Методи кількісного аналізу ризику господарської діяльності, Детальна інформація

Рис. 5. Схема оцінки ризику

Метод аналізу ризику за допомогою дерева рішень

Існує кілька різновидів даного методу. Розглянемо два з них.

1. Використання дерева рішень для розробки оптимального алгоритму дій з урахуванням результативності і ризику.

У процесі підготовки рішення виділяють різні його варіанти, то можуть бути прийняті, а також для кожного з варіантів ситуації, які можуть наступити незалежно від волі особи, яка приймає рішення. Ці ситуації також беруть до уваги.

Далі, зображуючи графічно можливі варіанти рішень і їхні наслідки, одержують дерево рішень, що залежно від ступеня складності проблеми має різне число гілок.

Слідуючи від вихідної точки уздовж гілок дерева, можна різними шляхами досягти будь-якої його кінцевої точки. Гілкам конкретного дерева співвідносять об'єктивні або суб'єктивні оцінки можливості реалізації розглянутих подій і виливу на них прийнятих рішень або виконуваних дій (вірогідність, розміри витрат і доходів). Таким чином, слідуючи уздовж гілок дерева, можна за допомогою відомих правил комбінування оцінок оцінити кожен варіант шляху таким чином, що вони стануть практично порівнянними для особи, яка приймає рішення (ОПР). Отже, можна знайти оптимальні рішення й одночасно проранжувати різні варіанти дій.

Для оцінки використовують імовірності, коефіцієнти впевненості або шанси. Комбінування оцінок ведуть за допомогою правил отримання логічного висновку в умовах неповної визначеності.

Розглянемо приклад, коли для оцінки використовують імовірності. У цьому випадку для їхнього комбінування використовують підхід Байєса. Відповідно до нього ступінь невизначеності кожної події оцінюється імовірністю (0-1). Вихідними даними для застосування методу Байєса служать не тільки імовірності, але і коефіцієнти впевненості, а також шанси, на підставі яких обчислюють Імовірності.

Метод Байєса дозволяє визначати відносну правдоподібність висновків залежно від наявності або відсутності підтверджуючих або заперечуючих свідчень. Він заснований на теоремі Байєса:

(23)

де Р(Н/Е) - апостеріорна ймовірність висновку Н при наявності свідчення Е (тобто імовірність висновку Н за умови, що відомо факт існування Е); Р(Н) - апріорна ймовірність висновку Я при відсутності будь-яких свідчень; Р(Е) - імовірність свідчення Е; Р(Е/Н) - імовірність того, що свідчення Е має місце,

якщо вірний висновок Н; Р(Е/неН) - імовірність того, що свідчення Е мас місце, якщо висновок Н помилковий.

Згідно з теоремою (23), одержання нових незалежних свідчень дозволяє збільшити або зменшити ймовірність висновку. При цьому урахування свідчення з номером N+1 проводиться на базі ймовірності, обчисленої з урахуванням N попередніх свідчень.

Приклад 4.

Головний економіст підприємства (ОПР) аналізує плани розвитку виробництва на наступний рік . Так, крім іншого, підприємство випускає, виріб І-1 протягом тривалого терміну і реалізує споживачам без будь-яких ускладнень. У плані розвитку передбачається перейти до випуску більш сучасних виробів, ніж І-1. Пропонується два варіанти нових моделей: І-11 та І-12. З них остання є більш сучасною.

Попередні розрахунки показують, що перехід на випуск моделі І-11 принесе підприємству за рік чистого прибутку на 20 млн. грн. більше, ніж випуск І-1 (у випадку, якщо реалізація нової моделі буде вдалою). Якщо реалізація нової моделі буде йти з утрудненнями, то ЇЇ виробництво знизить річний прибуток підприємства на 2 млн. грн. Аналогічні розрахунки, зроблені для моделі 1-12, дали такі результати:

при вдалому результаті - збільшення прибутку підприємства на ЗО млн, грн.;

при невдалому результаті - зменшення прибутку на 15 млн. грн.

Виходячи зі знання виробничих умов підприємства і ринкової ситуації, ОПР упевнена в успіху на 70%.

ОПР відомо, що існує маркетингова організація, яка займається дослідженнями у галузі прогнозування ситуацій, пов'язаних з модернізацією продукції і виведенням її на ринок. Подібне дослідження для даного підприємства буде коштувати 300 тис. грн. З минулого досвіду відомо, що висновки даної організації виявлялися вірними в 60% випадків, коли передвіщався успіх, і в 80% випадків, коли передвіщалася невдача. Виходячи з цього, потрібно прийняти рішення:

Чи варто звертатися до послуг маркетингового агентства?

Слід переходити на випуск нової моделі виробу, чи продовжувати випускати стару?

Якщо переходити, то на яку модель конкретно?

Дана задача досить складна, оскільки є кілька можливих варіантів прийняття рішень, існує багато неупорядкованої інформації ймовірнісного характеру.

Для розв'язання подібного роду задач будують дерево рішень, яке допомагає точно сформулювати проблему й організувати пошук оптимального рішення.

Дерево рішень, побудоване для умов розглянутого прикладу, представлене на рис. 4.6, де прийняті наступні умовні позначки:

•А- початковий стан;

Бі, Bі, Гі - стани або точки розгалуження;

K1 - K15 - кінцеві стани;