Чистые рискисвязаны со случайными событиями, влекущими за собой только убытки или ситуацию, при которой положение остается неизменным.
Спекулятивные рискипредполагают возможность получения как негативных, так и положительных результатов (риски вложений в ценные бумаги). Чистые риски страхуются, спекулятивные, как правило, не страхуются. Разделение рисков на чистые и спекулятивные показано на рис.2:
Рис.2. Структура чистых и спекулятивных рисков
Существует классификация рисковпо различным признакам. По природе возникновения выделяют риски:
• исходящие от природных явлений (ураганы, землетрясения);
• исходящие из социальной среды (кражи, действия третьих лиц);
• происходящие из технической среды (отказ техники);
• происходящие из экономики (потери из-за инфляции). По возможности воздействия на риски выделяют:
• экзогенные (внешние) риски, лежащие вне области решения хозяйствующего субъекта; он может лишь бороться с их последствиями, пытаясь уменьшить возникающие ущербы;
• эндогенные (внутренние) риски, находящиеся в поле решений хозяйствующего субъекта; он может уменьшить вероятность их наступления и даже полностью избежать их в некоторых случаях.
Для выбора метода управления риском необходимо произвести оценку риска.Для оценки рисков необходимо знать ожидаемую величину ущерба и вероятность его наступления. Эти данные необходимы для расчета страховой премии.
Частота или вероятность уровня потерь F:
F=N1/N2,
где N1 - число случаев наступления конкретного уровня потерь; N2 - общее число случаев.
Оценивается на основе статистических данных о числе случаев ущерба на совокупность объектов, подверженных данному риску.
Ожидаемое значение ущерба К:
Если R1 и R2 - два возможных значения ущерба, имеющие соответственно вероятность F1 и F2, то
K=F1∙ R1 + F2 ∙ R2.
Вероятностный характер страхуемых событий определяет возможность отклонения фактической статистики ущербов от ожидаемой. Для оценки разброса или степени изменчивости возможных результатов пользуются показателями дисперсии и стандартного отклонения.
Дисперсияопределяется как средневзвешенная величина из квадратов отклонения действительных результатов от ожидаемых.
Стандартное отклонениерассчитывается как корень квадратный от показателя дисперсии: