رویکرد توزیع زیان یک رویکرد رایج است که توسط دست اندرکاران مدیریت ریسک به منظور شناسایی و ارزیابی ریسک های احتمالی که احتمالاً در دوره مناسب تجاری با آن مواجه می شوند، دنبال می شود. رویکرد توزیع ضرر در واقع توسط متخصصین اکچوئری که در صنعت بیمه کار می کنند طراحی شده است. به همین دلیل است که این تکنیک از نظر ریاضی پیشرفته است و بنابراین ماهیت پیچیده ای دارد. در دنیای مدرن، رویکرد توزیع زیان بخشی جدایی ناپذیر از رویکرد اندازه گیری پیشرفته شده است که توسط بانک تسویه حساب های بین المللی (BIS) در هنجارهای بازل تجویز شده است. در این مقاله، ما نگاهی دقیق تر به فرآیند گام به گامی خواهیم داشت که باید هنگام اجرای رویکرد توزیع ضرر دنبال شود.
مرحله شماره 1: برآورد شدت
اولین گام در رویکرد توزیع زیان، اندازه‌گیری شدت تأثیری است که رویدادهای ریسک در صورت وقوع واقعی ایجاد می‌کنند. در تئوری، جمع آوری این آسان است. با این حال، در واقعیت، این داده ها کمیاب و اغلب به سادگی نادرست هستند. این به دلیل مسائلی مانند سوگیری گزارش و فرکانس مقیاس بندی است.
این به این دلیل است که این تجزیه و تحلیل ها تنها زمانی ارزشمند می شوند که از مجموعه های بزرگی از داده ها استفاده شود. تهیه مجموعه های بزرگ از داده های همگن دشوار است. داده ها اغلب از موسسات مختلف در کشورهای مختلف گرفته می شود که قوانین و مقررات بسیار متفاوتی دارند. از این رو، هرگاه تلاشی برای مقیاس‌بندی داده‌ها انجام شود، اغلب غیرقابل اجرا می‌شود. حتی اگر داده ها از واحدهای مختلف یک بانک مشتق شده باشند، ممکن است همچنان غیرقابل دوام باشند. پرسنل باتجربه مدیریت ریسک قادر به تنظیم این داده ها و کاهش مشکل فرکانس مقیاس بندی هستند. با این حال، آنها قادر به حذف آن نیستند.
همچنین، همیشه این احتمال وجود دارد که برآوردهای زیان گزارش شده با برآوردهای زیان واقعی رخ داده متفاوت باشد. همچنین ممکن است برای از بین بردن این تأثیر، داده ها باید تنظیم شوند. برای برخی از سازمان ها معمول است که سقف گزارش خود را بالاتر تعیین می کنند. این به این معنی است که آنها باید رویدادهای ضرر کمتری را گزارش کنند. با این حال، توزیع کل مجموعه داده را نیز تغییر می دهد.
مرحله شماره 2: تخمین فرکانس
گام بعدی استفاده از توزیع آماری است که می تواند به پیش بینی تعداد دفعاتی که یک رویداد در یک دوره زمانی معین رخ می دهد کمک کند. اکنون، چندین توزیع آماری پیچیده وجود دارد که در اینجا امکان پذیر است. با این حال، در بیشتر موارد، سازمان ها فرض می کنند که رویدادهای زیان احتمالاً از توزیع پواسون پیروی می کنند.
این به این دلیل است که از نظر آماری توزیع پواسون بهترین توزیع برای پیش‌بینی احتمال وقوع یک رویداد نامرتبط در یک دوره زمانی مشخص است. اگر از توزیع پواسون استفاده شود، مهم است که رویدادهای ضرر مستقل از یکدیگر باشند.
همچنین از نظر آماری، کار با توزیع پواسون آسان تر است. این به این دلیل است که کل توزیع را می توان با استفاده از یک پارامتر توصیف کرد که اغلب “لامبدا” نامیده می شود.
مرحله شماره 3: محاسبه شارژ سرمایه
هنگامی که فراوانی زیان و شدت ضرر مشخص شد، گام بعدی تعیین هزینه سرمایه است. هزینه سرمایه اساساً مقدار پولی است که یک سازمان باید کنار بگذارد تا نیازهای ریسک عملیاتی خود را برآورده کند.
روش‌های استانداردی وجود دارد که طی سال‌ها به منظور تعیین هزینه سرمایه ایجاد شده است. این روش ها شبیه سازی مونت کارلو نامیده می شوند. نام “مونته کارلو” از شهر مونت کارلو گرفته شده است که به خاطر کازینوهایی که آشکارا مترادف با رویدادهای تصادفی هستند مشهور است. یکی از رایج ترین روش های مورد استفاده را می توان در سه مرحله ساده دنبال کرد. در مرحله اول، توزیع صدک 99.9 داده ها مشخص می شود. از طرفی در مرحله دوم میانگین یعنی توزیع صدک 50 مشخص می شود. صدک 50 در مرحله سوم و آخر از صدک 99 کسر می شود.
روش مونت کارلو بهترین روش ممکن است. با این حال، آن نیز دارای کاستی های خاصی است. به عنوان مثال، نتایج ارائه شده توسط روش نسبتاً نادرست هستند، زمانی که صحبت از رویدادهای ضرری می شود که ممکن است با یکدیگر مرتبط باشند.
مرحله چهارم: محاسبه فاصله اطمینان
نتیجه نهایی مرحله فوق این است که یک عدد یعنی هزینه سرمایه به دست می آید. با این حال، در حین انجام تجزیه و تحلیل آماری، محدوده ها را به اعداد ترجیح می دهیم. همچنین، ما دوست داریم یک احتمال را به مقدار واقعی در محدوده متصل کنیم. این همان چیزی است که به آن ایجاد فواصل اطمینان می گویند. این یک مرحله دشوار است که در آن بسیاری از تکنیک های آماری پیشرفته برای رسیدن به فاصله اطمینان استفاده می شود. این بسیار مهم است زیرا تمام تصمیمات بعدی بر اساس داده های ارائه شده در این فاصله اطمینان گرفته می شود.
رویکرد داده از دست دادن ممکن است بسیار پیچیده و در نتیجه بسیار دقیق به نظر برسد. بیشتر اوقات دقیق است. با این حال، مبتنی بر این رویکرد است که آینده مانند گذشته خواهد بود. این به این دلیل است که در طول فرآیند به داده های تجربی متکی است. همانطور که قبلاً می دانیم، ممکن است بارها اینطور نباشد. این دلیلی است که سازمانها نباید کورکورانه از رویکرد توزیع ضرر پیروی کنند. در عوض، این رویکرد باید در ارتباط با سایر داده‌های مربوط به محیط عملیاتی استفاده شود.
بدون نظر