Analiza rizika Monte Carlo metodom

Održali smo kratki intervju s Joškom Meter, dipl. ing., Voditelj studija Ekonomije poduzetništva, na temu "Analiza rizika Monte Carlo metodom" , o kojoj će održati i predavanje na:

13. KONTROLING KONFERENCIJA: Data Science, 25.05.2022. 

1. Kakva je po Vama važnost upravljanja rizicima u poslovnoj praksi?

Svako poslovno okruženje i razdoblje nosi sa sobom i brojne izvore rizika, različite po vrsti i snazi utjecaja na poslovanje poduzeća. Već sama odluka da ćete se baviti nekim poslom podrazumijeva da ste spremni nositi se s njima, jer ih nije moguće sve izbjeći. Uostalom, znamo da su nagrade obično proporcionalne razini rizika poduhvata. Za poduzeće je važno da izbjegava one rizike koji nisu nužni, odnosno da se ne izlaže više nego što je u mogućnosti podnijeti. U našoj kratkoj povijesti slobodnog tržišta sada već imamo i dovoljno domaćih slučajeva koji pokazuju da ignoriranje ili umanjivanje rizika može dovesti do propasti poduzeća. Oni ostaju kao podsjetnik i poticaj novim menadžerima, ali i vlasnicima, da upravljanju rizicima posvećuju dužnu pažnju.

2. Kako biste ocijenili, prema osobnom iskustvu, razinu izvrsnosti u upravljanju rizicima u hrvatskim poduzećima?

Nisu mi raspoloživi neki izravni i vjerodostojni izvori koji bi omogućili takvu procjenu. Međutim prateći objavljene domaće stručne i znanstvene radove iz tog područja, može se donekle steći slika stanja. Radovi s tom tematikom nisu brojni, neki su fokusirani na konkretne, obično jednokratne probleme, a neki su pak previše općeniti i u njima nedostaje uvid u metodologiju i alate koji bi bili od praktične koristi poduzećima. Za pretpostaviti je da organizacije kojima je upravljanje rizicima sastavni dio osnovnog posla, poput banaka i osiguravajućih kuća, to i rade na zadovoljavajućoj razini. Također se može pretpostaviti da će dobro vođena poduzeća povećavati svoj kapacitet za upravljanje rizicima. Na to jasno upućuju globalni trendovi i tržišni poremećaji koji su nedavno nastali i još se događaju, povećavajući opću razinu nesigurnosti.

3. Koje je temeljne preduvjete potrebno ispuniti da bi se moglo kvalitetno upravljati rizicima?

Možda je najvažnije u organizacijsku kulturu poduzeća ugraditi svijest o rizicima. Poželjno je da su sve razine i organizacijske jedinice sposobne prepoznati rizike iz svog djelokruga, ali i da nastoje steći sveobuhvatnu sliku koja se odnosi na poduzeće kao cjelinu. Dalje, za poduzeće je važno njegovati kompetencije za analizu rizika, agregiranje raznih rizika i procjenu njihova učinka. Upravljanje rizicima treba biti dobro integrirano u proces donošenja odluka. Također, sustav izvještavanja treba biti dizajniran tako da omogućava i prepoznavanje rizika i praćenje, odnosno evaluaciju odluka poduzeća vezanih za pojedine izvore rizika.      

4. Što je Monte Carlo simulacija i kako može biti praktično korisno njeno korištenje?

Monte Carlo simulacija je metoda koja nam omogućava da predvidimo vjerojatnosti nastupanja raznih mogućih brojčanih ishoda (npr. dobiti, ili stope prinosa). Primjenjuje se ako na taj brojčani ishod utječe jedna ili više ulaznih veličina koje smatramo slučajnim varijablama. Slučajne varijable su one koje nisu podložne našoj odluci nego ovise i o nekim, često brojnim, vanjskim utjecajima. Tipični primjeri su potražnja, cijena sirovine za neko buduće razdoblje, količina kiše koja će pasti na neke usjeve i sl.  U statičkim izračunima tu slučajnu varijablu predstavlja jedan broj, obično onaj za koji smatramo da je najvjerojatniji. U Monte Carlo modelima, svaka slučajna ulazna varijabla modelira se kao vjerojatnosna razdioba na temelju onoga što znamo ili procjenjujemo o toj veličini. Vjerojatnosne razdiobe se najčešće predstavljaju grafikonima. U samoj simulaciji, za svaku slučajnu varijablu generira se veliki broj pojedinačnih vrijednosti (npr. 10.000), pazeći da slijede pretpostavljenu vjerojatnosnu razdiobu. U svakoj od tih 10.000 ponavljanja izračuna se, prema klasičnom izračunskom modelu, vrijednost promatrane, izlazne varijable (npr. dobiti) koristeći generirane vrijednosti slučajnih ulaznih varijabli. Kako u njenom izračunu sudjeluju slučajne varijable, i ona sama je slučajna varijabla i ima svoju vjerojatnosnu razdiobu. Ta razdioba je konačan rezultat Monte Carlo simulacije, a omogućava nam uvid u sve moguće ishode s pripadajućim vjerojatnostima, a samim time i uvid u rizičnost projekta. Primjerice, uvid može glasiti ovako: Dobit će najvjerojatnije biti oko 2.000.000 kn, a vjerojatnost da će biti manja od 500.000 kn je 18%, dok je vjerojatnost da bude negativna manja od 4%.

5. Koliko je jednostavno i kvalitetno provesti Monte Carlo simulaciju u Excelu?

U Excelu je moguće generirati vrijednosti slučajnih varijabli za neke teoretske vjerojatnosne razdiobe. Koristi se Excelov generator slučajnih brojeva i ugrađene funkcije iz grupe statističkih funkcija. Primjena zahtijeva dobro snalaženje i u Excelu i u vjerojatnosnim razdiobama. Ograničena je na jednostavnije modele, s manjim brojem slučajnih varijabli koje nisu međusobno povezane (korelirane). Excel je, međutim, odlično sučelje za specijalizirani softver za Monte Carlo simulaciju pa se tako uglavnom i koristi. Često taj softver dolazi u vidu Excel dodataka (Addin-a), pa su komande integrirane u Excelovu traku s alatima. Cjenovno dostupni alati imaju neka ograničenja, i zahtijvaju više spretnosti i znanja korisnika. Skuplji, profesionalni alati imaju korisničko sučelje koje značajno olakšava snalaženje i provedbu analize rizika simulacijom.

Ukoliko želite više saznati o Analizi rizika Monte Carlo metodom, pridružite nam se na: 13. KONTROLING KONFERENCIJA: Data Science, 25.05.2022.