Risk Analizində Statistika
Bazar dalğalanmalarından və iqlim dəyişikliyindən tutmuş sağlamlıq risklərinə və təchizat zəncirindəki pozuntulara qədər qeyri-müəyyənliklə dolu bir dünyada riskləri anlamaq və idarə etmək üçün sistemli bir yola ehtiyacımız var. Statistika burada mühüm rol oynayır. Statistika sadəcə düsturlar toplusundan daha çox şeydir, əksinə, bir hadisənin ehtimalını qiymətləndirmək, təsirini ölçmək və azaldılması strategiyalarını hazırlamaq üçün istifadə edilə bilən məlumatları məlumata çevirmək üçün bir sıra metodlardır. Bu məqalədə statistikanın risk təhlilində necə istifadə edildiyi, əsas anlayışları və müxtəlif sahələrdə tətbiqinə dair nümunələr müzakirə olunur.
Riski Anlamaq: İmkanlar və Təsirlər
Ümumiyyətlə, risk hadisənin baş vermə ehtimalı və onun təsirinin kombinasiyası kimi başa düşülə bilər. Məsələn, bir ərazidə daşqın riski daşqının tezliyindən (ehtimal) və zərərin dərəcəsindən (təsirdən) təsirlənir. Statistika bizə həm tarixi məlumatlar, həm modelləşdirmə, həm də nəticə çıxarmaqla ölçməyə kömək edir.
Lakin, bütün risklər asanlıqla ölçülə bilməz. Bir çox hallarda məlumatlar məhdud, natamam və ya qərəzli ola bilər. Buna görə də, müasir risk təhlili daha real qiymətləndirmələr əldə etmək üçün tez-tez klassik statistikanı ehtimal yanaşmaları, simulyasiya və maşın öyrənməsi ilə birləşdirir.
Risk Analizində Məlumatların Rolü və Keyfiyyəti
Risk təhlilində ən əsas addım müvafiq məlumatların toplanmasıdır. Bu məlumatlara keçmiş hadisələrin qeydləri (məsələn, iş yerində qəza məlumatları), dövri ölçmələr (məsələn, gündəlik yağış) və ya sorğu məlumatları (məsələn, istifadəçinin təhlükəsizlik protokollarına uyğunluğu) daxil ola bilər. Məlumatların keyfiyyəti təhlilin keyfiyyətini müəyyən edir. Statistika aşağıdakılar üçün alətlər təqdim edir:
1. Məlumatların təmizlənməsi: kənarlaşmaların, çatışmayan dəyərlərin və uyğunsuzluqların aşkarlanması.
2. Məlumatların təsviri (təsviri statistika): məlumatları mərkəzi meyl və paylanma ölçüləri ilə ümumiləşdirir.
3. Qərəzli qiymətləndirmə: məsələn, sorğu məlumatlarında seçim qərəzi və ya hadisə məlumatlarında az məlumat verilməsi.
Yaxşı məlumatlar olmadan risk modelləri potensial olaraq yanlış yönləndirə bilər. Buna görə də, məlumat mənbələrini, dəyişən tərifləri və qeyd metodlarını anlamaq təhlilin vacib hissəsidir.
Mərkəzləşmə və Dispersiya Ölçüləri: Qeyri-müəyyənliyin Ölçülməsi
Risk təhlilində nadir hallarda yalnız "orta dəyər"ə ehtiyac duyuruq. Daha vacib olan dəyişkənliyi anlamaqdır. Məsələn, iki investisiya portfeli eyni orta gəlirliliyə, lakin fərqli dəyişkənlik səviyyələrinə malik ola bilər; daha yüksək dəyişkənliyə malik portfel ümumiyyətlə daha riskli hesab olunur.
Bəzi tez-tez istifadə olunan statistik anlayışlar:
– Mean (orta): dəyişənin gözlənilən dəyərinin qiymətləndirilməsi.
– Median: məlumatlar çox təhrif olunmuş olduqda, məsələn, fəlakətlər nəticəsində yaranan itkilərin paylanması zamanı faydalıdır.
– Variasiya və standart sapma: məlumatların yayılmasını ölçür, tez-tez dəyişkənlik göstəriciləri kimi istifadə olunur.
– Kvartillər və İQR: kənar göstəricilərin təsiri altına düşmədən paylanmanı anlamağa kömək edir.
Risklərin idarə edilməsi təcrübəsində standart sapma kimi ölçülər tez-tez "dəyişkənliyi" təsvir etmək üçün istifadə olunur, medianlar və ya kvantillər isə daha mühafizəkar ssenariləri təsvir etmək üçün istifadə olunur.
Ehtimal Paylanmaları: Risk Modelləşdirməsinin Əsası
Statistika, mümkün dəyərlərin baş vermə ehtimalını təsvir etməyin yolları olan ehtimal paylanmaları anlayışını təqdim edir. Düzgün paylanmanı seçmək vacibdir, çünki bu, risk qiymətləndirməsinə təsir edəcəkdir.
Risk kontekstində tez-tez ortaya çıxan bəzi paylanmalar:
– Normal paylanma: tez-tez bir çox kiçik amillərin nəticəsi olan hadisələr üçün istifadə olunur. Lakin, həddindən artıq riskli bir çox hallarda normal paylanma böyük bir hadisənin ehtimalını az qiymətləndirə bilər.
– Loqistik normal paylanma: tez-tez maliyyə itkiləri və ya layihənin tamamlanma müddəti üçün istifadə olunur.
– Puasson paylanması: müəyyən bir dövrdə baş verən hadisələrin sayını, məsələn, aylıq qəzaların sayını hesablamaq üçün uyğundur.
– Eksponensial və Veybull paylanmaları: maşın komponentlərinin etibarlılığı və ömrünün təhlilində geniş istifadə olunur.
Dağıtımlardan istifadə edərək, analitiklər müəyyən bir həddən yuxarı bir hadisənin baş vermə ehtimalını, məsələn, bir ildə müəyyən bir həddi aşan bir itkinin ehtimalını hesablaya bilərlər.
Parametr Qiymətləndirməsi və Nəticə Çıxarışı: Nümunədən Populyasiyaya
Çox vaxt bizdə tam dəst deyil, yalnız bir nümunə məlumat olur. Statistik nəticə nümunəyə əsaslanaraq əhali haqqında nəticə çıxarmağa kömək edir. Risk təhlilində bu aşağıdakılar üçün vacibdir:
– yoxlama məlumatlarına əsasən maşın nasazlıqlarının nisbətini qiymətləndirin,
– borclu məlumatlarına əsasən kredit defolt dərəcələrini hesablamaq,
– və ya riskin azaldılması müdaxiləsinin effektivliyini qiymətləndirmək.
Etibar intervalları kimi metodlar bir parametr üçün bir sıra mümkün dəyərləri (məsələn, orta itki) göstərməyə kömək edir, fərziyyə testləri isə iki azaltma siyasətini müqayisə etmək üçün istifadə edilə bilər: yeni siyasət həqiqətən insident nisbətini azaldırmı?
Risk altında dəyər (VaR) və kəmiyyət risk ölçüləri
Maliyyədə riskin məşhur ölçülərindən biri Risk altında Dəyər (VaR)-dır. VaR bu suala cavab verir: "Müəyyən bir dövrdə müəyyən bir etibarlılıq səviyyəsində mümkün olan maksimum itki nə qədərdir?" Məsələn, gündəlik VaR-ın 1 milyard IDR-ə bərabər olması gündəlik itkinin 1 milyard IDR-i keçməyəcəyinə 95% əminlik deməkdir (baxmayaraq ki, daha böyük itki ehtimalı hələ də 5% olaraq qalır).
VaR geniş istifadə olunsa da, xüsusilə də quyruq riskinin aradan qaldırılmasında məhdudiyyətlərə malikdir. Buna görə də, VaR-dan kənarda ən pis ssenaridə orta itkini nəzərə alan Gözlənilən Çatışmazlıq (CVaR) kimi digər ölçülər tez-tez istifadə olunur.
Bu kvantil konsepsiyası digər sahələrdə də aktualdır, məsələn, hava çirklənməsi üçün təhlükəsiz limitlərin müəyyən edilməsi və ya malların tükənməsi riskini azaltmaq üçün ehtiyatların yaradılması.
Monte Karlo Simulyasiyası: Mürəkkəbliklə Üzləşmək
Sistem analitik olaraq təhlil etmək üçün çox mürəkkəb olduqda, Monte Karlo simulyasiyası bir həll yoludur. Bu metod birdən çox çıxış ssenarisi yaratmaq üçün giriş paylanmasından təsadüfi nümunə götürmədən istifadə edir. Məsələn:
– Hər bir fəaliyyətin müddətindəki dəyişikliklərə əsasən layihənin gecikmə riskini qiymətləndirin.
– Müxtəlif aktivlər üzrə gəlirliliyin qeyri-müəyyənliyinə əsasən portfel itkisi riskini ölçür.
– Tələbat və çatdırılma müddətindəki dəyişikliklərə əsasən təchizat çatışmazlığı riskini proqnozlaşdırın.
Minlərlə və milyonlarla simulyasiya ilə analitiklər nəticələrin paylanmasını qura və yalnız orta dəyərləri deyil, ekstremal hadisələrin ehtimalını qiymətləndirə bilərlər.
Korrelyasiya və Asılılıq: Risklər Nadir hallarda Təkbaşına Mövcud Olur
Risklər çox vaxt bir-biri ilə əlaqəlidir. İqtisadi böhran defolt riskini artıra bilər ki, bu da öz növbəsində bank likvidliyi riskini artırır və s. Statistika dəyişənlər arasındakı əlaqələri öyrənmək üçün vasitələr təqdim edir:
– Xətti əlaqələri görmək üçün korrelyasiya.
– Səbəb-nəticə dəyişənlərinin risk dəyişənlərinə təsirini modelləşdirmək üçün reqressiya.
– Böhran zamanı “paylanmanın quyruqları” da daxil olmaqla, asılılıqları modelləşdirmək üçün (inkişaf etmiş risk təhlilində) kopula.
Risk təhlilində geniş yayılmış bir səhv, dəyişənlərin müstəqil olduğunu düşünməkdir. Lakin, ekstremal şəraitdə korrelyasiyalar arta bilər və bu da birləşdirilmiş riski daha da artıra bilər.
Statistikanın müxtəlif sahələrdə tətbiqi
1. İctimai səhiyyə: epidemiya risklərinin modelləşdirilməsi, ötürülmə nisbətlərinin qiymətləndirilməsi və peyvəndin effektivliyinin ölçülməsi.
2. Sənaye və peşə təhlükəsizliyi: qəza tezliyinin təhlili, səbəb amillərinin müəyyən edilməsi və K3 proqramlarının qiymətləndirilməsi.
3. Sığorta: fəlakət riskləri də daxil olmaqla, iddiaların ehtimalına və iddianın ölçüsünə əsasən sığorta haqlarını hesablayır.
4. Ətraf mühit: iqlim məlumatlarına əsasən daşqınlar, sürüşmələr və ya quraqlıq riskini proqnozlaşdırmaq.
5. Kibertəhlükəsizlik: hücumların ehtimalını ölçmək, anomaliyaları aşkar etmək və insidentlərin maliyyə təsirini qiymətləndirmək.
Bu tətbiqlərin müxtəlifliyi statistikanın fənlərarası olduğunu göstərir: prinsiplər eynidir, lakin kontekstlər və məlumat növləri fərqlidir.
Nəticə: Statistika qeyri-müəyyənliyin dili kimi
Risk təhlilində statistika mahiyyət etibarilə qeyri-müəyyənliyi ölçmək cəhdidir. Məlumatlardan, ehtimal paylanmalarından, nəticə çıxarmalardan və simulyasiyalardan istifadə edərək, bir hadisənin ehtimalını və təsirini qiymətləndirə və daha rasional qərarlar qəbul edə bilərik. Statistika riski tamamilə aradan qaldıra bilməsə də, fərziyyələrə əsaslanan qərarlardan qaçınmağa və daha güclü azaltma strategiyaları hazırlamağa kömək edir. Bugünkü məlumat dövründə statistikanı anlamaq və tətbiq etmək bacarığı yalnız texniki üstünlük deyil, həm də qeyri-müəyyən şəraitdə yaşamaq və inkişaf etmək üçün zəruridir.
