Наличие в модели анализа коррелированных  переменных может привести к серьёзным  искажениям результатов анализа  риска, если эта корреляция не учитывается. Фактически наличие корреляции ограничивает случайный выбор отдельных значений для коррелированных переменных. Две коррелированные переменные моделируются так, что при случайном выборе одной из них другая выбирается не свободно, а в диапазоне значений, который управляется смоделированным значением первой переменной.

    Хотя  очень редко можно объективно определить точные характеристики корреляции случайных переменных в модели анализа, на практике имеется возможность  установить направление таких связей и предполагаемую силу корреляции. Для этого применяют методы регрессионного анализа. В результате этого анализа рассчитывается коэффициент корреляции, который может принимать значения от -1 до 1.

    Стадия "прогонов модели" является той  частью процесса анализа риска, на которой  всю рутинную работу выполняет компьютер. После того, как все допущения тщательно обоснованы, остается только последовательно просчитывать модель (каждый пересчет является одним "прогоном") до тех пор, пока будет получено достаточно значений для принятия решения (например более 1000).

    В ходе моделирования значения переменных выбираются случайно в границах заданных диапазонов и в соответствии с  распределениями вероятностей и  условиями корреляций. Для каждого  набора таких переменных вычисляется  значение показателя эффективности проекта. Все полученные значения сохраняются для последующей статистической обработки.

    Для практического осуществления имитационного  моделирования можно рекомендовать  пакет "Risk Master", разработанный  в Гарвардском университете. Генерирование  случайных чисел этот пакет осуществляет на основе использования датчика псевдослучайных чисел, которые рассчитываются по определенному алгоритму. Особенностью пакета является то, что он умеет генерировать коррелированные случайные числа.

    Окончательной стадией анализа рисков является обработка и интерпретация результатов, полученных на стадии прогонов модели. Каждый прогон представляет вероятность события, равную

    p = 100 : n,

    где p - вероятность единичного прогона, %;

    n - размер выборки. 

    Например, если количество случайных прогонов равно 5000, то вероятность одного прогона составляет

    p = 100 : 5000 = 0,02 %.

    В качестве меры риска в инвестиционном проектировании целесообразно использовать вероятность получения отрицательного значения NPV. Эта вероятность оценивается на основе статистических результатов имитационного моделирования как произведение количества результатов с отрицательным значением и вероятности единичного прогона. Например, если из 5000 прогонов отрицательные значения NPV окажутся в 3454 случаях, то мера риска составит 69.1%.

Список литературы.