CC BY
360
Рассмотрена сущность эконометрического анализа и сформирован алгоритм экономико-математического статистического анализа исследуемого экономического процесса формирования банковского капитала отечественной банковской системы в условиях трансформационной экономики Украины. Проанализированы структура банковского капитала и его объемы и тенденции динамики. Проведен эконометрический анализ и на основе официальных статистических данных Национального банка Украины спрогнозированы объемы формирования банковского капитала отечественной банковской системы в условиях трансформационной экономики на ближайшую перспективу.
Ключевые слова: эконометрический анализ, прогнозирование, отечественная экономика, национальная экономика, банковский капитал, банковская система, экономет-рическое моделирование, эконометрические методы прогнозирования, экономическая система, экономические процессы, собственный капитал, уставный капитал, обязательства банков, средства субъектов хозяйствования, средства физических лиц.
Turko R.F. Econometric Analysis and Forecasting for the Banking Capital Formation of the Domestic Banking System under the Conditions of Transformation Economy
The author has considered the nature of econometric analysis and generated the algorithm of economic and mathematical statistical analysis of the investigated economic process of the banking capital formation of the domestic banking system under the conditions of Ukrainian transformation economy. The bank capital structure and its dynamic trends and volumes have been analysed. In addition, the author has conducted the econometric analysis and based on the official statistics of the National Bank of Ukraine has predicted the volume of the banking capital formation of the domestic banking system under the conditions of the transformation economy in the near future.
Keywords: econometric analysis, forecasting, domestic economy, national economy, bank capital, banking system, econometric modelling, econometric forecasting methods, economic system, economic processes, equity capital, share capital, liabilities of banks, funds of economic entities, funds of individuals.
УДК 368.025.6:51-75
МЕТОДИ ОЦ1НЮВАННЯ РИЗИК1В У СТРАХОВ1Й Д1ЯЛЬНОСТ1
О. О. Шевчук1, М.1. Гулик2
Проаналiзовано та систематизовано сучасш методи оцшювання ризику у страхо-вш дшльносй. Розглянуто деяю методи аналiзу невизначеностей як шструментарш се-редньострокового прогнозування та планування дшльност страхових компаний. Виок-ремлено статистичш та аналинчш методи, методи експертних ощнок, що застосову-ються у разi вщсутност чи недостатност статистично! бази, а також деяю специфiчнi методи на перетиш статистичних та експертних. Ефектившсть висновюв та формуван-ня подальшо! стратеги компани безпосередньо залежить вщ правильной вибору методу аналiзу та оцшки ризику i вщ якостi сформовано! статистично! бази.
Ключовi слова: страхування, ризик, аналiз ризику, методи оцшки ризику, статис-тична база.
Метою страхового бiзнесу е захист вщ ризикiв, однак сам вiн дуже чут-ливий до них ^ своею чергою, може створювати ризики для страхувальникiв. Тому недостатньо професiйна дiяльнiсть страховикiв пiдривае довiру до шсти-туту страхування. З огляду на це, потрiбнi новi тдходи до органiзацií системи
1 доц. О. О. Шевчук, канд. екон. наук - Львгвський НН1 ДНВЗ "Ун1верситет банк1всько1 справи";
2 малстр М.1. Гулик - Льв1вський НН1 ДНВЗ "Ушверситет баншвсько! справи"
аналiзу та ощнювання ризикiв у страхових компанях, що грунтуються на засто-сувант економiко-математичного iнструментарiю для прийняття обгрунтова-них управлiнських рiшень.
Окремi до^дження сутностi ризику представлено в працях таких класи-юв, як: А. Смгг, Дж. Миль, А. Шгу, А. Маршал, Й. Шумпетер, Дж.М. Кейнс, Ф.Х. Найт та ш. Протягом тривалого часу змiст цього поняття змiнювався, од-нак завжди залишався об'ектом економiчного аналiзу. Питания застосування ма-тематичних i статистичних методiв для аналiзу ризиюв у страхувант дослщжу-вали вiдомi вичизнян та зарубiжнi вченi: В. Базилевич, О. Козьменко, О. Кузь-менко, Н. Ткаченко, О. Кiнаш, В. Волошин, Г. Фалш, В. Вгглшський, В. Салин, Л. Абламская, Е. Стандстрем. Водночас актуарнi методи ощнювання ризиюв та 'х практичне застосування висвилено у вiтчизиянiй науковiй лiтературi досить фрагментарно та характеризуються недостатньою систематизовашстю пiдходiв.
Мета роботи - дослщження теоретико-методологiчних засад аналiзу ри-зикiв у дiяльностi страхових компанш та систематизация основних сучасних ме-тодiв оцiнювания страхових ризикiв.
Вперше наукове визначення поняття "ризик" сформулював у 1786 р. ш-мецький математик Йоганн Нiколаус Тетенс у пращ "Вступ до розрахунку життево' ренти i право на п отримання". Цим самим вiн започаткував основи нового наукового напрямку - ризикологи, науки про ризик, яка набула практичного застосування у багатьох сферах економжи, зокрема у страхуванш. Великим внеском цього науковця е його дослщження щодо вишрювання величини ризику. Й. Тетенс запропонував узяти мiрою ризику половину величини се-редньоквадратичного вiдхиления, вважаючи його обсягом очiкуваного збитку страховика. Вiдповiдно до цього виникла теза, зпдно з якою iмовiрнiсть е тальки мiрою величини ризику, але не може бути ним самим [1].
П1д ризиком у страховш дiяльностi розумдать усвiдомлену небезпеку виникнення непередбачуваних втрат очiкуваного доходу, прибутку, майна, ка-пiталу у зв'язку з випадковими змiнами умов ведення дiяльностi, несприятливи-ми обставинами. Вимрюють ризик iмовiрнiстю виникнення того чи шшого рiв-ня втрат. Ощнювання ризитв полягае у визначенш кiлькiсним або якiсним способом ступеня ризику. За якiсного ощнювання визначають можливi види ризику та чинники, що впливають на рiвень ризику внаслiдок здiйснения певного виду д1яльноста. Кiлькiсна оцiнка ризику знаходить свое ввдображення у тариф-них ставках, обсязi капiталу, зваженого на ризики. Для оцiиювания ризику в страховш практищ використовують рiзноманiтнi спецiальнi методи, якi пос-тайно розвиваються та вдосконалюються (рис.).
Першим потрiбним кроком в алгоритмi аналiзу та оцiнювання ризику е шдготовка статистично' бази. У сучасних умовах напрацьовано значний шстру-меитарiй для оброблення статистично!' iнформацií з використанням метод1в асо-цiацiй та аналогш, експертиз, методу вiдстежувания факторiв i виникнення проблем тощо. Статистичний метод ощнювання ризику полягае у вивченш статистики втрат (негативних наслда1в реалiзацií ризиюв), яш були в аналопчних видах пiдприемницькоí дiяльностi або з аналопчними об'ектами, оцiнцi показ-ника частоти втрат та перенесення його на прогнозованi данi як iмовiрностi нас-тання певного р1вня втрат [2].
Рис. Класифжащя Memodie оцшки ризитв
Залежно ввд наявних можливостей розрахунково!' бази, а також характеру випадкових явищ визначаються ймовiрностi кiлькох типiв: математична (ап-рюрна); статистична (апостерiорна) та експертна (естиматична).
На сьогоднi популярной набув метод статистичного випробування (метод Монте-Карло), перевагою якого е можливiсть аналiзувати й оцiнювати сце-нарií розвитку дiяльностi страховика, враховуючи рiзнi чинники у рамках одного шдходу. Недолiком цього методу е необхвднкть використання великого ма-сиву ймовiрнiсних характеристик. Варто зазначити, що саме метод Монте-Карло використовуеться на завершальному етапi ощнки ризикiв як складова части-на шших статистичних методав.
Методи, що грунтуються на стандартному вiдхиленнi та моментах вищих порядкiв, е одними з найироспших, з точки зору математичних розрахунюв. Ощнка ризикiв, що Грунтуеться на стандартному вiдхиленнi, мае такий вигляд:
s(X) = JE((X -E(X))2) (1)
i показуе, на скшьки в середньому випадковi результати Х; вiдрiзняються ввд очiкуваного 'х значения.
У цьому випадку ощнка ризику не враховуе, що зазвичай розподiл втрат е дуже асиметричний. Саме тому потрiбно також застосовувати моменти вищих порядив для об'ективно!' i повно!' ощнки ризику. Водночас у багатьох розпода-лах, що описують страхову дiяльнiсть, неможливо визначити моменти вищих порядив, що е основним недолiком цього шдходу [3].
Розрахунок вартосп шд ризиком (Value at Risk, або VaR) е одним iз ти-пових прикладiв таких моделей. VaR - це виражена у грошових одиницях (базо-вiй валютi) ощнка величини, яку не перевищать очжуваш впродовж заданого перiоду часу втрати iз заданою iмовiрнiстю. Тобто, VaR - це число, яке для заданого рiвня значимосп (1 -a) i випадково!' величиниХ(що характеризуе величину втрат) забезпечуе виконання рiвностi
P(VaR >X) = 1 -a. (2)
З математично!' точки зору завдання зводиться до оцiнювания величини ввдповвдного квантиля розподшу випадково!' величини, що характеризуе втрати. Це завдання може вирiшуватися як у явному вигляд^ так i за допомогою методу Монте-Карло [4].
Проте в деяких випадках (шд час формування перестрахових програм, розрахунку величини потрiбного кашталу, актуарнiй оцiнцi обсяпв резервов) важливим е аналiз ризикiв з величиною збитюв понад VaR, розгляд екстремаль-них результатов. У цьому випадку дощльною е оцiнка Tail value at risk, яка враховуе середш втрати, яю виникають поза заданим рiвнем значимостi
Tail VaROX) = E(X ¡X>VaRJ(X). (3)
Метод вiдсоткiв також входить до групи методiв статистичного аналiзу i дае змогу формувати сукупнкть знижок i надбавок до пе!' аналiтичноí бази, яку вже створено, залежно вщ можливих позитивних i негативних вiдхилень iидивi-дуального ризику вщ середнього ризикового типу.
Модел^ засноват на аналiзi настдюв, у сво'й бiльшостi грунтуються на апарап математично!' статистики. Ця група методiв припускае 36ip i дослщжен-ня даних про втрати, зумовленi ризиками упродовж попередшх пеpiодiв, з по-дальшою екстpaполяцiею втрат на нaступнi перюди. Найбшьш поширеними е тaкi модели BIA (Basic Indicator Approach - метод базових показник1в); LDA (Loss Distribution Approach - метод pозподiлу збиттв); IMA (Internal Measurements Approach - метод внутрштх вимipiв) [5].
Модель BIA описуе вимоги стосовно забезпечення достaтностi кашталу для покриття ризишв. I! запропоновано для виpiшення зaдaчi оцiнювaння максимально можливих втрат вiд ризитв за заданого piвня знaчимостi. Недолжом цiеí моделi е те, що отримана оцiнкa ризику залежатиме тшьки вiд обсягу бiзне-су i не залежатиме вiд якостi контрольних процедур, впроваджених для вияв-лення ризикових подай, та ризикогенних фaктоpiв, а також не залежатиме вщ особливостей страхового портфеля.
В основi моделей класу LDA лежить припущення про те, що випадкову величину Х, яка характеризуе pозмip втрат за вибраним видом pизикiв, понесе-них протягом часу t, можна визначити так:
n(t)
x = IL,, (4)
1=1
де: n(t) - випадкова величина, яка характеризуе кiлькiсть втрат даного типу, що стались протягом перюду t; Lt- множина випадкових величин, що характеризу-ють величини окремих втрат.
При цьому робиться припущення, що величини Lt незaлежнi i однаково розподалеш для конкретного типу збитк1в [4]. Пкля визначення функций розподшу випадкових величин n(t) i L будуеться функцiя pозподiлу випадково!' вели-чини X (як правило, методом Монте-Карло), яка дае змогу знайти точкову ощн-ку математичного сподшання втрат i розрахувати квантиль заданого piвня, тоб-то значення OpVaR (Operational Value at Risk).
Метод IMA дае змогу ощнити максимально можливi втрати вiд pизикiв без побудови розподшу випадково!' величини Х, що характеризуе pозмip втрат. В основi цього тдходу лежить таке припущення: якщо pоздiлити усi збитки на очiкувaнi (тобто в сумi близькi до математичного спод1вання суми збитк1в за пеpiод) i непередбачеш (тaкi, що перевищують середне i належать до "хвоста" статистичного розподшу), то кнуе функцiонaльнa зaлежнiсть мiж величинами очiкувaних i непередбачених збиткш [5].
Моделi оцiнювaння ризитв на основi фaктоpiв ризику передбачають поглиблений aнaлiз процесш у оргашзацп i дають змогу використовувати ш-формащю про внутpiшнi пpичинно-нaслiдковi зв'язки. У межах моделей цього класу використовують piзнi мaтемaтичнi методи, зокрема тaкi: Sb-AMA (Scenario-based Advanced Measurement Approach - сценарний aнaлiз); метод функщ-ональних кореляцш; регресшш моделц бaйесiвськi меpежi та деят iншi.
Метод Sb-AMA грунтуеться на визначенш чинникiв ризику (тобто можливих джерел ризику), на основi яких генеруються сценapií за правилом "що бу-де, якщо". Отже, на вiдмiну вiд описаних вище методш, що припускають aнaлiз
збиткiв, що сталися, ця модель заснована на ощнюванш втрат, якi можуть мати мкце в майбутньому пiд час реалiзацií деяко! подií. Завершальним етапом е iмi-тацiйне моделювання методом Монте-Карло, що дае змогу ощнити загальний розподiл збиткiв [6].
Метод функцюнальних кореляцiй грунтуеться на створенш структурно1 моделi органiзацií. У цьому випадку перехвд до математично1 моделi здiйснюеться через побудову орiентованого графу, вершини якого вiдповiдають сшвробиникам i пiдроздiлам, а ребра - потокам шформацц. Кожнiй вершинi ставиться у вiдповiднiсть випадковий процес, що ввдображае 11 функцюналь-нiсть. Особливктю методу е встановлення стохастичних залежностей мiж фун-кцiональнiстю пов'язаних вершин. При цьому аналiз ризикiв виконуеться не з точки зору насладив або окремих чинникiв ризику, а стосовно сшвробггаиюв, систем, бiзнес-процесiв, яким поставлено у вiдповiднiсть вершини графу [7].
Регресшш моделi аналiзу ризитв грунтуються на виявленнi причинно-наслдаових зв'язкiв мiж спостережуваними iндикаторами i рiвнем ризику. Роз-рiзияють дю основнi групи показникiв, якi можна використовувати як спостере-жуванi iидикатори (пояснювальнi змiннi): 1) змiннi оточення - кiлькiснi показ-ники, що характеризують бiзнес-процеси страховика; 2) фактори ризику, тобто кшьккш показники, що характеризують спостережуваш випадки реалiзацií ри-зикiв. Така математична модель мае вигляд
х = а/ + Ь + е, (5)
де: х - величина втрат, пов'язаних з ризиками; / - вектор значень спостережува-них змшних; е - випадкова величина, що характеризуе рiвень похибки моделц а 1 Ь - ощнюваш параметри, що характеризують залежнкть мiж змiнною х i по-яснювальними змiнними /. Для використання цього методу потрiбно мати дос-татнiй обсяг даних для отримання оцiнок з прийнятною точшстю [4].
Методи нечiткоí лопки дають змогу найкращим чином використовувати експертне оцшювання для аналiзу ризитв у тих випадках, коли точш данi вiд-сутнi або неповш. Нечiтка логiка наближуе модель до мiркувань людини в про-цеа прийняття й обгрунтування рiшень. Теор1я нечiткоí логiки дае змогу отри-мати б1льшу кiлькiсть значень зм^но! порiвияно з експертним методом, при цьому кожна змшна мае визначену множину лiнгвiстичних значень. У загально-му виглядi механiзм формування лопчного висновку складаеться з чотирьох етатв: введення нечiткостi (фазифiкацiя), формування нечикого висновку, ком-позиц1я i приведення до чiткостi або дефазифiкацiя [8].
Байес1всьи мережi дають змогу вщобразити в моделi причинно-наслiд-ковi зв'язки мiж рiзними чинниками ризику i змiнами середовища. На вiдмiну вiд регресiйних моделей, байесiвськi мережi дають змогу враховувати не тальки безпосереднi залежностi рiвия ризику вщ факторiв ризику, а й залежноста мiж факторами ризику. Окрiм цього, цей клас моделей надае бшьше можливостей для формування висновку на основi неповних даних, одночасного використання експертного ощнювання i математичних методiв для отримання висновку. Завдяки цьому модель дае змогу зв'язувати вибiрки статистичних даних з ек-спертними знаннями [9].
Процес динамiчного фiнансового аналiзу (ДФА) охоплюе генератор ста-тистичних сценарйв та imerpye рiзноманiтнi моделi актуарних розрахуншв в одну складну багатоваpiантнy модель динамiчноí симуляцй'. Цей сучасний тдхщ до yпpавлiння ризиком i прийняття piшeння дае змогу peалiзyвати iнтeгpований кiлькiсний аналiз всiх ктотних чинниюв ризику страховика, сприяючи вдоско-наленню стpатeгií страхово! компанií. Як очшуеться, ДФА замiнить використо-вуваний у кiлькiсномy аналiзi метод Монте-Карло та буде бшьш ефективним.
В основi аналiтичного пiдходy лежить класичне правило ринково! еко-номiки про те, що бiльший ризик пов'язаний з бшьшим доходом, тому застосу-вання будь-якого методу з аналиичних зводиться до оцiнювання приросту доходу i приросту ризику, тобто гранично! корисносп [2]. У рамках аналогичного шдходу використовують piзнi методи, серед яких можна видшити: метод аналь зу абсолютних i вщносних показнитв; аналiзy чyтливостi, метод дощльносп затрат. Метою аналiзy чутливосп е дослiджeння впливу змiн заданих парамет-piв для визначення життездатносп страхово! компанп в умовах невизначеност! Метод доцiльностi затрат оpieнтований на щентифжащю потeнцiйних зон ризику у дiяльностi страховика. Узагальненим фактором ризику тут вважаеться пе-ревитрата коштш за певним напрямком поршняно iз запланованим обсягом.
Пiд час дослщження складних систем, до яких входять i фiнансовi систе-ми, виникають проблеми, якi виходять за мeжi формальних математичних поставок завдань. Тому дуже часто для ощнювання ризику використовують ек-спертний метод. Основна щея цього методу полягае у використанш iнгeлeктy, штущп людей та 'х здатностi знаходити piшeння слабофоpмалiзованих завдань. Для прикладу, метод шдив^альних оцiнок страховик використовуе тод^ коли неможливо поршняти цей ризик зi сepeднiм типом ризику, коли можна дати тшьки довшьну ощнку ризику залежно вiд пpофeсiоналiзмy, досвiдy та суб'ективного погляду експерта [1].
Розвиток та поглиблення економжо-математичного iнсгpyмeнгаpiю ана-лiзy та ощнювання ризиюв дадуть змогу пiдвищиги точнкть актуальних розра-хункш, eфeктивнiсть андерайтингу, як е потpiбними складовими частинами системи ризик-менеджменту страховика, та мшгшзувати втрати вiд дй' ризико-генних фактоpiв.
Лiтература
1. Андрейчикова А.М. Еволющя поглядiв на проблему ризику в екож^чнш наущ / А.М. Андрейчикова // Екожмчний вiсник Национального прничого ушверситету. - Дншропет-ровськ : РВК НГУ. - 2014. - № 1. - С. 38-49.
2. Зорша О. А. Методи шалiзy фшансових pизикiв / О. А. Зорша // Проблеми теори та методологи бухгалтерського облжу, контролю i аналiзy : зб. наук. праць. - 2011. - Вип. 2(20). - С. 221-229.
3. Value-oriented risk management of insurance companies / Marcus Kriele, Jochen Wolf. - London; Heidelberg; New York : Springer, 2014.
4. Бвдюк П.1. Iмoвipнiсне моделювання операцшних актуарних ризиюв / П.1. Бвдюк, О.А. Кожух1вська // Вюник Национального технiчнoгo yнiвеpситетy Украши "Ктвський шштех-нiчний институт". - Сер.: Екoнoмiчнi науки. - К. : Вид-во НТУУ "КП1". - 2013. - № 2(88). - С. 45-58.
5. Кожухшська О.А. Методи ощнювання операцшних ризиюв страхового шахрайства / О.А. Кожухшська // Вюник Черкаського державного технологичного ушверситету : зб. наук.
праць. - Сер. Техшчш науки. - 2013. - № 4. - С. 91-97. [Електронний ресурс]. - Доступний з http://nbuv.gov.ua/UJRN/Vchdtu_2013_4_16.
6. Scenario-based AMA (2003). [Electronic resource. - Mode of access http://www.new-yorkfed.org/newsevents/events/banking/2003/con0529 d.pdf.
7. Kuhn, R. Functional Correlation Approach to Operational Risk in Banking Organizations / R. Kuhn & P. Neu // Physica A 322 (2003). - Pp. 650-660. [Electronic resource. - Mode of access http://nms.kcl.ac.uk/reimer.kuehn/published/KuehnNeu.pdf.
8. Штовба С.Д. Введение в теорию нечетких множеств и нечеткую логику / С.Д. Штовба. [Электронный ресурс]. - Доступный с http://matlab.exponenta.ru/fuzzylogic/book1/1_7.php.
9. Згуровский М.З. Методы построения байесовских сетей на основе оценочных функций / М.З. Згуровский, П.И. Бидюк, А.Н. Терентьев // Кибернетика и системный анализ : сб. науч. тр. -2008. - № 2. - С. 81-88.
References
1. Andreychykova A.M. Evolyutsiya pohlyadiv na problemu ryzyku v ekonomichniy nautsi [The evolution of the problem of risk in economics] / A.M. Andreychykova // Ekonomichnyy visnyk Natsi-onal'noho hirnychoho universytetu. - 2014. - # 1. - S. 38-49.
2. Zorina O.A. Metody analizu finansovykh ryzykiv [Methods of financial risks analysis] / O.A. Zorina // Problemy teoriyi ta metodolohiyi bukhhalters'koho obliku, kontrolyu i analizu. - 2011. -2(20). - S. 221-229.
3. Value-oriented risk management of insurance companies / Marcus Kriele, Jochen Wolf. - London; Heidelberg; New York: Springer, 2014.
4. Bidyuk P.I. Imovirnisne modelyuvannya operatsiynykh aktuarnykh ryzykiv [The probabilistic modeling of operational actuarial risks] / P.I. Bidyuk, O.A. Kozhukhivs'ka // Naukovi visti NTUU "KPI". - 2013. - # 2(88). - S. 45-58.
5. Kozhukhivs'ka O.A. Metody otsinyuvannya operatsiynykh ryzykiv strakhovoho shakhraystva [Methods for evaluation of operational risks of insurance fraud] / O.A. Kozhukhivs'ka // Visnyk Cher-kas'koho derzhavnoho tekhnolohichnoho universytetu. Ser. Tekhnichni nauky. - 2013. - #4. - S. 91-97. [Electronic resource. - Mode of access http://nbuv.gov.ua/UJRN/Vchdtu_2013_4_16.
6. Scenario-based AMA (2003). - Avaliable at. [Electronic resource. - Mode of access http://www.newyorkfed.org/newsevents/events/banking/2003/con0529 d.pdf.
7. Kuhn, R. & Neu, P. Functional Correlation Approach to Operational Risk in Banking Organizations // Physica A 322 (2003). - Pp. 650-660. [Electronic resource. - Mode of access http://nms.kcl.ac.uk/reimer.kuehn/published/KuehnNeu.pdf.
8. Shtovba S.D. Vvedenie v teoriyu nechetkih mnozhestv i nechetkuyu logiku [Introduction to the theory of fuzzy sets and fuzzy logic]. [Electronic resource. - Mode of access http://matlab.exponenta.ru / fuzzylogic/book1/1_7.php.
9. Zgurovskiy M.Z. Metodyi postroeniya bayesovskih setey na osnove otsenochnyih funktsiy [Methods of constructing Bayesian networks on the basis of evaluation functions] / M.Z. Zgurovskiy, P.I. Bidyuk, A.N. Terentev // Kibernetika i sistemnyj analiz. - 2008. - # 2. - S. 81-88.
Надшшло до редакци 01.03.2016 р.
Шевчук О. О., Гулык М.И. Методы оценки рисков в страховой деятельности
Проанализированы и систематизированы современные методы оценки риска в страховой деятельности. Рассмотрены отдельные методы анализа неопределенностей как инструментарий среднесрочного прогнозирования и планирования деятельности страховых компаний. Выделены статистические и аналитические методы, методы экспертных оценок, применяемые в случае отсутствия или недостаточности статистической базы, а также некоторые специфические методы на пересечении статистических и экспертных. Эффективность выводов и формирования дальнейшей стратегии компании напрямую зависит от правильности выбора метода анализа и оценки риска, а также от качества сформированной статистической базы.
Ключевые слова: страхование, риск, анализ риска, методы оценки риска, статистическая база.
HayKOBMM KiinnK M.IT V yKpai'HM. - 2016. - Ban. 26.2
Shevchuk O.O., Gulyk M.I. Some Methods of Risks Assessment in the Insurance Activities
Some modern methods of risk assessment in insurance activities are analyzed and systematized. Some certain methods of uncertainty analysis as a tool of medium-term forecasting and planning of the insurance companies activities are considered. Statistical and analytical methods, expert evaluation methods, used in the case of the lack or insufficiency of the statistical base, as well as some specific methods at the intersection of statistics and expert methods are highlighted. The efficiency of the conclusions and company's strategy formation depends directly on the correctness of the choice of a risk evaluation method and the quality of the existing statistical framework.
Keywords: insurance, risk, risk analysis, risk assessment techniques, statistical base.
6. lh$opmaumrn texho^orii- ta moae^wkahhh k ekohomiui
299
