Teoria prawdopodobieństwa i teoria możliwości w podejmowaniu decyzji inwestycyjnych

• Autorzy: Bartłomiej Gaweł , Bogdan Rębiasz , Iwona Skalna

Warianty tytułu

Probability Theory and Possibility Theory in Investment Decision Making

• Języki publikacji: PL

Abstrakty

Istotnym problemem w analizach ryzyka jest rozróżnienie pomiędzy niepewnością aleatoryczną (probabilistyczną) oraz epistemiczną (wynikającą z braku precyzji lub braku informacji). W artykule opisany został problem podejmowania decyzji inwestycyjnej w oparciu o analizę opłacalności oraz ryzyka inwestycji rzeczowej, w sytuacji gdy część parametrów wejściowych modelu decyzyjnego przedstawiona jest rozkładami prawdopodobieństwa, a część rozkładami możliwości, innymi słowy w sytuacji występowania danych hybrydowych. Analiza ryzyka dla tak zdefiniowanego problemu została wykonana za pomocą metody łączącej symulację Monte Carlo z metodą wykonywania operacji arytmetycznych na zależnych liczbach rozmytych. W artykule do realizacji tych ostatnich wykorzystano metodę programowania nieliniowego. W wyniku tego typu obliczeń uzyskano rozmytą zmienną losową, której interpretacja może być trudna dla praktyków życia gospodarczego. Na podstawie krytycznego przeglądu istniejących mierników ryzyka definiowanych w sytuacji wykorzystania hybrydowych danych, zaproponowano nową metodę podejmowania decyzji inwestycyjnej. W części praktycznej przedstawiono proces podejmowania decyzji inwestycyjnej na przykładzie inwestycji rzeczowej w sektorze hutniczym.(abstrakt oryginalny)

EN

In risk analysis it is very important to distinguish between aleatory (probabilistic) and epistemic (due to lack of precision or information) uncertainty. In this paper is described a problem of making an investment decision on the basis of the analysis of effectiveness and risk of a tangible investment, in a situation when some model parameters are described by probability distributions and some are described by possibility distributions, i.e., in the presence of hybrid data. An analysis of risk for such defined problem was performed using a method which combines Monte-Carlo simulation with the method for performing operations on dependent fuzzy numbers. Those operations were realized using the nonlinear programming. As a result, a random fuzzy variable was obtained, which is difficult to be interpreted for practitioners of economic life. On the basis of critical review of the existing risk measures defined in the case of hybrid data, a method for making an investment decision was proposed. The practical part of the paper presents an investment decision making process on the example of a tangible investment in metallurgical sector.(original abstract)

Słowa kluczowe

PL

Teoria prawdopodobieństwa; Podejmowanie decyzji; Podejmowanie decyzji inwestycyjnych; Ryzyko inwestycyjne; Metoda Monte Carlo

EN

Probability theory; Decision making; Investment decisions making; Investment risk; Monte Carlo method

• Czasopismo: Studia Ekonomiczne / Uniwersytet Ekonomiczny w Katowicach
• Rocznik: 2015
• Numer: nr 248
• Strony: 62--79

Twórcy

autor

Bartłomiej Gaweł

• AGH Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie

autor

Bogdan Rębiasz

• AGH Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie

autor

Iwona Skalna

• AGH Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie

Bibliografia

• Aven T. (2010), On how to define, understand and describe risk, Reliability Engineering & System Safety 95(6).
• Baudrit C., Guyonnet D., Dubois D. (2006), Joint Propagation and Exploitation of Probabilistic and Possibilistic Information in Risk Assessment, IEEE Trans. FuzzySystems, 14, s. 593-608.
• Baudrit C., Guyonnet D., Dubois D. (2005), Post-processing the hybrid method for addressing uncertainty in risk assessments, J. Envir. Eng., ASCE, 131(12).
• Domurat A., Zieliński T. (2013), Niepewność i niejasność jako uwarunkowania decyzji ekonomicznych, Decyzje 20, s. 21-48.
• Dubois D., Guyonnet D. (2011), Risk-informed decision-making in the presence of epistemic uncertainty, International Journal of General Systems 40(02).
• Dubois D., Prade H. (1993), On possibility/probability transformations, [w:] R. Lowen, M. Roubens, Fuzzy Logic: State of Art, Kluwer Academic Publ.
• Ferson S. (1996), What Monte Carlo methods cannot do, Human and Ecological Risk Assessment 2(4).
• Ferson S., Ginzburg L.R. (1996), Different methods are needed to propagate ignorance and variability, Reliability Engineering and System Safety, 54, s. 133-144.
• Helton J.C., Oberkampf L.W. (2004), Alternative Representations of Epistemic Uncertainty, Reliability Engineering and Systems Safety 85(1-3), s. 1-10.
• Jaffray J.-Y., Fabrice P. (1997), On the Existence of Subjective Upper and Lower Probabilities, Mathematics of Operations Research 22, s. 165-185.
• Jajuga K. (2000), Miary ryzyka rynkowego - część trzecia. Miary zagrożenia, "Rynek Terminowy" 8.
• Knight F.H. (1921), Risk, Uncertainty and Profit, University of Boston Press, Boston.
• Kuchta D. (2001), Miękka matematyka w zarządzaniu. Zastosowanie liczb przedziałowych i rozmytych w rachunkowości zarządczej, Oficyna Wydawnicza PolitechnikiWrocławskiej, Wrocław.
• Liu B. (2006), A survey of credibility theory, Fuzzy optimization and decision making 5(4), s. 387-408.
• Michalak A. (2007), Finansowanie inwestycji w teorii i praktyce, PWN, Warszawa.
• Pazio J.W. (2001), Analiza finansowa i ocena efektywności projektów inwestycyjnych przedsiębiorstw, Politechnika Warszawska, Warszawa.
• Rębiasz B. (2007), Fuzziness and randomness in investment project risk appraisal, Computers & Operations Research 34(1), s. 199-210.
• Rębiasz B. (2013), Selection of efficient portfolios-probabilistic and fuzzy approach, comparative study, Computers & Industrial Engineering 64(4), s. 1019-1032.
• Rębiasz B., Gaweł B., Skalna I. (2014), Hybrid framework for investment project portfolio selection, Computer Science and Information Systems (FedCSIS), 2014 Federated Conference on. IEEE.
• Rębiasz B., Gaweł B., Skalna I. (2014), Capital budgeting of interdependent projects with fuzziness and randomness, [w:] Z. Wilimowska (red.), Information systems architecture and technology, Oficyna Wydawnicza Politechniki Wrocławskiej, Wrocław.
• Rogowski W. (2013), Rachunek Efektywności Inwestycji, PWN, Warszawa.
• Smets P. (2002), Decision making in a context where uncertainty is represented by belief functions, [w:] Belief functions in business decisions, Physica-Verlag HD, s. 17-61.
• Smets P. (2005), Decision making in the TBM: the necessity of the pignistic transformation, Int. J. Approx. Reasoning 38(2), s. 133-147.
• Wakker P. (2010), Prospect theory: For risk and ambiguity, Cambridge University Press.
• Wrzosek S. (1994), Ocena efektywności rzeczowych inwestycji przedsiębiorstwa, Sygma, Wrocław.