Практическая работа по теме: метод Монте-Карло в менеджменте рисков
В международном стандарте IEC 31010:2019 "Risk management - Risk assessment techniques" или нашем аналоге ГОСТ Р МЭК 31010-2021 «НАЦИОНАЛЬНЫЙ СТАНДАРТ РОССИЙСКОЙ ФЕДЕРАЦИИ. Надежность в технике. МЕТОДЫ ОЦЕНКИ РИСКА», или в ГОСТ Р 58771-2019 «Менеджмент риска. Технологии оценки риска» предложен в приложении Б5 – «Технологии понимания последствий, вероятности и риска» метод моделирования Монте-Карло. Расчеты анализа риска требуют использования определенных ограничений и предположений, и связаны с распределениями изучаемых величин, которые оценить бывает не реалистично по ряду многих причин. В этих условиях такие методы, как моделирование методом Монте-Карло, обеспечивают способ проведения расчетов и формирования результатов. На первом этапе важно заинтересовать потенциальных пользователей в использовании такого метода, предлагая им простые, но трудоемкие задачи, постепенно усложняя условия. Данный пример (практическая работа) хорошо зарекомендовала себя для аудитории, которая впервые слышит о таком методе при обсуждении демонстрации риск-ориентированного мышления в ISO 9001, ISO 14001, ISO 45001 или применения ISO 31000. Моделирование обычно включает в себя выбор случайных значений из каждого входного распределения, выполнение вычислений для получения значений результата, а затем повторение процесса моделирования для получения итогового распределения возможных исходов модели. Результат может быть задан как распределение вероятности значения или некоторой статистики, такой как среднее значение. Моделирование методом Монте-Карло может быть осуществлено с использованием электронных таблиц. Сильные стороны анализа Монте-Карло включают: - метод может учитывать любое распределение во входной переменной, включая эмпирические данные, полученные из наблюдений; - модели относительно просты в разработке и могут быть расширены по мере необходимости; Ограничения включают: - точность решений зависит от количества имитаций, которые могут быть выполнены (это ограничение становится менее важным с увеличением скорости компьютеров); - использование метода зависит от возможности представления неопределенностей в формате, пригодном для достоверного распределения.
