风险评估实验报告

实验四风险衡量（估计完成时间约120分钟）【实验目标】1、理解掌握衡量风险的衡量过程和主要方法。2、运用基本统计方法对相关风险进行定量衡量。3、能运用风险矩阵图，对相关风险进行定性衡量。【实验内容】在开始本实验前，请回顾《风险管理》教科书中的相关内容。【实验十五】清您对衡量风险中的主要方法进行收集整理和归纳。操作1：定性衡量方法：定性分析法主要根据企业财务报表以外有关企业所处环境、企业自身内在素质等方面情况对企业信用状况进行总体把握具体描述：运用主观判断、逻辑推断等思维方式，以“大小”、“高低”“轻重缓急”等文字描述的形式对风险进行定性衡量依靠预测人员的丰富实践经验以及主观的判断和分析能力，推断出事物的性质和发展趋势的分析方法，属于预测分析的一种基本方法。这类方法主要适用于一些没有或不具备完整的历史资料和数据的事项。在管理会计中，采用这类方法首先由熟悉企业经济业务和市场的专家，根据过去所积累的经验进行分析判断，提出预测的初步意见，然后再通过召开座谈会或发出征求意见函等多种形式，对上述预测的初步意见进行修正、补充，并作为预测分析的最终数据。操作2：定量衡量方法：对过去的损失数据运用概率和数理统计的方法对其风险事件发生的概率（频数）和发生后的可能造成损失的严重程度（幅度）做定量分析。以企业财务报表为主要数据来源，按照某种数理方式进行加工整理，得出企业信用结果。定量分析是投资分析师使用数学模块对公司可量化数据进行的分析，通过分析对公司经营给予评价并做出投资判断。定量分析的对象主要为财务报表，如资金平衡表、损益表、留存收益表。具体描述：例：通过对企业财务指标中各分项目在总体项目中的比重或组成的分析，考量各分项目在总体项目中的地位。【实验十六】试分析风险识别与风险衡量各自侧重点是什么？操作1:风险识别的侧重点为：市场风险市场风险指市场结构发生意外变化，使企业无法按既定策略完成经营目标而带来的经济风险操作2：风险衡量的侧重点为：风险衡量方法的选取【实验十七】清将实验四中关于加油站的风险分析结果进行风险衡量。（1）、自然灾害：雷电、台风、暴风、水灾（包括潮水）、滑坡、泥石流、地震等自然灾害。（2）、意外事故：1、人为因素1）各种材料和各种机器设备的供应商履约不力或违约，会造成工程使用不合格产品，造成工程的返工、损失增加；2）初步设计或施工设计不当，会发生荷载计算错误、结构模型选错等，造成建筑物结构先天不足，使得建筑物在建造过程中处于不安全的状态，容易发生开裂、倾斜，甚至倒塌，为今后使用留下隐患；新工艺新技术的应用也潜藏着一些不安全因素。3）施工人员不执行施工技术规范或施工方法错误，会造成结构开裂，倾斜或倒塌；在高空作业时，安全措施不周，或施工人员的疏忽和错误，会造成施工人员从高处坠落的伤亡事故；高空坠物会引起施工人员或第三者伤亡。防火安全措施不足，易引起火灾；施工用管道遭受碰撞，易产生泄露。（2）、爆炸（3）、火灾（4）业主现有财产的风险（5）第三者责任风险级别描述符描述一描述二1极低今后10年内发生可能少于1次一般情况下不会发生(2)、(3)2低今后5-10年内可能发生1次极少情况下才发生(5)3中等今后2-5年内可能发生1次某些情况下发生4高今后1年内可能发生1次较多情况下发生(4)5极高今后1年内至少发生1次常常会发生(1)（3）给出损失幅度的风险描述级别描述符描述一描述二1极低影响是极轻微的企业口常运行不受影响2低影响是轻微的企业日常运行不受影响(4)、(5)3中等影响是中等的企业口常运行不受影响(1)4高影响是重大的企业日常运行不受影响(2)5极高影响是灾害难性的企业口常运行不受影响(3)（4）建立风险矩阵

风险矩阵表极高高中等低极低极高①高④中等低⑤极低②③【实验十八】清运用相关统计方法对暴风雨进行风险定量衡量。操作1:暴风雨数据准备假设历年暴风雨的相关数据见下表所示表1：某地区1955-2004年历年暴风雨次数1955-19641965-19741975-19841985-19941995-20046478461552494453637169325649710074834553537247632433

表2：调整后1955-2004年100次暴风雨损失幅度单位：（亿元）12093848911168731191111327695112959813587107137136120356479651021049795122143911081141186814282125115104120106110565272681001047187130731106611413782106151791199384911011001491151201017058129100821209677811249596511078111392155889017984801191081008691操作2：暴风雨损失数据描述暴风雨损失次数的描述（频数表）：以表1中的历年暴风雨次数数据为例，首先按照暴风雨次数分为8类，其中最少暴风雨次数为。次，最多为10次；其次将50年历年暴风雨次数进行归类，统计各类频数和频率，绘制成表3的频数分析表。例如50年中暴风雨次数为4件的年份出现了10次，因此其频数为10,而9占50个月中的频率为0.2。暴风雨损失次数损失频数损失频率010.02110.02240.08390.184100.25r0.14660.12760.12820.04930.061010.02

50合计50直方图：有关损失次数的图形描述中最常见的就是直方图。直方图以条子的个数代表数据的类别数，以条子的高低代表每类数据所出现的次数或频率。绘制条形图和绘制频数分析表一样，需要计算频数和频率指标。例如，表3绘制成以频率表示的直方图可得图1。损失频率风雨损失幅度（区间频数分析表）用频数分析表对损失幅度进行描述和损失次数的描述略有不同，这主要在于损失幅度数据取值是连续的，因此这时的频数分析表严格意义上称为区间频数分析表。所谓的区间频数分析表，就是以区间形式归纳变量的取值类别，然后分类别统计汇总频数和频率指标，并用表格的形式加以直观汇总的描述性分析工具。以表2中的暴风雨损失幅度为例，由于其数据类型是连续型的，用简单的频数分析表来描述便显得亳无意义，所以应该采用区间频数分析表的形式,具体可以分以下三步来实现：第一步：以经验公式确定组数和区间宽度，区间宽度，也称组距或组宽。表2中的暴风雨损失金额数据，最大一次暴风雨损失金额为158,最小一次暴风雨损失金额35亿元，将其分为8组，则其近似区间宽度为20o第二步：确定组限，组限为各组和端点值。表2中的暴风雨损失金额数据的最小值为35,第一个走台组限必须小于或等于最小失窃金额35,因此起始组限设为0,然后以组宽20依次确定各组组限为：0,20,40,60,80,100,120,140,160,直到最后一个组限160包含最大暴风雨损失金额149。第三步：将数据归类并统计频数和频率指标。注意如果遇到数据的取值和分组端点值相等的情形，可以按照“组限不在内”原则来归类，例如表2中“第49次”发生的暴风雨损失金额恰好为100,按照这个原则应该归类在100~120这组。由此可得暴风雨损失金额区间频数分析表（见表4）暴风雨损失幅度损失频数损失频率0~400040~6040.0460~80160.1680~100320.32100^120310.31"140100.1"16050.05160~18010.01合计1001①直方图：在表4基础上，我们可以得到图2中以频率表示的直方图。如果用一条光滑的曲线连接图2中每根条子的中间值，我们便可以由此得到图2中的线型图。J.35n操作3:建立暴风雨损失分布①预选损失次数和损失幅度分布:1、预选损失次数分布当试验次数n足够大，且事件发生的概率p很小时，可以用X〜Poisson(np)作为二项分布的近似分布，因此我们可以考虑预选泊松分布图作为暴风雨发生事件数的分布函数。2、预选损失幅度分布根据本案例中数据绘制正态分布和对数正态分布概率密度曲线进行比较，发现其和正态分布函数的概率密度曲线图较为相似，而和对数正态分布函数的概率密度曲线图差别较大，因此我们预选正态分布来作为每次发生暴风雨的分布函数。②估计参数(损失次数和损失幅度)：1、损失次数分布模型的参数估计由于我们预选了泊松分布作为暴风雨发生数X的分布模型，即X〜Poisson(A),则暴风雨发生数的期望值|J是唯一一个待估计的参数。由表3中的数据，暴风雨损失次数X损失频数fXf010111248

3927410405—35663676428216932710110合计50242_£xf0*2+1*1+2*446*6+7*6+8*2+9*3+10+1入="京=50242=—=4.84(次)因此，暴风雨发生数X〜Poisson(4.84)2、损失幅度分布模型的参数估计由于我们预选了正态分布作为暴风雨发生的次数X的分布模型，即X〜N(|J,a2),则待估计的参数包括暴风雨发生X的数学期望值|J和方差。2o由表4中数据计算可得表6。组中值X损失频数fxf(xr一)(x-x~)"2*f102204569.769139.52303902265.766797.285010500761.767617.6701391057.76750.889011990153.761691.3611055501049.765248.813045202745.7610983.0415023005241.7610483.52

合计50388016846.0852712Yxf10*2+30*3+-+150*23880M=>50=s=77.650p_S(x-x)^f_52712_b—Zf一50一山3、分布拟合（损失此数和损失幅度）:1、损失次数的分布拟合如果暴风雨发生数服从泊松分布，即X〜Poisson（3.24）,由泊松分布的概率计算公式P（x=k）=』£\计算出相应事件数的概率（见表7第（2）列）。例如，月失窃事件数x=3的损失概率为暴风雨发生数泊松分布损失频率00.0391638950.0410.126891020.120.2055634530.2230.2220085290.2440.1798269080.1850.1165278370.160.0629250320.0870.02912530.04P(x=3)=3.243。一3・243!=0.2220由此，我们可以将表7中的（2）列和（3）列进行对照，并绘制成下图的损失次数分布拟合曲线，从中可以发现，泊松分布对损失频率的拟合有不错的效果,可见将泊松分布作为暴风雨发生数的分布函数也是可行的。

2、损失幅度的分布拟合如果暴风雨每次的损失幅度服从正态分布，即，X〜N(".6,32.52),由正态分布的概率计算公式P(ki<x<k2)=<P(学)-小，计算出相应损失金额范围的概率(见表8第(2)列)。例如，损失金额范围为40~60的概率为:P(40<x<60)=-小二今(-0.5415)-0(-1.1569)=0.17同理，损失金额范围为120~140的概率为:P(120<x<140)=小/140-77.6\120-77.6\~3Z5~~3Z5~)2(1.92)-0(1.3046)=0.9726-0.P(120<x<140)=小暴风雨发生数二项分布损失频率00.0377005690.0410.1250437120.120.2058887320.2230.2243759620.2440.1820634730.1850.117321510.160.0625383010.0870.0283621240.04由此，将表8第(2)和(3)列进行对照，并绘制成下图的损失幅度分布拟合曲线，同样可以得到较为理想的拟合效果。一♦一♦—二项分布■损失频率4、分布检验虽然上述分布拟合过程己经对我们预选损失模型的判断给出了一个直观的印象，但是我们还需要找到更为精确的验证方法来支持这种经验判断。这种精确的验证方法就是对分布模型进行检验，例如可以用卡方检验来对二项分布和泊松分布进行拟合优度检验，可以用Kolmogorov-Smirnov检验来对正态分布进行拟合优度检验等，只可惜大部分的分布检验方法都涉及较复杂的统计理论知识和计算过程。操作4：进行暴风雨损失估计：1、损失次数的概率估计由于暴风雨发生数服从泊松分布，即X】〜Poisson(3.24),贝上Xi的数学期望和方差E(X】)=Var(XE=3.24274°p—3.24某月不发生暴风雨的概率P(Xi=0)=%—二0.0392VZ•某月超过6起暴风雨的概率P(Xi>6)=1-£昌0P(X1=i)=0.0472、损失幅度的概率估计

由于每次发生暴风雨服从正态分布,即X2〜N(77.6,32.5)则:&的数学期望E(X2)=77.6,方差Var(X2)=32.52P(X2V20)=小(蜉)一小二小(Z<-177)=0.0382判号)二小(Z<0.689)一小(Z三P(X2>150)=小(耕)一俨了；6)=1_rJ)(z<2.23)=0.013D.P(50<X2<100)=小(竺等<—V\5Z.3CT-0.849)=0.557E.己知P(X2<%)=^<D(Z<^7^)=0.99,因此a=0.01,反查标准正态概率分布表，可知Za=4.01=2.2327,所以99%概率保证下的最大可信损失幅度x菸+Za号=77.6+2.327•焉=1533、总损失的概率估计E(S)=AE(X2)=3.24*77.6=251.424判号)二小(Z<0.689)一小(Z三D.因为，Var(X2)=E(X22)-(E(X2))2,因此E(X?)=Var(灼+(EOG))2,E(X22)=32.52+77.62=7078.01,Var(S)=AE(X?)=3.24*7078.01=151.4%如果总损失S近似服从正态分布，则99%概率保证下总损失S〜