Black Swan và Quản trị rủi ro hiện đại

Một nghiên cứu mới giúp đưa ra quyết định trong quản trị rủi ro đối với dữ liệu – sử dụng tất cả mọi loại dữ liệu.Bằng cách khai thác cách dữ liệu của tổ chức, các nhà quản trị có thể tránh một rủi ro chưa nhận biết được

.

 

Nếu bạn đã từng nghe đến cụm từ “thiên nga đen” và liên tưởng ngay lập tức tới một con chim to lớn hay một bộ phim tâm lý học kinh dị với sự tham gia của Natalie Portman, có lẽ bạn chưa từng làm việc ở các vị trí quản trị rủi ro tổ chức.

Với một nhà quản trị rủi ro, các hiện tượng “thiên nga đen” là những sự kiện khó có thể xảy ra nhưng lại có tác động rất lớn đến công việc kinh doanh hoặc xã hội vào những lần hiếm hoi chúng xuất hiện. Thảm họa Fukushima vào tháng 3 năm 2011 gây ra bởi bởi sự kết hợp của trận động đất ngoài biển và sóng thần tàn khốc là một ví dụ của hiện tượng này. Lõi lò phản ứng hạt nhân đã bị tan chảy dẫn đến xuất hiện một số tranh cãi cho rằng hậu quả này có thể (và phải) được ngăn chặn với một kế hoạch tốt hơn.

Nghiên cứu mới đưa ra rằng bằng cách khai thác nhiều loại dữ liệu, các nhà quản trị có thể giúp ngăn chặn (hoặc ít nhất bao gồm điều đó) những thiệt hại có liên quan đến sự kiện thiên nga đen hay các rủi ro chưa nhận biết được khác. Lời cảnh báo: các tổ chức nên hạn chế dựa vào kinh nghiệm quản trị và trực giác, thay vào đó là dựa vào dữ liệu tổng hợp từ tất cả các nguồn nhiều hơn để tìm ra các rủi ro tiềm năng.

Làm thế nào dữ liệu có thể hỗ trợ các nhà quản trị rủi ro là chủ đề của bài nghiên cứu gần đây như “Quản trị rủi ro với dữ liệu” bởi Ron Kenett, giáo sư thỉnh giảng ở đại học Ljubljana, Slovenia đồng thời giữ các vị trí nghiên cứu ở Đại học Turin, Italy và NYU’s Polytechnic School of Engineering.

Kenett cho thấy rằng việc khai thác phù hợp dữ liệu tổ chức có thể giúp ngăn chặn một số thiệt hại to lớn hay tránh các sự kiện xảy ra bất ngờ. Trên thực tế thì việc này có liên quan đến thu thập và tổng hợp dữ liệu cũng như xây dựng dữ liệu , định hướng quyết định trong quản trị rủi ro, hỗ trợ các hệ thống như bổ sung và củng cố nhiều hơn các phương pháp truyền thống đang được sử dụng hiện nay. Theo Kenett: Quản trị rủi ro theo cách truyền thống là việc sử dụng các đánh giá chủ quan và dự đoán viễn cảnh dựa trên phân tích các yếu tố có ảnh hưởng. Cách tiếp cận thông thường này được dựa trên các chuyên gia đưa ra các ý kiến của họ và nó tương đối dễ áp dụng …Tuy nhiên, công việc quản lý hiện tại được dựa trên dữ liệu thì không chỉ dựa vào các ý kiến theo cách truyền thống nhằm đạt được hiệu suất và hiệu quả nhất. Trong bối cảnh đó, nhà quản trị rủi ro có thể khai thác thông tin từ những dữ liệu định lượng dạng có cấu trúc (như dữ liệu số học) và dữ liệu ngôn ngữ phi cấu trúc (như văn bản, âm thanh hay video) để đánh giá rủi ro cũng như đưa ra các chiến lược giảm thiểu rủi ro.

Trong nghiên cứu của mình, Kenett đưa ra một thang đánh giá 5 mức độ của việc quản trị rủi ro trong thực tế:

1. Trực giác – không có phương pháp chính quy nào được sử dụng.

2. Định tính – đánh giá rủi ro dựa trên ý kiến các chuyên gia.

3. Định lượng – một số dữ liệu được thu thập và sử dụng để tính các chỉ tiêu rủi ro chính.

4. Ngữ nghĩa – phân tích các dữ liệu phi cấu trúc ví dụ như nhật ký hay blog có phản ánh kinh nghiệm của người dùng.

5. Tích hợp – dữ liệu lấy từ nhiều nguồn khác nhau và được tích hợp chặt chẽ với nhau trong hệ thống quản lý rủi ro.

Theo Kenett, nhiều tổ chức quản trị rủi ro chỉ ở cấp độ 1 hay 2. Việc nâng cao mức độ quản trị rủi ro là thách thức kép về mặt quản trị và công nghệ. Khi các tổ chức có thể kết hợp mức 3 và 4 trong thang đánh giá trên– một kết hợp giữa định lượng và ngữ nghĩa để đạt được mức cuối cùng của tích hợp dữ liệu, lúc đó thì các rủi ro xảy ra bất ngờ được quản lý tốt nhất. Kenett vừa là chủ tịch và CEO của hãng phân tích dữ liệu KPA cho biết thêm rằng quản trị rủi ro tổ chức là một hoạt động phức tạp trong kin h doanh và môi trường doanh nghiệp hoạt động. Do đó nếu việc quản trị rủi ro phức tạp bao nhiêu thì càng cần phải kết hợp tất cả các nguồn dữ liệu bên trong và bên ngoài đồng thời chọc lọc các dữ liệu bên ngoài phù hợp với phương pháp quản trị rủi ro đang sử dụng.

Kennett không phải là người đơn độc trong việc khẳng định vai trò của dữ liệu có thể định hướng cho quản trị rủi ro. Ngoài Kennett còn có Bill Pieroni, giám đốc điều hành toàn cầu của công ty bảo hiểm khổng lồ Marsh cũng cho rằng cách tốt nhất để quản trị rủi ro thậm chí cả thiên nga đen là sử dụng dữ liệu lớn (big data).

Trong khi nhiều người tin rằng có những điều chỉ xảy ra một lần trong đời thì các hiện tượng thiên nga đen, ví dụ như sự vỡ nợ khu vực Trung và Nam Mỹ, khủng hoảng tiết kiệm và cho vay ở Mỹ, sự đổ vỡ thị trường vào Tháng 10, sự điêu tàn của thị trường Trái phiếu Mỹ đang xảy ra với một tần suất lớn hơn bao giờ hết. Quy luật này cho thấy rằng, một số sự kiện có vẻ như không thể thấy được càng ngày càng có thể dự đoán tốt hơn. Nói cách khác, thiên nga đen có lẽ đã nhường chỗ cho thiên nga xám.

Theo Pieroni, đây là nơi để dữ liệu nhảy vào cuộc chơi. Những nhà phân tích cạnh tranh khai thác được dữ liệu lớn sẽ ngày càng có khả năng định dạng, mô hình hóa và đưa ra các hành động để giảm thiểu hoặc khai thác những rủi ro tiềm năng. Thậm chí Pieroni còn tin rằng, việc phân biệt giữa khái niệm rủi ro và không chắc chắn là điều quan trọng, đó là hai khái niệm có liên quan nhưng khác biệt nhau. Sự không chắc chắn (uncertainty) là những mối đe dọa không thể biết và do đó không thể quản lý. Tuy nhiên rủi ro thì có thể chấp nhận, phòng tránh, hoặc chuyển đổi một cách rõ ràng. Các tổ chức hiện nay đang tiến hành khai thác dữ liệu lớn nhằm tìm ra và chuyển đổi những điều không chắc chắn thành những rủi ro có thể giải quyết và khai thác được.

Nguồn: MIT Management Review

 

Bài viết liên quan
Kiểm định lại chiến lược (Strategy Backtesting) Mục tiêu của việc kiểm định lại chiến
Bài viết này sẽ cung cấp một số khái niệm cơ bản về hệ thống
V. Nghiên cứu và học tập ngành tài chính định lượng Các phần trước đã
Nhà tài chính định lượng còn được gọi dưới nhiều tên khác như quant, quantitative
Ứng dụng của tài chính định lượng hiện nay – các ngành liên quan Mặc

BINH LUAN

Leave a Reply

Your email address will not be published. Required fields are marked *