Риск (Risk)

В широком смысле риск - это возможность потери чего-либо, имеющего ценность: материальных и финансовых ценностей, репутации, физического здоровья и т.д. Потери могут быть понесены при принятии риска в результате действия или бездействия. Риск может быть предвиденным или непредвиденным (запланированным и незапланированным).

Часто риск определяют как "намеренное взаимодействие с неопределённостью". Под неопределённостью понимают потенциальный, непредсказуемый и неконтролируемый результат; риск является следствием действий, предпринимаемых несмотря на неопределенность.

Восприятие риска людьми субъективно: понятие о серьезности и вероятности риска для разных людей различно. Любая человеческая деятельность несет в себе определенный риск, но некоторые области гораздо рискованнее других.

Риск предполагает неуверенность или невозможность получения достоверного знания о благоприятном исходе в заданных внешних обстоятельствах. Численно риск может быть измерен с помощью вероятности неблагоприятного исхода на основе некоторых статистических данных.

Практически каждый человек, чем бы он ни занимался, всегда сталкивается с необходимостью оценивать риск и на основе этой оценки принимать решение о целесообразности связанного с риском действия. Во всякой области деятельности существуют свои подходы к идентификации и оценке рисков, а также к разработке мер, направленных на их уменьшение или преодоление возможных последствий.

Направление деятельности, в рамках которого решаются перечисленные задачи, называется управлением рисками, а специалисты в данной области - риск-менеджерами.

Выделяют следующую классификацию рисков:

  • Субъективный (риск, последствия которого невозможно объективно оценить).
  • Объективный (риск с точно измеримыми последствиями).
  • Финансовый (риск, прямые последствия которого заключаются в денежных потерях).
  • Нефинансовый (риск с неденежными потерями).
  • Динамический (риск, вероятность и последствия которого изменяются в зависимости от ситуации, например риск экономического кризиса).
  • Статический (практически не меняющийся во времени риск, например риск пожара).
  • Фундаментальный (несистематический, недиверсифицированный, риск с тотальными последствиями).
  • Частный (систематический, диверсифицированный, риск с локальными последствиями).
  • Чистый (риск, последствиями которого могут быть лишь ущерб или сохранение текущего положения).
  • Спекулятивный (риск, одним из последствий которого может быть выгода, — не существует по определению, а является дуальным случайным событием, сочетающим и риск, и шанс).
  • Финансовый риск (неожиданная изменчивость или волатильность доходов).
  • Страховой риск (событие, наступление которого не определено во времени и в пространстве, независимое от волеизъявления человека, опасное и создающее вследствие этого стимул для страхования).

В области анализа данных обычно речь идет о рисках в сфере бизнеса: финансовых, кредитных, инвестиционных и т.д., связанных с возможностью финансовых потерь и убытков.

Аналитические технологии Data Mining предоставляют комплекс методов оценки степени риска и возможных потерь, прогнозирования рисковых событий, а также оценки ресурсов, требуемых для уменьшения риска или компенсации потерь, наступивших вследствие неблагоприятного исхода.

Одним из важных приложений Data Mining является анализ и оценка кредитных рисков, связанных с несвоевременным возвратом, или невозвратом заемных средств. Для этих целей может использоваться практически весь арсенал моделей и алгоритмов Data Mining: классификации, регрессии, кластеризации и прогнозирования.

Например, классификация позволяет сортировать клиентов по их надежности (лояльности), регрессия дает возможность оценивать вероятность возврата (или невозврата кредита), а также возможные убытки. С помощью кластеризации можно выделять группы клиентов по уровню связанного с ними риска. Прогнозирование позволяет предвидеть изменение экономической ситуации, которая может повлиять на степень риска.

Особенно привлекательным в этой связи выглядит применение моделей, основанных на обучении, таких как нейронные сети, деревья решений, карты Кохонена и др. Это связано с тем, что кредитные организации, ведущие строгую отчетность, как правило, имеют хорошо организованную систему сбора и консолидации данных, что позволяет использовать их с целью обучения аналитических моделей для решения самых разнообразных задач анализа.

Применение современных аналитических методов и моделей для анализа и оценки рисков открывает новые возможности по разработке эффективных мер уменьшения рисков и связанных с ними потерь.

results matching ""

    No results matching ""