Identyfikacja i pomiar ryzyka pierwszy krok w zarządzaniu ryzykiem.

Transkrypt

1 Identyfikacja i pomiar ryzyka pierwszy krok w zarządzaniu ryzykiem. Andrzej Podszywałow Własność przemysłowa w innowacyjnej gospodarce. Zarządzanie ryzykiem, strategia zarządzania własnością intelektualną oraz umowy licencyjne problemy i praktyka. Kraków, 3-4 września 2009 r. Uniwersytet Jagielloński, Collegium Novum

2 Podstawowe pojęcia i założenia Niepewnośd Poziom wiedzy o systemie Ograniczanie przez pozyskiwanie wiedzy Zmiennośd Cecha systemu Ograniczanie przez zmianę systemu Model rzeczywistości Deterministyczny Newton, maszyna Laplace a planowanie ograniczane jedynie przez brak informacji. Niedeterministyczny teoria nieoznaczoności, losowośd zjawisk wymusza modelowanie stochastyczne.

3 Ryzyko Zdarzenie losowe, które może zaistnieć i jeśli zaistnieje to spowoduje istotny negatywny wpływ na realizację celów. Definicja zawiera założenia: o istnieniu realnego scenariusza zdarzeń, o możliwym do oszacowania prawdopodobieństwie realizacji scenariusza, o możliwych do oszacowania: sile i kierunku oddziaływania skutków zdarzenia na realizację, celów (wartość lub rozkład wartości). Definicja według Davida Vose Risk analysis a guantitative guide, Wiley&Sons, 2008

4 Dlaczego identyfikacja i pomiar ryzyka są istotne? Rzeczywistość jest złożona i wielowątkowa z systemami o dużej zmienności zjawisk i zdarzeń. Istnieje konieczność podejmowania decyzji w warunkach niepewności. W proces zarządzania wpisana jest potrzeba pomiaru. Ocena w układzie: zdarzenie prawdopodobieństwo wpływ, jest bardziej pożądana niż jednowartościowa ocena punktowa. Każdy projekt w naszej firmie musi przejść właściwą i holistyczną analizę ryzyka, w wyniku której zostanie oszacowany poziom niepewności, prawdopodobieństwo niepowodzenia oraz predefiniowane działania, umożliwiające ograniczenie ryzyka do poziomu określanego jako akceptowalny.

5 Ryzyko wczesnego etapu komercjalizacji praw w obszarze IP Braki informacyjne w każdym obszarze: technologia, produkt, rynek, aspekty prawne Niska jakośd prognoz i scenariuszy Niepewnośd Zmiennośd Zmiennośd kluczowych założeo: technicznych, rynkowych, prawnych i finansowych Zmiennośd prognozowanych efektów komercjalizacji Duże nakłady finansowe, w kontekście krótkiego okresu przewagi konkurencyjnej i potrzeby rozwoju unikalnej dźwigni operacyjnej Wielkośd nakładów Potencjalna strata Istotne prawdopodobieostwo wystąpienia scenariuszy skutkujących dużymi stratami kapitału

6 Metody identyfikacji ryzyka Lista pytao opracowanie pytao dla różnych obszarów działalności, ocena ryzyka na podstawie odpowiedzi ekspertów dziedzinowych, Analiza ekspercka dobór ekspertów wewnętrznych i zewnętrznych, indywidualne listy ryzyka opracowanie zintegrowane sesja wspólna Analiza założeo i dokumentacji transakcji określenie warunków środowiskowych i wewnętrznych, Konfrontacja założeo z opisem ryzyka, weryfikacja i potwierdzenie założeo. Analiza porównawcza dokładny opis cech analizowanego działania, opis działao realizowanych w przeszłości, o podobnej charakterystyce - postaudyt,

7 Pomiar ryzyka w kategoriach quasi ilościowych Tablice P-I Rejestr ryzyka Pomiar ryzyka Działania Kategoryzacja według Davida Vose Risk analysis a guantitative guide, Wiley&Sons, 2008

8 Co dalej, jeśli zidentyfikujemy i zmierzymy ryzyko? Zwiększyć ekspozycję na ryzyko. Nic nie robić. Zgromadzić więcej informacji. Zwiększyć rezerwy. Zredukować. Zdywersyfikować / podzielić. Transferuj. Wyeliminować. Odrzucić transakcję lub projekt. Zależnie od sposobu sformułowania problemu decyzyjnego: zasobów, czasu, zidentyfikowanych opcji.

9 Dobór metody pomiaru ryzyka? Sformułowanie problemu decyzyjnego, pytania, założenia, jednostka miary. Dostępne dane i metody analityczne, umiejętności analityków i menedżerów. Budżet i data pomiaru Szczegółowa metoda pomiaru

10 Techniki wykorzystywane w procesie ilościowego pomiaru ryzyka Discriminant Function Analysis Decision Trees Bayesian Analysis Factor Analysis Neural Nets Monte Carlo Simulation Pomiar prawdopodobieostwa przynależności określonych ryzyk do danej klasy zdarzeo. Graficzny obraz procesu decyzyjnego. Pomiar kluczowych zdarzeo - warunkowych prawdopodobieostw i efektów. Weryfikacja rozkładu gęstości prawdopodobieostwa zmiennej losowej z wykorzystaniem nowej informacji. Identyfikacja kluczowych czynników ryzyka, analiza zmienności w wielowymiarowej przestrzeni danych. Pomiar ryzyka z wykorzystaniem sieci neuronowych emulujących działanie ludzkiego mózgu. Analiza symulacyjna modelu stochastycznego w celu ustalenia miar wrażliwości, zagrożenia i zmienności.

11 MODEL stochastyczny Analiza symulacyjna model ze zmiennymi losowymi WEJŚCIE Rozkłady zmiennych losowych i wartości zmiennych deterministycznych ANALIZA Struktura, funkcje, powiązania, schemat przetwarzania WYJŚCIE Rozkłady zmiennych obserwowanych i wyniki analizy wrażliwości

12 Komunikacja wyników pomiaru ryzyka Miary wrażliwości - wartości krytyczne, margines bezpieczeństwa, kluczowe czynniki ryzyka - tornado chart. Miary zagrożenia - wartość ryzykowana (VaR), prawdopodobieństwo kluczowych zdarzeń, ujemne odchylenie od wartości oczekiwanej (semiwariancja, semiodchylenie standardowe). Miary zmienności zmienność kryterium decyzyjnego na podstawie analizy rozkładu statystycznego zmiennych obserwowanych (wariancja, odchylenie standardowe, współczynnik zmienności, spread). zmienność prognozowanych strumieni pieniężnych w czasie

13 Przykład: wycena prawa licencyjnego Produkt znany na rynku, ceny i popyt stabilny, długi okres użyteczności. Wynik analizy eksperckiej 1. Z 40% prawdopodobieństwem powstanie nowa fabryka o ogromnej zdolności produkcyjnej, co w 2011 r. lub w 2012 r. przyniesie jednorazowy spadek cen głównych surowców w przedziale od 7,5% do 10% z wartością najbardziej prawdopodobną 8,75%. 2. Jako rezultat tego zdarzenia ceny produktu gotowego spadną o 3% do 4% w kolejnym roku. 3. Z 60% prawdopodobieństwem, ten sam inwestor w okresie kolejnych dwóch lat od uruchomienia produkcji surowców rozpocznie wytwarzanie produktu gotowego, co zaowocuje istotnym spadkiem cen produktu gotowego w przedziale od 10% do 12%.

14 rok Drzewo zdarzeń Produkcja surowców P3%-4% 60% P10%-12% Produkcja wyrobu gotowego C8,75% 100% 40% P0% P10%-12% 40% 60% 40% C8,75% 100% P3%-4% 60% P0%, C0% 60% 40% P0%, C0% P0%

15 Implementacja zdarzenia w modelu finansowym. =JEŻELI(risk11;VoseUniform(3%;4%);0) =JEŻELI(risk11;VoseRiskEvent(60%;VoseUniformObject(10%;12%));JEŻELI(risk12;VoseUniform(3%;4%);0)) =JEŻELI(risk11;0;JEŻELI(risk12;VoseRiskEvent(60%;VoseUniformObject(10%;12%));0)) =VoseRiskEvent(40%;VosePERTObject(7,5%;8,75%;10%)) =JEŻELI(risk11;0;VoseRiskEvent(40%;VosePERTObject(7,5%;8,75%;10%))) Zastosowane narzędzia: Microsoft Excell, Model Risk firmy Vose Software, Crystal Ball firmy Oracle

16 Podejście rynkowe Kluczowe założenie: Rozkład opłat licencyjnych w relacji do sprzedaży netto =VosePERT(3%; 5,11%; 5,75%) Obraz z programu Model Risk firmy Vose Software

17 Wynik metoda porównawcza Obraz z programu Crystal Ball firmy Oracle

18 Podejście dochodowe

19 Wynik metoda alokacji zysku Obraz z programu Crystal Ball firmy Oracle

20 Pomiar zmienności prognozowanych strumieni pieniężnych Metoda 1 V 1 * n 1 i n 1 x i x 2 Gdzie: FCF i 1 xi ln FCFi Metoda 2 V = odchylenie standardowe X, uzyskane w procesie symulacji wielkości w liczniku, przy ustalonej wartości mianownika (mean). X ln n i 1 n i 0 FCFi i (1 d) FCF (1 d) i i 1 Uwaga! - stosuje się założenie o rozkładzie logarytmiczno normalnym, wylicza odchylenie standardowe w procesie symulacji a następnie współczynnik zmienności.

21 Zmienność implikowanego poziomu opłat licencyjnych Zmienność strumienia opłat licencyjnych wynosi 21,07%

22 Dziękuję za uwagę.