Принятие решений в условиях риска включает следующие основные этапы: 1) качественный анализ - определение источников риска и стадий реализации решений, на которых возможен риск; 2) количественный анализ - оценка степени риска и выбор решения.
На этапе количественного анализа требуется использовать оценки (количественные меры) эффективности и риска.
Для оценки эффективности рискованных решений обычно применяются следующие величины:
· средняя эффективность;
· ожидаемая (наиболее вероятная) эффективность;
· пессимистическая и оптимистическая оценки эффективности;
· вероятность успешной реализации принятого решения.
В качестве оценок риска обычно используются следующие величины:
· дисперсия эффективности;
· среднеквадратическое отклонение эффективности (квадратный корень из дисперсии);
· коэффициент вариации эффективности (отношение среднеквадратического отклонения к средней эффективности);
· вероятность неблагоприятных результатов.
Могут использоваться и другие оценки эффективности и риска.
Для оценки ожидаемой эффективности и риска могут применяться следующие методы:
· экспертные методы: оценки эффективности и риска указываются экспертами на основе их опыта и интуиции;
· статистические методы: оценки эффективности и риска рассчитываются на основе данных о результатах принятия подобных решений в прошлом;
· аналитические методы: оценки эффективности и риска определяются путем расчетов на основе каких-либо математических методов (обычно – с использованием методов теории вероятностей);
· эмпирические методы: оценки эффективности и риска определяются на основе процедур, не имеющих строгого обоснования, однако неоднократно проверенных на практике;
· имитационные методы: оценки эффективности и риска определяются по результатам моделирования процессов реализации возможных решений и внешних условий. Обычно при этом применяется метод Монте-Карло. Имитационные методы, как правило, используются в случаях, когда применение других методов оказывается невозможным.
1.4. Методы принятия решений в условиях риска
и неопределенности
Существует несколько классов методов принятия решений в условиях риска и неопределенности. Выбор метода решения конкретной задачи зависит от ряда факторов: объем и точность информации о внешних условиях, наличие опыта решения аналогичных задач в прошлом, возможность формализации задачи (т.е. построения ее математической модели) и т.д. Классификация методов принятия решений в условиях риска и неопределенности приведена в табл.1.4.
Как правило, практические задачи решаются на основе процедур, включающих методы различных классов.
Таблица 1.4
Классификация методов принятия решений в условиях риска и неопределенности
Классы методов | Описание | Применение |
Экспертные | Решение принимается на основе экспертных оценок | Задачи с минимальным объемом информации о внешних условиях, неформализуемые задачи |
Игровые | Решение применяется на основе методов теории игр | Задачи, в которых имеется возможность для каждого варианта решения оценить его возможные последствия в различных вариантах внешних условий. |
Статистические | Решение принимается на основе анализа результатов принятия аналогичных решений в прошлом | Задачи, решаемые многократно |
Аналитические | Решение принимается путем расчетов на основе каких-либо математических методов (например, методов математического программирования, теории вероятностей и т.д.) | Задачи, для которых возможно построение достаточно полной математической модели |
Методы на основе деревьев решений | Решение принимается на основе анализа всех возможных результатов принимаемых решений, а также вероятностей этих результатов | Задачи, в которых для каждого варианта решения можно указать все его возможные последствия, а также вероятности этих последствий |
Методы на основе зон риска | Решение принимается на основе выявления возможных диапазонов потерь и их вероятностей | Задачи, для которых имеется возможность указать диапазоны допустимого, нежелательного и недопустимого риска |
Имитационные методы | Решение принимается по результатам моделирования процессов реализации возможных решений и внешних условий (обычно – на основе метода Монте-Карло) | Наиболее сложные задачи |