风险评估与选择

图片发自App

日常生活，企业发展，个人投资，风险如影随形。这个影如鬼魅，人人避之唯恐不及。风险是一个多因子综合体，单一影响的风险是意义极低的（要么风险极高、要么无风险）。面对事务的多项选择时，最好把事务的风险因子列举出来，并对各因子发生的概率给出评判，再对各选项对应起来。

风险发生因子评估

一项内容有哪些风险点？它们之间的关系是什么？哪几项是互相独立的？一笔销售合同里面有货源供应风险、有生产风险、有运输风险、有银行贷款风险、也有款项回收风险，也许这笔合同利润可观，但这五项因子中的任何一项出现高风险因素都会扩大风险项，降低风险-收益比。因此风险-收益比的评估不能以简单的风险值和利润值的简单比较，更不能情绪化的感性判断。一个企业如果要长久稳定发展，肯定需要控制好每一项交易的风险-收益比。也许企业各项因素都非常优良，如果对方企业有银行贷款问题导致款项回收风险攀高，很可能这笔交易会竹篮打水一场空。上面的5项在企业中基本都是可控可调查因子，其实还有很多突发不可控因素，比如突发恶劣天气、相关合作方的人事震动等，都应该配以一定比例的风险系数，这个系数可以很低，因为发生概率很小。

发生概率低&可忍受风险

区分发生概率低和可忍受风险，有些因素发生概率极低，但一旦发生却是致命性的，有些则相反，偶有发生但风险可控。相对于汽车、火车等其他交通等其他交通工具，飞机几乎是最安全的，发生事故的概率也是最小的，但一旦发生航空事故，也几乎是必死无疑。在日常生活中飞机出行便是可忍受风险。因此，在评判风险因子时，除了要考虑低概率因素，也要对应地评定风险容忍系数。因此，风险因子=因子发生比率*风险因子容忍系数。

计算风险发生几率

统计学是一门非常值得学习的数学学科。单纯的感性或理性选择都是潜意识下的无奈选择，内心深处还是没有一个根本的决断依据。统计概率往往可以弥补这种决断依据。解放战争中，在一次东北战场上，在打扫战场时，下边呈报到俘获报告中提到短枪与长枪的比例与其他战场多了多少，小汽车与大卡车比例又多了多少，根据这些比例数据，指挥人员立刻判定这个战场就是对方的指挥部，集中炮火攻击果然消灭了对方的指挥中枢。

几率设定必须数据客观，论据明确。统计是对过去历史数据的梳理、分析和计算，这些数据必须保证是可追溯的。数据计算的过程必须是有明确指标意义的模型，统计结果也必须是简单且指向清晰。如果几率结果差值充分大，比如是20%和50%则让人一目了然轻松决策，反之，微量的差异对评判意义则不大，20%和22%两者的选择就让人很难决断。

风险与收益货币化

风险与收益往往是成对呈现的，正如硬币的两面，单方面的考量都是片面性的。货币化不是所有考量都由“钱”出发，而是为了衡量具体化。将风险、收益两者量化，在选择项面前，没有任何东西比百分比/分数几率显得高下立判。金融市场的风险与收益在行业人士看来都是高度关注的点，一丝丝的风吹草动都牵动着人的心，因为两者都完全的货币化。风险上升多少相应地会带来多少损失，风险规避多少又能带来多少的收益，这在风控体系中都有相应的模型评估。

关注数据之外的风险

在金融市场中，单纯的量化分析并不见得充分有效，很多时候的经济总体运行形势，行业发展状况，政策变化等等都是存在可能的变数，尤其是全球经济、国家经济与区域经济宏观形势都是动态变化的。比如10年前，国家进行4万亿宏观刺激，各大宗商品、资源行业如火如荼；10年后的今天，科技引领经济发展，资源类行业景气就稍逊于高科技类行业。

风险评估模型需要多人合作建立

单个人的风险评估极受个人的主观性格影响，抬高了风险偏好的选择误判。每个人都有其风险偏好，谨慎的人喜欢低风险/低报酬（安稳是最好的选择，这也是大多数的人风险偏好）；爱拼敢闯的人喜欢高风险/高回报；每个人理想是低风险/高回报，也最厌恶高风险/低回报。面对如此多的种类，单一的个人很容易受到风险偏好的影响。在对风险进行评估时，需要综合考虑相关方的观点和意见，并对这些观点形成风险要素、要素构成风险系数。同时，也需要对各项要素中高度重叠、互相依存度高的进行合并和剔除。比如在生产过程中的机器故障、人员流动、临时停电等都可归类为生产风险，过度的细分反而会影响其他风险要素的作用。

人们常说，选择比努力更重要，而量化后的数字型选择则显得更加轻松。也许在A、B、C、D之间人都很难抉择，但在100、50、40%、60%、1/3,2/3之间则要简单得多了。（全文完）

---

图片发自App