خطري جي تجزيي ۾ انگ اکر

خطري جي تجزيي ۾ انگ اکر

غير يقيني صورتحال سان ڀريل دنيا ۾ - مارڪيٽ جي اتار چڙهاؤ ۽ موسمياتي تبديلي کان وٺي صحت جي خطرن ۽ سپلائي چين جي رڪاوٽن تائين - اسان کي خطري کي سمجهڻ ۽ منظم ڪرڻ لاءِ هڪ منظم طريقي جي ضرورت آهي. هي اهو هنڌ آهي جتي انگ اکر اهم ڪردار ادا ڪن ٿا. انگ اکر صرف فارمولن جي مجموعن کان وڌيڪ آهن، پر ڊيٽا کي معلومات ۾ تبديل ڪرڻ لاءِ طريقن جو هڪ سيٽ آهي جيڪو ڪنهن واقعي جي امڪان جو اندازو لڳائڻ، ان جي اثر کي ماپڻ، ۽ گهٽتائي جي حڪمت عملين کي ڊزائين ڪرڻ لاءِ استعمال ڪري سگهجي ٿو. هي مضمون بحث ڪري ٿو ته خطري جي تجزيي ۾ انگ اکر ڪيئن استعمال ڪيا وڃن ٿا، ان جي اهم تصورن، ۽ مختلف شعبن ۾ ان جي استعمال جون مثالون.

خطري کي سمجهڻ: موقعا ۽ اثر

عام طور تي، خطري کي ڪنهن واقعي جي ٿيڻ جي امڪان ۽ ان جي اثر جي ميلاپ جي طور تي سمجهي سگهجي ٿو. مثال طور، ڪنهن علائقي ۾ ٻوڏ جو خطرو ٻوڏ جي تعدد (امڪان) ۽ نقصان جي حد (اثر) کان متاثر ٿئي ٿو. انگ اکر اسان کي تاريخي ڊيٽا، ماڊلنگ، ۽ انفرنس ذريعي ماپڻ ۾ مدد ڪن ٿا.

جڏهن ته، سڀني خطرن کي آساني سان مقدار ۾ نه ٿو ڪڍي سگهجي. ڪيترن ئي ڪيسن ۾، ڊيٽا محدود، نامڪمل، يا جانبدار ٿي سگهي ٿو. تنهن ڪري، جديد خطري جو تجزيو اڪثر ڪري ڪلاسيڪل انگ اکر کي امڪاني طريقن، تخليق، ۽ مشين لرننگ سان گڏ ڪري ٿو ته جيئن وڌيڪ حقيقي اندازا پيدا ڪري سگهجن.

خطري جي تجزيي ۾ ڊيٽا جو ڪردار ۽ ان جي معيار

خطري جي تجزيي ۾ سڀ کان بنيادي قدم لاڳاپيل ڊيٽا گڏ ڪرڻ آهي. هن ڊيٽا ۾ گذريل واقعن جا رڪارڊ شامل ٿي سگهن ٿا (مثال طور، ڪم جي جڳهه تي حادثن جو ڊيٽا)، وقتي ماپون (مثال طور، روزاني برسات)، يا سروي ڊيٽا (مثال طور، حفاظتي پروٽوڪول سان صارف جي تعميل). ڊيٽا جي معيار تجزيي جي معيار کي طئي ڪري ٿي. انگ اکر اوزار مهيا ڪن ٿا:

1. ڊيٽا جي صفائي: ٻاهرين شين، گم ٿيل قدرن، ۽ غير مطابقتن کي ڳولڻ.
2. ڊيٽا جي وضاحت (وضاحتي انگ اکر): مرڪزي رجحان ۽ ورڇ جي ماپن سان ڊيٽا جو خلاصو.
3. تعصب جو جائزو: مثال طور سروي ڊيٽا ۾ چونڊ تعصب يا واقعن جي ڊيٽا ۾ گهٽ رپورٽنگ.

سٺي ڊيٽا کان سواءِ، خطري جا ماڊل ممڪن طور تي گمراهه ڪندڙ ٿي سگهن ٿا. تنهن ڪري، ڊيٽا ذريعن، متغير وصفن، ۽ رڪارڊنگ طريقن کي سمجهڻ تجزيي جو هڪ اهم حصو آهي.

مرڪزيت ۽ پکيڙ جا ماپ: غير يقيني صورتحال کي ماپڻ

خطري جي تجزيي ۾، اسان کي گهٽ ۾ گهٽ صرف "اوسط قدر" جي ضرورت آهي. وڌيڪ اهم ڳالهه اها آهي ته تبديلي کي سمجھڻ. مثال طور، ٻن سيڙپڪاري پورٽ فوليو ۾ ساڳيو سراسري واپسي ٿي سگهي ٿو پر اتار چڙهاؤ جي مختلف سطحون؛ وڌيڪ اتار چڙهاؤ سان پورٽ فوليو کي عام طور تي وڌيڪ خطرو سمجهيو ويندو آهي.

ڪجھ عام طور تي استعمال ٿيندڙ شمارياتي تصورات:

- اوسط (اوسط): هڪ متغير جي متوقع قدر جو اندازو.
- وچين: مفيد جڏهن ڊيٽا تمام گهڻو تڪراري هجي، مثال طور آفتن جي ڪري نقصانن جي ورڇ.
- تغير ۽ معياري انحراف: ڊيٽا جي پکيڙ کي ماپيو، اڪثر ڪري اتار چڙهاؤ جي اشارن طور استعمال ڪيو ويندو آهي.
- ڪوارٽائل ۽ IQR: ٻاهرين عنصرن کان تمام گهڻو متاثر ٿيڻ کان سواءِ ورڇ کي سمجهڻ ۾ مدد ڪريو.

خطري جي انتظام جي عمل ۾، معياري انحراف جهڙا قدم اڪثر ڪري "اتار چڙهڻ" کي بيان ڪرڻ لاءِ استعمال ڪيا ويندا آهن، جڏهن ته وچين يا مقدار وڌيڪ قدامت پسند منظرنامي کي بيان ڪرڻ لاءِ استعمال ڪيا ويندا آهن.

امڪاني تقسيم: خطري جي ماڊلنگ جو بنياد

انگ اکر امڪاني تقسيم جو تصور متعارف ڪرائي ٿو، جيڪي ممڪن قدرن جي ٿيڻ جي امڪان کي بيان ڪرڻ جا طريقا آهن. صحيح تقسيم چونڊڻ انتهائي اهم آهي ڇاڪاڻ ته اهو خطري جي اندازي کي متاثر ڪندو.

ڪجھ تقسيم جيڪي اڪثر خطري جي حوالي سان پيدا ٿين ٿا:

- عام ورڇ: اڪثر ڪري انهن واقعن لاءِ استعمال ڪيو ويندو آهي جيڪي ڪيترن ئي ننڍڙن عنصرن جو نتيجو آهن. جڏهن ته، انتهائي خطري جي ڪيترن ئي ڪيسن ۾، عام ورڇ ڪنهن وڏي واقعي جي امڪان کي گهٽائي سگهي ٿي.
- لاگ نارمل ورڇ: اڪثر ڪري مالي نقصان يا منصوبي جي مڪمل ٿيڻ جي وقت لاءِ استعمال ٿيندو آهي.
- پوائسن ورڇ: هڪ خاص عرصي ۾ واقعن جي تعداد جي حساب لاءِ مناسب، مثال طور هر مهيني حادثن جو تعداد.
- ايڪسپونيشل ۽ ويبل ورڇ: مشين جي اجزاء جي اعتبار ۽ زندگي جي تجزيي ۾ وڏي پيماني تي استعمال ٿيل.

تقسيم استعمال ڪندي، تجزيه نگار هڪ خاص حد کان مٿي واقع ٿيڻ جي امڪان جو حساب لڳائي سگهن ٿا، مثال طور هڪ سال ۾ هڪ خاص حد کان وڌيڪ نقصان جو امڪان.

پيرا ميٽر جو اندازو ۽ اندازو: نموني کان آبادي تائين

گهڻو ڪري اسان وٽ صرف ڊيٽا جو نمونو هوندو آهي، مڪمل سيٽ نه. شمارياتي اندازو اسان کي نموني جي بنياد تي آبادي بابت نتيجا ڪڍڻ ۾ مدد ڪري ٿو. خطري جي تجزيي ۾، هي اهم آهي:

- چڪاس جي ڊيٽا مان مشين جي ناڪامي جي شرح جو اندازو لڳايو،
- قرضدار جي ڊيٽا مان ڪريڊٽ ڊفالٽ جي شرح جو اندازو لڳايو،
- يا خطري جي گھٽتائي جي مداخلت جي اثرائتي جو جائزو وٺو.

اعتماد جي وقفن جهڙا طريقا هڪ پيرا ميٽر لاءِ ممڪن قدرن جي هڪ حد کي ظاهر ڪرڻ ۾ مدد ڪن ٿا (مثال طور، اوسط نقصان)، جڏهن ته مفروضن جا امتحان ٻن گهٽتائي پاليسين جي مقابلي لاءِ استعمال ڪري سگهجن ٿا: ڇا نئين پاليسي واقعي واقعن جي شرح کي گهٽائي ٿي؟

خطري تي قدر (VaR) ۽ مقداري خطري جا طريقا

فنانس ۾، خطري جو هڪ مشهور ماپ ويليو ايٽ رسڪ (VaR) آهي. VaR سوال جو جواب ڏئي ٿو: "هڪ ڏنل عرصي دوران ڏنل اعتماد جي سطح تي وڌ ۾ وڌ ممڪن نقصان ڇا آهي؟" مثال طور، IDR 1 بلين جي 95٪ روزاني VaR جو مطلب آهي ته 95٪ اعتماد آهي ته روزاني نقصان IDR 1 بلين کان وڌيڪ نه ٿيندو (جيتوڻيڪ اڃا تائين وڏي نقصان جو 5٪ امڪان آهي).

جيتوڻيڪ VaR وڏي پيماني تي استعمال ٿئي ٿو، ان جون حدون آهن، خاص طور تي دم جي خطري کي حل ڪرڻ ۾. تنهن ڪري، ٻيا قدم جهڙوڪ متوقع گهٽتائي (CVaR) اڪثر استعمال ڪيا ويندا آهن، جيڪي VaR کان ٻاهر بدترين صورتحال ۾ سراسري نقصان جو سبب بڻجن ٿا.

هي مقداري تصور ٻين شعبن ۾ پڻ لاڳاپيل آهي، مثال طور هوائي آلودگي لاءِ محفوظ حدون مقرر ڪرڻ يا سامان جي ختم ٿيڻ جي خطري کي گهٽائڻ لاءِ اسٽاڪ رزرو مقرر ڪرڻ.

مونٽي ڪارلو سموليشن: پيچيدگي کي منهن ڏيڻ

جڏهن ڪو نظام تجزياتي طور تي تجزيو ڪرڻ لاءِ تمام گهڻو پيچيده هوندو آهي، ته مونٽي ڪارلو سموليشن هڪ حل آهي. هي طريقو ان پٽ ورڇ مان بي ترتيب نموني استعمال ڪندو آهي ته جيئن ڪيترائي آئوٽ پُٽ منظرنامو پيدا ڪري سگهجن. مثال طور:

- هر سرگرمي جي مدت ۾ تبديلين جي بنياد تي منصوبي جي دير جي خطري جو اندازو لڳايو.
- مختلف اثاثن تي واپسي جي غير يقيني صورتحال جي بنياد تي پورٽ فوليو نقصان جي خطري کي ماپي ٿو.
- طلب ۽ ليڊ ٽائيم ۾ تبديلين جي بنياد تي سپلاءِ جي کوٽ جي خطري جي اڳڪٿي ڪريو.

هزارين کان لکين سميوليشن سان، تجزيه نگار نتيجن جي ورڇ ٺاهي سگهن ٿا ۽ انتهائي واقعن جي امڪان جو جائزو وٺي سگهن ٿا، نه رڳو سراسري قدرن جو.

لاڳاپو ۽ انحصار: خطرا ڪڏهن ڪڏهن اڪيلو هوندا آهن

خطرا اڪثر هڪ ٻئي سان لاڳاپيل هوندا آهن. هڪ معاشي بحران ڊيفالٽ جو خطرو وڌائي سگهي ٿو، جيڪو بدلي ۾ بينڪ جي ليڪويڊٽي جو خطرو وڌائي ٿو، وغيره. شماريات متغيرن جي وچ ۾ لاڳاپن جي مطالعي لاءِ اوزار مهيا ڪري ٿو:

- لڪير واري لاڳاپن کي ڏسڻ لاءِ لاڳاپو.
- خطري جي متغيرن تي سببي متغيرن جي اثر کي ماڊل ڪرڻ لاءِ رجعت.
- ڪوپولا (اعليٰ خطري جي تجزيي ۾) انحصار کي ماڊل ڪرڻ لاءِ، بشمول بحران دوران "تقسيم جي پڇن" تي.

خطري جي تجزيي ۾ هڪ عام غلطي اها آهي ته متغير آزاد آهن. جڏهن ته، انتهائي حالتن ۾، لاڳاپا وڌي سگهن ٿا، گڏيل خطري کي تمام گهڻو وڏو بڻائي ٿو.

مختلف شعبن ۾ شماريات جا استعمال

1. عوامي صحت: وبا جي خطرن جي ماڊلنگ، ٽرانسميشن جي شرحن جو اندازو لڳائڻ، ۽ ويڪسين جي اثرائتي کي ماپڻ.
2. صنعت ۽ پيشه ورانه حفاظت: حادثي جي تعدد جو تجزيو ڪرڻ، سببي عنصرن جي سڃاڻپ ڪرڻ، ۽ K3 پروگرامن جو جائزو وٺڻ.
3. انشورنس: دعوائن جي امڪان ۽ دعويٰ جي سائيز جي بنياد تي پريميئم جو حساب لڳائي ٿو، جنهن ۾ آفت جا خطرا به شامل آهن.
4. ماحول: موسمياتي ڊيٽا جي بنياد تي ٻوڏ، لينڊ سلائيڊنگ، يا خشڪي جي خطري جي اڳڪٿي ڪرڻ.
5. سائبر سيڪيورٽي: حملن جي امڪان کي ماپڻ، بي ضابطگين کي ڳولڻ، ۽ واقعن جي مالي اثر جو اندازو لڳائڻ.

انهن ايپليڪيشنن جي تنوع مان ظاهر ٿئي ٿو ته انگ اکر بين الضابطه آهن: اصول ساڳيا آهن، پر ڊيٽا جا حوالا ۽ قسم مختلف آهن.

نتيجو: انگ اکر غير يقيني جي ٻولي جي طور تي

خطري جي تجزيي ۾ انگ اکر بنيادي طور تي غير يقيني صورتحال کي ماپڻ جي ڪوشش آهي. ڊيٽا، امڪاني تقسيم، اندازو، ۽ تخليق استعمال ڪندي، اسان هڪ واقعي جي امڪان ۽ ان جي اثر جو اندازو لڳائي سگهون ٿا، ۽ پوءِ وڌيڪ عقلي فيصلا ڪري سگهون ٿا. جڏهن ته انگ اکر خطري کي مڪمل طور تي ختم نٿا ڪري سگهن، اهو اسان کي مفروضن تي ٻڌل فيصلن کان بچڻ ۽ مضبوط گهٽتائي واري حڪمت عمليون ٺاهڻ ۾ مدد ڪري ٿو. اڄ جي ڊيٽا جي دور ۾، انگن اکرن کي سمجهڻ ۽ لاڳو ڪرڻ جي صلاحيت صرف هڪ ٽيڪنيڪل فائدو ناهي، پر غير يقيني حالتن ۾ زنده رهڻ ۽ ترقي ڪرڻ جي ضرورت آهي.