И3 - технологии включают следующие процедуры:
1) Построение ЛВ-модели риска системы. Формулируется сценарий риска, строится структурная модель риска, записывается Л-модель риска, получают В-модель (полином) риска. В частных случаях строят ЛВ-модели риска с ограниченным числом событий в виде кратчайших путей функционирования или по сценарию риска. Комплексные структурно-сложные экономические системы включают в себя несколько подсистем, которые могут иметь общие элементы (события). Комплексная ЛВ-модель риска может быть настолько сложной, что логическая и вероятностная функции риска превосходят объем памяти компьютера. В этом случае применяется декомпозиция модели и свертывание инициирующие события в узлах типа И и ИЛИ.
2) Идентификация ЛВ-модели риска по статистическим данным заключается в определении допустимого риска и вероятностей неуспеха от событий-градаций. Критерием идентификации является целочисленная функция: число корректно-распознаваемых хороших и плохих состояний системы должно быть максимально. Предложенные методы обеспечивают решения при больших числах состояний (1000 и более), параметров и градаций в параметрах и любой сложности Л-модели за приемлемое время.
3) ЛВ-анализ риска и эффективности системы выполняется на вероятностной модели риска. Количественный анализ риска заключается в определении атрибутов риска или вкладов влияющих параметров и их градаций в риск и эффективность состояний системы и всей системы в целом. Логико-вероятностный анализ обладает наибольшими возможностями для детального анализа риска и эффективности системы.
4) ЛВ-управление риском и эффективностью системы. В социально- экономических системах различают оперативное и стратегическое управление риском и эффективностью. Оперативное управление осуществляется по результатам анализа риска и эффективности в следующей последовательности: оценка вкладов событий-градаций и событий-параметров, выбор наиболее значимых вкладов, распределение ресурсов на изменение вероятностей наиболее значимых событий-градаций. Стратегическое управление развитием системы по критериям риска и эффективности заключается в управлении движением по выбранной траектории и коррекцией при отклонении от нее.
5) ЛВ-прогнозирование риска и кризиса. Прогнозирование осуществляют по статистическим данным в пространстве состояний системы. Оценивают риск и эффективности состояний системы, которых нет в статистических данных. Например, выполнив идентификацию ЛВ-модели кредитного риска по статистическим данным банка, прогнозируется риск и эффективность новых заявок на кредит.
Прогнозируют начало и причины спада, кризиса и рецессии системы, спустя несколько дней после их начала. Строится дискретное распределение параметра эффективности (например, доходности портфеля, товарооборота магазина и т.д.). Вклады, как дифференциальные характеристики, в большей мере объясняют наступление кризиса системы.
6) Адаптация и коммерциализация ЛВ-программных средств. Для моделей классов ЛВ-классификация, ЛВ-эффективность и ЛВ-моделирование со статистическими данными разработаны специальные программные средства (авторы: Е. Соложенцев, В. Карасев, В. Алексеев, А. Ширяев). Для работы со статическими ЛВ-моделями риска класса «ЛВ-моделирование» используется аппарат ЛВ-исчисления И. А. Рябинина [13] и программные средства для ЛВ-моделей любой логической сложности А. С. Можаева [13].
Актуальной является задача создания дешевых программных средств для студентов, экономистов и менеджеров, позволяющих самостоятельно строить сценарии и модели риска и выполнять исследования по управлению риском и эффективностью.
Область приложений ЛВ-моделей риска в экономике практически не ограничена. Достаточно представить систему как структурно-сложную и иметь статистические данные. Проблематика исследований может быть выбрана по аналогии с исследованиями, представленными в табл. 2.
По точности и прозрачности оценки и анализа риска состояний и всей системы ЛВ-модели риска продемонстрировали целый ряд преимуществ.
Так, ЛВ-управление риском и эффективностью кредитными рисками дают:
- в два раза большую точность в классификации кредитов,
- в семь раз большую устойчивость в классификации кредитов,
- абсолютную прозрачность в оценке и анализе риска кредитов,
- решение новых задач анализа и управления риском.
Таблица 2. Примеры приложений И
3 - технологий с ЛВ-моделями риска и эффективности
Приложения
| Апробации
|
Кредитные риски физических и юридических лиц
| Опытные расчеты на данных 4-х банков. Лабораторные работы
|
Риск портфеля ценных бумаг
| Опытная эксплуатация. Лабораторные работы
|
ЛВ-управление риском и эффективтью
| Реальные исследования. Ресторан. Магазин
|
Риск неуспеха менеджмента компании
| Реальные исследования. ЗАО «Транзас»
|
Риск взяток и коррупции
| Модельные исследования. Взятки в учреждении, мошенничества чиновников
|
Риск взяток при обслуживании
| Реальные исследования. Взятки в детском саде
|
Управление риском развития
| Реальные исследования технической системы
|
Прогнозирование кризиса (исчерпание ресурса) технической системы
| Компрессорные станции магистральных газопроводов
|
Моделирование и Анализ риска и эффективности социальных и экономических процессов
| Исследования на реальных данных Газпрома. Лабораторные работы (студенты разработали 150 сценариев и ЛВ-моделей риска)
|
Заключение
«И3 - технологии в экономике» это новое научное направление для решения прикладных задач управления риском и эффективностью в экономике [14].
И3 - технологии обеспечивают выполнение требований ИСО-9001-2001 по управлению качеством производственных процессов и Базель II по оценке кредитных рисков банков и резервирования на случай дефолта, обязательные для вступления в ВТО. Создание научных центров “И3 -технологии в экономике” весьма актуально для решения задачи модернизации экономики страны.
Литература
1. Е.Б. Балацкий. Мировая экономическая наука на современном этапе: кризис или прорыв? – Науковедение, N 2, 2001.
2. В. М. Полтерович. Элементы теории реформ. М.: Экономика, 2007.
3. Р.С. Гринберг, А.И. Татаркин. Оценка социально-экономических последствий
присоединения России к ВТО. М.: Экономика, 2007, 534 с.
4. Патрик Дж. Бьюкенен. Избранные труды.- М.: Альфа пресс, 1997.
5. В. Л. Макаров, А. Р. Бахтизин. Новый инструмент в общественных науках – агент-ориентированные модели: общее описание и конкретные примеры.- Экономика и
управление, №12 (59) 2009, с.13-25.
6. International Convergence of Capital Measurement and Capital Standards. A Revised
Framework. Basel Committee on Banking Supervision, Bank for International
Settlements Press & Communications. Basel, 2004.
7. Бухтин М. А. Методика и практика управления операционными рисками в коммерческом банке. ИБД АРБ ,13 октября 2006.
8. ГОСТ Р. ИСО 9001-2001. Системы менеджмента качества. Требования. Госстандарт России. М.: Изд-во стандартов, 2001. 30 с.
9. Богословский С. В. Логико-вероятностные методы в экономике. Монография. Санкт-Петербургская академия межотраслевых наук (АМОН), 2007,-2007, - 196 с.
10. Е. Д. Соложенцев. Управление риском и эффективностью в экономике. Логико-
вероятностный подход СПб: Изд-во СПб ун-та, 2009. 270 с.
11. Solojentsev E. D. Scenario Logic and Probabilistic Management of Risk in Business and Engineering. Springer: Second edition, 2008. 480 p.
12. Рябинин И. А. Надежность и безопасность структурно-сложных систем. 2-е изд: Изд-во С-Петерб. ун-та, 2007 276 с.
13. Mozhaev A. S. Certification of the Software for automated calculations of systems safety and technical risks “Arbiter”. / Proc. of the Int. Scien. School ``Modeling and Analysis of Safety and Risk in Complex Systems'', 2007. September 4-8. St. Petersburg: SPUASE, 2007.
14.
www.dolgrach.ucoz.com