Статыстыка ў аналізе рызык
У свеце, поўным нявызначанасці — ад ваганняў рынку і змены клімату да рызык для здароўя і парушэнняў у ланцужках паставак — нам патрэбен сістэматычны падыход да разумення і кіравання рызыкамі. Менавіта тут статыстыка адыгрывае вырашальную ролю. Статыстыка — гэта не проста набор формул, а хутчэй набор метадаў пераўтварэння дадзеных у інфармацыю, якую можна выкарыстоўваць для ацэнкі верагоднасці падзеі, вымярэння яе ўздзеяння і распрацоўкі стратэгій змякчэння наступстваў. У гэтым артыкуле абмяркоўваецца, як статыстыка выкарыстоўваецца ў аналізе рызык, яе ключавыя паняцці і прыклады яе прымянення ў розных галінах.
Разуменне рызыкі: магчымасці і наступствы
У цэлым, рызыку можна разумець як спалучэнне верагоднасці падзеі і яе ўздзеяння. Напрыклад, на рызыку паводкі ў пэўным раёне ўплываюць частата паводак (верагоднасць) і ступень шкоды (уздзеянне). Статыстыка дапамагае нам вымяраць як з дапамогай гістарычных дадзеных, так і з дапамогай мадэлявання і высноў.
Аднак не ўсе рызыкі лёгка колькасна ацаніць. У многіх выпадках дадзеныя могуць быць абмежаванымі, няпоўнымі або прадузятымі. Таму сучасны аналіз рызык часта спалучае класічную статыстыку з імавернаснымі падыходамі, мадэляваннем і машынным навучаннем для атрымання больш рэалістычных ацэнак.
Роля дадзеных і іх якасці ў аналізе рызык
Найбольш базавым крокам у аналізе рызык з'яўляецца збор адпаведных дадзеных. Гэтыя дадзеныя могуць уключаць запісы аб мінулых падзеях (напрыклад, дадзеныя аб няшчасных выпадках на вытворчасці), перыядычныя вымярэнні (напрыклад, штодзённая колькасць ападкаў) або дадзеныя апытанняў (напрыклад, выкананне карыстальнікамі пратаколаў бяспекі). Якасць дадзеных вызначае якасць аналізу. Статыстыка прадастаўляе інструменты для:
1. Ачыстка дадзеных: выяўленне выкідаў, адсутных значэнняў і неадпаведнасцей.
2. Апісанне дадзеных (апісальная статыстыка): абагульняе дадзеныя з дапамогай паказчыкаў цэнтральнай тэндэнцыі і размеркавання.
3. Ацэнка прадузятасці: напрыклад, прадузятасць выбаркі ў дадзеных апытанняў або недастатковая колькасць дадзеных аб інцыдэнтах.
Без якасных дадзеных мадэлі рызыкі могуць быць патэнцыйна памылковымі. Таму разуменне крыніц дадзеных, азначэнняў зменных і метадаў рэгістрацыі з'яўляецца найважнейшай часткай аналізу.
Меры цэнтральнасці і дысперсіі: вымярэнне нявызначанасці
Пры аналізе рызык нам рэдка патрэбна толькі «сярэдняе значэнне». Важней разумець варыяцыі. Напрыклад, два інвестыцыйныя партфелі могуць мець аднолькавую сярэднюю прыбытковасць, але розны ўзровень валацільнасці; партфель з больш высокай валацільнасцю звычайна лічыцца больш рызыкоўным.
Некаторыя часта выкарыстоўваныя статыстычныя паняцці:
– Сярэдняе (сярэдняе): ацэнка чаканага значэння зменнай.
– Медыяна: карысная, калі дадзеныя моцна скажоныя, напрыклад, размеркаванне страт з-за стыхійных бедстваў.
– Дысперсія і стандартнае адхіленне: вымяраюць роскід дадзеных, часта выкарыстоўваюцца ў якасці індыкатараў валацільнасці.
– Квартылі і міжквартальны разрыў: дапамагаюць зразумець размеркаванне без празмернага ўплыву выкідаў.
У практыцы кіравання рызыкамі для апісання «валацільнасці» часта выкарыстоўваюцца такія паказчыкі, як стандартнае адхіленне, у той час як медыяны або квантылі выкарыстоўваюцца для апісання больш кансерватыўных сцэнарыяў.
Размеркаванне верагоднасцей: аснова мадэлявання рызык
Статыстыка ўводзіць паняцце размеркавання імавернасцей, якое з'яўляецца спосабам апісання верагоднасці ўзнікнення магчымых значэнняў. Выбар правільнага размеркавання мае вырашальнае значэнне, таму што ён паўплывае на ацэнку рызыкі.
Некаторыя размеркаванні, якія часта ўзнікаюць у кантэксце рызыкі:
– Нармальнае размеркаванне: часта выкарыстоўваецца для з'яў, якія з'яўляюцца вынікам многіх дробных фактараў. Аднак у многіх выпадках надзвычайнай рызыкі нармальнае размеркаванне можа недаацэньваць верагоднасць буйной падзеі.
– Лагнармальнае размеркаванне: часта выкарыстоўваецца для фінансавых страт або часу завяршэння праекта.
– Размеркаванне Пуасона: падыходзіць для разліку колькасці здарэнняў за пэўны перыяд, напрыклад, колькасці аварый у месяц.
– Экспанентнае размеркаванне і размеркаванне Вейбула: шырока выкарыстоўваюцца ў аналізе надзейнасці і тэрміну службы кампанентаў машын.
Выкарыстоўваючы размеркаванні, аналітыкі могуць вылічыць верагоднасць таго, што падзея перавысіць пэўны парог, напрыклад, верагоднасць таго, што страты перавысяць пэўны ліміт на працягу аднаго года.
Ацэнка параметраў і высновы: ад выбаркі да папуляцыі
Часта ў нас ёсць толькі выбарка дадзеных, а не поўны набор. Статыстычныя высновы дапамагаюць нам рабіць высновы аб генеральнай сукупнасці на аснове выбаркі. Пры аналізе рызык гэта важна для:
– ацаніць узровень паломак машын па дадзеных праверкі,
– ацаніць узровень дэфолту па крэдытах на аснове дадзеных пазычальнікаў,
– або ацаніць эфектыўнасць мерапрыемстваў па зніжэнні рызыкі.
Такія метады, як даверныя інтэрвалы, дапамагаюць вызначыць дыяпазон праўдападобных значэнняў для параметра (напрыклад, сярэднія страты), у той час як праверкі гіпотэз могуць быць выкарыстаны для параўнання дзвюх палітык змякчэння наступстваў: ці сапраўды новая палітыка зніжае ўзровень інцыдэнтаў?
Value at Risk (VaR) і квантыльныя паказчыкі рызыкі
У фінансах адным з папулярных паказчыкаў рызыкі з'яўляецца Value at Risk (VaR). VaR адказвае на пытанне: «Якая максімальна магчымая страта пры дадзеным узроўні даверу за дадзены перыяд?» Напрыклад, 95% штодзённая VaR у 1 мільярд інданезійскіх рупій азначае, што ёсць 95% упэўненасць у тым, што штодзённая страта не перавысіць 1 мільярд інданезійскіх рупій (хаця ўсё яшчэ існуе 5% верагоднасць большай страты).
Нягледзячы на шырокае выкарыстанне VaR, ён мае абмежаванні, асабліва ў дачыненні да рызыкі хваста. Таму часта выкарыстоўваюцца іншыя паказчыкі, такія як чаканы дэфіцыт (CVaR), які ўлічвае сярэднія страты ў найгоршым выпадку, акрамя VaR.
Гэтая канцэпцыя квантыляў таксама актуальная ў іншых галінах, напрыклад, для вызначэння бяспечных межаў забруджвання паветра або стварэння запасаў для зніжэння рызыкі дэфіцыту тавараў.
Мадэляванне метадам Монтэ-Карла: сутыкненне са складанасцю
Калі сістэма занадта складаная для аналітычнага аналізу, рашэннем з'яўляецца мадэляванне метадам Монтэ-Карла. Гэты метад выкарыстоўвае выпадковую выбарку з размеркавання ўваходных дадзеных для стварэння некалькіх выхадных сцэнарыяў. Напрыклад:
– Ацаніце рызыку затрымак праекта на аснове варыяцый у працягласці кожнага віду дзейнасці.
– Вымярае рызыку страты партфеля на аснове нявызначанасці прыбытковасці розных актываў.
– Прагназаваць рызыку дэфіцыту паставак на аснове змяненняў попыту і тэрмінаў выканання.
З дапамогай тысяч і мільёнаў мадэляванняў аналітыкі могуць будаваць размеркаванні вынікаў і ацэньваць верагоднасць экстрэмальных падзей, а не толькі сярэдніх значэнняў.
Карэляцыя і залежнасць: рызыкі рэдка бываюць ізаляванымі
Рызыкі часта ўзаемазвязаныя. Эканамічны крызіс можа павялічыць рызыку дэфолту, што, у сваю чаргу, павялічвае рызыку ліквіднасці банка і гэтак далей. Статыстыка прадастаўляе інструменты для вывучэння ўзаемасувязяў паміж зменнымі:
– Карэляцыя для выяўлення лінейных залежнасцей.
– Рэгрэсія для мадэлявання ўплыву прычынных зменных на зменныя рызыкі.
– Капула (у пашыраным аналізе рызык) для мадэлявання залежнасцей, у тым ліку на «хвастах размеркавання» падчас крызісу.
Распаўсюджаная памылка ў аналізе рызыкі — меркаванне, што зменныя незалежныя. Аднак у экстрэмальных умовах карэляцыі могуць узмацняцца, што значна павялічвае сумарную рызыку.
Прымяненне статыстыкі ў розных галінах
1. Грамадскае здароўе: мадэляванне рызык успышак, ацэнка ўзроўню перадачы і вымярэнне эфектыўнасці вакцын.
2. Прамысловасць і бяспека працы: аналіз частаты няшчасных выпадкаў, вызначэнне прычынных фактараў і ацэнка праграм K3.
3. Страхаванне: разлічвае страхавыя ўзносы на аснове верагоднасці страхавых выпадкаў і іх памеру, у тым ліку рызык стыхійных бедстваў.
4. Навакольнае асяроддзе: прагназаванне рызыкі паводак, апоўзняў або засухі на аснове кліматалагічных дадзеных.
5. Кібербяспека: вымярэнне верагоднасці нападаў, выяўленне анамалій і ацэнка фінансавага ўплыву інцыдэнтаў.
Разнастайнасць гэтых ужыванняў паказвае, што статыстыка мае міждысцыплінарны характар: прынцыпы аднолькавыя, але кантэксты і тыпы дадзеных розныя.
Выснова: Статыстыка як мова нявызначанасці
Статыстыка ў аналізе рызык — гэта, па сутнасці, спроба колькасна ацаніць нявызначанасць. Выкарыстоўваючы дадзеныя, размеркаванне імавернасцей, высновы і мадэляванне, мы можам ацаніць верагоднасць падзеі і яе ўплыў, а затым прымаць больш рацыянальныя рашэнні. Хоць статыстыка не можа цалкам выключыць рызыку, яна дапамагае нам пазбегнуць рашэнняў, заснаваных на здагадках, і распрацаваць больш эфектыўныя стратэгіі змякчэння наступстваў. У сённяшнюю эпоху дадзеных здольнасць разумець і прымяняць статыстыку — гэта не проста тэхнічная перавага, а неабходнасць для выжывання і росквіту ў нявызначаных умовах.
