Управление подобными рисками.

 

Прогнозирование

Задача. В ближайшее время состоятся выборы Президента РФ и в Гос Думу. Какие кредитные будут у банка?

1.Диверсификация источников финансирования (много источников финансирования), возникает некая стабильность.

15.4. Невозможность получения кредита.

Причины:

1) плохая кредитная история

2) низкий или отрицательный Гудвил

3) низкая доходность операций предприятия, которая не обеспечивает погашение кредитов, предлагаемых банком (текстильная отрасль в Ивановской области)

4) отсутствие предложений со стороны банков (банкам выгоднее производить иные операции)

15.4.1. Методы управления рисками:

 

1. Использовать другие источники финансовых средств (собственный капитал, указать способы альтернативных источников финансирования).

2. Лимитирование. Уменьшить объем спроса денежных средств. В этом случае банк понимает, что меньше объем – меньше риск; наличие системы лимитирования увеличивает нашу надежность в глазах кредитора.

3. Резервирование (переход на иные способы установления хозяйственных взаимоотношений) => бартер => переработка (толлинговая схема или работа на давальческом сырье).

Это крайние меры, использование которых указывает на критическое состояние предприятия.

Толлинг – переработка, при которой товарное сырье/продукция пересекает границы (возникают таможенные взаимоотношения).

 

Имитационное моделирование рисков.

Стресс-тестинг

Стресс тестинг – проведение исследований возможных сценариев развития ситуации в деятельности хоз субъекта с учетом возможных реакций лиц, принимающих решение, на эти сценарии.

Гибкие бюджеты – это процесс построения бюджетов предприятия с учетом вариативности сценариев в развитии ситуации.

-умеренное

-агрессивное

-консервативное

В экономике сложилось классическое представление о прогнозных величинах как о детерминированных величинах, то есть прогнозное значение есть какое-то конкретное значение финансового показателя. Учитывая несостоятельность такого подхода, одним из путей выхода предлагается наряду с этими значениями указывать характеристику разброса допустимых значений относительно указанного.

-дисперсия

-среднее квадратическое отклонение

-показатели вариации (размах вариации)

Дисперсия вычисляется лишь в случае известного распределения вероятностей. Вычислить распределение вероятностей прогнозируемой величины бывает достаточно сложно.

Пример.

NPV – чистая распределенная прибыль

NPV = , где

– моменты производства платежей

α – ставка дисконтирования

CF() – значение величины платежа в момент времени (Cash Flow)

1 вариант.

CF() = + +..+ , где , ,.., – случайные независимые величины

 

CF(t_k) – N(a;σ) – нормальное распределение

CF(t_k) – случайная величина

 

 

2 вариант.

CF(t_k) = x₁x₂..x_n – мультипликативная величина, ненормальное распределение

Если x_i представляется в виде x_i=eu_i, а u_i подвержены условиям центральной предельной теоремы, то CF(t_k) будет иметь распределение, принадлежащее семейству логарифмически нормальных распределений.

Плотность данного распределения:

 

ξ

 

Время производства платежа

Время производства платежа(t_k) также может случайной величиной, тогда необходимо выяснить распределение этой случайной величины.

 

 

p =

 

t t_k

 

d – доля платежей, которые производятся в срок

(1-d) – доля платежей, которые в срок не производятся

 

Вопрос о задержке платежа аналогичен вопросу о продолжительности жизни человека, который рассматривается в страховании. Определением страховых ставок расчета продолжительности жизни (исследование страховых случаев) занимается актуарная математика. Всеобъемлющий раздел науки – страховое дело.

 

Гипотеза Муавра.

Интенсивность смерти в зависимости от возраста.

h(t) – интенсивность

h(t)

 

 

0 100

 

Функция распределения смерти

 

 

F(t) = 1 - – экспоненциальная функция

Если интенсивность производства платежа при его задержке постоянна, то плотность распределения задержки экспоненциальна.

Если h(t) – степенная функция, например, в случае, если интенсивность платежей увеличивается в связи с нашими жесткими действиями по управлению дебиторской задолженностью), то область распределения времени платежа имеет вид:

, (h(t) = k )

Закон Эриама. Пусть длина очереди n, время обслуживания каждого клиента имеет экспоненциальное распределение с плотностью p(t)= , тогда время обслуживания

всей очереди распределено по закону Эриама с плотностью . Частный случай гамма-распределения.

Время обслуживания каждого клиента независимо друг от друга.

 

16.4. Метод Монте-Карло (метод вычисления интегралов).

 

(25+36+49+100+121+2*144+2*289+324+800+882+484+625+3*676+784+2*841) * = = 0,44

 

Неточность в вычислениях потому, что распределение неравномерно.

Более точный результат можно получить, если использовать счетчики случайных чисел.

Для Excel в скобках любое значение между 0 и 1

= сл чис ()

 

=сл чис () = ̺̺ * ̺ = ср знач (массив)

 

Растянуть на 5 000 знаков.

 

Для того, чтобы организовать выборку с заданными наперед распределениями, достаточно знать набор равномерно распределенных величин. Известно преобразование Смирнова

, где

p(t) – плотность заданного распределения. Если Р – равномерно распределенная величина на [0;1], то величина x будет иметь распределение с плотностью p(t).

В электронных таблицах выражение x(P) реализовано при некоторых значениях p(t).

 

Например, для нормально распределения

= норм обр (сл чис ();a;σ) числа а и σ ввести средние, дисперсия

= гаммаобр (сл чис ();d;β)

=бэтаобр (сл чис ();α;β)

 

Бэтта –распределение – распределение случайной величины, значения которой лежат на определенном отрезке ([0;1] для Excel).

Частный случай бэтта-распределения – равномерное.

Имеет вид:

- функция Эйлера второго рода (β-функция).