Риск

Риск — в широком управленческом смысле это влияние неопределённости на достижение целей. Данное определение, закреплённое в международных стандартах (в частности, ISO 31000), подчёркивает, что риск имеет нейтральную природу: отклонение от ожидаемого результата может нести как отрицательные (угрозы, убытки), так и положительные (возможности, сверхприбыль) последствия.

В рамках теории принятия решений (ТПР) риск имеет более строгое определение.

• В статистической теории решений А. Вальда (впервые — статья 1939 года, систематически — книга 1950 года) риск — это математическое ожидание функции потерь, возникающих вследствие применения конкретного решающего правила, а минимизация максимального (минимаксный критерий) или ожидаемого (байесовский критерий) риска выступает критерием оптимальности.
• В более широкой нормативной теории выбора под риском понимается ситуация, при которой лицо, принимающее решение (ЛПР), выбирает между лотереями с заданными вероятностями, а центральный критерий — ожидаемая полезность, а не «ожидаемый убыток».
• Следует различать два значения «нейтральности»:
  • в управленческом определении ISO 31000 риск нейтрален в том смысле, что отклонение от цели может быть как отрицательным, так и положительным;
  • в формализме Вальда риск определён через функцию потерь и ориентирован на негативную шкалу.
• ТПР рассматривает риск как характеристику ситуации выбора, при которой возможные исходы доступных альтернатив и объективные (или субъективные) вероятности их наступления известны ЛПР.

Поскольку в разных контекстах — от страхования до когнитивной психологии — слово «риск» используется с разным содержанием, аналитически полезно различать четыре уровня понятия:

• структурный — ситуация выбора с известными вероятностями исходов (в отличие от определённости и неопределённости);
• аксиоматический — лотерея как формальный объект предпочтений ЛПР (аксиомы фон Неймана — Моргенштерна);
• метрический — количественные меры разброса результатов (дисперсия, VaR, среднеквадратическое отклонение);
• поведенческий — субъективное восприятие и когнитивные искажения при оценке вероятностей и последствий.

Полисемичность термина проявляется и на междисциплинарном уровне:

• в экономике риск понимается прежде всего как неопределённость относительно потерь (А. Уиллетт, 1901);
• в страховании — как измеримая неопределённость в смысле Найта или возможность события, причиняющего ущерб;
• в финансах — как дисперсия (волатильность) доходности в классической портфельной теории (Марковиц, 1952);
• в теории принятия решений — как математическое ожидание функции потерь (Вальд, 1939);
• в управлении проектами (PMBOK — свод знаний по управлению проектами, PMI) — как неопределённое событие или условие, способное оказать положительное или отрицательное влияние на цели проекта;
• в кибербезопасности — как функция вероятности (likelihood) и негативного воздействия (adverse impact); угрозы и уязвимости при этом являются факторами оценки вероятности, а не частью самого определения риска (NIST — Национальный институт стандартов и технологий США).

Осознание этих различий предотвращает перенос определений из одной области в другую без необходимой адаптации.

Риск и неопределённость (парадигма Ф. Найта)

В теории принятия решений фундаментальным является строгое разделение условий выбора в зависимости от степени информированности ЛПР. Базовое разграничение риска и неопределённости восходит к работе Фрэнка Найта «Риск, неопределённость и прибыль» (1921); в современной ТПР оно расширено до четырёх типов:

• Условия определённости (детерминированность) — результат каждого действия известен со стопроцентной вероятностью. Задача ЛПР сводится к простой оптимизации (найти максимум или минимум).
• Условия риска («измеримая неопределённость») — точный исход неизвестен, но известно распределение вероятностей. Вероятности могут быть оценены объективно (по статистике) или субъективно (на основе опыта и экспертных суждений). Примером служит бросание кубика: вероятность грани «шесть» — 1/6. В таких условиях применяются вероятностные критерии выбора (например, критерий Байеса — минимизация ожидаемых потерь или максимизация ожидаемой полезности с учётом вероятностей исходов).
• Условия истинной неопределённости («неизмеримая неопределённость») — множество возможных состояний среды задано, но вероятности их наступления невозможно объективно оценить из-за уникальности ситуации или отсутствия исторических данных. Примером служит реакция мировых рынков на принципиально новую технологию. Для принятия решений в этих условиях применяются минимаксные и родственные им критерии (Критерий Вальда, Критерий Сэвиджа, Критерий Гурвица).
• Условия конфликта — исход зависит не от безразличной «природы», а от действий другого рационального субъекта, преследующего собственные цели. Анализ таких ситуаций составляет предмет теории игр.

Однако найтовская граница между риском и неопределённостью не является бесспорной. В 1954 году Л. Сэвидж показал, что если агент удовлетворяет аксиомам рациональности, он ведёт себя так, как если бы у него были субъективные вероятности — даже в отсутствие объективной статистики. Тем самым байесовский подход Сэвиджа стирает границу между риском и неопределённостью: любую неопределённость можно свести к риску, если ЛПР способно сформировать субъективные оценки вероятностей.

В современной литературе дополнительно выделяют неоднозначность (ambiguity) как самостоятельную категорию: ситуацию, в которой ЛПР знает набор возможных исходов, но не имеет оснований принять единственное вероятностное распределение. Неоднозначность занимает промежуточное положение между риском (одно известное распределение) и полной неопределённостью (вероятности вообще не поддаются оценке) и требует специальных моделей выбора — таких как модели неприятия неоднозначности Гилбоа — Шмайдлер.

Виды риска в формальной теории

В математической теории принятия решений, восходящей к работам А. Вальда, выделяют несколько формальных видов риска. Центральным понятием является функция потерь L(u, λ), где u — принятое решение, а λ — ненаблюдаемое состояние среды. Решение u принимается на основе наблюдаемых данных x с помощью решающего правила φ(x):

• Функция риска (risk function) r(φ, λ) — математическое ожидание потерь при фиксированном состоянии ненаблюдаемых параметров λ и выбранной стратегии принятия решений φ. Это стандартное определение риска в статистической теории решений Вальда. Именно функцию риска минимизирует минимаксный критерий Вальда (при наихудшем λ).
• Байесовский риск (Bayes risk) R(φ) — математическое ожидание функции риска по априорному распределению параметров λ. Минимизация байесовского риска соответствует байесовскому критерию.
• Априорный риск — оценка ожидаемых потерь от решения при отсутствии данных наблюдения. Отражает потери, связанные с выбором до получения какой-либо информации о текущем состоянии среды.
• Апостериорный риск (posterior expected loss) R(u, x) — условное математическое ожидание функции потерь при принятом решении с учётом полученных данных x. Обновляет априорную оценку в байесовском духе.

По источнику вероятностных оценок риск также подразделяется на:

• Объективный риск — вероятности получены из статистики, частотных наблюдений или физических моделей. Характерен для страхования, надёжности технических систем, контроля качества.
• Субъективный риск — вероятности задаются ЛПР или экспертами на основе суждений и опыта, а не статистической базы.

Математическая формализация

С точки зрения количественного анализа, в базовом виде риск определяется как функция двух переменных:

• вероятность события — насколько вероятно, что оно произойдёт;
• последствия события — каков будет его эффект в случае реализации.

В инженерно-технической и управленческой практике (матрицы рисков, стандарты ISO) риск часто упрощённо выражается как произведение: R = P × I, где P — вероятность, I — величина последствий. Эту формулу не следует отождествлять с формализмом Вальда, где риск — математическое ожидание функции потерь по всему распределению исходов.

Более строгим инженерным представлением является модель триплетов (Каплан и Гаррик): R = {(sᵢ, pᵢ, xᵢ)} для i = 1, 2, ..., N, где sᵢ — сценарий (описание возможного события), pᵢ — вероятность сценария, xᵢ — его последствия, а N — число рассматриваемых сценариев. В этом представлении риск — не одно число, а множество троек, которое может быть визуализировано в реестре рисков или матрице рисков.

В современной литературе (Т. Авен) предложено разделение концепта риска и его описания. Концепт риска определяется как R = (A, C, U), где A — событие, которое может произойти, C — его последствия, U — связанные с ними неопределённости. Описание риска включает оценённые последствия C', меру неопределённости Q (например, вероятности) и фоновое знание K, на котором основаны эти оценки. Такое разделение явно фиксирует зависимость вероятностных оценок от состояния знания и делает риск контекстно-зависимой величиной.

Если все последствия выражены в одних единицах, неопределённость относительно исхода может быть описана плотностью распределения вероятностей (PDF) p(x). Это один из способов формализации риска — наряду с моделью триплетов Каплана — Гаррика, где риск задаётся набором сценариев, а не единственной функцией. Хвост распределения характеризуется показателем VaR (квантиль потерь) или кривой превышения (complementary CDF), которая показывает вероятность превышения заданного уровня ущерба.

Для дискретных событий (аварии, отказы, катастрофы) риск часто измеряется как частота исходов — ожидаемое число событий определённого типа за единицу времени. Различают индивидуальный риск (частота определённого ущерба для одного человека, сопоставимая со смертностью), групповой (социетальный) риск (зависимость между частотой и числом пострадавших) и частоты имущественного или экологического ущерба.

В ТПР ситуация риска описывается моделью «Лотерея»: L = (x₁, p₁; x₂, p₂; ... ; xₙ, pₙ), где x — конкретный исход (например, выигрыш или убыток), p — объективная вероятность этого исхода при условии нормировки (сумма всех p = 1).

Ожидаемое значение (математическое ожидание) EV = сумма (pᵢ × xᵢ) по всем i от 1 до n характеризует центр распределения — средний результат решения, а не собственно риск. При сравнении альтернатив EV используется для оценки ожидаемой отдачи.

Мерами риска служат показатели двух типов. Меры разброса (дисперсии) характеризуют вариативность результатов вокруг среднего:

• Дисперсия — мера разброса возможных исходов вокруг ожидаемого значения; чем выше дисперсия, тем выше риск;
• Среднеквадратическое отклонение — показывает волатильность результатов.

Квантильные (хвостовые) меры характеризуют риск экстремальных потерь:

• VaR (Value at Risk) — квантиль распределения потерь: величина, которая не будет превышена с заданной вероятностью (например, «95%-VaR = 1 млн руб.» означает, что с вероятностью 95% потери не превысят 1 млн руб.).

В системном анализе и портфельной теории (например, модели Марковица) именно дисперсия и среднеквадратическое отклонение выступают формальными мерами риска. Чем шире разброс возможных результатов — тем выше риск, даже если все исходы сулят прибыль.

Существенное ограничение дисперсии как меры риска выявил Б. Мандельброт, предложивший различать «мягкий» (mild) и «дикий» (wild) риск. Мягкий риск подчиняется нормальному или близкому к нормальному распределению, действует закон больших чисел, и такой риск относительно предсказуем. Дикий риск следует толстохвостым распределениям (Парето, степенным), при которых дисперсия может быть бесконечной, а при некоторых распределениях с достаточно тяжёлыми хвостами бесконечным оказывается и математическое ожидание, что делает закон больших чисел неприменимым. Даже при конечном среднем сходимость может быть настолько медленной, что методы, основанные на дисперсии и нормальных аппроксимациях, дают ненадёжные результаты. Типичная ошибка в анализе рисков, по Мандельброту, — недооценка «дикости» риска: применение нормального распределения там, где действуют толстые хвосты. Развитием этих идей стала концепция «чёрного лебедя» Н. Талеба — событий, которые крайне маловероятны, несут катастрофические последствия и ретроспективно рационализируются, но не поддаются прогнозированию стандартными вероятностными моделями. В условиях «дикого» риска VaR также может быть неадекватен; альтернативой служит Expected Shortfall (условный VaR, CVaR) — среднее значение потерь в хвосте распределения, превышающих пороговый уровень VaR. VaR не обладает свойством субаддитивности (риск портфеля может превысить сумму рисков его частей, что противоречит логике диверсификации). В отличие от VaR, CVaR является когерентной мерой риска (Артцнер и др., 1999): она удовлетворяет субаддитивности, что делает её математически более корректной для агрегирования рисков. Дополнительным инструментом служит стресс-тестирование.

Риск в теории принятия решений

В процессе принятия решений оценка риска напрямую зависит от субъективных предпочтений ЛПР. Идея о том, что люди принимают решения не на основе абсолютных денежных сумм, а на основе их субъективной ценности (полезности), восходит к Даниилу Бернулли (1738), разрешившему Санкт-Петербургский парадокс через концепцию убывающей предельной полезности. Строгую математическую аксиоматику теории ожидаемой полезности создали Дж. фон Нейман и О. Моргенштерн (1944; аксиоматический аппарат — в приложении ко 2-му изданию, 1947). Согласно этой теории, рациональный субъект выбирает вариант с максимальной ожидаемой полезностью: EU = сумма (pᵢ × U(xᵢ)), где U(x) — функция полезности богатства или дохода.

Именно форма функции полезности определяет поведение ЛПР в условиях риска. Выделяют три типа поведенческих профилей:

1. Неприятие риска (Risk aversion): ЛПР предпочтёт гарантированный результат лотерее с таким же математическим ожиданием выигрыша. Функция полезности вогнута (например, логарифмическая). Это объясняется убывающей предельной полезностью богатства: каждый дополнительный рубль добавляет меньше полезности, чем предыдущий. Такой субъект готов заплатить премию за риск, чтобы избежать неопределённости — на этом принципе построен весь страховой бизнес. Большинство людей относятся к этому типу; для организаций картина сложнее — в корпоративных финансах диверсифицированные акционеры ведут себя риск-нейтрально лишь по отношению к несистематическому (специфическому) риску конкретной компании, устранимому диверсификацией портфеля, но остаются чувствительными к систематическому (рыночному) риску (следствие модели CAPM — модели оценки капитальных активов).
2. Нейтральность к риску (Risk neutrality): ЛПР руководствуется исключительно максимизацией математического ожидания выигрыша (правило EMV — Expected Monetary Value), будучи безразличным к разбросу исходов. Функция полезности линейна.
3. Склонность к риску (Risk seeking): ЛПР предпочтёт риск и шанс на сверхвыигрыш гарантированному среднему результату. Функция полезности выпукла. Этим объясняется, в частности, покупка лотерейных билетов, где математическое ожидание изначально отрицательно.

Премия за риск — это разница между ожидаемым выигрышем в рискованной лотерее и той гарантированной суммой (достоверным эквивалентом, certainty equivalent), которую ЛПР готово принять вместо участия в лотерее.

Для количественного измерения степени неприятия риска Дж. Пратт (1964) предложил коэффициент абсолютного неприятия риска: A(w) = −U″(w) / U′(w), где w — текущий уровень богатства (капитала) ЛПР, а U″ и U′ — вторая и первая производные функции полезности. К. Эрроу (1971) независимо развил ту же меру; в литературе она известна как мера Эрроу — Пратта. Чем выше значение A(w), тем сильнее ЛПР избегает риска при данном уровне богатства. Аппроксимация Пратта связывает эту меру с премией за риск: при малых рисках π ≈ ½ · σ² · A(w), где σ² — дисперсия лотереи. Аналогичный коэффициент относительного неприятия риска R(w) = w · A(w) нормирует меру на уровень богатства и позволяет сравнивать поведение агентов с разным достатком.

На практике при выборе в условиях риска применяются различные критерии и правила:

• Максимизация ожидаемой полезности — базовый нормативный критерий теории фон Неймана — Моргенштерна.
• Правило математического ожидания — выбирается альтернатива с наибольшим ожидаемым результатом (подходит риск-нейтральным агентам).
• Критерий «среднее — дисперсия» (Марковиц) — учитывает одновременно ожидаемый результат и разброс исходов; альтернатива тем лучше, чем выше её среднее и чем ниже дисперсия.
• Критерий Ходжеса — Лемана — компромисс между байесовским критерием (максимизация ожидаемой полезности) и минимаксным критерием Вальда (гарантированный результат при наихудшем сценарии); позволяет гибко настраивать степень доверия к имеющимся вероятностным оценкам.
• Правило модального значения — учитываются только исходы с максимальной вероятностью; применяется при единичном (неповторяющемся) выборе.
• Минимизация риска — минимизация математического ожидания функции потерь, главный критерий оптимальности в классической ТПР по Вальду.

В ситуациях, где нет объективных статистических данных, ЛПР вынуждено использовать субъективные оценки вероятностей, которые формируются на основе опыта, суждений и экспертной информации. Субъективные вероятности используются аналогично объективным, но требуют тщательной верификации и согласования.

Сожаление как мера потерь от незнания (матрица сожалений)

В разделе ТПР, посвящённом «играм с природой» в условиях неопределённости (когда объективные вероятности неизвестны), критерий Сэвиджа вводит специфическую трактовку потерь через понятие сожаления (regret). Сожаление математически определяется как разница между максимально возможным выигрышем (который ЛПР получило бы, обладая полным знанием о будущем) и тем выигрышем, который оно получит при выборе конкретной альтернативы.

ЛПР в таком случае стремится выбрать решение, минимизирующее максимальное возможное сожаление (минимаксный критерий по сожалениям). Хотя формально этот критерий относится к условиям неопределённости, а не риска, лежащая за ним идея — фокус на относительных потерях (упущенных возможностях) вместо абсолютных — часто ближе к реальному восприятию последствий в управленческой практике.

Следует отметить хронологию: минимаксный критерий по сожалениям Сэвидж предложил в 1951 году — для ситуаций, где формирование вероятностей невозможно. Позднее, в 1954 году (The Foundations of Statistics), он разработал байесовский подход на основе субъективных вероятностей, позволяющий избежать минимаксных правил, если агент способен сформулировать собственные оценки вероятностей. Таким образом, два вклада Сэвиджа не противоречат друг другу, а дополняют: первый — для строгой неопределённости, второй — для её преодоления.

Парадоксы и ограничения нормативной теории

Классическая теория ожидаемой полезности является нормативной — она описывает, как ЛПР следует выбирать для достижения оптимального результата. Однако ряд экспериментально установленных аномалий ставит под сомнение её дескриптивную применимость.

Парадокс Алле (1953). Морис Алле показал, что большинство людей систематически нарушают аксиому независимости теории ожидаемой полезности, предпочитая надёжный исход рискованному, даже когда рискованный вариант сулит большее ожидаемое значение. Этот результат — эффект определённости (certainty effect) — демонстрирует, что гарантированные исходы получают непропорционально высокий вес в реальных решениях.

Парадокс Эллсберга (1961). Даниэль Эллсберг продемонстрировал, что люди предпочитают лотерею с известной вероятностью лотерее с неизвестной вероятностью, даже когда ожидаемые выигрыши одинаковы. Это неприятие неоднозначности (ambiguity aversion) нарушает принцип субъективной ожидаемой полезности Сэвиджа и показывает, что люди воспринимают риск и неопределённость принципиально по-разному.

Оба парадокса послужили основой для разработки альтернативных дескриптивных теорий — в частности, теории перспектив Канемана — Тверски (1979), теории ранговзвешенной полезности (Куиггин, 1982) и моделей неприятия неоднозначности (Гилбоа — Шмайдлер), которые лучше описывают реальное поведение людей в условиях риска.

Поведенческий аспект (теория перспектив)

Теория перспектив (разработанная Д. Канеманом и А. Тверски в 1979 году; за этот вклад Канеман в 2002 году стал лауреатом премии по экономике памяти А. Нобеля; Тверски не был удостоен награды, так как скончался в 1996 году, а премия не присуждается посмертно) дополнила ТПР дескриптивной моделью — описанием того, как люди выбирают на самом деле. Исследования показали, что реальное отношение людей к риску когнитивно искажено:

• Зависимость от точки отсчёта и эффект отражения (Reflection effect): отношение к риску определяется положением относительно точки отсчёта. В зоне прибыли люди склонны избегать риска (предпочитают «синицу в руках»). Но в зоне убытков люди становятся склонными к риску — они готовы рисковать ещё сильнее в надежде «отыграться», поскольку фиксировать убыток психологически болезненно. Отдельно от этого действует эффект фрейминга (рамки): выбор меняется в зависимости от того, какими словами подана информация (например, «шанс выжить 90 %» и «риск умереть 10 %» — одна и та же ситуация, но воспринимается по-разному).
• Неприятие потерь (Loss aversion): боль от потери субъективно сильнее, чем радость от приобретения той же суммы. В калибровке кумулятивной теории перспектив (Tversky & Kahneman, 1992) коэффициент λ ≈ 2,25; однако современные мета-анализы (2020-е годы, более 600 оценок) дают более умеренные значения — в среднем λ ≈ 1,5–2,0, что указывает на продолжающуюся дискуссию о точной величине этого эффекта. Люди оценивают не финальное богатство, а отклонение от точки отсчёта, воспринимая результат как выигрыш или проигрыш.
• Нелинейное искажение вероятностей: при описании рисков (decision from description) люди систематически переоценивают малые вероятности (что объясняет страх авиакатастроф и покупку лотерейных билетов) и недооценивают средние и высокие. Однако при решениях на основе опыта (decision from experience) или при когнитивной перегрузке наблюдается обратный эффект — пренебрежение редкими событиями.

Помимо систематических искажений, описанных теорией перспектив, на восприятие риска влияют конкретные когнитивные эвристики:

• Эвристика доступности — вероятность события оценивается по лёгкости, с которой примеры приходят на ум. Редкие, но драматичные причины гибели (авиакатастрофы, теракты) переоцениваются, а обыденные (сердечно-сосудистые заболевания) — недооцениваются.
• Аффективная эвристика — оценка риска происходит через эмоциональную реакцию («ощущение опасности»), а не через расчёт вероятностей и последствий.
• Эффект сверхуверенности — люди систематически переоценивают собственное понимание мира и недооценивают роль случая; этому подвержены даже эксперты.

В условиях ограниченной рациональности (bounded rationality) ЛПР неспособно интуитивно оценить очень малые вероятности, из-за чего экстремальные события фактически дисконтируются — игнорируются при принятии решений.

Параллельно теории перспектив П. Словик развил психометрическую парадигму: восприятие риска субъективно и определяется такими факторами, как неконтролируемость, катастрофический потенциал и тяжесть последствий. Словик показал, что интуитивные эмоциональные реакции — преобладающий способ, которым люди оценивают риск, и что чисто статистический подход к катастрофам не передаёт их реального значения.

Таким образом, нормативная модель задаёт рамку рационального выбора, а дескриптивные исследования — от теории перспектив до психометрической парадигмы — помогают осознавать когнитивные искажения и корректировать интуитивные оценки формальным анализом.

Классификация рисков

В практике управления рисками и системном моделировании риски классифицируют по ряду системных признаков:

• По характеру последствий (ключевое для риск-менеджмента и финансов):
  • чистые риски — допускают только вероятность негативного исхода или «нулевой» результат;
  • спекулятивные риски — допускают вероятность как получения убытка, так и получения выгоды.

• По происхождению:
  • внутренние — генерируются подсистемами самой организации (сбои процессов, человеческий фактор);
  • внешние — вызваны надсистемой (макроэкономикой, политикой, законами природы).

• По степени управляемости:
  • управляемые;
  • частично управляемые;
  • неуправляемые (например, форс-мажор, требующий не предотвращения, а адаптации системы).

Формы проявления

Риск может проявляться в различных подсистемах:

• Экономический риск (волатильность рынков, кассовые разрывы, банкротство);
• Технический риск (отказ оборудования, аварии, алгоритмические сбои);
• Социальный риск (забастовки, утрата репутации, социальные волнения);
• Экологический риск (техногенные катастрофы, стихийные бедствия);
• Правовой риск (изменение законодательства, судебные иски, штрафы).

Методы анализа и оценки риска

Для анализа риска и выбора альтернатив применяется комплексный арсенал методов:

• Инструментарий ТПР: деревья решений (для многошаговых задач), платёжные матрицы.
• Количественные методы: имитационное моделирование (Метод Монте-Карло), анализ чувствительности, расчёт показателя VaR (Value at Risk), анализ дерева отказов (FTA), анализ дерева событий (ETA).
• Качественные методы: Экспертные оценки (включая метод Дельфи), сценарный анализ, матрицы вероятности и последствий.

Управление рисками

Управление рисками (Risk Management) — системный циклический процесс, направленный на удержание рисков в рамках допустимого уровня (риск-аппетит — уровень риска, который организация готова принять для достижения целей; толерантность к риску — допустимое отклонение от конкретной цели) и максимизацию возможностей. Согласно ISO 31000, базовый цикл включает:

1. Определение области применения, контекста и критериев (Scope, Context, Criteria) — установление внешних и внутренних условий, в которых осуществляется управление рисками, и формулирование критериев приемлемости.
2. Оценка риска (Risk Assessment) — зонтичный этап, включающий три последовательных шага: идентификация рисков (обнаружение и описание, составление реестра), анализ рисков (понимание природы и определение уровня), сравнительная оценка рисков (сопоставление уровня с критериями приемлемости).
3. Обработка риска (Risk Treatment) — выбор и реализация стратегий реагирования.
4. Мониторинг и пересмотр — контроль изменений рискового профиля.

Сквозными процессами, сопровождающими весь цикл, являются коммуникация и консультирование и документирование и отчётность.

Основные стратегии реагирования на угрозы (негативные риски):

• Избегание (Avoidance) — отказ от альтернативы, проекта или процесса, генерирующего риск.
• Снижение / Митигация (Mitigation) — введение мер контроля для уменьшения вероятности наступления события или тяжести его последствий.
• Передача (Transfer) — перенос финансовых последствий на третью сторону (страхование, аутсорсинг, хеджирование).
• Принятие (Acceptance) — осознанное согласие с риском и формирование резервов на случай его реализации.
• Эскалация (Escalate) — передача ответственности за управление риском на более высокий управленческий уровень, если угроза выходит за рамки полномочий руководителя проекта (PMBOK, начиная с 6-го издания).

Поскольку ISO 31000 определяет риск как нейтральное понятие, включающее и возможности, для положительных рисков (opportunities) применяются симметричные стратегии:

• Эксплуатация (Exploit) — действия, направленные на гарантированное наступление благоприятного события.
• Усиление (Enhance) — увеличение вероятности или положительного эффекта возможности.
• Разделение (Share) — привлечение третьей стороны для совместного извлечения выгоды (партнёрство, совместное предприятие).
• Принятие (Accept) — готовность воспользоваться возможностью, если она наступит, без активных мер по её приближению.
• Эскалация (Escalate) — передача возможности на более высокий управленческий уровень для принятия решения о её реализации.

Ссылки

• COSO Enterprise Risk Management — Integrating with Strategy and Performance
• ISO 31000:2018 Risk management — Guidelines
• ГОСТ Р ИСО 31000-2019 Менеджмент риска — Принципы и руководство (российская адаптация ISO 31000)

Литература

• Bernoulli D. Specimen Theoriae Novae de Mensura Sortis // Commentarii Academiae Scientiarum Imperialis Petropolitanae. — 1738. — Vol. 5. — P. 175–192. (Англ. перевод: Exposition of a New Theory on the Measurement of Risk // Econometrica. — 1954. — Vol. 22, No. 1. — P. 23–36.)
• Willett A. H. The Economic Theory of Risk and Insurance. — New York: Columbia University Press, 1901.
• Knight F. H. Risk, Uncertainty and Profit. — Boston: Houghton Mifflin, 1921.
• von Neumann J., Morgenstern O. Theory of Games and Economic Behavior. — Princeton: Princeton University Press, 1944 (2nd ed. with axiomatization of expected utility, 1947).
• Wald A. Contributions to the Theory of Statistical Estimation and Testing Hypotheses // Annals of Mathematical Statistics. — 1939. — Vol. 10, No. 4. — P. 299–326.
• Wald A. Statistical Decision Functions. — New York: Wiley, 1950.
• Markowitz H. Portfolio Selection // The Journal of Finance. — 1952. — Vol. 7, No. 1. — P. 77–91.
• Allais M. Le comportement de l'homme rationnel devant le risque: critique des postulats et axiomes de l'école américaine // Econometrica. — 1953. — Vol. 21, No. 4. — P. 503–546.
• Savage L. J. The Foundations of Statistics. — New York: Wiley, 1954.
• Ellsberg D. Risk, Ambiguity, and the Savage Axioms // The Quarterly Journal of Economics. — 1961. — Vol. 75, No. 4. — P. 643–669.
• Pratt J. W. Risk Aversion in the Small and in the Large // Econometrica. — 1964. — Vol. 32, No. 1–2. — P. 122–136.
• Arrow K. J. Essays in the Theory of Risk-Bearing. — Chicago: Markham, 1971.
• Kahneman D., Tversky A. Prospect Theory: An Analysis of Decision under Risk // Econometrica. — 1979. — Vol. 47, No. 2. — P. 263–292.
• Kaplan S., Garrick B. J. On the Quantitative Definition of Risk // Risk Analysis. — 1981. — Vol. 1, No. 1. — P. 11–27.
• Gilboa I., Schmeidler D. Maxmin Expected Utility with Non-Unique Prior // Journal of Mathematical Economics. — 1989. — Vol. 18, No. 2. — P. 141–153.
• Tversky A., Kahneman D. Advances in Prospect Theory: Cumulative Representation of Uncertainty // Journal of Risk and Uncertainty. — 1992. — Vol. 5, No. 4. — P. 297–323.
• Mandelbrot B., Hudson R. L. The (Mis)Behaviour of Markets: A Fractal View of Risk, Ruin and Reward. — London: Profile Books, 2004.
• Aven T. Quantitative Risk Assessment: The Scientific Platform. — Cambridge: Cambridge University Press, 2011.