Построение плана управления рисками субъекта предпринимательской деятельности в малом бизнесе

Введение
Моделирование рисковых ситуаций уже много лет широко применяется в глобальных отраслях промышленности, в которых расчетный риск является неотъемлемой частью бизнеса-планирования в сфере финансовых услуг. В последнее время организации в государственном и частном секторах начали применять широкий спектр моделей рисков и имитационных моделей для решения стратегических, оперативных, комплексных, геополитических и других задач. Более широкая доступность данных и сложные аналитические возможности делают моделирование более практичным; в то же время возрастает необходимость справляться со все более рискованной средой, повышая незаменимость моделирования.  
Модель риска - это математическое представление системы, обычно включающее распределения вероятностей.
Модели используют соответствующие архивные данные корпорации, а также “экспертную информацию” от людей, сведущих в данной теме, чтобы понять вероятность возникновения рискового события и его потенциальную серьезность.
Сбор правильных данных является одной из двух самых больших проблем моделирования рисков; вторая заключается в качестве менеджмента по управлению моделями риска.
Существует множество инструментов, которые могут быть использованы для управления рисками, но большинство предпринимателей создают свой собственный бизнес-план методов контроля рисков, реализующихся для управления каждого этапа при формировании бизнеса.
1.Моделирование рисков
Для представления моделирования рисков нам следует разобраться с основными вопросами. Что дает основание для использования моделирования рисков? Рост объема данных и внедрение инструментов динамической визуализации данных стимулировали повышенный интерес к использованию аналитики для устранения и минимизации рисков. Однако анализ данных имеет свои ограничения, и один из них заключается в том, что используемые архивные данные по своей сути являются рекуррентными [1]. 
Итак, вы видите, как система вела себя в прошлом, и вы можете искать корреляции, которые могут дать вам некоторое указание на причинно-следственную связь. Но если вы хотите, чтобы результат стал предсказуемым, вы не можете экстраполировать эти результаты в будущее, предполагая, что система будет вести себя так же, как и в прошлом. Обстоятельства и переменные всегда меняются, и прошлое не может предсказывать будущее с абсолютной вероятностью. Поэтому моделирование входит как дополнение к анализу данных и другим статистическим методам и в том числе как мощный инструмент принятия решений в своем собственном виде.
Как организации используют модели рисков? Модели риска применимы при оценке многих видов риска. Возможно, нужно понять риск для достижения широких стратегических целей или ответить на очень конкретные вопросы. Или же понять угрозы для своей цепочки процессов, или оценить геополитические риски выхода на формирующийся рынок или, как, например, хакер может спланировать атаку на систему [4]. 
После разработки моделей рисков могут использоваться для оценки не только поведения системы в обычных условиях эксплуатации, но и в рамках гипотетических сценариев “а что, если”. 
Это помогает организациям определить свой уровень толерантности к риску и оценить, как построить устойчивость в системах, чтобы быть в состоянии противостоять различным воздействиям. Это распространенное заблуждение, что модели риска по своей сути очень дороги и требуют многих месяцев или даже лет для разработки. Есть много новых доступных инструментов и техник, которые помогают в создании даже довольно сложных моделей относительно быстро: в течение периода времени, измеряемого в неделях до нескольких месяцев [1]. 
Как моделирование рисков вписывается в стратегию управления корпоративными рисками организации?  Управление имеет важное значение для контроля и надзора за качеством допущений, используемых в различных моделях, а также для вмешательства, если конкурирующие модели имеют расходящиеся результаты и поэтому вызывают путаницу. Любая компания, использующая модели риска, должна понимать, как эти модели вписываются в общую картину того, как она собирает и использует информацию о рисках для принятия решений [4].  
Роль симуляции в моделировании 
Модель можно использовать для представления системы, такой как бизнес-процесс или производственный процесс, или даже баланс. Моделирование - это упражнение по изучению того, как эта модель ведет себя при определенных условиях или предположениях. Результаты такого моделирования могут быть использованы для помощи в принятии решений или для получения информации о базовой системе или процессе, чтобы сделать их более эффективными, стабильными, устойчивыми и безопасными—независимо от желаемого качества.
 В свою очередь, сама модель может быть скорректирована и усовершенствована на основе результатов моделирования или по мере изменения исходных условий или допущений. В области управления рисками имитационное моделирование может использоваться для измерения рисков, руководства решениями и разумными действиями в свете этих рисков, принятия мер по снижению рисков и мониторинга рисков с течением времени. В совокупности моделирование и имитационное моделирование помогают снизить сложность и облегчить неудобство принятия ключевых бизнес-решений или инвестиций двумя способами. Во-первых, акт создания модели по своей сути предполагает удаление посторонней информации таким образом, что остаются только существенные элементы, тем самым сводя многомерную проблему к более управляемой форме. 
Во-вторых, использование моделирования, чтобы увидеть, как базовая система ведет себя при определенных условиях или сценариях, помогает избежать неожиданностей, предоставляя определенную степень комфорта при принятии решений. Моделирование также предоставляет определенную меру контроля для управления результатами этих решений, поскольку вы можете вносить соответствующие корректировки в систему или процесс [3]. 
Однако для чего не следует использовать модели и симуляции, так это для замены деловой хватки и здравого смысла. Моделирование и имитация по своей природе смотрят в первую очередь на «известные неизвестные» и представляют результаты с точки зрения вероятности наступления исхода—всегда есть некоторая неопределенность. Одним из последствий различных кризисов, будь то финансовые, геополитические или стихийные бедствия, которые мы наблюдаем, что некоторые широко распространенные предположения просто больше не актуальны [4]. 
Моделирование может быть очень мощным инструментом для проверки предположений, реалистичных или надуманных, чтобы увидеть влияние на модель и, в свою очередь, понять, как предположения влияют на решения о том, как вы управляете своим бизнесом. Все большая опора на модели, проблемы регулирования и дефицит талантов подталкивает банки к созданию модели организации управления рисками, которая является одновременно более эффективной и ориентированной на ценности [1]. 
2.Современные тенденции моделирования рисков
Среди распространенных типов моделей можно выделить те, которые предназначены для выполнения нормативных требований, таких как капитальное обеспечение и стресс-тестирование. Но важно отметить, что многие из новых моделей предназначены для удовлетворения потребностей бизнеса, включая ценообразование, стратегическое планирование и управление ликвидностью активов. Большие данные и расширенная аналитика открывают новые области для более сложных моделей таких, как управление отношениями с клиентами или борьба с коррупцией и мошенничеством. Анализ рисков помогает развивать понимание, знания и уверенность в принятии решений и управление рисками.
Анализ рисков поможет сделать более точное прогнозирование

. Еще одна полезная возможность заключается в том, что с помощью хеджирования можно уменьшить общую подверженность риску [1].
Кроме того, используя анализ рисков, можно лучше воспринимать влияние рисков и их взаимодействие, прогнозирование и планирование на случай непредвиденных обстоятельств [3]. 
Подходов к анализу рисков 
Анализ сценариев: это процесс анализа возможных будущих событий рассмотрение альтернативных возможных результатов (сценариев).
Анализ разработан для более эффективного принятия решений, позволяя рассмотрение результатов и их последствий. 
Анализ чувствительности: метод, используемый для определения того, насколько разные значения независимой переменной будут влиять на конкретную зависимую переменную при заданном наборе предположений. Анализ чувствительности - это способ предсказать исход решения, если ситуация окажется иной по сравнению с ключевым прогнозом. 
Моделирование Монте-Карло: метод решения проблем, используемый для аппроксимации вероятности определенных результатов при запуске нескольких пробных прогонов, называется моделирование с использованием случайных величин