Этапы статистического исследования и риски Текст научной статьи по специальности «Экономика и бизнес»

УДК 330.131.7

ЭТАПЫ СТАТИСТИЧЕСКОГО ИССЛЕДОВАНИЯ

И РИСКИ

Л. С. СОСНЕНКО,

доктор экономических наук, профессор кафедры бухгалтерского учета и финансов E-mail: [email protected] Челябинская государственная агроинженерная академия

Б. А. МАТВЕЕВ,

кандидат технических наук, доцент кафедры экономики и управления проектами E-mail: [email protected] Южно-Уральский государственный университет (национальный исследовательский университет)

В статье рассмотрены этапы полного статистического исследования. На стадии анализа данных предлагается оценивать риски, связанные с результатами исследования и возможными вариантами управленческого решения, принимаемого на основе этого исследования.

Ключевые слова: этап, статистическое исследование, риск, спектральный показатель.

Введение

Статистическое исследование лежит в основе большинства научных работ, проводимых в экономике, сельском хозяйстве, медицине, социологии и т. д. Обзор научной литературы показал, что среди ученых-статистиков нет единого мнения - сколько и какие этапы следует включить в статистическое исследование. В большинстве случаев авторы ограничиваются рассмотрением трех-четырех «чисто статистических» этапов, таких как:

- статистическое наблюдение;

- сводка и группировка данных;

- анализ полученных результатов.

Однако такое исследование нельзя считать полным. Например, при отсутствии цели исследования, а также этапа принятия управленческого решения, по мнению тех же авторов, теряется целевая установка и востребованность самой статистической работы.

Этапы статистического исследования

Статистическое исследование должно проводиться в определенной логической последовательности. Как правило, целью прикладного исследования является получение информации, на основе которой принимается управленческое решение. Из-за отсутствия полной информации подобные решения обычно принимаются в условиях неопределенности и риска.

В качестве «нулевого» этапа статистического исследования можно рассматривать заключение договора с заказчиком, основными элементами которого должны стать время, отведенное на исследования, и стоимость работ.

На первом этапе - формулирования исследуемой проблемы - выявляются проблемы, по которым предстоит выполнить исследование. Обычно исходную проблему формулирует инициатор исследования (заказчик). Он заявляет то, что ему не нравится. Исследователь должен расширить исходную проблему до проблематики, т. е. определить рабочие проблемы, существенно связанные с исходной, без которых она не может быть решена.

На втором этапе - формулирования целей и задач исследования - рабочие проблемы приводятся к виду, когда они становятся задачами выбора методов

исследования. Заказчик и исследователь должны одинаково понимать цели и задачи предстоящей работы. Говоря о цели, формулируется то, что необходимо получить, и указывается направление, в котором следует «уходить» от неустраивающей ситуации. Формулирование цели отвечает на вопрос: для чего проводится исследование.

Так как цель имеет элемент неопределенности, то возникает расхождение между полученным и ожидаемым результатом. Это расхождение есть мера риска - риска, связанного с получением желаемого результата. Исследователь, начиная свою работу, должен знать, как относится к риску лицо, принимающее решение (ЛПР). Отношение к риску ЛПР и преследуемые им цели находятся в прямой зависимости. Узнать об отношении к риску ЛПР можно с помощью вопросов, начинающихся со слов «а что если», и приводя гипотетические результаты исследования. Необходимо, чтобы заказчик и исследователь достигли взаимопонимания по поводу целей исследования. Все возможные риски и их последствия должны быть совместно проанализированы еще до начала исследования.

Формулируя задачи, исследователь показывает, каким образом он намерен достичь поставленной цели. Содержание и число задач должно быть достаточным, чтобы охватить проблему исследования и чтобы в результате получить научно обоснованный ответ на поставленные вопросы. Перечень решаемых задач является по существу «техническим заданием» для исследователя.

На третьем этапе - разработки проекта исследования - составляется план исследования. Он используется как руководство по сбору и анализу нужной информации. Выбор проекта зависит от того, что уже известно о проблеме.

Все проекты статистического исследования можно разделить на три вида [8]. Когда решаемая проблема является неопределенной, то используется поисковое исследование. Основное внимание здесь уделяется генерации идей и поиску информации, помогающей понять проблему. Если проблема сформулирована однозначно, то проводится описательное или казуальное исследование. Описательный проект осуществляется для получения характеристик отдельных групп, оценки параметров генеральной совокупности, разработки прогнозов. В казуальном проекте основное внимание уделяется изучению причинно-следственных связей.

В проекте определяются необходимая информация, источники вторичных и методы сбора первичных данных, разъясняется, как полученные результаты помогут принять необходимые решения. Также желательно указать ориентировочную стоимость исследования.

На четвертом - теоретическом этапе исследования - выбирается вероятностно-статистическая модель изучаемого процесса. С ее помощью свойства и закономерности, выявленные на основе анализа выборочных данных, в последующем будут перенесены на другие выборки или на всю генеральную совокупность. Для этого формулируются гипотезы связи выборочных характеристик с характеристиками более широкой совокупности. На данном этапе выбирают методы и критерии эффективности исследования, а также экономические показатели, подлежащие анализу. От критерия требуется как можно больше сходства с целью, чтобы оптимизация по критерию соответствовала максимальному приближению к ней. Критерий помогает определить, достигнута цель или нет.

На пятом - экспериментальном этапе - формулируются цель и задачи экспериментального исследования. Разрабатывается программа и проводится планирование эксперимента. Устанавливаются объект выборки, процедура ее создания и размер. Осуществляется сбор статистических данных. Проводится обработка результатов наблюдения.

На шестом этапе - проведения анализа статистической информации - собранные данные анализируются. Результаты эксперимента сопоставляются с теорией. Изучаются расхождения. Уточняется теоретическая модель. В случае необходимости проводится дополнительный эксперимент. Исследователь должен истолковать полученные результаты, сделать выводы и обсудить их с заказчиком. Заказчик и исследователь работают в тесном контакте и должны поровну разделить ответственность как за процесс исследования, так и за принятые на его основе решения.

В бизнесе важное место занимает забота о сохранении устойчивости компании. Его интересует прогноз поведения исследуемого процесса и риски, связанные с ожидаемым результатом.

Теоретические положения экономического анализа развития хозяйствующих субъектов содержат концепцию устойчивого развития, которая определяется динамикой изменения результата и потребляемых ресурсов [1]. Ресурсоориентирован-

ный экономический анализ развития организации использует концепцию риск-менеджмента, согласно которой организация системно анализирует риски каждого вида деятельности в целях максимальной эффективности каждого шага и соответственно всей деятельности в целом. В частности, должны быть оценены риски потери финансовой устойчивости, упущенной выгоды, снижения доходности, прямых финансовых потерь. По мнению авторов, ведущую роль здесь играет риск банкротства вследствие снижения эффективности использования ресурсов.

Поэтому на этапе анализа важно оценить возможные отклонения фактического результата от прогнозируемого значения. Величина риска служит оценкой точности прогноза [7]. Для его измерения авторы рекомендуют спектральный показатель [3, 4, 6], который позволяет априори оценить неопределенность будущего результата и его возможное отклонение от планируемого значения. Применение спектрального показателя не требует знания закона распределения результата. Он может быть также полезен при ограниченном объеме статистических данных.

В конце анализа для всех возможных вариантов управленческого решения требуется определить ожидаемый экономический эффект.

На седьмом этапе исследования - составления итогового отчета - следует представить полученные результаты в том виде, в каком они будут наиболее полезны и удобны для принятия решения. Успех исследования во многом определяется его отчетом. В отчете излагаются задачи и план исследования, описываются процедуры сбора данных и методы их анализа, а также приводятся результаты и выводы.

На восьмом этапе исследования - принятия управленческого решения - на основе полученных результатов с учетом ожидаемого экономического эффекта и сопутствующих рисков ответственное лицо принимает управленческое решение.

Принятие управленческого решения лишь условно можно считать этапом статистического исследования. Ведь решение принимает заказчик. Оправданием может служить то, что ЛПР - участник процесса исследования и вся проделанная статистическая работа является основой, информационным обеспечением принятия решения.

Хотя этапы 1-3 и 7-8 не являются статистическими в «чистом виде», они должны быть включены в процесс статистического исследования. Без них исследование не выглядит полным и законченным.

Предложенная процедура статистического исследования допускает возможность включения или исключения отдельных элементов процесса исследования. В реальной жизни может быть также нарушен предлагаемый порядок следования этапов.

Риски и их оценка

Существует большая группа рисков, для оценки которых используются статистические данные. Сюда относится значительная часть экономических рисков: финансовых, страховых, сельскохозяйственных и др. Их можно разделить на две группы:

1) стохастические риски;

2) риски статистической неопределенности. Среди задач, решение которых связано с оценкой риска в процессе статистического исследования, можно назвать следующие:

- оценка прогнозного значения результата;

- оценка максимального отклонения экономической величины от ожидаемого значения;

- оценка превышения или непревышения экономической величиной порогового уровня;

- оценка количества превышений экономической величиной заданного уровня;

- оценка нахождения экономической величины в заданных пределах;

- оценка выхода экономической величины за определенные пределы и др. Необходимость измерения риска в ходе статистического исследования возникает:

1) при сравнительной оценке качества экономических моделей;

2) при оценке прогноза экономической величины по экономической модели;

3) при обосновании тарифной ставки в страховании;

4) при принятии управленческого решения и т. д. Стохастические, или вероятностные, риски

появляются в условиях вероятностной неопределенности, которая обусловлена случайными факторами. К ним можно отнести величину потребительского спроса, курсы валют и ценных бумаг, размер страховых выплат, климатические условия и др. Эти факторы становятся предсказуемыми в среднем, хотя и остаются непредсказуемыми в каждом конкретном случае.

Когда статистических данных для оценки объективной вероятности недостаточно, то исследователь имеет дело со статистической неоп-

ределенностью. Риски, соответствующие этому случаю, логично назвать рисками статистической неопределенности.

Выявление природы неопределенности важно при изучении риска и разработке адекватной модели выбора экономического решения.

Наиболее распространенными способами оценки рисков, возникающих в процессе статистического исследования, являются метод экспертных оценок и статистический метод. Суть статистического метода состоит в обработке массива данных, изменчивость которых связана с теми или иными рисковыми событиями. Величина риска в этом случае обычно оценивается с помощью одного из статистических показателей: вероятности, дисперсии и т. д.

Статистические методы измерения риска имеют существенные ограничения по применению. Так, использование вероятности требует большого объема статистической информации. Дисперсия не нуждается в значительном объеме данных, однако с ее помощью невозможно оценить, например, максимальное отклонение экономической величины (ЭВ) от ожидаемого значения. Она практически не чувствительна к текущим изменениям ЭВ, т. е. не учитывает характер (динамику) ее поведения. Риск, измеряемый дисперсией, может оказаться одним и тем же как в случае резких колебаний ЭВ (слабая предсказуемость результата), так и при ее плавном изменении (достаточно хорошая предсказуемость) [3, 5]. Дисперсия дает завышенную оценку риска [5]. Другие статистические измерители, такие как среднеквадратическое отклонение и коэффициент вариации, являются производными от дисперсии величинами и поэтому обладают теми же недостатками.

Риск - это возможность отклонения ЭВ или экономического результата от ожидаемого значения. Величина отклонения является случайной величиной и зависит от уровня риска: чем выше риск, тем больше возможное отклонение. В общем случае ЭВ может содержать четыре компоненты: тренд, сезонную, циклическую и случайную составляющие. Отклонения, вызванные первыми тремя причинами, являются систематическими и могут быть учтены в процессе статистического исследования. Учесть отклонения, вызванные случайными факторами, полностью не удается. Поэтому риски, как правило, являются следствием случайной составляющей, но не только. Дело в том, что предполагаемый результат не всегда совпадает с его математическим

ожиданием. Как правило, они отличаются на постоянную величину, которая зависит от планируемого результата и носит субъективный характер. Поэтому возникает дополнительное расхождение и степень риска возрастает - ведь известно, что среднее отклонение случайной величины от математического ожидания всегда меньше, чем от любой другой, взятой в качестве ожидаемого значения.

Отклонения, наблюдаемые в течение определенного промежутка времени, можно рассматривать как совокупность случайных величин, т. е. случайный процесс. Риск является причиной отклонения, а само отклонение несет сообщение, содержащее информацию о риске. Отклонение фактического результата или наблюдаемой экономической величины от ожидаемого значения под воздействием одного или нескольких рисковых событий называется сигналом риска. В работе [5] показано, что исследование риска может быть сведено к исследованию сигнала риска.

В общем случае при изучении стационарного сигнала риска можно использовать как временной, так и спектральный подход. Во временной области сигнал риска характеризуется корреляционной функцией (координаты «мощность - время»), а в частотной - энергетическим спектром (координаты «плотность средней мощности - частота»). Подход, основанный на спектральном представлении, отличается простотой и поэтому чаще применяется на практике. Например, энергии, соответствующие различным областям частотного спектра сигнала риска, складываются так же, как и вещественные числа, а чем шире энергетический спектр, тем хаотичнее ведут себя сигналы риска и тем выше уровень риска.

Каждому стационарному сигналу риска в частотной области соответствует свой энергетический спектр (рис. 1).

Энергетический спектр характеризует распределение средней мощности сигнала риска между спектральными составляющими, т. е. определяет «структуру» риска. Чем выше мощность отдельных участков энергетического спектра, тем значительнее их вклад в отклонение ЭВ от ожидаемого значения. Низкочастотные составляющие спектра отвечают за медленное, плавное изменение ЭВ. Высокие частоты определяют быстрые, резкие ее колебания. Чем больше высокочастотных гармоник в спектре сигнала риска, тем менее предсказуемо поведение ЭВ и тем выше уровень риска. Заштрихованная область спектра (см. рис. 1, а) принадлежит наиболее мощ-

о

0

ным его составляющим. Площадь под кривой энергетического спектра равна дисперсии сигнала риска.

Учитывая те или иные участки спектра, можно при оценке риска уточнить его значение. Форма энергетического спектра характеризует поведение сигнала риска и ЭВ во времени. Наибольшей непредсказуемостью обладает сигнал риска типа полосовой шум. Он обладает равномерным спектром. Риск, связанный с таким гипотетическим сигналом, будет максимальным. Его уровень принимается за 100 % [3, 4]. Различия в энергетических спектрах полосового шума и сигнала риска служат мерой неопределенности ЭВ.

Сравнивая энергетические спектры у разных рисков (точнее - сигналов риска) с энергетическим спектром полосового шума, получаем возможность при оценке риска учесть характер поведения экономической величины, а также сравнивать риски между собой. Данное обстоятельство

легло в основу спектрального под-

N а -

хода к исследованию и измерению

риска. С точки зрения спектральной теории риска дисперсия является общей средней мощностью всех спектральных составляющих сигнала риска и не учитывает распределение мощности по частотам.

Спектральный показатель риска

Измерение риска, связанного с исследуемой ЭВ, решает две задачи:

1) оценку возможности отклонения ЭВ от ожидаемого значения;

2) оценку ее неопределенности (непредсказуемости).

Каждая из этих оценок может быть получена с помощью некоторого частного показателя. Трудность состоит в том, что частные показатели имеют различную физическую природу и соответственно различную размерность. Поэтому при построении обобщенного показателя риска следует оперировать не с «натуральными» частными показателями, а с их нормированными значениями.

Рис. 1. Экономическая величина, сигнал риска

и его энергетический спектр: - экономическая величина x (/) и сигнал риска «(/); б - энергетический спектр Fs(гa)

Обобщенный (спектральный) показатель риска может быть представлен в виде вектора, компонентами которого являются частные показатели.

Для выбора базы нормирования рассмотрим рис. 2. На нем изображены дискретная экономическая величина ^п] и оценки энергетических спектров центрированного сигнала риска (функция с периодом) (га) и полосового шума ¥п (га). Пусть гипотетическая ЭВ имеет в качестве случайной составляющей сигнал риска типа «полосовой шум». Среднеквадратическое отклонение экономической величины с и сигнала риска с положим равным математическому ожиданию ЭВ, т. е. сх = с = М^]. Полученные таким образом ЭВ и ее сигнал риска будем считать эталонными. Уровень риска, связанный с эталонной ЭВ, примем за 100 %.

Для построения спектрального показателя риска R, компонентами которой являются нормированные безразмерные частные показатели, воспользуемся мультипликативной моделью [3, 4] R (%) = RpRfШ, при 0 < R < 100,

t

х[п]

М[х]

Хз

Х\

Х2

ХЫ

F (о)

Рис. 2. Дискретная экономическая величина и энергетические спектры

сигнала риска и полосового шума: а - дискретная экономическая величина; б - энергетические спектры

где Rp - частный показатель (показатель мощности), который оценивает возможное отклонение ЭВ от ожидаемого значения и показывает, во сколько раз риск, связанный с наблюдаемой ЭВ, выше риска, связанного с эталонной ЭВ;

- частный показатель («показатель формы»), который оценивает неопределенность, непредсказуемость ЭВ. Его величина зависит от формы энергетического спектра сигнала риска, т. е. показатель Щ учитывает характер поведения ЭВ. Спектральный показатель риска принимает максимальное значение 100 %, если одновременно равны единице оба частных показателя, т. е. в случае эталонной ЭВ.

Спектральный показатель равен нулю, когда равен нулю хотя бы один из частных показателей. Так, показатель = 0, если у ЭВ отсутствует вариация. Если энергетический спектр состоит из одной единственной, а значит предсказуемой с точки зрения дальнейшего поведения гармонической составляющей, показатель равен нулю. В этом случае ЭВ также не является случайной.

Таким образом, спектральный показатель риска является одновременно мерой возможного откло-

нения ЭВ от ожидаемого значения (оценивается частным показателем риска Щр) и мерой ее неопределенности (оценивается частным показателем риска Щр. Для расчета спектрального показателя на ЭВМ имеется специальная программа [6].

Повысить надежность и избежать крупных ошибок при построении экономической модели на основе статистических данных позволяет спектральный метод оценки качества модели. Для оценки точности в данном случае рекомендуется спектральный показатель предсказуемости Р, который дополняет показатель риска Щ до 100 % [2], т. е. Р (%) = 100 -

Заключение

В работе предложено включить в процесс статистического исследования ряд этапов, которые позволят придать ему статус законченного научного исследования. Особое внимание следует уделить рискам, связанным с результатами исследования. Для их оценки предлагается спектральный показатель, который учитывает характер поведения исследуемой экономической величины и не требует знания закона ее распределения.

Список литературы

1. Ендовицкий Д. А., Любушин Н. П., Бабичева Н. Э. Ресурсоориентированный экономический анализ: теория, методология, практика // Экономический анализ: теория и практика. 2013. № 38. С. 2-8.

2. Матвеев Б. А. Оценка точности прогнозной модели урожайности с помощью спектрального показателя предсказуемости // Международный технико-экономический журнал. 2011. № 4. С. 74-78.

3. Матвеев Б. А. Спектральный подход к анализу и измерению риска // Проблемы анализа риска. 2012. Т. 9. № 2. С. 68-75.

4. Матвеев Б. А. Спектральная оценка рисков при статистическом исследовании экономических процессов // Экономический анализ: теория и практика. 2013. № 37. С. 12-19.

5. Матвеев Б. А. Теоретические основы исследования статистических рисков: монография. Челябинск: ЮУрГУ, 2008. 48 с.

Г

0

0

6. Матвеев Б. А., Орлов П. О. Программа расчета спектрального показателя риска // Свидетельство о государственной регистрации программы для ЭВМ № 2012660696; зарегистр. в Реестре программ для ЭВМ 28.11.2012.

7. Тихомиров Н. П., Тихомирова Т. М. Риск-анализ в экономике: монография. М.: Экономика, 2010. 318 с.

8. Черчилль Г. А. Маркетинговые исследования: пер. с англ. СПб: Питер, 2002. 752 с.

Analysis methods

STAGES OF STATISTICAL RESEARCH AND RISKS

Liudmila S. SOSNENKO, Boris A. MATVEEV

Abstract

In article stages of full statistical research are considered. At a stage of the analysis of data it is offered to estimate the risks connected with results of research and possible versions of the administrative decision, made on the basis of this research.

Keywords: stage, statistical research, risk, spectral indicator

References

1. Endovitskii D.A., Liubushin N. P., Babicheva N. E. Resursoorientirovannyi ekonomicheskii analiz: teoriia, metodologiia, praktika [Resource-based economic analysis: theory, methodology, practice]. Ekonomicheskii analiz: teoriia i praktika - Economic analysis: theory and practice, 2013, no. 38, pp. 2-8.

2. Matveev B.A. Otsenka tochnosti prognoznoi modeli urozhainosti s pomoshch'iu spektral'nogo pokazatelia predskazuemosti [Assessment of accuracy of crop forecasting model by using the spectral index of predictability]. Mezhdunarodnyi tekhniko-ekonom-icheskii zhurnal - International techno-economic Journal, 2011, no. 4, pp. 74-78.

3. Matveev B.A. Spektral'nyi podkhod k analizu i izmereniiu riska [Spectral approach to the analysis and measurement of the risk]. Problemy analiza riska -Problems of risk analysis, 2012, vol. 9, no. 2, pp. 68-75.

4. Matveev B.A. Spektral'naia otsenka riskov pri statisticheskom issledovanii ekonomicheskikh prot-

sessov [Spectral risk assessment in statistical study of economic processes]. Ekonomicheskii analiz: teoriia i praktika - Economic analysis: theory and practice, 2013, no. 37, pp. 12-19.

5. Matveev B.A. Teoreticheskie osnovy issledova-niia statisticheskikh riskov [The theoretical basis of the research of statistical risks: monograph]. Chelyabinsk, SUSU Publ., 2008, 248 p.

6. Matveev B.A., Orlov P. O. Program for calculating the spectral index of the risk. Certificate of state registration of computer program N° 2012660696, registered in the Registry of the computer programs of November 28, 2012.

7. Tikhomirov N. P., Tikhomirova T. M. Risk-analiz v ekonomike [Risk Analysis in Economics: monograph]. Moscow, Ekonomika Publ., 2010, 318 p.

8. Churchill G.A. Marketingovye issledovaniia [Marketing research]. St. Petersburg, Peter Publ., 2002, 752 p.

Liudmila S. SOSNENKO

Chelyabinsk State Academy of Agroengineering,

Chelyabinsk, Russian Federation

[email protected]

Boris A. MATVEEV

South Ural State University

(National Research University) , Chelyabinsk,

Russian Federation

[email protected]