Полная версия

Главная arrow Менеджмент arrow Введение в количественный риск-менеджмент

  • Увеличить шрифт
  • Уменьшить шрифт


<<   СОДЕРЖАНИЕ ПОСМОТРЕТЬ ОРИГИНАЛ   >>

Подготовительный этап

Первый этап представляет собой, по существу, процесс идентификации факторов риска и их предварительного обсуждения, включая сбор необходимой статистики, что создает условия для последующего анализа.

Качественный анализ возможности использования тех или иных факторов риска является важным шагом при подготовке к исследованию факторов, влияющих на размер ущерба. Как правило, именно он определяет специфику всех дальнейших действий. Однако на практике выбор тех или иных величин часто осуществляется не в ходе формальных изысканий, а следует из особенностей бизнеса и текущей конъюнктуры.

Влияние некоторых факторов на размер ущерба считается очевидным (скажем, влияние строительных материалов на риск возникновения пожара). Применение других объясняется традицией принятия управленческих решений в конкретной области. Примером может служить поло-возрастная дифференциация страховых тарифов. Однако ряд факторов требует специального статистического обоснования на основе информации по портфелю рисков.

Подобные обоснования часто требуют организации сбора необходимых данных, так как маловероятно найти в регулярно обрабатываемой статистике сведения о влиянии совершенно нового фактора риска, потому что ранее никому в компании, скорее всего, не приходило в голову накапливать подобный статистический материал. Использование внешних источников возможно, но соответствующий эффект все равно желательно подтвердить на основе анализа внутренней информации. Для получения последней риск-менеджер может использовать два подхода:

  • • накопление собственных данных компании, что может занять несколько лет, в течение которых эффективная защита от соответствующих рисков отсутствует;
  • • организация так называемого «информационного пула», предполагающего объединение статистики нескольких компаний, что убыстряет сбор данных, но приводит к риску утечки информации конкурентам.

При выборе второго подхода очевидно, что необходимо предпринимать определенные усилия для того, чтобы подробная статистика не попала к конкурентам. В частности, это предполагает проведение исследования не представителями самих конкурирующих компаний, а независимыми экспертами. Кроме того, в отчетах о результатах анализа содержатся только усредненные данные по всему пулу, которые могут быть использованы для уточнения оценок по своему портфелю рисков.

Дизайн представления статистических данных достаточно сложен: вместо скалярных наблюдений ущерба Xj риск-менеджер будет иметь дело с наборами величин

(xj, Wij,..., wmj), j E 1 -Gn, где — значение г-й ковариаты (фактора риска) в j-м наблюдении. Это требует более комплексной процедуры сбора информации, так как использование Xj и из различных источников наблюдений проблематично.

Анализ факторов риска предполагает отбор таких факторов, которые будут использоваться (возможно, с учетом подходящих преобразований, например дискретизации) для принятия решений. Часто на практике речь идет об оценке Е [X |tui,..., Writ], где т — число используемых факторов.

Если объем данных достаточно велик, то рекомендуется разделить выборку на две части — обучающую и контрольную. Статистическое оценивание осуществляется па основе первой, а вторая используется для проверки качества оценивания.

В ряде случаев значения ковариат должны быть предварительно модифицированы в связи с особенностями интерпретации и/или удобства статистической обработки. В частности, речь может идти об изменении единиц измерения либо о замене количественной переменной (принимающей вещественные или целочисленные значения) порядковыми или индикаторными.

Последнее хорошо согласуется с использованием априорно определенных интервалов значений, например, па основе требований надзорных органов или принятой ранее политики управления рисками. Поэтому такой прием хорошо срабатывает, когда нужно увязать новые данные с классификацией прошлых периодов, а также при согласовании типов данных (например, индикатор пола с целочисленной переменной возраста или вещественной переменной дохода).

Рассмотрим пример с дискретизацией возраста, обусловленной выбором возрастных интервалов. Подобная процедура предполагает замену одной «обычной» переменной wi набором к индикаторов ,..., , задающим к + 1 интервал значений. В табл. 4.2 представлен вариант такой замены для шести возрастных групп.

Таблица 4-3. Определение значений индикаторов для возрастных интервалов

Индикатор

Возрастной интервал

до 20 лет

20-29 лет

30-39 лет

40-49 лет

50-59 лет

более 60 лет

0

1

0

0

0

0

0

0

1

0

0

0

(з)

Ul

0

0

0

1

0

0

(4)

го;

г

0

0

0

0

1

0

(5)

U)

0

0

0

0

0

1

Естественно, индикаторы и^ ... ,w[k^ теперь следует рассматривать совместно. Очевидно, что подобное «разбиение» переменной не единственно, и большую роль при этом играют субъективные факторы и априорные ограничения (скажем, существующая группировка по возрастам).

Ещё одним преимуществом подобной дискретизации является возможность уменьшения зависимости между значениями ковариат, что, однако, не гарантировано и требует специальной статистической проверки в каждом конкретном случае. Это полезно, когда соответствующие ковариаты необходимо включить в анализ из- за особенностей их интерпретации (например, возраст и состояние здоровья).

 
<<   СОДЕРЖАНИЕ ПОСМОТРЕТЬ ОРИГИНАЛ   >>