98 n Aplikovaná analýza rizika
V pøípadì nesymetrických rozdìlení lze uplatnit pravidla stochastické dominance. Podle prvního pravidla stochastické dominance preferuje manažer jeden investièní projekt pøed druhým v pøípadì, že graf jeho distribuèní funkce leží vpravo od stejného grafu druhého projektu a tyto grafy se neprotínají. Pokud se grafy distribuèních funkcí protínají, lze uplatnit druhé pravidlo stochastické dominance založené na srovnání velikosti ploch vymezených tìmito grafy. Zatímco aplikace prvního pravidla stochastické dominance není omezena žádnými pøedpoklady, druhé pravidlo platí pro subjekty s averzí k riziku. V pøípadì, že riziko urèitého projektu èi aktivity bude pøijatelné, mìl by se (za pøedpokladu, že jeho potencionální výnosnost je dostateèná a splòuje i požadavky jiných kritérií) tento projekt èi aktivita realizovat. Jde o tzv. retenci (zadržení) rizika. Pokud je riziko posouzeno jako nepøijatelné, je možné se riziku buï vyhnout, nebo uplatnit urèitá opatøení vedoucí ke snížení, resp. zmírnìní tohoto rizika. Tato opatøení mohou mít charakter eliminace, resp. oslabení pøíèin vzniku rizika (prevence rizika), snižování negativních dopadù rizika a transferu rizika, tj. jeho pøesunu na jiné subjekty, napø. pojišťovnu, dodavatele, odbìratele aj. Pøi posuzování a výbìru tìchto opatøení je však tøeba zvažovat nejen dosažitelné snížení rizika, ale i náklady potøebné na realizaci tìchto opatøení.
Literatura [1] [2] [3] [4] [5] [6] [7] [8] [9] [10] [11] [12] [13]
A Risk Management Standard. London: The Institute of Risk Management, 2002. BREALEY, R. A. – MYERS, S. C.: Teorie a praxe firemních financí. Praha: Computer Press, 2000. COOKE, S. – SLACK, N.: Making management decisions. London: Prentice Hall International, 1991. DAMODARAN, A.: Strategic Risk Taking. A Framework for Risk Management. Upper Saddle River: Wharton School Publishing, 2008. FOTR, J. a kol.: Manažerské rozhodování. Metody, postupy a nástroje. Praha: Ekopress, 2006. FOTR, J. – SOUÈEK, I.: Podnikatelský zámìr a investièní rozhodování. Praha: Grada Publishing, 2005. HNILICA, J.: Risk management v nefinanèní firmì. Praha: Oeconomica, 2005. MUN, J.: Modelling Risk. New York: John Wiley & Sons, 2006. Risk Management Policy. Perth: Murdoch University, 2003. TICHÝ, M.: Ovládání rizika. Analýza a management. Praha: C.H. Beck, 2006. SMEJKAL, V. – RAIS, K.: Øízení rizik ve firmách a jiných organizacích. 2. vydání. Praha: Grada Publishing, 2006. ŠVECOVÁ, L.: Riziko a nejistota ve strategickém rozhodování. Doktorská disertaèní práce. Praha: VŠE, 2005. VOSE, D.: Risk analysis: a quantitative guide. New York: John Wiley & Sons, 2000.
Ukázka elektronické knihy, UID: KOS180605
ÈÁST II.
Simulace Monte Carlo v analýze rizika
Ukázka elektronické knihy, UID: KOS180605
100 n Aplikovaná analýza rizika
5. Expertní názory v simulaèních modelech Jelikož se znaèné množství projektù vyznaèuje silnou specifièností a neopakovatelností v èase, budeme v mnoha situacích pøi sestavování simulaèního modelu odkázáni témìø výhradnì na názory expertù, které samozøejmì mohou být rùznì kvalitní. Proto jistá dávka opatrnosti pro analytika tu je více než namístì. Ze všeho nejdùležitìjší je dbát na to, abychom všichni „hovoøili spoleèným jazykem“, tj. abychom si všechny pojmy, definice èi implicitní pøedpoklady hned od zaèátku jednání snažili maximálnì vyjasòovat. Experti by mìli být podrobnìji seznámeni – alespoò v principech – s modelem, kterým rozhodovací problém chceme øešit, a samozøejmì s tím, co od nich oèekáváme. Jen tak mùže být vzájemná komunikace skuteènì efektivní a všem zainteresovaným bude jasné „o èem je, resp. bude øeè“.
5.1 Stanovení rozdìlení pravdìpodobnosti rizikových faktorù s využitím expertních názorù Pøi vyjasòování parametrù modelu je nutné, aby rozhodovací problém byl vhodnì rozložen na urèité èásti, které budou pro experty snadnìji uchopitelné. Napøíklad místo pøímého odhadu tržeb je vhodnìjší odhadovat tržby na základì tržních podílù v jednotlivých regionech a ty pak zpìtnì agregovat. Disagregace rozhodovacího problému umožní i lépe vidìt pøípadné závislosti mezi komponenty modelu, èímž dojde k dalšímu zpøesnìní výsledného modelu. Koneèné agregované rozdìlení tržeb pak bude poskytovat komplexnìjší a pøesnìjší obraz než jeho pøímý odhad. Dalším podstatným dùsledkem náležitì provedené disagregace rozhodovacího problému je vlastní vyjasnìní si problematických okruhù a rizik. Tím získáme mnohem lepší vhled do situace o nejistotì, které jsme vystaveni, a možnost soustøedit se na oblasti, které jsou pro rozhodovací problém podstatné. Jedním z možných testù dobøe provedené disagregace je provést v simulaèním modelu analýzu citlivosti a zjistit, zda nepøevažuje výrazná dominance urèitého rizikového faktoru, pøíp. nìkolika málo rizikových faktorù. Pokud byl rozhodovací problém již náležitì dekomponován na jednotlivé významné položky, následuje další krok, kterým je volba typu rozdìlení pravdìpodobnosti jednotlivých identifikovaných rizikových faktorù a specifikace odhadu jejich parametrù. V mnoha situacích si vystaèíme se tøemi rùznými „polohami“ expertního odhadu, kterými jsou minimum, maximum a nejpravdìpodobnìjší hodnota sledované velièiny. Tím jsme nasmìrováni k využití trojúhelníkového èi BetaPERT rozdìlení. Zde je namístì poznamenat, že z psychologického hlediska není vhodné zaèít pøi zjišťování parametrù ihned dotazem na nejpravdìpodobnìjší hodnotu, ale spíše nejdøíve analyzovat scénáøe vedoucí k hranicím možného intervalu. Teprve po vyjasnìní si intervalu možných hodnot se ptáme na hodnotu, která je asi nejpravdìpodobnìjší.
Ukázka elektronické knihy, UID: KOS180605