Роман Качалов - Управление экономическим риском. Теоретические основы и приложения

Известно также, что хозяйственные руководители, добивающиеся стабильного успеха и высоких экономических результатов своих предприятий, чаще избегают рискованных авантюристических проектов и предпочитают надежные проверенные осмотрительные действия. И это несмотря на то, что сделки с наиболее высокой степенью риска при их благополучном исходе оказываются, как правило, и самыми прибыльными. Недаром в обыденном сознании больший риск ассоциируется не только с потенциально большей выгодой, но и с возможностью больше потерять. В некоторых работах эта ситуация описывается как «сожаления после принятия решения» (postdecision regret). Это случай решений, в которых возможно придется раскаиваться, указывает на то, что решение, которое привело к ущербу, могло быть, тем не менее, правильным. Асимметрия времени разрушает и этот парадокс. По сути дела, именно для этого случая разрабатывались вероятностно-статистические модели исчисления риска.

Однако, какие бы изощренные вычисления ни производились и какие бы при этом ни получались убедительные совпадения результатов, это отнюдь не означает, что существует такое решение, которое вообще избавляет от риска. И, само собой разумеется, отказ от принятия какого-либо решения – это тоже решение, которому также сопутствует риск не получить желаемый результат. Опыт учит: чем больше знаешь, тем больше знаешь, чего не знаешь, и тем скорее формируется сознание риска. Тем не менее, чем более рациональны, чем более сложно задуманы обосновывающие решение исследования и расчеты, тем больше граней проблемы попадает в поле зрения. Идея использования категории «хозяйственный риск» и связанных с ней расчетов и оценок способствует расширению исследовательских и прикладных возможностей и пополнению знаний об управляемом хозяйственном объекте, а значит, в конечном счете будет способствовать повышению качества управления.

Для формализованного описания неопределенности обычно используются три класса математических моделей, различающиеся степенью информированности о состоянии объективной реальности: стохастические, лингвистические, и нестохастические, или игровые (Клейнер, Смоляк, 2000). В стохастических моделях неопределенность описывается распределением вероятностей на заданном множестве. В лингвистических моделях – функцией принадлежности, задаваемой вербально [5] В данной работе нечеткие модели включают в класс лингвистических. . Нестохастические игровые модели используются тогда, когда имеется возможность лишь задать неструктурированное множество значений элементарного события, потенциально могущих реализоваться.

В частности, для математической постановки задачи анализа риска исходная информация может быть представлена в виде нагруженной причинно-следственной сети (ПСС), отражающей результаты качественного анализа ситуации с учетом компонентов риска. Под причинно-следственной сетью понимается ориентированный граф, каждый узел которого обозначает событие или совокупность событий (факторов риска), приводящих к нежелательным последствиям, а дуги соединяют причины с каждым из возможных непосредственных нежелательных последствий. Таким образом, ПСС формализует качественные результаты анализа риска данного объекта, фиксируя перечни факторов риска и вариантов нежелательного развития событий в случае реализации одного или нескольких факторов риска. Неопределенность и неоднозначность развития событий отображаются в ПСС тем, что из каждого узла ПСС выходит в общем случае не одна дуга. Возможны ситуации, для которых известна информация о степени возможности реализации того или иного исхода. Это соответствует наличию информации для каждой дуги, исходящей из данного узла, о степени возможности перехода по ней. В таком случае можно перейти к нагруженным ПСС. Способ нагружения ПСС это способ описания неопределенности перехода, который фактически и определяет класс математической модели анализа риска (Аркин, Смоляк, 1984).

Последняя разновидность моделей неопределенности – нестохастические игровые модели – позволяет преодолеть ограниченность механистического понимания каузальности, включая в рассмотрение и фокусируя внимание на том, что в экономических явлениях мы имеем дело с совершенно особыми объектами, демонстрирующими непривычные для нас формы причинности. Экономические явления отличаются тем, что в известные, то есть изученные закономерности вторгается игра , то есть столкновение двух (а может быть, и более) подвижных и реагирующих друг на друга субъектов, стратегий, воль и интеллектуальных усилий. Это приводит к тому, что, начиная с некоторого момента, параметры закономерности могут измениться (происходит обучение или самообучение некоторых экономических субъектов-участников взаимодействия, несимметрично меняется информированность субъектов), и один (или более) из экономических субъектов начинает вести себя иначе, по иным закономерностям, чем до этого. В одном случае информированность субъекта-участника (или предсказуемость его поведения) составляет постоянную величину, в другом – она может изменяться.

Это обстоятельство приводит к выделению различных типов причинности: с конкретным (условно постоянным) уровнем информированности для стабильных экономических систем и с возрастанием информированности – в системах подвижных («игровых»). Первые имеют симметрические структуры, вторые – симметрично-асимметричные. Для пояснения этого явления Ю. М. Лотман [6] См. Максимов Д. Е. Из переписки с Ю. М. Лотманом и З. Г. Минц / публ., подгот. текста, вступ. заметка и примеч. Б. Ф. Егорова // Звезда. 2004. № 12. приводит следующий пример: очередная шахматная партия может завершиться неожиданностью вследствие того что один из игроков стал лучше играть, то есть имел место прирост информации [7] Более правильным и точным в этом случае будет говорить о приращении знания. . Для этого нужны два игрока – при игре с самим собой неожиданность исключена. Они симметричны, но по позам зеркально противоположны, а интеллектуально различны (асимметрия в симметрии). Всякий раз, когда возникает асимметрия, возможен прирост информации или приращение знания [8] Например, для рождения ребенка нужна половая асимметрия, для интеллектуального процесса – асимметрия полушарий головного мозга, асимметрия в симметрии – закон художественных структур и пр. (М. Ю. Лотман). .

В экономических взаимодействиях примерами асимметрии информации (или информационного неравенства) могут служить ситуации, когда один из участников получает, например, доступ к инсайдерской информации и узнает скрываемую информацию о положении или намерениях другого субъекта экономических взаимодействий (например, конкурента). Аналогично, когда становится известной информация о появлении у одной из соперничающих фирм технологического новшества либо о внедрении организационной инновации, благодаря чему эта фирма смогла реализовать более высокие скорости обработки и выполнения заказов (например, интернет-торговля и т. п.), либо когда предприятие обучает своих сотрудников новым способам выполнения работ (кружки качества и т. п.). Фактически это иллюстрации к тезисам К. Эрроу, Ж. Дебре по «Асимметрии информации» о том, что все субъекты рынка фактически находятся в состоянии разной информированности (асимметрия информации). Подключение функции управления риском позволяет в какой-то мере компенсировать негативный эффект асимметрии информации (точнее, асимметрии информированности) для данного субъекта хозяйственной деятельности. К этому надо добавить, что существует еще разница между информированностью субъектов экономической деятельности как целого и информированностью данного руководителя предприятия, исследователя риска и др., которых не всегда можно отождествить с исследуемым субъектом хозяйственной деятельности.