CC BY
88
УДК 347.74
В.Д. Шалынин ПОДХОД К ТЕХНОЛОГИИ АНАЛИЗА И УПРАВЛЕНИЯ РИСКАМИ ПРИ ОЦЕНКЕ СТОИМОСТИ ОБЪЕКТОВ ИНТЕЛЛЕКТУАЛЬНОЙ СОБСТВЕННОСТИ НА БАЗЕ АППАРАТА НЕЧЕТКИХ МЕР
Излагается инновационная технология анализа и управления рисками при прогнозной оценке стоимости объектов интеллектуальной собственности на основе аппарата нечетких мер. Рассмотрены примеры оценки на основе аппарата нечетких мер.
Интеллектуальная собственность, управление рисками.
V.D. Shalynin
MANAGEMENT TECHNIQUE RISK AND ANALYSIS APPROACH AT INTELLECTUAL PROPERTY EVALUATION
The article presents innovation analysis and risk management technique for predicative evaluation of intellectual property objects based on fuzzy measure apparatus. The article also gives the examples of such evaluation based on fuzzy measure apparatus.
Intellectual property, risk management.
Традиционно в экономике под риском подразумевается опасность потерь ресурсов, недополучения доходов, появления дополнительных расходов и т.п.
Подход к решению проблемы исследования рисков на основе Fuzzy-технологии предполагает, что риск - это неполная известность, неопределённость хода, исхода и последствий решаемой задачи [1; 2].
Теоретической основой новой технологии анализа и управления рисками являются теория управления и нечёткая математика. Fuzzy-технология реализуется с помощью алгоритма, включающего последовательное выполнение трёх этапов:
I этап. Структуризация.
На данном этапе конкретная бизнес-задача, анализируемая на предмет риска, подвергается структуризации. В результате задача приобретает вид классической задачи теории управления в категориях:
- объект управления (экономический, технический);
- регулятор (субъект управления);
- среда (окружение).
Целью функционирования системы «объект - субъект - среда» будет являться обеспечение определённого значения её выходного параметра x0, определяющего риск в задаче. В действительности, всегда будет иметь место некоторое отклонение R текущего значения х от заданного x0:
R = xo - x . (1)
Отклонение Я и есть неизвестный риск при решении задачи, который необходимо снизить до приемлемых размеров. Величина риска заранее не известна и зависит от степени неопределённости, неполноты информации об исследуемой системе.
Таким образом, в соответствии с Би22у-технологией, риск - это информационная неопределённость системы «объект - субъект - среда» и её отдельных элементов. Источники неопределённости:
- исходная недетерминированность большинства исследуемых систем;
- экономическая (техническая) нецелесообразность получения дорогой, труднодоступной информации;
- конфликтность ситуации, противоречивость целевых установок субъектов;
- погрешности в обработке информации.
II этап. Выявление и анализ рисков.
В случае, когда исследуемый объект является уникальным, статистические данные о нём отсутствуют, точной модели объекта и информации о его функционировании нет, проявляется наличие перечисленных выше и множества других источников информационной неопределённости и порождения рисков. В этих условиях использование аппарата теории вероятностей является затруднительным, нецелесообразным и малоэффективным.
При использовании Би22у-технологии задача качественного анализа рисков, их идентификация, выявление наиболее угрожающих, существенно упрощается благодаря использованию, для определения ожидаемого уровня появления рисков, метода нечёткого оценивания на основе нечётких мер и интегралов.
Ожидаемый уровень риска оценивается зависимостью:
|Д(г) = 11 (и г) о ^ (2)
9
где | - нечёткий интеграл; 9 = {х.} - множество критериев оценки эффективности решения конкретной бизнес-задачи; gе(■) - мера важности критериев; д(г) - аналог вероятности
Р(х);
I(и, г) = | | И(хг, у., г ) о ах (■ / и)
X 1
здесь X ={х1} - множество характеристик задачи, ситуации; У1 ={у/} - множество значений 1-й характеристики; ах (■ / и) - условная нечёткая мера желаемости значения
у. еТ. характеристики х.еХ для критерия ие9; фх(■ /и) - условная нечёткая мера
важности учёта характеристики х.еХ для критерия ие9; И (х., у., г) - оценка влияния
риска г на возможные изменения значения характеристики х..
В качестве х. могут выступать, например, основные положения договора об оценке объекта интеллектуальной собственности.
Качественный анализ рисков позволяет учесть влияние ожидаемых уровней появления рисков г из множества Я на величину итогового риска в абсолютном выражении, например - величины возможных потерь из-за проявления некоторых из возможных рисков. Для определения этой величины используются имитационное моделирование и экспертные оценки с использованием как чётких, так и нечётких чисел, характеристик системы «объект - субъект - среда».
Для моделирования и прогноза развития ситуации применяются нечёткодифференциальные уравнения вида:
/ф(х) = [И (х, г, Г)]/ё/г(х), (4)
где / ё(.) - нечёткий дифференциал; И(х,г,£) - нечёткое многомерное отношение, моделирующее преобразование состояния системы с учётом влияния рисков г; д(х) -
о фх (./
(3)
состояние нечёткого процесса; / ur (x) - нечёткий процесс, учитывающий
неопределённости времени изменения состояния проекта с учётом влияния факторов риска.
По результатам моделирования появляется возможность нахождения нечёткого состояния ^.(x) системы после её функционирования с учётом влияния факторов риска.
Для качественной оценки величины риска используется ряд характеристик нечёткого числа ^(x), характеризующего результаты выполнения задачи. Например, если этим числом является величина возможных потерь, то такими характеристиками могут быть:
а) нечёткое ожидаемое значение потерь:
1и( x) o xdx
x/= ■ (5>
x
б) нечёткое наиболее возможное значение потерь:
x/= arg hgt и( x); (6)
в) нечёткое отклонение от ожидаемого значения:
, f g| и (r ) o rdr ^/= ^-----------------------------------------------, (7)
2 R g| и (r) o dr
где
gM(r) = SUP {| a G [01] II Ma(x) ll>r}; (8)
Ma(x) ={x 1 ^(x)| >ае[°Г]. (9)
Приведённые показатели являются аналогами математического ожидания - М(х), моды - m(x), среднеквадратического отклонения - a(x) вероятностного подхода к анализу рисков. Дополнительно могут использоваться такие показатели, как: разброс ожидаемой величины на a-уровне нечёткого результата и(х), нечёткая мера превышения (занижения) ожидаемого нечёткого результата и(х) над желаемым значением.
III этап. Решение задачи управления рисками.
Для этого определяются рисковые области на множестве входных управляющих параметров системы «объект - субъект - среда» путём обратного преобразования выходной величины и(х) на входные значения параметров управления. Это позволяет определить наиболее целесообразные условия выполнения бизнес-задачи с точки зрения её защищённости от влияния факторов риска.
Сущность подхода по учёту неопределённости коммерческих операций
Реализация любого коммерческого проекта на практике предполагает всестороннее прогнозирование будущего результата проекта. По результатам прогнозирования предполагается получение прямого или косвенного ответа на два вопроса:
1. Что будет в результате реализации проекта?
2. Каков риск недостижения этого результата?
Как показали исследования [1; 2; 4; 8], подтверждённые практикой проведения реальных прогнозных расчётов, необходимо всесторонне учитывать различные факторы неопределённости при оценке, планировании и управлении коммерческими проектами. Существующие методы, описывающие неопределённость лишь в качестве распределений вероятности, оказываются явно идеализированными. Все экономические расчёты по предлагаемым методикам слишком академичны и далеки от практики. Причины указанных недостатков в применении вышерассмотренных методик заключаются в невозможности формализации неопределённости исходных данных, имеющих зачастую нестатистический характер.
Компания «ИНЭКС» в дополнение к классическим подходам для проведения прогнозных расчётов предполагает использовать подход на основе Би22у-технологии. Реализация этого подхода позволяет:
1. Формализовать ранее неформализуемые исходные данные, проводить расчёты и оценки в условиях неопределённости;
2. Оценить возможные риски, которые порождаются исходной и текущей неопределённостью коммерческих проектов.
Для обеспечения обоснованности прогнозных исследований исключительное значение имеет возможность проведения математического моделирования. Моделирование является одним из трёх источников информации о будущем. Двумя другими источниками информации при прогнозировании являются:
- опыт, с достаточно хорошо известными сходными явлениями и процессами;
- результаты экстраполяции, тенденций реализации проекта, закономерности развития которых в прошлом и настоящем достаточно хорошо известны.
Но всем трём источникам информации, используемым при прогнозе, и самому прогнозу присуща высокая степень неопределённости. Неопределённость прогноза и его составляющих является неотъемлемой характеристикой прогноза. Именно это и предопределяет существенную сложность и проблематичность реализации научно обоснованных прогнозов в предпринимательской и банковской деятельности.
Все действующие на коммерческий проект факторы неопределённости могут быть разделены на четыре группы:
1. Факторы, обусловливающие неопределённость исходных условий, которые могут быть выбраны или изменены при проектировании операции, сделки (управляемые характеристики).
2. Факторы, обусловливающие неопределённость исходных и текущих внешних, возмущающих условий, влияющих на эффективность проведения проекта.
3. Факторы неопределённости, непосредственно связанные с характером, вариантом и моделью реализации проекта.
4. Факторы, обусловливающие неопределённость желаемых, целевых условий.
Именно влияние факторов неопределённости позволяет констатировать, что они
выступают в качестве коммерческого риска проекта. Риск при проведении коммерческих операций проявляется в виде некоторого отклонения показателя эффективности от желаемого или наиболее приемлемого его значения.
Таким образом, умение прогнозировать позволяет оценить природу, возможность появления, размеры рисков, сопровождающих коммерческий проект, найти правильное решение по их минимизации и, тем самым, обеспечить максимальную эффективность будущего проекта.
Во всех прогнозных расчётах триада категорий «прогноз» - «неопределённость» -«риск» проявляет себя по следующей схеме: при проведении «прогноза» необходимо учитывать «неопределённость», обусловливающую проявление «риска» по некоторому показателю эффективности проекта.
Проведение прогнозных расчётов будущей эффективности коммерческих проектов по рассмотренной схеме взаимодействия триады категорий позволяет обеспечить достоверность и практическую применимость результатов прогноза. На рис. 1 представлен алгоритм процедуры оценки стоимости ОИС с учётом риска.
Формализация учёта неопределённости в прогнозных расчётах оценки объектов интеллектуальной собственности на базе нечётких мер
При проведении прогнозных расчётов числовых параметров реализуемого коммерческого проекта с учётом фактора неопределённости исследователь неминуемо сталкивается с проблемой формального представления неопределённых прогнозных
числовых значений, характеризующих коммерческий проект и проведение с ними соответствующих расчётных операций.
Достаточно известные математические подходы оказываются неспособными учесть всё возможное разнообразие видов неопределённостей реальной деятельности, что порождает неопределённость самого прогноза, а следовательно - и риск самой реализации коммерческого проекта. Возникает ситуация: с одной стороны - для принятия обоснованного решения по коммерческому проекту необходим прогноз ситуации на основе точно выверенных прогнозных расчётов, с другой стороны -возникают проблемы по формальному учёту в этих расчётах тотальной неопределённости. Поэтому при проведении прогнозных расчётов в первую очередь необходимо формально описать неопределённые значения исходных параметров коммерческого проекта. Наиболее корректным, на сегодняшний день, является подход к формализации неопределённых данных на основе теории нечётких мер и множеств [1]. С точки зрения практического использования нечётких мер и множеств, при проведении прогнозных расчётов коммерческого проекта необходимо использовать нечёткие числа, которые определяются экспертным путём.
Рис. 1. Алгоритм процедуры оценки стоимости ОИС с учётом риска
Что представляет собой нечёткое число? Для уяснения сущности этого понятия рассмотрим утверждение:
«Стоимость объекта интеллектуальной собственности составляет около 150 тыс.
руб».
Что означает это утверждение?
Оно означает проявление неопределённости числового параметра оцениваемого ОИС, что, в свою очередь, приводит к возникновению необходимости формального представления неопределённого прогнозного числового значения для проведения с ним соответствующих расчётных операций. Процесс формализации заключается в представлении неопределённого прогнозного числового значения в виде нечёткого числа.
Какую смысловую нагрузку несёт НЕЧЁТКОЕ ЧИСЛО? Если мы утверждаем, что «стоимость ОИС составляет 150 тыс. руб.», то это означает строгую уверенность в значении стоимости ОИС. Когда такой уверенности нет, появляются лингвистические оценки: «около», «до», «более» и т.п. Поэтому вполне обоснованным является введение параметра УВЕРЕННОСТИ в значении оцениваемого числа.
График функции УВЕРЕННОСТИ в том, что рассматриваемая величина Х примет то или иное числовое значение - НЕЧЁТКОЕ ЧИСЛО.
Для иллюстрации различных трактовок нечётких чисел рассмотрим примеры.
Пример 1.
Прогнозируемая стоимость объекта ИС составляет «около 150 тыс. руб.».
График функции уверенности представлен на рис. 2.
Рис. 2. Нечёткое число «около 150 000 руб.»
При этом с уверенностью на уровне 0,2 можно утверждать, что пессимистическая оценка значения стоимости ОИС будет равна 103 846 руб., оптимистическая оценка будет равна 207 692 руб.
Пример 2.
При покупке лицензии издержки могут составить, в лучшем случае, 10 тыс. руб., в худшем - 20 тыс. руб. При этом большее доверие - оптимистическому значению. График функции уверенности приведен на рис. 3.
При этом разброс значений оптимистической и пессимистической оценок на уровне 0,1 слишком велик для их практического использования.
Пример 3.
Планируется продажа изобретения минимум за 100 тыс. руб., а может быть и больше, но с меньшей уверенностью, что определяется ситуацией на рынке. График функции уверенности приведен на рис. 4.
При этом с уверенностью на уровне 0,1 можно утверждать, что пессимистическая оценка продажной цены будет 86 000 руб., оптимистическая оценка - 194 000 руб., наиболее ожидаемая цена - 98 000 руб.
Как видно из рассмотренных примеров, каждое нечёткое число имеет свою интерпретацию, определяемую теми факторами, которые влияют на оцениваемую величину.
Представление нечёткого числа с помощью графика конкретного закона распределения уверенности зависит от того, насколько осознаны исходные данные для прогнозных расчётов, т.е. выбор закона распределения уверенности определяется характером лингвистической информации.
Рис. 3. Нечёткое число «в лучшем случае 10 000 руб., в худшем случае 20 000 руб.»
Рис. 4. Нечёткое число «минимум 100 000 руб., а может быть, и больше»
На практике для принятия решения по коммерческому проекту целесообразно пользоваться не всем распределением уверенности нечёткого числа, а лишь его характеристиками. В частности, при проведении прогнозных расчётов можно использовать четыре основные характеристики нечёткого числа (рис. 4):
1) число с максимальной степенью уверенности;
2) центр тяжести распределения уверенности (наиболее возможное значение нечёткого числа - это то значение, которое примет нечёткое число, если уравновесить все факторы, играющие в сторону уменьшения, с факторами, играющими в сторону увеличения значения числового параметра);
3) минимальное значение числа по заданному уровню уверенности;
4) максимальное значение числа по заданному уровню уверенности.
Отображаемый на графиках заданный уровень уверенности (горизонтальная линия) отсекает на числовой оси те числовые значения, которые имеют малую уверенность, с точки зрения проводимого прогнозного расчёта. При более детальных прогнозных расчётах следует рассматривать ещё одну характеристику нечёткого числа
- риск-функцию нечёткого числа.
Риск-функция нечёткого числа Х - возможность того, что значение величины на числовой оси превысит значение нечёткого числа Х. При изменении трактовки риск-функции (инверсии интересов пользователя) значения уверенности меняют знак, а риск-функция инвертируется.
График риск-функции имеет две области:
- область, в которой значения уверенности меньше нуля (область риска);
- область, в которой значения уверенности больше нуля (область устойчивости).
При проведении анализа результатов расчёта и выбора уровня риска следует
придерживаться следующей классификации уровней риска:
а) 0,0-0,1 - минимальный риск;
б) 0,1-0,2 - повышенный риск;
в) 0,2-0,4 - допустимый риск;
г) 0,4-0,7 - критический риск;
д) 0,7-1,0 - катастрофический риск.
Пример.
Рассмотрим график риск-функции нечёткого числа «около 4,5» (рис. 5).
ц(х)
Рис. 5. Риск-функция нечёткого числа «около 4,5»
Выделим на оси уверенности 2 точки: -0,7 и +0,7. Проведём на этих уровнях уверенности две линии. Одна расположена в области риска (<0), другая - в области устойчивости (>0). Тогда, если пользователь заинтересован в увеличении числовой
величины при принятии решения, например до 5, то риск принятия им неверного решения равняется 0,7 (критический риск). Риск в принятии решения по числам в интервале от 3,95 до 3,1 - отсутствует.
Таким образом, риск-функция определяет, насколько рискует пользователь при принятии решения, удаляясь от значения, заданного нечётким числом.
ЛИТЕРАТУРА
1. Бочарников В.П. Нечеткая технология анализа и управления рисками /
В.П. Бочарников, А.В. Цыганок // Проблеми економічного ризику: Аналіз та
управління: материалы 1-й Всеукр. конф. Киев: Эльга, Ника-Центр, 1998. С. 218-227.
2. Бочарников В.П. Еи22у-ТесЬпо1о§у: модальность и принятие решения
в маркетинговых коммуникациях / В.П. Бочарников. Киев: Эльга, Ника-Центр, 2002. 224 с.
3. Бусленко Н.П. Моделирование сложных систем / Н.П. Бусленко. М.: Наука, 1968. 324 с.
4. Грабовский П.Г. Риски в современном бизнесе / П.Г. Грабовский. М.: Аланс, 1994. 274 с.
5. Леонтьев Б.Б. Основы оценки интеллектуальной собственности в России / Б.Б. Леонтьев. М.: ИНИЦ Роспатента, 2006. 162 с.
6. Леонтьев Б.Б. Цена интеллекта. Интеллектуальный капитал в российском бизнесе / Б.Б. Леонтьев. М.: Издат. центр «Акционер», 2002. 301 с.
7. Леонтьев Б.Б. Экономические проблемы управления интеллектуальной собственностью в России / Б.Б. Леонтьев // Инновации. 2006. № 3. С. 38-72.
8. Леонтьев Б. Б. Методические рекомендации по оценке рыночной стоимости
нематериальных активов предприятия / Б.Б. Леонтьев, Ю.Б. Леонтьев. М.:
Официальное издание ТПП РФ, 2003. 80 с.
9. Леонтьев Б.Б. Принципы и подходы к оценке интеллектуальной
собственности и нематериальных активов: учеб. пособие / Б.Б. Леонтьев,
Х.А. Мамаджанов. М.: Ринфо, 2006. 403 с.
10. Леонтьев Б. Б. Методические рекомендации по инвентаризации прав на объекты интеллектуальной собственности на предприятиях / Б.Б. Леонтьев, Х.А. Мамаджанов, И. А. Близнец. М.: ПАТЕНТ, 2006. 86 с.
11. Смирнов С. А. Оценка интеллектуальной собственности / С. А. Смирнов. М.: Финансы и статистика, 2002. 352 с.
Шалынин Виктор Дмитриевич —
кандидат технических наук, доцент кафедры
«Экономика и предпринимательство» Санкт-Петербургского института машиностроения (ЛМЗ-ВТУЗ)
Статья поступила в редакцию 19.09.08, принята
Shalynin Victor Dmitriyevich -
Candidate of Technical Sciences, Assistant Professor of the Department of «Economics and Entrepreneurship» of Saint-Petersburg Institute of Machine Building опубликованию 10.12.08
