Содержание к диссертации
Введение
Глава 1. Методологические основы формализации знания о рисках проектов 11
1.1. Классификация и математическая формализация рисков 13
1.2. Постановка задачи принятия оптимального решения в условиях риска 23
1.3. Модели и методы оценки рисков 25
1.3.1. Оценка риска на базе вероятностных моделей 25
1.3.2. Оценки риска на базе моделей нечетких множеств 40
1.3.3. Оценка риска на базе модели экспертных оценок 49
1.3.4. Оценка риска на базе модели оценки чувствительности 63
1.4. ИТ-решения в области управления рисками 67
Глава 2. Методические основы проектирования системы поддержки принятия решений по управлению рисками проектов 72
2.1. Управление рисками проекта 72
2.1.1. Формализация задачи управления проектом 77
2.1.2. Стандарт РМВОК управления рисками проекта 82
2.1.3.Классификация методов управления рисками 91
2.2. Информационные источники СППР для анализа рисков 92
2.3. Формализованное описание исходных данных 97
2.4. Формализованное описание транзакций к СППР 100
Глава 3. Реализация функций управления рисками в проектируемой системе поддержки принятия решений 102
3.1. Структура целей проектирования СППР управления рисками 108
3.2. Этапы проектирования СППР 115
3.3. Структура СППР "Грань" 117
3.4. Оценка эффективности внедрения СППР 138
Основные результаты работы и предложения 143
Литература
- Постановка задачи принятия оптимального решения в условиях риска
- Оценки риска на базе моделей нечетких множеств
- Стандарт РМВОК управления рисками проекта
- Этапы проектирования СППР
Введение к работе
Актуальность темы исследования
Актуальность проблематики рисков в значительной мере определяется возросшей ролью данной области человеческой деятельности как в экономической, так и в внеэкономической сфере. Современная экономическая наука проблематике рисков отводит системообразующую роль. Широкий круг вопросов идентификации, систематизации, качественной и количественной оценки рисков, методов управления рисками занимает важнейшее место, как на уровне теоретического анализа, так и в сугубо практической деятельности. Анализ литературных источников позволяет сделать вывод о том, что в западной системе экономических отношений сложилась определенная культура риск-менеджмента и управление рисками заняло прочное место в общей системе управления предприятием. Вопросы управления рисками привлекают академический интерес, ряд работ в этой области отмечен нобелевскими премиями (в т.ч. К. Эрроу, Г. Маркович, У. Шарп, Дж. Акерлоф, Ф. Найт).
При управлении рисками проекта на выработку управленческого решения накладываются жесткие временные ограничения, поэтому возникает потребность в СППР реального времени. Системы поддержки принятия решений (СППР) являются одной из ключевых составных частей любой ИС. Совершенствование (СППР) в направлении решения вышеобозначенных задач обеспечит возрастание возможность профессионального уровня принимаемых решений. В первую очередь это обуславливается тем, что накопленные знания и опыт экспертов становиться доступным остальным пользователям информационной системы. Более того, динамизм современного мира и необходимость осмысливать экспоненциально возрастающий объем информации требуют того, чтобы СППР помогали пользователю решать задачи из области интеллектуальной (творческой) деятельности. При этом СППР должны взаимодействовать с конечным пользователем посредством механизма, не требующего специфичных знаний в области информационных технологий и специального тренинга. Другими словами предъявляются особо жесткие требования к дружественности пользовательского интерфейса системы принятия решений, дающего возможность взаимодействовать с СППР в манере, близкой к привычному, профессиональному стилю поведения.
Диссертационная работа выполнялась в рамках госбюджетной научно-исследовательской работы ГОУ ВПО ВГАСУ «Исследование социально-экономических процессов в отрасли капитального строительства и коммунального хозяйства на региональном уровне» г/р №0120.041/087.
Цель и задачи исследования
Целью диссертационной работы является систематизация и обобщение накопленных знаний в области построения интеллектуальных СППР и инструментария, а также разработка единого методического подхода к проектированию СППР по эффективному управлению рисками реализуемых проектов.
Для достижения данной цели ставились следующие задачи;
1) провести анализ понятийного аппарата рисков и подходов к их количественной оценке в современной практике риск-менеджмента;
2) выделить множество моделей формального описания риска, которые адаптированы к использованию в качестве структурированного знания при проектировании базы знаний СППР,
3) использовать информационный подход к описанию процесса
управления проектом;
4) проанализировать специфику СППР управления рисками в процессе
реализации проектов с учетом масштаба предприятия; 5) определены основные направления совершенствования интеллектуальных СППР предприятия с учетом его масштаба;
6) выявить основные способы реализации интеллектуальных СППР в информационной среде предприятия, способы построения предметной области и организации баз данных и знаний об этой области с использованием ЭВМ.
Объект исследования
Объектом исследования являются инвестиционные проекты развития предприятий, реализуемые в условиях риска.
Предмет исследования
Процессы принятия решений и инструменты управления рисками реализуемых проектов с использованием СППР.
Теоретическая и методологическая основа исследования
Теоретическую и методологическую основу исследования составили концепции и взгляды отечественных и зарубежных экономистов в области моделирования развития субъектов экономической деятельности (Д. Хикс, Р.Солоу, Д.Неш, В.Леонтьев, П.Самуэльсон, Л.Канторович и другие), теории принятия решений (Р.Беллман, Л.Заде, Р.Л.Кини, О.Моргенштерн, Дж.Фон Нейман, Э.Парето, Х.Райфа, Б.Руа, Т.Саати, А.Сало, П.Фишберн, Р.Хамалайнен и другие), теории риска (Э.Альтман, Б. Гордона, Г. Марковича, М. Миллера, Ф. Модильяни, Дж. Б. Уильямса, У. Шарпа), системного анализа в проектировании и управлении (Л.Берталанфи, У.Партер, ), информационных технологий управленияинтеллектуальных систем (С.Альтер, Г.Девис, Е.Кодд, Е.Турбан, С.Мортон, В.Голжен)
Среди российских ученых значительный вклад в исследование данных научных направлений внесли: Абдикиев Н.М., Андрейчиков А.В., Беляев Л.С, Борисов А.Н., Бурковский В.Л., Волкова В.Н., Воронцовский А.В., Дорожкин B.P., Емельянов А.А., Крумберг О.А., Ларичев О.Н., Недосекин А.О., Новоселов А.А., Поспелов Д.А., Смирнов А.В., Ярушкина Н.Г.
В настоящей диссертации использованы общенаучные методы исследования системный подход, аналитические, вероятностно-теоретические и эвристические методы анализа и синтеза.
Информационно-эмпирическая база исследования
Информационно-эмпирическую базу настоящего исследования составили нормативно-правовые акты федерального и регионального уровней государственного управления, открытые источники статистической информации, а также собственные расчеты автора.
Научная новизна полученных в диссертации результатов заключается в следующем:
- предложен комплекс математических моделей, описывающих
известные риски реализуемых проектов, который использован в качестве
основы классификации рисков при проектировании СППР;
-расширено понятие риска, учитывающее информационную сущность процессов управления и потерю управляемости системы;
- при реализации управления рисками средствами СППР предложено использовать пакет формализованных моделей рисковых ситуаций и информационных источников;
- сформулированы цели, задачи и этапы проектирования СППР по управлению рисками реализуемых проектов;
- разработана инструментальная среда реализующая функции СППР по управлению рисками проектов.
Постановка задачи принятия оптимального решения в условиях риска
Детерминированный подход к процессу управления рисками проекта предполагает наличие следующих условий:
1) определенность относительно будущих перспектив, т.е будущий период характеризуется гарантированной величиной будущего дохода;
2) определенность в отношении множества инвестиционных возможностей (множество производственных возможностей конечно; производственная норма доходности каждого инвестиционного проекта является фиксированной величиной, величина рыночной процентной ставки известна и фиксирована);
3) однозначность в отношении критерия выбора тех или иных альтернатив, а следовательно, и механизма осуществления инвестиционного процесса, что и определяет рациональность поведения ЛПР.
Таким образом, предполагается детерминированный подход к проблеме принятия решений в условиях полной определенности относительно настоящего и будущего.
В работе [24] выделяется четыре ситуации, возникающие при необходимости принятия решения:
1) ЛПР не знает величину Р (вероятности); 2) ЛПР не знает Р, но известны данные, позволяющие дать оценку Р; 3)ЛПР знает Р;
4) ЛПР знает Р, и каждый элемент Р либо 0, либо 1. Каждая ситуация соответствует определенной степени информированности ЛПР: - неполная информация (1) - нестохастический случай (незнание); - неполная информация (2) - стохастический случай; - полная информация (3) - стохастический случай; - полная информация (4) - нестохастический случай (определенность).
В детерминированной ситуации [106] задача принятия решения сводится к решению задачи оптимизации в следующей постановке. Пусть имеется некое множество действий V и множество результатов, т.е. задано отображение: g:V- P, такое, что принятие решения v є V приводит к результату р = g(v) є Р. Если множество R допускает упорядочение, так, что для pt,p2eP соотношение р1 рг имеет экономический смысл "р" не хуже "рг", то задача оптимизации может быть представлена как поиск наилучшего решения g(v)-»max (1.1) VEV
В ситуации риска, представление принятия решения в форме (1.1) становится невозможным, ввиду того, что помимо множества возможных решений Р и множества возможных результатов существует также множество возможных состояний среды S. Невозможность однозначного прогноза будущего состояния среды и обуславливает наличие ситуации риска/неопределенности.
Формально, введение будущего состояния среды возможно в виде отображения: g:SxV- P, так что принятие решения veV при условии, что среда находиться в состоянии s є S, приводит к результату r = g(v,s)eP.
На момент принятия управленческого решения будущее состояние среды неизвестно. В ряде случаев вполне разумным выглядит предположение, что будущее состояние среды носит вероятностный характер[41,55]. В этом случае говорят о "измеримой неопределенности" или о функционировании в условиях риска.
Как показано в пункте 1, необходимо при проектировании СППР использовать все три подхода к формализации моделей рисковых ситуаций, а именно: вероятностную формализацию, нечетко-множественную и основанную на экспертных оценках.
Итак, во-первых, математическая формализация будущего состояния экономической среды возможна в виде отображения: g -bx.V- P Таким образом, принятие управленческого решения v определенного на множестве управленческих решений: veV, где F = {vi,v2,...,v„}, при условии, что среда находится в состоянии s є S, приводит к результату р = g(v,s) є Р.
Поскольку в момент времени принятия управленческого решения будущее состояние среды неизвестно, то в ряде случаев можно предположить, что будущее состояние среды имеет вероятностный характер. В этом случае говорят о функционировании в условиях риска [39,43,148,149]. Таким образом, при каждом veV каждому состоянию среды SES можно поставить в соответствие отображение g„: S - Р, так что если в будущем среда окажется в состоянии s, то решение v приводит к результату p = gv(s)eP. Следовательно, при наличии информации о вероятностном распределении будущего состояния экономической среды S, любое управленческое решение veV приводит к некоему распределению р,. Таким образом, количественной мерой риска можно считать функционал :F-»P, монотонный по предпочтениям.
Оценки риска на базе моделей нечетких множеств
Использование теории нечетких множеств предполагает формализацию исходных параметров проекта в виде вектора интервальных значений (нечеткого интервала)[3,4,18,20]. Математическая формализация с использованием теории нечетких множеств предполагает формализацию исходных параметров проекта в виде нечеткого интервала. Проводя операции с нечеткими интервалами по правилам теории нечеткой логики, ЛПР получает результирующий нечеткий интервал для целевого экономического показателя. Как правило, удается на основе опыта экспертов количественно охарактеризовать нечеткие интервалы допустимых значений экономических параметров. После формализации входных параметров проекта, оказывается возможным оценить распределение fi (y) выходного параметра показателя эффективности проекта у по "принципу обобщения Заде", согласно которому количественное значение величины, ранее определенной через принадлежность к нечеткому множеству, находится как параметр тяготения на следующем множестве, ограниченном квадратными скобками: где // (л: ,) - возможность того, что нечеткая величина Xt примет значение х , f{x\x\,...,x n) = y- функциональная зависимость выходного параметра проекта (в качестве которого можно рассматривать чистую приведенную стоимость, внутреннюю норму доходности, время окупаемости и.др.) от входных параметров. В качестве ключевого экономического параметра возможно использование параметров: NPV, PI, DPP, IRR, MIRR и др. [22,53].
Идея применения теории нечетких множеств к анализу экономических явлений возникла как ответ на наличие лингвистической неопределенности, т.е. естественной неопределенности терминов, используемых в процессе человеческого общения [49]. Попытка математической формализации смысловой расплывчатости лингвистических терминов привела к необходимости введения функции принадлежности JUA(x), которая указывает степень (или уровень) принадлежности элемента х є Е подмножеству А, элементы которого удовлетворяют некоему свойству R, т.е. A = {juA(x)/x}, где Е - универсальное множество. Функция принадлежности jilA(x) принимает значение в некотором упорядоченном множестве М (как правило М е [ОД]). В том случае, если Me{0,1}, то множество А может рассматриваться как обычное четкое множество. По аналогии с четкими множествами, для нечетких множеств оказывается возможным введение основных логических операций: пересечение, объединение, отрицание, а также двух производных операций: разность и дизъюнктивная сумма: 1) пересечение (An В): цАпв (х) = тНмА ( ) Мв ( )) і 2) объединение (А и В): /JAXJB (х) = max(juA (х), juB (х)); 3) отрицание (А): juA (х) = 1 - juA (х); 4) разность (Л-5 = Лп5); 5) дизъюнктивная сумма (А ф 5 = ( - В) и (В - A) = (А п В) и (В п А)). Общий подход к выполнению операторов пересечения, объединения и дополнения, реализованный в так называемых треугольных нормах и конормах. Приведенные выше реализации операций пересечения и объединения представляют собой наиболее распространенные случаи t-нормы и t-конормы.
Для описания нечетких множеств используются понятие лингвистической переменной. Каждая лингвистическая переменная состоит из: 1) названия; 2) множества своих значений, которое также называется базовым терм-множеством Т. Элементы базового терм-множества представляют собой названия нечетких переменных; 3) универсального множества X; 4) синтаксического правила G, по которому генерируются новые термы с применением слов естественного или формального языка; 5) семантического правила Р, которое каждому значению лингвистической переменной ставит в соответствие нечеткое подмножество множества X.
Стандарт РМВОК управления рисками проекта
Анализ литературных данных [47,94,110] показывает, что, реализуя проекты, имеющие высокую степень рисковости, пристальное внимание уделяется разработке и применению корпоративных методов управления рисками. Данные методы учитывают как специфику проектов, так и стиль сложившихся корпоративных методов управления[47,48].
Вастоящей работе и предлагается взять за основу при проектировании СППР по управлению проектами стандарт РМВОК выпущенный Американским Институтом управления проектами (PMI). В последней версии стандарта РМВОК описаны шесть процедур управления рисками. Согласно стандарту РМВОК управление рисками - это процессы, связанные с идентификацией, анализом рисков и принятием решений, которые включают максимизацию положительных и минимизацию отрицательных последствий наступления рисковых событий. Процесс управления рисками проекта обычно включает выполнение следующих процедур:
1) планирование управления рисками - выбор подходов и планирование деятельности по управлению рисками проекта (рисунок 7);
2) идентификация рисков - определение рисков, способных повлиять на проект, и документирование их характеристик (рисунок 8);
3) качественная оценка рисков - качественный анализ рисков и условий их возникновения с целью определения их влияния на успех проекта (рис. 9);
4) количественная оценка - количественный анализ вероятности возникновения и влияния последствий рисков на проект (рисунок 10);
5) планирование реагирования на риски - определение процедур и методов по ослаблению отрицательных последствий рисковых событий и использованию возможных преимуществ (рисунок 11);
6) мониторинг и контроль рисков - мониторинг рисков, определение остающихся рисков, выполнение плана управления рисками проекта и оценка эффективности действий по минимизации рисков (рисунок 12).
Все эти процедуры взаимодействуют друг с другом, а также с другими процедурами. Каждая процедура выполняется, по крайней мере, один раз в каждом проекте. Несмотря на то, что процедуры, представленные здесь, рассматриваются как дискретные элементы с четко определенными характеристиками, на практике они могут частично совпадать и взаимодействовать.
Планирование управления рисками - процесс принятия решений по применению и планированию управления рисками для конкретного проекта. Этот процесс может включать в себя решения по организации, кадровому обеспечению процедур управления рисками проекта, выбор предпочтительной методологии, источников данных для идентификации риска, временной интервал для анализа ситуации. Важно спланировать управление рисками, адекватное как уровню и типу риска, так и важности проекта для организации.
Идентификация рисков определяет, какие риски способны повлиять на проект, и документирует характеристики этих рисков. Идентификация рисков не будет эффективной, если она не будет проводиться регулярно на протяжении реализации проекта. Идентификация рисков должна привлекать как можно больше участников: менеджеров проекта, заказчиков, пользователей, независимых специалистов.
Идентификация рисков - итерационный процесс. Вначале идентификация рисков может быть выполнена частью менеджеров проекта или группой аналитиков рисков. Далее идентификацией может заниматься основная группа менеджеров проекта. Для формирования объективной оценки в завершающей стадии процесса могут участвовать независимые специалисты. Возможное реагирование может быть определено в течение процесса идентификации рисков.
Качественная оценка рисков - процесс представления качественного анализа идентификации рисков и определения рисков, требующих быстрого реагирования. Такая оценка рисков определяет степень важности риска и выбирает способ реагирования. Доступность сопровождающей информации помогает легче расставить приоритеты для разных категорий рисков.
Качественная оценка рисков это оценка условий возникновения рисков и определение их воздействия на проект стандартными методами и средствами. Использование этих средств помогает частично избежать неопределенности, которые часто встречаются в проекте. В течение жизненного цикла проекта должна происходить постоянная переоценка рисков.
Задачей качественного анализа является выявление рисков посредством сбора и обработки информации об особенностях объекта и окружающей среды, а также характеристика опасностей, сопутствующих реализации функционального назначения объекта (комплекса объектов) или программы его развития. При этом информационное обеспечение анализа осуществляется, исходя из принципа оптимальности соотношения между полнотой и качеством сведений с одной стороны и уровнем затрат ресурсов и времени - с другой (принцип экономически оптимальной неполноты информации). Для реализации этого принципа стоимость пополнения информации сравнивается с возможными потерями от ее неполноты, определяемыми как разность между ожидаемыми результатами в условиях наличия и недостатка упомянутой информации. Таким образом, в рамках качественного анализа оцениваются: 1) ресурсный потенциал предупреждения возникновения и компенсации последствий негативного развития ситуации; 2) наносимый ущерб и необходимые суммы компенсаций последствий риска; 3) распределение общих затрат на компенсацию риска между совокупностью намечаемых защитных мероприятий.
Этапы проектирования СППР
Архитектура проектируемого СППР реального времени показана на рисунке 15. В отличие от традиционных экспертных систем [67] в СППР реального времени необходимо включение дополнительных блоков моделирования технологических линий и прогнозирования их поведения. Данные блоки служат для анализа и оценки экономических последствий принимаемых решений и соответственно для выбора наилучших рекомендаций.
Кратко охарактеризуем назначение основных блоков в СППР РВ по управлению рисками проектов.
База данных (БД) - хранилище информации о проекте, которая поступает от систем сбора данных, подсистемы моделирования и ЛПР. Обновление информации в БД синхронизировано с окончанием обработки предыдущего состояния.
База знаний (БЗ) содержит экспертные знания, на основе которых производится анализ состояния проекта. Вид, в котором представлены знания в БЗ, определяется моделью представления знаний.
Машина вывода - представляет собой компьютерную программу, определяющую методологию применения знаний из БЗ к данным из БД.
Блок моделирования и прогнозирования осуществляет функцию прогнозирования критичных ситуаций и последствий управленческих решений. Прогнозирование производится по команде ЛПР на основе данных о текущем состоянии проекта, поступающих из БД, и знаний, хранящихся в БЗ. Управленческое решение задается либо ЛПР, либо является рекомендацией, выданной машиной вывода. Блок моделирования моделирует поведение проекта. Он может выступать как агент данных о состоянии проекта на этапе тестирования СППР и на этапе принятия решения для сравнения с данными, поступающими от системы сбора данных. Блок моделирования также может
быть использован совместно с блоком прогнозирования для прогноза аномальных ситуаций и последствий управленческих решений. Блок очищения знаний (совершенствования вывода) анализирует причины достижения качества того или иного решения, обеспечивая улучшение базы знаний и совершенствование логического вывода.
Блок отображения информации - выполняет функцию представления информации ЛПР. Исходными данными для него являются данные из БД, результаты оценки состояния проекта, полученные машиной вывода, результаты прогнозов, сделанных блоком прогнозирования и информации.
Предлагаемый подход к построению СППР позволяет создать систему, которая призвана обеспечить руководителей высшего уровня управления предприятия своевременной и достоверной информацией, а также с помощью методов и технологии OLAP получить действительно необходимую и своевременную помощь при принятии решений.
Анализ рисков проектов реализован в работе при помощи разработанной СППР "Грань", которая позволяет реализовать большинство аспектов описанной информационной структуры. На этапах сбора, формальной и логической обработки данных в СППР "Грань" использованы стандартные СУБД, средства сетевого обмена, прикладные пакеты обработки экспертных оценок, а также специализированные подсистемы экспресс-анализа на основе агрегированных аналитических моделей. Для визуализации результатов использованы как стандартные программные средства, так и специальные генераторы отчетов. Этапами проектирования СППР при наличии программной оболочки являются: 1) описание предметной области, целей создания системы и выполнение постановки задачи; 2) составление словаря системы; 3) разработка базы знаний и базы данных; 4) внедрение системы.
Этап 1. Описание предметной области, целей создания системы и выполнение постановки задачи. Описание должно отражать специфику предметной области в нескольких формах. Первая из них - это текстовое представление содержание процессов, объектов и связей между ними. Вторая форма описания представляет собой графическое представление дерева целей, стоящих перед пользователем, или дерева И-ИЛИ. Постановка всякой задачи предполагает указание результатов функционирования системы, исходных данных, а также общее описание процедур, формул и алгоритмов преобразования исходных данных в результирующие данные.
Этап 2. Составление словаря системы. Словарь системы - это набор слов, фраз, кодов, наименований, используемых разработчиком для обозначения условий, целей, заключений и гипотез. Благодаря словарю пользователь понимает результаты работы системы. Составление словаря - важная работа, ибо четко сформулированные условия и ответы резко повышают эффективность эксплуатации системы.
Этап 3. Разработка базы знаний и базы данных. База знаний, как правило, состоит из двух компонентов: дерева целей с расчетными формулами и базы правил (сеть вывода). База правил создается на основании графа целей и сформулировавши ранее гипотез. Главное внимание здесь уделяется коэффициентам определенности исходных условий и правил их обработки.
