A kockázat bármilyen tervezett vagy spontán kísérleti helyzetben megjelenik, amennyiben a kimenetel nem jósolható meg teljes bizonyossággal. Ezekben a helyzetekben a lehetséges kimenetelek valószínűségi leírására hagyatkozunk. Ez a leírás egy valószínűségi eloszlást ad, amely pozitív valószínűséget rendel több kimenetelhez.

A kockázat, mint a kísérleti helyzet jellemzője, ebben a valószínűségi eloszlásban fejeződik ki. Az eloszlás, melyet adott esetben csak részlegesen ismerünk, a kockázat maga, bármely ebből származtatott mértéke a kockázat teljes karakterét csak közelítőleg ragadja meg. Természetes módon, a kockázat mértékekkel történő jellemzése hasznos és szükséges ahhoz, hogy egyrészt megértsük a kockázatot, másrészt alternatív kísérletekkel összevessük azt.

A kockázat bármilyen tervezett vagy spontán kísérleti helyzetben megjelenik, amennyiben a kimenetel nem jósolható meg teljes bizonyossággal. Ezekben a helyzetekben a lehetséges kimenetelek valószínűségi leírására hagyatkozunk. Ez a leírás egy valószínűségi eloszlást ad, amely pozitív valószínűséget rendel több kimenetelhez.

A kockázat, mint a kísérleti helyzet jellemzője, ebben a valószínűségi eloszlásban fejeződik ki. Az eloszlás, melyet adott esetben csak részlegesen ismerünk, a kockázat maga, bármely ebből származtatott mértéke a kockázat teljes karakterét csak közelítőleg ragadja meg. Természetes módon, a kockázat mértékekkel történő jellemzése hasznos és szükséges ahhoz, hogy egyrészt megértsük a kockázatot, másrészt alternatív kísérletekkel összevessük azt.

A Kockázatkezelés (KK), mint az alkalmazott statisztika egy ága, valójában a kockázat elemzésének egy módját dolgozza ki. A KK gyakorlata abból áll, hogy egy kísérletet vagy jelenséget valószínűségi modellel ragadunk meg, majd olyan kockázati mértéket kell választanunk, amely a kockázatelemző számára a legmegfelelőbb. A KK továbbá a kockázat csökkentésének módjaival is foglalkozik. Ez a két terület a kockázatmérés, vagyis a kockázat mértékének statisztikai becslése, valamint a kockázatkezelés. A kockázatkezelés harmadik aspektusa a kockázat episztemológiai vizsgálata. Az emberek reakciója bizonytalan helyzetekben azon múlik, hogy a kockázatot hogyan észlelik és mint értelmezik. A kockázatészleléshez közvetlenül kapcsolódó fogalom a kockázat kommunikálása, ez pedig szorosan összefügg valószínűség és valószínűségszámítás jelentésével.

A kockázatkezelés viszonylag új fogalom, mely nagyrészt a pénzügyi szektorban használatos, azonban mind a gyarkolata, mind a terület által használt módszerek régebb óta ismeretesek. Tudjuk, hogy az első formális valószínűségi számításokat a 17. században végezte Pascal és Fermat az Antoine Gombaud által megfogalmazott szerencsejátékkal kapcsolatos problémákra. Az egyik ilyen probléma a nyereményalap igazságos elosztása volt kockadobásnál. (Itt a kockázatmérésén felül a kockázat kezelését is érinteni kellett.)

A valószínűségszámítás csak akkor vált a matematika különálló ágaként elfogadottá, amikor Kolmogorov axiomatizálta a Grundbegriffe der Wahrscheinlichkeitrechnung (A valószínűségszámítás alapjai) című művében. A mű következményeként a valószínűség gazdag fogalmát egy szigorú matematikai definíció váltotta fel. A valószínűség jelentése ebben a műben nincs határozottan kifejtve. Olyan keretet kínál, melynek segítségével komplex események valószínűségét valószínűségi eloszlásokkal fejezhetjük ki. Az egyik jobban ismert tétel, a nagy számok törvénye, a valószínűség frekventista értelmezését ragadja meg. Eszerint egy ismétlődő esemény valószínűsége, adott speciális rögzített kísérleti körülmények között, az esemény bekövetkezésének relatív gyakorisága.

Kolmogorov keretelméletében, amelyet klasszikus modellnek nevezünk, a valószínűségi modelleket bizonyos általános sűrűség-, vagy eloszlásfüggvények paraméterezésével fejezzük ki. A modell paramétereinek becslésére léteznek statisztikai módszerek, amikor a kísérleti jelenség kimeneteleiről vizsgált empirikus adataink vannak.

Ugyan Kolmogorov klasszikus modellje a kockázatelemzés legmeghatározóbb eszköze, használata gyakran korlátokba ütközik a valószínűség szűk fogalma miatt. Például egyedüli eseményekhez rendelt valószínűség nem értelmezhető. A valószínűségnek négy értelmezését különböztethetjük meg: a logikai (Keynes, Carnap), szubjektív (de Finnetti), frekventista (von Mises), valamint a Popper-féle hajlandósági (propensity) interpretáció. A valószínűségszámítás gyakorlati alkalmazásában a frekventista és a szubjektív értelmezés dominál. A szakértői rendszerek és a mesterséges intelligencia fokozatos megjelenésével a bizonytalanság leírásának más értelmezései is előtérbe kerültek.

A matematika más területei, a döntéselmélet, hasznosságelmélet és játékelmélet egy sor további eszközt ad a kockázatkezeléshez. Ahogy már említettük, a KK fogalma a pénzügyi szektorban történő alkalmazása miatt vált széles körben elfogadottá. A pénzügyi kockázatkezelés újszerűsége abban áll, hogy elveti a kockázatnak az átlagos kimenetelen alapuló jellemzését, amelyet a legtöbb elfogadott kockázatelemzés tartalmaz. Legismertebb fogalma a kockáztatott érték (VaR = value-at-risk), a kockázatmérés eszköze. Ez kiegészítette a kockázatról szóló tudásunkat, és meghozta az összes bizonytalansági modell és eszköz KK paradigmává való egyesülését. (Ld. Irodalom )


A KK potenciális alkalmazási területei

1. Pénzügy

2. Biztosítás

3. Orvosi döntéshozás

4. Gyógyszerészeti kockázat

5. Befektetési kockázat

6. Környezeti és ökológiai kockázatmérés és kockázatkezelés

7. Nukleáris biztonság és garanciák

8. Ipari megbízhatósági tanulmányok

9. Software tesztelés

10. Fogadási kockázatok

11. Kockázatkommunikáció

12. Kísérleti gazdaságtan

13. Aukció elmélet és gyakorlat

14. Kockázatkezelés a vállalati managementben

15. Piaci csőd tanulmányozása

16. Extrém időjárási és ökológiai katasztrófák (árvízek, földrengések stb.)


Tervezett témakörök

Valószínűség törvényei, egy és többváltozós modellek, függetlenség, feltételes valószínűség, sztochasztikus folyamatok, statisztika

A valószínűség jelentése és értelmezései

Parametrikus és nonparametrikus statisztikai eljárások

A kis számok törvénye, szélsőérték elmélet

Szimuláció, véletlenszám-generálás

Döntéselméletl

Tőkepiaci árfolyamok modellje (CAPM)

Arbitrázs árfolyamok elmélete (APT)

Portfólió optimalizálás (Markowitz)

State price model

Risk neutral pricing

Derivative securities

Stochastic Differential Equations – Black-Scholes formula

Hedging

Credit derivatives (CDS, CDO)

Kockázatmérési elmélet

Piaci, hitel és működési kockázatkezelési eszközök

FIGYELMÉBE AJÁNLJUK

Vissza a lap tetejére