Risk analysis, or ‘probabilistic si

Risk analysis, or ‘probabilistic simulation’ based on
the Monte-Carlo simulation technique is a methodology
by which the uncertainty encompassing
the main variables projected in a forecasting model
is processed in order to estimate the impact of risk
on the projected results. It is a technique by which
a mathematical model is subjected to a number of
simulation runs, usually with the aid of a computer.
During this process, successive scenarios are built
up using input values for the project’s key uncertain
variables which are selected at random from
multi-value probability distributions.
The simulation is controlled so that the random
selection of values from the specified probability
distributions does not violate the existence of
known or suspected correlation relationships
among the project variables. The results are collected
and analysed statistically so as to arrive at a
probability distribution of the potential outcomes
of the project and to estimate various measures of
Defining uncertainty
Although the future is by definition 'uncertain', we
can still anticipate the outcome of future events.
We can very accurately predict, for example, the
exact time at which daylight breaks at a specific part
of the world for a particulardayoftheyear. We can
do this because we have gathered millions of observations
of the event which confirm the accuracy
of the prediction. On the other hand, it is very
difficult for us to forecast with great accuracy the
rate of general inflation next year or the occupancy
rate to be attained by a new hotel project in the
first year of its operation.
There are many factors that govern our ability
to forecast accurately a future event. These relate
to the complexity of the system determining the
outcome of a variable and the sources of uncertainty
it depends on. Our ability to narrow the
margins of uncertainty of a forecast therefore depends
on our understanding of the nature and level of uncertainty regarding the variable in question
and the quality and quantity of information available
at the time of the assessment. Often such
information is embedded in the experience of the
person making the prediction. It is only very rarely
possible, or indeed cost effective, to conduct statistical
analysis on a set of objective data for the
purpose of estimating the futurevalue of a variable
used in the appraisal of a p r o j e ~ t . ~
In defining the uncertainty encompassing a
given project variable the uncertainty margins
should be widened to account for the lack of sufficient
data or the inherent errors contained in the
base data used in making the prediction. While it
is almost impossible to forecast accurately the actual
value that a variable may assume sometime in
the future, it should be quite possible to include the
true value within the limits of a sufficiently wide
probability distribution. The analyst should make
use of the available data and expert opinion to
define a range of values and probabilities that are
capable of capturing the outcome of the future
event in question.
The preparation of a probability distribution for
a selected risk variable involves setting up a range
of values and allocating probability weights to it.
Although we refer to these two stages in turn, it
must be emphasised that in practice the definition
of a probability distribution is an iterative process.
Range values are usually specified having in mind
a particular probability profile, while the definition
of a range of values for a risk variable often influences
the choice regarding the allocation of
probability.
Setting range limits
The level of variation possible for each identified
risk variable is specified through the setting of
limits (minimum and maximum values). Thus, a
range of possible values for each risk variable is
defined which sets boundaries around the value
that a projected variable may assume.
The definition of value range limits for project
variables may seem to be a difficult task to those
applying risk analysis for the first time. It should,
however, be no more difficult than the assignment
of a single-value best estimate. In deterministic appraisal, the probable values that a project variable
may take still have to be considered, before
selecting one to use as an input in the appraisal.
Therefore, if a thoughtful assessment of the
single-value estimate has taken place, most of the
preparatory work for setting range limits for a
probability distribution for that variable must have
already been done. In practice, the problem faced
in attempting to define probability distributions for
risk analysis subsequent to the completion of a
base-case scenario is the realisation that not sufficient
thought and research has gone into the
single-value estimate in the first place.
When data are available, the definition of range
limits for project variables is a simple process of
processing the data to arrive at a probability distribution.
For example, looking at historical observations
of an event it is possible to organise the
information in the form of a frequency distribution.
This may be derived by grouping the number of
occurrences of each outcome at consecutive value
intervals. The probability distribution in such a
case is the frequency distribution itself with frequencies
expressed in relative rather than absolute
terms (values ranging from 0 to 1 where the total
sum must be equal to 1). This process is illustrated
in Figure 4.
It is seldom possible to have, or to afford the cost
of purchasing, quantitative information which will
enable the definition of range values and the allocation
of probability weights for a risk variable to
be based on totally objective criteria. It is usually
necessary to rely on judgement and subjective factors
for determining the most likely values of a
project appraisal variable. In such a situation the
method suggested is to survey the opinion of experts
(or, in the absence of experts, of people who
have some intelligible feel of the subject).
The analyst should attempt to gather responses
to the question “what values are considered to be
the highest and lowest possible for a given risk
variable?”. If the probability distribution to be attached
to the set range of values (see allocating
probability below) is one which concentrates
probability towards the middle values of the range (for example the normal probability distribution),
it may be better to opt for the widest range limits
mentioned. If, on the other hand, the probability
distribution to be used is one that allocates probability
evenly across the range limits considered
(for instance the uniform probability distribution)
then the most likely, or even one of the more
narrow range limits considered, may be more
appropriate to use.
In the final analysis the definition of range limits
rests on the good judgement of the analyst, who
should be able to understand and justify the
choices made. It should be apparent, however, that
the decision on the definition of a range of values
is not independent of the decision regarding the
allocation of probability.

Kết quả (Việt) 1:

Phân tích rủi ro, hoặc 'mô phỏng xác suất' dựa trênkỹ thuật mô phỏng Monte-Carlo là một phương phápmà không chắc chắn bao gồmCác biến chính dự kiến trong một mô hình dự báođược xử lý để ước tính tác động của rủi rotrên các kết quả dự kiến. Nó là một kỹ thuật màmột mô hình toán học là đối tượng để một sốMô phỏng chạy, thường với sự trợ giúp của một máy tính.Trong quá trình này, tiếp theo kịch bản được xây dựngchỉ sử dụng đầu vào giá trị cho các dự án chìa khóa không chắc chắnbiến mà được lựa chọn ngẫu nhiên từnhiều giá trị phân bố xác suất.Mô phỏng quản lý để các ngẫu nhiênlựa chọn của các giá trị từ xác suất được chỉ địnhphân phối không vi phạm sự tồn tại củamối quan hệ tương quan biết hoặc nghi ngờtrong số các dự án biến. Kết quả thu thậpvà phân tích thống kê để đi đến mộtphân bố xác suất của các kết quả tiềm năngdự án và để ước tính các biện pháp khác nhau củaXác định sự không chắc chắnMặc dù tương lai là theo định nghĩa 'chắc chắn', chúng tôivẫn có thể dự đoán kết quả của sự kiện tương lai.Chúng tôi có thể rất dự đoán chính xác, ví dụ, cáccác thời gian chính xác lúc đó ánh sáng ban ngày nghỉ tại một phần cụ thểcủa thế giới cho một particulardayoftheyear. Chúng tôi có thểlàm điều này bởi vì chúng tôi đã tập hợp hàng triệu quan sátcủa sự kiện mà xác nhận tính chính xáccủa dự đoán. Mặt khác, nó là rấtkhó khăn cho chúng tôi để dự báo với độ chính xác tuyệt vời cáclệ chung lạm phát năm tới hoặc cưtỷ lệ để thể đạt được bằng một dự án khách sạn mới trong cácnăm đầu tiên hoạt động của nó.Có rất nhiều yếu tố chi phối khả năng của chúng tôiđể dự báo chính xác một sự kiện trong tương lai. Những liên quanvới sự phức tạp của hệ thống xác định cáckết quả của một biến và các nguồn của sự không chắc chắnnó phụ thuộc vào. Chúng tôi có thể thu hẹp cáclợi nhuận của sự không chắc chắn của một thời do đó phụ thuộcngày của chúng tôi sự hiểu biết về bản chất và mức độ của sự không chắc chắn liên quan đến các biến trong câu hỏivà chất lượng và số lượng thông tin có sẵnTại thời điểm đánh giá. Thường xuyên như vậythông tin được nhúng vào trong kinh nghiệm của cácngười làm cho dự báo. Nó là rất hiếm khicó thể, hoặc thực sự chi phí hiệu quả, để tiến hành thống kêphân tích trên một tập hợp các dữ liệu mục tiêu cho cácmục đích của ước tính futurevalue của một biếnđược sử dụng trong thẩm định một p r o j e ~ t. ~Trong việc xác định sự không chắc chắn bao gồm mộtcho dự án biến lợi nhuận không chắc chắnnên được mở rộng để chiếm thiếu đủdữ liệu hoặc lỗi vốn có chứa trong cáccơ sở dữ liệu được sử dụng trong việc đưa ra dự đoán. Trong khi nógần như không thể để dự báo chính xác thực tếgiá trị một biến có thể cho đôi khi tạitương lai, nó nên khá tốt để bao gồm cácCác giá trị đích thực trong giới hạn của đủ rộngphân bố xác suất. Các nhà phân tích nên làm chosử dụng dữ liệu sẵn có và các ý kiến chuyên gia đểxác định một loạt các giá trị và các xác suấtcó khả năng thu giữ kết quả của tương laisự kiện trong câu hỏi.Chuẩn bị một phân bố xác suất chomột biến được chọn rủi ro liên quan đến việc thiết lập một loạt cácgiá trị và phân bổ trọng lượng xác suất để nó.Mặc dù chúng tôi đề cập đến những giai đoạn hai lần lượt, nóphải được nhấn mạnh rằng trong thực hành định nghĩatrong một phân phối xác suất là một quá trình lặp đi lặp lại.Phạm vi giá trị thường được quy định có trong tâm trímột cấu hình cụ thể xác suất, trong khi định nghĩamột loạt các giá trị cho một nguy cơ biến thường ảnh hưởngsự lựa chọn liên quan đến việc phân bổxác suất.Cài đặt phạm vi giới hạnMức độ của biến thể có thể cho mỗi xác địnhnguy cơ biến được chỉ định thông qua các thiết lập củagiới hạn (tối thiểu và tối đa giá trị). Vì vậy, mộttầm hoạt động của các giá trị có thể cho mỗi biến rủi rođịnh nghĩa đó thiết lập ranh giới xung quanh thành phố giá trịrằng một biến dự kiến đảm bảo.Định nghĩa của giới hạn phạm vi giá trị cho dự ánbiến có vẻ là một nhiệm vụ khó khăn cho những ngườiáp dụng các phân tích rủi ro cho lần đầu tiên. Nó nên,Tuy nhiên, có không nhiều khó khăn hơn việc chuyển nhượngmột ước tính đơn giá trị tốt nhất. Trong xác định thẩm định, có thể xảy ra giá trị mà một biến dự áncó thể mất vẫn phải được xem xét, trước khichọn một người sử dụng như đầu vào một trong thẩm định.Vì vậy, nếu một đánh giá chu đáo của cácđơn giá trị ước tính đã diễn ra, hầu hết cácCác công việc chuẩn bị cho cài đặt phạm vi giới hạn cho mộtphân bố xác suất cho biến đó phải cóđã được thực hiện. Trong thực tế, vấn đề phải đối mặt.trong cố gắng để xác định các phân bố xác suất chonguy cơ phân tích tiếp theo để hoàn thành mộtcơ sở-trường hợp kịch bản là việc thực hiện mà chưa đủsuy nghĩ và nghiên cứu đã đi vào cácđơn giá trị ước tính ở nơi đầu tiên.Khi dữ liệu có sẵn, định nghĩa của phạm vigiới hạn cho dự án biến là một quá trình đơn giảnxử lý dữ liệu đến một phân bố xác suất.Ví dụ, xem xét lịch sử quan sátmột sự kiện có thể sắp xếp cácthông tin trong các hình thức của một phân phối tần số.Điều này có thể được bắt nguồn bằng cách nhóm sốmục lặp lại của mỗi quả liên tiếp giá trịkhoảng thời gian. Phân bố xác suất trong đó mộttrường hợp là riêng của mình phân phối tần số với tần sốthể hiện trong thân nhân chứ không phải là tuyệt đốiđiều khoản (giá trị từ 0 tới 1 nơi tổng sốsố tiền phải bằng 1). Quá trình này được minh họatrong hình 4.Nó là hiếm khi có thể có, hoặc để đủ khả năng chi phíthông tin mua bán, định lượng mà sẽsử định nghĩa của phạm vi giá trị và việc phân bổcủa xác suất kiếm thanh Sword cho một nguy cơ biến đểđược dựa trên các tiêu chí khách quan hoàn toàn. Nó thường làcần thiết phải dựa vào bản án và các yếu tố chủ quanđể xác định các giá trị có nhiều khả năng của mộtdự án thẩm định biến. Trong một tình huống như vậy cácphương pháp đề nghị là để khảo sát ý kiến của các chuyên gia(hoặc, trong sự vắng mặt của các chuyên gia, những ngườicó một số cảm thấy minh bạch của chủ đề).Các nhà phân tích nên cố gắng để thu thập các hồi đápcho câu hỏi "những gì giá trị được coi làcao nhất và thấp nhất có thể cho một nguy cơ nhất địnhbiến? ". Nếu phân bố xác suất đính kèmđể đặt phạm vi giá trị (xem phân bổxác suất dưới đây) là một trong những tập trungxác suất đối với các giá trị giữa phạm vi (ví dụ bình thường phân bố xác suất),nó có thể tốt hơn để lựa chọn giới hạn phạm vi rộng nhấtđề cập đến. Nếu, mặt khác, xác suấtphân phối được sử dụng là một trong đó phân bổ xác suấtđồng đều trên các giới hạn phạm vi xem xét(ví dụ thống nhất phân bố xác suất)sau đó nhiều khả năng, hoặc thậm chí một trong các chi tiếtgiới hạn phạm vi hẹp được coi là có thể cao hơnthích hợp để sử dụng.Trong phân tích cuối cùng định nghĩa giới hạn tầmDựa trên bản án tốt của các nhà phân tích, những ngườicó thể hiểu và biện minh cho cácsự lựa chọn được thực hiện. Nó nên được rõ ràng, Tuy nhiên, màquyết định về định nghĩa của một loạt các giá trịkhông phải là độc lập của các quyết định liên quan đến cácphân bổ của xác suất.

Kết quả (Việt) 2:

Phân tích rủi ro, hoặc 'mô phỏng xác suất dựa trên
các kỹ thuật mô phỏng Monte-Carlo là một phương pháp
mà theo đó sự không chắc chắn bao gồm
những biến số chính dự trong một mô hình dự báo
được xử lý để ước tính tác động của rủi ro
về kết quả dự kiến. Đây là một kỹ thuật mà
một mô hình toán học là phải chịu một số
mô phỏng chạy, thường là với sự trợ giúp của một máy tính.
Trong quá trình này, các tình huống liên tiếp được xây dựng
bằng cách sử dụng các giá trị đầu vào cho chắc chắn quan trọng của dự án
biến được lựa chọn ngẫu nhiên từ
phân bố xác suất đa giá trị.
Các mô phỏng được điều khiển để các ngẫu nhiên
lựa chọn các giá trị từ các xác suất quy định
phân bố không vi phạm sự tồn tại của
mối quan hệ tương quan đã biết hoặc nghi ngờ
giữa các biến dự án. Các kết quả được thu thập
và phân tích thống kê như vậy là để đi đến một
phân bố xác suất của kết quả tiềm năng
của dự án và để ước tính các biện pháp khác nhau của
định không chắc chắn
Mặc dù tương lai là theo định nghĩa 'không chắc chắn', chúng ta
vẫn có thể dự đoán kết quả của các sự kiện trong tương lai.
Chúng tôi có thể dự đoán rất chính xác, ví dụ,
thời gian chính xác ở đó ánh sáng ban ngày nghỉ ngơi ở một bộ phận cụ thể
của thế giới cho một particulardayoftheyear. Chúng tôi có thể
làm điều này bởi vì chúng tôi đã thu thập được hàng triệu người quan sát
các sự kiện đó xác nhận tính chính xác
của các dự đoán. Mặt khác, nó là rất
khó khăn cho chúng tôi để dự báo với độ chính xác tuyệt vời của
tỷ lệ lạm phát nói chung trong năm tới hoặc thuê
tỷ lệ đạt được bởi một dự án khách sạn mới trong
năm đầu hoạt động của nó.
Có rất nhiều yếu tố chi phối của chúng tôi Khả năng
dự báo chính xác một sự kiện trong tương lai. Điều đó liên quan
đến sự phức tạp của hệ thống xác định
kết quả của một biến và các nguồn của sự không chắc chắn
nó phụ thuộc vào. Khả năng của chúng tôi để thu hẹp
biên độ của sự không chắc chắn của một dự báo do đó phụ thuộc
vào sự hiểu biết của chúng ta về bản chất và mức độ không chắc chắn về các biến trong câu hỏi
và chất lượng và số lượng thông tin sẵn có
tại thời điểm đánh giá. Thường như
thông tin được nhúng vào trong các kinh nghiệm của những
người đưa ra dự đoán. Nó chỉ là rất hiếm khi
có thể, hoặc thực sự hiệu quả chi phí, tiến hành thống kê
phân tích trên một tập hợp các dữ liệu khách quan cho các
mục đích của việc ước tính futurevalue của một biến
được sử dụng trong việc thẩm định aproje ~ t. ~
Trong việc định nghĩa sự không chắc chắn bao gồm một
biến dự án được đưa ra bên lề sự không chắc chắn
nên được mở rộng để giải thích cho sự thiếu đủ
dữ liệu hoặc các sai số vốn có trong các
dữ liệu cơ bản được sử dụng trong việc đưa ra các dự đoán. Trong khi nó
là gần như không thể dự báo chính xác thực tế
giá trị mà một biến thể giả định nào đó trong
tương lai, nó phải là hoàn toàn có thể bao gồm những
giá trị thực sự trong giới hạn của một đủ rộng
phân phối xác suất. Các nhà phân tích nên
sử dụng các dữ liệu và các chuyên gia ý kiến có sẵn để
xác định một loạt các giá trị và xác suất mà là
khả năng chụp các kết quả của tương lai
sự kiện trong câu hỏi.
Sự chuẩn bị của một phân bố xác suất cho
một biến nguy cơ được lựa chọn liên quan đến việc thiết lập một phạm vi
các giá trị và trọng lượng phân bổ xác suất để nó.
Mặc dù chúng tôi đề cập đến hai giai đoạn này đến lượt nó, nó
phải được nhấn mạnh rằng trong thực tế định nghĩa
của một phân bố xác suất là một quá trình lặp đi lặp lại.
giá trị Phạm vi thường được quy định có trong tâm trí
một hồ sơ xác suất cụ thể, trong khi các định nghĩa
của một loạt các giá trị cho một biến nguy cơ thường ảnh hưởng đến
các lựa chọn liên quan đến việc phân bổ
xác suất.
phạm vi Setting giới hạn
Mức độ biến động có thể cho mỗi xác định
biến rủi ro được xác định thông qua việc thiết lập các
giới hạn (tối thiểu và giá trị tối đa). Do đó, một
loạt các giá trị có thể cho mỗi biến rủi ro được
định nghĩa mà bộ ranh giới xung quanh giá trị
mà một biến dự có thể giả định.
Định nghĩa về giới hạn phạm vi giá trị cho dự án
biến có vẻ là một nhiệm vụ khó khăn cho những người
áp dụng phân tích nguy cơ đối với người đầu tiên thời gian. Nó nên,
tuy nhiên, không có nhiều khó khăn hơn so với việc chuyển nhượng
của một đơn giá trị ước tính tốt nhất. Trong thẩm định xác định, các giá trị có thể xảy ra rằng một biến dự án
có thể mất vẫn phải được xem xét, trước khi
chọn một để sử dụng như một đầu vào trong việc thẩm định.
Vì vậy, nếu đánh giá chu đáo của các
ước tính đơn giá trị đã diễn ra, hầu hết các
công tác chuẩn bị cho việc thiết lập các vùng giới hạn cho một
phân bố xác suất cho biến đó phải
được thực hiện. Trong thực tế, các vấn đề phải đối mặt
trong việc cố gắng để xác định phân bố xác suất để
phân tích rủi ro tiếp theo để hoàn thành một
kịch bản án cơ sở của sự nhận thức rằng không đủ
suy nghĩ và nghiên cứu đã đi vào
ước tính đơn giá trị ở nơi đầu tiên.
Khi dữ liệu sẵn, định nghĩa về phạm vi
giới hạn cho các biến dự án là một quá trình đơn giản
xử lý dữ liệu để đưa ra một phân phối xác suất.
Ví dụ, nhìn vào quan sát lịch sử
của một sự kiện có thể tổ chức các
thông tin trong các hình thức của một phân bố tần số.
Điều này có thể được bắt nguồn bằng cách nhóm các số
lần xuất hiện của mỗi kết quả theo giá trị liên tiếp
khoảng. Các phân phối xác suất trong một ví dụ
trường hợp là sự phân bố tần số riêng của mình với tần số
thể hiện tương đối chứ không phải tuyệt đối
các điều khoản (giá trị từ 0 đến 1 nơi mà tổng
số tiền phải bằng 1). Quá trình này được minh họa
trong hình 4.
Nó là hiếm khi có thể có, hoặc khả năng chi phí
thu mua, thông tin định lượng đó sẽ
cho phép định nghĩa các giá trị phạm vi và phân bổ
trọng lượng xác suất cho một biến rủi ro để
được dựa trên các tiêu chí hoàn toàn khách quan . Nó thường là
cần thiết phải dựa vào phán đoán và các yếu tố chủ quan
để xác định các giá trị có khả năng nhất của một
biến thẩm định dự án. Trong tình hình như vậy các
phương pháp được đề xuất là để khảo sát ý kiến của các chuyên gia
(hoặc, trong trường hợp không có các chuyên gia, người đã
có một số cảm thấy dễ hiểu của đối tượng).
Các nhà phân tích nên cố gắng để thu thập phản hồi
cho câu hỏi "cái gì giá trị được coi là là
cao nhất và thấp nhất có thể cho một nguy cơ cho
biến? ". Nếu phân phối xác suất để được gắn
vào khoảng các giá trị (xem phân bổ
xác suất dưới đây) là một trong đó tập trung
xác suất đối với các giá trị giữa phạm vi (ví dụ như sự phân bố xác suất bình thường),
nó có thể tốt hơn để lựa chọn phạm vi rộng nhất giới hạn
đề cập. Nếu, mặt khác, xác suất
phân phối để được sử dụng là một trong đó phân bổ xác suất
đồng đều giữa các vùng giới hạn xem xét
(ví dụ phân bố xác suất thống nhất)
thì rất có thể, hoặc thậm chí một số chi tiết
giới hạn phạm vi hẹp coi, có thể là hơn
thích hợp để sử dụng.
Trong phân tích cuối cùng định nghĩa về giới hạn phạm vi
dựa vào sự phán xét ​​tốt của các nhà phân tích, những người
sẽ có thể hiểu được và biện minh cho việc
lựa chọn thực hiện. Nó nên được rõ ràng, tuy nhiên,
các quyết định về định nghĩa của một loạt các giá trị
không phải là độc lập với các quyết định liên quan đến việc
phân bổ xác suất.