Перейти до вмісту
Наукові вісті КПІ
ISSN 2617-5509 · e‑ISSN 2663-7472 Відкритий доступ · CC BY 4.0
Т. · № 4 · 2021 чер 1, 2020 статті

Байєсовське моделювання ризиків різної природи

ПБ
Петро Бідюк Відповідальний Igor Sikorsky Kyiv Polytechnic Institute, Ukraine Україна
НК
Наталія Володимирівна Кузнєцова Igor Sikorsky Kyiv Polytechnic Institute, Ukraine Україна
ОТ
Олександр Трофимчук Institute of Telecommunications and Global Information Sphere at NAS of Ukraine, Ukraine Україна
ОТ
Олександр Терентьєв Institute of Telecommunications and Global Information Sphere at NAS of Ukraine, Ukraine Україна
ЛЛ
Людмила Левенчук Україна
Опублікованочер 1, 2020
PDF
НВКПІ 4 ТОМ · 4
ТОМ · № 4 · 2021 Переглянути випуск

Анотація

Проблематика. Усім видам людської діяльності притаманні певні ризики, зокрема фінансові. Відповідно, існує пробле- ма оцінювання і прогнозування можливих втрат, для розв’язання якої необхідно створити адекватний математичний опис для формального представлення обраних ризиків. Оцінювання можливих втрат може ґрунтуватись на обробленні наявних даних та експертних оцінок, що характеризують історію та поточний стан процесів, які аналізуються. Належний інструментарій для моделювання та оцінювання ризиків можливих втрат забезпечується використанням ймовірнісного підходу, який включає баєсові методи, відомі на сьогодні як методологія баєсового програмування. Мета дослідження. Зробити огляд деяких методів баєсового аналізу даних, які забезпечують можливість побудови моде- лей вибраних ризиків. Зокрема, використати статистичні дані для формального опису операційного ризику, що може з’явитись у процедурах обробки інформації. Методика реалізації. Для обробки даних і побудови моделей використовується методологія баєсового програмування. Для оцінювання операційного ризику також застосовано теорему Баєса у формулюванні для дискретних подій та дискретних параметрів. Результати дослідження. На основі запропонованого підходу побудовано модель операційного ризику, пов’язаного з не- коректною обробкою інформації. Для того, щоб побудувати і застосувати модель для оцінювання ризику, проаналізовано задачу оцінювання ризику, вибрано змінні та оцінено умовні апріорні ймовірності. Функціонування побудованих моделей продемонстро- вано на ілюстративних прикладах. Висновки. Практично важлива задача моделювання та оцінювання ризиків різних типів, зокрема фінансових, може бути вирішена методами баєсового програмування, які дають можливість ідентифікувати і врахувати невизначеності даних та екс- пертних оцінок. Модель ризику, побудована за допомогою запропонованого методу, ілюструє можливості застосування баєсових методів для розв’язання задачі оцінювання ризиків.

Ключові слова

Посилання

  1. P.L. Bernstein, Against the Gods: The Remarkable Story of Risk. John Wiley & Sons, Inc., 1996.
  2. A.J. McNeil, R. Frey and P. Embrechts, Quantitative Risk Management. Princeton University Press, 2005.
  3. C.W. Holsapple and A.B. Winston, Decision Support Systems. West Publishing Company, 1996.
  4. T. Aven and O. Renn, “On risk defined as an event where the outcome is uncertain,” Journal of Risk Research, No. 12, pp. 1 – 11, 2009.
  5. S. Kaplan, “The words of risk analysis”, Risk Analysis, Vol. 17, pp. 407 – 417, 1997.
  6. N.L. Bowers, H.U. Gerber, J.C. Hickman, D.A. Jones and C.J. Nesbitt, Actuarial Mathematics. The Society of Actuaries, 1986.
  7. P. De Jong and G.Z. Heller, Generalized Linear Models for Insurance Data. Cambridge University Press, 2008.
  8. Ph. Jorion, Financial risk Manager Handbook. John Wiley & Sons, 2003.
  9. Sik-Yum Lee, Structural Equation Modeling. Wiley & Sons, Ltd, 2007.
  10. J.M. Bernardo and A.F.M. Smith, Bayesian Theory. John Wiley & Sons, Inc., 2001.
  11. A. Gelman, J.B. Carlin, H.S. Stern and D.B. Rubin, Bayesian Data Analysis. Chapman and Hall/CRC, 2004.
  12. D. Draper, “Assessment and propagation of model uncertainty”, Journal of the Royal Statistical Society, Ser. B, Vol. 57, pp. 45 – 97, 1995.
  13. S. Klugman, Bayesian Statistics in Actuarial Science. Kluwer, 1992.
  14. P.E. Rossi, G.M. Allenby and R. McCulloch, Bayesian Statistics and Marketing. John Wiley & Sons, Ltd, 2005.
  15. C.P. Robert, The Bayesian Choice. – New York: Springer, 2007.
  16. N.V. Kuznietsova and P.I. Bidyuk, Theory and Practice of Analysis Financial Risks. Lyra-K, 2020.
  17. M.Z. Zgurovskii, P.I. Bidyuk, O.M. Terentiev and Prosyankina-Zharova, Bayesian Networks in Decision Support Systems. Edelweis, 2015.
§ 06 — Пов'язані

Схожі статті в цьому журналі

Пов'язані рецензовані дослідження, опубліковані в цьому журналі.
Усі випуски

МОДИФІКАЦІЯ НЕЙРОМЕРЕЖЕВОГО МЕТОДУ SPINN ДЛЯ НАБЛИЖЕНОГО РОЗВ'ЯЗАННЯ МІШАНОЇ ЗАДАЧІ ДЛЯ РІВНЯННЯ ТЕПЛОПРОВІДНОСТІ В ЕЛІПТИЧНІЙ ОБЛАСТІ

Валерій Лось, Олександр Ряхін

Проблематика. Параболічні диференціальні рівняння є математичними моделями інженерії, призначеними для дослідження широкого кола прикладних задач. Це приводить до…

#рівняння теплопровідності #мішана параболічна задача #еліптична область #фізико-інформативна нейронна мережа
10.20535/kpisn.2026.3.367316

ДВОЕТАПНИЙ ПІДХІД ДО СЕГМЕНТАЦІЇ СУПУТНИКОВИХ ЗНІМКІВ ДЛЯ ОЦІНЮВАННЯ ПЛОЩІ АСФАЛЬТОВАНОГО ПОКРИТТЯ ПАРКОВОК

Олександр Гончарук, Надія Недашківська

Проблематика. Точна оцінка площі асфальтованих парковок є важливою для містобудування та екологічного моніторингу. Однак спектральна подібність асфальту паркувальних…

#семантична сегментація #супутникові знімки #паркінг #нейронна мережа
10.20535/kpisn.2026.3.367540

ФОРМАЛІЗАЦІЯ РОЗРІДЖЕНОГО ANP З БІНАРНИМИ ПОРІВНЯННЯМИ НА ОСНОВІ ДАНИХ У КОЛІ ОДНОРІДНИХ КОМПОНЕНТІВ ДЛЯ ПРІОРИТИЗАЦІЇ РОЗПОДІЛУ РЕСУРСІВ

Вадим Романюк

Проблематика. Задачі розподілу обмежених ресурсів між взаємозалежними однорідними об’єктами виникають у багатьох прикладних сферах — зокрема, під час конкурсного…

#розподіл ресурсів #однорідні компоненти #взаємозалежності #аналітичний мережевий процес
10.20535/kpisn.2026.3.368158

Статті цього автора (цих авторів), які найбільше читають

Схожі статті

1-10 з 22

Ви також можете розпочати розширений пошук схожих статей для цієї статті.