økonomien

Risikoanalyse

Risikoanalyse
Risikoanalyse

Video: Risikoanalyse einfach erklärt 2024, Juni

Video: Risikoanalyse einfach erklärt 2024, Juni
Anonim

Enhver virksomhed, virksomhed og kampagne kræver visse risici, der kan påvirke det endelige resultat af deres implementering. Implementeringen af ​​en forretningsstrategi indebærer en ændring i iværksætternes rettigheder, forpligtelser og forpligtelser, mulige forekomster af utilsigtede og tidligere ubrugte processer samt andre konsekvenser.

For at vælge det rigtige sæt handlinger for at opnå resultatet af en aktivitet, er det nødvendigt at tage hensyn til den mulige indflydelse af bivirkninger, så den forestillede begivenhed ikke mister sin betydning. Ethvert taktisk (strategisk) skema skal underkastes risikoanalyse inden brug for at minimere sidstnævnte.

Risikoanalyse af virksomheden (virksomheden) begynder med deres vurdering. Til dette er det nødvendigt at vælge en vurderingsmetode, der skal opfylde sikkerhedskravene for en bestemt type aktivitet og de lovlige regulatorer af denne aktivitet.

Risikoanalyse kræver brug af tilgængelig information til at vurdere sandsynligheden for forekomst af visse begivenheder og den mulige omfang af deres konsekvenser.

Som regel forstås risici som negative begivenheder og omstændigheder, for eksempel tab under venturet, naturkatastrofer med alvorlige konsekvenser osv. Imidlertid hjælper risikoanalyse med at identificere potentielle positive konsekvenser. Det er nødvendigt at opdage fremtidige problemer og vurdere udviklingsmuligheder.

Risikoanalyse udføres på et kvantitativt og kvalitativt niveau (risikoanalysemetoder vælges individuelt).

I en kvantitativ analyse tildeles de fænomener, der undersøges, numeriske (kvantitative) værdier, empiriske data bruges. På dette niveau er analysen yderst objektiv og nøjagtig (for denne metode).

Kvalitativ analyse inkluderer en intern (instinktiv) vurdering af omstændighederne. På dette niveau er subjektivitet og relateret tvivl tilladt.

Når man sammenligner disse to niveauer af analyse, er det nødvendigt at fordybe sig mere i det kvantitative. Det kan gøres på mange måder.

Den deterministiske tilgang anvender punktestimater. For at forstå, hvad resultatet kan være i individuelle tilfælde, tildeles forskellige begivenheder visse værdier. I den finansielle model kan man for eksempel overveje sådanne muligheder: de værste (fremtidige tab), bedste (fremtidig fortjeneste) og mest sandsynlige (moderat, relativ fortjeneste).

I dette tilfælde har metoden en række ulemper: den tager ikke højde for de mange mulige scenarier, men fokuserer kun på nogle få grundlæggende versioner (som alle betragtes som ækvivalente); utilstrækkeligt overvejede faktorer, der kan påvirke udviklingen af ​​situationen, hvilket fører til en forenkling af modellen. Imidlertid bruger mange virksomheder denne tilgang til trods for den relativt lave pålidelighed af resultaterne af en sådan analyse.

Stokastisk risikoanalyse (Monte Carlo-metoden) er mere pålidelig. Med denne tilgang præsenteres de indledende parametre som værdiområder (producerer en sandsynlighedsfordeling). Derudover har forskellige variabler forskellige sandsynligheder for konsekvenser. Værdierne vælges tilfældigt baseret på mulige sandsynlighedsfordelinger.

Prøver kaldes iterationer. Prøveresultater registreres. For at udføre simuleringen gentages samplingproceduren hundreder af gange, derfor er sådanne resultater meget mere i stand til at afsløre sandsynligheden for de forventede hændelser. Dataene for en sådan modellering kan ikke kun demonstrere fremtidige begivenheder, men også vise sandsynligheden for, at de forekommer. Resultaterne kan repræsenteres grafisk såvel som at afspejle deres følsomhed, dvs. vise, hvilken af ​​variablerne der har mest påvirket resultatet. Ved hjælp af denne metode er det også muligt at vise forholdet mellem de originale variabler.

Det er mest praktisk at udføre en kvantitativ risikoanalyse på basis af Excel-regneark, da værktøjerne i dette program giver dig mulighed for at tilføje nye funktioner for at være i stand til at distribuere sandsynligheder og få de mest nøjagtige resultater.