---

Разделы На главную История денег и экономики История экономических знаний Формы безналичных денег Международные финансы Экономические концепции Экономические теории Экономика в реальной жизни Экономический анализ и интеграция Макроэкономика Экономика и социальное общество Социальная экономика Социология Кризисная экономика Инфляция в экономике Экономика зарубежных стран Иностранные деньги Государственное регулирование Бюджетная система Политическая экономия Политология Законы денег Налогообложение Аудит Банкротство Теория рынка Конкуренция Международная торговля Товарная биржа Нефть и газ на бирже Логистика Банки - услуги и операции Банки в России Банковский кредит Недвижимость Ипотека в банке Инвестирование Стратегии инвестирования Инвестиционные фонды Ценные бумаги Акции Вексель Облигации Опционы Фьючерсы Биржевая торговля Биржа Forex Фондовый рынок Фондовый рынок России Волны Эллиотта Теория фракталов Торговая теория Ганна Фибоначчи на бирже Графический анализ на бирже Паттерны Биржевой анализ "Крестики-нолики" Японские свечи Технический анализ Математика на бирже Фундаментальный анализ Биржевая торговля Стратегии торговли Механические торговые системы Программирование МТС Управление торговым капиталом Управление портфелем Управление риском Страхование Профессия трейдер Практический трейдинг Технологии инфосистем Информационный рынок Безопасность информации Криптология и криптография Реклама PR - Public Relations Маркетинг Финансовая система Начало бизнеса Предпринимательство Малый бизнес Микроэкономика Торговля Ценообразование Работа в Интернете Сайты, софт, дизайн Управление качеством Управление предприятием Производство продукции Стратегический менеджмент Учебники по менеджменту Системы и организации Теория систем Планирование Статистика финансов Управление персоналом Трудовые отношения Бухгалтерия «1С:Бухгалтерия» Управленческий учет Делопроизводство и офис Автоматизация делопроизводства Рынок труда Карьера Менеджер Лидерство и бизнес карьера Лидерство и карьера Общение и переговоры Общение в бизнесе Бизнес переговоры Инновации в моделировании Экономическое моделирование Нейронные сети Нейролингвистика Логика нейросетей Программирование Пакет Excel Технологии программирования Языки программирования Практическая психология Психологические тренинги Психология в медицине Возрастная психология Ваши скрытые резервы Здоровье и долголетие Работа с эмоциями Пикап Управление временем Гипнотерапия Подсознание Трансовые техники Магия Здоровье советы Спорт для здоровья Йога Религии Эзотерика Мистицизм

---

ГЛАВА 5 Проблемы анализа и снижения предпринимательских рисков неустановленной природы

5.1. СТРАТЕГИЧЕСКОЕ ПРОГНОЗИРОВАНИЕ «ПРИРОДНО-НЕОПРЕДЕЛЕННЫХ» РИСКОВАННЫХ СИТУАЦИЙ

Когда размышляющий человек спрашивает себя, какова природа всех наших заключений относительно событий и фактов, в то время, когда нет твердых знаний о закономерностях их происхождения, то самым частым ответом является, по-видимому, следующий: все они основаны на представлении о причине и следствии. Человек может не знать космогонии и законов астрономии, но он хорошо усвоил, что после зимы приходит весна, а вслед за летом — осень. В итоге мыслящий человек приходит к неизбежному выводу, что в основе всех наших рассуждений и заключений насчет причинно-следственных отношений лежит опыт. От сходных по внешнему проявлению причин, мы ожидаем сходных же следствий. В этом суть всех наших заключений, сделанных из опыта. Например, формальных законов и даже закономерностей рынка ценных бумаг пока не существует. Но точно установлено, что этот рынок живет слухами, страхами и ожиданиями. Стоило весной 2004 г. в России возбудить несколько уголовных дел против владельцев крупных компаний (так называемых «олигархов»), а одного из них арестовать, и рынок за-

колебался; стоило приостановить лицензию у одного из крупных банков — сотни вкладчиков этого и других коммерческих банков начали осаждать их офисы; стоило появиться слухам о том, что существуют некие списки коммерческих банков, у которых будет отозвана лицензия на работу с частными вкладами, и даже крупные банкиры заговорили о возможности банковского кризиса в России. Все это — лишь ближайшие подтверждения того, что в основе поступков людей при недостатке знаний о природе вещей лежат представления о причине и следствии, а также их приложения к конкретной области практических действий — опыт.

Всякий человек, занимающийся предпринимательством, обязательно составляет себе на основании наблюдений много общих и частных проверенных правил относительно практической жизни. Правда, как мы уже не раз отмечали, когда человек начинает применять эти правила на практике, он как бы забывает об опыте. Он оказывается подвержен необъяснимым, с точки зрения здравого смысла, ошибкам. Почему это так, мы тоже не знаем, но — это так. И со временем дальнейший опыт заставляет человека вносить все новые и новые поправки в уже полученный опыт. Все это происходит потому, что во всяком положении, во всяком событии существует много мелких частностей, которые самый прозорливый человек способен с первого взгляда не увидеть, хотя от них может полностью зависеть правильность его умозаключений, а следовательно, и разумность его поступков. И так — на протяжении всей жизни.

И это все касается только отдельного человека. А опыт развития общества? Социальные процессы всегда специфичны. Они не тождественны ни отдельным человеческим действиям, ни экономическим закономерностям. И, следовательно, угрозы, исходящие из недр общества, должны анализироваться отдельно. Здесь важно понять, что есть две группы явлений, которые человеку приходится наблюдать в течение своей жизни. Одни явления ускоряют процессы в обществе, другие — тормозят. В итоге периоды процветания сменяются застоем, а иногда — регрессом и существенным ухудшением жизни. Почему так происходит? Что ускоряет, а что — сдерживает перемены в обществе? Посмотрим на рис. 5.1. На нем представлена схема формирования результатов исторического развития. Одни процессы идут бурно,заметно, ярко.

Риск -менеджмент

Ускоряют перемены ("идеи настоящего”)

• разрушение религии политическихи социальных верований

• современные достижения в науке и производстве {новые условия жизни, новые идеи)

Сдерживают перемены ("идеи прошлого”): • наследственный образ мысли

" культура данного народа

Незаметные (невидимые) перемены:

Видимые причины поворотов в истории'

• политические перемены ¦ падениединастий

«"перемещение власти”

• нашествие захватчиков

• в идеях

• впонятиях

і в мыслях и верованиях людей

Историческое развитие:

- великие перевороты • изменения цивилизации

Рис. 5,1. Схема формирования результатов исторического развития

Они привлекают всеобщее внимание. Это политические перемены, становления и падения династий, «перемещения власти», нашествия захватчиков. Но некоторые перемены происходят незаметно. Это — процессы трансформации идей. Одни из идей — «идеи настоящего» — ускоряют перемены. К числу таких, ускоряющих перемены в обществе, событий следует отнести изменения во всевозможных верованиях (религиозных, политических, социальных), в научных взглядах, а также изменения в условиях жизни людей.

Другие идеи — «идеи прошлого» — сдерживают перемены, как прогрессивные, так и реакционные. Это всевозможные традиции предшествующих поколений, наследственный образ мысли, культура народа. Оба этих невидимых процесса по-разному влияют на изменения в идеях, в понятиях, в мыслях и верованиях людей. Эти перемены постепенно подтачивают основы старого, готовят почву для нового — хорошего ли, плохого ли — это не всегда очевидно. Подчас исход медленных перемен становится понятным тогда, когда ничего уже исправить нельзя. Но общие выводы можно сделать по анализу исторической ретроспективы. Оказывается, текущий временной период будет анархическим и хаотическим, если в это время сдерживающие идеи наполовину разрушены, а идеи, ускоряющие перемены в историческом развитии, еще находятся в стадии формирования.

Именно так незаметные перемены и видимые причины поворотов в истории приводят к великим переворотам и изменениям цивилизации. Но вот почему это происходит именно так, каков конкретно «механизм изменений» — это нам не известно. Но то, что это происходит именно так — несомненно. И этого закономерного процесса никому не изменить. Поэтому особенности этого процесса и нужно знать, чтобы хотя бы с ним просто считаться, планируя собственную жизнь и деятельность.

История свидетельствует о том, что со временем существенно изменяются и расстановка общественных сил, и степени влияния сил общества на направленность его развития, и даже то, что мы именуем «общественным мнением». Каковы здесь закономерности? На количественном уровне они пока еще не вскрыты. Да и надо ли это делать? А вот понять характер качественных взаимосвязей между основными факторами исторического развития общества, пожалуй, будет нелишним. Это многое проясняет в прошлом и позволяет по-новому взглянуть на настоящее. Ведь к прошлому надо относиться как к предупреждению.

Вот, например, как можно представить себе характер изменений в расстановке сил в обществе на разных исторических фазах его развития. На рис. 5.2 представлены качественные графики, отражающие тенденции в изменении степеней влияния основных сил общества на различных фазах его развития. В древние времена, в эпоху варварства, главное влияние на развитие общества оказывали его нравственные силы (религиозные, культурные). Их активно поддерживала интеллектуальная аристократия. Наука и производство находились в зачаточном состоянии и не играли особой роли.

Риск-менеджмент Степени влияния 4,авт/>ппп О/

Рис. 5.2. Качественные графики, отражающие тенденции в изменении степеней влияния основных сил общества на различных фазах его развития

Переход к цивилизации был обусловлен необходимым развитием науки (главным образом — философии и математики) и ростом производства. Постепенно рост производства ускорялся. Усиливалась роль масс. Поскольку масса не столь образованна и культурна, как лучшие представители общества, постепенно приходили в упадок культура и античная религия. Интеллектуальная аристократия постепенно теряла власть. В почете все больше оказывалась грубая сила. Только начало эпохи Возрождения в Европе остановило этот лавинообразный процесс нарастания мракобесия и уничтожения культуры. Постепенно нарождается новая интеллектуальная элита, растет ее влияние в обществе. Одновременно ускоряется научный прогресс и относительно снижается влияние религии на общество. В Англии, Нидерландах, Швейцарии, а позже — во Франции нарождаются первые цивилизованные демократии, зачастую при сохранении монархии. Бурный рост промышленного производства в XVIII—XX вв., переделы колоний и мировые войны вывели на передний план истории огромные массы людей. У многих простых по происхождению людей появились большие деньги. Деньги позволяли

желать всего и сразу. Старинный титул или ученое звание стали мало что значить. И вот нувориши захотели всего и сразу. Прекрасные театры и концертные залы, рестораны и гостиницы, до того свободные и просторные, так как были доступны только для элиты, вдруг стали тесными. Теперь уже не стало ничего особенного в том, что в театре рядом могли сидеть аристократ и фабрикант, а в ресторане — художник и продавец магазина. Общество вдруг почувствовало, что «всех нас стало слишком много». Рост агрессивной массовой посредственности в умах и потребностях привел к вьщавливанию интеллектуальной элиты — роль интеллектуальной аристократии вновь стала резко падать. Религия отступила на третий план. «Классовое» сознание заменило «массовое» сознание, «классовая» культура стала «массовой».

И вообще, различие в классах стирается, на передний план выходит новый феномен — масса. Но чтобы понять проявляющиеся тенденции в жизни общества, нам, конечно, недостаточно того весьма масштабного по времени взгляда на историю, который мы только что использовали. Нужно взглянуть на интересующие нас процессы под более значительным «увеличением». Пусть даже этот взгляд по-прежнему будет качественным (в том смысле, что — не количественным). Анализируя саму идею внедрения математики в социологические науки, Г. Саймон выдвинул для этого направления деятельности несколько важных положений. Прежде всего, как он полагал, исходным пунктом такого процесса является задача перевода на язык математики некоторых понятий и положений, фундаментальных в современной социально-психологической теории. По его мнению, в социальных науках мы имеем не одну, а несколько теорий, поэтому реальный подход состоит в том, чтобы создать не одну математическую модель, а несколько. Г. Саймон считал, что в математических моделях, объединяющих рациональные и иррациональные аспекты поведения больших и малых групп людей, иррациональные аспекты могут быть введены в математические модели в качестве условий, ограничивающих область рациональной деятельности.

Итак, при выработке решений ЛПР и исполнители часто сталкиваются с проблемой трансформации понятий и категорий вербальных теорий, например социологических, психологических и им подобных, на математический язык. По-прежнему это

Риск-менеджмент

происходит без достаточной ясности. Немногие области, где были предприняты подобные шаги, позволяют понять, что вообще можно сделать в этом направлении. Весьма важная из этих областей для жизни человека — экономика. Здесь была создана математическая модель теории полезности, которая ликвидировала множество неясностей в понятии «рационального поведения». Одновременно вскрылись новые методологические проблемы — влияние субъективного мнения ЛПР — в определении и измерении «полезности». Таким образом, все указанные успехи, возможно, и могли быть сделаны без усилий математики, но, как отмечал Г. Саймон, они все же не были сделаны без нее.

Проще всего, для того чтобы лучше, подробнее выявить качественные взаимосвязи между основными движущими силами общества, как мы знаем, стоит прибегнуть к использованию когнитивной модели. Методы когнитивного моделирования уже давно нашли применение в целях концептуального предсказания тенденций развития экономики, науки, культуры, межгосударственных и межэтнических отношений, в общем — для раскрытия «природной» неопределенности в самых разных ее ипостасях.

На рис. 5.3 представлена когнитивная диаграмма взаимодействия основных факторов развития общества. На этом рисунке выделены три главные группы факторов:

>- «Интеллектуальная аристократия», объединяющая нравственные силы общества, религиозную и культурную элиту, техническую интеллигенцию (группа «А» факторов);

>- «Производительные силы», включающая науку, производство, бизнес (группа «Б» факторов);

>• «Роль масс», объединяющая такие факторы, как сами массы людей и их самосознание (группа «В»).

Ваимодействие факторов в когнитивной диаграмме отображается стрелками, которым в качестве нагрузки приписаны знаки плюс и минус. Знак плюс означает, что изменение фактора, от которого идет стрелка к какому-то другому, отражается на этом другом факторе изменением его в том же направлении, что и изменение исходного фактора («причины»). Например, возрастание роли производства и бизнеса (фактор 5) стимулирует повышение роли массы людей (фактор 6), а рост этого фактора, в свою очередь, приводит к росту самосознания масс (фактор 7) в жизни общества. Но с ростом факторов 5, 6 и 7 одновременно

А; Интеллектуальная аристократия: 1 - нравственные силы (религия, культура); 2 - религиозная и культурная элита; 3 — техническая интеллигенция;

Б) Производительные силы: 4 - наука; 5 - производство, бизнес;

В) Роль масс: 6 - массы людей; 7 - самосознание масс

Рис. 5.3. Когнитивная диаграмма взаимодействия основных факторов развития общества

растет нигилизм в обществе, что сказывается отрицательно на религиозной и культурной элите общества (стрелки с отрицательными знаками). Феномен «золотого тельца», массовая культура и массовое самосознание оказывают своим ростом подавляющее влияние на культурную элиту и техническую интеллигенцию. В частности, растет влияние эффекта «технократизма» и кастовости культурной и технической интеллигенции, которые замыкаются в себе. Итак, процесс выявления и познания причинно-следственных связей в явлениях реальной действительности — это важнейший руководитель человеческой жизни. Только этот принцип делает опыт полезным для нас и побуждает нас ожидать в будущем хода событий, подобного тому, который мы воспринимали в прошлом.

Риск-менеджмент

Посмотрев, что происходит, когда, на первый взгляд, совершенно разные люди собираются вместе, например, на стадионе, на открытой концертной площадке, в торговом зале биржи, можно отметить, что в этот момент формируется особый социальный феномен, известный издавна под ярким и емким понятием «толпа».

До недавних пор, еще лет пятьдесят назад, этому явлению не уделяли особого внимания. Но затем оно стало проявлять себя подобно стихийному бедствию. Особенно при проведении азартных спортивных зрелищ (футбол, бокс и т.п.), при организации крупных коммерческих проектов в сфере шоу-бизнеса, народных гуляний в крупных городах и т.п. Возникла острая потребность в специальном учете антропогенного риска, проистекающего от больших масс людей. Начали, естественно, с изучения видимых характеристик толпы. В результате были выявлены устрашающие закономерности [67].

Во-первых, оказалось, что толпа абсолютно анонимна и не несет на себе ответственности.

Индивид в толпе, благодаря только ее численности, приобретает чувство и сознание непреодолимой силы, и это сознание позволяет ему поддаваться таким инстинктам, которым он никогда бы не дал волю, если бы был один.

Во-вторых, толпа обладает гипнотической силой. И всякое чувство или действие в ней «заразительно». Поэтому индивид очень легко приносит свои личные чувства в жертву коллективному чувству. Но поскольку это противоречит человеческой природе, человек способен на такое поведение исключительно только в толпе. Наблюдается эффект исчезновения сознательной личности и преобладания личности бессознательной. В итоге, человек в толпе все ниже и ниже спускается по лестнице цивилизации.

Все это, как оказалось, следствие некоторых особенных свойств толпы. В частности, толпе свойственно ассоциативное, а не аналитическое мышление. Другими словами, большие массы людей мало склонны к теоретическим рассуждениям, зато очень склонны к действию. Ничто не останавливает толпу, если она на что-то направила свое внимание, — в таком случае «право» масс имеет тираническую направленность и не допускает никаких обсуждений. Толпа всегда раздражительна, импульсивна, всегда стремится к немедленному действию. У толпы преувеличенная

чувствительность. Она не способна обдумывать, у нее полностью отсутствует рассуждение или критика. В итоге толпа в интеллектуальном отношении всегда стоит ниже изолированного индивида. А вот в отношении чувств или поступков, вызываемых этими чувствами, толпа может быть лучше или хуже отдельного индивида, смотря по обстоятельствам.

Родоначальник науки о толпах, Гюстав Ле Бон, отказывал толпе в разуме, считая, что единственной ее движущей силой являются чувства, иррациональное начало. Объединение людей в массу, по мнению Ле Бона, происходит на базе нижних этажей психики, ответственных за эмоции. Высокоинтеллектуальный человек, попавший в толпу, утрачивает все свои преимущества и оказывается в положении одной из множества однородных песчинок, увлекаемых единым потоком. В XX в. идеи Г. Ле Бона развил известный психолог Серж Московичи. Одно из его утверждений не дает оптимизма. Он полагал, что иррациональность в обществе имеет тенденцию к определенному росту. Другой исследователь толп, Канетти, так описывает бегущую толпу: «Все бегут вместе. Пока они вместе, опасность воспринимается как разделенная. Их так много, что ни один не думает, что жертва — это он. Масса устремляется прочь от опасности, и каждый в ней проникнут ощущением близости спасения».

Итак, мы обсудили вопрос о том, какова природа всех наших заключений о происходящем в мире, если мы не обладаем достаточно формальными знаниями для количественного выяснения закономерностей конкретного «механизма» рискованной ситуации. Теперь достаточно ясно, что в предпринимательской деятельности просто нужно опираться на накопленный опыт, а также на наиболее общие, фундаментальные законы развития общества и общественного сознания. Мы рассмотрели некоторые концептуальные модели, которые могут помочь предпринимателю правильно понять суть знаковых явлений в обществе и представлять свою роль и возможности в его жизни. Некоторые из них можно применять и для прогнозирования более частных закономерностей. Например, мы рассматривали концептуальную модель формирования ликвидационной стоимости для объектов, выставляемых на торги или аукционы. Прогнозирование с использованием когнитивных и других моделей позволяет в значительной степени понять суть, а значит более успешно осуществлять предвидение определенных явлений и событий, оценивать на перспективу изменения финансовых взаимосвязей между предприятиями.

Например, совершенно ясно, что никто из финансистов не отказался бы узнать завтрашние цены. Инвестор достаточно часто вынужден принимать решения, когда исходные данные основаны на приблизительной информации. Естественно, что если бы у инвестора была более точная информация, он мог бы сделать лучше прогноз и снизить риск. С целью получения ответа на вопрос, предсказуемо ли движение цен, было проведено множество исследований. Объективно они дали неожиданный и парадоксальный результат: цены изменяются совершенно произвольно, даже случайно [56]. Но есть и другое мнение. Опытные финансисты утверждают, что цены изменяются в соответствии с некоторыми трендами. Согласно постулатам технического анализа ценных бумаг [89], отдельные фрагменты графиков годовых и сезонных цен повторяются. Поэтому по тенденциям наблюдаемого участка цен можно сделать достаточно уверенные предположения о том, какова будет закономерность их изменения в ближайшем будущем. На этом построена идея большинства известных «моделей сглаживания».

Рассмотрим модель так называемого экспоненциального сглаживания. Пусть h(t) — объективно наблюдаемый процесс, имеющий произвольный характер. Например, цены на валюту, уровни спроса и предложения на тот или иной товар, объемы продаж и т.п. При этом предполагается, что все же этот процесс h{t) базируется на некой объективной тенденции z(t). Предположим, что время от времени проводятся измерения y(t) интересующего результата, а сами результаты фиксируются без ошибки, то есть результат измерения j(i) в точности совпадает с истинным значением h(t). Необходимо выявить скрытую тенденцию z(t). Сразу возникает вопрос: если мы наблюдаем отдельные фиксированные значения процесса, а они — возможно случайные флуктуации от тенденции z(t), то какому или каким значениям y(t) верить больше, а каким меньше? Ведь если полностью верить предыстории, как состоявшемуся факту, то последнее измерение надо просто отбросить. Оно —- «случайное», поживем — увидим, а пока — отбросим. Но тогда тенденцией будет только предыстория, а предсказать ничего будет нельзя. А если безоговорочно верить последнему факту, тогда — предыстория не нужна вовсе. Как всегда, предпочли ограничиться «золотой серединой».

Простейшая модель сглаживания первого порядка предполагает использование только двух оценок: последнего измерения y(t) и результата z(t— 1) прогноза на предыдущем шаге:



где а — постоянная сглаживания, принимающая значения из диапазона [0; 1].

Очевидно, что если а = 0, то вся предыстория отбрасывается и за прогнозное z{t) значение будет принят результат y(t) последнего измерения процесса. Если а = 1, то, наоборот, игнорируется предыстория. Обычно выбирают значение постоянной сглаживания а, равным 0,5—0,8.

В общем случае, если в прогнозе требуется учесть все предшествующие моменту t значения от 0 до (t — 1), в исходное выражение для результатов прогноза рекуррентно подставляют «самое себя». В результате получают следующее окончательное выражение:

Z(t) = а?(1 - а)* y(t -k) + (1 -а)'у(0).

Вид этого последнего выражения и раскрывает суть названия «экспоненциальное» сглаживание: каждое отдельное измерение входит в окончательное выражение с весом, который экспоненциально убывает по мере удаления в ретроспективу.

Экспоненциальное сглаживание второго порядка вносит нелинейность в прогнозный результат, однако оно несколько резче реагирует на последнее изменение, что зачастую приводит к «перерегулированию». Чтобы как-то сгладить негативные последствия перерегулирования, коэффициент перед нелинейным членом назначают достаточно маленьким. Каким? Это каждый раз решают отдельно, экспериментально настраивая параметры модели на конкретный сложившийся «механизм» неопределенности. Самый незначительный из недостатков этого вида сглаживания — более сложное выражение для расчетной формулы экспоненциального сглаживания второго порядка. Формула сглаживания второго порядка имеет следующий вид:

Z(t) = а_ху²(- + ay(t) + (1 - a)z(t-1).

Сглаживание более высокого порядка, чем второй, применяется крайне редко из-за отмеченных особенностей влияния нелинейности и трудностей с определением значений параметров модели.

Покажем на простом примере, как влияют порядок экспоненциального сглаживания и величина постоянной сглаживания на характер соответствия прогноза реалиям. Пусть объективно наблюдаемый процесс Л( О — пилообразная функция. Допустим, что на отрезке времени от 0 до 5 дней наблюдается линейный рост цены акции от некоторого условного «нуля» до значения в 5 условных денежных единиц (у.д.е.), а затем цена резко падает до начального уровня (до «нуля») и остается такой же до момента t = 9. График функции h{t) представлен на рис. 5.4.

С целью прогноза цены изменений акции использовали экспоненциальное сглаживание первого и второго порядков при следующих исходных данных:

>- постоянная а сглаживания для сглаживания первого порядка может принимать три значения {0,1; 0,5; 0,9};

>- для сглаживания второго порядка принять a_t = 0,02 и a = 0,8.

Результаты расчетов по формуле сглаживания первого порядка представлены в табл. 5.1, а на рис. 5.5 представлены графики результатов прогноза по методу экспоненциального сглаживания первого порядка для различных значений параметра а.

Процесс h(t) изменения цены акции

Время, недели Рис. 5,4. График процесса h(t) изменения цены акции

Т а б л и u a 5.1

Результаты расчетов при различных значениях постоянной а экспоненциального сглаживания первого порядка

t 1 2 3 4 5 6 7 8 9 y(t) 1 2 3 4 5 0 0 0 0 Z(t) а = 0,1 0,1 0,29 0,56 0,90 1,31 1,18 1,06 0,96 0,86 а = 0,5 0,5 1,25 2,13 3,06 4,03 2,02 1,01 0,51 0,25 а = 0,9 0,9 1,89 2,89 3,89 4,89 0,49, 0,05 0,00 0,00

Анализ полученных данных показывает, что для достижения хорошего согласования результатов прогноза с истинным трендом процесса параметр а должен быть достаточно большим (более 0,5). Однако слишком большое значение постоянной а экспоненциального сглаживания приводит к снижению влияния на результаты прогноза всех ранее собранных данных.

Мало того, что трудно самому себе ответить на естественный вопрос: «Так зачем же мы тратили время и деньги на сбор этих данных?...», еще может возникнуть неустойчивость прогноза из-за случайных биений измеренных результатов.

На рис. 5.6 представлен график результатов моделирования для экспоненциального сглаживания второго порядка.

Прогноз Z(t) изменения цены акции

0 1 Время, недели Рис. 5.5. Графики результатов прогноза по методу экспоненциального сглаживания первого порядка для различных значений параметра а

Прогноз Z(t) изменения цены акции

Время, недели Рис. 5.6. График результатов моделирования для экспоненциального сглаживания второго порядка

При установленных в примере исходных данных (a_f = 0,02 и а = 0,8) график г(0 прогнозируемой величины цены акции вначале несколько отстает от графика h(t) реального изменения цены. Но уже после третьей недели из-за наличия нелинейности начинается опережающее предсказание тенденции роста цены акции. В результате к тому моменту, когда реальная цена резко падает, прогноз z{t) все еще показывает рост. Нелинейность в модели экспоненциального сглаживания второго порядка обеспечивает определенную инерционность предсказания вплоть до последнего момента 1=9.

Попытка прямым подбором значений параметров а і и а добиться более качественного предсказания, чем представленное, практически не дает ощутимых результатов. Чтобы уменьшить перерегулирование в начале, приходится снижать а_ь но это приближает экспоненциальное сглаживание второго порядка к простому линейному сглаживанию. Чтобы уменьшить запаздывание прогноза после того, как истинные значения h(t) резко упали, а тем более — в самом конце процесса, приходится увеличивать значение параметра а, но это ухудшает использование ретро -спективных данных. В общем, как всегда, если в системе что-то улучшаешь, то это, как правило, происходит за счет ухудшения чего-то другого. Поэтому к экспоненциальному сглаживанию второго порядка целесообразно прибегать в тех случаях, когда предполагается, что процесс изменения анализируемого фактора растущий и весьма динамичный, и есть опасение не успеть отслеживать эти изменения. Если же процесс вялотекущий, то под угрозой привнесения в прогноз методических ошибок, скорее всего, не следует прибегать к более сложным моделям сглаживания, чем линейная.

5.2. КЛАССИЧЕСКИЕ И СОВРЕМЕННЫЕ МЕТОДЫ ПРИНЯТИЯ УПРАВЛЕНЧЕСКИХ РЕШЕНИЙ В УСЛОВИЯХ «ПРИРОДНОГО» РИСКА

Предприниматель задумал проведение финансовой операции, которая принесет доход. Он уже достаточно грамотный в понимании того, что такое предпринимательский риск, и прекрасно понимает, что планы и жизнь — это большая разница. И он рассуждает так. Вначале нужно сделать все, чтобы выполнить необходимое условие отсутствие риска. Нужно представить себе классическую схему «ЕСЛИ.., ТО...». Например: «Если сложится самое благоприятное сочетание неуправляемых внешних и внутренних факторов, то как я должен буду повести дело, как воздействовать на управляемые факторы экономического процесса, чтобы ничего не потерять и получить максимальную прибыль?»

Поразмыслив над этим вопросом, предприниматель наверняка найдет наилучшее для фиксированного комплекса условий решение. Для этого ему необходимо применить весь известный ему арсенал финансовых и экономических приемов снижения риска. В частности, например, известные эвристические правила хеджирования валютного риска требуют оперативно принимать и не спешить отдавать сильную валюту, а со слабой валютой поступать наоборот, производить закупки товаров и услуг в слабой валюте, а продажи — в сильной, стараться использовать форвардные и фьючерсные контракты и валютные опционы и т.п. При выборе конкретного варианта действий из перечисленных следует иметь в виду, что опционы дают возможность воспользоваться благоприятной рыночной ситуацией, но фактически обменный курс будет выше курса использования опциона на величину опционной премии. И вообще операции с опционами — дело довольно сложное... И дело тут редко доходит до действительной поставки активов. Чаще проигравшая сторона оплачивает свой проигрыш деньгами. При этом американский опцион можно предъявить к исполнению в любой момент не позже определенной даты. Поэтому держатель такого опциона пребывает в постоянном напряжении: как поступить? а вдруг сейчас — самый выгодный момент? Но ведь и за саму возможность выбора наиболее выгодного момента американский опцион стоит дороже. Обо все этом нужно помнить, поскольку затраты нужно будет вычесть из дохода!

Формально оно может быть представлено так: если экономическая обстановка сложится в виде л,,то необходимо применить наилучшую для такого случая стратегию а,. Далее он рассуждает: «А если все сложится не так, как я представил себе в обстановке j|? - тогда моя стратегия а уже не будет наилучшим решением». Предприниматель делает естественный вывод: поскольку не ясно, какова будет реально сложившаяся в будущем обстановка, то и не ясно, чем может закончиться моя операция. Поэтому надо рассмотреть не один, а несколько сценариев развития событий, надо оценить не одну, а несколько возможных обстановок проведения экономической операции, подобрать не одну, а несколько стратегий для нее.

В результате глубоких размышлений, обращения к собственному опыту, советов со своими партнерами и экспертами предприниматель пришел к выводу, что в период проведения его экономической операции и по ее завершении, скорее всего, сложится только одна из возможных обстановок .s, ,s₂, s_},..., s„. Он обозначил множество этих возможных экономических условий через S. Далее на основе своего личного опыта, своих теоретических знаний, а также на основе советов специалистов он сформировал под каждое конкретное условие s . е S наилучшую экономическую стратегию в,, а₂, а₃,..., а_т и получил множество А стратегий. Таким образом, у него сформировалась матрица размером т х п возможных операционных ситуаций. Затем наступил этап экономических расчетов. Для каждой ситуации (a^Sj) рассчитали величины у*>^ход— значение полезного эффекта («доход»), который желательно максимизировать, и значе

ние негативного эффекта («затраты»), который желательно минимизировать. В итоге для каждой ситуации (а_п яДбыл определен результат у(а_/, ,?_; = у.. = (у'-"""-у ^характеризующий

величину чистой прибыли предпринимателя.

Теперь почти все необходимые данные для принятия решения на проведение экономической операции получены. Остается решить следующую задачу: если известны все ситуации (а., s ¦ ) и все возможные результаты у{а_і ,.?_;) для них, то какую наилучшую стратегию а* из возможного множества А стратегий следует применить в операции, чтобы результат оказался наилучшим?

В такой постановке задачу можно решить, если только мы сначала решим, что следует понимать под словами «наилучший результат в условиях природной неопределенности». Из теории игр знаем, что такое гарантированный результат и на основании какого принципа он получен. Мы можем увидеть здесь полную аналогию с теорией игр. К слову, раздел ТПР, занимающийся решением задач принятия решений в условиях природной неопределенности, называют «игры с природой». Название в большей степени, так сказать, историческое и обусловлено представлением о неопределенности ситуации как полностью враждебной. Но, тем не менее, оно уже дает ответ на вопрос: с чего начать анализ игры с природой? Ответ такой: с того же, с чего начинали анализ антагонистических и неантагонистических игр: с редуцирования матрицы игры, которое состоит в отбрасывании доминированных строк и столбцов.

Первые попытки разработки методического аппарата и методов анализа игр с природой восходят к началу 50-х годов XX в. Все они могут быть отнесены к типу эвристических, поскольку авторы формировали эти подходы и методы на основе наблюдений за практическими ситуациями, а затем аппроксимировали результаты Е;ыбора в виде специальных принципов оптимальности. Каждый из этих принципов, хотя и бессистемно, учитывал какие-то особенности личности ЛПР.

Затем, вплоть до конца 80-х годов XX в., практически не наблюдалось никаких изменений в методологическом подходе. Крупные экологические катастрофы и экономические потрясения, политические провалы начала 90-х годов XX в. вновь заставили предпринимателей и политиков потребовать от ученых вернуться к вопросам методологии. Нужно было на основе накопленных знаний сформировать новые представления о том, что такое «наилучшее решение» в условиях априорной неопределенности. Потребовалось с системных позиций выяснить, чем руководствуются в принятии решений наиболее успешные из бизнесменов, чем в настоящее время отличаются методы работы удачливых менеджеров больших финансовых систем. Не менее интересно, на что ориентируются проницательные биржевые аналитики, брокеры, риэлтеры, работники диспетчерских служб аэропортов, операторы служб и систем охраны и лица других профессий, большинства из которых не было еще в середине 50-х годов XX в. Оказалось, что часто перечисленные лица интуитивно чувствуют степень возможности того или иного исхода, даже могут описать эти чувства в терминах шансов. Иногда они ощущают меру риска через ожидание больших величин потерь или больших выигрышей. Иногда они субъективно стремятся застраховаться или, наоборот, попытаться уловить удачную конъюнктуру.

Особую роль в решении рисковых задач играют интуиция менеджера и инсайт. Интуиция представляет собой способность непосредственно, как бы внезапно, без логического продумывания находить правильное решение проблемы. Интуитивное решение как внутреннее озарение, просветление мысли, раскрывающее суть изучаемого вопроса. Интуиция является непременным компонентом творческого процесса. Психология рассматривает интуицию во взаимосвязи с чувственным и логическим познанием и практической деятельностью как непосредственное знание в его единстве со знанием опосредованным, ранее приобретенным. Инсайт — это осознанное решение некоторой проблемы. Субъективно инсайт переживают как неожиданное озарение, постижение. В момент самого инсайта решение осознается очень ясно, однако эта ясность часто носит кратковременный характер и нуждается в сознательной фиксации решения.

Практическое использование классических методов анализа «игр с природой» оказалось затруднено именно в силу недостаточной проработанности вопросов, связанных с отождествлением того или иного из таких методов анализа решений с личностью ЛПР и его отношением к риску. При этом описания классических методов практически не содержали информации о том, какой из них более адекватно отражает те или иные особенности системы предпочтений ЛПР.

Таким образом, можно выделить два этапа развития методов и технологий для анализа решений в условиях природной неопределенности: классический и современный. По этой же причине все методы и технологии условно разделим на классические и современные, учитывающие несколько характеристик личности ЛПР.

Анализ всей доступной информации о том, какими соображениями руководствуются подобные ЛПР, когда они принимают ответственные решения в условиях, сходных с «природной» неопределенностью, позволил выдвинуть ряд гипотез о восприятии нестохастического риска. На основе таких гипотез затем были предложены критерии оценки характеристик личности ЛПР и сформированы технологии принятия решений в условиях «природной» неопределенности.

Изложение полученных результатов анализа решений в условиях подобного «механизма» риска проводится в рамках единой терминологии, поскольку, как оказалось, классические и, так сказать, современные методы «игр с природой» укладываются в единую методологическую схему. Наша цель — построение формальных моделей принятия решений, которые предприниматель может использовать на практике.

Введем понятие риска для случая природной неопределенности. Определим такой риск как «плату» за возможность получения наиболее благоприятного исхода в операции. Таким образом, в качестве наказания за принятие рискованного решения выступает угроза получения неблагоприятного исхода. В соответствии с таким определением риск можно оценивать, например, величиной разности между наиболее и наименее предпочтительными результатами для каждой из возможных стратегий. Можно также оценивать величиной разности между текущими результатами и уровнем притязаний. Напомним, что ранее под уровнем притязаний мы договорились понимать любой результат, достижение которого отождествляется в сознании ЛПР с конечным успехом. Например, уровень притязаний менеджеры часто расценивают как самый лучший результат из возможных при данных обстоятельствах. Брокеры иногда считают, что это некоторый вполне конкретный результат между худшим и лучшим при данных обстоятельствах или даже — любой не самый худший. Это, возможно, объясняется тем, что брокер «живет с продаж», а за все риски, по сути, отвечает клиент.

Применительно к задачам принятия решений в условиях неопределенности можно ввести следующие характеристики отношения ЛПР к нестохастическому риску:

>- несклонное к риску — это ЛПР, которое опасается много проиграть, и поэтому при оценке возможных стратегий в первую очередь обращает внимание на величины связан-

Риск-менеджмент

ных с ними наихудших результатов; иными словами, если при анализе ситуаций и принятии решений предприниматель главное внимание сосредоточивает на величинах результатов, а среди них — только на значениях неудовлетворительных исходов, то такой предприниматель, скорее всего, не склонен рисковать в условиях «природной» неопределенности;

>- склонное к риску — это ЛПР, которое боится мало выиграть и поэтому при оценке возможных стратегий в первую очередь обращает внимание или на величины связанных с ними наилучших результатов, или на величины потенциальных потерь; если при анализе ситуаций и принятии решений предприниматель главное внимание сосредоточивает на величинах наилучших из возможных результатов, а также стремится в обязательном порядке оценивать величины возможных сожалений, то этот предприниматель. скорее всего, должен отнести себя к лицам, склонным к нестохастическому риску в «игре с природой»;

>- безразличное к риску — это ЛПР, которое придает одинаковый вес как наилучшим, так и наихудшим результатам, учитывая возможные промежуточные результаты; таким образом, если при анализе ситуаций и принятии решений предприниматель одинаково внимательно оценивает и очень плохие, и очень хорошие результаты, и величины сожалений для ситуаций, то есть подвергает ситуации всестороннему взвешенному анализу, то этот предприниматель, пожалуй, может считать себя «взвешенно относящимся к «природному» риску.

Итак, рассмотрим классические методики анализа «игр с природой» в рамках введенных допущений, определений и формальных обозначений. Напомним, что в каждой ситуации (a,., Sj) игры предпочтительность исхода экономической операции оценивается предпринимателем скалярной величиной y(a_l ,s _/ ) прибыли, которую он стремится максимизировать.

Предположим, что предприниматель рассматривает вопрос о поставке в следующем году партии определенного товара на рынок. Он понимает, что выгодность этой коммерческой операции зависит и от того, к какой стратегии интервенции на рынке аналогичных товаров он прибегнет, и от того, какой будет конъюнктура на рынке аналогичных товаров (объемы поставок, уровень

спроса, время экспозиции товара на рынке, цена на единицу товара и др.). По заказу предпринимателя маркетинговая служба провела исследования перспектив рынка аналогичных товаров и выявила четыре его возможных состояния 5 . e S, различающихся по предпочтительности для продвижения собственных объемов товара и сопровождающих его услуг. С целью максимизации величины yia^Sj) прибыли для каждого из этих возможных состояний рынка были разработаны четыре стратегии е А продвижения товаров и услуг.

После этого предприниматель поставил задачу перед аналитическим департаментом предприятия оценить величины у(а_п sj)прибыли для каждого из возможных состояний {a_nSj). Результаты расчетов величин прибыли у(а_п Sj^ рублях для каждой из стратегий торговли и всех состояний рынка аналогичных товаров представлены в табл. 5.2.

Таблица 5.2

Результаты расчетов величин прибыли -)для стратегий торговли

и всех состояний рынка аналогичных товаров

Стратегии торговли	Возможные состояния рынка аналогичных товаров и услуг
			s4
"/	32065	34980	20405	2915
а2	29150	20405	34980	8745
аз	11660	23320	17490	14575
а4	20405	40810	2915	20405

Предприниматель поставил руководителю аналитического департамента задачу вначале произвести оценку предпочтительности этой, достаточно компактной совокупности стратегий торговли. Затем на основании анализа полученных результатов служащим аналитического департамента надлежало разработать предложения для принятия решений. В этих предложениях должны были присутствовать базовые предпосылки, на основе которых были сделаны те ли иные выводы (то есть информация о том, какую систему предпочтений аналитики заложили в модель принятия решений), а также практические выводы и конкретные рекомендации для принятия решений. Если ни одна из имеющихся альтернатив не будет признана наилучшей для принятия решений, то аналитическому департаменту совместно с маркетинговой службой надлежало разработать дополнительные варианты или предложить новые стратегии продвижения товара на рынке.

Получив задачу, начальник аналитического департамента решил вначале для оценки предпочтительности стратегий использовать классические критерии выбора. Для этого, прежде всего, требовалось описать характеристики личности ЛПР и его отношение к «природному» риску.

Для того чтобы продемонстрировать работу классических критериев, мы в нашем примере будем последовательно выдвигать гипотезу об этих элементах предпочтений ЛПР для принятия им предпринимательских решений.

Критерий Вальда. Таким критерием обычно руководствуется ЛПР, которое при выборе решения абсолютно не приемлет риск. ЛПР оценивает каждую из альтернатив а, е А гарантированным для нее результатом у (а/): min у(я_;, .v,),представляющим собой то худшее из возможного, х^же чего не будет для этой альтернативы ни при каких обстоятельствах. После этого наилучшей считают альтернативу « , выбранную по уже знакомому нам принципу «лучшее из худшего»:

a*: max min у (a,, sЛ

и, с A SjdS ^j

Другое название метода Вальда — «максиминный критерий» — обусловлено видом правой части формального выражения для него. В табл. 5.3 представлены гарантированные результаты для каждой стратегии в нашем примере и значение наибольшего гарантированного результата, равного 11 660 руб. Этот результат соответствует стратегии а..

Т а б л и ц а 5.3

Гарантированные результаты для стратегии

Стратегии торговли Характеристики стратегий по критерию Вальда Г арантированные результаты, руб. Наибольший гарантированный результат, руб. «/ 2915 «2 8745 а3 11660 11660 а4 2915

Предприниматель, который абсолютно не склонен к риску, считает себя крайним пессимистом, который уверен, что для него неуспех операции крайне нежелателен независимо от того, какими мог/т быть другие, благоприятные исходы, скорее всего, должен выбирать именно такой критерий принятия решений.

Если наш предприниматель именно такой, то ему следует присмотреться только к стратегии торговли и для нее оценивать предпочтительность намеченного стратегического плана торговли. В зависимости от того, как сложится конъюнктура на рынке в будущем, эта стратегия может принести ему прибыль в размере или 11 660 руб., или 23 320 руб., или 17 490 руб., или 14 575 руб., но меньше, чем 11 660 руб. не будет. Если такая картина предпринимателя устраивает, ему следует принять именно эту стратегию а₃, поскольку она совсем не рискованная в смысле наибольшего гарантированного результата. Таким образом, доходчивость и логичность критерия Вальда, простота вычислений для принятия решения — это его достоинства. Однако, как известно, именно эти свойства критерия наибольшего гарантированного результата иногда превращаются в его самый значительный недостаток, если применять его формально. Для того чтобы показать, как это происходит, предположим, что матрица результатов содержит всего две строки и четыре столбца состояний «природы», как это представлено в табл. 5.4.

Таблица 5.4 Иллюстрация недостатка критерия Бальда

Стратегии ¦5/ s4 «1 0,99 1000 1000 1000 «2 1 1 1 1

Гарантированный результат в табл. 5.4 для стратегии аі равен 0,99, а для альтернативы он равен 1,0. Следовательно, формально по критерию Вальда наилучшей следует считать альтернативу Но на самом деле каждому понятно, что с точки зрения не формального, а практического бизнеса результаты 0,99 и 1,0 — это одно и то же. Поэтому, формально получается, что мы выбираем стратегию, которая для всех связанных с ней ситуаций дает один и тот же результат. А вот для стратегии а / практически такой же результат получается только в одной из связанных с ней ситуаций, а в остальных своих ситуациях эта стратегия на три порядка лучше, чем стратегия а. И об этой формальной стороне критерия Вальда нужно постоянно помнить. Таким образом, этот критерий принимает во внимание только наихудшие значения для конкретной стратегии, а то, какие по величинам наилучшие результаты дает эта же стратегия, а также — сколько таких «лучших» результатов у нее — этот критерий вообще не принимает во внимание.

Критерий Сэвиджа. Это критерий ЛПР, склонного к риску, являющегося крайним пессимистом. В этом критерии используют не результаты критерий Сэвиджа. Это критерий ЛПР, склонного к риску, являющегося крайним пессимистом. В этом критерии используют не результаты у(а_І., s _I.), а так называемое «сожаление» от неиспользованных возможностей. По замыслу автора, величина сожаления вычисляется для каждой возможной ситуации как разность между наилучшим при данном состоянии природы результатом и всеми текущими для этого состояния. Обозначим «сожаление» в ситуации (а,., s ₍) через zia^Sj )Тогда формальное выражение для величины сожаления в ситуации (a_nSj )выглядит следующим образом:

Ж, s,.) = ^ma* y(^an^s ) - Ж, $ Д

^J a, a A ^J

то есть из наилучшего результата max у(а., л ₍фля фиксированного состояния ,у_у природы вычитаем текущий результат y(a_j, s _t) для этого состояния, и эта разность характеризует величину недовольства, «сожаления» ЛПР своим необдуманным поступком. После того как для всех ситуаций сожаления вычислены, мы можем заменить матрицу |у₀ результатов yia^s _j) на матрицу (Д величин сожалений z(a],Sj). Получим матрицу сожалений для ситуаций нашего примера. Почему может сожалеть думающий предприниматель? Потому только, что он знал, как нужно поступить, но — не поступил (почему-то). Как это соотносится с нашим примером? А вот как. Предположим, предприниматель точно знает, что конъюнктура на рынке товара сложится в точности как в s, состоянии «природы». Как он тогда поступит? Он выберет наилучшую из его стратегий, чтобы получить наибольшую прибыль. Формально это означает, что нужно найти в столбце наилучший результат. Применив эти рассуждения к исходным данным нашего примера, мы увидим, что наилучший результат 32 065 руб. дает применение стратегии а_г А если пред-принимателъ применит для этого же состояния рынка иную стратегию, например, а₂, получит он ту же прибыль? Нет, прибыль составит всего 29 150 руб., то есть он потеряет 2915 руб. и будет сожалеть о своем нерациональном поступке. Следовательно, если мы вычтем из наилучшего результата в столбце я, все остальные результаты этого же столбца, то мы получим для этого столбца величины ^(a,, Sj сожалений в рублях. Нулевое по величине сожаление будет только для ситуации (о,, s,). Затем так же можно вычислить сожаления и для остальных состояний рынка. Матрица сожалений представлена в табл. 5.5.

Т а б л и ц а 5.5

Результаты расчетов величин сожалений г(в(, $,)для торговли и всех состояний рынка аналогичных товаров

Стратегии торговли Возможные состояния рынка аналогичных товаров и услуг *2 s4 0 5830 14 575 17 490 2915 20 405 0 11 660 аз 20 405 17 490 17 490 5830 а4 11 660 0 32 065 m

Далее Сэвидж предложил для оценки предпочтительности альтернатив проводить анализ так же, как в методе Вальда:

>- для каждой альтернативы а. получить оценку гарантированного, то есть наибольшего сожаления:

z (a,): max zia^Sj);

>- найти наилучшую альтернативу я , обеспечивающую ЛПР наименьшее гарантированное сожаление:

а*: шіпшахг(а, , s, ).

В соответствии с записанным формальным правилом критерий Сэвиджа называют также критерием минимаксных сожалений. В табл. 5.6 представлены значения гарантированных сожалений

Т а б л и ц а 5.6 Гарантированные сожаления для стратегий

Стратегии торговли Характеристики стратегий по критерию Сэвиджа Гарантированные сожаления, руб. Наименьшее гарантированное сожаление, руб. »і 17 490 17 490 »2 20 405 “3 20 405 о4 32 065

Что же мы видим? Наилучшей по критерию Сэвиджа является стратегия а_х\ Это противоречит тому, что мы получили, когда использовали критерий Вальда. Не удивляет? — Не должно! Было бы гораздо больше подозрений, если бы оценки по столь разным критериям в результате совпали. Ведь эти критерии — для разных по своим устремлениям ЛПР: критерий Вальда для того, кто боится много проиграть, а критерий Сэвиджа — мало выиграть. Но, в принципе, разумеется, совпадения результатов применения разных критериев возможны.

Итак, поскольку теоретической основой обоих рассмотренных нами критериев является принцип наилучшего гарантированного результата (для критерия Вальда — сам результат, а для критерия Сэвиджа — сожаление), основные достоинства и недостатки у критерия Сэвиджа те же, что и у критерия Вальда. Но есть у критерия минимаксных сожалений и специфический недостаток. Дело в вычислении величин сожалений по ситуациям. Поэтому критерий Сэвиджа чувствителен к составу исходного множества альтернатив. Пусть игра с природой моделируется матрицей, представленной в табл. 5.7.

Т а б л и ц а 5.7

Матрица гипотетической игры с природой

Стратегии Si *2 Я/ а 1000 «2 і 1

При этом пусть 0 < р < а < 1. Тогда сожаления для указанной матрицы результатов будут такими, как это отображено в табл. 5.8.

Т а б л и ц а 5,1 Матрица сожалений гипотетической игры с природой

Стратегии ¦*/ "/ 1 - а 0 0 999

Наименьшие гарантированные сожаления, равные 1 - а, обеспечивает стратегия a_t, которая и является наилучшей для рассматриваемого примера.

А теперь пусть число стратегий увеличили, и матрица рассматриваемой нами гипотетической игры (см. табл. 5.7) приобрела вид, представленный в табл. 5.9. Достаточно просто убедиться, что решение в подобной игре неустойчиво к добавленной «посторонней» альтернативе и зависит от того, останется ли она в числе стратегий ЛПР или нет.

Т а б л и ц а 5.9 Матрица игры с природой, неустойчивой по отношению к «посторонней» альтернативе

Стратегии *2 "/ а 1000 02 1 1 1000 р

Таким образом, эта матрица, представленная в табл. 5.9, получена из матрицы предыдущего примера с добавлением еще одной строки для стратегии По матрице результатов с добавленной альтернативой вычислим значения сожалений. Они будут такими, какими они представлены в табл. 5.10.

Таблица 5.10 Матрица сожалений игры с природой, неустойчивой по отношению к «посторонней» альтернативе

Стратегии si S2 аі 1000 - а 0 02 999 999 03 0 1000 -р

Так что же получается? — Критерий Сэвиджа выделяет в качестве наилучшей стратегию а₂, хотя, если по какой-либо причине стратегия а₃ не сможет быть реализована, то наилучшей будет альтернатива а/, а а₂ перестанет быть наилучшей. Таким образом, критерий Сэвиджа не обладает свойством независимости (устойчивости) от «посторонних» (дополнительных) альтернатив. Это очень важно помнить, если вы решите дополнять перечень уже имеющихся альтернатив какими-то новыми.

Критерий Гурвица. Критерий используют для следующих элементов системы предпочтений ЛПР: оно безразлично к риску и является реалистом. В качестве количественной характеристики для каждой стратегии предпринимателю рекомендуется использовать величину у(а_пу), которая формируется в виде линейной функции наихудшего (пессимистического) и наилучшего (оптимистического) для нее значений прибыли. Для этого используют специальный коэффициент пессимизма-оптимизма, называемый также коэффициентом Гурвица. Обозначим этот коэффициент через у. Значения коэффициента выбирают из диапазона [0; 1] по правилу:

у = 0, если ЛПР считает, что состояние «природы» в операции будет самым благоприятным (оптимистический прогноз);

>- у = 1, если ЛПР считает, что состояние «природы» в операции будет самым неблагоприятным (пессимистический прогноз);

>-0 < у < 1, если ЛПР считает, что состояние «природы» в операции будет не самым плохим, но и не самым благоприятным.

Каждую альтернативу оценивают взвешенным результатом вида:

Ж>у) = у • тіпу(а,.,5_у.) + (1 - у) • таху(я,,^)..

Затем наилучшую альтернативу а" отыскивают обычным порядком, то есть максимизацией величин у(а_п у):а*: таху(я,, у). Легко заметить, что если у = 0, то модель выбора по критерию Гурвица отражает предпочтения ЛПР, руководствующегося правилом «все сложится самым удачным образом» (крайний оптимист); если у = 1, то сразу получается критерий Вальда, который моделирует крайне пессимистичное отношение ЛПР к возможным условиям проведения операции.

Значение коэффициента у может быть назначено ЛПР эвристически из интервала [0; 1] или это значение можно оценить с использованием специальных процедур, сходных с процедурами определения субъективных вероятностей.

Определим наилучшую по критерию Гурвица стратегию для нашего примера. В табл. 5.11 представлены значения линейной функции у(а_п у) Гурвица при значении коэффициента пессимизма-оптимизма у, равного 0,2.

Таблиц а5. 1 1 Значения линейной функции у(аі9 у )Гурвица при у = 0,2

Стратегии торговли Характеристики стратегий по критерию Гурвица Величина y(aj9y), руб. Наибольшее значение результата по Гурвицу, руб. «/ 28 567 29 733 а3 20 988 а4 33 231 33 231

Таким образом, по критерию Гурвица наилучшей оказывается стратегия а₄. Понятно, что наилучшим это решение может быть признано только тем предпринимателем, который считает себя нейтрально относящимся к риску в части осознания возможности получения как наилучших, так и наихудших результатов, то есть реалистом. Кроме того, он считает, что возможности таких альтернативных исходов не одинаковы. Поэтому он придает больший вес оптимистичному исходу, а не пессимистичному. Причем эта его личная уверенность достаточно сильная, и поэтому значение величины у — коэффициента пессимизма-оптимизма, называемого также коэффициентом Гурвица, составляет величину 0,2. Если бы предприниматель отдавал таким исходам одинаковый вес — принял бы у = 0,5, — то получилось бы две оптимальной по Гурвицу стратегии, а₂ и а₄, а если бы он был более пессимистично настроен (у = 0,8) — наилучшей оказалась бы стратегия а₃.

Заметим, что критерий Гурвица может не различать явно различающиеся по предпочтительности стратегии в силу того, что каждой из них ставит в соответствие оценку, являющуюся линейной комбинацией только наихудшего и наилучшего результата для альтернатив. Поясним это на следующем примере. Пусть игра с природой описывается матрицей, представленной табл. 5.12.

Т а б л и ц а 5.12 Матрица игры с природой, иллюстрирующая недостаток критерия Гурвица

Стратегии s2 SJ s4 0 0 1000 0 1000 999 999 0

Стратегии й/ и й^ отличаются существенно по предпочтительности, так у первой альтернативы только один ненулевой исход, а у второй их три (весьма значительные по величине). В то же время у них одинаковые наилучшие (равные 1000) и наихудшие (равные 0) результаты и, следовательно, по критерию Гурвица эти альтернативы эквивалентны. Но для практики, разумеется, вторая стратегия несомненно лучше первой.

Критерий Лапласа—Бернулли. Это критерий для ЛПР, не склонного к риску и являющегося реалистом. В его основу положена концепция недостаточного основания Лапласа и принцип рандомизации, о котором мы уже говорили. Согласно концепции недостаточного основания, если нет никаких оснований полагать, что какие-либо из п возможных состояний природы более возможны по отношению к другим, то их целесообразно полагать субъективно равновозможными, то есть имеющими

одинаковую p(s ₍.) = - субъективную вероятность появления. Поп

еле этого, опираясь на принцип рандомизации, считаем ситуацию случайной и применяем критерий наибольшего среднего результата. В итоге критерий Лапласа—Бернулли принимает вид:

a max М (а,) = ^тах ^ )УІ^а•?,)] = птах х,).

S,€.s ' ' " У Л '

Результаты расчетов величин средней субъективно ожидаемой прибыли для стратегий торговли представлены в табл. 5.13.

Таблица 5.13 Результаты расчетов величин средней субъективно ожидаемой прибыли для стратегий торговли

Стратегии торговли Характеристики стратегий по критерию Лапласа-Бернулли Величины средней субъективно ожидаемой прибыли, руб. Наибольшее значение величины средней субъективно ожидаемой прибыли, руб. а1 22 591,25 «2 23 320 23 320 аз 16 761,25 а4 21 133,75

Расчеты для исходных данных нашего примера показывают следующее: наилучшей по критерию недостаточного основания Лапласа—Бернулли следует считать стратегию а₂.

Для наглядности и в качестве промежуточного итога сведем результаты применения всех классических критериев в табл. 5.14, где наилучшая стратегия отмечена звездочкой в строке для соответствующей стратегии торговли.

Таблица 5.14 Результаты применения классических критериев

Стратегии торговли Результаты применения классических критериев Вальда Сэвиджа Гурвица Лапласа—Бернулли 7 = 0,2 7 = 0,5 7 = 0,8 Я/ * «2 * * •к аз * а4 * *

А теперь в дополнение к рассмотренным классическим критериям несколько новых критериев принятия решений в услови-

ях природной неопределенности. Первый шаг на этом пути — модификация классического критерия путем ослабления его очевидных недостатков.

Модифицированный критерий Гурвица. Основная идея модификации состоит в том, чтобы при оценке каждой альтернативы помимо наименее и наиболее предпочтительных результатов присутствовали бы и промежуточные. В итоге критерий принял вид:

а*:таху(а,,у),

1 "

при ограничении - V у(а, s) > у "^р“^ті, п j=1

где у ^приті — установленный ЛПР уровень притязаний по среднему арифметическому из величин возможных результатов для альтернатив.

Предположим, у'""""¹ = 22 000 руб. При таком значении уровня притязаний только для первых двух альтернатив выполняется условие превышения средних арифметических значений результата над уровнем притязаний. Значения средних арифметических результатов составляют 22 591,25 руб. и 23 320 руб. соответственно. В этом легко убедиться, рассмотрев данные для результатов применения критерия Лапласа—Бернулли. Среди страте-гий-претендентов наилучшим значением линейной функции Гурвица у(<2, ,у)= у * тіпу(а,-, s+ (1 - у)max у(а₀-)s обладает

S/<zS " ' ¹ SjUS '

вторая стратегия (28 567 руб. у первой стратегии и 29 733 руб. у второй). Таким образом, а*— а₂.

Модифицированный критерий Сэвиджа. При модификации введено расширенное толкование понятия «сожаление». Если субъектом движет желание коренным образом изменить ситуацию, добиться существенного выигрыша в ней, пусть даже ценой каких-то потерь, то «риск» — это просто плата за возможность получения наиболее благоприятного исхода в операции, а «сожаление» — мера подобно трактуемого риска. В результате, в дополнение к классическому понятию «сожаления» предложено измерять его также и величиной разности между уровнем притязаний и текущим результатом. Поэтому вполне возможно, что могут быть получены «сожаления» как со знаком плюс, так и со знаком минус. Иными словами, отрицательное сожаление озна-

288

чает «значительный успех», выраженный в превышении полученного результата над выбранным уровнем притязаний. А далее все просто: использован тот же подход, что и в модифицированном методе Гурвица — введено понятие «уровень притязаний по сожалениям». Обозначим эту величину через z"^pumj.B итоге такой модификации получаем критерий следующего вида:

а *: min max z(a,, s,)

а, в А л_; ? .S' ^J

1 ”

при ограничении — ’Sz(a_l,s_J)< z"^pM,‘.

n j=r

Пусть в рамках рассматриваемого нами примера z"^punn — 9000 руб., то есть при сожалениях не превышающих 9000 руб. предприниматель готов рассматривать кандидаты на звание лучшей стратеги. Оказывается, что среднее арифметическое значение сожалений для стратегий только в одном случае удовлетворяет уровень притязаний по величинам сожалений. Только для стратегии а₂ величина среднего арифметического сожалений составляет 8745 руб., а у трех остальных стратегий эта величина выше порогового значения в 9000 руб. Поэтому у предпринимателя нет выбора — перед ним дилемма: или он будет руководствоваться стратегией а₂, или ему предстоит расширить множество альтернатив и при этом постоянно помнить, к чему может привести добавление «посторонних» альтернатив.

Разумеется, это не все модификации классических методов, а лишь часть их силы.

Однако имеются новые критерии, позволяющие напрямую оперировать предложенными формальными характеристиками личности Л ПР.

Критерий субъективно средних результатов соответствует предпочтениям ЛПР, не склонного к риску, являющегося разумным оптимистом. Такое ЛПР оценивает состояния природы величинами результатов, но рассматривает результаты через призму субъективного восприятия состояний природы. Субъективные вероятности состояний природы принимаются пропорциональными суммарным результатам для каждого состояния «природы». Согласно этому критерию лучшей следует считать ту стратегию, которая приводит к максимальному субъективно среднему результату: причем субъективные вероятности определяются по формуле



При тех исходных данных, которыми мы оперируем в общем для анализа примере, значения субъективных вероятностей p(Sj) конъюнктуры рынка составят:

p(S]) = 0,28; p(s₂) = 0,36; ^(sj) = 0,23 ир(з₄) = 0,14.

Окончательно величины субъективно средних результатов для стратегий получаются равными тем, которые представлены в табл. 5.15.

Таблица 5.15 Величины субъективно средних результатов для стратегий

О] оз 26 412,43 24 511,35 17 540,7 23 725,57

Таким образом, по критерию субъективно средних результатов наилучшей является стратегия , дающая в среднем прибыль в 26 412,43 руб.

Предположим теперь, что ЛПР склонно к риску и является разумным оптимистом. В таком случае оно, скорее всего, оценивает ситуации величинами сожалений и намерено измерять субъективные вероятности возможных состояний «природы». Величины субъективных вероятностей состояний природы вычисляем пропорционально суммарным результатам для каждого состояния. А сам критерий — его можно назвать критерием средних субъективных сожалений — выглядит так:

SjgS

_пр_{ичем величины} ,) субъективных вероятностей определяют по формуле:



В нашем примере величины субъективных вероятностей для этого критерия те же, что и для предыдущего критерия. Умножив их на соответствующие ситуациям величины сожалений г(й,, Sj), получаем величины средних субъективных сожалений такие, как это представлено в табл. 5.16.

Таблица 5.16

Величины средних субъективных сожалений

Я/ а2 аз а4 7807,13 9708,217 16678,87 10 494

Минимальное сожаление соответствует применению стратегии a_f.

Критерий субъективной вероятностной гарантии. Этот критерий характерен для ЛПР безразличного к риску, который может указать субъективные оценки p(Sj) вероятностей состояний природы в числовой форме, а также требуемый уровень результата (уровень притязаний). Критерий рекомендует считать лучшей ту стратегию, которая приводит к наибольшему значению вероятности получения результата не хуже требуемого:

й*^:тах ?>(^Д

°‘^sA

где S(ai/y^Hpum) = Sj |y(a_f, >y"^pumi—те состояния природы, для которых результат применения стратегии а, оказался лучше уровня у^притз притязаний.

Предположим, анализируя с помощью экспертов возможные уровни конъюнктуры рынка аналогичных товаров, предприниматель оценил попарно возможные состояния рынка и применил процедуру определения субъективных вероятностей через вербальные высказывания типа «более вероятно», «равновероятно», «менее вероятно». Результаты оценки составили следующие величины:

/>(S|) = 0,38;^(s₂) = 0,36; ^(s₃) = 0,20 и /»(s₄) = 0,06.

Уровень притязаний у^приті по результатам установлен в 30 000 руб. Используя значения прибыли для ситуаций, найдем те ситуации, для которых результаты превышают 30 000 руб. (табл. 5.17).

Таблица 5.17 Ситуации (а,, s.), значения величин прибыли yia^Sj) для которых превышают ущ‘“т' = 30 000 руб.

Стратегии торговли Возможные состояния рынка аналогичных товаров и услуг p(si) = 0,38 p(s2) = 0,36 p(s3) = 0,20 p(s4) = 0,06 «/ 32065 34980 «2 34 980 OJ а4 40 810

Анализ данных табл. 5.17 показывает следующее. Для первой стратегии А/ вероятность получения результата, превышающего установленный уровень у^пР^итяз = 30000 руб., составляет p(sj) + p(s2) = 0,38 + 0,36 = 0,74; для стратегии — вероятность этого события равнаp(s₃) — 0,20, для стратегии а₃ вероятность превышения уровня притязаний равна нулю, а для стратегии а₄—p(s₂) = 0,36. В итоге по критерию субъективной вероятностной гарантии наилучшей следует признать стратегию Э|.

Критерий субъективно ожидаемой полезности моделирует выбор ЛПР, которое не только может указать субъективные вероятности состояний природы в числовой форме, но и указать свою индивидуальную функцию полезности для рассматриваемых условий. Эмпирическая функция u^N(y) для оценки полезности результатов у в условиях «природного» риска имеет вид степенной зависимости

и"(у)=У

где у — нормированные результаты операции; а — параметр функции.

Эта функция трансформирует значения нормированных результатов операции в отрезок [0; 1]. Нормирование результатов проводят по линейной зависимости вида:

у" -y'L

У ~

у -? .

max 7 mm

где у"— результат в натуральной шкале;

у'У = min min у (q s ) — минимальный из результатов для всех ситуацИй в ‘ натуральной шкале;

= max max y(a_i, s )

— максимальный из всех результатов в

натуральной шкале.

Параметру а функции устанавливают значения из следующей шкалы:

0,125 -если существенна несклонность к риску;

0,5 - если незначительна несклонность к риску; а = <; 1,0 - если взвешенное отношение к риску;

2.0 - если незначительна склонность к риску;

5.0 - если существенна склонность к риску.

В итоге наилучшей следует считать ту стратегию а*, которая характеризуется наибольшей ожидаемой субъективной полезностью результатов:

а : max ? p(s_]) ¦ и^,v (у(я,, )).

^0|* j=\

Применим этот критерий для сравнения стратегий, предполагая, что а = 5. Предварительно вычислим нормированные значения величин прибыли. Они представлены в табл. 5.18.

Таблица 5.18

Нормированные значения величин прибыли

Стратегии торговли	Возможные состояния рынка аналогичных товаров и услуг
si	¦s2	S3	s4
	0,731	0,804	0,440	0,004
	0,658	0,440	0,804	0,149
"j	0,222	0,513	0,367	0,295
	0,440	0,949	0,004	0,440

Значения величин функции w ^N (у) = у ^аполезности предпринимателя сведены в табл. 5.19.

Таблица 5.19 Значения величин функции нл (у = у" полезности предпринимателя

Стратегии торговли Возможные состояния рынка аналогичных товаров и услуг S4 "/ 0,51 0,62 0,17 0,00 а2 0,40 0,17 0,62 0,02 "3 0,04 0,23 0,11 0,07 о4 0,17 0,89 0,00 0,17

Теперь остается вычислить ожидаемую субъективную полезность. Результаты вычислений сведены в табл. 5.20.

Таблица 5.20 Величины субъективно ожидаемых полезностей стратегий

«2 «3 »4 0,45 0,32 0,13 0,39

Таким образом, с использованием введенных понятий (тип личности, отношение к «природному» риску) оказалось достаточно легко привести классические и современные методы анализа «игр с природой» в стройную систему, а также сформулировать сравнительно простые правила для процедуры подбора критерия, который наиболее адекватно отражает особенности принятия решений конкретным ЛПР в условиях «природного» риска.

При этом наиболее общие рекомендации по применению критериев таковы:

>- критерием Вальда следует руководствоваться предпринимателю, который считает себя крайним пессимистом и, кроме того, абсолютно не склонен рисковать в рассматриваемой экономической операции;

>- критерий Сэвиджа минимаксных сожалений следует рекомендовать для оценки предпочтительности альтернатив тому предпринимателю, который хотя и относит себя к классу пессимистов, но в данной операции весьма заинтересован в ее результатах и очень опасается упустить выгодный шанс, мало выиграть;

>• критерий Гурвица пессимизма-оптимизма хорош для тех предпринимателей, которые взвешенно относятся к риску в условиях «природной» неопределенности и могут хотя бы качественно оценить меру собственного пессимизма или оптимизма; для таких лиц, принимающих решения, авторы рекомендуют для коэффициента у — коэффициента пессимизма-оптимизма Гурвица — назначать значения по правилу:

/у > 0,7 — если «крайний пессимист»;

/Ч ~ 0,55.. .0,65 — если «разумный пессимист»;

/у < 0,3 — если «крайний оптимист»;

/ у ^0,35...0,45 — если «разумный оптимист».

>- критерием Лапласа—Бернулли следует руководствоваться ЛПР, которое не склонно к риску и считает себя реалистом.

5.3. ПОВЫШЕНИЕ РОЛИ УПРАВЛЕНИЯ РИСКАМИ ПРИ ПОДБОРЕ ПЕРСОНАЛА

Любая, даже самая совершенная управленческая «машина», попавшая в распоряжение некомпетентного, слабо подготовленного менеджера, не сможет выполнять возложенные на нее предпринимательские задачи. По данным ежемесячной информационно-аналитической газеты «Панорама образования» (№ 7, 2004) конкурсный способ комплектации служащих сложился в Китае в середине прошлого тысячелетия и в неизменном виде просуществовал до начала двадцатого века. Тогда впервые в истории человечества на государственном уровне была поставлена и в целом решена задача привлечения на службу наиболее достойных граждан, сочетавших в себе высокую духовность, мудрость, опыт и социальную активность. Принципы подбора и подготовки бюрократических кадров и способы комплектации аппарата чиновников бьши выработаны на основе исторического опыта и философии Конфуция (551—479 гг. до н.э.) и Мэн Цзы (372—289 гг. до н.э.). Основным стал принцип выдвижения наиболее умных и способных, которые должны были пройти беспристрастный конкурс претендентов на должность. Причем те, кто их рекомендовал, возлагали, таким образом, на себя ответственность за их интеллектуальные, деловые и моральные качества. Конкурсный характер отбора, нашедший свое отражение в системе экзаменов, позволял предельно объективно определить лучшего кандидата на государственную должность. Для успешной сдачи экзаменов необходимо было не только хорошо знать конфуцианские каноны, но также творчески интерпретировать исторические сюжеты, рассуждать на философские темы, обладать литературным вкусом. Те, кто лучше других справлялся с заданиями (а таких набиралось не более 5% от общего числа абитуриентов, что косвенно свидетельствует о сложности конкурсных заданий), удостаивались первой ученой степени и получали право сдать экзамены на вторую, а потом и на последнюю, третью степени. Таким образом, лишь немногие, сдавшие все три экзамена, могли рассчитывать на получение государственной должности. При этом начинали они свою карьеру с самого низкого, уездного, уровня.

И сегодня «кадры решают все». Это стало уже словесным штампом. Но вдумайтесь, насколько точно это выражение отражает суть явлений рискованной предпринимательской деятельности! Вы не можете быть сильным везде. Вы не можете все делать сами — это полностью противоречит принципу разделения труда. Вы просто не можете не делегировать другим часть своих полномочий по принятию решений. А раз так, то в тех, кому вы будете что-то поручать, в тех, кому вы будете делегировать полномочия, вы должны быть уверены, как в самом себе. Иначе — дело не пойдет так, как хочется вам. Практикам бизнеса давно понятно, что разные люди имеют различную склонность к риску. Некоторые любят риск, внутренне стремятся к нему. Таких — не более нескольких процентов от дееспособного населения. Большинство же людей уклоняются от рисков. Среди них некоторые готовы к проведению расчетов оптимизации рисков, а другие — воспринимают эту работу как вещь совершенно бесполезную («Как можно рационализировать непредсказуемое?»). Немного людей, которые вовсе не выносят риска.

Особенно важно тщательно подбирать людей на должности со строго дозированными требованиями к уровням допустим ого риска. Подобранный вами персонал и назначенные вами исполнители должны по своим личностным качествам (тип личности, степень склонности к риску и пр.) как можно точнее соответствовать требованиям, предъявляемым к той или иной должности, к тому или иному порученному делу. Например, брокер или менеджер по продажам просто по должности обязан быть рисковым. А вот главный бухгалтер — совсем наоборот: должен быть совершенно не склонен к риску, он должен зубами вцепится в деньги, он должен быть подозрительным к любому предложению хоть часть из них куда-то отдать. Менеджер, занимающийся закупками, должен быть пессимистом, а руководитель отдела продаж — оптимистом, и т.п.

Отсюда, из понимания этих особенностей сразу рождается задача интерпретации рискованности как личностной и ситуационной предпосылки при принятии решений в рамках фиксированных должностных полномочий.

Взглядов на природу взаимосвязи обыденных качеств личности и поведения индивида в процессе предпринимательской деятельности несколько (см., например, [53, 54, 55] и др.). И на саму возможность решения задачи соотнесения характеристик личности с будущим поведением в бизнесе существует также несколько. При этом одни авторы полагают, что «рискованность» субъекта не вписывается в системы личностных диспозиций, поскольку связывается с разноуровневыми психологическими регуляторами процесса принятия решений. Например, П. Вайнц-вайг рассматривает «готовность к риску» как характерологическую составляющую «храбрости» и на примерах анализа конкретных жизненных ситуаций, которые бы следовало назвать критическими, он демонстрирует позитивную роль этого качества при желании человека действовать в соответствии со своими убеждениями. Один известный психотерапевт считает необходимым в своей практике ориентироваться на интегральную личность как носителя потенций разного возможного поведения. При этом он выделяет четыре основные психические особенности: устойчивость, динамичность, эмоциональность и созерцательность. Со второй из них и связывается готовность к риску, сопровождаемая обычно гибкостью, вкусом, толерантностью и прогрессивностью. Это, в общем-то, достаточно разноплановые характеристики личности. А вот что касается различных форм проявления темперамента, то, например, Г. Айзенк полагает, что готовность к риску сродни поиску сильных ощущений, и в этом отношении рискованность субъекта существенно отличается от импульсивности. Есть также мнение о том, что готовности к риску способствуют склонность к авантюре, социальная смелость, решительность характера, инициатива, сильная воля. И наоборот, такие проявления эмоций, как совестливость, упорство, чувство ответственности и морали, повышенная неуверенность и чрезмерная чувствительность к другим лицам, скорее свидетельствуют о безразличном отношении к риску или даже к несклонности к рискованным поступкам. Согласно представлениям, заложенным в форме опросника Кеттелла, преобладанию рациональности в поступках способствуют высокий уровень интеллекта, развитое воображение, подозрительность, проницательность, расчетливость (хитрость, искушенность), озабоченность, склонность к чувству вины, а также — самодостаточность (ориентировка на собственные решения).

Известный специалист в области психологической теории решений Ю. Козелецкий, говоря о возможности эмпирического определения групп «смельчаков» и «перестраховщиков», относит склонность к риску, к личностным чертам, поскольку ее проявление детерминировано и факторами внешнего окружения, и личностным складом характера (уровень тревоги, агрессивности, потребностей в достижении и самоутверждении и др.). Что касается осторожности, то он приводит данные о связи этого проявления характера личности с потребностью в независимости и настойчивостью действий.

Однако, по мнению других авторов, склонность к риску не следует относить к личностным чертам, поскольку она не универсальна и ее проявление обычно связано с определенным классом ситуаций (житейских или профессиональных). Поэтому во многом спорным является и сам вопрос о возможности измерения какими-то показателями готовности или не готовности к риску. И, тем не менее, несмотря на теоретические разногласия, на практике достаточно широко применяют эвристические и модельные методы для решения задачи подбора и расстановки кадров с учетом требований по соответствию риску. Именно в силу указанной теоретической неоднозначности «механизма ситуации», задачу подбора персонала следует рассматривать не в контексте поведенческого риска, а в формате природной неопределенности. Для этого, разумеется, вначале нужно идентифицировать и измерить сам риск. Как это делать, мы обсуждали на протяжении всего данного изложения.

Итак, когда риск идентифицирован по его проявлению, то для наилучшего воплощения на практике способа управления им потребуется подобрать наилучших исполнителей. Предпочтения в выборе будем отдавать, ориентируясь на психологические особенности типа личности менеджеров и персонала. Конечно, при партисипативном управлении границы должностных обязанностей и ответственности менеджеров достаточно условны, а функциональные наполнения достаточно гибки. И все же на основании рассмотренных нами теоретических взглядов на проблему связи между характеристиками личности и уровнем рискованности будем полагать, что каждой штатной должности следует поставить в соответствие вполне определенный уровень рискованности должностного лица. Так, например, будем считать, что на должности финансовых ревизоров, менеджеров по кредитам, внутренних аудиторов, управляющих страхованием и т.п. лиц целесообразно назначать людей, чья психология личности обостренно воспринимает опасности. Другими словами, менеджерами, ответственными за действия «приспособления», должны назначаться люди, которым особенно присуще понимание риска как «опасности». При выборе стратегии риск-менеджмента главная роль принадлежит финансовому менеджеру, его психологическим качествам. Финансовый менеджер, занимаю -щийся вопросами риска, должен иметь два права: право выбора и право ответственности за него. Право выбора означает право принятия решения, необходимого для реализации намеченной цели рискового вложения капитала. Решение должно приниматься менеджером единолично. В риск-менеджменте из-за специфики, которая обусловлена особой ответственностью за принятие риска, нецелесообразно, а в отдельных случаях и вовсе недопустимо групповое принятие решения.

Если концептуально оценивать функции менеджеров линейного и среднего звена, то им свойственны представления о риске как о «неопределенности». Риск «как возможность» часто соответствует точке зрения высшего руководства организации и сотрудникам подразделений планирования и развития. В подобных ситуациях приходится глубже разбираться в обстоятельствах, применять специальные эвристические и формальные методы решения задачи выбора. И не всегда эти методы просты. Иная задача требует от ЛПР специальных теоретических знаний, специальных умений и т.п.

Но ведь ЛПР не может и не обязано знать всего, что может потребоваться для решения произвольной задачи принятия решения в условиях риска. И истинно рациональный подход в изучении технологии и методов принятия решений должен состоять в том, чтобы выяснить, с какими типами «механизмов» рискованных ситуаций чаще всего сталкивается ЛПР того или иного уровня руководства, какие типичные задачи ему приходится решать. Если это будет сделано, тогда далее можно будет целенаправленно, по мере необходимости, по частям изучать сложные методы анализа риска и совершенствоваться в их применении.

На рис. 5.7 представлена диаграмма упорядочения основных типов задач принятия решений в условиях риска. Само упорядочение произведено на основе анализа частоты обращения к той или иной задаче тем или иным из руководителей. Для удобства отображения на диаграмме основным типам «рискованных» задач присвоены краткие наименования, отражающие свойства того или иного источника риска. Так, задача принятия решений в условиях стохастической неопределенности получила краткое обозначение «Случайность», в условиях поведенческой неопределенности — «Конфликт», а в условиях действия природно-неопределенных факторов — «Природа». На горизонтальной линии диаграммы отмечены «зоны ответственности» менеджеров на различных концептуальных уровнях руководства — «Исполнитель», «Администратор», «Руководитель звена отрасли» и «Высшее руководство».

Частоты обращения менеджера к тем или иным типам задач моделируются высотами прямоугольников и задают уровни упорядочения задач. При этом, чем высота прямоугольника больше, тем соответствующая задача чаще встречается в практике руководства менеджера данного иерархического уровня. Внутри прямо -угольников вписаны краткие наименования типов задач. Анализ диаграммы на рис. 5.7 показывает, что, например для низшего уровня руководства, типа «Исполнитель», наиболее характерной оказывается задача принятия решений в условиях стохастического риска. Именно на этом уровне руководства проявляется массовость однотипных явлений, действуют типичные механиз-

Рис. 5.7. Диаграмма упорядочения основных типов задач принятия решений в условиях неопределенности для менеджеров на различных уровнях иерархии управления

мы случайности. Например, типичными оказываются ошибки риэлтера в оценке величины рыночной стоимости объектов оценивания, ошибки принятия решений руководителем ОТК по результатам контроля партии готовой продукции. Кроме того, этого класса менеджеры непосредственно руководят работой персонала на оборудовании и технике и, следовательно, на их плечи ложатся задачи, связанные с исключением простоя дорогостоящего оборудования, с устранением неисправностей и поломок техники, на них напрямую действуют отказы поставщиков и смежников и т.п.

Примерно такая же частота решения задач в условиях случайности наблюдается и для категории «Высшее руководство». Однако причина того, что основным типом задачи принятия решений здесь оказывается «Случайность», иная. На столь высоком уровне руководства результат взаимодействия огромного числа факторов самой разнообразной природы нивелирует их последствия, выводит их на уровень статистической закономерности. Примерно столь же часто на высшем уровне руководства приходится решать задачи в условиях природного риска. Задачи принятия решений в условиях природной неопределенности весьма характерны для деятельности «Руководителя звена», а разрешение «Конфликта» — типичная работа «Администратора» и все того же «Руководителя звена».

Таким образом, профессионализм в управлении рискованными ситуациями имеет решающее значение. Сам уровень профессионального риска менеджера при этом в значительной степени зависит от его личного восприятия ситуации, от его опыта, знаний, интуиции. Поэтому в стратегическом плане для успешного управления риском на всех уровнях оперирования организации необходимы целенаправленное управленческое образование, развитая система учета номинаций и характеристик на разных уровнях руководства, гибкая систем реагирования на потребности в изменении уровней притязаний в цикле контроля управления риском.

Итак, одна из основных ценностей любой коммерческой организации — это ее персонал. Предел эффективности функционирования предприятия — это та ситуация, когда работа каждого из его сотрудников приносит предприятию больше выгоды, чем затраты на оплату труда. Поэтому утрата услуг таких сотрудников превращается для предприятия в экономический ущерб. Предприятие может утратить эту ценность в результате неожиданного увольнения, потери трудоспособности, отставки или выхода на пенсию. Бывает, что важность какого-то сотрудника для организации оказывается столь большой, что сама возможность ведения бизнеса после утраты этого специфического таланта становится проблематичной. Обычно все частные фирмы переживают подобные черные периоды в момент смерти или отставки их основателей.

Кроме ценности услуг таких сотрудников их уход или гибель может повлечь расходы на пенсии, ритуалы и прочие привилегии, которыми организация обязана человеку или его наследникам. Чтобы привлечь и удержать хороших сотрудников, многие организации предоставляют им дополнительные привилегии по здравоохранению, оплате нетрудоспособности, пенсиям, отпускам и т.п. Одни из таких привилегий определяются трудовым законодательством, другие — внутренними правилами. Оплата этих обязательств становится прямыми издержками в дополнение к утрате работника. Таким образом, стоимость привилегий добавляет новое измерение проблеме содержания ключевого персонала.

А вот, например, банковская сфера деятельности. Из-за закрытости этой сферы и обязательности неразглашения банковской тайны текучесть кадров здесь особенно нежелательна. Не исключено, что уход служащего любого более или менее высокого ранга, обладающего конфиденциальной информацией, может грозить банку финансовым крахом. И только положительная деловая и психологическая атмосфера в банке могут удержать работника, предотвратить текучесть ценных кадров и «утечку» конфиденциальной информации. И еще. Банковская сфера предъявляет высокие требования к ответственности работы персонала. При этом наличие благоприятной внутренней атмосферы в коллективе банка снижает вероятность ошибок, цена которых порой измеряется огромными суммами.

Рассмотрим достаточно простую методику установления характеристик личного отношения к риску. Она базируется на уже известных нам представлениях и понятиях: уровень ответственности личным имуществом, готовность участвовать в «лотерее», «достоверный эквивалент лотереи», и др. Предполагается, что предприятие (фирма, организация) состоит из взаимодействующих субъектов (персонала, сотрудников), объединенных общей целью деятельности. Однако эта цель имеет два аспекта. «Внешний аспект» обусловлен социальной значимостью самой организации. Однако люди приходят в организацию, чтобы решить свои собственные, личные задачи. Это, так сказать, «внутренний» аспект задачи, определяющий личную заинтересованность персонала.

В зависимости от того, как люди соотносят для себя важность каждого из указанных аспектов, а также от того, насколько удачно они распределены по должностям внутри фирмы, зависят шансы на процветание фирмы (наоборот — на стагнацию). Оценивая риск, который в состоянии принять на себя фирма, предприниматель, прежде всего, исходит из профиля ее деятельности, а также наличия необходимых ресурсов для реализации программы финансирования возможных последствий риска. Степень допустимого риска при этом обычно определяют с учетом таких факторов, как размер основных фондов, объем производства, уровень рентабельности и т.п. Чем большим капиталом обладает предприятие, тем оно менее чувствительно к риску и тем смелее предприниматель может принимать решение в рисковых ситуациях.

Понятно, какое значение при этом имеет то, насколько каждый субъект лично склонен или не склонен к риску. Это обстоятельство назовем индивидуальной доминантой риска (ИДР). Полностью избежать риска невозможно, даже при условии предельно осторожных действий. Человек подвержен страстям. Та должность, на которую он назначен, порой просто заставляет его рисковать, иначе он не выполнит свою функцию в организации.

Риск-менеджмент

Поскольку люди психологически достаточно инертны, их поведение на службе, то, какой риск они допускают в ходе исполнения служебных обязанностей, сильно коррелированно с ИДР. Можно утверждать, что, если человек не склонен к риску в личных поступках, в быту, то в среднем он, скорее всего, будет несклонен к риску и на службе. Хотя, конечно, бывают существенные отклонения от «среднего» поведения.

На основе теоретических понятий «базовая лотерея» или «достоверный эквивалент» рассмотрим простую методику оценки ИДР, а затем распространим полученные результаты на оценку степени организационного риска фирмы. Оказывается, что методика оценки указанных компонентов риска достаточно проста. Предпринимателю рекомендуется при решении задачи подбора персонала учитывать как индивидуальные доминанты риска отдельных претендентов, так и допустимую степень организационного риска для всей фирмы.

Для того чтобы учесть обе указанные нами цели деятельности субъектов в организации, оценку ИДР будем проводить для двух составляющих, условно названных «персональный» и «деловой» риск. «Персональный риск» — это и отношение к расходованию дефицитных ресурсов в надежде улучшить свое нынешнее положение, и взгляды на возможность наступления неблагоприятных событий в будущем, и стремление получать пусть не очень большой, но зато — гарантированный доход вместо того, чтобы рисковать последним, что есть, и многое другое. «Деловой риск» — это способность рационально мыслить, понимая, например, что невозможно получить существенную прибыль, не занимаясь инновациями, не вкладывая деньги в, так сказать, «сомнительные проекты», не защищая свой бизнес от конкурентов, даже ценой блефа или некоторого нарушения «общепринятых норм» и т.п.

Что касается оценки степени организационного риска фирмы, то под ним будем понимать последствия конкретной расстановки индивидов по должностям, а также последствия неизбежных трений между персоналом и руководством, между отдельными лицами внутри персонала, а также последствия несоответствия индивида занимаемой должности. Например, руководителю по статусу положено требовать, а персоналу подчиняться, сразу несколько работников могут претендовать на более выгодную должность — все это, подчас, вовсе не придает теплоты и открытости в отноше-

ниях между людьми, порождает конфликты, ведет к риску срыва достижения целей организации.

В качестве исходных данных для определения ИДР будем использовать обобщенные оценки личного имущественного положения субъекта, а также некие гипотетические ситуации, в которых ему пришлось бы принимать решения, если бы он исполнял обязанности менеджера [91]. Предположим, что в ходе интервьюирования претендента о его личном финансовом состоянии от него были получены следующие ответы (в условных денежных единицах):

V стоимость личного имущества (включая все виды собственности) — 1 000 000;

V долги (займы, закладные) — 500;

>- финансовые ресурсы в чистом виде (после выплаты налогов) — 400.

Внесем эти данные как исходные для дальнейших расчетов в таблицу оценки индивидуальной доминанты риска (табл. 5.21). Перечисленные данные для выразительности занесены в затемненные ячейки.

5.21

Таблица

Таблица оценки индивидуальной доминанты риска (ИДР)

Зафиксированные исходные данные и реакции на гипотетические управленческие _ ситуации

Рассчитываемые индикаторы готовности принимать риск

Тип

оцениваемого _риска

Оцениваемые факторы и характеристики

Процентное отношение (Зш)

(4л’)

«Имущество»

1000

«Долги» 500

Отношение к долговым обязательствам

а)

¦100%

«Финансовые ресурсы» 400

Отношение (За-)

(4а')

б)

Наименьшая величина чистого дохода от рискованной инвестиции «50/50»

Реакция на персональные рискованные инвестиции (вероятность потерь 50%)

в)

Варианты
Номера мест вариантов	1	2	3	4	5	6	7	8	9

Ранжирование инвестиционных проектов получения рискованного дохода

Продолжениетабл. 5.21

Какие критерии «персональной» рискованности мы можем предложить? Прежде всего, целесообразно использовать размер доли имущества, которая может быть вложена в рискованный проект. Однако при этом многое будет зависеть от размера выгоды. Тогда можно взять «размер долгов» в отношении к «размеру имущества». Вычислим процентное отношение долгов (ячейка За) к стоимости личного имущества (ячейка 4а) и результат занести в ячейку 5а. Эта величина будет нами использована для оценки личной степени рискованности субъекта.

Итак, все просто. То, как человек относится к своему имуществу, и то, насколько он вообще склонен к индивидуальному риску, — обстоятельства весьма сильно взаимосвязанные. Если человек относится к своему имуществу весьма легкомысленно, если в любой момент он способен его заложить (за долги), вложить свои деньги в какие-то проекты, и т.п., то такой человек способен сильно рисковать. Если же долги вообще не берутся, а вложения в бизнес делаются крайне осторожно, составляют очень малую долю имущества или наличности, то такой человек, скорее не склонен к риску.

Продолжим заполнение остальных ячеек табл. 5.21. Для этого примем во внимание, что не менее важное обстоятельство, которое можно использовать при оценке индивидуальной склонности человека к риску, — это то, как он готов распорядиться имеющейся у него наличностью. Наличности всегда не хватает (на жизнь, на поддержание здоровья, на учебу, на представительство и т.п.). Предположим, что человек мыслит реально и готов рискнуть лишь половиной имеющейся у него наличности. Тогда,оля формирования еще одного критерия индивидуального отношения к риску можно использовать такой подход. Предложите субъекту хорошенько подумать и указать сумму, ради которой он согласился бы рискнуть половиной имеющейся у него наличности, против возможности оставить все как есть («status quo»). Полученный в результате теста ответ занесите в ячейку 36 табл. 5.21. Идею подобного теста на рискованное вложение денег иллюстрирует рис. 5.8.

Более тонко измерить ИДР можно, если усложнить задачу оценки привлекательности рискованного предприятия, считая, что возможны не только два исхода («Успех» и «Неудача»), но и различные градации результатов для них.

Практика показывает, что наиболее часто в качестве таких градаций «Успеха» и «Неудачи» рассматривают:

>- для исхода, классифицируемого как «успех»:

/ «гарантированная оценка» — инвестиция не будет потеряна (по крайней мере, эти деньги удастся вернуть);

Какова минимальная

Рискованная инвестиция 50/50 Рис. 5.8. Иллюстрация идеи теста на рискованное вложение денег

/ доход составит не менее 50% размера инвестиции;

/ доход составит не менее 100% размера инвестиции;

>- для исхода, классифицируемого как «неудача»:

/ потеря не менее 10% инвестиции;

/ потеря не менее 50% инвестиции;

/ потеря всей инвестиции (полный провал рискованной операции).

Результаты j,- для шести перечисленных исходов рискованной инвестиции и вероятности Р, их получения, как мы знаем, можно отобразить графически в виде «лотереи». Лотерея с обозначенными на ней результатами и вероятностями исходов рискованной инвестиции представлена на рис. 5.9.

Иногда инвестиционные лотереи можно достаточно просто сравнивать по предпочтительности. Например, мы помним, что если вероятности выигрышей у одной из лотерей больше, чем у другой, при одинаковых величинах выигрышей и при этом вероятности проигрыша у нее же меньше при одинаковых проигрышах, то, очевидно, первая инвестиционная лотерея лучше, чем

Рис. 5.9. Лотерея с результатами и вероятностями исходов рискованной инвестиции

вторая. Например, достаточно просто убедиться, что из двух альтернативных лотерей а/и а₂, представленных на рис. 5.10, первая лотерея Л/ предпочтительнее второй лотереи а₂.

Но мы также помним, что сложно сравнить лотереи, у которых исходы и вероятности «тянут одеяло на себя». Представим испытуемому претенденту на вакантную должность девять альтернативных инвестиций, характеристики которых помещены в табл. 5.22.

^ инвестиция не будет потеряна

0,4 0,1 0,2

доход составит не менее 50% размера инвестиции

доход составит не менее 100% размера инвестиции потеря не менее 10% инвестиции

потеря не менее 50% инвестиции

потеря всей инвестиции

0,6

0,3 1 0,3

инвестиция не будет потеряна

доход составит не менее 50% размера инвестиции

доход составит не менее 100% размера инвестиции потеря не менее 10% инвестиции

потеря не менее 50% инвестиции

0,03 потеря всей инвестиции

Таблица 5.22 Распределение вероятностей на результатах рискованных альтернатив

Альтерна тивные инвестиции с характеристиками М[у<«)1) 1 ‘?ч J Исходы рискованной инвестиции «Получить хоть какой-то доход* «УСПЕХ» (результат превысил инвестицию) «НЕУДАЧА» (результат ниже инвестированных средств) Уі: «инвестили я не будет потеряна* у2- «ДОХОД составит не менее 50% размера инвести ции» Уз: «доход составит не менее 100% размера инвести ции» У4: «потеря не менее 50% инвести ции» у5: «потеря не менее 50% инвети- ции» у6: «потеря всех 100% инвести ции» '20 50 j 0.65 0,27 0,05 0,27 0,08 0,01 10 ,30j 0,63 0,09 0,00 0,25 0,02 0,00 '30' ,70 0,67 0,39 0,16 0,28 0,13 0,03 UoJ 0,60 0,28 0,08 0,34 0,14 0,03 «5 5 -40 , 0,56 0.13 0,01 0,35 0,08 0,00 “б ''35'' .60. 0,72 0,40 0,14 0,23 0,08 0,01 а, (i: 0.74 0,26 0,03 0,19 0,03 0,00 Л15^ 20, 0,77 0,04 0,00 0,11 0,00 0,00 а„ ' 25 so" 0,62 0,38 0,17 0,33 0,17 0,06

Концептуально эти альтернативы отличаются величинами ожидаемого значения результата (в виде процента от первоначальной инвестиции) и значениями характеристики разброса этого результата, среднего квадратического отклонения (также в процентах). Например, альтернатива Л; в среднем дает 20% от суммы первоначальной инвестиции со средним квадратическим отклонением (СКО) 50%, а альтернатива — в среднем 35%, но с СКО 60%.

Легко заметить, что альтернативы в табл. 5.22 как бы сгруппированы по указанным характеристикам ожидаемого дохода и его разброса. В частности, можно выделить три группы:

>- низкодоходные альтернативы «2> ^а5і ^а8 (всреднем от 5 до 15% дохода), которые имеют несколько меньшие разбросы возможных значений (СКО от 20 до 40%);

V среднедоходные альтернативы aj,a4, aj (в среднем от 15 до 25% дохода), которые имеют средней величины разбросы возможных значений (СКО от 40 до 60%);

>- высокодоходные альтернативы aj, а$, а₉ (в среднем от 25 до 35% дохода), которые имеют большие разбросы возможных значений (СКО от 60 до 80%).

Разумеется, что каждый индивид выберет то, что на его взгляд более предпочтительно. Потребуйте, чтобы испытуемый упорядочил альтернативы из табл. 5.22 по убыванию предпочтительности. Пусть он на первое место поставит наиболее предпочтительный, по его мнению, инвестиционный проект, а на последнее, девятое место — наименее предпочтительный. Результат упорядочения (то, что мы именовали ранжировкой) запишем в строку в) табл. 5.21. После этого в качестве индикатора ИДР можно использовать ранг, который получил в ранжированном ряду какой-то определенный проект. В качестве такого контрольного инвестиционного проекта установим наиболее рискованную альтернативу а₉.

Теперь попробуем обобщить результаты оценки персонального риска, которые занесены нами в строки а), б) и в) табл. 5.21. Для этого вначале сделаем выводы по результатам оценки частных составляющих персонального риска. Эти выводы сформируем по следующим правилам:

>- на основании анализа результата из ячейки 5а можно уверенно полагать, что субъект лично рискован, если он способен взять в долг или вложить (инвестировать) более 20% суммарной стоимости своего личного имущества (все виды собственности плюс имеющиеся деньги). Субъекта следует считать не рискующим, если он никогда не вложит в любой проект более 8—10% своего имущества, а если такая доля составит от 10 до 20%, то такого субъекта можно считать нейтрально относящимся к риску;

>- на основании анализа результата из ячейки 56 можно утверждать, что если сумма, ради которой субъект готов пожертвовать половиной имеющихся у него денег, менее 2,5 имеющейся у него на данный момент наличности, то такой человек скорее склонен к риску, а если эта сумма не менее, чем в 5 раз выше текущей наличности субъекта, то его следует признать не склонным к риску;

V если наиболее рискованная альтернатива я? занимает в ранжировке испытуемого в строке а) любую из трех первых позиций, то субъект склонен к риску, а если любую из трех последних, то субъект не склонен к риску.

Обобщающий вывод по результатам приведенных оценок строим следующим образом. Если не менее двух из трех проведенных тестов дают одинаковые результаты, то это свидетельствует о вполне конкретной ИДР, и обобщающий вывод строим в соответствии с этими двумя частными выводами. Например, если дважды тесты показали, что индивид «склонен к риску», а один раз — «безразличен» или «не склонен к риску», то общий вывод — «склонен к риску».

Теперь перейдем к оценке индивидуальной доминанты риска в бизнесе («Деловой риск»). При этом воспользуемся следующими критериями:

>- личная оценка ставки сверхдохода для рискованного портфеля инвестиции;

>- личный индикатор оптимизма;

>- ранг самооценки личного риска.

Для оценки величины личной ставки сверхдохода формируют гипотетический рискованный портфель инвестиции по следующей схеме: половина всех имеющихся средств вкладывается в надежные бумаги с небольшой стандартной процентной ставкой у,%, а другая половина — в бизнес, дающий с шансами «50/50» сверхдоходную ставку х, % »у, %, или — «ничего». По сути, речь идет об определении достоверного эквивалента базовой лотереи с равновероятными исходами. Итак, в результате возможными исходами подобной рискованной инвестиции (с

шансами «50/50») могут оказаться- » у,% или только

половина — возможного стандартного дохода. Гарантированной альтернативой для принятия решения выступает вложение всех инвестиционных средств в надежные ценные бумаги с гарантированной ставкой у, %.

Испытуемый претендент на вакантную должность обязан назвать конкретное значение х,%, которое, по его мнению, делает одинаково предпочтительными рискованный портфель и гарантированную альтернативу. Эквивалентность альтернатив при выборе иллюстрирует схема на рис. 5.11.

Значение гарантированной ставки у,% и указанное испытуемым значение ставки х, % сверхдохода заносятся в исходную таблицу (табл. 5.21). После этого вычисляют отношение — наимень-

У

шей ставки к обычной ставке и также заносят его в табл. 5.21.

Переходим к оценке личного индикатора оптимизма. По сути, это оценка субъективной вероятности того, что любая критическая ситуация, если она вдруг сложится, разрешится благоприятно.

В качестве тестовой критической ситуации рассматривают судебное разбирательство. Испытуемый должен указать, какова, по его мнению, должна быть вероятность/»*выиграть дело в суде

по иску в размере - половины личных финансовых ресурсов s

(ячейка 46 в табл. 5.21). При этом в случае неудачи ему придется заплатить неустойку в размере (1,2— l,5)s. Иными словами, в случае неудачного исхода дела в суде исковая ответственность на 20—50% превысит полный размер всех финансовых ресурсов, то есть для испытуемого наступит полный финансовый крах. Рас-

Рискованная инвестиция "50/50" Гарантированная альтернатива Рис. 5.1 /. Схема эквивалентности альтернатив при выборе

смотренную гипотетическую ситуацию с передачей дела в суд иллюстрирует схема на рис. 5.12.

Величину вероятности />₅. заносим в предпоследнюю строку табл. 5.21 и будем далее использовать в качестве личного индикатора оптимизма испытуемого.

Последний критерий оценки допускаемого личного делового риска в бизнесе — ранг самооценки личного риска по семибалльной шкале. Эту оценку испытуемый выносит себе самостоятельно, проставляя какой-либо знак (например, крестик) в соответствующей позиции ранговой линейки в последней строке табл. 5.21. При этом, например, если испытуемый считает, что он лично готов в незначительной или малой степени пойти на риск в бизнесе, то ему следует поставить знак в одной из первых трех позиций, а если в значительной или даже в большой степени, то в шестой или седьмой позициях.

Теперь с целью вынесения итогового суждения проанализируем все данные, занесенные нами в табл. 5.21. Оценку степени «Делового риска» в бизнесе в общей картине ИДР субъекта по приведенным критериям и результатам табл. 5.21 строим по следующим правилам:

>- если'— < 2,5, то испытуемый «склонен к риску» в отноше-У

нии реакции на рискованные инвестиции в бизнесе, а если — > 40, то — «не склонен к риску»;

У

Рис. 5.12. Схема гипотетической ситуации с передачей дела в суд

>- если личный индикатор оптимизма, субъективная вероятность ^ < 0,4, то испытуемый должен характеризоваться как «склонный к риску», а если />_s > 0,6, то — «не склонный»;

>- ранг самооценки личного риска: если знак в одной из первых трех позиций, то индивид «не склонен к риску», а если в двух последних — «склонен».

Обобщающий вывод по результатам оценок делового риска претендента строим аналогично правилам формирования итоговой оценки по отношению к индивидуальному риску: если не менее двух из трех проведенных тестов дают одинаковые результаты, то это достаточно уверенно свидетельствует о конкретной индивидуальной доминанте по отношению к деловому риску. Значит, по правилу «не менее, чем 2 из 3-х» выносим решение: если дважды тесты показали, что претендент «склонен к риску», а один раз — «безразличен» или «не склонен к риску», то общий вывод — «склонен к риску», и наоборот. Равномерность оценок по каждому из критериев может рассматриваться как свидетельство «нейтрального» (взвешенного) отношения к деловому риску.

Теперь можно переходить к оценке степени организационного риска фирмы (ОРФ). Он, как мы уже отмечали, определяется расстановкой персонала по должностям и рядом других факторов. Так, например, успешность работы менеджеров в различных сферах управления организацией напрямую определяется не только их подготовленностью к исполнению обязанностей, но и личным отношением к риску. Хорошо известно, что между понятиями знать и уметь, а также уметь и мочь — весьма значительная разница.

В табл. 5.23 представлена информация о наиболее предпочтительных соответствиях для руководства организацией в парах «должность — личное отношение к риску». Для оценки степени близости конкретной организации к указанному в табл. 5.23 «идеалу» достаточно в последнюю колонку табл. 5.23 вписать оценки отношения к риску должностных лиц на данный момент и — станет ясно, как проводить кадровую политику.

Риск -менеджмент

Таблица 5.23 Наиболее предпочтительные соответствия для руководства организацией в парах «должность — личное отношение к риску»

Уровень управления организацией Наиболее предпочтительный уровень допускаемого риска Реальная картина (status quo) Высшее руководство (сфера выбора миссии, определения стратегии) Значительная склон ность к персональному и деловому риску Управление финансами Несклонность к риску (в сильной или средней степени) Управление технологическими процессами Нейтральное отношение или незначительная несклонность к риску Кадровая работа Нейтральное отношение к риску Снабжение и сбыт Взвешенно рискованные Оперативное управление персоналом Значительная склонность к риску

Концепция

информационно-аналитического обеспечения автоматизации поддержки принятия управленческих решений

6.1. КОНЦЕПТУАЛЬНЫЕ ОСНОВЫ АВТОМАТИЗАЦИИ ПОДДЕРЖКИ ПРИНЯТИЯ УПРАВЛЕНЧЕСКИХ РЕШЕНИЙ

Как уже отмечалось в первых разделах учебника, принятие решений в процессе управления организацией целесообразно рассматривать как процесс последовательного решения (разрешения) возникающих проблем. При этом под организацией будем понимать двух или более людей, взаимодействующих в пределах установленных властных отношений с использованием имеющихся ресурсов для достижения общей цели [83].

Процесс выбора управленческих решений предусматривает несколько этапов, основное содержание работ на которых составляют:

>- целевыявление;

>- собственно обоснование и принятие решения;

>- организация и контроль исполнения решения.

На каждом из перечисленных этапов используется соответствующий методический аппарат, содержащий формальные и неформальные процедуры переработки имеющейся у ЛПР информации. При этом ЛПР вынуждено использовать, с одной стороны, собственный опыт, интуицию, эвристические приемы и, с другой стороны, системный анализ, методы управления, моделирования, исследования операций, оценки эффективности систем и другое, т.е. весь «арсенал» известных ему методов и средств. Названная последовательность действий ЛПР приводит к искомому решению.

Иными словами, сложилась определенная технология выбора управленческих решений — совокупность методов, способов, процедур и средств анализа ситуации, постановки проблем, обоснования и принятия рациональных решений, организации и контроля их исполнения.

В большинстве практически важных случаев, имеющих место в экономической сфере, от ЛПР требуются весьма высокая теоретическая подготовка и твердые практические навыки применения технологии выбора решений, причем зачастую при действиях в условиях дефицита времени и других ресурсных ограничениях. Более того, уместно говорить о существовании противоречия между сложностью и ответственностью принимаемых должностным лицом решений и его возможностями. Способом разрешения этого противоречия выступает организация поддержки деятельности ЛПР.

Сущность поддержки принятия решений (на всех уровнях) заключается в том, что руководитель, несущий полную ответственность за принимаемые решения, в силу сложности и неструктурированности возникающих перед ним проблем, трудностей их решения и наличия ограничений нуждается в систематической помощи со стороны других (подчиненных ему или привлекаемых «со стороны») должностных лиц.

Такая поддержка, вообще говоря, оказывалась руководителю (естественно, начиная с определенного уровня в иерархии управления) всегда. Каждое ЛПР формировало (и сегодня формирует) свою систему поддержки принятия решений. Первоначально использовался так называемый аппарат (персонал) поддержки (заместители; помощники; референты; эксперты; менеджеры; специалисты и т.п.), обладающий формальными и неформальными знаниями в соответствующей предметной области. В некоторых случаях, например в интересах высших государственных лиц, используются и коллективные органы поддержки, например, Президентский совет или экспертный совет при Правительстве РФ. В течение длительного времени «человеческой» поддержки было вполне достаточно для принятия подавляющего большинства пригодных решений. Однако со временем названное выше противоречие вновь обострилось — уже на новом витке диалектической спирали. Необходимость разрешения этого противоречия вызвала к жизни новую, человеко-машинную технологию поддержки деятельности ЛПР, основанную на использовании АИС и современных средств коммуникации. Строго говоря, ЭВТ в процессе поддержки ЛПР может и не занимать ведущее положение или даже вообще не использоваться. Но тогда вся сложность поддержки принятия решений руководителя возлагается на персонал поддержки и организацию его работы, что выдвигает очень высокие — а часто и невыполнимые — требования к окружению ЛПР. Поэтому сегодня, говоря о поддержке ЛПР, следует иметь в виду именно человеко-машинную технологию.

Термин поддержка решений впервые стал появляться в зарубежной печати в начале 70-х годов прошлого века [52]. Напомним, что в то время доминировала концепция так называемых информационно-управляющих систем (англ. MIS — Management Information System). А. Горри и М. Скотт Мортон выделили СППР (англ. DSS — Decision Supported System) в самостоятельный класс АИС, обеспечивающих решение руководителями неструктурированных проблем, таких, например, как разработка бюджета; планирование НИР и ОКР; долгосрочное прогнозирование и т.п.

В дальнейшем СППР как класс АИС интенсивно развивались, и сегодня можно сказать, что СППР — это интерактивная АИС, использующая модели выбора решений, обеспечивающая пользователям удобный и эффективный доступ к централизованным и распределенным информационным ресурсам и предоставляющая им разнообразные возможности по переработке и отображению информации.

Применение ПЭВМ и телекоммуникационных средств в интересах поддержки принятия решений руководителем придало самой технологии поддержки ряд новых положительных черт. Укажем основные из них:

V строгая дисциплина и упорядоченность;

V системность поддержки деятельности ЛПР;

>- возможность научного обоснования решений;

V возможность проведения модельных экспериментов; многовариантность, комплексность и гибкость анализа;

Риск -менеджмент

>- наглядность и образность отображения результатов;

>- документируемость всех этапов работы.

Отметим ряд обстоятельств, характеризующих саму идею поддержки принятия решений [52]:

>- в этой идее гораздо меньше притязаний, чем в идее оптимизации решений: руководитель на основе концепции так называемой ограниченной рациональности вынужден принимать удовлетворительные (пригодные, а не лучшие) решения, пользуясь поддержкой подчиненных, каждый из которых на своем месте, возможно, принимает и оптимальные решения;

>- инициатива поддержки всегда исходит от руководителя, по его потребности;

>- организуя поддержку своей деятельности и контролируя ее ход, руководитель в большинстве случаев использует диалоговый режим.

Должностным лицам в практике их деятельности приходится принимать различные по типам решения. Зарубежные и отечественные специалисты обычно все управленческие решения в зависимости от их важности для организации делят на оперативные, тактические и стратегические. Но в нашей экономической науке такая терминология не вполне конструктивна, поскольку все привыкли к другому соотношению оперативного и тактического уровней. Поэтому в дальнейшем будем считать, что существуют три типа управленческих решений:

>- текущие (или диспетчерские);

>- тактические;

>• стратегические.

Как правило, каждое ЛПР по мере необходимости разрешения возникающих в управляемой им системе проблем принимает все типы решений. Вместе с тем доля решений того или иного типа, принимаемых каждым руководителем, зависит от его места в иерархии управления, размера организации и аппарата поддержки. На рис. 6.1 [52] схематично представлено влияние размера организации на время, которое ее высшее руководство вынуждено тратить на принятие решений того или иного типа (заметим, что «малой» обычно считают организацию, в которой работают менее 100 сотрудников).

На рис. 6.2 помещена прямоугольная диаграмма распределения рабочего времени руководителя по временному интервалу действия принимаемых решений.

К сожалению, следует признать, что очень часто труд управленцев практически всех уровней организован не лучшим образом. В подтверждение приведем табл. 6.1, в которую помещены

Рис. 6.1. Типовое распределение времени руководства организации на принятие решений

нопросы недельного месячного годового долгосрочной интервала интервала интервала перспективы Рис. 6.2. Типовое распределение времени руководства по интервалам действия принимаемых решений

сведения о характерном распределении времени различных должностных лиц в течение рабочего дня (при всей условности подобных наблюдений и обобщений это представляется целесообразным).

Таблица 6.1 Распределение рабочего времени должностных лиц в течение дня, %

Вид деятельности Должностные лица Руководитель Специалист (менеджер) Технический персонал (опер. деж.. оператор) Деловые контакты 47 23 - Работа с документами 29 42 68 Телефонные переговоры 9 17 20 Командировки 6 - - Основная работа: >¦ анализ проблем и принятие решений; >¦ аналитическая работа; ведение учета 4 12 6 Прочее 5 6 6

Даже краткий анализ табл. 6.1 позволяет сделать три важных вывода: во-первых, все категории должностных лиц много работают с документами; во-вторых, только технический персонал основное рабочее время занят по главному назначению; в-третьих, крайне низкие доли времени на принятие решений у руководителя и на аналитическую работу у специалиста (менеджера, аналитика) придают особую значимость работам по организации поддержки этих видов деятельности, в том числе с помощью средств автоматизации.

Вообще говоря, весь процесс поддержки принятия решений тем или иным ЛПР трудно разбить на составляющие. Видимо, лучшим вариантом организации поддержки деятельности должностного лица было бы создание вокруг него некоей среды человеко-машинной поддержки, в которой главную роль играла бы собственно СППР. Однако с методической точки зрения целесообразно выделить три формы поддержки деятельности ЛПР [52]:

>- информационную;

V вычислительную;

>- интеллектуальную.

На рис. 6.3 схематично показано место СППР в системе принятия решения (СПР) при управлении некоторой экономической системой (чтобы не загромождать рисунок, на нем не изображены некоторые очевидные обратные связи). На рисунке обозначены:

^вхі’^вхі — входная информация, поступающая к ЛПР; к СППР от внешних источников; АИС; СППР от АИС, соответственно;

I предл — информация о предложениях по вариантам искомого решения;

Iреи, — информация об окончательном решении ЛПР;

информация о программе претворения решения в

жизнь;

W — показатель эффективности деятельности организации (ЭИС).

Как следует из рисунка, основную роль в оказании каждой из форм поддержки деятельности ЛПР играют:

>- автоматизированные информационно-справочные системы (прежде всего, построенные на основе технологий централизованной и распределенной обработки информации) — для информационной поддержки;

Рис. 6.3. Место СППР в системе принятия решений

>- автоматизированные информационно-вычислительные системы (прежде всего, центры моделирования и проблемно-ориентированные имитационные системы) — для вычислительной поддержки;

> • системы искусственного интеллекта (прежде всего, системы, основанные на знаниях, а из них — экспертные системы) — для интеллектуальной поддержки.

Необходимо еще раз подчеркнуть, что три формы поддержки принятия решений должностным лицом выделены в методических целях, чтобы облегчить понимание особенностей организации каждой из форм поддержки на базе уже существующих АИС с учетом перспективных информационных технологий.

Таким образом, приступая к разработке СППР того или иного должностного лица, необходимо четко определить, во-первых, в рамках какой управленческой технологии и в каких областях организационного управления планируется поддержка его деятельности. Во-вторых, важно установить, на каких этапах выбора решения и претворения его в жизнь та или иная форма поддержки принятия решения играет определяющую роль. В-третьих, весьма целесообразно представлять характеристики поддерживаемых решений по их типам. Ответы на эти вопросы сведены в три таблицы.

В табл. 6.2 представлена краткая характеристика содержания восьми основных областей решений, принимаемых соответствующими ЛПР при управлении деятельностью некоторой экономической организации, и соответствующие им главные формы поддержки этих решений.

Таблица 6.2 Соответствие областей управленческих решений и главных форм их поддержки

Область решений Краткое содержание деятельности ЛПР Главные формы поддержки 1 2 3 Развитие Выбор показателей и критериев эффективности деятельности организации; обоснование капиталовложений; реконструкция и новое строительст во; запуск новых систем и снятие систем с эксплуатации Интеллектуальная; вычислительная

Продолжение табл. 6.2

1 2 3 Реорганизация Перестройка внутренней организационной структуры; слияние с другими организациями; изменение места в иерархии управления Интеллектуальная; информационная Управление Выбор программы деятельности; регулирование деятельности организации Интеллектуальная; информационная Проектирование Участие в разработке новых систем Информационная Технология Участие в разработке и внедрение новых технологий Информационная Снабжение Обеспечение организации всеми видами ресурсов Информационная Кадры Подготовка; аттестация; расстановка Интеллектуальная; информационная «Культбыт» Жилищное строительство; лечение; материальная помощь Информационная

В табл. 6.3 представлены содержание этапов выбора решения и соответствующие им главные формы поддержки деятельности ЛПР.

Таблица 6.3 Соответствие содержания этапов выбора решений и главных форм их поддержки

Этапы выбора решения Главные формы поддержки 1 2 I. РАЗРАБОТКА РЕШЕНИЯ 1. Формулировка цели и формирование Интеллектуальная результата операции. 2. Анализ условий предстоящих действий и формирование исходного множества Интеллектуальная стратегий. Информационная, вычислительная 3. Получение результатов. 4. Формализация предпочтений (выявление и измерение предпочтений, их обработка и анализ; формирование показателя и критерия выбора; построение функции выбора в Все формы различных условиях неопределенности). Вычислительная, 5, Отыскание рациональных вариантов. интеллектуальная

Риск -менеджмент

Продолжение табл. 6.3

1 2 II. ПРИНЯТИЕ РЕШЕНИЙ Содержательный анализ рациональных альтернатив, интерпретация, адаптация их под особенности реальной ситуации, выбор наилучшего варианта — решения для реализации. Интеллектуальная III. РАЗРАБОТКА ПЛАНА И РЕАЛИЗАЦИЯ ПРИНЯТОГО РЕШЕНИЯ И нформационная IV. ОЦЕНКА ФАКТИЧЕСКИ ДОСТИГНУТОГО РЕЗУЛЬТАТА Все формы

В табл. 6.4 представлены основные характеристики типовых управленческих решений, принятие которых предполагается поддерживать в рамках некоторой СППР, и соответствующие им определяющие формы этой поддержки.

Соответствие характеристик типов управленческих решений и соответствующих главных форм их поддержки

Таблица 6.4

Характеристика решения Тип решения / главная форма поддержки Текущее Тактическое Стратегическое 1 2 3 4 Степень структурированности решаемой проблемы Структурированная, изученная пробле-ма/Информационная В основном структурированная проблема/Информационная Неструктурированная, уникальная проблема/Интеллектуальная Входная информация Краткосрочные планы, графики, ведомости, распоря-жения/Информаци-онная Среднесрочные планы, программы, директивы/Информационная Долгосрочные документы управления, отчетные и справочные материа-лы/Информацион-ная Особенности обработки информации Решение отдельных информационных и вычислительных задач, диспетчеризация/И нформацион-ная, вычислительная Оптимизация, моделирование, краткосрочное прогнозирование и планирова-ние/Информационн ая, вычислительная Анализ, сопоставление, экспертиза, долгосрочное прогнозирование и планирование/Все формы

Продолжение табл. 6.4

1 2 3 4 Выходная информация Отчеты, донесения, сводки, распоряже-ния/Информацион-ная Среднесрочные планы, приказы, отчеты/Информационная Перспективные планы, целевые программы, дирек-ти вы/Информационная

Системой поддержки принятия решений называется АИС, предназначенная для автоматизации всех или большинства функциональных задач, решаемых конкретным должностным лицом [26].

Выделяются четыре категории должностных лиц, деятельность которых отличается различной спецификой переработки информации: руководитель, должностное лицо органа управления, оперативный дежурный, оператор. В соответствии с четырьмя категориями должностных лиц различают и четыре вида СППР: СППР руководителя (СППР Р), СГШР должностного лица органа управления (СППР О), СППР оперативного дежурного (СППР Д) и СППР оператора (СППР Оп).

Рассмотрим специфику деятельности должностных лиц, относящихся к каждой выделенной категории.

К категории «руководитель» относятся должностные лица, на которых возложено управление подчиненными должностными лицами (подразделениями) и принятие решений в процессе руководства. Основная форма деятельности руководителя — деловое общение.

Деятельность должностных лиц, относящихся к категории «руководитель», характеризуется следующими особенностями:

при централизации принятия решений резко возрастают объемы информации, уменьшается время на обдумывание и анализ, растут сложности комплексного учета всех факторов;

велика доля текущих задач, не позволяющих сосредоточиться на стратегических целях;

в процессе деятельности преобладают приемы, обусловленные привычками, опытом, традициями и другими неформализуемыми обстоятельствами;

при принятии решения руководитель не всегда в состоянии описать и даже представить достаточно полную умозрительную

Риск -менеджмент

модель ситуации, а вынужден использовать лишь некоторое представление о ней;

деятельность руководителя в значительной мере зависит от темперамента, от степени знаний причин и следствий, ясности представления взаимосвязей, объема имеющейся информации.

Перечисленные особенности деятельности должностных лиц категории «руководитель» обусловливают крайнюю сложность автоматизации их деятельности, которая содержит большое количество неформальных элементов, прежде всего таких, как оперативное и стратегическое управление, а также принятие решений. Исходя из особенностей деятельности руководителя, можно сформулировать следующие основные требования, предъявляемые к СППР Р:

1) наличие широкой информационной базы с возможностью оперативного поиска требуемой информации;

2) наглядность представления информации в форме, адаптированной к запросам конкретного должностного лица (текста, таблиц, графиков, диаграмм и т.д.);

3) обеспечение оперативной связи с другими источниками информации в системе управления и особенно с непосредственными помощниками;

4) наличие диалоговых программных средств обеспечения принятия решений на основе формальных (математических) методов;

5) простота работы при повышенной надежности технических и программных средств;

6) обеспечение возможности накопления в памяти ЭВМ опыта и знаний (в рамках интеллектуальных СППР).

Необходимо отметить, что требования 1, 2, 3 и 5 являются универсальными и относятся ко всем видам СППР.

В настоящее время требования 1, 2, 3 и 5 могут быть полностью удовлетворены с использованием известных информационных технологий. Что касается требований 4 и 6 (наличия программных средств обеспечения решений и накопления в памяти ЭВМ опыта и знаний), то их удовлетворение составляет основную теоретическую проблему, возникающую при создании СППР Р.

К категории «должностное лицо органа управления» относятся специалисты-менеджеры, занимающиеся аналитической работой по подготовке решений руководителя и их документаль-

ным оформлением. Основу деятельности должностных лиц органа управления составляет оценка различных вариантов решения (проведение оценочных расчетов) и разработка проектов различных документов.

Эффективность функционирования органа управления во многом определяется продуктивностью деятельности специалистов, особенно в вопросах создания новой информации. Доля творческого труда в их работе достаточно высока. Именно эти специалисты обеспечивают практически всю информационную подготовку доя принятия решения руководителем. Они являются основными исполнителями документов, определяя их качество.

СППР О должна прежде всего создать должностным лицам условия для плодотворного ведения аналитической работы и сведения к минимуму доли рутинных работ (поиск информации, оформление документов, проведение оперативных расчетов и т.д.).

Особенности деятельности должностных лиц органа управления определяют следующие основные требования к СППР О.

> • обеспечение оперативного поиска и отображения всей информации, необходимой для подготовки решений и формирования проектов документов в пределах его компетентности;

>- обеспечение возможности ведения оперативных расчетов и моделирования дяя оценки ситуации и подготовки вариантов решений;

>- обеспечение возможности автоматизированной подготовки проектов документов (текстов, графиков, диаграмм и т.п.).

К основным элементам СППР О следует отнести средства ведения оперативных расчетов и моделирования, поскольку именно эти средства в наибольшей степени обеспечивают повышение эффективности и качества управления.

К категории «оперативный дежурный» относятся должностные лица, выполняющие обязанности по оперативному руководству организационной системой во время дежурства на соответствующих местах управления в течение определенного времени.

Основными особенностями деятельности оперативных дежурных являются:

>- относительно узкий круг решаемых задач;

>- жесткая регламентация деятельности в большинстве вариантов складывающейся обстановки;

>- жесткий лимит времени на принятие решений и выполнение различных операций.

Перечисленные особенности деятельности оперативных дежурных определяют в качестве основных требований к СППР Д обеспечение оперативного предоставления информации, необходимой оперативному дежурному в заранее определенных ситуациях, а также обеспечение оперативного анализа складывающейся ситуации. Последнее требование может быть обеспечено с использованием технологии экспертных систем.

К категории «оператор» могут быть отнесены должностные лица, выполняющие техническую работу но заранее определенному алгоритму. Основная особенность деятельности оператора — отсутствие необходимости принимать сложные решения в процессе своей деятельности. СППР Оп должна обеспечивать возможность работы должностного лица со справочной информацией и возможность автоматизированной подготовки текстов документов.

Очевидно, что помимо приведенных частных требований к СППР каждого должностного лица к ним предъявляются и общие (нормативные) требования. Из них особое значение имеют требования обеспечения соответствия СППР уровню руководства (т.е. уровню руководителя в иерархии управления) и системного подхода к ее созданию. Обязательными для разработчиков СППР остаются и общие принципы создания и использования АИС, позволяющие разрабатывать специальное программное обеспечение, соответствующее предъявляемым к нему требованиям, прежде всего — конкретности предназначения и централизованно-сти разработки.

6.2. ОРГАНИЗАЦИОННЫЕ АСПЕКТЫ ИНТЕЛЛЕКТУАЛЬНОЙ ПОДДЕРЖКИ УПРАВЛЕНЧЕСКОЙ ДЕЯТЕЛЬНОСТИ

Интеллектуальная поддержка деятельности должностных лиц в настоящее время является основной и останется таковой в будущем. Организация такой поддержки ЛПР полностью определяется рациональным использованием методов, средств и технологий искусственного интеллекта. Сам термин «искусственный интеллект» относится к группе терминов и понятий, получивших весьма широкое распространение, в том числе и у неспециалистов. При этом большинство людей трактуют искусственный интеллект как сравнительно новое научно-техническое направление, с которым связывают надежды на резкое увеличение функциональных возможностей технических объектов, в частности, вычислительных систем, используемых в качестве средств автоматизации различных сфер профессиональной деятельности человека: управления; проектирования; производства; обучения; индустрии обслуживания и развлечений и т.п.

Основные понятия теории искусственного интеллекта

Следует отметить, что строгого (формального, научного) определения понятия «естественный интеллект», вообще говоря, не существует. В силу этого еще труднее определить понятие «искусственный интеллект». Для того чтобы решить эту задачу, необходимо уяснить значение таких терминов, как интеллект; психика; сознание; разум.

Интеллект. Различают формулировки данного понятия по нескольким направлениям:

V философская;

>- биологическая;

>- психологическая.

В философии под интеллектом понимают познание, понимание, рассудочную способность к абстрактно-аналитическому расчленению (Г. Гегель), способность к образованию понятий (И. Кант).

В психологии под интеллектом понимают характеристику умственного развития индивидуума, определяющую его способность целенаправленно действовать, рационально мыслить и эффективно взаимодействовать с окружающим миром.

В биологии под интеллектом понимают способность адекватно реагировать (принимать решения) в ответ на изменение окружающей обстановки.

Важно отметить: интеллект — это свойство отдельного субъекта. В частности, интеллектом может обладать не только человек, но и любой объект, имеющий указанные выше качества — способность к образованию понятий, абстрактно-аналитическому мышлению, целенаправленному действию.

Разум. В отличие от интеллекта разум — категория сугубо человеческая, опирающаяся на сознание как высшую форму психологической деятельности. Принципиальным моментом в определении разума, так же как и сознания, является его общественный, социальный характер, поскольку оба понятия сформировались в результате совместной человеческой деятельности.

Часто используют совместно понятия рассудок и разум. Интересно, что в античной философии считалось, что если рассудок — способность рассуждения — познает все относительное, земное и конечное, то разум, сущность которого состоит в целе-полагании, открывает абсолютное, божественное и бесконечное. В настоящее время с рассудком связывают способность строго оперировать понятиями, правильно классифицировать факты и явления; приводить знания в определенную систему. Опираясь на рассудок, разум выступает как творческая познавательная деятельность, раскрывающая сущность действительности. Посредством разума мышление синтезирует результаты познания, создает новые идеи, выходящие за пределы сложившихся систем знания [91].

Сознание. Это понятие также трактуется различными науками неоднозначно.

С точки зрения философии, сознание — свойство высокоорганизованной материи — мозга, выступающее как осознанное бытие, субъективный образ объективного мира, субъективная реальность.

При социологическом подходе сознание рассматривается прежде всего как отображение в духовной жизни людей интересов и представлений различных социальных групп, классов, наций, общества в целом.

В психологии сознание трактуется как особый, высший уровень организации психической жизни субъекта, выделяющего себя из окружающей действительности, отражающего эту действительность в форме психических образов, которые служат регуляторами целенаправленной деятельности [91]. Важнейшей функцией сознания является мысленное построение действий и предвидение их последствий, контроль и управление поведением личности, ее способность отдавать себе отчет в том, что происходит как в окружающем, так и в собственном духовном мире.

Психика. Психика — это свойство высокоорганизованной материи — мозга, являющееся особой формой отражения действительности и включающее такие понятия, как ощущение, восприятие, память, чувства, воля, мышление и др. Отметим, что мышление и память, которыми обычно характеризуют интеллект, входят в понятие психики составными частями.

В психике выделяют две компоненты: чувственную (ощущения, восприятие, эмоции) и рациональную, мыслительную (интеллект, мышление). Другие составляющие психики — память и волю — можно разделить на память чувств и память мыслей; волю чувств и волю мыслей (инстинкты и долг перед собой и обществом, соответственно).

Например, можно помнить, как берется сложный интеграл (память мыслей), а можно помнить ощущение напряжения и усталости при изучении способа его взятия (память чувств), когда воля чувств (инстинкт самосохранения, желание отдохнуть) боролись с волей мыслей (сознанием необходимости изучения этого способа).

Перечисленные понятия обычно разделяют на две пары (см. рис. 6.4):

> • психика и интеллект как ее составляющая;

>- сознание и разум как его составляющая, причем интеллект и разум — рассудочные, мыслительные составляющие соответственно психики и сознания.

Основное отличие второй пары от первой состоит в том, что она образовалась в результате социальной, общественной деятельности людей, и поэтому социальная компонента — неотъемлемая и существенная черта сознания и разума (классическим примером может служить психика Маугли и психика «нормальных» детей).

Отсюда следует очень важный вывод: принципиально невозможно моделировать сознание и разум во всей полноте, так как для этого пришлось бы «моделировать не только человека», но и

ПСИХИКА СОЗНАНИЕ ИНТЕЛЛЕКТ РАЗУМ

Рис. 6.4. Соотношение психики и интеллекта; сознания и разума

всю систему его социально-общественных отношений. В то же время моделировать интеллект как одну из компонент психики отдельных индивидуумов вполне возможно, хотя и очень сложно.

К этому выводу «примыкает» еще один: искусственный интеллект — это модель рациональной, мыслительной составляющей психики. Не моделируются эмоции, ощущения, воля, память чувств и т.п. Машинное сочинение стихов и музыки — это моделирование лишь логической компоненты психической деятельности, сопровождающей эти виды творчества (соблюдение рифмы, размера, законов композиции, гармонии и т.п.). Именно с этим связано неудовлетворительное для большинства людей качество машинных «сочинений».

Учитывая сказанное, можно заключить, что понятие «искусственный интеллект» объединяет три других:

— искусственный бессловесный интеллект — модель компоненты психики живых существ, отражающая их способность принимать решения, изменять поведение и так далее на уровне инстинктов, не имеющих словесного выражения (самосохранение, размножение, приспособление и т.п.);

— искусственный словесный интеллект — модель рациональной компоненты психической деятельности человека без учета ее социального содержания;

— искусственный разум — искусственный словесный интеллект, дополненный социальной компонентой.

В дальнейшем, если не будет специальных оговорок, под искусственным интеллектом будем понимать искусственный словесный интеллект.

Приведенные определения основаны на теоретических рассуждениях и в силу этого носят достаточно общий характер.

Существуют по крайней мере три подхода к определению этого понятия, носящие гораздо большую практическую направленность (рис. 6.5).

Достаточно полным определением понятия «искусственный интеллект» первого типа является следующее [39]: искусственный интеллект — это объект исследований, в рамках которых разрабатываются модели и методы решения задач, традиционно считавшихся интеллектуальными и не поддающимися формализации и автоматизации.

Применительно к данному определению является справедливым суждение, что интеллектуальной может считаться такая

искусственно созданная система, для которой выполняется тест Тьюринга, состоящий в следующем: «Испытатель через посредника общается с невидимым для него собеседником — человеком или системой. Интеллектуальной может считаться та система, которую испытатель в процессе такого общения не может отличить от человека» [59] (рис. 6.6).

В качестве другого определения, достаточно точно отражающего характер второго подхода, может рассматриваться следующее: искусственный интеллект — это область исследований, в которой изучаются системы, строящие результирующий вывод для задач с неизвестным алгоритмом решения на основе неформализованной исходной информации, использующие технологии символьного программирования и средства вычислительной техники со специальной (не фон Неймановской) архитектурой [59].

Рис. 6.5. Подходы к определению понятия «искусственный интеллект»

Человек

Техническое

устройство

Не искажающий

посредник

Наконец, наиболее цитируемым определением третьего типа является следующее: искусственный интеллект — это область знаний, которая находит применение при решении задач, связанных с обработкой информации на естественном языке, автоматизацией программирования, управлением роботами, машинным зрением, автоматическим доказательством теорем, разумными машинами извлечения информации и т.д. [59].

Можно рассмотреть и такое — в определенной степени обобщающее — определение: искусственный интеллект — научная дисциплина, задачей которой является разработка математических описаний функций человеческого (словесного) интеллекта с целью аппаратурной, программной и технической реализации этих описаний средствами вычислительной техники [59].

В заключение отметим, что в последние годы многие специалисты согласились, что дискуссия по вопросу об определении самого термина «искусственный интеллект» приобрела схоластический характер, не дает конструктивных результатов теории и практике и может быть бесконечной. Поэтому вместо термина искусственный интеллект предлагается использовать другой — «новая информационная технология решения инженерных задач», что подчеркивает приоритетную роль поиска, анализа и синтеза информации в системах искусственного интеллекта.

Классификация систем искусственного интеллекта

На рис. 6.7 представлена классификация систем искусственного интеллекта, полученная путем сопоставления и обобщения известных классификаций этих систем [39, 53, 59, 86, 94].

На рисунке обозначено: СОН — системы общего назначения; СС — специализированные системы.

Наиболее широкое распространение на практике в настоящее время получили системы искусственного интеллекта, основанные на знаниях. Понятие «знания» для этих систем имеет принципиальное значение и будет более подробно рассмотрено далее.

Наиболее последовательно идеи, на которых базируются системы искусственного интеллекта, основанные на знаниях, воплощены в экспертных системах.



В дальнейшем будем рассматривать именно системы, основанные на знаниях, как получившие наибольшее практическое развитие и распространение в различных отраслях профессиональной деятельности, в том числе и в экономике, что обусловливает необходимость более подробного рассмотрения методов представления знаний в памяти ЭВМ. Информацию о самоорганизующихся системах и системах эвристического поиска заинтересованный читатель может почерпнуть, например, в работах Круглова В.В., Борисова В.В. [49] и Уткина В.Б., Баддина К.В. [89].

Выше уже частично рассматривались такие понятия, как «знания» и «системы, основанные на знаниях», и отмечалась их особая значимость в теории искусственного интеллекта. Сделаем еще одно весьма важное замечание: в настоящее время в области разработки систем искусственного интеллекта сложилась следующая аксиома: никакой, самый сложный и изощренный алгоритм извлечения информации (так называемый механизм логического вывода) из интеллектуальной системы не может компенсировать «информационную бедность» ее базы знаний.

Знания и их свойства

Несмотря на широкое распространение и использование понятия «знания» в различных научных дисциплинах и на практике, строгого определения данного термина нет.

Довольно часто используют так называемый прагматический подход: говорят, что знания — это формализованная информация, на которую ссылаются и/или которую используют в процессе логического вывода. Однако такое определение ограничено: оно фиксирует сознание на уже существующих методах представления о знаниях и, соответственно, механизмах вывода, не давая возможности представить себе другие («новые»).

Возможен и другой подход: попытаться на основе определения уже рассмотренного понятия «данные» выявить их свойства и особенности, сформировать дополнительные требования к ним и уже затем перейти к понятию «знания».

Напомним, что данными называют формализованную информацию, пригодную для последующей обработки, хранения и передачи средствами автоматизации профессиональной деятельности.

Какие же свойства «превращают» данные в знания? На рис. 6.8 представлены шесть основных свойств знаний (часть из них присуща и данным).



Кратко охарактеризуем эти свойства.

1. Внутренняя интерпретация (интерпретируемость).

Это свойство предполагает, что в ЭВМ хранятся не только «собственно (сами) данные», но и «данные о данных», что позволяет содержательно их интерпретировать (см. рис. 6.9). Имея такую информацию, можно ответить на вопросы типа: «Где находится НПО «Энергия»?» или «Какие предприятия выпускают космическую технику?». При этом в первой строке таблицы на рис. 6.9 находятся «данные о данных» (метаданные), а в остальных — сами данные.

2. Наличие внутренней структуры связей.

Предполагается, что в качестве информационных единиц используются не отдельные данные, а их упорядоченные определенными отношениями (родовидовыми, причинно-следственными и др.) структуры (эти отношения называют классифицирующими).

3. Наличие внешней структуры связей.

Внутренняя структура связей позволяет описывать отдельный объект (понятие). Однако объекты (понятия) способны находиться и в других отношениях (вступать в ситуативную связь).

4. Возможность шкалирования.

Предполагает введение соотношений между различными информационными единицами (т.е. их измерение в какой-либо шкале — порядковой, классификационной, метрической и т.п.) и упорядочение информационных единиц путем измерения интенсивности отношений и свойств.

5. Наличие семантической метрики.

Шкалирование позволяет соотнести информационные единицы, но прежде всего для понятий, имеющих «количественное»

Предприятие	Место нахождения	Что выпускает
Завод им.	Москва	Космическую технику
Хруничева
НПО «Энергия»	Королев	Космическую технику
НПО «Комета»	Москва	Конструкторскую
		документацию

толкование (характеристики). На практике довольно часто встречаются понятия, к которым неприменимы количественные шкалы, но существует потребность в установлении их близости (например, понятия «искусственный интеллект» и «искусственный разум»). Семантики классифицируются следующим образом:

>- значение, т.е. объективное содержание;

>-контекстуальный смысл, определяемый связями данного понятия с другими, соседствующими в данной ситуации;

V личностный смысл, т.е. объективное значение, отраженное через систему взглядов эксперта;

>- прагматический смысл, определяемый текущим знанием о конкретной ситуации (например, фраза «информация получена» может иметь как негативную, так и позитивную оценку — в зависимости от того, нужно это было или нет).

6. Наличие активности.

Данное свойство принципиально отличает понятие «знание» от понятия «данные». Например, знания человека, как правило, активны, поскольку ему свойственна познавательная активность (обнаружение противоречий в знаниях становится побудительной причиной их преодоления и появления новых знаний, стимулом активности является неполнота знаний, что вызывает потребность их пополнения). В отличие от данных знания позволяют выводить (получать) новые знания. Будучи активными, знания позволяют человеку решать не только типовые, но и принципиально новые, нетрадиционные задачи.

Кроме перечисленных, знаниям присущи такие свойства, как омонимия (слово «коса» может иметь три смысла, связанных с определениями: девичья; песчаная; острая) и синонимия (знания «преподаватель читает лекцию» и «обучаемые слушают лекцию» во многих случаях являются синонимами) и др.

Классификация методов представления знаний

Для того чтобы манипулировать всевозможными знаниями из реального мира с помощью компьютера, необходимо осуществить их моделирование.

При проектировании модели представления знаний следует учесть два требования:

>- однородность представления;

>- простота понимания.

Выполнение этих требований позволяет упростить механизм логического вывода и процессы приобретения знаний и управления ими, однако, как правило, создателям интеллектуальной системы приходится идти на некоторый компромисс в стремлении обеспечить одинаковое понимание знаний и экспертами, и инженерами знаний, и пользователями.

Классификация методов моделирования знаний с точки зрения подхода к их представлению в ЭВМ показана на рис. 6.10.

Дадим краткую характеристику основных методов представления знаний с помощью моделей, основанных на эвристическом подходе.

Представление знаний тройкой «объект — атрибут — значение». Один из первых методов моделирования знаний. Как правило, используется для представления фактических знаний в простейших системах.

Примеры:

Объект Атрибут Значение Преподаватель Ученое звание Доцент Дом Цвет Белый Пациент Температура Нормальная

Очевидно, что для моделирования знаний даже об одном объекте (например, о «преподавателе» или «доме») из предметной области необходимо хранить значительное число «троек».

Продукционная модель (модель правил; модель продукций — от англ. production — изготовление, разработка). В настоящее время наиболее проработанная и распространенная модель представления знаний, особенно в экспертных системах.

Модель предусматривает разработку системы продукционных правил (правил продукций), имеющих вид:

ЕСЛИ А, и Л^и... А„, ТО В, или Л? или... где Л,- и Bj — некоторые высказывания, к которым применены логические операции «и» и «или». Если высказывание в левой части правила (ее часто называют антецедент — условие, причина) истинно, истинно и высказывание в правой части (консек-вент — следствие).

Полнота базы знаний (базы правил) определяет возможности системы по удовлетворению потребностей пользователей. Логический вывод в продукционных системах основан на построении прямой и обратной цепочек заключений, образуемых в результате последовательного просмотра левых и правых частей соответствующих правил, вплоть до получения окончательного заключения.

Пусть в некоторой области памяти (БЗн) хранятся следующие правила (суждения):

>- правило 1 — ЕСЛИ в стране происходит падение курса национальной валюты, ТО материальное положение населения ухудшается;

>¦ правило 2 — ЕСЛИ объемы производства в стране падают, ТО курс национальной валюты снижается;

>- правило 3 — ЕСЛИ материальное положение населения ухудшается, ТО уровень смертности в стране возрастает.

Если на вход системы поступит новый факт «В стране высокий уровень падения объемов производства», то из правил мож-

но построить цепочку рассуждений и сформулировать два заключения:

факт 1 — правило 2 — правило 1 — заключение 1 — правило 3 — заключение 2,

где заключение 1 (промежуточный вывод) — «Материальное положение населения ухудшается»; заключение 2 (окончательный вывод) — «В стране возрастает уровень смертности».

Отметим, что в современных экспертных системах в базе знаний могут храниться тысячи правил, а коммерческая стоимость одного невыводимого (нового, дополнительного) правила весьма высока.

Главными достоинствами продукционных систем являются простота пополнения и изъятия правил; простота реализации механизма логического вывода и наглядность объяснений результатов работы системы.

Основной недостаток подобных систем — трудность обеспечения непротиворечивости правил при их большом числе, что требует создания специальных правил (так называемых метаправил) разрешения возникающих в ходе логического вывода противоречий. Кроме того, время формирования итогового заключения может быть достаточно большим.

Фреймовая модель. Сравнительно новая модель представления знаний. Само понятие «фрейм» (англ. frame — рама, рамка, скелет, сгусток, сруб и т.д.) было введено в 1975 году Марком Мински (М. Minsky, США).

Фрейм — это минимальная структура информации, необходимая для представления знаний о стереотипных классах объектов, явлений, ситуаций, процессов и др. С помощью фреймов можно моделировать знания о самых разнообразных объектах интересующей исследователя предметной области — важно лишь, чтобы эти объекты составляли класс концептуальных (повторяющихся, стереотипных) объектов, процессов и т.п. Примерами стереотипных служебных ситуаций могут служить совещание; собрание; сдача экзамена; защита курсовой работы и др. Примеры стереотипных бытовых ситуаций: отъезд в отпуск; встреча гостей; выбор телевизора; ремонт и др. Примеры стереотипных понятий: алгоритм; действие; методика и др. На рис. 6.11 представлен фрейм технологической операции «соединять».

Данный фрейм описывает ситуацию: «Субъект X соединяет объект У с объектом Z способом Ж». На рисунке обозначены:

вершины X, Y, Z, W— слоты {англ. slot — прорезь; щель; пустота — составляющие фрейма);

дуги — отношения;

D_x, Dy, D_z, D— так называемые шанции — области возможных значений соответствующих слотов.

Наполняя слоты конкретным содержанием, можно получить фрейм конкретной ситуации, например: «Радиомонтажник соединяет микросхему с конденсатором способом пайки». Заполнение слотов шанциями называют активизацией фрейма.

С помощью фреймов можно моделировать как процедурные, так и декларативные знания. На рис. 6.11 представлен пример представления процедурных знаний.

На рис. 6.12 приведен пример фрейма «технологическая операция», иллюстрирующий представление декларативных знаний для решения задачи проектирования технологического процесса.

Значения слотов могут содержать ссьшки на так называемые присоединенные процедуры.

Фреймы позволяют использовать многие свойства знаний и достаточно широко употребляются. Их достоинства и недостат-

Dw
«объект»

«субъект»

«посредством

чего?»

Рис. 6.1L Фрейм ситуации «соединять»

ки схожи с достоинствами и недостатками семантических сетей, которые будут рассмотрены ниже.

Модель семантической сети (модель Куилиана). Семантическая сеть — это направленный граф с поименованными вершинами и дугами, причем узлы обозначают конкретные объекты, а дуги — отношения между ними. Как следует из определения, данная модель представления знаний является более общей по отношению к фреймовой модели (иными словами, фреймовая модель — частный случай семантической сети). Семантическую сеть можно построить для любой предметной области и для самых разнообразных объектов и отношений.

На рис. 6.13 представлена семантическая сеть для предложения (ситуации): «Студент Табуреткин добросовестно изучает новый план счетов перед сдачей экзамена по дисциплине «Бухгалтерский учет».

Рис. 6.14 содержит фрагмент семантической сети для понятия «автомобиль» (обозначения: IS-A — есть, является; HAS-PART — имеет часть). Из приведенных примеров понятно, почему многие специалисты по ИИ считают фрейм частным случаем семантической сети со строго структурированными зна-

Шанции слотов

Риск-менеджмент

Рис. 6.14. Фрагмент семантической сети понятия «автомобиль»

ниями. Основное достоинство методов моделирования знаний с помощью семантических сетей и фреймов — универсальность, удобство представления как декларативных, так и процедураль-ных знаний. Имеют место и два недостатка:

— громоздкость, сложность построения и изменения;

— потребность в разнообразных процедурах обработки, связанная с разнообразием типов дуг и вершин.

6.3. ОСОБЕННОСТИ РАЗРАБОТКИ И ПРИМЕНЕНИЯ СИСТЕМ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА

Структура и назначение экспертных систем

В настоящее время среди всех систем искусственного интеллекта (ИИ) наибольшее распространение (по некоторым оценкам до 90%) получили экспертные системы (ЭС) различных типов.

Огромный интерес к ЭС обусловлен тремя основными обстоятельствами:

V ЭС ориентированы на решение широкого круга задач в ранее неформализуемых областях, которые считались малодоступными для использования ЭВМ;

>- ЭС предназначены для решения задач в диалоговом режиме со специалистами (конечными пользователями), от которых не требуется знания программирования — это резко расширяет сферу использования вычислительной техники, которая в данном случае выступает как инструмент подкрепления (поддержки) памяти специалиста и усиления его способностей к логическому выводу;

>- специалист, использующий ЭС для решения своих задач, может достигать, а иногда и превосходить по результатам возможности экспертов в данной области знаний, что позволяет резко повысить квалификацию рядовых специалистов за счет аккумуляции знаний в ЭС, в том числе знаний экспертов высшей квалификации.

Свое название ЭС получили по двум причинам:

>- информацию (знания) для них поставляют эксперты;

>• ЭС выдает решения, аналогичные тем, которые формулируют эксперты.

Понятие «эксперт» заслуживает отдельного обсуждения.

По Д. Уотермену эксперт (англ. domain expert — знаток, специалист в области, сфере деятельности) — человек, который за годы обучения и практики научился чрезвычайно эффективно решать задачи, относящиеся к конкретной предметной области [88|. Главным в этом определении является требование к эксперту, которое предъявляется и к ЭС: эффективность решения конкретных задач из узкой предметной области.

В соответствии с определением П. Джонса [88], «эксперт — это человек, который благодаря обучению и опыту может делать

Риск-менеджмент

то, что мы все, остальные люди, делать не умеем; эксперты работают не просто профессионально, но к тому же уверенно и эффективно. Эксперты обладают огромными познаниями и пользуются различными приемами и уловками для применения своих знаний к проблемам и заданиям; они также умеют быстро переворошить массу несущественной информации, чтобы добраться до главного, и хорошо умеют распознавать в проблемах, с которыми сталкиваются, примеры тех типовых проблем, с которыми они уже знакомы. В основе поведения экспертов лежит совокупность практически применимых знаний, которую мы будем называть компетентностью. Поэтому разумно предположить, что эксперты — это те люди, к которым надо обратиться, когда мы желаем проявить компетентность, делающую возможным такое поведение, как у них».

Отметим, что в обоих определениях подчеркиваются источники знаний экспертов — обучение и практика (опыт).

Таким образом, можно дать следующее определение: под ЭС понимается программная система, выполняющая действия, аналогичные тем, которые выполняет эксперт в некоторой прикладной предметной области, делая определенные заключения в ходе выдачи советов и консультаций.

Каково же назначение ЭС? В таблице 6.5 приведены основные области их применения (в порядке уменьшения числа ЭС, используемых в данной области).

Таблииа 6.5

Основные области применения ЭС

№ п/п Область применения ЭС 1 2 1 Проектирование экспертных систем 2 Медицинский диагноз и консультации по лечению 3 Консультации и оказание помощи пользователю по решению задач в различных предметных об ластях 4 Автоматическое программирование, проверка и анализ программного обеспечения 5 Проектирование сверхбольших интегральных схем. Обучение в различных предметных областях 6 Техническая диагностика и разработка рекомендаций по ремонту оборудования

Продолжение табл. 6.5

1 2 7 Планирование в различных предметных областях Анализ данных в различных предметных областях (в том числе и статистический) Интерпретация данных с целью выявления объектов и оценки степени риска в экономике Интерпретация геологических данных и разработка рекомендаций по обнаружению полезных ископаемых 8 Интерпретация данных и планирование эксперимента в ходе научных исследований в области биологии Решение задач, связанных с космическими исследованиями 9 Обеспечение научных исследований в химии, разработка рекомендаций по синтезу соединений 10 Управление проектированием, технологическими процессами и промышленным производством Анализ и синтез электронных схем Формирование математических понятий, преобразование математических выражений 11 Предупреждение о возможных авариях ядерных реакторов 12 Анализрисков в политике и экономике

Структура типовой ЭС представлена на рис. 6.15.

На рисунке обозначены: СОЗ — система, основанная на знаниях; ЛП — лингвистический процессор; РП (БД) — рабочая память (база данных); БЗн — база знаний; МЛ В — механизм (машина) логического вывода; КПЗн — компонент приобретения знаний; КОб — компонент объяснений.



Риск-менеджмент

Дадим краткую характеристику структурных элементов ЭС.

СОЗ представляет собой программную систему, состоящую из трех элементов: БЗн, МЛВ и РП (БД).

БЗн — часть ЭС (СОЗ), предназначенная для генерации и поддержания динамической модели знаний о предметной области. В качестве возможных моделей знаний могут использоваться продукционные, сетевые или фреймовые модели.

МЛВ — часть ЭС (СОЗ), реализующая анализ поступающей в ЭС и имеющейся в ней информации и формирование (вывод) на ее основе новых заключений (суждений) в ответ на запрос к системе.

РП (БД) — часть ЭС (СОЗ), предназначенная для информационного обеспечения работы МЛВ, прежде всего, в части хранения и обработки поступивших (новых) фактов (суждений) и промежуточных результатов логического вывода.

ЛП предназначен для обеспечения комфортного интерфейса между конечным пользователем и ЭС. В нем реализуются процедуры морфологического, синтаксического и семантического контроля поступающих в систему запросов и приведение их к виду, «понятному» ЭВМ. При выдаче ответной информации осуществляется обратная операция — заключение «переводится» на ограниченный естественный язык, понятный конечному пользователю. Отметим, что в первых ЭС ЛП отсутствовал, так как общение с машиной осуществлялось на (строго) формальном языке. В дальнейшем (особенно при переходе к ЭВМ пятого поколения) значимость ЛП в составе ЭС будет возрастать.

КПЗн предназначен для обеспечения работы инженера знаний по созданию и поддержанию модели знаний, адекватной реальной предметной области (генерации БЗн, ее тестирования, пополнения новыми знаниями, исключения неверных (ставших таковыми) знаний и т.п.).

Наличие КОб, обеспечивающего по запросу пользователя выдачу информации о ходе и исходе логического вывода, принципиально отличает ЭС от всех других программных систем. Дело в том, что в большинстве случаев конечному пользователю недостаточно сообщить лишь конечное заключение ЭС, которое он должен (может) использовать в своей профессиональной деятельности. Гораздо большее доверие вызывает у него конечный вывод, подтвержденный понятными промежуточными рассуждениями. Кроме того, с помощью КОб можно организовать про-

Рис. 6.16. Структура интеллектуального пакета прикладных программ

цесс обучения конечных пользователей работе с ЭС. В обучающих ЭС КОб играет еще более важную роль, как и в СППР.

Важным классом СОЗ является класс интеллектуальных пакетов прикладных программ (ППП). Структура такого пакета приведена на рис. 6.16.

Интеллектуальные ППП дают возможность конечному пользователю решать прикладные задачи по их описаниям и исходным данным без программирования — генерация («сборка») программы «под задачу» осуществляется автоматически механизмом логического вывода. БЗн в интеллектуальном ППП может строиться по любому из известных эвристических методов (часто используются семантические сети и фреймы), лишь бы настраиваемая МЛВ программа была эффективна для решения поставленной задачи. И ППП (интеллектуальная ППП) является яркой иллюстрацией тезиса о том, что в перспективе все формы поддержки решений (в частности — вычислительная) станут — в большей или меньшей степени — интеллектуальными.

Классификация, средства и этапы разработки экспертных систем

Существует множество признаков, по которым можно классифицировать ЭС [102]. По степени сложности различают поверхностные и глубинные ЭС, по степени связанности правил

Риск -менеджмент

По стадиям разработки

База знаний содержит: 10-100 правил

200-500 правил

500-1000 правил

1000-1500правил 1500-3000правил

Рисм. Классификация экспертных систем по стадиям разработки

Демонстрационный прототип

Исследовательский прототип

Действующий прототип

Промышленный образец

Коммерческий образец

продукционные ЭС делят на связные и малосвязные, по типу предметной области выделяют статические, динамические ЭС и ЭС реального времени и т.п. Процесс создания ЭС занимает немало времени, поэтому определенный интерес представляет классификация ЭС по стадиям разработки, изображенная применительно к продукционным ЭС на рис. 6.17 (заметим, что аналогичные стадии в своем жизненном цикле имеют практически все — достаточно сложные — программные системы).

Масштабы разработки ЭС предопределили создание специальных инструментальных (аппаратных и программных) средств, систематизированное представление о которых составляет содержание рис. 6.18.

Следует отметить, что первоначально разработка ЭС осуществлялась на традиционных алгоритмических языках программирования с реализацией на универсальных ЭВМ.

В дальнейшем были созданы как специализированные аппаратные и программные средства, так и средства автоматизации программирования. Появились и оболочки ЭС, которые по задумке авторов должны были существенно упростить (и удешевить) разработку систем. Однако в полной мере эти надежды не оправдались (а как показало дальнейшее развитие прикладных программных средств не только в области искусственного интеллекта, и не могли оправдаться). Это связано с принципиаль-

Инструментальные средства разработки ЭС

Аппаратные

Программные

Алгоритмические языки программирования (С, Паскаль, Фортран,...)

Символьные языки программирования (ЛИСП, SmallTalk,...)

Языки

инженерии знаний (ПРОЛОГ, OPS-5, LOOPS)

Системы автоматизиро-рованной разработки ЭС (KEE,ART,AGE,...)

Оболочки ЭС (EMYSIN, EXPERT,...)

Интеллектуальные

рабочие

станции

Последовательные символьные ЭВМ (ЛИСП-машины; ПРОЛОГ-машины)

Параллельные

символьные

ЭВМ

Рис. 6.18. Инструментальные средства разработки экспертных систем ной сложностью использования конкретной ЭС (даже весьма эффективной в своей предметной области) для решения совершенно других задач, а именно таким путем создавались первые оболочки ЭС. Еще более проблематичными представляются попытки создания так называемых универсальных оболочек, пригодных для применения «во всех» предметных областях.

При создании ЭС наибольшую трудность представляет разработка совершенной базы знаний, т.е. моделирование знаний экспертов о некоторой предметной области. Разработка любой модели — в том числе и модели знаний — представляет собой полностью неформализуемый процесс, содержащий элементы творчества и строго формальных действий.

Разработка ЭС включает несколько этапов [88], основное содержание которых применительно к продукционным системам отражено на рис. 6.19.

Процедуры уточнения, перепроектирования и переформулирования не являются обязательными, характерны для разработ-

Тестирование Рис. 6.19. Этапы разработки экспертной системы

ки достаточно сложных ЭС и, как правило, предполагают проведение нескольких итераций. Отметим, что перечисленные этапы работ (идентификация — концептуализация — формализация — реализация — тестирование), как и стадии разработки, являются обязательными при создании любой программной системы.

Очевидно, что разработка ЭС является коллективным трудом, в котором принимают участие различные специалисты. Центральное место в схеме взаимодействия участников создания ЭС занимает инженер знаний (англ. knowledge-engineer). Именно он организует все важнейшие работы и осуществляет их координацию. Ему принадлежит право выбора типовых или — при необходимости и наличии соответствующих ресурсов — заказа новых инструментальных средств разработки ЭС. Он работает с предметными экспертами, генерирует, тестирует, уточняет и пополняет базу знаний и т.д. Направления взаимодействия создателей ЭС (этот процесс иногда называют игрой [88]) представлены на рис. 6.20.

Как явствует из вышеизложенного, разработка ЭС — сложный, дорогостоящий и длительный процесс. Последнее обстоятельство иллюстрируется рис. 6.21, на котором приведены ус-

Время,

Рис. 6.20. Схема взаимодействия создателей экспертной системы

4-6 человек

человеко-лет

30

25

20

3-5 человек 15

10

2-4 человека 5

умеренно трудная очень

трудная трудная

Проблемная область

Рис. 6.21. Затраты времени на создание экспертной системы

ловные затраты времени на создание систем для решения проблем различной сложности [88].

Существует ряд подходов к оценке того, когда же разработка ЭС является рациональной [69, 88]. На наш взгляд, наиболее конструктивен подход Д. Уотермена, который основан на проверке возможности, оправданности и разумности построения системы.

Риск -менеджмент

При этом предлагается считать, что разработка ЭС возможна при совместном выполнении следующих основных условий:

> • задача не требует общедоступных знаний;

V решение задачи требует только интеллектуальных действий;

> • существуют подлинные (компетентные) эксперты;

>- эксперты способны описать свои методы (приемы, уловки и т.п.) решения задачи;

> • эксперты единодушны в своих решениях, т.е. их мнения

«хорошо» согласованы;

V задача понятна и «не слишком» трудна.

Разработка ЭС оправданна, если выполняется хотя бы одно из следующих основных условий:

>• получение решения задачи высокорентабельно;

>- человеческий опыт решения задачи по различным причинам утрачивается;

> • число экспертов в рассматриваемой предметной области

мало;

>- опыт решения задачи востребован во многих субъектах РФ;

>- опыт нужно применять во враждебных человеку условиях. Наконец, разработка ЭС разумна, если совместно выполняются следующие основные условия:

>- задача требует эвристических решений;

>• задача требует оперирования символами;

>- задача «не слишком» проста;

>- задача представляет практический интерес;

>- задача имеет размерность, допускающую реализацию. При всей условности и субъективности проверки наличия перечисленных обстоятельств можно по-новому взглянуть на причины столь широкой представительности перечня областей применения ЭС (см. табл. 6.5).

Как уже отмечалось, реальным путем решения задач совершенствования автоматизированных информационных систем (АИС) различного (в том числе и экономического) назначения является использование методов искусственного интеллекта (ИИ).

Возможны два направления внедрения достижений ИИ:

>- создание принципиально новых АИС (их принято называть интеллектуальными);

V совершенствование существующих АИС за счет применения технологий ИИ (их называют интеллектуализирован-ными).

Под интеллектуализацией АИС понимают процесс разработки и программной реализации моделей и алгоритмов ИИ с целью применения опыта пользователей, формализации различных постановок практических задач, взаимодействия с ЭВМ на естественном языке и др.

Иными словами, интеллектуализация — процесс внедрения в АИС идей ИИ с целью повышения эффективности этих систем.

Известны два основных способа интеллектуализации АИС:

>- внешняя (универсальная и специализированная) интеллектуализация;

>¦ внутренняя (локализованная и распределенная) интеллектуализация.

Внешняя универсальная интеллектуализация предусматривает подключение к традиционной АИС инструментальной системы искусственного интеллекта (ИСИИ), настроенной на соответствующую предметную область (принятие решений, проектирование, обучение и т.п.). В качестве ИСИИ используют уже существующие оболочки экспертных, обучающих, моделирующих, диалоговых и других систем. Исторически данный способ был первым и получил довольно широкое распространение.

Совершенно очевидны достоинства этого способа: высокая скорость разработки и сравнительно малые финансовые затраты.

Внешняя специализированная интеллектуализация осуществляется за счет разработки и использования специализированных программных систем (приставок), работающих на принципах ИИ. Как правило, основные усилия направляются на улучшение сервисных характеристик АИС, особенно в плане реализации интеллектуального диалога системы с пользователем на предметно-ориентированном языке, более близком к естественному, чем традиционные, т.е. на создание интеллектуального интерфейса. Способ весьма близок «по идеологии» с уже рассмотренным, поэтому их достоинства (с некоторыми коррективами) практически совпадают. На рис. 6.22 представлена графическая ‘ иллюстрация способов внешней интеллектуализации.

Риск -менеджмент

6) Рис. 6.22. Внешняя интеллектуализация: а) универсальная; б) специализированная

Способам внешней интеллектуализации присущ один, но существенный недостаток — они направлены на приспособление (в большей или меньшей мере) традиционных АИС к новым задачам и потому принципиально не могут полностью (наилучшим образом) обеспечить их решение.

Внутренняя интеллектуализация свободна от этого недостатка, поскольку осуществляется с помощью встроенных в АИС методов и алгоритмов ИИ. Данный способ предполагает глубинные изменения в самой идеологии построения той или иной системы и приводит к созданию полномасштабных интеллектуальных АИС — систем интеллектуальной поддержки принятия решений, интеллектуальных информационно-справочных систем (баз данных), интеллектуальных САПР, интеллектуальных обучающих систем и др.

Различают внутреннюю локализованную интеллектуализацию, когда в разрабатываемой АИС наряду с традиционными можно выделить так называемые типовые интеллектуальные блоки (см. рис. 6.23), и внутреннюю распределенную интеллектуализацию,

Типовые блоки интеллектуальных систем

Рис. 6.23. Внутренняя локализованная интеллектуализация

Типовые блоки традиционной АИС

предусматривающую применение интеллектуальных вычислительных и логических процедур практически во всех блоках.

Понятно, что реализация способа внутренней интеллектуализации дорогостояща, она требует от разработчиков исключительно высокой квалификации в различных предметных областях и длительного времени создания системы.

Важно отметить, что современные интеллектуальные системы выполняют не только основные (целевые) функции, но и все большее число дополнительных, ранее либо вообще не предусматриваемых, либо выполняемых другими системами. Так, например, практически все интеллектуальные АИС содержат подсистемы обучения работы с ними, интеллектуальной поддержки работы пользователя по основному назначению системы, интеллектуального многоуровневого хелпинга, модификации базы знаний и т.п.

В заключение следует еще раз отметить, что на современном этапе развития общества, магистральным путем автоматизации профессиональной (в том числе управленческой) деятельности является ее интеллектуализация, проводимая одним из рассмотренных способов. Следует ожидать, что в будущем каждая АИС станет в полном смысле средством интеллектуальной поддержки деятельности конкретного должностного лица, и без применения таких средств представить технологию разработки решений в любой сфере человеческой деятельности будет невозможно.

Литература

1. Антикризисное управление / Под ред. Э.М.Короткова. — М.: Ин-фра-М, 2001.

2. Баззел Р, Кокс Д., Браун Р. Информация и риск в маркетинге /

Под ред. М.Р. Ефимовой. — М.: Финстатинформ, 1993.

3. Балабанов И.Т. Основы финансового менеджмента. — М.: Финансы и статистика, 2002.

4. Балабанов И. Т. Риск-менеджмент. — М.: Финансы и статистика, 1996.

5. Балдин К.В., Быстрое О.Ф., Поздняков В.Я., Соколов М.М. Управление инвестициями в торговле. — Тамбов: ТГТУ, 2000.

6. Балдин К.В., Быстрое О.Ф., Поздняков В.Я., Соколов М.М. Инвестиции в антикризисном управлении. — Тамбов: ТГТУ, 2000.

7. Балдин К.В., Уткин В.Б. Информатика. — М.: Центр, 2002.

8. Балдин К.В., Воробьев С.Н. Управленческие решения: теория и практика. — М.: Центр, 2003.

9. Балдин К.В., Уткин В.Б. Информационные системы в экономике. — М.: Академия, 2003.

10. Балдин К.В., Воробьев С.Н., Уткин В.Б. Управленческие решения. М.: Дашков и Ко, 2003.

11. Балдин К.В., Быстрое О.Ф., Соколов М.М. Эконометрика. М.: ЮНИТИ, 2004.

12. Балдин К.В., Уткин В.Б. Теоретические основы автоматизации управленческой деятельности. — Воронеж: МОДЭК, 2004.

13. Балдин К.В., Воробьев С.Н., Уткин В.Б. Теоретические основы принятия управленческих решений. Воронеж: МОДЭК, 2004.

14. Балдин К.В., Быстрое О.Ф., Перцов В.В., Соколов М.М. Антикризисное управление. — М.: Гардарики, 2005.

15. Балдин К.В., Башлыков В.Н., Рукосуев А.В. Математика. — М.: ЮНИТИ, 2005.

16. Балдин К.В., Воробьев С.Н. Риск-менеджмент. — М.: Гардарики, 2005.

Литература

17. Балдин К.В. Антикризисное управление: макро- и микроуровень. — М.: Дашков и Ко, 2005.

18. Балдин К.В., Воробьев С.Н. Системный анализ управления рисками в предпринимательстве. — Воронеж: МОДЭК, 2005.

19. Банковское дело / Под ред. О.И. Лаврушина. — М.: ЮНИТИ,

2002.

20. Берка К. Измерения: понятие, теория, проблемы / Пер. с чеш.

Под ред. Б.В.Бирюкова. — М.: Прогресс, 1987.

21. Боумен У. Графическое представление информации / Пер. с англ. — М.: Мир, 1971.

22. Бусленко Н.П. Моделирование сложных систем. — М.: Наука,

1968.

23. Вальравен К.Д. Управление риском в коммерческом банке: Пер.

с англ. / Под ред. Мэри Э. Уорд и Я.М. Миркина. Вашингтон ИЭР, 1997.

24. Введение к международным стандартам оценки 1 и 2. Рыночная и нерыночные базы оценки // Российский оценщик. 2001. № 4.

25. Вентцель Е.С. Исследование операций: задачи, принципы, методология. — М.: Наука, 1980.

26. Виссема X. Менеджмент в подразделениях фирмы. Пер. с англ. —

М.: ИНФРА-М, 1996.

27. Воробьев С.Н., Варфоломеев В.И. Принятие управленческих решений. - М.: КУДИЦ-ОБРАЗ, 2001.

28. Воробьев С.К., Уткин В.Б., Балдин КВ. Управленческие решения. - М: ЮНИТИ, 2003.

29. Гамза В.А., Екатеринославский Ю.Ю. Рисковый спектр коммерческих организаций. — М.: Экономика, 2002.

30. Глушаков СВ., Ломотько Д.В. Базы данных: Учеб. курс. — М.:

ООО «Издательство ACT», 2001.

31. Гражданский кодекс Российской Федерации: часть первая от 30.11.1995 г. № 51-ФЗ; часть вторая от 26.01.1996 г. № 14-ФЗ; часть третья от 26.11.2001 г. № 146-ФЗ с последующими изменениями и дополнениями.

32. Гражданский и арбитражный процесс, нотариат, обязательственные отношения: Образцы документов / Отв. ред. проф. В.В. Ярков. - М.: Изд-во БЕК, 1998.

33. Грантуров В.М. Экономический риск, сущность, методы измерения, пути снижения. Методическое пособие. М.: Дело и Сервис, 2002.

34. Гумилев Л.Н. Древняя Русь и Великая степь / Л.Н.Гумилев. —

М.: ООО Изд-во ACT», 2002.

35. Дойль П. Менеджмент: стратегия и тактика. — М.: Дело, 1999.

36. «ЗОЛОТОЙ ДИСК — 2002» — информационный сборник документов и материалов по различным разделам оценки. — Москва: Российское общество оценщиков, 2002.

37. Инвестиции / Под ред. К.В. Балдина, М.: Дашков и Ко, 2005.

38. Инновационный менеджмент. Справочное пособие. — СПб.: Наука, 1997.

Риск -менеджмент

39. Искусственный интеллект. Кн.1. Системы общения и экспертные системы / Под ред. Э.В. Попова. — М.: Радио и связь, 1990.

40. Исследование операций: В 2 т. Т. 1. Методологические основы и математические методы / Под ред. Дж. Моудера, С. Элмаграби / Пер. с англ. — М.: Мир, 1981.

41. Кандинская О.А. Управление финансовыми рисками: поиск оптимальной стратегии. — М.: Изд-во АО «Консалтбанкир», 2000.

42. Карнеги Д. Как завоевывать друзей и оказывать влияние на людей / Пер. с англ. Общ. ред. и предисл. В.П. Зинченко и Ю.М. Жукова. - М.: Прогресс, 1989.

43. Карнеги Д. «Как вырабатывать уверенность в себе и влиять на людей, выступая публично», «Как перестать беспокоиться и начать жить» / Пер. с англ.; Общ. ред. и предисл. В.П. Зинченко и Ю.М. Жукова. — М.: Прогресс, 1989.

44. Кини Р., Райфа X. Принятие решений при многих критериях: предпочтения и замещения / Пер. с англ. Под ред. И.Ф. Шахнова. —

М.: Радио и связь, 1981.

45. Ковалев В.В. Методы оценки эффективности инвестиций. — М.: ЭКОНОМИСТ, № 3, 1993.

46. Козелецкий Ю. Психологическая теория решений / Пер. с польск. Под ред. Б.В. Бирюкова. — М.: Прогресс, 1979.

47. Корнилова Т.В. Психология риска и принятия решений. Учебное пособие для вузов. — М.: Аспект Пресс, 2003.

48. Кофман А. Введение в теорию нечетких множеств/ Пер. с франц. — М.: Радио и связь, 1982.

49. Круглое В.В., Борисов В.В. Искусственные нейронные сети. Теория и практика. — М.: Горячая линия. Телеком, 2001.

50. Кураков Л.П., Кураков В.Л., Кураков А.Л. Экономический энциклопедический словарь. — М.: Вуз и школа, 2005.

51. Кучин А.Б., Смирнова А.Р., Зайцева В. О. Факторинг — финансовая схема управления вексельными потоками. — М.: ООО «Верше-АВ», 2000.

52. Лескин А.А., Мальцев В.Н. Системы поддержки управленческих и проектных решений. — Л.: Машиностроение, 1990.

53. Логический подход к искусственному интеллекту: от классической логики к логическому программированию / Пер. с франц. А. Тейз, П. Грибомон, Ж. Луи и др. — М.: Мир, 1990.

54. Лэнд П.Э. Менеджмент — искусство управлять / Пер. с англ. — М.: ИНФРА-М, 1995.

55. Льюис Р., Райфа X. Игры и решения / Пер. с англ. Под ред.

Д.Б. Юдина. — М.: Иностр. лит., 1961.

56. Максимей И.В. Имитационное моделирование на ЭВМ. — М.: Радио и связь, 1988.

57. Малыхин В.И. Финансовая математика. — М.: ЮНИТИ, 2002.

Литература

58. Международные стандарты оценки МСО 1—4 / С предисловием В.М. Постыка Научно-методические проблемы стандартизации и пути их решения. — М.: Машиностроение, 1989.

59. Менеджмент / Под ред. М.М. Максимцова, М.А. Комарова. —

М.: ЮНИТИ, 2002.

60. Мескон М., Альберт М., Хедуори Ф. Основы менеджмента. Учебник, 3-е изд. / Пер. с англ. — М.: Дело, 1992.

61. Методика определения категории риска при инвестиционном кредитовании и проектном финансировании, применяемая в Сбербанке РФ. — Регламент по финансированию инвестиционных проектов»

№ 479-р от 05.02.1999 г. Сбербанка России.

62. Мешанин Ю.М. Что такое «разложить по пальцам» // ЭКО. 1991. № 3 (201). С.165-175.

63. Мицич П. Как проводить деловые беседы / Пер. с серб.-хорв.

Общ. ред. и предисл. В.М. Шепеля. — М.: Экономика, 1983.

64. Муравьев А.И., Игнатьев A.M., Крутик А. Б. Предпринимательство. — СПб.: Лань, 2001.

65. Нагао М, Катаяма Т, Уэмура С. Структуры и базы данных /

Пер. с япон. — М.: Мир, 1986.

66. Надежность и эффективность в технике: Справочник. Т. 3. Эффективность технических систем / Под общ. ред. В.Ф. Уткина, Ю.В. Крючкова. М., 1988.

67. Нанс Б. Компьютерные сети / Пер. с англ. — М.: БИНОМ, 1995.

68. Науман Э. Принять решение — но как? / Пер. с нем. — М.: Мир, 1987.

69. Нейлор К. Как построить свою экспертную систему / Пер. с англ. — М.: Энергоатомиздат, 1991.

70. Норткотт Д. Принятие инвестиционных решений. Пер. с англ. — М.: Банки и биржи, ЮНИТИ, 1997.

71. Ожегов СИ. Словарь русского языка: 70 000 слов / Под ред.

Н.Ю. Шведовой. 22-е изд. — М.: Русский язык, 1990.

72. Оуэн Г. Теория игр / Пер. с англ. — М.: Мир, 1971.

73. Панов А.И. Инвестиционное проектирование. — М.: Экономика и финансы, 2002.

74. Проблемы итогового согласования результатов оценок, полученных с использованием различных подходов / Стенограмма круглого стола: январь-февраль 2003 // Российский оценщик. 2003. № 1.

75. Райгородский Д.Я. Психология масс: Хрестом. — Самара: Издательский Дом «БАХРАН», 1998.

76. Риск-менеджмент как инструмент контроля финансовых результатов деятельности компании // Финансовая газета. № 7 (583), февраль 2003 года.

77. Роберте Ф. Дискретные математические модели с приложениями к социальным, биологическим и экологическим задачам. — М.: Наука, 1986.

Риск-менеджмент

78. Родин А.Ю. Методика определения ликвидационной стоимости имущества // Вопросы оценки. 2003. № 1.

79. Рослое В.Ю., Мышанов А.И., Подколзин И.А. Расчет ликвидационной стоимости объектов с неэластичным спросом // Там же.

80. Саати Т., Керне К. Аналитическое планирование. Организация систем / Пер. с англ. — М.: Радио и связь, 1991.

81. Самоукина Н.В. Работа социального психолога в банковской системе // Вопросы психологии. 1997. № 4. С. 48—57.

82. Соснин А.С., Прыгунов П.Я. Менеджмент безопасности предпринимательства. — Киев: Европейский университет, 2002.

83. Старобинский Э.Е. Как управлять персоналом? — М.: Интел-Син-тез, 1995.

84. Танеев B.C., Гордон B.C., Шафранский ЯМ. Теория расписаний. Одностадийные системы. — М.: Наука, 1984.

85. ТахаЛ. Введение в исследование операций: В 2 кн./ Пер. с англ.

М.: Мир, 1985.

86. Толковый словарь по искусственному интеллекту. — М.: Радио и связь, 1992.

87. Тэпман Л.Н. Риски в экономике. — М.: ЮНИТИ, 2002.

88. Уотермен Д. Руководство по экспертным системам / Пер. с англ.

М.: Мир, 1989.

89. Уткин В.Б., Балдин К.В. Современные информационные системы и технологии в экономике. — М.: ЮНИТИ, 2003.

90. Файоль А., Эмерсон Г., Тейлор Ф., Форд Г. Управление — это наука и искусство. — М: Республика, 1998.

91. Философский энциклопедический словарь / Гл. ред. Л.Ф. Ильичев, П.Н. Федосеев, СМ. Ковалев, В.Г. Панов. М.: Советская энциклопедия, 1983.

92. Финансово-кредитный энциклопедический словарь / Под ред.

А.Г. Грязновой. — М.: Финансы и статистка, 2002.

93. Финансовый менеджмент / Под ред. Е.И. Шохина. — М.: ИД ФБК ПРЕСС, 2003.

94. ХиммельблауД. Анализ процессов статистическими методами. — М.: Мир, 1989.

95. Цветкова Е.В., Арлюкова И.О. Риски в экономической деятельности. Учебное пособие. — СПб: Санкт-Петербургский институт внешнеэкономических связей экономики и права. Общество «Знание» С.-Петербурга и Ленинградской области, 2002.

96. Черкасов BE. Международные инвестиции. — М.: ДЕЛО, 1999.

97. Четвериков В.Н., Ревунков Г.И., Самохвалов Э.Н. Базы и банки данных. — М.: Высшая школа, 1987.

98. Шарп У., Александер Г., Бэйли Дж. Инвестиции / Пер с англ. — М.: ИНФРА-М, 1999.

99. Шеннон Р. Имитационное моделирование систем — искусство и наука. — М.: Мир, 1978.

Литература

100. Шмирева А.И., Колесников В.Н., Климов А.Ю. Международные

валютно-кредитные отношения. — СПб.: Питер, 2001.

101. Экономические и информационно-аналитические основы управления инвестиционными проектами / Под. ред. К.В. Балдина. — Воронеж: МОДЭК, 2004.

102. Экспертные системы. Принципы работы и примеры / Пер. с англ. А. Брукинг, П. Джонс, Ф. Кокс и др.; Под ред. Р. Форсайта. — М.: Радио и связь, 1987.

103. Электроника, компьютеры, связь // MegaPlus. 1999. № 5.

104. Юм. Д. О человеческой природе / Пер с англ. СИ. Церетели. — СПб.: Азбука. 2001.

105. Essentials of Risk Management. (Ed by Head G.L.) 1994.

106. Executive Information Systems, Inc. White Paper No. Three, March 27, 1997. Data Warehouses and Marts: A Dynamic View, by Joseph M. Firestone, Ph.D.

107. Evaluating OLAP Software by Dan Bulos (http:/ .com).

108. DM Direct, Volume 1, Issue 17, April 1999, Six Letters of Decision Support Architectures by Michael Fine.

109. Data Marts and Data Warehouse: Information Architecture for the

Millenium by W.H. Inmon.

110. Intelligent Enterprise Magazine. January 1, 2000. Vol. 3. №. 1, The Dozen: The 12 Most Infuential Companies in IT.

111. Vittas D. Measuring Commercial Bank Efficiency: Use and Misuse of ianc Operating Ratios. Washington: The World Bane, 1991.

Балдин Константин Васильевич

РИСК-МЕНЕДЖМЕНТ

Учебное пособие

Зав. редакцией И. Федосова Ответственный редактор И. Ескевич Редактор Е. Жукова Художественный редактор Е. Брынчик Технический редактор Н. Тростянская Младший редактор А. Березкина Компьютерная верстка Н. Журавлева Корректор 77. Перовская

ООО «Издательство «Эксмо»

127299, Москва, ул. Клары Цеткин, д. 18/5. Тел.: 411-68-86,956-39-21. Home page: E-mail:

Оптовая торговля книгами "Эксмо» и товарами «Эксмо-канц»:

000 «ТД «Эксмо». 142700, Московская обл., Ленинский р-н, г. Видное, Белокаменное ш., д. 1, многоканальный тел. 411-50-74.

E-mail:

Полный ассортименткнигиздательства "Эксмо»для оптовыхпокупателей: В Санкт-Петербурге: 000 СЗКО, пр-т Обуховской Обороны, д. 84Е. Тел. отдела реализации (812) 265-44-80/81/82.

В Нижнем Новгороде: 000 ТД «Эксмо НН», ул. Маршала Воронова, д. 3.

Тел. (8312)72-36-70.

В Казани: 000 «НКП Казань», ул. Фрезерная, д. 5. Тел. (8435) 70-40-45/46.

В Самаре: 000 «РДЦ-Самара», пр-т Кирова, д. 75/1, литера «Е». Тел. (846) 269-66-70.

В Екатеринбурге: 000 «РДЦ-Екатеринбург», ул. Прибалтийская, д. 24а. Тел.(343)378-49-45.

В Киеве: 000 ДЦ«Эксмо-Украина», ул. Луговая, д. 9. Тел./факс: (044) 537-35-52.

Во Львове: Торговое Представительство ООО ДЦ «Эксмо-Украина», ул. Бузкова, д. 2. Тел./факс (032) 245-00-19.

Мелкооптовая торговля книгами «Эксмо» и товарами «Эксмо-канц»:

117192, Москва, Мичуринский пр-т, д. 12/1. Тел./факс: (495) 411-50-76.

127254, Москва, ул. Добролюбова, д. 2. Тел.: (495) 745-89-15, 780-58-34.

Информация по канцтоварам: e-mail: Полный ассортимент продукции издательства «Эксмо»:

В Москве в сети магазинов «Новый книжный»:

Центральный магазин — Москва, Сухаревская пл., 12 . Тел. 937-85-81. Информация о магазинах «Новый книжный» по тел. 780-58-81.

В Санкт-Петербурге в сети магазинов «Буквоед»:

«Магазин на Невском», д. 13. Тел. (812) 310-22-44.

По вопросам размещения рекламы в книгах издательства «Эксмо» обращаться в рекламный отдел. Тел. 411-68-74.

Подписано в печать 27.02.2006

Формат 60x90 ¹/1б- Гарнитура «Тайме». Печать офсетная. Бумага тип. Усл. печ. л. 23,0.

Тираж3000экз. Заказ №1503

Отпечатано в ОАО ""ИПК "Ульяновский Дом печати” 432980, г. Ульяновск, ул. Гончарова, 14

---