9723

Статистический метод идентификации вероятностных рисков

Доклад

Менеджмент, консалтинг и предпринимательство

Статистический метод идентификации вероятностных рисков: Рассмотрим теперь статистический подход. Его основу составляют принципы и конкретные методы определения вероятностных характеристик случайных явлений на основе информации, полученной из фактич...

Русский

2013-03-15

48 KB

16 чел.

Статистический метод идентификации вероятностных рисков: Рассмотрим теперь статистический подход. Его основу составляют принципы и конкретные методы определения вероятностных характеристик случайных явлений на основе информации, полученной из фактических наблюдений за случайными явлениями. Изложим кратко суть научной концепции статистики.

Пусть наблюдается некое случайное явление и в процессе наблюдения фиксируется нужная нам случайная переменная — случайное событие, случайная величина или случайный процесс. Основной принцип статистики — это идея возвратной выборки из полного множества возможных значений случайной переменной. Такое полное множество возможных значений называют генеральной совокупностью. Нас интересуют истинные значения неизвестных нам вероятностных характеристик элементов генеральной совокупности. Здесь «элементом» обозначается не только какое-то физическое тело, например, изготовленная на конвейере деталь, но и некий наблюдаемый факт, какие-то данные и тому подобная информация.

Идея идеальной возвратной выборки проста. Выберем из генеральной совокупности наугад, случайно какой-нибудь элемент. Измерим интересующую нас характеристику этого элемента как случайную реализацию наблюдаемой переменной и зафиксируем ее. Затем этот элемент возвратим в генеральную совокупность. Повторим эту процедуру — случайное извлечение элемента из генеральной совокупности, измерение характеристики, возврат в генеральную совокупность — достаточно большое число раз.

Поскольку выбранные и обследованные элементы каждый раз возвращались в генеральную совокупность, а затем любой из них опять выбирался из нее случайно, распределение вероятности на значениях фиксируемой нами характеристики случайного "явления не изменяется. При такой процедуре возвратной выборки и неограниченном увеличении ее объема получается, что оцененные по результатам выборки неизвестные характеристики случайной переменной будут неограниченно близко приближаться к истинным характеристикам генеральной совокупности. А далее — принцип идеальной возвратной выборки приспосабливается к практике.

Поскольку не всегда реально можно вернуть выбранный элемент обратно (например, деталь строительной конструкции при испытании на прочность доводится до разрушения), выборку производят из настолько большого объема генеральной совокупности, что потеря нескольких элементов для нее просто неощутима. И этого оказывается вполне достаточно, чтобы обеспечить требуемую точность и надежность статистического вывода об интересующих нас значениях характеристик случайной переменной. Вспомним хотя бы NASDAQ — информационную службу вторичного рынка ценных бумаг Нью-Йорка. Эта почти полностью автоматизированная система, как мы уже отмечали, действует вне биржи с 1971 г. В ее анналах зафиксированы данные более чем за 30 лет по ценным бумагам от казначейских векселей и корпоративных бонов наиболее крупных корпораций США до обыкновенных акций компаний. С ее помощью любой дилер или даже индивидуальный клиент может быстро получить информацию о состоянии фондового рынка. И на основе данных NASDAQ можно получить представление о том, как за это время распределялась доходность ценных бумаг. Концептуальные данные о доходности представлены в виде гистограммы (прямоугольного графика статистической оценки частоты значений случайной величины) на рис. 7.9.

Видно, что мода распределения ставки доходности ценных бумаг составляет примерно 4% годовых. Медиана — примерно 5,5%, т.е. около половины всех ценных бумаг дают доходность меньше, чем 5,5%, а половина — больше, чем 5,5%.

Статистический способ определения вероятностных характеристик случайных явлений находит применение не только в финансовой сфере. Если обратиться, например, к производству, то одним из наиболее распространенных на практике способов снижения риска в этой сфере, как мы ранее отмечали при анализе рисков производственной деятельности, является контроль качества изготовленной продукции. При этом в ходе контроля качества, как правило, проверяется гипотеза о том, что доля брака (в абсолютных единицах мы обозначали ее как множество S( бракованных, некондиционных единиц продукции) в партии готовой продукции не превосходит некоторого обоснованного с позиций разумного риска уровня. Пусть Z = S1/ S — доля бракованной продукции из изготовленной в количестве S единиц.

Тогда задача контроля качества формулируется следующим образом: вынести суждение об истинности гипотезы, согласно которой доля брака в партии готовой продукции не превосходит величину z0. Формально это означает, что нужно проверить истинность утверждения о том, что . Технически эта задача математической статистики решается на основе выборочного подхода. Однако сама выборка может быть сформирована различными способами.

Рис. 7.9. Концептуальная гистограмма величин доходности ценных бумаг на фондовом рынке

Иногда объем определяют сразу, заранее, а затем элементы, попавшие в выборку, подвергают сплошному контролю. Это так называемый фиксированный эксперимент по методу Неймана-Пирсона. Иногда выборку формируют элемент за элементом постепенно, в процессе последовательной проверки результатов каждого из проведенных испытаний в отдельности. Это метод последовательного анализа Вальда. Каждый из методов обладает определенными достоинствами и недостатками. В частности, фиксированный статистический эксперимент универсален в смысле проверки самых разнообразных гипотез, прост по идее, не требует никакой предварительной аналитической работы, его результаты могут быть представлены самыми выразительными средствами наглядного отображения. Однако этот метод, как, впрочем, и все универсальное, трудно назвать экономически оптимальным. А вот метод последовательного анализа Вальда в среднем примерно вдвое экономичнее метода Неймана-Пирсона. Но при таком достоинстве он узконаправлен: с его помощью можно проверять только один вид статистических гипотез — гипотез о равенстве математического ожидания (или дисперсии) определенной величине. И еще метод Вальда методически более сложен, требует проведения предварительной аналитической работы, несколько затянут по удельному времени формирования статистического решения в расчете на одно измерение. Примеры использования методов Неймана-Пирсона и Вальда будут нами рассмотрены при обсуждении приемов анализа риска в той или иной сфере предпринимательской деятельности.

Дополнительно отметим, что все способы математической статистики, связанные с оценкой вероятностных характеристик случайных явлений (событий, величин, процессов), различают еще и по технике исполнения. В частности, в отношении затрат на сбор статистической информации немаловажно, из какого источника она получена. Ведь можно получать статистическую информацию, наблюдая за реальными явлениями, а можно — моделируя их с использованием натурного или математического эксперимента. Ясно, что в последнем случае по желанию экспериментатора можно ускорять или замедлять моделируемые процессы, произвольно менять по ходу эксперимента некоторые из характеристик, делать выводы по промежуточным результатам, изменять концепцию моделирования и т.п.


 

А также другие работы, которые могут Вас заинтересовать

22347. Непрерывность функций комплексной переменной 468 KB
  Если то функция называется непрерывной в точке . Иными словами: непрерывна в точке если для любого сколь угодно малого существует положительное число такое что 2 для всех удовлетворяющих неравенству 3 короче . Геометрически это означает что для всех точек лежащих внутри круга с центром в точке достаточно малого радиуса соответствующие значения функции изображаются точками лежащими внутри круга с центром в точке сколь...
22348. Интегрирование функций комплексной переменной 1.52 MB
  кривая с выбранным направлением движения вдоль нее и на ней функция комплексной переменной fz. Если C кусочногладкая а значит спрямляемая кривая а fz кусочнонепрерывная и ограниченная функция то интеграл 1 всегда существует. Если функция fz аналитична в односвязной области D то для всех кривых C лежащих в этой области и имеющих общие концы интеграл имеет одно и то же значение. fz аналитическая функция.
22349. Формула Коши и теорема о среднем 821.5 KB
  Пусть функция аналитична в связной области и непрерывна в . Тогда для любой внутренней точки этой области имеет место так называемая формула Коши: 1 где граница области проходимая так что область остается всё время слева. Таким образом формула Коши позволяет вычислить значение аналитической функции в любой точке области если известны граничные значения этой функции. Выбросим из области кружок радиусом с центром в точке и заметим что в полученной...
22351. Теоремы Лиувилля и Мореры 98 KB
  По определению аналитическая функция это функция комплексной переменной обладающая производной в каждой точке некоторой области D. Если функция fz аналитична в области D и непрерывна в то она обладает в каждой точке D производными всех порядков причем n я производная представляется формулой 1 где C граница области D. По определению производной и формуле Коши имеем: Но очевидно что при функция равномерна для всех на C стремиться к и следовательно по теореме 2 предыдущей лекции для случая семейства функций...
22352. Представление аналитических функций рядами 464 KB
  Ряды Тейлора. при каких условиях функция представима своим рядом Тейлора с центром в точке : 4 даёт Теорема 1 Коши. Функция представима своим рядом Тейлора 4 в любом открытом круге с центром в точке в котором она аналитична.
22353. Ряды Лорана 269.5 KB
  Поэтому обе формулы можно объединить в одну: 7 Полученное разложение 6 функции fz по положительным и отрицательным степеням za с коэффициентами определяемыми по формулам 7 называется лорановским разложением функции fz с центром в точке a; ряд 2 называется правильной а ряд 4 главной частью этого разложения. и в нашем рассуждении могут быть взяты сколь угодно близкими к r и R а q может сколь угодно мало отличаться от 1 то разложение 6 можно считать справедливым для...
22354. Примеры особых точек 2.06 MB
  Функции имеют в начале координат устранимую особую точку. Функции имеют начале координат существенную особую точку. Проверим справедливость теоремы Сохоцкого для функции . Целые функции.
22355. Бесконечно удаленная точка 682.5 KB
  Пусть функция аналитична в некоторой окрестности бесконечно удаленной точки кроме самой точки . В этом случае функция очевидно ограничена и в некоторой окрестности точки . Пусть функция аналитична в полной поскости. Но тогда функция ограничена во всей плоскости: для всех имеем .