"Обсчитать все невозможно, но попробовать надо!"

"Обсчитать все невозможно, но попробовать надо!"

(риск-менеджмент: актуальные проблемы и перспективы, часть 2)

Михаил Рогов,

к. э.н., доцент, двукратный лучший риск-менеджер России в 2006 и 2012гг., эксперт ИСО и ЕЭК ООН, изобретатель, автор статей и научной монографии, энциклопедии, профессионального стандарта по риск-менеджменту.

Глобализация как фактор риска. Экономическая, финансовая, политическая, природоохранная, военная интеграция – надо ли всерьез учитывать эти процессы в риск-менеджменте предприятий?

Конечно, глобализация и интеграция учитываются в риск-менеджменте. Во-первых, всегда учитываются все проблемы и возможности, связанные с продвижением на мировой рынок. Какой потенциал развития компании в мировых масштабах, возможности экспансии за рубежом. Важную роль играют репутационные риски на глобальном рынке. Есть и специфические проблемы, например, внедрение международных стандартов, доступ к разным источникам финансирования. В компаниях стараются работать с оценщиками, с агентствами, которые присваивают международные рейтинги.

Есть и побочные негативные стороны глобализации. Это, во-первых, проблемы, связанные с терроризмом, в том числе, с кибер-терроризмом.

Конечно, приходится учитывать динамику, конъюнктуру мировых рынков. Например, в страховании: любые реализованные крупные риски в каком-нибудь далеком уголке земного шара могут подтолкнуть перестраховочные тарифы вверх и, тем самым, повлиять на стоимость наших страховых программ, которые никак не связаны с зоной реализовавшегося риска.

Естественно, для наших компаний важно, что международные события влияют на валютные курсы. Колебания стоимости нефтяных контрактов непосредственно или опосредованно влияет на платежеспособность практически всех российских потребителей. Поскольку нефть и связанная с ней продукция является основной доходной статьей государства. И чем бы потребители ни занимались, их платежеспособность зависит от стоимости нефти и других экспортируемых энергоносителей.

Например, кризис в Сирии поднял нефтяные котировки, и это как-то может сказаться на платежеспособности российских потребителей и корпораций. Может, в лучшую сторону в краткосрочном плане, возможно - в длительной перспективе – в худшую сторону. Сильный долгосрочный рост цен на нефть может привести к ухудшению экономической ситуации во многих странах Европы, Азии, в первую очередь, в Китае. Это приведет, в конечном счете, к падению производства, к снижению спроса на энергоносители и, соответственно, к существенному падению цен на рынке нефти.

Вообще, снижение темпов роста китайской экономики – это самый страшный экономический сценарий для риск-менеджеров. Критическим уровнем считается менее 6% роста ВВП в год. Снижение темпов роста ниже этой цифры может подтолкнуть китайское правительство к началу объемной распродажи американских облигаций для исполнения бюджета. В этом случае вся мировая экономика может пойти по совершенно иному сценарию, который тяжело предсказать.

Это стандартный сценарий экономического кризиса, и риск-менеджер должен держать его в голове и просчитывать, сколько компания его выдержит, чем это чревато.

Особенно это важно для предприятий, привязанных к одному главному потребителю или к госзаказу. Они должны предугадать, что там придет в голову чиновникам, это их основная головная боль. А они должны понимать, что чиновников тревожит, в первую очередь, их кресло. А устойчивость кресла зависит от того, как идут общие экономические процессы, которые, в свою очередь, весьма сильно зависят от мировых процессов, от глобальной рыночной конъюнктуры.

Например, скажем, в Поволжье есть крупный завод по производству, каких-то авиационных деталей. У них много рисков, один из основных - это нехватка квалифицированных рабочих. Это очень большая проблема в России, она могла бы решаться быстрее всего за счет привлечения и обучения мигрантов. Это очень важно и для предотвращения пенсионного коллапса в будущем, которому угрожает дефицит работающей молодёжи, не позволяющий прокормить будущих пенсионеров. Но в России наблюдается расизм и ксенофобия, в том числе в форме борьбы с мигрантами в Москве и Петербурге. Но в действительности мигрантов нужно больше! Конечно, лучше - квалифицированных, и обязательно – легальных, но в целом они должны быть в достаточно большом количестве.

Другой значимый риск завода - это неравномерность загрузки. Значительная доля заказов идет по линии Министерства обороны. В какой-то момент принимается решение о приобретении сразу большой партии военных самолетов. Тогда у них не хватает мощностей произвести эти детали. Они должны срочно, что-то делать, чтобы не потерять этот заказ. Выбор у производителей военных самолетов есть и в случае, если предприятие не выдерживает требуемые сроки, заказ просто уйдет к конкуренту. Но бывают периоды, когда вообще нет новых заказов. А как они могут что-то угадать о решениях чиновников? Но гадать приходится, пытаются через свои управляющие компании холдингов воздействовать на ситуацию, влияют, лоббируют. Но возможности их сильно ограничены.

А если пойдет развитие мировой экономики по неблагоприятному сценарию, то все крупные военные проекты или заказы самолетов нашими регионами, все эти авиационные планы очень быстро могут схлопнуться вместе с чиновником. И руководству этого завода надо держать в голове эти риски. Они должны понять, что надо всеми правдами и неправдами ослаблять свою зависимость от государственной и негосударственной власти. Нужно ориентироваться на рынок, возможно, на производство мелких самолетов, и, по возможности, не брать только лишь государственный заказ. А если не могут не брать заказ, то не надо брать на себя ответственность. Если ответственны другие люди, то не надо волноваться. Перенести ответственность!

А в идеале – диверсифицировать портфель заказов. И когда я был у них, я им это посоветовал. Но решить за них проблему я, конечно, не могу.

В свое время Вы занимались разработкой индексов на основе динамики геомагнитного поля? Какова оказалась их прогнозная ценность? Применяются ли они в сегодня в практической деятельности? Каковы их перспективы?

Если отвечать коротко - индексы применяются, кое-где работают. Перспектива есть. Я опубликовал и еще скоро опубликую статью по этому поводу, но работа здесь долгая, большая.

А как Вы пришли к изучению такого нетрадиционного для экономики фактора?

В свое время я интересовался теорией хаоса, фрактальной геометрией на рынках. Вопрос возник у меня - откуда берется этот математический хаос в экономике? Как возникает хаотическая природа рисков на рынке? С другой стороны, мне были интересны эстрасенсорные способности человека. Как управляет рисками человек с экстрасенсорными способностями? Я эти вопросы изучал, и у меня возникло предположение, что одним из важнейших «хаотических» процессов, который все на земле определяет, - это солнечная активность. Я стал изучать теорию Чижевского, которая описывает зависимость активности больших социальных групп от определенных видов солнечной активности. Изучал статистику солнечных пятен. Этому посвятил свою жизнь один из основатель применения математических методов в экономике Джевонс, так что история этого вопроса большая. А я даже запатентовал способ управления рисками через компьютерную систему путем заключения деривативов на астрофизические и иные показатели – то, что называется космической погодой - например, индексы солнечной активности. В 2002 году я подал международную заявку на патент, в 2005 году получил. А недавно я обнаружил, что IBM и Barclays Capital ссылаются в своих патентах на мой патент.

Я стал анализировать, как влияют солнечные пятна, их активность на риски. И у меня ничего толком не получилось, но я пришел к выводу, что гораздо лучше работает анализ геомагнитной активности, значительно лучше. Она, конечно, зависит от солнечной активности, но совсем другая.

Вы имеете ввиду магнитную активность земли?

Геомагнитную активность – да, на планете Земля. Есть магнитное поле Земли, оно колеблется, в основном - под влиянием солнечной активности. Я разработал семейство индексов (RogovIndex©) и стал их применять к экономике. Уже на протяжении нескольких лет я котирую эти индексы на своем сайте, провожу математический анализ. Вложил в эту работу уже довольно много ресурсов. Но уже есть положительные результаты. Думаю, через какое-то время начну рекламу своего сайта, своих индексов. Но уже сейчас вы можете зайти на сайт www. , ознакомиться с результатами работы. Единственно, учтите, что сайт англоязычный, но легко переводится современными браузерами на многие языки.

Принцип работы сайта довольно простой: изначально я туда ввел некоторое число данных об инцидентах, авариях, сбоях, дефолтах, индексов волатильности из открытых источников. А также открыл базу для пополнения всем желающим, которые могут вводить свои временные ряды о событиях, важных с точки зрения рисков. Ну, например, есть у кого-то велосипеды, он может внести информацию сколько, когда их сломалось, украдено и т. п. А дальше пользователь может посмотреть, как его личный ряд соотносится с другими, где он на древе, точнее на дендрограмме рядов из этой базы. Есть ли ряды, которые по динамике чем-то на его ряд похожи, чем характеризуются эти ряды? И чем характеризуются ряды, от которых он отличается?

Где-то связи можно обнаружить с помощью обычной корреляции, где-то применяем иные меры и алгоритмы. По сути это - кластерный анализ. Я пытаюсь понять, с какими другими рядами этот ряд схож и, наоборот, с какими рядами он в разных кластерах

Обнаружив схожие ряды в кластере, важно понять, что у них общего. Например, вы обнаружили, что кластер велосипедов похож на подводные лодки, бегемоты и слоны. И единственное, что их объединяет – все они, предположим, из Африки. Тогда по географическому принципу я смогу сузить предполагаемую сферу для поиска функциональной связи, для понимания сути риска.

Этот подход из распространенной сегодня практики изучения ДНК-генеалогии. Сегодня любой может сдать на расшифровку свою ДНК, и по ее коду можно определить степень близости общего родственника с другими людьми, которые тоже сдали свою ДНК. Критерием близости – дальности в этом случае будет число мутаций, отличающих геномы разных людей. Чем больше различных мутаций друг относительно друга в ДНК-маркерах людей обнаружено, тем раньше жил их наиболее поздний общий предок. Этот метод позволяет проанализировать генетическую генеалогию, миграцию предков современного человека на века, тысячелетия, в доисторическое время.

Основываясь на этом методе, я придумал свой подход к анализу рисков: Я вношу в базу данных временные ряды по рискам и смотрю, кто в базе похож и кто далек. И по ним делаю какие-то предположения, выводы. Если какие-то похожие данные с определенным лагом опережают мой ряд, я могу их воспринимать в качестве предикторов. Например, если предиктор постоянно поступает в базу данных и внезапно его значение скачет, скажем, вверх, тогда я могу предположить, что будущие значения моего ряда тоже могут подскочить.

Другой аспект, который я рассматриваю, – это анализ прошлого. Вот, пусть я нахожу предиктор и смотрю: в прошлом, вроде, бы, все совпадало, а вдруг все пошло в разнобой. Соответственно я провожу направленный аудит именно этих отклонений от предсказанных значений - может там что-то украли, а я об этом пока не знаю. Условно, вдруг количество сломанных велосипедов выросло в 20 раз по сравнению с показателем больных слонов и бегемотов, которых я использовал в качестве предиктора. Почему так? Может быть у меня кто-то украл велосипеды, а сказал, что они сломались? Это повод для расследования и анализа тренда.

Не так давно я делал такие расчеты по количеству ДТП для одной из крупнейших нефтедобывающих компаний. Администрация компании серьезно ужесточила правила в эксплуатации автомобилей, а у них пошла динамика непредсказуемая. Я вижу, что статистика ДТП выросла и упала, а это трудно объяснить только принятым решением. Но если я очищаю данные от влияния геомагнитной активности, выраженных моими индексами, то все очень четко получается, с этой точки действительно пошел другой тренд. Соответственно, я могу обосновать эффективность их мероприятия, если верить в предиктор. Это могут быть разные предикторы, но я работал в данном случае со своим индексом геомагнитной активности.

Правильно ли я понимаю, что геомагнитный индекс оказывается одним из самых существенных?

Не всегда. Я сначала исходил из своей теории глобального риск-фактора. Сейчас я от нее не отказываюсь и пропагандирую, однако считаю важным в принципе построить максимально глобальную базу данных, пропускать через нее ваши ряды и искать, что вам ближе, не зависимо от моей теории.

Вы верите в возможность глобального обсчета мировых событий и процессов?

Не всегда, но попробовать продвинуться в этом направлении стоит. Но должен особо подчеркнуть, что многие инструменты прикладной математики для этих задач совершенно не годятся. Например, классическая корреляция Спирмена. Я вижу связь визуально, но коэффициент корреляции не работает – ни с учетом лага, ни без него. Не срабатывает.

Коинтеграция. Это другой вид связи пары интегрированных одного порядка рядов, когда их линейная комбинация (например, их разность) - является стационарным процессом. Классический наглядный пример коинтеграции - движение пьяного человека с собачкой на поводке. Человек идет из пункта А в пункт Б, а собачка бегает между ног почти перпендикулярно его неровным движениям. На любом маленьком отрезке корреляции их движений нет. Корреляции нет, но взаимосвязь есть, потому что собачка вместе с пьяным точно придет из пункта А в пункт Б. Это пример коинтеграции.

Но коинтеграция тоже далеко не всегда работает. И я заинтересовался методами из сферы Data Mining (интеллектуальный анализ данных). В частности, здесь используются эвристические подходы к анализу баз данных, кластерный анализ, хотя он уже давным-давно попал в разряд классических методов.

В Data Mining есть потрясающий подход. Существует связь one-to-one, а есть связь one-to-many. One-to-one – это когда мы рассматриваем точки параметра X и точки параметра Y, пытаемся найти между ними связь. Может быть с временным лагом, может по сложной функции, но всегда пытаемся понять взаимно однозначное соответствие точек двух рядов. А One-To-Many говорит о том, что нескольким значениям X может соответствовать одно значение Y и наоборот. То есть, все может происходить по-разному. На графике получается своеобразная «гусеница».

И на этом подходе основан аппарат «наибольшей общей подпоследовательности» (Longest Common Subsequence). Музыкальный пример: существуют специальные программы для распознавания караоке. То есть, вы поете какую-нибудь песенку, и естественно, вы поете не так, как ее исполняет певец – эталон. Что-то вы фальшивите, что-то вы проглатываете, что-то, наоборот затягиваете. Но программа песенку распознает. Она вычленяет из спетой песни фрагменты, совпадающие с теми, которые есть у нее в базе песен – наибольшую общую подпоследовательность. Далее программа смотрит, какая длина этой подпоследовательности по отношению к общей длине песни. И находит в базе данных ту песню, в которой эта общая, совпадающая подпоследовательность максимальная. И, соответственно, пытается угадать, что именно вы напевали.

В теории коинтеграции есть тест причинности по Грэйнджеру (Granger causality test), который можно описать так: X не является Грейнджер-причиной Y с какой-то вероятностью, если добавление X в авторегрессионную модель не улучшает прогноз Y. Иными словами, Y можно прогнозировать по предыдущим значениям Y (авторегрессионная модель) и еще, может быть, по текущим и предыдущим значениям X. Если сделать прогноз без X и рассчитать качество регрессии (статистики), а затем добавить в модель переменную X, и статистики улучшатся с какой-то вероятностью, то с этой вероятностью я не могу сказать, что X не является причиной Y.

Такой аппарат разработал нобелеат Грейнджер. Здесь Грейнджер-причинность коинтегрированных рядов означает, что одна величина позволяет лучше прогнозировать другую, хотя онтологической связи в причинности не видно.

А для аппарата наибольшей общей подпоследовательности я придумал по аналогии тест “причинности по Рогову” (Rogov causality test). Этот тест можно проиллюстрировать на забавном детективном примере в наше полное фобий время с двумя подозреваемыми в шпионаже коммивояжерами – А и Б. Они передвигаются по своим графикам и маршрутам по разным городам. Эти города иногда совпадают, но не всегда совпадают даты их визитов. И хотя кажется, что они не связаны друг с другом, но если все же подозрения верны, то одному из шпионов (резиденту) удается иногда оставлять сообщения другому (связному). Ресурсы контрразведки по этому направлению ограничены, поэтому эффективную слежку можно организовать лишь за одним из подозреваемых, хотя, если они на самом деле шпионы - надо поймать обоих, причем второго – связного - с поличным при вскрытии шпионского тайника. Что может сделать аналитик контрразведки, которому надо вычислить возможных шпионов?

Он может взять список всех городов, где был А, а также даты, когда он там был. Аналогичную информацию он собирает по Б и анализирует эти данные. Во-первых, он находит наибольшую общую подпоследовательность этих двух рядов, то есть, в каких городах они оба побывали в одинаковой последовательности. Например, след подозреваемого А потерян, а в прошлом году он побывал в 6 городах: в феврале в Лондоне, в июне в Вене, в сентябре в Тулузе, в октябре в Париже, в ноябре в Москве, а в декабре в Иерусалиме. Подозреваемый Б сейчас в Мадриде, месяц назад был в Париже, а в прошлом году он также побывал в 6 городах: в январе в Риге, в феврале в Париже, в марте в Лондоне, в мае в Вене, в октябре в Москве и в декабре в Иерусалиме. Мы находим самый длинный список городов, в которых они оба побывали в одинаковой последовательности – это будет наибольшая общая подпоследовательность: по одному визиту каждого из подозреваемых в Лондон, затем в Вену, затем в Москву, затем в Иерусалим. Из 6 визитов каждого из подозреваемых в наибольшую общую подпоследовательность попали 4 визита (две трети), а это весьма много, и есть основания для траты усилий по проверке подозрений, что эти визиты связаны между собой, и при наличии иных оснований подозреваемые в самом деле могут оказаться шпионами. Но если подозревать в этой парочке связного и резидента, то кто чаще бывал первым в этих 4 городах? Если визиты А и Б действительно связаны между собой, то кто кому оставляет сообщения?

Подозреваемый А был в феврале в Лондоне, а Б там был в марте, на месяц позже. В Вене после Лондона А побывал в июне, а Б в мае, на месяц раньше. В Москве А был в ноябре, а Б в октябре, на месяц раньше, а в Иерусалиме оба были одновременно в декабре. Всего 1 раз из 4 первым был А (всего 1 раз из 4 оба были одновременно, и целых 2 раза из 4 первым был Б на месяц раньше). Модальная (самая частая) задержка визитов А за визитами Б в города общего списка получается месяц. Относительно мала вероятность того, что А является Рогов-причиной Б. Иными словами, мала вероятность того, что аналитик ошибется, если предположит, что скорее всего, Б оставлял сообщение, а А забирал, то есть А – связной и именно его надо ловить с поличным, а не наоборот. Кроме того, если агенты доносят что в прошлом месяце Б был в Париже, а сейчас он Мадриде, то для попытки немедленного ареста А с поличным при открытии тайника с информацией от Б, надо бросить на поиски там, где был Б месяц назад, то есть в Париж, половину имеющихся агентов, а одну четверть агентов направить на поиски в город текущего местонахождения Б, то есть в Мадрид.

Вот таким же образом я пытаюсь сценировать один временной ряд по другому, если второй является Рогов-причиной первого.

В заключение, не могли бы Вы остановиться на Вашем сайте. Каковы его перспективы? Почему он на английском языке?

По поводу языка, я не уверен, что в России мои идеи найдут в обозримом будущем широкий спрос. А в принципе, этот продукт не привязан к какой-либо стране, территории. Русскоязычные пользователи (как и многие другие) практически без ущерба для понимания могут воспользоваться автоматическим переводом на русский (или иной) язык, который предусмотрен многими современными браузерами. Английский как язык международный позволяет пользоваться им практически любому человеку в любой стране. Я работаю на максимальное расширение аудитории в интересах не только моих, но и самой аудитории.

Мой сайт – это не библиотека моих статей, это - один из важнейших инструментов моей повседневной исследовательской работы. Используя различные методы: корреляцию Пирсона, меры на основе наибольшей общей подпоследовательности с динамическим искажением времени, мой Rogov causality test, я определяю связи между рядами, строю дендрограммы с помощью кластерного анализа, провожу бенчмаркинг по его результатам. То есть, я провожу кластерный анализ методом ближайшего соседа, дальнего соседа, среднего соседа и пытаюсь понять к чему именно анализируемый мною ряд, например, динамика сломанных велосипедов, ближе. Эта идея почти реализована на моем сайте. Там есть база данных, которую можно пополнять, есть ряды уже общедоступные, есть их описание, географические карты. Есть возможность проводить кластеризацию, анализ по Rogov causality.

Но многое еще не сделано. В частности, предстоит отладить корректность расчетов, сделать генератор отчетов, который бы все результаты описывал в “товарном” виде для пользователей. Есть планы по анализу и даже распознаванию географического положения объектов, индуцирующих риски, если удастся вычислить связь с геомагнитными координатами или, например, магнитным склонением, которое влияет на степень чувствительности рисков к геомагнитной активности из-за разной удаленности от движущихся магнитных полюсов Земли. Также планируется создать площадку для заключения деривативов на космическую погоду (RogovIndex©) для тех рисков, для которых удастся просчитать связь с индексами.

Поскольку я запатентовал деривативы на космическую погоду, я (The Whether Risk Management Association), которые, собственно говоря, «торгует погодой». Это членство гипотетически в перспективе может позволить начать торговать деривативами (фьючерсами и опционами) на мой RogovIndex©, что, возможно, позволит хеджировать некоторые операционные риски, для которых связь с индексом можно просчитать. Но для этого надо еще много работать. Может быть, когда-нибудь я монетизирую будущие выгоды от своего сайта, а пока я только вкладываю в него мозги, репутацию, время, деньги. Над ним работают профессиональные программисты, дизайнеры, иногда приходится привлекать переводчика. Чтобы получить перспективный продукт в любом случае сначала надо серьезно вложиться.