Перевод статьи Measuring and Managing Operational Risks (by Samir Shah, Tillinghast, April 2002)
Если ссылка выше не доступна, то оригинал также можно прочитать в файле MeasuringManagingOpRisks.doc (формат - MS Word, 51.5 кб)

В индустрии управления рисками очень сильно увеличился интерес к оценке и управлению операционными рисками. Это произошло в результате сочетания последних исследований в корпоративном управлении и адекватности капитала, и возрастающего понимания того, что расширение взгляда на управление рисками это хорошее дело. Волна последних хорошо известных корпоративных неудач показала что, нередко, причина была в оперативном риске – для которого не было зарезервировано капитала – а не в рыночных, кредитных, или страховых рисках.

В ответ на это, в Канаде, Объединенном Королевстве и Австралии пересмотрели корпоративные стандарты управления в области ответственности директоров за управление всеми рисками: рыночными, кредитными, страховыми, юридическими, технологическими, стратегическими, регуляционными, и т.п. Комитет «Basel» предложил переложить заботу о капитале для операционного риска на банки, чтобы защитить от «…неудач во внутренних процессах, по причине людей, системы или из-за внешних событий». У риск-менеджеров появилась отчаянная необходимость в надежных методах для оценки и управления операционными рисками.

Эта серия статей опишет различные методы, которые помогут количественно оценить операционные риски.

Характеристика операционных рисков

Прежде, чем мы будем говорить о моделировании операционных рисков, будет полезно, сначала понять уникальные характеристики операционных рисков и их отражение в методах моделирования.

Эндогенная и динамическая природа операционных рисков предполагает большее применение экспертных оценок и профессиональных суждений, чтобы возместить недостаток данных, по крайней мере пока компании не соберут достаточно статистических данных по изменению окружающей бизнес-среды. Использование операционных стратегий для снижения операционных рисков предполагает причинный подход к моделированию, который менеджеры могут использовать для выполнения “what-if” анализа. В конечном итоге, цель управления рисками состоит в том, чтобы снизить операционные риски, а не измерить их.

Методы моделирования риска

Существует множество методов моделирования риска (рис. 1). Хотя есть много подходов к классификации этих методов моделирования, для нашей цели нужно расположить их, исходя из степени базирования на статистических данных или же экспертных оценках. Этот список методов ни в коем случае не исчерпывающий. Однако, он хорошо иллюстрирует, что существует большое количество методов моделирования риска в финансовых, инженерных, и управленческих науках, которые могут использоваться в зависимости от конкретных обстоятельств.

Рис. 1. Существует множество методов моделирования риска, различающихся по степени базирования на статистических данных или же экспертных оценках. Каждый метод имеет преимущества и недостатки по сравнению с другими и требует различных навыков. Метод должен быть выбран в зависимости от конкретных фактов и обстоятельств.

Методы, основанные на статистическом анализе исторических данных

Количественная оценка рыночных, кредитных и страховых рисков очень сильно полагается на статистический анализ исторических данных. Эти риски моделируются прежде всего с использованием методов, изображенных слева на рис. 1. Они включают, например:

• актуриальные подходы, основанные на спиральной частоте и распределениях вероятности,
• моделирование с использованием стохастических дифференциальных уравнений,
• теория экстремального значения для моделирования остаточного распределения вероятности.

Операционные риски могут быть также смоделированы с использованием этих методов, когда существует достаточное количество репрезентативных статистических данных. Высокочастотные, малой важности операционные риски, ошибки банковского регулирования например, обычно имеют достаточно данных, чтобы использовать методы, основанные на статистическом анализе. Хотя даже в этом примере, поскольку банки осуществляют деятельность «прямо-через-обработку», риски изменяются, и статистические данные могут не быть надежным источником для оценки предполагаемых рисков.

Методы, основанные на экспертных оценках

Ученые долгое время полагались на методы изображенные с правой стороны рис. 1, чтобы количественно оценить риски в случае когда объективных данных мало или совсем отсутствуют. Они почти полностью вынуждены были полагаться на экспертные оценки, чтобы количественно оценить риски, такие как вероятность успеха или неудачи нового препарата на ранних стадиях разработки. Они включают:

• метод Делфи получения информации от группы экспертов,
• деревья решений, которые размещали точки решений и давали дискретные и неточные результаты,
• диаграммы влияний, которые также показывали причинно-следственные связи.

Через какое-то время они подкорректировали эти методы с целью уменьшить количество ловушек и отклонений, появляющиеся в результате субъективных оценок вероятностей, что позволило увеличить надежность этих подходов.

Методы, основанные на комбинации статистических и экспертных методов

Методы, которые изображены в середине рис. 1., используют комбинацию статистических данных, в зависимости от степени их доступности, и экспертные оценки, когда необходимо заполнить промежутки в данных. Они включают, например:

• методы нечеткой логики, которые используют лингвистические переменные и правила, основанные на экспертных оценках,
• моделирование динамики системы, которое использует нелинейные карты системы для представления причинной динамики системы,
• сети веры Бейесиана, которые полагаются на сеть количественно определенных с использованием условных вероятностей причинно-следственных связей.

Большинство этих методов заимствовано из других дисциплин, и прежде всего из технических наук.

Как в случае Голдилокса, для операционных рисков "статистические методы требуют слишком много данных", "методы оценки решений полагаются слишком сильно на экспертные оценки", и "комбинированные методы – это то, что надо". Эти методы предлагают наилучшее решение для уникальных характеристик операционных рисков.

Поскольку бизнес-процессы стали более сложными, и взаимозависимости увеличились, менеджеры стараются сохранить контроль и принимают решения в условиях неопределенности. Использование хранилищ данных предприятия и добычи данных существенно увеличило количество данных, доступным менеджерам. Однако, печальная правда состоит в том, что терабайты данных не значительно увеличили их понимание в динамике бизнеса.

Сложность систем увеличивается в большей степени, чем наши знания о них. Менеджеры ответили на это, фокусируясь на более узких областях своего бизнеса и становясь более специализированными. Они теперь имеют намного более глубокое понимание своей области, но меньше знают о том, как их область взаимодействует с другими.

Методы моделирования должны быть достаточно гибкими, чтобы объединить знания, распределенные среди многих экспертов. Обе группы методов, как статистические, так и экспертные, также нуждаются в эффективных рычагах для более ясного и более надежного представления действительности.

Описание конкретных методов моделирования риска

Следующие ниже методы оценки и управления операционными рисками описаны более подробно в других статьях:

• нечеткая логика,
• динамика системы,
• сети веры Бейесиана,
• актуриальный подход,
• стохастические дифференциальные уравнения:
• генерация сценария,
• моделирование Гарча.