РИСКИ МАТРИЦ РИСКА (ОПРОСНИКОВ) В КРЕДИТОВАНИИ
Матрицы риска — устоявшийся инструмент для оценки и ранжирования рисков во многих областях. Они стали настолько распространенными, что все используют их без вопросов. Когда данных мало или вообще нет, матрицы риска превозносят как лучшее средство для оценки рисков проекта. Тем не менее, они имеют множество проблем. Разберем эти проблемы на примере этапа оценки факторов. Полностью статья опубликована в первом номере журнала «Риск-менеджмент в кредитной организации» (издается ИД «Регламент»).
1. Порядковые шкалы.
В качественных методах оценки риска в основном используют порядковые шкалы. Но в порядковых шкалах арифметические операции не являются математически корректным действием, такие шкалы годятся только для ранжирования или упорядочивания элементов.
Хотя шкала может создать иллюзию вычислений, числа являются лишь условными обозначениями классов. Они не имеют математической основы или фактической связи с реальным миром. Если в реальном мире аналитики не занимаются сложением и последующим перемножением таких событий, как зависимость от поставщиков и покупателей и наличие бизнес-плана, то перемножение произвольно присвоенных чисел вдруг кажется правдоподобным. Например, если наличие бизнес-плана = 2, а зависимость от поставщиков и покупателей = 0, то с учетом весов данного блока «риск» равен: 2 * 0,15 + 0 * 0,15 = 0,3. Но что значит 0,3?
2. Переход к непрерывным оценкам.
В более продвинутых вариантах используются распределения рангов или оценок, но сама шкала распределений подбирается экспертно или с учетом допущений. Данные допущения, как правило, игнорируют экстремальные значения и обладают значительной степенью произвольности.
3. Сжатие диапазона.
В результате сжатия реальных значений в схему порядковых шкал исходные диапазоны неопределенности теряются и к значениям применяется весь диапазон значений порядкового класса. Перекрывающиеся диапазоны обрезаются, меньшие диапазоны расширяются.
4. Неоднозначность.
Шкалы часто не имеют точного определения, поэтому можно оценивать их по-разному, основываясь на мнениях экспертов. Что является еще приемлемым риском, а что неприемлемым? Где граница между «регулярностью» и наличием «перспектив развития»? Чем отличаются друг от друга «зависимость минимальная» и «зависимость существенная»?
5. Пренебрежение неопределенностью.
При классификации теряется первоначальная неопределенность суждения. Класс навязывает новый предзаданный диапазон значений по умолчанию для неопределенности, что создает ошибки количественной оценки.
6. Ошибки квантификации.
Особенно высока вероятность ошибок количественной оценки на границе нескольких вариантов. При незначительном изменении значения оно может подняться на следующий уровень порядковой шкалы или опуститься на более низкий уровень. Это способно сильно изменить результат. Представьте, что при уменьшении значения с 2 до 1 в результате умножения риск снизится вдвое, но на самом деле значение просто немного изменилось.
7. Предвзятость оценок.
Люди опасаются плохих исходов и склонны недооценивать вероятности, или же предвзято относятся к риску и склонны переоценивать плохие исходы. Кроме того, люди склонны оценивать события, основываясь на собственном ограниченном опыте.
8. Непоследовательность.
Люди, даже эксперты, меняют свои суждения по одним и тем же вопросам в зависимости от ежедневного состояния, ситуации, непосредственно предшествующей суждению, или контекста рассуждений.
АУДИТ КАРТ РИСКОВ
Несмотря на применение подобных опросников, дефолтность портфеля ссуд может не измениться или даже ухудшиться.
Опыт аудита карт рисков, сформированных экспертно, можно подытожить пятью рекомендациями:
1. Даже несколько отдаленных откалиброванных на статистике банка коэффициентов лучше пула «общепризнанных» экономических нормативов ведения деятельности заемщика.
2. В ситуации неизвестности лучше использовать распределения, а не фиксированные значения шкал.
3. Для нивелирования ошибок эксперта необходимо ввести предзаданную чувствительность оценки по априорной вероятности выпадения того или иного ответа эксперта (пула экспертов).
4. При работе с доменной спецификой (например, проектными рисками) необходимо привлекать доменные знания (например, данные по рискам Института управления проектами — PMI).
5. При отсутствии уверенности в релевантности знаний эксперта необходимо делать опросники (карты рисков) консультативной мерой, эффективность которой еще предстоит доказать.