CC BY
50УДК 338.242.2:311.1:311.2
ПРИМЕНЕНИЕ МЕТОДОВ СТАТИСТИЧЕСКОГО АНАЛИЗА В СИСТЕМЕ РИСК-МЕНЕДЖМЕНТА
Т.А. Леванова, Е.Ю. Леванова, Н.Ю. Абрамова
Одной из базовых концепций риск-менеджмента является соотношение уровня доходности и риска. Кроме этого, уровень риска является важнейшим показателем оценки уровня экономической безопасности хозяйствующего субъекта, характеризующим степень защиты его деятельности от угроз внешней и внутренней предпринимательской среды. Поэтому принятие практически всех решений в процессе управления деятельностью хозяйствующего субъекта и управления инвестиционными проектами сопровождается оценкой уровня риска. Инструментарий такой оценки достаточно широк и включает качественные и количественные методы. Среди последних можно выделить группы следующих методов: аналитические (дисконтирование, целесообразность затрат, чувствительность, устойчивость, безубыточность, сценарии), вероятностно-теоретические (статистические методы, построение деревьев, имитационное моделирование, логико-вероятностные методы), нетрадиционные (система искусственного интеллекта) и эвристические (экспертные оценки, «Дельфи», «роза рисков» и др.).
Статья посвящена методологическому вопросу применения статистических показателей на этапе количественной оценки уровня риска в системе риск-менеджмента. На примере выбора варианта инвестиционного проекта продемонстрировано использование на практике таких показателей, как среднее ожидаемое значение результата, размах вариации, среднеквадратическое отклонение, коэффициент вариации.
Ключевые слова: риск-менеджмент; оценка рисков; среднее ожидаемое значение результата; размах вариации; среднеквадратическое отклонение; коэффициент вариации; йота-коэффициент.
T.A. Levanova, E.Yu. Levanova, N.Yu. Abramova. APPLICATION OF STATISTICAL ANALYSIS METHODS IN THE RISK MANAGEMENT SYSTEM
One of the basic concepts of risk management is the ratio of the level of profitability and risk. In addition, the level of risk is the most important indicator of assessing the level of economic security of an economic entity, characterizing the degree of protection of its activities from threats to the external and internal business environment. Therefore, the adoption of almost all decisions in the process of managing the activities of an economic entity in general and the management of investment projects, in particular, is accompanied by an assessment of the level of risk. The tools of such an assessment are quite wide and include qualitative and quantitative methods. Among the latter, groups of the following methods can be distinguished: analytical (discounting, cost expediency, sensitivity, stability, break-even, scenarios), probabilistic-theoretical (statistical methods, tree construction, simulation modeling, logical-probabilistic methods), non-traditional (artificial intelligence system) and heuristic (expert assessments, Delphi, «rose of risks», etc.).
The article is devoted to the methodological issue of the application of statistical indicators at the stage of quantitative assessment of the risk level in the risk management system. Using the example of choosing an investment project option, the use in practice of such indicators as the average expected value of the result, the scope of variation, the standard deviation, the coefficient of variation is demonstrated.
Keywords: risk management; risk assessment; average expected value of the result; range of variation; standard deviation; coefficient of variation; iota coefficient.
Согласно классической теории категория «риск» представляет собой опасность потери ресурсов или недополучения доходов по сравнению с вариантом, который рассчитан на рациональное использование ресурсов предпринимателем. Поиск возможностей увеличения дохода в ситуации неопределенности и осуществление работ по снижению уровня
риска составляют цель риск-менеджмента [1]. Соответственно, систему управления риском можно охарактеризовать как совокупность методов и приемов, которые позволяют прогнозировать ситуацию и своевременно принимать меры для минимизации риска [2]. При этом в качестве объекта следует рассматривать сам риск (рисковую ситуацию), а субъек-
Экономические науки
77
том выступает специалист, осуществляющим с помощью различных приемов и способов целенаправленное воздействие на факторы риска.
Информационная база управления рисками включает:
- обобщающую информацию об опыте предшествующего развития предприятия, проектов-аналогов, тенденций рынка;
- промежуточную информацию, образующуюся в процессе разработки управленческого решения;
- итоговую информацию, получаемую при реализации инвестиционного проекта [6].
В зависимости от параметров информационных потоков наиболее приемлемыми являются те или иные методы анализа и прогнозирования.
Одним из наиболее сложных этапов управления рисками является оценка (измерение) степени риска. На данном этапе применяется достаточно широкий инструментарий. Среди основных методов оценки можно выделить экспертные (метод «Дельфи», ранжирование, парное сравнение, балльная оценка), статистические, расчетно-аналитические, аналоговые методы [3; 7; 8]. Если экспертные методы оценки риска являются в некоторой степени субъективными, поскольку достоверность результата зависит квалификации и независимости мнений специалистов, методики проведения экспертизы, то статистические методы дают возможность составить наиболее объективное представление об уровне риска и получить количественную оценку степени риска [4-5].
Наиболее применимыми статистическими показателями, позволяющими это сделать, являются:
1) среднее ожидаемое значение результата (прибыли или убытка), определяемое по формуле:
х = 2 X х Р1 (1)
где х - значение результата; р - вероятность проявления результата;
2) размах вариации - разница между мак-
симальным и минимальным ожидаемыми значениями результата;
3) стандартное или среднеквадратическое отклонение результата (прибыли или убытка), вычисляемое из выражения:
о =
= лШ*/ - х)2
Р1
(2)
где х - дисперсия;
4) коэффициент вариации (в риск-менеджменте - йота-коэффициент), являющийся относительным показателем однородности совокупности и позволяющий судить о степени колеблемости изучаемого признака (чем он выше, тем более рисковым считается проект):
V = 0
(3)
При этом применяется следующая шкала колеблемости (степени или уровня риска): до 0,1 - слабый; от 0,1 до 0,25 - умеренный; свыше 0,25 - высокий [9].
Для оценки уровня финансового риска инвестора по альтернативным проектам «А» и «Б» в табл. 1 по формуле (1) рассчитан ожидаемый доход.
Полученные результаты демонстрируют средний размер ожидаемых доходов по обоим вариантам в сумме 1 500 тыс. руб., однако размах вариации расчетных доходов по проекту «А» наблюдается в размере 1 000 тыс. руб., по проекту «Б» - 1 400 тыс. руб. Очевидная разница во внутреннем строении изучаемых совокупностей указывает на меньший риск реализации инвестиционного проекта «А» по сравнению с проектом «Б», где колебания расчетного дохода выше.
Для оценки относительной вариации с целью определения оптимального соотношения доходности и риска с помощью формулы (2) необходимо вычислить стандартное (среднеквадратическое) отклонение расчетного дохода (табл. 2).
Судя по данным табл. 2, отметим, что инвестиционный проект «А» имеет среднеквадра-тическое отклонение оцениваемой величины
Таблица 1
Расчет ожидаемых доходов по инвестиционным проектам
Рыночная конъюнктура Проект «А» Проект «Б»
доход, тыс. руб. вероятность получения дохода ожидаемый инвестором доход, тыс. руб. доход, тыс. руб. вероятность получения дохода ожидаемый инвестором доход, тыс. руб.
Выше средней 2000 0,30 600 2400 0,25 600
Средняя 1500 0,40 600 1300 0,50 650
Ниже средней 1000 0,30 300 1000 0,25 250
Итого: х 1,00 1500 х 1,00 1500
Таблица 2
Расчет стандартного (среднеквадратического) отклонения расчетного дохода по инвестиционным проектам
Инвестиционные проекты Рыночная конъюнктура Доход, тыс. руб. Вероятность, в долях единицы Средний ожидаемый доход, тыс. руб.
А Выше средней 2000 0,30 1500 500 250000 75000
Средняя 1500 0,40 1500 0 0 0
Ниже средней 1000 0,30 1500 -500 250000 75000
Итого: х 1,00 1500 х х 150000
Б Выше средней 2400 0,25 1500 900 810000 202500
Средняя 1300 0,50 1500 -200 40000 20000
Ниже средней 1000 0,25 1500 -500 250000 62500
Итого: х 1,00 1500 х х 285000
(расчетного дохода) 387,30 тыс. руб., тогда как проект «Б» - 533,85 тыс. руб.
Используя формулу (3), в табл. 3 нами осуществлен расчет коэффициента вариации. Произведенные расчеты позволяют сделать вывод, что для обоих проектов характерен высокий уровень риска, однако наименьшее значение коэффициента вариации (и меньший уровень риска) соответствует проекту «А».
Таблица 3
Расчет коэффициента вариации
по инвестиционным проектам
Инвести- Средне- Средний Коэффи-
ционные квадра- ожи- циент
проекты тическое даемый вариации
откло- доход
нение
А 387,3 1500 0,258
Б 533,9 1500 0,356
Таким образом, в ситуации, когда требуется сравнить два или более варианта инвестиционных проектов, для количественной оценки уровня риска целесообразно использовать вышеприведенные статистические показатели. Именно они позволяют дать объективную количественную оценку уровню риска для минимизации финансовых потерь инвестора.
Список литературы
1. Барсукова М.В., Николаева А.В., Столярова Т.В., Федорова Л.П. Инструменты мониторинга по выявлению угроз экономической безопасности // Вестник Российского университета кооперации. 2019. № 3 (37). С. 16-23.
2. Бланк И.А. Управление финансовыми рисками. М.: Огни, 2015. 698 с.
3. Вяцкова Н.А. Классификация методов ана-
лиза и оценки рисков // Актуальные вопросы современной науки. 2014. № 33. С. 103-122.
4. Гениатулин В.Н., Гуськова Т.Н. Синер-гетическое влияние статистики в риск-менеджменте // Вестник Волжского ун-та им. В.Н. Татищева. 2017. Т. 1. № 1. С. 36-40.
5. Гуськова Т.Н., Спиридонова Е.Е. Статистическая методология и практические вопросы управления рисками // Вестник Поволжского гос. ун-та сервиса. Серия «Экономика». 2017. № 1 (47). С. 87-93.
6. Данилова Н.Л., Леванова Т.А. Методики оценки рисков финансовой несостоятельности сельскохозяйственных предприятий и направления их совершенствования // Вестник НГУЭУ. 2018. № 2. С. 205-221.
7. Данилова Н.Л., Леванова Т.А. Комплексный экономический анализ хозяйственной деятельности: учеб. пособие для студентов вузов, обучающихся по направлению 38.03.01 «Экономика» (бакалавриат). М.: РУСАЙНС, 2019. 130 с.
8. Леванова Т.А., Дмитриева А.Г., Леванова Е.Ю. Актуальные проблемы анализа финансового состояния экономических субъектов в системе финансового менеджмента // Актуальные проблемы управления финансами в цифровой экономике: материалы Всерос. науч.-практ. конф. (12 сентября 2019 г). Чебоксары: ЧГСХА, 2019. С. 35-40.
9. Окулов В.Л. Риск-менеджмент: основы теории и практика применения: учеб. пособие. СПб.: Изд-во С.-Петерб. гос. ун-та, 2019. 280 с.
References
1. BarsukovaM.V., NikolaevaA. V., Stolyarova T.V., Fedorova L.P. Instrumenty monitoringa po vyyav-leniyu ugroz ekonomicheskoj bezopasnosti [Monitoring tools to identify threats to economic securi-
Экономические науки
l9
ty] // Vestnik Rossijskogo universiteta kooperatsii. 2019. № 3 (37). S. 16-23.
2. BlankI.A. Upravlenie finansovymi riskami [Financial risk management]. M.: Ogni, 2015. 698 c.
3. Vyatskova N.A. Klassifikatsiya metodov analiza i otsenki riskov [Classification of risk analysis and assessment methods] // AktuaFnye voprosy sovremennoj nauki. 2014. № 33. S. 103-122.
4. Geniatulin V.N., Guskova T.N. Sinergetiches-koe vliyanie statistiki v risk-menedzhmente [Synerget-ic influence of statistics in risk management] // Vestnik Volzhskogo un-ta im. V.N. Tatishcheva. 2017. T. 1. № 1. S. 36-40.
5. Guskova T.N., Spiridonova E.E. Statistiches-kaya metodologiya i prakticheskie voprosy uprav-leniya riskami [Statistical methodology and practical issues of risk management] // Vestnik Povolzhskogo gos. un-ta servisa. Seriya «Ekonomika». 2017. № 1 (47). S.87-93.
6. Danilova N.L., Levanova T.A. Metodiki otsenki riskov finansovoj nesostoyateFnosti seFsko-khozyajstvennykh predpriyatij i napravleniya ikh
sovershenstvovaniya [Methods of assessing the risks of financial insolvency of agricultural enterprises and directions for their improvement] // Vestnik NGUEU. 2018. № 2. S. 205-221.
7. Danilova N.L., Levanova T.A. Kompleksnyj ekonomicheskij analiz khozyajstvennoj deyateFnosti [Comprehensive economic analysis of economic activity]: ucheb. posobie dlya studentov vuzov, obu-chayushchikhsya po napravleniyu 38.03.01 «Ekonomika» (bakalavriat). M.: RUSAJNS, 2019. 130 s.
8. Levanova T.A., DmitrievaA.G., LevanovaE.Yu. AktuaFnye problemy analiza finansovogo sostoya-niya ekonomicheskikh sub"ektov v sisteme finanso-vogo menedzhmenta [Actual problems of analyzing the financial condition of economic entities in the financial management system] // AktuaFnye problemy upravleniya finansami v tsifrovoj ekonomike: mate-rialy Vseros. nauch.-prakt. konf. (12 sentyabrya 2019 g). Cheboksary: ChGSKhA, 2019. S. 35-40.
9. Okulov V.L. Risk-menedzhment: osnovy teo-rii i praktika primeneniya [Risk management: fundamentals of theory and practice of application]: ucheb. posobie. SPb.: Izd-vo S.-Peterb. gos. un-ta, 2019. 280 s.
ЛЕВАНОВА Татьяна Анатольевна - кандидат экономических наук, доцент кафедры менеджмента и маркетинга. Чебоксарский кооперативный институт (филиал) Российского университета кооперации. Россия. Чебоксары. E-mail: nta781@mail.ru.
ЛЕВАНОВА Елена Юрьевна - кандидат экономических наук, доцент кафедры экономики и информационных технологий. Чебоксарский кооперативный институт (филиал) Российского университета кооперации. Россия. Чебоксары. E-mail: lena2520@mail.ru.
АБРАМОВА Надежда Юрьевна - кандидат экономических наук, доцент, преподаватель кафедры экономики и информационных технологий. Чебоксарский кооперативный институт (филиал) Российского университета кооперации. Россия. Чебоксары. E-mail: AbramovaN21@ yandex.ru.
LEVANOVA, Tatyana Anatolyevna - Candidate of Economics, Associate Professor of the Department of Management and Marketing. Cheboksary Cooperative Institute (branch) of the Russian University of Cooperation. Russia. Cheboksary. E-mail: nta781@mail.ru.
LEVANOVA, Elena Yuryevna - Candidate of Economics, Associate Professor of the Department of Economics and Information Technologies. Cheboksary Cooperative Institute (branch) of the Russian University of Cooperation. Russia. Cheboksary. E-mail: lena2520@mail.ru.
ABRAMOVA, Nadezhda Yuryevna - Candidate of Economics, Associate Professor, Lecturer of the Department of Economics and Information Technologies. Cheboksary Cooperative Institute (branch) of the Russian University of Cooperation. Russia. Cheboksary. E-mail: AbramovaN21@yandex.ru.
