articol 3
DESCRIPTION
Management RTRANSCRIPT
Infrastructură de transport - înseamnă toate rutele și instalațiile fixe ale celor trei mijloace
de transport(cale ferată, drumuri, căi navigabile interioare) în măsura în care sunt necesare
pentru circulație și siguranță în trafic. (Regulamentul CE nr. 851/2006)
Riscurile sunt definite în accepţiunea teoriei clasice a deciziei, ca evenimente cu apariţii
posibile în procesele social-umane, dar incerte, ale căror efecte sunt daunătoare, păguboase şi
au caracter ireversibil. In accepţia teoriilor statistice, riscurile reflectă variaţiile posibile ale
distribuirii rezultatelor, probabilitatea şi valorile lor subiective.(Filipoiu , Rânea , 2009)
Riscul şi incertitudinile sunt caracteristici cheie ale majorităţii afacerilor şi problemelor de
stat şi trebuie să fie evaluate înainte de luarea oricăror decizii mai mult sau mai puţin
raţionale.
Managementul riscurilor cuprinde totalitatea metodelor sau mijloacelor prin care se
gestionează incertitudinea, ca bază majoră a factorilor de risc în scopul îndeplinirii
obiectivelor planificate. Managementul riscurilor unui proiect cuprinde acele procese care
permit identificarea, analiza şi atenuarea / evitarea riscurilor unui proiect. Aceasta implică
maximizarea consecinţelor evenimentelor pozitive şi minimizarea consecinţelor
evenimentelor defavorabile care pot să apară pe durata ciclului de viaţă al unui proiect.
Simulari de analize de risc prin metoda Monte Carlo
Termenul "Monte Carlo" a fost introdus pentru prima dată de către von Neumann şi Ulam
în timpul celui de al doilea război mondial, ca nume de cod pentru munca secretă de la Los
Alamos, unde forţele aliate au încercat să descopere bomba atomică. Acesta a fost sugerat de
către cazinourile de jocuri de noroc din oraşul Monte Carlo, în Monaco, pentru a
obţine "publicitate". Munca depusă la Los Alamos a implicat simulări directe cu privinţă la
difuzia aleatoare a neutronului in materialul fisionabil.
Metoda Monte Carlo este acum una dintre cele mai puternice şi utilizate tehnici de
analiză a problemelor complexe. Diferitele tipuri de aplicaţii pot fi găsite în multe domenii de
activitate începând de la transportul radiaţiilor până la modelarea bazinului unui râu. În
plus, simularea Monte Carlo nu este aplicabilă doar pe procese stocastice, ci şi pe probleme
deterministe.
Există trei puncte importante care diferenţiază metoda Monte Carlo de metodele
tradiţionale de simulare:
1. În metoda Monte Carlo timpul nu joacă un rol important aşa cum se întâmplă, în
general, într-o simulare stocastică.
2. Rezultatele din metoda Monte Carlo, de regulă, sunt independente.
3. În metoda Monte Carlo este posibil să se exprime răspunsurile într-o manieră
directă prin funcţii simple ale variabilelor de intrare stocastice. În simulare răspunsul este de
multe ori foarte complicat şi poate fi exprimat în mod explicit doar de către programe de
calcul.
Avantajul metodei Monte Carlo este acela că poate fi aplicată foarte uşor. Atunci când
sunt combinate mai multe valori incerte, determinarea incertitudinii privind rezultatul poate fi
foarte complexă. De exemplu, când sunt adăugate două valori incerte, incertitudinea privind
rezultatul este oarecum mai mică decât suma incertitudinilor originale. Folosind MCS, acest
lucru şi alte efecte similare sunt calculate în mod automat, astfel încât nu sunt
necesare cunoştinţe de statistică pentru a obţine rezultate precise.
Unul dintre factorii cheie în crearea unui model de simulare este de a vedea dacă
modelul cunoaşte o evoluţie în viitor. Indiferent dacă problema este deterministă sau
stocastică MCS s-a dovedit a fi utilă. Simularea stocastică este, de fapt, o metodă de
eşantionare statistică pentru un model real. Pentru că generarea de rezultate la o anumită
distribuţie implică utilizarea de numere aleatoare, aceste tipuri de simulări este numit MCS.
Metoda Monte Carlo a fost iniţial considerată a fi o metodă care foloseşte numere aleatoare
sau pseudo-aleatoare alese dintr-un interval de distribuţie uniform [0, 1](Law şi Kelton,2000).
Principiul din spatele MCS este ilustrat în Figura 12, unde sunt prezentate principiile care stau
la baza metodei de simulare a planificării investiţiilor.
1.Valori probabilistice/distribuţii-factori importanţi/parametri.
Axa verticală – şansa ca aceste valori să fie atinseAxa orizontală – inerval de valori
piaţa preţuri rata de creştere a pieţii
cota de piaţa investiţia necesară val.reziduală a investiţiei
Costuri curente Costuri fixeDurata de viaţă
2.Selecţie aleatoare. Alegerea factorilor în concoradantţă cu şansele/probabilităţile fixate.
3. Determinarea ratei de rentabilitate pentru fiecare combinaţie pentru toţi cei 9 factori cu grad incertitudine.
4.Repetarea procesului(a simulării) pentru a obţine un portret complet a riscului investiţiei.
5. Distribuţii probabilistice privind rata totală de rentabilitate.(TRR)
Axa verticală – şansa ca rata să fie atinsă.Axa orizontală – rata de rentabilitate(TRR)
Figura 12. Exemplu de principu de simulare în cazul unei strategii de investiţii.(Hertz şi Thomas, 1984)În cazul de mai sus, există 9 parametri cu grad diferit de incertitudine:
1.Valori probabilistice/distribuţii-factori importanţi/parametri.
Axa verticală – şansa ca aceste valori să fie atinseAxa orizontală – inerval de valori
piaţa preţuri rata de creştere a pieţii
cota de piaţa investiţia necesară val.reziduală a investiţiei
Costuri curente Costuri fixe Durata de viaţă
2.Selecţie aleatoare. Alegerea factorilor în concoradantţă cu şansele/probabilităţile fixate.
3. Determinarea ratei de rentabilitate pentru fiecare combinaţie pentru toţi cei 9 factori cu grad incertitudine.
4.Repetarea procesului(a simulării) pentru a obţine un portret complet a riscului investiţiei.
5. Distribuţii probabilistice privind rata totală de rentabilitate.(TRR)
Axa verticală – şansa ca rata să fie atinsă.Axa orizontală – rata de rentabilitate(TRR)
Figura 12. Exemplu de principu de simulare în cazul unei strategii de investiţii.(Hertz şi Thomas, 1984)
1. piaţa de referinţă, dimensiune
2. preţurile de vânzare
3. rata de creştere a pieţei
4. cota de piaţă
5. investiţiile necesare
6. valoarea reziduală a investiţiei
7. costurile curente
8. costurile fixe
9. durata de viaţă
Fiecare parametru are atribuit o distribuţie probabilistică după cum este indicat în
Figura 2. Prin utilizarea simulării Monte Carloeste posibil ca toate cele 9 distribuţii să fie
comasate într-un singur grafic, aşa cum se poate vedea la Etapa 5.(aici, o rată
totală derentabilitate).
Mai jos este prezentată o imagine de ansamblu a simulării Monte Carlo, în 7 paşi, care
conţine două metode de generare de rezultate: Monte Carlo(Pasul3):
Pasul 1: Determinarea parametrilor/valorilor cu grad de incertitudine.
Pasul 2:Adăugarea unei distribuţii probabilistice corespunzătoare pentru
fiecareparametruselectat.
Pasul 3: Generarea unei valori aleatoare pentru fiecare distribuţie.
Pasul 4: Pentrufiecareiteraţie(Pasul 1, ilustratîn Figura 2), este calculată rata cost\
beneficiu(“B/C – rate”, eng).
Pasul 5:Se repetă procesul(Pasul 2la4)cuocantitaterelativmaredeiteraţii.
Pasul 6: Acum este posibilă vizualizarea celei mai probabile rate cost\beneficiu
combinatăcu intervalul cel mai mic şi cel mai mare găsit al acesteia.
Pasul 7: Afişarea variantei finale a distribuţiei probabilistice a ratei cost\beneficiu (programe
special create, de exemplu: programul @Risk, genereză astfel de histograme
sau curbe cumulate probabilistice).
Figura 1. Schemă de management a riscurilor(PIARC, 2008)
Obiectivul principal al analizei de risc este de a stabili un fundament raţional in
procesul decizional. Analiza de risc are drept scop cuantificarea efectelor nedorite pe care o
anumită activitatea le poate genera oamenilor, mediului natural sau mediului economic.
Obiectivul procesului de decizie este de a identifica soluţia potrivită, astfel încât, să se
minimizeze gradul de risc aferent activităţilor considerate. (Friis-Hansen, 2005).
În evaluarea deciziilor, este important să se aibă în vedere, faptul că rezultatele care
decurg din analiza cantitativă a riscului(RA) nu sunt finale, ci doar un ajutor pentru factorii de
decizie. Analiza de risc, termenul utilizat în acest raport, se referă la evaluarea incertitudinii
totale asociate cu estimările cost-beneficiu. Analiza de risc tradiţională este adesea
menţionată în studii economice sau de investiţii în cazul în care un riscul este încorporat
în calculele ulterioare. În cazul de faţă analiza riscului este o parte a analizei de
sensitivitate care ia în calcul că incertitudinea evoluează între anumite intervale de date sau
parametri ai impactului.
O procedura completă de evaluare a riscului este alcătuită din(Vose, 2002):
1. Identificarea riscului care urmează să fie analizat.
2. O descriere calitativă a problemei şi a riscului - de ce s-ar putea să apară?, ce se
poate face pentru a reduce riscul?, probabilitatea de apariţie etc.
3. O analiză cantitativă a riscului, precum şi opţiunile de gestionare a
riscurilor asociate, care sunt disponibile pentru a determina sau a găsi o strategie optimă
pentru controlul şi implicit rezolvarea problemei cauzată de risc.
4. Implementarea, în urma aprobării, strategiei de gestionare a riscurilor.
5. Comunicareaşiargumentareamăsurilor propuse factorilor de decizie.
Esenţa abordăriitradiţionale a analizei riscului este de a oferifactorilor de decizie o
valoare medie care săajute la creareauneiimagini de ansablucuprivire la rezultateleaşteptate.
Avantajul de a folosi analiza bazată pe risc este posibilitatea de diferenţiere a
caracteristicilorinformaţiilor de risc în ceea ce priveşterezultatale cum ar fi:
ValoareaActualăNetă (NPV – “net presentvalue”, eng.), Rata internă de rentabilitate (RIR –
Internalrate of Return”, eng.) sau rata cost/beneficiu (B/C -Rate), prin distribuţii de
probabilitate (Hertz şi Thomas, 1984).
3.1 Analiza cantitativă a riscurilor
Modelarea deterministă implică folosirea, în cadrul modelului, unei estimări bazate pe cea
mai probabila ipoteza cu privire la fiecare variabilă pentru determinarea
rezultatului.Astfel, pe model, este folosită incertitudinea pentru a determina cât de mult un
astfel de rezultatarputea varia de la punctul de estimare calculat mai
devreme. Acestevariaţiisuntadeseadenumiteca scenarii de tipul: "ce s-ar întâmpla
dacă". Avantajul de afolosianalizăcantitativă a riscului este că în loc de a creadoar
un număr de scenarii posibile se ţine cont de fiecarevaloareposibilă pe care o pot lua toate
variabileledin cadrulmodelului, prinutilizareadistribuţiilor
continuedeprobabilitate.Fiecareparametru/variabila are atribuitunrezultat de distribuţie
probabilistică,în diferitescenarii,caresunt analizate împreună funcţie de
probabilitateadeapariţie.
Structura principală a unui model RA este oarecum foarte similară cu cea
amodeluluideterminist,cuexcepţiacăfiecarevariabilă în modelul de
RA estereprezentatădeofuncţieprobabilisticădedistribuţie(PDF).Obiectivuleste
deacalculaimpactulcombinata variabilităţii şi incertitudinii cu scopul de a determina variaţia
totalăadistribuţiei probabilistice pentru modelul ales. Tehnica utilizată este o simulare
MonteCarlo(MCS), care implică o metoda aleatoarede generare de
rezultate. Deoareceacestedistribuţii cuprind sute sau chiar mii de scenariidiferite, ele mai sunt
cunoscute şi sub numele de iteraţii.
3.2 Simularea Monte Carlo (MCS)
Termenul "Monte Carlo"afostintroduspentru prima dată de
cătrevonNeumannşiUlamîntimpul celui de al doilearăzboimondial, ca nume de
cod pentru munca secretăde laLosAlamos, undeforţele aliate au
încercatsă descoperebombaatomică.Acestaafostsugeratde către cazinourile de jocuri de
noroc din oraşulMonteCarlo, înMonaco, pentrua obţine "publicitate".Muncadepusă la Los
Alamos aimplicatsimulăridirecte cu privinţă la difuziaaleatoare a neutronului in
materialulfisionabil.
Metoda Monte Carlo esteacum unadintre celemaiputernice şi utilizatetehnici de
analiză a problemelorcomplexe. Diferiteletipuri de aplicaţii pot fi găsiteînmultedomenii de
activitateîncepând de la transportul radiaţiilor până la modelarea bazinuluiunuirâu. În
plus, simularea Monte Carlo nu esteaplicabilădoar pe procesestocastice, ci
şipeproblemedeterministe. Există treipuncteimportante care diferenţiazămetoda Monte
Carlo de metodeletradiţionale de simulare:
1.Valori probabilistice/distribuţii-factori importanţi/parametri.
Axa verticală – şansa ca aceste valori să fie atinseAxa orizontală – inerval de valori
piaţa preţuri rata de creştere a pieţii
cota de piaţa investiţia necesară val.reziduală a investiţiei
2.Selecţie aleatoare. Alegerea factorilor în concoradantţă cu şansele/probabilităţile fixate.
3. Determinarea ratei de rentabilitate pentru fiecare combinaţie pentru toţi cei 9 factori cu grad incertitudine.
4.Repetarea procesului(a simulării) pentru a obţine un portret complet a riscului investiţiei.
5. Distribuţii probabilistice privind rata totală de rentabilitate.(TRR)
Axa verticală – şansa ca rata să fie atinsă.Axa orizontală – rata de rentabilitate(TRR)
1. În metoda Monte Carlo timpul nu joacă un rol important aşa cum se întâmplă, în
general, într-o simularestocastică.
2. Rezultatele din metoda Monte Carlo, de regulă, suntindependente.
3. Înmetoda Monte Carlo esteposibilsă se exprimerăspunsurileîntr-o
manierădirectăprinfuncţii simple ale variabilelor de intrarestocastice.
Însimulare răspunsul este de multeorifoartecomplicatşipoate fi exprimatîn mod explicit doar
de către programe de calcul.
Avantajulmetodei Monte Carlo esteacelacăpoate fi
aplicatăfoarteuşor. Atuncicândsuntcombinatemaimultevaloriincerte,
determinareaincertitudiniiprivindrezultatulpoate fi
foartecomplexă. De exemplu, cândsuntadăugatedouăvaloriincerte,
incertitudineaprivindrezultatuleste oarecum maimicădecâtsumaincertitudinilororiginale.
Folosind MCS, acestlucruşi alteefectesimilare sunt calculate în mod automat, astfelîncât nu
suntnecesare cunoştinţe de statistică pentru a obţinerezultate precise.
Unuldintre factorii cheieîn creareaunui model de simulare este de a
vedea dacămodelulcunoaşte o
evoluţie înviitor. Indiferentdacă problemaeste deterministăsaustocastică MCS s-a dovedit a
fi utilă. Simulareastocasticăeste, de fapt, o metodă de eşantionarestatistică pentru un
model real. Pentrucă generarea de rezultate la o
anumitădistribuţieimplică utilizarea de numerealeatoare, acestetipuri
de simulări estenumit MCS. Metoda Monte Carlo a fostiniţialconsiderată a fi o metodă care
foloseştenumerealeatoaresau pseudo-aleatoare alesedintr-un interval de distribuţie uniform [0,
1](Law şi Kelton,2000).
Principiul din spatele MCS este ilustratîn Figura 12, undesunt prezentate principiile care stau
la bazametodei de simulare a planificăriiinvestiţiilor.
În cazul de mai sus, există 9 parametri cu grad diferit de incertitudine:
1. piaţa de referinţă, dimensiune
2. preţurile de vânzare
3. rata de creştere a pieţei
4. cota de piaţă
5. investiţiile necesare
6. valoarea reziduală a investiţiei
7. costurile curente
8. costurile fixe
9. durata de viaţă
Fiecare parametru are atribuit o distribuţie probabilistică după cum este indicat în
Figura 2. Prin utilizarea simulării Monte Carloeste posibil ca toate cele 9 distribuţii să fie
comasate într-un singur grafic, aşa cum se poate vedea la Etapa 5.(aici, o rată
totală derentabilitate).
Mai jos este prezentată o imagine de ansamblu a simulării Monte Carlo, în 7 paşi, care
conţine două metode de generare de rezultate: Monte Carlo(Pasul3):
Pasul 1: Determinarea parametrilor/valorilor cu grad de incertitudine.
Pasul 2:Adăugarea unei distribuţii probabilistice corespunzătoare pentru
fiecareparametruselectat.
Pasul 3: Generarea unei valori aleatoare pentru fiecare distribuţie.
Pasul 4: Pentrufiecareiteraţie(Pasul 1, ilustratîn Figura 2), este calculată rata cost\
beneficiu(“B/C – rate”, eng).
Pasul 5:Se repetă procesul(Pasul 2la4)cuocantitaterelativmaredeiteraţii.
Pasul 6: Acum este posibilă vizualizarea celei mai probabile rate cost\beneficiu
combinatăcu intervalul cel mai mic şi cel mai mare găsit al acesteia.
Pasul 7: Afişarea variantei finale a distribuţiei probabilistice a ratei cost\beneficiu (programe
special create, de exemplu: programul @Risk, genereză astfel de histograme
sau curbe cumulate probabilistice).