Любой прогноз погоды основывается на очень сложных моделях и огромном наборе данных. После анализа и представления общественности, эта информация позволяет человеку с впечатляющей точностью определить, будет ли его пикник на природе сорван из-за ливня или же все пройдет гладко. Конечно, с одной стороны можно рассудить, что эта возможность не несет для человека какого-то системного значения. Можно ведь взять с собой зонт. Но мы, как андеррайтеры, прекрасно знаем, что для многомиллионных компаний, работающих на нестабильных рынках, или для нас самих, пытающихся рассчитать вероятность возникновения засухи, града или землетрясения, риск и риск-менеджмент – это серьезный бизнес.

Однако, многие методы, используемые сегодня для оценки и управления рисками, несовершенны. К счастью, есть способы преодолеть эту проблему, но пойдем от простого к сложному.

Термин риск-менеджмент – это жаргонизм, используемый предприятиями и правительствами, но он плотно вошел в нашу разговорную речь. И лично мне очень режет ухо перевод – «управление рисками», поэтому я его использовать не буду.

Также,  существует множество определений терминов риск и менеджмент, предлагаю не усложнять, т.к. для целей данной статьи это не столь важно.

Начнем с риска. Можно сказать, что риск – это смесь вероятности и величины (масштаба) нежелательного события. Например, именно в таком контексте на риск можно смотреть с точки зрения математики.

В то время как параметр «вероятность» всегда оценивает шансы того, что что-то произойдет (например, что в дом ударит молния), «масштаб» может быть посчитан в различных измерениях – чаще всего в потере денег или жизней. При этом, «нежелательным событием» может быть все, что угодно – от стихийного бедствия до отзыва продукта с рынка (product recall) и политической нестабильности (political violence).

Риск-менеджмент подразумевает процесс эффективного использования ресурсов для снижения уровня опасности. Например, одним из наиболее распространенных определений термина менеджмент является: «планирование, организация, координация и направление ресурсов на достижение поставленных целей» (P. Drucker, The Principles of Management). Другими словами – использование того, что имеешь, чтобы получить то, что нужно. Как и любая другая задача управления, риск-менеджмент – это попытка эффективно использовать ограниченные ресурсы, такие как деньги и время, для выполнения задачи.

Полагаю, что риск-менеджмент впервые возник на нашей планете, когда какой-то король или вождь впервые принял решение укрепить стены своего города или создать дополнительные условия на случай суровой зимы. С того момента риск-менеджмент прошел долгий путь. В частности, появление компьютеров значительно улучшило ситуацию. Но не компьютерами едиными – до начала цифровой эпохи, ядерные риски и риски нефтедобычи тоже внесли существенный вклад в развитие риск-менеджмента.

Главным же прорывом стало использование риск-анализа во время Второй мировой войны, а затем во время Холодной войны. В военное время группы, в основном состоящие из инженеров и экономистов, математическими методами выясняли множество вещей – например, вероятные производственные мощности противника и потенциальный риск вторжения.

Но сегодня риск-менеджмент относится не только к войне. В наше время риски анализируются всеми, от государственных учреждений до корпораций. В 2007 году были проведены три крупных независимых исследования (The Economist (журнал), Aon (страховой брокер) и Protiviti (консалтинговая фирма)). В работах изучалась роль рисков и риск-менеджмента в более чем 320 организациях в 29 странах.

Хотя исследования были сформулированы по-разному и были сфокусированы на немного разных факторах, их объединяли некоторые интересные закономерности. Например, все три исследования показали, что функция риск-менеджмента из года в год набирает обороты на организационном уровне. От 35 до 60 процентов всех компаний, к моменту опроса, наняли или же намеревались нанять исполнительного директора по риск-менеджменту (Chief Risk Officer). А отчет Aon показал, что правление 88% опрошенных компаний «активно вовлечены в риск-менеджмент».

Итак, риск-менеджмент – это штука важная и многим на планете это объяснять не нужно (что, конечно же, облегчает жизнь нам, андеррайтерам). Но есть проблема – наиболее часто используемые методы в риск-менеджменте имеют недостатки.

Во-первых, часто используемые качественные характеристики, такие как «очень вероятно», «менее вероятно», открыты для интерпретации и для разных людей будут означать совершенно разные вещи. Как можно в группе людей (например, в том же департаменте андеррайтинга) поддерживать одинаковое понимание риска среди всех коллег, если он будет отнесен в категорию «Пятого уровня»? Иными словами, все знают, что что-то с «очень низкой» вероятностью случается реже, чем что-то со «средней» вероятностью, но чему конкретно равна эта разница? Ответить невозможно.

Такое мы часто видим в сюрвейерских отчетах и это однозначно лучше, чем ничего, но далеко не идеально.

Еще одна проблема заключается в том, что метод выставления оценок (скоринг) не учитывает взаимосвязи между рисками. Например, чаще всего факторы рисков бывают связаны друг с другом или корреляцией, или общей системой, которая увеличивает вероятность возникновения сразу нескольких нежелательных событий по одной и той же причине.

Возьмем, к примеру, гидравлическую систему управления в самолетах. Часто на одном самолете устанавливаются три идентичные системы. Этот избыток, гипотетически, должен сводить вероятность одновременного отказа всех трех систем к одному на миллиард.

Но есть объединяющая проблема – гидравлические трубы устанавливаются в непосредственной близости друг от друга. Такая близость увеличивает вероятность полного отказа гидравлики по одной общей причине (например, их повреждение осколками воздушного винта).

К сожалению, на этом проблемы не заканчиваются. Еще один недостаток популярных методов риск-менеджмента заключается в том, что они полагаются исключительно на мнения экспертов (в том числе на нас с вами). Я уже писал про эту проблему в этом посте.

Мнения известных экспертов уважаемы и на них полагаются люди в совершенно разных областях. Риск-менеджмент не является исключением. Вспомните, как часто вы слепо полагались на мнение андеррайтера именитого перестраховщика? Но экспертное мнение далеко не всегда бывает полезным для оценки риска.

Во-первых, огромное количество психологических исследований раз за разом твердят об одном – люди склонны переоценивать свои возможности. В страховании, наверное, самым известным примером является тот факт, что абсолютное большинство водителей свято верят в то, что их уровень вождения превосходит среднестатистический показатель (не удержался, пришлось ввернуть пример из автострахования, все-таки).

Но других доказательств этому, на самом деле, очень много. Психологи J. Kruger и D. Dunning еще в 1999 г. опубликовали книгу Unskilled and Unaware of it: How Difficulties in Recognizing One’s Own Incompetence Lead to Inflated Self-Awareness, в которой сказано, что примерно две трети населения планеты считают себя чрезвычайно умными, юморными и грамотными. Эта статистика затрагивает, в том числе, и «экспертов». Они склонны к чрезмерной уверенности в своих прогнозах и поэтому недооценивают риски.

Но есть еще одна проблема, связанная с мнением экспертов в области риск-менеджмента: тот факт, что опыт формирует у людей предвзятость. На данный факт часто указывают психологи, в т.ч. на нашу неспособность объективно оценивать вероятности указал лауреат Нобелевской премии в области экономических наук – D. Kahneman.

Правда в том, что наши воспоминания не совершенны на 100% и мы не работаем как компьютеры. Например, обычно мы хорошо помним экстремальные и недавние события, чем какие-либо другие. Если мы однажды пошли на пресловутый пикник, который был испорчен дождем, хотя прогноз предсказывал дождь с вероятностью в 5%, то мы посчитаем прогнозистов некомпетентными. Хотя на самом деле мы просто не в состоянии упомнить все времена, когда прогноз погоды оказывался верным.

Несмотря на то, что мнения экспертов являются предвзятыми (как и у всех остальных людей на планете), от них невозможно избавиться. И это та причина, по которой мы можем спать спокойно – профессия андеррайтера не пропадет в ближайшем будущем, в отличие от многих других профессий. Ведь даже самые точные математические расчеты нуждаются в экспертной оценке для более эффективного понимания и выявления рисков. Хорошая новость заключается в том, что мнение экспертов можно «откалибровать», чтобы снизить существующую предвзятость.

Основная цель калибровки состоит в том, чтобы дать людям четкую картинку существования у них предубеждений и самоуверенности. Наиболее действенными методами являются различные повторения и обратная связь, но есть и другие, более интересные. Например, можно применить метод тестирования диапазонов.

Испытуемому задают такие вопросы, как: «Сколько лет было самому молодому человеку, полетевшему в космос» или «Какое количество языков существует на планете в данный момент?». Вопросы можно приводить на любую тематику. Испытуемый пробует ответить, установив нижний и верхний пороговые значения (диапазоны). Нижний порог означает, что испытуемый на 95% уверен, что реальное значение превышает пороговое. Верхний порог, наоборот, означает, что с уверенностью в 95% реальное значение находится ниже порогового.

В другом методе тестирования (post-mortem analysis) испытуемому предлагается предположить, что некое бедствие уже произошло, мысленно вернуться в прошлое до его наступления и оценить вероятность такого наступления, а также пояснить, почему так вышло. Этот метод оказался эффективнее в создании полных и креативных идей о гипотетических рисках, чем обычный мозговой штурм.

Эксперты, которые были откалиброваны такими упражнениями, являются лучшим источником данных для любого вероятностного метода оценки риска. Но каков же из методов наилучший?

Самые важные вопросы в жизни, по большей части, есть не что иное, как проблемы вероятностей.

Pierre-Simon Laplace, A Philosophical Essay on Probabilities (1814)

Абсолютное первенство среди методов оценки рисков принадлежит симуляции Монте-Карло. Он эффективно используется для оценки самых крупных рисков, которые только можно себе вообразить, от безопасности в ядерной энергетике до нефтедобычи и экологической политики.

Тесты Монте-Карло анализируют переменные, связанные с риском, и обрабатывают данные для построения моделей. Другими словами, Монте-Карло отображает все факторы, которые влияют на вероятность наступления и величину (масштаб) риска, а затем использует их для запуска тысяч случайных сценариев, которые устанавливают реальную вероятность определенных результатов.

Симуляция Монте-Карло – это лучший выбор для точной оценки рисков.

Одно из наиболее распространенных критических замечаний в отношении любых количественных методов оценки вероятности (в т.ч. Монте-Карло), заключается в том, что данных для моделирования конкретных событий просто не хватает. Скептики согласны с тем, что подобные методы предпочтительнее «мягких» методов (вроде скоринга), но утверждают, что раз нет способа получить «твердые» данные, необходимые для эффективного моделирования, то нужно пользоваться методом экспертной оценки. Однако, правда в том, что есть и лучшее решение. Страховые компании и атомная отрасль занимаются вычислениями вероятностей гипотетических событий постоянно. Например, проводились несколько симуляций событий, которые могут произойти один раз в 500 лет, а это дольше, чем существует сама отрасль атомной энергетики.

Это делается путем разбора модели риска, к примеру, атомной электростанции, на составные части. Рассчитывается риск отказа по каждому отдельному компоненту. Этот подход прекрасно работает при всем при том, что некоторые бедствия никогда ранее не происходили, и, соответственно, по ним нет никаких исторических данных. Однако, отрасль переполнена обширными исследованиями и эмпирическими данными о частоте отказов отдельных компонентов электростанции (материалы, оборудование) ​​и человеческих ошибках.

Подобную деконструкцию можно применить к большинству ситуаций. Вы удивитесь, сколько всего можно узнать, тщательно разобрав объект анализа на части и поискав данные в интернете.

Получив данные таким способом, андеррайтер может построить модель (например, Монте-Карло) или в Excel или в более продвинутых программах типа Eviews и STATISTICA. На YouTube есть огромное количество обучающих видео. Если же к математике душа не лежит, можно передать данные кому-то, кто более подкован в математическом анализе. Модель, в свою очередь, рассчитает вероятность одновременного или последовательного отказа нескольких компонентов; она также рассчитает величину катастрофы. Таким образом, вы оцените риск того, чего никогда не происходило.

Точность любого анализа вероятности зависит от качества используемой модели, а уровень этого качества, в свою очередь, зависит от точности заложенных в модель параметров и допущений. Оценить точность модели, можно лишь сравнивая прогноз с реальными фактами. Проверка прогнозов на «реальность» обнаруживает различные дефекты (например, недостаток переменных).

Чтобы понять, нужно ли заморачиваться построением моделей (ведь это занимает время), андеррайтеру необходимо учесть ценность добычи дополнительной информации. Конечной целью проведения анализа рисков является уменьшение опасности, а это почти всегда означает экономию денег. Поэтому важно прикинуть в уме ожидаемую ценность дополнительной информации. Например, если мы можем сэкономить 50 000 долларов США, минимизировав риск усеченным покрытием или сублимитом, потратив при этом на сюрвей 1 000 долларов США, необходимость таких расходов не должна вызывать сомнений. Но, как показывает опыт, большинство людей не тратит время на то, чтобы определить ценность дополнительной информации.

Имея стандартизированный процесс риск-менеджмента, можно оптимизировать существующие модели риска, добавляя новые эмпирические данные и создавая так называемую «библиотеку сценариев» — набор стандартных сценариев риска с самыми разными переменными и корреляциями. Этот инструментарий может быть использован в качестве стандарта по компании. Ранее я уже упоминал про наличие таких библиотек у Swiss Re, Lloyd’s и других крупных игроков страхового рынка.

На создание данной статьи меня вдохновила книга The Failure of Risk Management (D. Hubbard).