Опубликовано в журнале "Менеджмент в России и за рубежом" №5 год - 2006
д-р техн. наук, профессор, зав. кафедрой
прикладной информатики и математики
Смоленского филиала Московского университета потребительской кооперации
Риск в той или иной мере влияет на методологию разработки любого управленческого решения. Риски возникают в ситуациях, условия наступления которых при принятии решений связаны с:
— альтернативностью, которая предполагает необходимость выбора из нескольких возможных вариантов решения (если нет выбора, рисковая ситуация не возникает);
— неопределенностью будущей ситуации (отсутствие однозначности или незнание истинного значения параметра, влияющего на результат решения). Риск возникает, если ход реальных событий отличается от ожидаемого, что обусловливает как выигрыш, так и потери.
Мы рассматриваем задачу принятия решения об участии в инвестиционном проекте в условиях риска на основе нечеткой игровой модели. Такие задачи достаточно часто рассматриваются в литературе [1—3], при этом в качестве моделей, отражающих риск, используются классические матричные игровые модели с поиском решения в классе смешенных стратегий, то есть на основе вероятностного подхода. Он, однако, предполагает выполнение вероятностных предпосылок, в частности, повторяемости опытов. В условиях инвестиционных проектов повторяемость может трактоваться только как возможность осуществления многих однородных проектов на протяженном временном интервале при неизменных условиях [3]. Вряд ли это возможно в реальной практике, поэтому мы рассматриваем модель, учитывающую уникальность каждого проекта (и уникальность связанного с ним решения).
Возьмем инвестиционный проект, который может быть 1) реализован полностью и принести инвестору некоторый доход a1; 2) может быть выполнен частично и принести доход (или потери) a2; 3) может быть не реализован, и тогда речь может идти только о потерях a3 для инвестора (значения дохода будем учитывать со знаком «+», потерь — со знаком «–»). Предполагается, что числовые значения (или, по крайней мере, их оценки) величин a1, a2, a3 известны. Предполагается, что проект уникален.
Инвестор может выбрать одну из двух стратегий поведения:
1) |
участвовать в предлагаемом проекте; |
2) |
не участвовать в проекте. |
Требуется выбрать такую стратегию поведения инвестора, при которой его выигрыш от участия в проекте был бы, по крайней мере, не отрицательным, то есть чтобы в наихудшем случае потери инвестора были бы равны нулю.
Алгоритм решения. Описываемую ситуацию можно отобразить матрицей выигрышей игрока A (инвестора) матричной игры двух игроков (табл.).
Таблица
Матрица выигрышей инвестора
Вj |
B1 |
B2 |
В3 |
Ai |
|
|
|
A1 |
a1 |
a2 |
a3 |
A2 |
0 |
0 |
0 |
В таблице через A1 и A2 обозначены альтернативы поведения инвестора (A1 – участвовать в проекте, A2 – не участвовать), а через Bj – ситуации по реализации проекта (B1 – проект полностью реализован, B2 – реализован частично, B3 – не реализован). Элементы верхней строчки таблицы – значения выигрыша (потерь) игрока A (инвестора) при выборе им альтернативы A1 в зависимости от стратегии игрока B, то есть значения a1, a2, a3. Элементы нижней строчки – нули, поскольку при отказе от участия в проекте инвестор скорее всего ничего не теряет и не приобретает.
Приведем такую матричную модель к нечеткому [4, 5] виду, полагая, что экспертным путем [6, 4] можно определить степени принадлежности для альтернатив «природы», то есть числа Смысл числа
– это степень уверенности, что «природой» будет выбран вариант Bj (сумма этих чисел не обязательно равна единице).
Интерпретация модели в случае выбора игроком A альтернативы A1 отражается в этом случае набором нечетких продукционных правил:
П1: если x есть B1, то y есть a1,
П2: если x есть B2, то y есть a2,
П3: если x есть B3, то y есть a3.
Здесь переменная x отображает состояние игрока B («природы»), а y – выигрыш (потери) игрока A (инвестора).
Степень истинности предпосылки первого правила (П1) равна, очевидно, 1, второго –
2, и третьего –
3.
При этом набор приведенных нечетких правил вместе с принятыми условиями образуют модель нечеткого логического вывода Ванга—Менделя [7], согласно которой четкое значение переменной вывода (в рассматриваемом случае – значение выигрыша Q1) определяется по формуле
(1) |
При выборе игроком A стратегии A2, очевидно, выигрыши (потери) инвестора равны нулю Q2 = 0.
Вопрос о выборе стратегии решается теперь проверкой неравенства:
Q1 > Q2 или Q1 > 0 |
(2) |
Если это неравенство выполняется, то в проекте следует участвовать, если не выполняется – отказаться.
Изложенное позволяет предложить следующее представление алгоритма принятия решения в условиях риска:
1) |
формируется перечень {Bj} стратегий «природы», то есть возможных исходов, связанных с проектом; |
2) |
экспертным путем определяются соответствующие степени принадлежности |
3) |
определяются величины выигрыша (потерь) {aj} для каждой стратегии «природы» в случае участия инвестора в проекте; |
4) |
по формуле (1) рассчитывается ожидаемое значение выигрыша Q1; |
5) |
проверяется неравенство (2); если оно справедливо, принимается решение об участии в проекте. |
Пусть участие в инвестировании проекта дает инвестору в случае полной реализации проекта прибыль в 3 млн. руб., при частичной – в 1 млн. руб., а при провале проекта – убытки в размере 10 млн. руб. Пусть далее степени уверенности для альтернатив «природы» таковы: 1 = 0,9,
2 = 0,4,
3 = 0,2. При этом в соответствии с (2) имеем
Q1 = |
3 х 0,9 + 1 х 0,4 - 10 х 0,2 |
= 0,733 [млн. руб.]. |
|
0-,9 + 0,4 + 0,2 |
|
Неравенство (2) при этом выполняется, и в проекте можно участвовать. Замечу (это – отличие от вероятностного подхода), что Q1 – не ожидаемый средний выигрыш (потери), а просто некоторая, вообще говоря, нечеткая величина, знак которой определяет выбор той или иной альтернативы.
Рассмотренный подход к принятию решений по инвестированию проектов в условиях неопределенности, использующий аппарат нечеткой (размытой) логики, хотя и основан на опасности экспертных оценок исходов «природы», представляется все же более адекватным для решения поставленной задачи по сравнению с подходом, основанным на методах теории вероятностей. Его простота и определенная математическая строгость, базирующаяся на нечетком логическом выводе, позволяют рекомендовать данный подход для применения на практике.
ЛИТЕРАТУРА
1. |
Моделирование рисковых ситуаций в экономике / А.М.Дубров, Б.А.Лагоша, Е.Ю. Хрусталев, Т.П. Барановская. – М.: Финансы и статистика, 2001. |
2. |
Шапкин А.С., Шапкин В.А. Теория риска и моделирование рисковых ситуаций. – М.: Издательско-торговая корпорация «Дашков и Ко», 2005. |
3. |
Радаев Н.Н., Боридько С.И. Оценка риска при принятии решений в рисковых ситуациях // Измерительная техника. — 2005. — № 9. — С. 27—29. |
4. |
Круглов В.В., Дли М.И., Голунов Р.Ю. Нечеткая логика и искусственные нейронные сети. – М.: Физматлит, 2001. |
5. |
Круглов В.В. Нечеткая игровая модель с единичным экспериментом // Нейрокомпьютеры: разработка и применение. — 2003. — № 8-9. — С. 24—28. |
6. |
Осовский С. Нейронные сети для обработки информации. – М.: Финансы и статистика, 2002. |
7. |
Теория выбора и принятия решений / И.М.Макаров, Т.И.Виноградская, А.А.Рубчинский, В.Б.Соколов. – М.: Наука, 1982. |