр возможных применений этой теории - от оценки эффективности инвестиций до кадровых решений и замен оборудования, приводятся соответствующие математические модели. [c.22]
Позволю себе высказать мнение относительно перспектив применения теории вероятностей и теории нечетких множеств в экономических задачах. [c.22]
Существенным преимуществом теории вероятностей является многовековой исторический опыт использования вероятностей и логических схем на их основе. Однако, когда неопределенность относительно будущего состояния объекта исследования теряет черты статистической неопределенности, классическая вероятность, как измеримая в ходе испытаний характеристика массовых процессов, уходит в небытие. Ухудшение информационной обстановки вызывает к жизни субъективные вероятности, однако тут же возникает проблема достоверности вероятностных оценок. ЛПР, присваивая вероятностям точечные значения в ходе некоего виртуального пари, исходит из соображений собственных экономических или иных предпочтений, которые могут быть деформированы искаженными ожиданиями и пристрастиями. Это же замечание справедливо и в том случае, когда оценкой вероятностей занимается не ЛПР, а сторонний эксперт. [c.22]
В случае же применения нечетких чисел к прогнозу параметров от ЛПР требуется не формировать точечные вероятностные оценки, а задавать расчетный коридор значений прогнозируемых параметров. Тогда ожидаемый эффект оценивается экспертом также как нечеткое число со своим расчетным разбросом (степенью нечеткости). Здесь возникают инженерные преимущества метода, основанного на нечеткостях, т.к. исследователь оперирует не косвенными оценками (куда относим и вероятности), а прямыми проектными данными о разбросе параметров, что есть хорошо известная практика интервального подхода к проектным оценкам. [c.22]

Вернуться к основной статье