Тәуекелді талдаудағы статистика
Нарықтың ауытқуы мен климаттың өзгеруінен бастап денсаулыққа байланысты тәуекелдер мен жеткізу тізбегінің үзілістеріне дейінгі белгісіздікке толы әлемде бізге тәуекелді түсіну мен басқарудың жүйелі тәсілі қажет. Міне, осы жерде статистика шешуші рөл атқарады. Статистика тек формулалар жиынтығынан гөрі, оқиғаның ықтималдығын бағалау, оның әсерін өлшеу және азайту стратегияларын әзірлеу үшін пайдаланылуы мүмкін ақпаратқа деректерді түрлендіру әдістерінің жиынтығы. Бұл мақалада статистиканың тәуекелдерді талдауда қалай қолданылатыны, оның негізгі тұжырымдамалары және әртүрлі салаларда қолданылуының мысалдары талқыланады.
Тәуекелді түсіну: мүмкіндіктер мен әсерлер
Жалпы алғанда, тәуекелді оқиғаның болу ықтималдығы мен оның әсерінің үйлесімі ретінде түсінуге болады. Мысалы, аймақтағы су тасқыны қаупі су тасқыны жиілігіне (ықтималдық) және залалдың көлеміне (әсер) байланысты. Статистика бізге тарихи деректер, модельдеу және қорытынды жасау арқылы өлшеуге көмектеседі.
Дегенмен, барлық тәуекелдерді оңай сандық бағалау мүмкін емес. Көптеген жағдайларда деректер шектеулі, толық емес немесе біржақты болуы мүмкін. Сондықтан, қазіргі заманғы тәуекелдерді талдау көбінесе классикалық статистиканы ықтималдық тәсілдермен, модельдеумен және машиналық оқытумен біріктіріп, шынайы бағалаулар жасайды.
Тәуекелдерді талдаудағы деректердің рөлі және оның сапасы
Тәуекелді талдаудың ең негізгі қадамы - тиісті деректерді жинау. Бұл деректерге өткен оқиғалардың жазбалары (мысалы, жұмыс орнындағы апат туралы деректер), мерзімді өлшеулер (мысалы, күнделікті жауын-шашын) немесе сауалнама деректері (мысалы, пайдаланушылардың қауіпсіздік хаттамаларын сақтауы) кіруі мүмкін. Деректердің сапасы талдау сапасын анықтайды. Статистика келесі құралдарды ұсынады:
1. Деректерді тазалау: ауытқуларды, жетіспейтін мәндерді және сәйкессіздіктерді анықтау.
2. Деректерді сипаттау (сипаттамалық статистика): деректерді орталық үрдіс пен таралу өлшемдерімен қорытындылайды.
3. Қателіктерді бағалау: мысалы, сауалнама деректеріндегі таңдау қателігі немесе оқиға деректеріндегі есептердің аз көрсетілуі.
Жақсы деректерсіз тәуекел модельдері адастыруы мүмкін. Сондықтан, деректер көздерін, айнымалы анықтамаларды және жазу әдістерін түсіну талдаудың маңызды бөлігі болып табылады.
Орталықтық және дисперсия өлшемдері: Белгісіздікті өлшеу
Тәуекелді талдауда бізге сирек жағдайда тек «орташа мән» қажет. Ең бастысы, вариацияны түсіну. Мысалы, екі инвестициялық портфельдің орташа кірістілігі бірдей болуы мүмкін, бірақ құбылмалылық деңгейлері әртүрлі болуы мүмкін; құбылмалылығы жоғары портфель әдетте тәуекелді болып саналады.
Кейбір жиі қолданылатын статистикалық ұғымдар:
– Орташа (орташа): айнымалының күтілетін мәнін бағалау.
– Медиана: деректер қатты бұрмаланған кезде пайдалы, мысалы, апаттар салдарынан болған шығындардың таралуы.
– Дисперсия және стандартты ауытқу: деректердің таралуын өлшеу, көбінесе құбылмалылық индикаторлары ретінде қолданылады.
– Квартилдер және IQR: ауытқулардың тым ықпалына түспей, үлестірімді түсінуге көмектеседі.
Тәуекелдерді басқару тәжірибесінде стандартты ауытқу сияқты өлшемдер көбінесе «құбылмалылықты» сипаттау үшін қолданылады, ал медианалар немесе квантилдер консервативті сценарийлерді сипаттау үшін қолданылады.
Ықтималдық үлестірімдері: Тәуекелді модельдеудің негізі
Статистика ықтималдық үлестірімдері ұғымын енгізеді, бұл мүмкін мәндердің пайда болу ықтималдығын сипаттау тәсілдері. Дұрыс үлестірімді таңдау өте маңызды, себебі ол тәуекелді бағалауға әсер етеді.
Тәуекел контексінде жиі кездесетін кейбір үлестірімдер:
– Қалыпты үлестірім: көбінесе көптеген шағын факторлардың нәтижесі болып табылатын құбылыстар үшін қолданылады. Дегенмен, көптеген төтенше тәуекел жағдайларында қалыпты үлестірім ірі оқиғаның ықтималдығын төмендетуі мүмкін.
– Логикалық қалыптан тыс үлестірім: көбінесе қаржылық шығындар немесе жобаның аяқталу уақыты үшін қолданылады.
– Пуассон таралуы: белгілі бір кезеңдегі оқиғалар санын, мысалы, айына болатын оқиғалар санын есептеу үшін қолайлы.
– Экспоненциалды және Вейбулл үлестірімдері: машина компоненттерінің сенімділігі мен қызмет ету мерзімін талдауда кеңінен қолданылады.
Дистрибуцияларды қолдана отырып, аналитиктер белгілі бір шектен жоғары оқиғаның ықтималдығын есептей алады, мысалы, бір жыл ішінде белгілі бір шектен асып кету ықтималдығы.
Параметрлерді бағалау және қорытынды жасау: үлгіден жиынтыққа дейін
Көбінесе бізде толық жиынтық емес, тек деректер үлгісі болады. Статистикалық қорытынды бізге үлгіге негізделген популяция туралы қорытынды жасауға көмектеседі. Тәуекелді талдауда бұл мыналар үшін маңызды:
– тексеру деректері бойынша машинаның істен шығу деңгейін бағалаңыз,
– дебиторлық деректер бойынша несиелік төлемдер деңгейін бағалау,
– немесе тәуекелді азайту бойынша араласудың тиімділігін бағалау.
Сенiмдiк аралықтары сияқты әдiстер параметр үшiн ықтимал мәндер диапазонын көрсетуге көмектеседі (мысалы, орташа шығын), ал гипотеза сынақтарын екi азайту саясатын салыстыру үшiн пайдалануға болады: жаңа саясат шынымен де оқиғалардың санын азайта ма?
Тәуекелге ұшыраған құн (VaR) және сандық тәуекел өлшемдері
Қаржы саласында тәуекелдің кең таралған өлшемдерінің бірі - тәуекелдегі құн (VaR). VaR келесі сұраққа жауап береді: «Берілген кезеңдегі сенімділік деңгейіндегі максималды шығын қандай?» Мысалы, 1 миллиард IDR күнделікті VaR-дің 95% болуы күнделікті шығынның 1 миллиард IDR-ден аспайтынына 95% сенімділік бар екенін білдіреді (бірақ үлкен шығынның болу мүмкіндігі әлі де 5%).
VaR кеңінен қолданылғанымен, оның шектеулері бар, әсіресе құйрық тәуекелін жоюда. Сондықтан, VaR-дан тыс ең нашар сценарийдегі орташа шығынды ескеретін Күтілетін тапшылық (CVaR) сияқты басқа өлшемдер жиі қолданылады.
Бұл кванттық тұжырымдама басқа салаларда да өзекті, мысалы, ауаның ластануының қауіпсіз шектерін анықтау немесе тауарлардың таусылу қаупін азайту үшін қор қорларын белгілеу.
Монте-Карло модельдеуі: Күрделілікке тап болу
Жүйе аналитикалық талдау үшін тым күрделі болған кезде, Монте-Карло модельдеуі шешім болып табылады. Бұл әдіс бірнеше шығыс сценарийлерін жасау үшін кіріс үлестірімінен кездейсоқ іріктеуді пайдаланады. Мысалы:
– Әрбір іс-шара ұзақтығының өзгеруіне негізделіп, жобаның кешігу қаупін бағалаңыз.
– Әртүрлі активтер бойынша кірістіліктің белгісіздігіне негізделген портфель шығынының тәуекелін өлшейді.
– Сұраныс пен жеткізу мерзіміндегі өзгерістерге негізделген жеткізу тапшылығы қаупін болжау.
Мыңдаған немесе миллиондаған модельдеулердің көмегімен аналитиктер нәтижелердің таралуын құра алады және тек орташа мәндерді ғана емес, экстремалды оқиғалардың ықтималдығын бағалай алады.
Корреляция және тәуелділік: Тәуекелдер сирек жеке тұрады
Тәуекелдер көбінесе бір-бірімен байланысты. Экономикалық дағдарыс төлемеу қаупін арттыруы мүмкін, бұл өз кезегінде банк өтімділігінің қаупін арттырады және т.б. Статистика айнымалылар арасындағы байланысты зерттеу құралдарын ұсынады:
– Сызықтық қатынастарды көру үшін корреляция.
– Тәуекел айнымалыларына себептік айнымалылардың әсерін модельдеу үшін регрессия.
– Дағдарыс кезіндегі «үлестірудің қалдықтарын» қоса алғанда, тәуелділіктерді модельдеуге арналған Copula (озық тәуекел талдауында).
Тәуекелді талдаудағы жиі кездесетін қателік - айнымалылардың тәуелсіз деп санау. Дегенмен, төтенше жағдайларда корреляциялар артуы мүмкін, бұл біріктірілген тәуекелді әлдеқайда арттырады.
Статистиканың әртүрлі салаларда қолданылуы
1. Қоғамдық денсаулық сақтау: індет қаупін модельдеу, таралу деңгейін бағалау және вакцинаның тиімділігін өлшеу.
2. Өнеркәсіптік және еңбек қауіпсіздігі: апаттардың жиілігін талдау, себептік факторларды анықтау және K3 бағдарламаларын бағалау.
3. Сақтандыру: апат тәуекелдерін қоса алғанда, талаптардың ықтималдығына және талаптың мөлшеріне негізделген сыйлықақыларды есептейді.
4. Қоршаған орта: климатологиялық деректерге сүйене отырып, су тасқыны, көшкін немесе құрғақшылық қаупін болжау.
5. Киберқауіпсіздік: шабуылдардың ықтималдығын өлшеу, ауытқуларды анықтау және оқиғалардың қаржылық әсерін бағалау.
Бұл қолданбалардың әртүрлілігі статистиканың пәнаралық екенін көрсетеді: принциптері бірдей, бірақ деректер контексттері мен түрлері әртүрлі.
Қорытынды: Статистика белгісіздік тілі ретінде
Тәуекелдерді талдаудағы статистика, негізінен, белгісіздікті сандық бағалау әрекеті болып табылады. Деректерді, ықтималдық үлестірімдерін, қорытындыларды және модельдеуді пайдалана отырып, біз оқиғаның ықтималдығын және оның әсерін бағалай аламыз, содан кейін рационалды шешімдер қабылдай аламыз. Статистика тәуекелді толығымен жоя алмаса да, ол бізге болжамға негізделген шешімдерден аулақ болуға және күштірек азайту стратегияларын әзірлеуге көмектеседі. Бүгінгі деректер дәуірінде статистиканы түсіну және қолдану мүмкіндігі тек техникалық артықшылық қана емес, сонымен қатар белгісіз жағдайларда өмір сүру және өркендеу үшін қажеттілік болып табылады.
