Лабораторная работа №8: Прогнозирование в условиях неопределённости и риска




Скачать 86.46 Kb.
Дата07.05.2016
Размер86.46 Kb.
Лабораторная работа №8:

Прогнозирование в условиях неопределённости и риска


В последнее время при прогнозировании все чаще прибегают к использованию методов ситуационного анализа, в основе которого лежат модели, предназначенные для изучения функциональных или жестко детерминированных связей, когда каждому значению факторного признака соответствует вполне определенное неслучайное значение результативного признака. Теоретически существуют четыре типа ситуаций, в которых необходимо проводить анализ и принимать управленческие решения: 1) в условиях определенности, 2) риска, 3) неопределенности, 4) конфликта.

Наибольший интерес представляет алгоритмизация действий в условиях риска. Эта ситуация встречается на практике достаточно часто. Здесь применяется вероятностный подход, предполагающий прогнозирование возможных исходов и присвоение им вероятностей.

При этом пользуются:

а) известными типовыми ситуациями (типа — вероятность появления герба при бросании монеты равна 0,5);

б) предыдущими распределениями вероятностей (например, из выборочных обследований или статистики предшествующих периодов известна вероятность появления бракованной детали);

в) субъективными оценками, сделанными аналитиком самостоятельно либо с привлечением группы экспертов.

Таким образом, последовательность действий аналитика такова:


  • прогнозируются возможные исходы Rk, k= 1,2, ... n; в качестве Rk смогут выступать различные показатели, например, доход, прибыль, приведенная стоимость ожидаемых поступлений и др.;

  • каждому исходу присваивается соответствующая вероятность Pk, причем



  • • выбирается критерий (например, максимизация математического ожидания прибыли):



  • • выбирается вариант, удовлетворяющий выбранному критерию.



Пример: Доходность акций


Рассматривается возможность приобретения акций двух фирм: «А» и «В». Полученные экспертные оценки предполагаемых значений доходности по акциям и их вероятности представлены в таблице 1:

Таблица 1 – Доходность акций и соответствующие вероятности




Прогноз

Вероятность

Доходность, %

Фирма «А»

Фирма «В»

Пессимистический

0,3

-70

10

Вероятный

0,4

15

15

Оптимистический

0,3

100

20

Средняя доходность по акциям обеих фирм одинакова и составляет 15%, однако величины полученных доходов в наиболее благоприятном случае, как и величины возможных убытков в наиболее неблагоприятном, будут существенно отличаться.

Нетрудно заметить, что вероятностное распределение ожидаемого дохода по акциям фирмы «В» сгруппировано вокруг среднего значения более плотно. Следовательно, вероятность того, что реальная доходность по этим акциям будет ниже средней, значительно меньше, чем по акциям фирмы «А», и можно сказать, что акции фирмы «В» менее рисковые.

Количественное обоснование может быть получено определением таких показателей, как стандартное отклонение, дисперсия, коэффициент вариации (рисунки 1 и 2).



Рисунок 1 – Анализ риска акций фирмы «А»

Прежде всего, необходимо определить среднюю величину доходности. Наиболее простой способ – последовательно перемножить каждую ячейку блока В2:В4 на соответствующую ей ячейку блока С2:С4 и суммировать полученные значения. Нетрудно заметить, что данная последовательность действий представляет собой операцию нахождения суммы произведений элементов двух матриц. Поэтому будем использовать математическую функцию СУММПРОИЗВ. Введём следующую формулу в ячейку В6:


=СУММПРОИЗВ(B2:B4;C2:C4) (Результат: 0,15 или 15%).
Для определения величины стандартного отклонения необходимо сначала вычислить дисперсию. Так как дисперсия представляет собой сумму квадратов отклонений от среднего, взвешенных на соответствующие вероятности, зададим в ячейке D2 формулу вычисления дисперсии для первого события (пессимистический прогноз):
=B2*(C2-$B$6)^2 (Результат для фирмы «А»: 0,21675)

(Результат для фирмы «В»: 0,00075).


Обратите внимание на то, что для задания ячейки, содержащей среднее значение ($B$6) используется способ абсолютной адресации. Это позволяет безболезненно скопировать данную формулу в ячейки D3:D4.

Теперь можно вычислить величину стандартного отклонения, которая равна квадратному корню из дисперсии (суммы ячеек D2:D4). Для этого воспользуемся функцией КОРЕНЬ и введём в ячейку В7:


=КОРЕНЬ(СУММ(D2:D4))

(результат для фирмы «А»: 0,6584 или 65,84%)

(результат для фирмы «В»: 0,0387 или 3,87%).
Вычисление коэффициента вариации не представляет особых трудностей. Для этого достаточно просто разделить значение ячейки В7 на В6. Введите в ячейку В8:
=В7/В6 (результат для фирмы «А»: 4,39 или 439%)

(результат для фирмы «В»: 0,26 или 26%).


Стандартные отклонения и коэффициенты вариации говорят о меньшем разбросе (колеблемости) вокруг среднего значения акций фирмы «В», следовательно, акции этой фирмы менее рисковые.


Рисунок 2 – Анализ риска акций фирмы «В»
Вычислив основные параметры распределения случайной величины, можно определить вероятность её попадания в некоторый интервал. На рисунке 1 границы первого интервала задаются в ячейках В12:С12. Определим вероятность того, что значение доходности попадет в интервал (-70;0). Формула вычисления вероятности в ячейке D12 реализована с использованием функции НОРМРАСП и имеет следующий вид:
=НОРМРАСП(C12;$B$6;$B$7;1)-НОРМРАСП(B12;$B$6;$B$7;1)

(Результат: 0,31).


Рассмотрим параметры функции НОРМРАСП на данном примере:

С12 и В12 – исследуемые значение случайной величины;

$B$6 – среднее значение случайной величины;

$B$7 – стандартное отклонение случайной величины;

«1» (истина) – значение параметра Интегральная возвращает значение кумулятивной функции распределения вероятности. Альтернативное значение («0» - ложь) возвращает плотность распределения вероятности. Так как в данном примере использован параметр «1», мы имеем дело с кумулятивной функцией распределения, где накопленное конечное значение функции равно 1.

Первое слагаемое в выше приведенной формуле НОРМРАСП(C12;$B$6;$B$7;1) вычисляет значение вероятности при нулевой доходности (ячейка С12 содержит значение 0%), равное 0,41. Второе слагаемое НОРМРАСП(B12;$B$6;$B$7;1) вычисляет значение вероятности при отрицательной доходности акций фирмы «А» (ячейка В12 содержит значение -70%), равное 0,1. В итоге ячейка D12 содержит значение 0,31, которое говорит, что вероятность попадания доходности акций фирмы «В» в интервал от –70% до 0% составляет 31 случай из 100.

Для фирмы «В» (рисунок 2) определим вероятность того, что значение доходности попадет в интервал (0;20). Формула вычисления вероятности в ячейке D12 имеет вид:
=НОРМРАСП(C12;$B$6;$B$7;1)-НОРМРАСП(B12;$B$6;$B$7;1)

(Результат: 0,9).


Аналогично рассчитываем вероятности попадания доходности акций фирм «А» и «В» в интервалах, определённых ячейками В13:С15.

Рисунок 3 – Доходность акций фирмы «В» по сравнению с доходностью акций фирмы «А» более плотно распределена вокруг средней доходности (15%), что позволяет считать акции «В» менее рисковыми
Наглядное представление о плотностях распределения вероятностей можно отобразить на рисунке 3.

Изначально зададим нижнюю и верхнюю границы доходности. Предположим, что с вероятностью, близкой к 1 доходность акций будет сосредоточена на расстоянии 3 «сигмы» от среднего значения доходности, с вероятностью около 95% - на расстоянии 2 «сигмы» и с вероятностью около 2/3 - на расстоянии 1 «сигма».

Чтобы провести сравнительный анализ доходности акций обеих фирм, необходимо выбрать одинаковые интервалы изменения доходности. Вполне достаточным считается интервал, ограниченный нижней и верхней границами доходности с использованием одной «сигмы» (стандартного отклонения доходности) фирмы «А», так как слишком разная изменчивость (вариация) характерна для акций этих двух фирм. В ячейках А2 и А3 содержатся соответственно значения –50,84% и 80,84%, рассчитанные с помощью формул:
Нижняя граница = среднее значение (15%) - 1 стандартное отклонение фирмы «А» (65,84%)

Верхняя граница = среднее значение (15%) + 1 стандартное отклонение фирмы «А» (65,84%)


Далее необходимо заполнить столбец В. Для этого будем использовать следующую последовательность действий:

  1. В ячейку В2 введём округлённое значение нижней границы доходности (50);

  2. Выберем Правка ЗаполнитьПрогрессия;

  3. Заполним диалоговое окно Прогрессия так, как показано на рисунке 4



Рисунок 4 – Средство Прогрессия позволяет автоматически заполнять ячейки с желаемым шагом, типом прогрессии и предельным значением

В результате автоматически будет заполнен диапазон ячеек В2:В132 с шагом 1.

В ячейку С2 введём формулу:
=НОРМРАСП(B2;15;65,84;0) (Результат: 0,00372)
В ячейку D2 введём формулу:
=НОРМРАСП(B2;15;3,87;0) (Результат: 5,69801E-63)
В остальные ячейки столбцов С и D данные формулы скопируем с помощью средства Автозаполнение. Обратите внимание, что параметры 65,84 и 3,87 соответствуют стандартным отклонениям доходности акций фирм «А» и «В», а параметр Интегральная равен 0 (ложь).

Рисунок 5 – Кумулятивная вероятность доходности акций фирмы «В» более чувствительна по сравнению с доходностью акций фирмы «А» при продвижении слева направо по оси абсцисс

Аналогичные расчёты проведём в рабочем листе Кумулятивная (рисунок 5). Отличие заключается в расчёте столбцов С и D и графиках, построенных на базе этих столбцов.

В ячейку С2 введём формулу:
=НОРМРАСП(B2;15;65,84;1) (Результат: 0,16176)
В ячейку D2 введём формулу:
=НОРМРАСП(B2;15;3,87;1) (Результат: 0,00000).
Значения параметра Интегральная в данном случае равны 1 (истина).

Ячейки D3:D49 (значения доходности изменяются в пределах от –50% до –3%) содержат также, как и ячейка D2, нули и указывают на то, что вероятность получения отрицательной доходности по акциям фирмы «В» равна 0. Диапазон ячеек D85:D132 (значения доходности изменяются в пределах от 33% до 80%), напротив, содержит единицы. Это говорит о том, что вероятность получения высокой доходности (более 33%) по акциям фирмы «В» очень незначительна, так как уже получено предельное значение вероятности, равное 1.



Проведённые расчёты позволяют сделать более обоснованные выводы при анализе и прогнозировании доходности акций фирмы «В», так как их распределение характеризуется меньшей изменчивостью, а поэтому большей предсказуемостью. Все выводы должны носить вероятностный характер и учитывать качество используемой информации, в первую очередь, её однородность и соответствие закону нормального распределения.


База данных защищена авторским правом ©ekonoom.ru 2016
обратиться к администрации

    Главная страница