О прикладном использовании модели рисков

Введение

Военные теоретики всех времён утверждали, что главная цель любой войны, получить мир, более комфортный для нападающего, чем был до начала военных действий ^[1]. Это логично: лучше по итогам войны, если она неизбежна, получить нового союзника или вассала, чем разрушенное и обозлённое государство-соседа. С учётом этого, в настоящее время в рамках межгосударственного противоборства наблюдается смещение акцентов от силовых действий к использованию методов «мягкой силы» (soft power). Примером подобных действий является применение деструктивных социальных технологий так называемых «цветных» революций. И любое государство, пытающееся защитить своё будущее и будущее своих граждан, должно обладать возможностями противодействия подобным методам.

Но как показала практика, в настоящее время в извечном противодействии «меча и щита» выигрывает нападение: специалистами разработано значительное количество методов дестабилизации социальной системы государства-противника ^[2,3,4], и намного меньшее количество методов защиты ^[5]. В результате оказалось, что создать «управляемый хаос» несложно, управлять им проблематично, а ещё труднее - выйти.

Основная проблема в данном аспекте представляется в том, что в настоящее время организация «цветных» революций и противодействие деструктивным воздействиям решается на уровне интуитивном, логико-аналитическом, когда точные математические методы и реализующие их современные информационные технологии используются преимущественно при обработке статистики и визуализации информации ^[6,7,8]. Итог такого состояния: абсолютно непредсказуемые результаты планируемых действий, даже осуществляемых в, казалось бы, похожих условиях – от относительно бескровной и достаточно успешной по результатам «жасминовой» революции 2011 года в Тунисе, до кровавой и бессмысленной резни в соседней с ним Ливии. Анализ показывает, что для обеспечения организации эффективных действий необходимо в процессе реализации цикла принятия решений иметь возможность получения точных оценок, основанных на математических методах прогнозирования, например, моделировании. Проблема актуальна как для случая организации непрямого противоборства, так и для противодействия ему.

1.Модель прогнозирования поведения общественных систем на основе теории рисков

Прогнозирование последствий принимаемых решений является неотъемлемой частью цикла управления. В настоящее время существует и используется в практике управления достаточно обширный перечень методов прогнозирования (рисунок 1). Но для прогнозирования последствий реализации социальных технологий межгосударственного противоборства используется лишь небольшая часть из них. В первую очередь это экспертные методы и логико-вероятностные модели. Сложившаяся ситуация определяется сложностью формализованного описания процессов, протекающих в обществе, характеризующихся масштабностью и разнородностью информации. Специалистами признаётся, что, проблема формализации в целом является одним из основных препятствий в использовании точных математических методов поддержки принятия решений в области управления социально-техническими системами ^[9,10]. И область моделирования социальных процессов – не исключение.

Один из возможных подходов к разрешению подобной ситуации – использование укрупнённых математических моделей основных процессов несилового противоборства. Оценка составляющих подобных процессов, осуществляемых в форме так называемых «цветных» революций показывает, что:

- основным инструментом воздействия на начальном этапе является информационное противоборство, осуществляемое через средства массовой информации и социальные сети;

- по результатам информационного воздействия осуществляется переход к силовым протестным действиям;

- в ряде случаев, на последующих этапах включается механизм прямой внешней поддержки протестных действий.

Анализ особенностей предметной области показывает, что математическое описание процессов, реализуемых в рамках вышеописанных этапов, может быть получено на основе оценки основных составляющих информационного противоборства и силовых протестных действий, а именно – структуры процессов выбора личной альтернативы поведения каждым участвующим в процессе индивидуумом, лавирующим между ожидаемой полезностью результата и возможными потерями и затратами на его достижение. Для формализованного описания подобного подхода, как показывает практика работы в смежных областях, может успешно использоваться модель на основе теории рисков.

Рис.1. Вариант классификации методов прогнозирования

Основными преимуществами подобной модели можно считать:

- относительную простоту и апробированность математического аппарата;

- простоту выделения участвующих в процессе групп агентов, например: активные участники протестов, сочувствующие, равнодушные и противодействующие группы;

- возможность оперирования усреднёнными параметрами оценок для выделенных групп взаимодействующих агентов (целевых групп).

В обобщённой форме, в контексте современных социологических и социально-психологических теорий риска: натуралистических, функциональных или институциональных, модель строится относительно рассуждений каждого моделируемого актора о соотношении стоимости и полезности результата, основанных на объективном и субъективном влиянии фактора рисков при принятии решения ^[11]. Определяются эти факторы тем, что любой человек, принимая решение, логически, а при возможности и численно, оценивает риск последствий своих действий, как в случае успеха, так и неуспешного окончания. И, хотя некоторые исследователи предполагают калькулируемость риска только в рамках натуралистической модели ^[12], на самом деле, основываясь на известной схеме «единичного акта» Т.Парсона ^[13,14], можно утверждать, что оценки формируются в любом случае. Если не численные, в явном виде, то хотя бы на качественном уровне. А последние тоже определяются на основе вычислений, пусть даже подсознательно, в форме сравнительных логических операций.

Для получения прогнозов указанных оценок, разделённых по группам участников процесса, и предлагается использовать математическую модель на основе аппарата теории рисков ^[15,16,17]. Согласно положениям этой теории, при принятии решения, каждый индивид руководствуется степенью риска, возникающего при выполнении действия. При этом он, чаще всего на подсознательном уровне, использует математический аппарат минимизации ошибок, которые в теории вероятностей делятся на ошибки первого и второго рода ^[18,19]. С использованием подобной эвентуальной модели, каждый конкретный индивид пытается минимизировать величину ожидаемого риска R по двум направлениям: снижение угрозы потери возможной «прибыли» (ошибки первого рода) и минимизации вероятных «убытков» (ошибки второго рода). В формальном выражении, данная модель описывается следующей функцией:

R = С₁₂ (1 - P(H₁₂)) + C₂₁P(H₂₁) → min.

Понятия P(H₂₁), P(H₁₂), C₂₁, C₁₂ в модели рисков могут меняться в зависимости от условий решаемой задачи. В рамках описания модели социальных рисков, они принимают следующий физический смысл:

С₁₂ – ожидаемая «полезная стоимость» результата предпринимаемых действий;

Р(Н₁₂) – вероятность того, что стратегия действий выбрана правильно и событие будет завершено с положительным для рискующего результатом;

С₂₁ – потери, возникающие в результате срыва или необоснованного принятия решения на действие;

Р(Н₂₁) – вероятность неверного выбора стратегии, приводящей к отрицательному результату действий.

Приведённая зависимость отражает оценку рисков в логической форме. Для получения конкретных оценок необходимо описать зависимость в форме математической модели. В наиболее часто встречающейся ситуации, когда решения Р(Н₁₂) и Р(Н₂₁) несовместны и составляют полную группу событий, получаем, что Р(Н₁₂) = 1 - P(H₂₁). Тогда:

R = C₁₂P(H₂₁) + C₂₁P(H₂₁).

В графическом виде вариант модели рисков, сформированной относительно вероятности неуспеха Р(Н₂₁) для случая полной группы событий, может быть описан так, как представлено на рисунке 2.

Подобное графоаналитическое представление процесса принятия решения может быть достаточно просто реализовано в форме программы математической модели (рисунок 3) и позволяет наглядно представлять изменение оценок рисков в зависимости от изменения влияющих на них факторов.

Рис.2. Графическая интерпретация моделирования оценки рисков

Рис.3. Графическое описание модели рисков с помощью стандартного пакета MathCad

Так, например, повышение стоимости С₂₁ «задирает» в модели прямую рисков вверх (рис.2), повышая ожидаемое суммарное значение риска R₀ до уровня R₁. Изменение вероятностей Р(Н₁₂) или Р(Н₂₁) сдвигает точку принятия решения на графике влево (P-) или вправо (P+), меняя относительное значение риска до R₂ или R₃ соответственно.

2. Основные факторы, влияющие на применение модели

Применение подобных моделей позволяет использовать аппарат теории рисков для оценки возможности регулирования социальных процессов. С учётом того, что вероятности Р(Н₁₂) и Р(Н₂₁) в большинстве ситуаций составляют полную группу событий, для управления обществом через риски или их ожидания, как очевидно из модели (рис.2), может быть использовано несколько основных вариантов:

- повышение неотвратимости наказания (увеличение вероятности Р(Н₂₁));

- ужесточение наказания за противоправные действия С₂₁.

- снижение вероятности получения «прибыли» при осуществлении противоправных действий Р(Н₁₂) и ожидаемой стоимости, получаемой в результате успеха С₁₂ .

В использовании данной модели могут быть несколько проблем, требующих решения:

- разделение населения на группы по признакам поведения относительно отношения к протестам;

- получение конкретных значений показателей стоимостей и вероятностей, обеспечивающих поиск "равновесных" точек, которые определяют переход модели в безусловно невыгодную рискующему область и обратно;

- учёт особенностей моделирования различных групп населения.

Первая проблема с точки зрения построения модели является самой простой: высокая точность разделения не требуется, а с необходимой для моделирования точностью процентное отношение групп может быть получено на основании результатов обработки статистики и учёта общественного мнения. Более того, как показывает анализ опыта всевозможных «цветных» и «цветочных» революций, работать придётся преимущественно с активными слоями населения, которые являются их движущей силой. Соответственно, именно эту группу и необходимо в первую очередь изучать в рамках модели риска.

Вторая проблема может быть комплексно решена различными методами, наиболее простым и надёжным из которых представляется применение экспертных оценок, формализуемых с использованием количественно-качественной шкалы. Например, сформированной с использованием D-функции желательности Харрингтона (таблица 1) или любыми другими известными методами.

Таблица 1- Вариант шкалы получения количественно-качественных оценок вероятностей ошибок первого и второго рода

Заблаговременное получение экспертных оценок для модели рисков позволит провести все необходимые мероприятия для обеспечения их точности: формирование представительной выборки экспертов, проверку согласованности и отбраковку аномальных результатов и т.п.

Аналогичным способом могут быть сформированы и стоимостные оценки рисков.

Третья проблема заключается в том, что при описании модели и интерпретации результатов моделирования необходимо учесть ряд специфических факторов, характерных для течения социальных процессов в обществе. В рамках этой проблемы, следует учитывать разные цели воздействия на группы населения, например:

- для активной части необходимо принуждение к отказу от целевых действий;

- сомневающихся убедить не поддерживать протесты;

- пассивное большинство необходимо убеждать в стабильности власти и правильности действий силовиков.

В рамках таких действий, моделируемые факторы могут оказывать различное влияние на разные группы населения, но их формальное описание в модели будет аналогичным. В то же время, различие может возникать при интерпретации результатов моделирования, что определяется разными целевыми установками групп – участников событий. Соответственно, различия в интерпретации требуют учёта в мерах по реализации результатов прогнозирования.

Во-первых

Издательство

• О нас
• Наши реквизиты
• Наши партнеры
• Контактная информация
• Политика конфиденциальности

 

Авторам

• Договоры
• Авторская зона

 

Услуги

• Институт рецензирования

 

Разное

• Как написать статью?
• Журналы в перечне ВАК
• Мобильное приложение
• Вопрос - ответ

 

Наши сайты

• Aurora group s.r.o.

© 1998 – 2024 Nota Bene. Publishing Technologies. NB-Media Ltd.