Общие методики оценки рисков

Тема 3. Общие методики оценки рисков и способы управления рисками. Методики оценки налоговых рисков налогоплательщиков и государства. Способы управления налоговыми рисками.

Использование ролей

Роль – это именованный элемент базы данных, который объединяет несколько привилегий. Если имеется несколько привилегий для одной роли, то между привилегиями и ролями создается отношение «многие – к-одному». Роль – это уникальный элемент базы данных, не принадлежащий пользователю. Ее можно создать с помощью команды CREATE ROLE, причем наименование роли не может совпадать с именем пользователя. При наличии привилегии CREATE ROLE пользователи также могут задавать привилегии. После создания роль становится частью заданного по умолчанию набора ролей.

Какая роль назначена тому или иному пользователю, СУБД может определить в процессе его опознания по паролю. Для присвоения пользователю роли используется команда SET ROLE.

Пример 1. Пользователь USER1 cоздает роль my_role без защиты паролей, передает ей набор привилегий. Затем использование роли данным пользователем разрешается (активизируется) с помощью команды SET ROLE.

CREATE ROLE my_role NOT IDENTIFIED;

GRANT SELECT, INSERT ON student TO my_role;

GRANT UPDATE (fam,ball) ON student TO my_role;

SET ROLE my_role IDENTIFIED BY st;

После этого пользователь USER1 может передать право на использование роли my_role другому пользователю с помощью команды GRANT.

В начало

При оценке риска анализируют две его составляющие: вероятность наступления и характер ущерба (рис. 2). Вероятность наступления риска может быть определена объективным или субъективным методом. Объективный метод определения вероятности основан на вычислении частоты, с которой происходит рисковое событие. Субъективный метод определения вероятности основан на использовании различных предположений: суждений оценивающего, его личного опыта, оценки эксперта и т. п. Когда вероятность определяется субъективно, то различными субъектами анализа может устанавливаться разное ее значение для одного и того же события. Определение характера ущерба даже в случае субъективной оценки носит основанное на предположениях стоимостное выражение

В качестве субъективных методов анализа уровня рисков возможно применение таких качественных методов, как аналогии, «Due Diligence», «дерева решений», «Монте-Карло»

Рис. 2. Анализируемые составляющие налоговых рисков

1) метод аналогии, который заключается в сравнении вида, размера и причин возникновения или изменения конкретного анализируемого риска с аналогичной ситуацией. Сравнение про­водится с ситуацией в прошлом или существующей в аналогич­ных институциональных единицах в настоящем. Для этой цели используются результаты исследовательской и маркетинговой информации, а также результаты контент-анализа;

2) метод «Due Diligence» («должное внимание»), который ис­пользуется, главным образом, банками или небанковскими фи­нансовыми учреждениями, проводящими некоторые банковские операции. В основе метода лежит система сбора и анализа ин­формации об эффективности деятельности клиентов, учредите­лей и всех субъектов третьего уровня маркетингового анализа: посредников, поставщиков, конкурентов и всех видов контакт­ных аудиторий. (Методы, используемые для осуществления та­кого анализа, рассмотрены в п. 3.1 главы 3);

3) «дерево решений». Метод построения «дерева решений» ис­пользуется чаще всего для анализа риска, при котором можно выделить обозримое количество просчитываемых вариантов. Этот метод заключается в определении вероятности реализации определенного количества возможных сценариев, в определении количественных и качественных параметров риска для каждого сценария. Для проведения исследования методом «дерева реше­ний» необходимо иметь максимально возможный объем количе­ственной и качественной информации не только в статике, но и в динамике. Для сбора и оценки данных необходимо соблюдать следующую последовательность:

а) определение состава и продолжительности жизненного цикла процесса и/или конкретной финансовой операции;

б) определение ключевых внешних и/или внутренних собы­тий, которые могут оказать влияние на динамику уровня риска;

в) определение времени наступления этих событий;

г) определение возможных решений или вариантов действий, которые могут быть предприняты в результате наступления или ненаступления каждого ключевого события;

д) определение вероятности принятия каждого из возможных решений;

е) определение уровня риска при прохождении каждого из выявленных этапов процесса.

На основании полученного результата строится «дерево ре­шений». Его узлы представляют собой ключевые события, а стрелки (векторы) и соединяющие узлы — объективный про­цесс/конкретную финансовую операцию и т.д.

Для проведения анализа полученного «дерева решений», не­обходимо определить все возможные сценарии и в зависимости от ситуации выбрать оптимальный;

4) метод «Монте-Карло», который является методом форма­лизованного описания неопределенности, применяемым в наи­более сложных для прогнозирования ситуациях.

Толчком к использованию метода «Монте-Карло» в экономи­ческих исследованиях послужила работа известного математика, одного из основоположников кибернетики, Джона фон Неймана, который в конце 1940-х годов ввел этот термин. Название метода происходит от имени столицы княжества Монако, известной сво­ими игорными домами, в которых видное место занимает рулетка.

Метод основан на применении имитационных моделей, по­зволяющих создать множество сценариев, согласованных с за­данными ограничениями на исходные переменные. Имитацион­ное моделирование — это искусственный эксперимент, при котором вместо проведения натуральных испытаний (что прак­тически невозможно при анализе ожидаемого уровня почти всех видов рисков в финансовом секторе) проводятся опыты на ма­тематических моделях. Имитационное моделирование состоит из процесса разработки модели реальной системы и постановки эк­спериментов на этой модели для выявления поведения системы в целом, либо для оценки различных стратегий ее функциониро­вания, обеспечивающих достижение поставленной цели.

Достоинствами этого метода является то, что он наиболее пол­но отражает всю гамму неопределенностей, присущих конкрет­ной ситуации или операции, учитывает всю имеющуюся у ана­литика информацию о проекте, а также позволяет получать «интервальные», а не «точечные» характеристики показателей.

Необходимо отметить, что на практике данный метод может быть применен только с использованием ряда компьютерных программ, позволяющих описывать прогнозные модели с боль­шим количеством случайных сценариев. Точность расчетов ме­тодом «Монте-Карло» во многом определяется качеством про­гнозной модели. Для реализации самого метода необходимо соблюдать следующую последовательность действий:

1) создание прогнозной модели, которая, как правило, пред­ставляет собой математическую зависимость между конкретны­ми зависимыми и независимыми показателями;

2) выявление ключевых (значимых) факторов/показателей;

3) определение законов распределения вероятностей по зна­чимым факторам путем установления доверительных интервалов их минимальных, максимальных и оптимальных значений и про­гнозирования вида и параметров распределения вероятностей внутри доверительных интервалов;

4) выявление корреляционно-регрессионной зависимости между значимыми показателями/факторами и определение их степени с помощью соответствующих коэффициентов;

5) генерирование множества сценариев, основанных на заданных ограничениях;

6) анализ и корректировка полученных результатов.

Перечисленные методы применяют при отсутствии необходимой статистической информации, позволяющей определить вероятность наступления неблагоприятного налогового события (штрафов и пени).

К группе статистических методов относятся конкретные методы, которые исходят из математического понимания понятия «риск», и в процессе использования которых допускается, что любой риск имеет математико-статистически выраженную вероятность возникновения. Анализ проводится на базе статистической информации с активно выраженной динамикой, при этом существует возможность получения результатов с достаточно высокой точностью.

К группе статистических методов относятся математические методы, основанные на оценке вероятности и ущерба события, а также метод экспертных оценок.

Метод экспертных оценок представляет собой процедуру по­лучения оценки риска с помощью опросов специально отобран­ных экспертов относительно значений некоторых параметров и/ или показателей анализа. Примером такой оценки является оп­ределение уровня странового риска в соответствии с методикой БЕРИ. Для осуществления экспертной оценки формируется груп­па аналитиков различного направления, хорошо информирован­ных в области рассматриваемой проблемы. Члены экспертной группы отбираются по признакам их формального профессио­нального статуса и должностного положения, ученой степени, стажа практической и научной работы, а также результатам те­стирования и аттестации со стороны коллег и других специали­стов. Группа экспертов должна обеспечивать надежность и пол­ноту анализируемой информации, возможность ее проверки с точки зрения методологии ее формирования, создавать условия для статистической устойчивости анализируемых рядов динами­ки и гарантировать надежность самой процедуры оценки. Фор­ма опроса экспертов может быть анонимной, очной или заочной, индивидуальной или групповой.

Каждому эксперту предоставляется полный набор анализиру­емой информации, перечень возможных рисков и шкала оценки

вероятности их наступления (или ненаступления). Например, пред­лагается следующая шкала оценки какого-то конкретного риска:

0 — несущественный уровень риска;

25 — скорее всего рисковая ситуация не наступит, т.е. уро­вень риска сохраняет свой оптимальный уровень;

50 — рисковая ситуация не определена, и, вероятно, необхо­дима дополнительная информация;

75 — достаточно высокая вероятность наступления рисковой ситуации;

100 — рисковая ситуация наступит обязательно.

Затем экспертные оценки подвергаются анализу на их разли­чие и противоречивость. При этом максимально допустимая раз­ница между оценками конкретного вида риска двух экспертов не должна превышать определенного, заранее заданного значения вероятности наступления этого риска:

max /A_i – B_i/≤ K

где А, В — вектор оценок каждого из двух экспертов;

i — вид оцениваемого риска;

К — значение критерия.

Например, при наличии трех экспертов должно быть сдела­но три оценки: для попарного сравнения мнений первого и тре­тьего, первого и второго и второго и третьего экспертов.

Количественные методы анализа уровня всех видов рисков основаны на оценке показателей, оказывающих значимое влия­ние на уровень рисков. В процессе анализа с помощью количе­ственных методов получаем стоимостную оценку применения тех или иных мероприятий по оптимизации уровня конкретно­го риска в статике и динамике, в зависимости от внешней и внут­ренней конъюнктуры.

Иными словами, с помощью количественных методов осуще­ствляют анализ чувствительности уровня рисков к ряду факто­ров и показателей, оказывающих значимое влияние на их уровень в статике и динамике. Анализ чувствительности используется, глав­ным образом, для оценки изменения уровня рисков от того или иного внутреннего или внешнего фактора, а также для анализа изменения динамики этих факторов. Обычно анализируются не­сколько сценариев в зависимости от количества и набора факто­ров. Основными методами определения значимых факторов, ока­зывающих влияние на уровень риска, являются корреляционно-регрессионный анализ (КРА) и дисперсионный анализ.

Дата добавления: 2015-04-29