Выработка решения в условиях риска

 

Как было отмечено, риск существует тогда, когда лицо, принимающее решение, не знает заранее его результатов, но способно установить объективное распределение вероятности возможных состояний внешней среды и связанных с ними отдач или результатов.

Методы оценки риска

Имеются два главных подхода к объективному измерению вероятности (степени риска). Один из них априори, методом дедукции; другой – апостериори, посредством статистического анализа эмпирических данных.

Метод априори. При методе априори лицо, принимающее решение, способно определять вероятность результата без экспериментирования или анализа прошлого опыта. Вместо этого вероятности определяются дедуктивно на основании допускаемых принципов при условии, что характеристики возможных случаев известны заранее. Например, мы знаем, что монета имеет две стороны. По этой причине подброшенная вверх монета может упасть или на ту или на другую сторону. Допуская, что монета равномерно сбалансирована, мы можем дидактически сделать вывод, что имеется равная вероятность того, что монета упадет или на ту или на другую сторону при любом единичном подбрасывании. Необязательно подбрасывать монету много раз, чтобы обнаружить, что сравнительная частота падения на ту или другую сторону составляет ½, или одно из каждых двух подбрасываний. На том же основании нет необходимости постоянно вытягивать карты из колоды, содержащей 52 карты, чтобы сделать вывод, что вероятность вытягивания любой конкретной карты равна 1/52.

Предполагаются ли все эти утверждения по поводу вероятности для предсказания конкретного результата? Конечно, нет. Они просто говорят о том, что в достаточно большом количестве экспериментов конкретный результат не находит реализации. Отсюда следует, что опытные игроки, участвующие в подобных играх, сталкиваются с условием риска, а не неопределенности. Единственное, что можно сказать почти наверняка, это то, что они проиграют, а игорный дом, в конечном счете, выиграет.

Априорный метод оценки риска подходит в том случае, когда принимающий решение может вычислить вероятность результата, не полагаясь на экспериментирование, выборку или прошлый опыт. Если это невозможно, то лицо, принимающее решение, должно воспользоваться апостериорным методом. При методе априори мы идем от причины к следствию. При методе апостериори мы наблюдаем, следствия посредством эмпирического измерения, а затем пытается установить причину.

Метод апостериори. Метод апостериори предполагает, что прошлый опыт является типичным и что он будет продолжаться в будущем. Для того, чтобы установить измерение вероятности, лицо, принимающее решение, начинает с наблюдения частоты возникновения события, представляющего интерес, и с распределения этой частоты на общее количество наблюдений. Например, предположим, что на протяжении многих лет международная авиалиния планировала дополнительные воздушные рейсы между Гонолулу и Гонконгом для того, чтобы справиться с растущим потоком пассажиров во время Рождественских каникул и Новогодних праздников. Сейчас фирма должна принять решение, назначать дополнительные рейсы или нет. В первую очередь она должна собрать данные относительно того, какое количество мест было заполнено (фактор загрузки) в каждом из прошлых рейсов. Количество раз получения каждого конкретного фактора загрузки и представляет собой частоту этого фактора загрузки. Если этот показатель организован в нисходящем или восходящем порядке, то это распределение частоты.

Статистическая теория требует, чтобы данные по частоте удовлетворяли трем техническим условиям:

- данные должны обеспечивать достаточное количество случаев или наблюдений, чтобы продемонстрировать стабильность;

- наблюдения должны повторяться в совокупности наблюдений;

- наблюдения должны быть независимыми.

Если эти условия будут удовлетворены, то распределение частоты может быть преобразовано в распределение вероятности. Заметим, что существует различие между распределением частоты и распределением вероятности. Распределение частоты – это табулирование того, сколько раз возникали определенные события в прошлом. Распределение вероятности – это табулирование возможности возникновения этих событий в будущем в процентах.

Если лицо, принимающее решения, готово предположить, что прошлый опыт является типичным и что он может быть использован в будущем, то самый простейший способ для построения распределения вероятности – это осуществить прямое преобразование распределения частоты. Например, если определенный фактор загрузки возникал 20 раз на протяжении последних 50 рейсов, то мы можем сказать, что ожидаемая частота, а отсюда и вероятность возникновения этого фактора во время следующего полета будет равна 20/50 = 0,4 или 40%.

От лица, принимающего решения, конечно, не требуется принятия решения на основании знания простого преобразования распределения частоты. Распределение вероятности может быть модифицировано с целью получения новых факторов, которые могут иметь важное значение для последующего экономического поведения, или с целью корректировки контроля за прошлым, не продолжающимся в будущем.

Если условия таков, что статистическая вероятность события может быть вычислена объективно, то возможность такого результата должна классифицироваться как риск. Таким образом, страховые компании могут предсказывать с высокой степенью вероятности смерти, несчастные случаи и ущерб от пожаров. Эти вероятности помогают им принимать решения относительно уровней и ставок страховых премий. Хотя они и не могут установить вероятность того, что конкретный человек умрет или что конкретный дом сгорит, они могут предсказать с небольшой ошибкой, сколько людей в данной возрастной группе умрет в следующем году или сколько домов данного типа, расположенных в определенной местности сгорят.

Если менеджер, принимающий решение, сталкивается с событиями или результатами, подразумевающими наличие риска, то его главная задача заключается в разработке методов, способных обеспечить его возможностью вычислить, а в следующем свести к минимуму риски, присущие конкретной задаче. Один из методов, применяемых для достижения этих целей, состоит в том, чтобы вычислить распределение вероятности возможных результатов из блока выборочных наблюдений, а затем подсчитать предполагаемую стоимость.