CAPITOLUL 5 METODE CANTITATIVE N MANAGEMENTUL RISCULUI NTREPRINDERII

Dup cum am vzut n capitolul anterior, un prim pas al procesului de management al riscului n cadrul unei ntreprinderi (afaceri) l constituie stabilirea contextului (intern, extern i al managementului riscului) n cadrul cruia organizaia funcioneaz. Un punct critic n stabilirea acestui context i unul dintre cele mai importante este crearea unui limbaj comun ntre diferitele arii funcionale i departamente relevante din cadrul organizaiei. n continuare vom prezenta n sintez cteva elemente ale terminologiei utilizate de Comitetul de Management al Riscului i de consultanii externi, astfel nct analizele i rapoartele acestora s fie nelese n acelai fel de toi membrii acestui comitet i de managementul companiei. 5.1 Msuri ale performanei generale a corporaiei Managementul Riscului ntreprinderii conecteaz n mod clar managementul riscului cu crearea de valoare n cadrul organizaiei i exprim riscul n funcie de impactul acestuia asupra obiectivelor ntreprinderii. Un aspect important al Managementului Riscului ntreprinderii l constituie deci strnsa legtur dintre msurile riscului i msurarea performanei generale a companiei. De aceea vom ncepe discuia cu o descriere a celor mai importante msuril ale performanei companiei. Aceste msuri ale performanei au o aplicare specific n identificarea riscurilor. Identificarea riscurilor constituie determinarea calitativ a riscurilor care sunt materiale, de exemplu n ce msur ele au impact asupra atingerii de ctre companie a obiectivelor strategice i/sau financiare. Aceste obiective sunt i ele exprimate tot n funcie de msurile de performan ale corporaiei. Msurile definite n continuare sunt fundamentale n evaluarea performanelor corporaiei. Ele pot fi clasificate n trei clase: Generale, Financiare i de Asigurri. Fiecare clas conine o serie de msuri care pot fi calculate destul de uor pornind de la datele care se afl n situaiile financiare anuale sau trimestriale ale companiei i sunt frecvent folosite nu numai n managementul riscului dar i n analize economice-financiare, auditare etc. Calculul lor presupune deja cunoaterea unor elemente de baz din contabilitate i finane, cum ar fi venitul net, avuia net etc. asupra crora nu mai revenim.

n continuare vom introduce aceste msuri ale performanei n funcie de clasa n care se regsesc, fr ns a limita posibilitatea introducerii i a altor msuri, atunci cnd se dorete ca analiza i evaluarea riscurilor s se fac lund n considerare caracteristici i factori mai deosebii, care pot influena ntr-o msur mai mare sau mai mic performanele companiei. Tabelul 5.1 sintetizeaz aceste msuri ale performanei n funcie de clasa n care se afl. Tabelul 5.1: Msuri de performan generale, financiare i de asigurri Clasa I. Msuri generale ale Denumire 1) Return on Equity Venitul Definiie net mprit la Observaii

(ROE) = Venitul net avuia net (active minus activele firmei 2) Operating Earnings Venitul net obinut din (OE) = Venitul operaiuni exclusiv investiiile (venituri financiare) 3) Earnings Before O form de msur a cash Se aplic atunci cnd Interest, Dividends, Depreciation Amortization nainte taxe, depreciere amortizare de dobnzi, dividende, i Taxes, flow-ului, evaluarea cu un util pentru costurile cu serviciul la performanei datoriei nivel nalt (dobnzi continue, ctigurile din realizate operaional net

performanei adus de investiia n datorii)

and operaionale a companiilor credite i comisioane) al depesc cu mult alte msuri cum ar fi venitul net (pentru n firme sensul rentabile

(EBITDA) = Venituri datoriilor

valorii CA, dar care se afl n pericol datorit gradului ndatorare) ridicat de

4) Cash Flow Return EBITDA on (CFROI)

mprit

la

Investments activele tangibile

5) Weighted Average Suma valorii de pia a

49

Cost Costul

of

Capital fiecrei capitalului mediu ponderat

componente cu

(WACC)

companiei proporia

ponderat al capitalului componentei respective n capitalul total 6) Economic Value O msur a performanei Este/poate fi calculat ca Added (EVA) corporaiei valoarea firm. II. Msuri financiare ale performanei 7) Return on risk- O msur de tip ROE n adjusted (RORAC) capital care numitorul (avuia net) este ajustat n funcie de riscul morale) 8) return Risk-adjusted O msur de tip ROE n on capital care numrtorul (venitul net) este redus n funcie de riscul asociat activitii (cu pierderile datorate riscului operaional sau creditelor nerambursate). 9) Risk-adjusted O combinaie de RAROC numrtorul ct i return on risk-adjusted i RORAC n care att capital (RARORAC) numitorul sunt ajustate la risc (pentru riscuri diferite) III. Msuri ale performanei utilizate n asigurri 10) Economic Capital Valoarea (EC) activelor de minus pia a Utilizat n practic ca o a cu capitalului riscul. n ajustat valoarea msur asociat capitalului investit (Ex: riscul uzurii care obinut arat profit operaional net peste dup achitarea taxelor

costul capitalului utilizat de

(RAROC)

real a pasivelor (datoriile)

particular, cantitatea de capital necesar pentru a satisface o condiie de

50

solvabilitate exemplu, faliment). 11) RAROC o probabilitate

(de anumit de

Venitul net ateptat mprit RAROC este de regul la capitalul economic (deci utilizat pentru a evalua mai corect ar fi RORAC dar performana relativ a n asigurri el se folosete segmentelor de afaceri sub aceast denumire) care au nivele diferite de risc de solvabilitate; aceste nivele diferite de risc de solvabilitate sunt reflectate de numitor. Evaluarea performanei financiare cu ajutorul RAROC necesit compararea cu un venit prestabilit: cnd acest venit prestabilit este pentru venitului este de nc este ajustat cu riscul (de exemplu volatilitatea net), dei rezultatul denumirea este msur

similar cu RARORAC, RORAC utilizat. 12) Embedded Value O msur a valorii afacerii Aceast (EV) = Valoarea ncorporat a a cum apare ea evidena societii n exprimat n funcie de de creterea anual a valorii

asigurri; ea cuprinde avuia ncorporate. net ajustat (valoarea de pia a activelor utilizate) plus valoarea actual a

51

profiturilor ateptate din afacere 13) Risk

viitoare

Based O msur care exprim Se stabilete de ctre capitalul minim standard Comisia ncepnd autorizat de i la ncepe care Supraveghere i s diferi de la o ar la alta societatea de asigurare este Asigurrilor aplice msuri regulatorii de a poate

Capital (RBC) = Capital Bazat pe Risc

5.2 Msuri ale riscului n acest paragraf vom introduce termenul de profil al riscului pentru a reprezenta ntregul portofoliu de riscuri proprii ntreprinderii. Unele companii reprezint acest portofoliu n funcie de o distribuie de probabilitate cumulativ (de exemplu, de venituri cumulative) i o utilizeaz ca o baz pentru care determin impactul incremental (de exemplu, de capital necesar al strategiilor sau deciziilor alternative). Multe dintre msurile folosite n practica Managementului Riscului Afacerii pot fi incluse n una sau dou categorii: acele msuri legate de gradul de solvabilitate al companiei i acele msuri legate de volatilitatea performanelor companiei. Msurile din aceste dou categorii sunt utilizate pentru scopuri diferite i sunt orientate ctre arii distincte ale profilului riscului companiei. n continuare vom prezenta pe scurt msurile care sunt incluse n fiecare dintre cele dou categorii. a) Msuri legate de gradul de solvabilitate Aceste msuri sunt importante pentru determinarea a ceea ce numim consecinele riscului asupra activitii companiei (de exemplu, numitorul RARORAC). Valorile determinate intereseaz n principal pe cei care beneficiaz de roadele afacerii (clieni, societi de asigurri, concureni, agenii de rating, bnci etc.) deoarece compania calculeaz solvabilitatea abia dup ce o afacere a fost ncheiat. n tabelul 5.2 sunt prezentate principalele msuri utilizate pentru determinarea solvabilitii unei companii (afaceri). Tabelul 5.2: Msuri ale gradului de solvabilitate Nr. Msura Coninut Utilizare

52

Crt. 1. Probabilitatea de faliment (Probability of ruin) Procentul de probabilitate De regul, o probabilitate acceptat este stabilit de i ruin corespunztor punctului n minim care capitalul este epuizat

capitalul economic este determinat n funcie de aceasta. 2. Riscul de ruin (Shortfall Probabilitatea ca o variabil Probabilitatea de ruin Risk) aleatoare s scad sub o este un caz special al anumit valoare dat riscului de ruin n care nivelul dat este egal cu punctul n care capitalul este epuizat. 3. Value at Risk (VaR) Pierderea maxim pe care o Tehnic organizaie o poate suferi, n reprezint vorbind, VaR inversul

condiiile unei piee normale, probabilitii de ruin, n ntr-o anumit perioad de care acest risc de ruin timp, pentru un anumit nivel este dat i se ncearc de probabilitate de faliment determinarea nivelului de probabilitate corespunztor acestui risc 4. Deficit ateptat (EPD - O extindere a conceptului de Tehnic, EPD reprezint Expected Deficit) Policyholder probabilitate de ruin (deci i valoarea sau ateptat a Costul a riscului de ruin i a VaR) riscului de ruin severitatea ruinei 5. Tail Value at Risk (Tail O msur de tip ECOR n Difer de ECOR prin VaR) sensul c att probabilitatea faptul c este o valoare ct i costul evenimentelor ateptat riscante sunt considerate ateptate a (din tuturor riscante aceast evenimentelor

Economic al ruinei (ECOR) n care este reflectat i

cauz este ntotdeauna mai mare dect VaR) 6. Riscul evenimentelor Dei evenimentele extreme

53

extreme

sunt puin probabile, riscul de pierdere este foarte mare n cazul apariiei acestora

n figura 5.1 sunt reprezentate aceste msuri ale solvabilitii. Probabiliti cumulative 100% VaR TVaR

EPD

Probability of ruin without capital

Probability of ruin with capital

0% (-) 0
Capital

(+) Active - Pasive

Figura 5.1 b) Msuri legate de performan Aceste msuri sunt legate de zona de mijloc a profilului riscului, adic zona aflat lng medie i sunt relevante pentru determinarea volatilitii n jurul rezultatelor ateptate, de exemplu numrtorul lui RARORAC. n tabelul 5.3 sunt date principalele msuri legate de performan. Tabelul 5.3 Nr. Crt. 1. Variana Diferenele fa de medie la ptrat Msura Coninut Utilizare

54

(Dispersia) 2. 3. Abaterea standard Abaterea deplasat

dintre o variabil aleatoare i media acesteia Rdcina ptrat a varianei ale abaterii standard n care doar abaterile nefavorabile fat de un nivel int dat sunt luate n considerare standard Modificri ale varianei i, respectiv,

4.

Riscul-sub-int

Valoarea

ateptat ale

a unei

abaterilor Se calculeaz atunci variabile cnd nu este realizat nivel de performan propus

nefavorabile specificat

aleatoare fa de un nivel int un

n figura 5.2 sunt reprezentate aceste msuri ale performanei. Probabiliti cumulative 100%
Clienii sunt preocupai de insolvabilitate i gradul n care performana este afectat

Proprietarii sunt preocupai de rezultatele aflate sub cele int; nu exist teama de nonperforman dac apare insolvabilitatea

0% (-) 0 inta Venituri Cumulative Figura 5.2 n final, s prezentm cteva formule de calcul ale unor msuri prezentate mai sus. Msura riscului Abaterea Standard
n 2

(+)

Formula
xi x i =1 unde n este numrul de iteraii de simulare i x este n

55

valoarea medie a tuturor iteraiilor. Aceasta reprezint o msur utilizat n mod obinuit pentru a msura riscul, att n mediul universitar, ct i pe piaa de capital. Ea este interpretat ca msura n care variabila financiar ar putea s se abat fie n plus, fie n minus fa de valoarea sa ateptat. De notat c o pondere egal este acordat abaterilor de aceeai magnitudine, indiferent dac ele sunt favorabile sau nefavorabile.
then 1, else 0] 100% , unde T este valoarea int pentru n variabila financiar, iar n este numrul de iteraii de simulare. Aceasta este o mbuntire important fa de abaterea standard deoarece reflect faptul c cei mai muli oameni sunt adveri fat de risc, adic ei sunt mai preocupai de abaterile nefavorabile dect de cele favorabile. Msura este interpretat ca probabilitatea ca variabila financiar s scad sub un anumit nivel int dat. Value at Risk (VaR) n msurile tip VaR lucrurile stau exact invers: riscul de ruin este dat i se determin valoarea la risc T pentru acest nivel de risc de ruin. n Abaterea Standard (min[0, ( xi T )]) 2 Deplasat i =1 unde T este valoarea int pentru variabila n financiar i n este numrul de iteraii de simulare. Aceasta reprezint o alt mbuntire a metricii riscului deoarece ea este orientat nu doar ctre probabilitatea apariiei unei abateri nefavorabile n variabila financiar (ca n cazul probabilitii de ruin), dar i asupra gradului n care este nefavorabil. Ea este interpretat ca fiind limita pn la care variabila financiar poate s se abat n sens negativ de la un nivel int dat. Riscul-sub-int Este similar cu Abaterea Standard Deplasat, dar argumentul nu este la ptrat i nu exist radicalul care se calculeaz din sum.
i

Riscul de Ruin

[if ( x
i =1

5.3 Modelarea riscului afacerii (ntreprinderii)

Modelarea Riscului Afacerii se refer la metodele prin care msurile riscului sau ale performanei descrise mai sus pot fi determinate i folosite. n continuare vom descrie principalele clase de modele utilizate n cadrul procesului de management al riscului ntreprinderii. Trebuie spus faptul c aceste a sunt clase generale de modele. Modelele utilizate n cadrul unei ntreprinderi trebuie adaptate att nevoilor specifice ale acesteia, ct i tipurilor particulare de risc cu care ea se confrunt. Din acest motiv, nu pot exista dou modele aplicate unor ntreprinderi sau afaceri care s fie identice. Majoritatea companiilor au cel puin un model financiar simplu corespunztor activitilor lor, care s descrie modul n care diferite inputuri (de exemplu, factori de risc, condiiile, strategiile i tacticile) vor afecta indicatorii de performan cheie (KPIs) utilizai

56

pentru a conduce organizaia. Pentru orice organizaie dat, aceti indicatori de performan cheie pot fi unul sau mai muli dintre indicatorii determinai pentru performana general a activitii companiei (de exemplu, creterea venitului, creterea profitului, profitul pe aciune, creterea valorii adugate, satisfacia consumatorului i/sau imaginea de firm etc.). Pentru companiile active pe pia indicatorii menionai sunt deseori definii explicit sau implicit de ctre pia (de exemplu, volumul vnzrilor, mrimea stocurilor etc.). Aceste modele sunt frecvent utilizate n dezvoltarea planurilor strategice i operaionale. Deoarece ele capteaz explicit structura relaiilor de tip cauz-efect ce leag inputurile unei organizaii de rezultatele ei, aceste modele au fost denumite modele financiare structurale (sau cauzale). Aceste modele financiare structurale sunt n general modele deterministe deoarece ele descriu rezultatele ateptate pentru o mulime dat de inputuri fr s fac apel la probabilitile ca aceste rezultate s se afle sub sau deasupra valorilor ateptate. Modelele din aceast categorie pot fi transformate n modele stohastice (probabiliste) considernd unele inputuri ca fiind variabile. De exemplu, costul viitor ateptat al unei materii prime poate fi un input pentru un model determinist al veniturilor unei corporaii; dac presupunem c aceste costuri sunt incerte din punct de vedere al evoluiei, atunci modelul se transform ntr-unul probabilist. Outputul unui astfel de model (veniturile corporaiei n acest caz) vor urma atunci o anumit distribuie de probabilitate. Aa cum vom vedea n cele ce urmeaz, modelele de risc probabiliste pot fi clasificate n dou mari categorii generale: A). Modele analitice statistice; i B). Modele de simulare structurale. Statistic versus Structural se refer la maniera n care relaiile dintre variabilel aleatoare sunt reprezentate n model; Analitic versus de simulare se refer la modul n care sunt efectuate calculele. Aceti aptru termeni sunt definii individual mai jos; modul n care aceti termeni sunt combinai este ilustrat n tabelul 5.4. Modelele analitice se caracterizeaz prin faptul c utilizeaz relaii analitice ntre variabilele modelului, iar soluiile lor se pot determina, de regul, n form nchis, rezolvnd un anumit sistem de ecuaii. Principalul avantaj al unor astfel de modele este acela c sunt destul de uor de formulat i rezolvat. Metodele de simulare (adesea numite metode Monte Carlo) necesit un numr mare de ncercri generate de calculator pentru a obine o rezolvare aproximativ. Ele sunt relativ robuste i flexibile, pot fi adaptate unor relaii complexe dintre variabile i depind mai 57

puin de ipotezele simplificatoare i distribuiile de probabilitate standardizate alese pentru variabilele reprezentate. Principalul lor avantaj fa de metodele analitice const n posibilitatea de a modela aproape orice situaie din lumea real cu un anumit grad dorit de precizie. Metodele statistice sunt modele care au la baz calitile statistice observate ale (i dintre) variabilelor aleatoare calitative i cantitative, fr s ia n considerare relaiile cauz-efect. Principalul avantaj fa de modelele structurale este uurina cu care modelul poate fi parametrizat pornind de la datele disponibile (adesea date publice). Metodele medie/varian/covarian (MVC) reprezint o clas special de metode statistice care se bazeaz doar pe aceti trei parametri: media, dispersia i matricea de covarian. Metodele structurale sunt modele care sunt bazate pe relaii explicite cauz/efect i nu pe simple relaii statistice precum covarianele. Legturile cauz/efect sunt de regul obinute att din datele disponibile, ct i din opinia experilor. Principalul avantaj al acestor metode fat de metodele statistice este posibilitatea de a examina cauzele ce conduc la anumite rezultate (de exemplu scenariile ruinei), i posibilitatea de a modela direct efectul diferitelor decizii asupra rezultatelor companiei. Analiza Financiar Dinamic (DFA) este numele unei clase de modele de simulare structurale orientate ctre riscurile financiare i cele ntmpltoare, cu ajutorul creia se proiecteaz evoluia financiar a companiei n diferite ipoteze i situaii, inclusiv cele legate de apariia unui risc major. Diferenele dintre modelele prezentate anterior sunt incluse n tabelul de mai jos.

Reprezentarea relaiilor dintre variabile Statistice (bazate pe calitile statistice observate fr s ia n considerare relaiile de tip cauz/efect) Structurale (bazate pe legturile specifice cauz/efect;

Tehnica de calcul
Analitic (soluii sub form nchis obinute prin rezolvarea unor sisteme de ecuaii) Simulare (soluii obinute ncercri repetate)

Avantaje relative
Vitez de calcul; uurina reproducerii; utilizarea unor informaii publice.

Tabelul 5.4 Exemple de modele

- RBC - Modele ageniilor rating ale de

Flexibilitate; abordarea - DFA din unor relaii complexe; - Multe dintre ncorporarea proceselor modelele de 58

calitile statistice sunt outputuri, i nu inputuri)

decizionale; abilitatea de a examina proiectarea de scenarii (potrivite pentru companiile individuale).

stabilire preului opiunilor

Utilizarea modelelor prezentate anterior presupune de obieci existena de date suficiente pentru a determina complet parametrii modelelor. Ori, adesea, nu aceasta este situaia n practic, ndeosebi n ce privete riscurile operaionale i strategice.

5.3.1 Modele de msurare a riscului

Exist o mare varietate (un continuum, chiar Figura 5.3) de metode de modelare a riscului care pot fi aplicate pentru un risc specific. Fiecare dintre ele are avantaje / dezavantaje fa de celelalte, deci este important s fie selectat cea mai bun metod n funcie de circumstanele reale constatate n cadrul organizaiei sau afacerii, precum i de tipul particular de risc pe care trebuie s l gestionm.

Analiza datelor

TIPURI DE MODELE
Simularea Dinamicii de sistem Diagrame de influen Reele de ncredere Bayesiene Logica fuzzy

Opinii ale experilor

Modele empirice extrase din date istorice Stabilirea parametrilor pentru distribuiile teoretice

Ecuaii difereniale stohastice (SDEs)

Evaluarea direct a probabilitilor subiective sau fractilelor

Reele neuronale Regresie asupra variabilelor care afecteaz riscul

Preferina ntre pariuri sau loterii

Teoria valorii extreme

Metoda Delphi

Figura 5.3 Varietatea de metode de modelare a riscului prezentate n figura 5.3 pot fi grupate n trei
categorii: Metode bazate n principal pe analiza datelor istorice; Metode bazate pe o combinaie de date istorice i opinii ale experilor; Metode bazate n principal pe opiniile experilor. 59

5.3.2 Modele bazate n primul rnd pe analiza datelor istorice

Aceste modele sunt cele mai potrivite atunci cnd exist suficiente date istorice pentru a putea aplica metodele statistice standard n vederea obinerii unei distribuii de probabilitate caracteristic apariiei unui anumit tip de risc. De regul, sunt necesare date cu frecven mare nregistrate de-a lungul ctorva ani. Modelele din aceast categorie sunt cel mai des utilizate pentru a modela riscul care a fost tranzacionat pe piee financiare cum ar fi riscul de rat a dobnzii, riscul ratei de schimb, riscul activelor, riscul de creditare etc.

1. Modele empirice extrase din date istorice

Cel mai simplu i direct model este cel care presupune c datele istorice definesc complet distribuia de probabilitate. n acest caz, datele pot fi utilizate direct pentru a deduce o distribuie de probabilitate discret. Desigur c pericolul este ca s se presupun c datele sunt complete i c perioada de timp la care ele se refer este suficient de mare pentru a putea surprinde ntreaga gam de situaii, rezultate care pot aprea n activitatea organizaiei (n afacere).

2. Determinarea parametrilor din distribuiile teoretice de probabilitate

O alternativ a distribuiilor empirice este s se presupun c riscul poate fi descris de o funcie densitate de probabilitate teoretic. Atunci datele pot fi utilizate pentru a estima parametrii acestei distribuii teoretice. De exemplu, n cazul n care un risc ntmpltor are loc cu o frecven redus (de pild, un cutremur) atunci putem presupune c distribuia de probabilitate adecvat n acest caz este distribuia Poisson (legea evenimentelor rare) iar datele istorice privind cutremurele care au avut loc n regiunea respectiv vor fi utilizate pentru a determina parametrii distribuiei teoretice Poisson. Procesele Poisson sunt caracterizate de urmtoarele proprieti: 1. Evenimentele sunt independente unele de altele (apariia unui eveniment nu determin

i apariia altuia);
2. Teoretic, un numr infinit de evenimente pot s apar ntr-un interval de timp finit; 3. Probabilitatea apariiei unui eveniment ntr-un interval finit este proporional cu mrimea intervalului. Aa cum este bine cunoscut, densitatea de probabilitate a distribuiei Poisson are urmtoarea expresie:

60

x x x n x (np) x n a x a n a x a f ( x) = p q = q = (1 ) = e x! x! x! n x!

(1)

Deci o variabil care poate lua valorile discrete 0, 1, 2, are o distribuie Poisson de parametru (medie) , dac:

( x )( e ) P( X = k ) = , k!

k = 0, 1, 2, ...

(2)

n multe cazuri reale n care apar situaii de ateptare (de coad), se poate considera c numrul de evenimente care apar n coad (cutremure, inundaii, incendii etc.) urmeaz un model Poisson. De exemplu, dac se consider c media cutremurelor care au loc ntr-un secol este , atunci:

P(X = n

cutremure

) =

ne
n!

(3)

unde n = numrul de cutremure dintr-un anumit secol. Parametrul se determin pe baza datelor istorice privind numrul de cutremure care au loc de-a lungul secolelor. Evident c acest parametru poate fi determinat pornind de la numrul de cutremure ce au avut loc pentru secolele n care astfel de date au fost nregistrate. Cum astfel de date, mai ales pentru perioade de timp lungi, sunt destul de limitate, o astfel de metod poate s genereze multe erori.

3. Modele formate din ecuaii difereniale stohastice (SDEs)

O ecuaie diferenial stohastic exprim diferena (sau modificarea) dintre valoarea unei variabile (de exemplu, rata dobnzii) la momentul t i valoarea aceleiai variabile la momentul t+1. Numele de ecuaie diferenial stohastic provine de la faptul c diferena este exprimat ca o combinaie ntre o schimbare predictibil i o schimbare incert sau aleatoare n cursul perioadei de timp alese. Aceast schimbare aleatoare este reprezentat ca o variabil aleatoare cu o distribuie de probabilitate dat (de regul, distribuia normal). Pornind de la o valoare iniial, SDE este utilizat pentru a determina iterativ un scenariu asupra modului n care valoarea se schimb n cursul unei perioade de prognoz (de exemplu, 10 ani). Sute sau chiar mii de scenarii sunt generate n acest mod. Scenariile pot fi rezumate ca distribuii de probabilitate pentru fiecare moment de timp din perioada de prognoz.

4. Teoria valorii extreme

n managementul riscului, adeseori cea mai important parte a distribuiei de probabilitate este reprezentat de prile extreme (laterale) ale acesteia. Aceast zon a distribuiei este utilizat, de exemplu, pentru determinarea riscului de epuizare a capitalului sau 61

a altor restricii n definirea strategiilor de optimizare. Totui, multe metode de modelare a riscului se concentreaz doar pe corpul principal al distribuiei de probabilitate (zona central), considernd c regiunile laterale nu influeneaz suficient de mult valorile variabilei aleatoare determinate prin distribuia respectiv. Teoria Valorii Extreme este o tehnic de cretere a acurateei cu care se determin probabilitatea valorilor mari din distribuia respectiv, valori care se gsesc n prile laterale ale acesteia. Teoria Valorii Extreme este deci utilizat mai ales pentru modelarea riscului evenimentelor rare. Diferite modele i tehnici ale acestei teorii au fost dezvoltate i aplicate pentru a opera cu unele evenimente produse n mediul nconjurtor, cum ar fi nivelul apelor, viteza vntului i concentraiile de factori poluani, care au potenial pentru a produce evenimente catastrofice dar care se produc destul de rar. Recent, Teoria Valorii Extreme a fost utilizat intens n finane i asigurri pentru modelarea riscului fraudelor mari. Principala dificultate pentru estimarea evenimentelor rare este c n multe cazuri datele disponibile sunt n cantiti deosebit de mici sau chiar lipsesc cu desvrire. Metoda Teoriei Valorii Extreme const n dezvoltarea de modele bazate pe teoria asimptotic. Metoda modeleaz distribuia limitat a valorilor extreme ale unei variabilele aleatoare, care corespund producerii evenimentelor rare. O descriere detaliat a metodei ar depi scopul acestui curs i poate fi gsit n bibliografie (http://people.brandeis.edu/~blebaron/wps/tails.pdf).

5. Regresia
Adeseori, este necesar i util s se dezvolte un model al unei variabile (economice) examinnd variabilele determinante ale acesteia. O ecuaie de regresie exprim o variabil dependent ca o funcie de una sau mai multe variabile independente ntre ele, dar care fiecare influeneaz variabila dependent. Ecuaiile de regresie conduc la mai mult informaie privind dinamica fundamental a unui risc specific pentru a ajuta managerii s se protejeze i s se asigure mpotriva riscurilor. Totui, modelele de regresie au la baz anumite ipoteze care fac ca rezultatele obinute cu ajutorul lor s fie privite cu mare reticen. De exemplu, dac printre variabilele determinante se alege o variabil care nu are nici o legtur cu variabila dependent, rezultatele obinute nu arat acest lucru, obinndu-se valori ale variabilei aleatoare de regresie care pot duce la concluzii false i decizii eronate.

5.3.3 Metode bazate pe o combinaie de date istorice i opinii ale experilor

Deseori, nu exist date suficiente pentru o cuantificare sigur a riscurilor doar pe baza datelor istorice. n astfel de cazuri, este necesar s se dezvolte un model al dinamicii 62

fundamentale care genereaz astfel de date. Acest lucru necesit apelul la experiena i cunotinele experilor n domeniu pentru a completa datele care lipsesc. Urmtoarele metode urmresc modelarea dinamicii unui sistem bazndu-se pe o astfel de combinaie de date i opinii ale experilor.

6. Simularea prin Dinamica de Sistem

Dinamica de Sistem este o metod de modelare robust care simuleaz explicit relaiile cauz/efect care determin dinamica unui sistem. Metoda utilizeaz att date istorice existente ct i cunotinele i experiena specialitilor i managerilor pentru a dezvolta un model de simulare stohastic. Modelul folosete metoda de simulare Monte Carlo i dezvolt distribuii de probabilitate pentru variabilele care intereseaz. Metoda Dinamicii de Sistem are anumite avantaje fat de tehnicile parametrice descrise mai sus, n special n ceea ce privete modelarea riscului operaional: Ea constituie o modalitate sistematic pentru a umple orice lips din datele istorice cu informaii oferite de experi care-i utilizeaz n acest scop propria experien i cunoatere. Acest lucru este benefic mai ales n cazul risculrilor operaionale, caz n care nu exist date suficiente pentru a aplica metodele statistice descrise mai sus. Ea ofer o modalitate de determinare a modului n care riscurile operaionale se schimb n funcie de schimbrile survenite n operaii. Deoarece metoda surprinde explicit legturile cauz/efect, este uor s se dezvolte modaliti efective de a reduce riscurile i a msura impactul acestora asupra sistemelor reale, comparativ cu metodele non-cauzale. Cum mediul de afaceri devine din ce n ce mai complex, cunoaterea dinamicii acestuia devine tot mai fragmentat i localizat. Dei muli manageri au o bun nelegere a domeniilor lor de activitate (funcionale), puini dintre ei au capacitatea de a nelege dinamica ntregii organizaii n legtur cu schimbarea mediului nconjurtor. Obinerea unei imagini complete, de exemplu, a surselor riscurilor operaionale i a modului n care acestea afecteaz performana financiar a afacerii, necesit cunotinele combinate ale managerilor i experilor din diferite domenii funcionale (ingineri, economiti, juriti etc.). Metoda Dinamicii de Sistem faciliteaz o astfel de interaciune printr-o modelare structural participativ i procese decizionale adecvate.

63

7. Logica fuzzy
n ciuda numelui su, logica fuzzy constituie o metod bine dezvoltat i structurat utilizat cu succes n multe domenii tiinifice i tehnice. Ea este o metod utilizat pentru modelarea sistemelor complexe, n care o mare parte din complexitate vine din reprezentarea ambigu i incert a variabilelor sistemului. Modelele cantitative tradiionale tind s interpreteze realitatea n termeni binari. De exemplu, sa ne imaginm un dispozitiv care identific dac o persoan are febr. Dndu-se temperatura normal a unui individ, un model cantitativ ncorporat dispozitivului va utiliza o regul discret, binar, cum ar fi: dac temperatura este peste 36,50C persoana are febr, altfel este normal. Chiar dac pot exista categorii intermediare, cum ar fi febr uoar, febr mare etc., trebuie aplicat regula discret de mai sus. Totui, n realitate, este clar c nu exist limite clare care definesc dac cineva are febr sau nu. Deci limita dintre normal i febr este neclar, fuzzy. Teoria mulimilor fuzzy s-a dezvoltat pentru a acoperi aceste aspecte neclare, difuze (zone gri). Conform teoriei mulimilor fuzzy, o persoan cu o temperatur de 36,80C va fi clasificat ca aparinnd ambelor categorii, normal i febr. Logica fuzzy este raionamentul bazat pe teoria mulimilor fuzzy. Logica fuzzy are avantaje n posibilitatea de a modela probleme de afaceri complexe n care variabilele lingvistice sunt utilizate pentru a exprima regulile logice, informaia este subiectiv, incomplet sau nesigur i spaiile problemelor sunt adesea neliniare. Un sistem fuzzy este mai apropiat raionamentului uman i, de aceea, este adeseori utilizat pentru a construi sisteme expert. Natura fuzzy a spaiului regulilor face mai uoar modelarea opiniilor multiple, adesea diferite sau aflate n conflict ale experilor umani asupra variabilelor unuia i aceluiai model. n evaluarea i modelarea riscului, logica fuzzy i demonstreaz potenialul n a fi o metod bun pentru a opera cu riscul operaional, unde estimarea probabilitilor de producere a anumitor evenimente nedorite este adeseori bazat pe opinia experilor i spaiul riscului este multidimensional i accentuat neliniar.

5.3.4 Metode bazate pe cunoaterea experilor

n cealalt extrema a continuumului prezentat n figura 5.3 se gsesc metode care se aplic atunci cnd nu exist date privind riscurile studiate. n aceste cazuri, nu putem dect s apelm la cunoaterea i experiena de care dispun specialitii n domeniu. Distribuiile de probabilitate ale apariiei diferitelor tipuri de risc pentru care exist foarte puine date sunt estimate pe baza declaraiilor experilor O metod naiv pentru estimarea apariiei unor evenimente riscante este s-l ntrebi pe expert, de exemplu: Care este probabilitatea ca un nou competitor s intre pe pia? Totui, un expert, dac este de bun credin, va avea dificulti n 64

a rspunde direct la o astfel de ntrebare. Ea nu are, practic, rspunsuri bine definite. Se pot formula rspunsuri de tipul Dac - atunci sau se pot imagina proceduri euristice de tip ncearc i greete. Teoreticienii n domeniul comportamental au stabilit, astfel, c indivizii tind s estimeze probabiliti mai mari pentru evenimente pe care le pot uor imagina sau pe care le-au trit deja, dect pentru evenimentele pe care nu le-au ecperimentat anterior. Indivizii tind, de asemenea, s-i raporteze evalurile pe baza unor valori evidente sau convenabile rezultate din distribuii care sunt foarte limitate (nguste, precise). Analitii n domeniul decizional i al riscului au dezvoltat cteva metode pentru a opera cu astfel de situaii. n continuare sunt descrise cteva dintre aceste metode.

8. Preferina ntre Pariuri

n cadrul acestor metode, probabilitile sunt determinate cernd expertului s aleag ce variant prefer ntr-un pariu privind evenimente care vor avea loc n viitor. Pentru a evita aversiunea fat de risc, pe care o au muli oameni, sumele pe care se pariaz trebuie s fie mici. De exemplu, este oferit o alegere ntre urmtorul pariu i opusul su:

Pariu
Ctigi X$ dac un nou competitor intr pe pia Pierzi Y$ dac nu va apare nici un competitor

Opusul pariului
Pierzi X$ dac un nou competitor intr pe pia Ctigi Y$ dac nu apare nici un competitor

Valorile pariului, sumele X$ i Y$ sunt ajustate pn cnd expertului i este indiferent dac alege una sau alta dintre variantele pariului. n acest punct, valorile ateptate pentru fiecare parte a pariului sunt egale n mintea sa (vezi Seminarul 2, trasarea funciei de utilitate a unui decident). Aadar, X$P(C) - Y$[1 - P(C)] = - X$P(C) + Y$ [1-P(C)] , unde P(C) este probabilitatea ca un nou competitor s intre pe pia. Rezolvnd aceast ecuaie, determinm P(C): P(C) = Y$ / (X$ + Y$) De exemplu, dac expertului i este indiferent dac alege pariul sau opusul pariului n urmtoarea situaie: 65

Pariu
Ctigi 900$ dac un competitor intr pe pia

Opusul pariului
Pierzi 900$ dac un competitor intr pe pia

Pierzi 100$ dac nici un competitor nu intr pe Ctigi 100$ dac nici un competitor nu intr pe pia pia

atunci probabilitatea subiectiv estimat ca un nou competitor s intre pe pia va fi: 100$/ (100$ + 900$) = 0.10 (sau 10%)

9. Diagrame de influen
Adeseori, descompunerea unui eveniment n evenimente cauzale condiionale ajut experii s evalueze riscul asociat sistemelor complexe. Structura evenimentelor cauzale condiionale poate fi reprezentat cu ajutorul unor diagrame de influen. Diagramele de influen ilustreaz interdependenele dintre evenimente cunoscute (inputuri), scenarii i incertitudini (variabile intermediare), i un anumit eveniment de interes (output). Un model al diagramei de influen include noduri de risc reprezentnd condiiile incerte ce nsoesc un anumit eveniment sau rezultat. Relaiile dintre noduri sunt indicate prin sgei de conexiune, numite arce de influen. Reprezentarea grafic a riscurilor i relaiilor acestora cu componentele procesului i rezultatele ajut utilizatorii s vizualizeze impactul incertitudinilor externe asupra activitii organizaiei. Dei aceast abordare crete numrul de evaluri ale probabilitilor anumitor evenimente, ea permite i considerarea prerilor mai multor specialiti i experi, i, de asemenea, ajut combinarea datelor empirice cu cele obinute subiectiv. De exemplu, intrarea unui nou competitor pe pia poate fi descompus utiliznd o diagram de influen precum cea din Figura 5.4. Schimbare advers n reglementri (R) Produs (i) Introducerea unei noi tehnologii (T) Figura 5.4 66

Competitor nou (C)

Probabilitatea apariiei unui nou competitor, P(C) poate fi estimat utiliznd metoda Bayesan. Regula lui Bayes spune c:

P(C) = P(Ci Ri ,Ti ) P(Ri ,Ti ) ,

i

unde i este indicele produsului, P(Ri,Ti) este probabilitatea comun a apariiei unei schimbri adverse in reglementri i introducerea unei noi tehnologii, iar P(CiRi,Ti) constituie probabilitatea condiionat ca un nou competitor s intre pe piaa produsului i. Aceast formul este util cnd evaluarea probabilitilor condiionate P(CiRi,Ti) este mai uoar dect calculul direct al lui P(C). Mai muli experi diferii pot fi rugai s estimeze probabilitile comune i condiionate. De exemplu, un expert (sau grup de experi) poate evalua probabilitatea unor reglementari adverse pentru un produs specific, alt expert poate evalua probabilitatea introducerii unei noi tehnologii i al treilea poate evalua probabilitatea apariiei unui nou competitor cunoscndu-se noile reglementri i tehnologia nou aprut.

10. Tehnica Delphi

Oamenii de tiin de la Rand Institute (http://www.rand.org/) au dezvoltat n anii 50 ai secolului trecut, tehnica Delphi pentru prognoza scenariilor militare. Deoarece aceast tehnic sa dovedit util ca strategie generic pentru a obine consensul n deciziile de grup, ea a fost extins pentru evaluarea probabilitilor de ctre un grup de experi. Acest proces structureaz comunicaiile n cadrul grupului de experi i, de regul, presupune anonimitatea rspunsurilor, utilizarea feedbackului n cadrul grupului i posibilitatea ca oricare dintre respondeni s i modifice rspunsurile anterioare. Coordonatorul procesului Delphi pune o serie de ntrebri grupului; rspunsurile sunt nregistrate i rezultatele sunt utilizate ca baz pentru urmtoarea rund. n mai multe iteraii, procesul sintetizeaz rspunsurile, conducnd la un consens care reflect intuiia combinat a participanilor, experiena i cunotinele experilor. Tehnica Delphi poate fi utilizat pentru a explora sau expune ipotezele i informaia disponibile care conduc la diferite raionamente, i pentru a sintetize raionamentele documentate cheie dintr-o larga arie de domenii tiinifice i discipline. Ea este extrem de util pentru rezolvarea problemelor care pot beneficia din emiterea unor judeci subiective obinute n colectiv.

NOT : Subcapitolul 5.4 Metode de Gestiune a riscului financiar va fi tratat ntr-un

capitol distinct, Capitolul 6. Acesta va conine i Studiul de caz nr. 5 aferent seminarului 5 i, respectiv, dosarului de teme. 67