Infrastructur de transport - nseamn toate rutele i instalaiile fixe ale celor trei mijloace

de transport(cale ferat, drumuri, ci navigabile interioare) n msura n care sunt necesare

pentru circulaie i siguran n trafic. (Regulamentul CE nr. 851/2006)
Riscurile sunt definite n accepiunea teoriei clasice a deciziei, ca evenimente cu apariii
posibile n procesele social-umane, dar incerte, ale cror efecte sunt dauntoare, pguboase i
au caracter ireversibil. In accepia teoriilor statistice, riscurile reflect variaiile posibile ale
distribuirii rezultatelor, probabilitatea i valorile lor subiective.(Filipoiu , Rnea , 2009)
Riscul i incertitudinile sunt caracteristici cheie ale majoritii afacerilor i problemelor de
stat i trebuie s fie evaluate nainte de luarea oricror decizii mai mult sau mai puin
raionale.
Managementul riscurilor cuprinde totalitatea metodelor sau mijloacelor prin care se
gestioneaz incertitudinea, ca baz major a factorilor de risc n scopul ndeplinirii
obiectivelor planificate. Managementul riscurilor unui proiect cuprinde acele procese care
permit identificarea, analiza i atenuarea / evitarea riscurilor unui proiect. Aceasta implic
maximizarea

consecinelor

evenimentelor

pozitive

minimizarea

consecinelor

evenimentelor defavorabile care pot s apar pe durata ciclului de via al unui proiect.
Simulari de analize de risc prin metoda Monte Carlo
Termenul "Monte Carlo" a fost introdus pentru prima dat de ctre von Neumann i Ulam
n timpul celui de al doilea rzboi mondial, ca nume de cod pentru munca secret de la Los
Alamos, unde forele aliate au ncercat s descopere bomba atomic. Acesta a fost sugerat de
ctre cazinourile de jocuri de noroc din oraul Monte Carlo, n Monaco, pentru a
obine "publicitate". Munca depus la Los Alamos a implicat simulri directe cu privin la
difuzia aleatoare a neutronului in materialul fisionabil.
Metoda Monte Carlo este acum una dintre cele mai puternice i utilizate tehnici de
analiz a problemelor complexe. Diferitele tipuri de aplicaii pot fi gsite n multe domenii de
activitate ncepnd de la transportul radiaiilor pn la modelarea bazinului unui ru. n
plus, simularea Monte Carlo nu este aplicabil doar pe procese stocastice, ci i pe probleme
deterministe.
Exist trei puncte importante care difereniaz metoda Monte Carlo de metodele
tradiionale de simulare:

1. n metoda Monte Carlo timpul nu joac un rol important aa cum se ntmpl, n

general, ntr-o simulare stocastic.
2. Rezultatele din metoda Monte Carlo, de regul, sunt independente.
3. n metoda Monte Carlo este posibil s se exprime rspunsurile ntr-o manier
direct prin funcii simple ale variabilelor de intrare stocastice. n simulare rspunsul este de
multe ori foarte complicat i poate fi exprimat n mod explicit doar de ctre programe de
calcul.
Avantajul metodei Monte Carlo este acela c poate fi aplicat foarte uor. Atunci cnd
sunt combinate mai multe valori incerte, determinarea incertitudinii privind rezultatul poate fi
foarte complex. De exemplu, cnd sunt adugate dou valori incerte, incertitudinea privind
rezultatul este oarecum mai mic dect suma incertitudinilor originale. Folosind MCS, acest
lucru i alte efecte similare sunt calculate n mod automat, astfel nct nu sunt
necesare cunotine de statistic pentru a obine rezultate precise.
Unul dintre factorii cheie n crearea unui model de simulare este de a vedea dac
modelul cunoate o

evoluie n viitor. Indiferent dac problema este determinist sau

stocastic MCS s-a dovedit a fi util. Simularea stocastic este, de fapt, o metod de
eantionare statistic pentru un model real. Pentru c generarea de rezultate la o anumit
distribuie implic utilizarea de numere aleatoare, aceste tipuri de simulri este numit MCS.
Metoda Monte Carlo a fost iniial considerat a fi o metod care folosete numere aleatoare
sau pseudo-aleatoare alese dintr-un interval de distribuie uniform [0, 1](Law i Kelton,2000).
Principiul din spatele MCS este ilustrat n Figura 12, unde sunt prezentate principiile care stau
la baza metodei de simulare a planificrii investiiilor.

2.Selecie aleatoare. Alegerea factorilor n concoradant cu ansele/probabilitile fixate.

1.Valori probabilistice/distribuii-factori importani/parametri.

5. Distribuii probabilistice privind rata total de rentabilitate.(TRR)
Axa vertical ansa ca aceste valori s fie atinse
Axa orizontal inerval de valori

Axa vertical ansa ca rata s fie atins.

Axa orizontal rata de rentabilitate(TRR)

3. Determinarea ratei de rentabilitate pentru fiecare combinaie pentru toi cei 9 factori cu grad incertitudine.
piaa

cota de piaa

preuri

rata de cretere a pieii

investiia necesar val.rezidual a investiiei

4.Repetarea procesului(a simulrii) pentru a obine un portret complet a riscului investiiei.

Costuri curente

Costuri fixeDurata de via

Figura 12. Exemplu de principu de simulare n cazul unei strategii de investiii.(Hertz i Thomas, 1984)

n cazul de mai sus, exist 9 parametri cu grad diferit de incertitudine:

2.Selecie aleatoare. Alegerea factorilor n concoradant cu ansele/probabilitile fixate.

1.Valori probabilistice/distribuii-factori importani/parametri.

5. Distribuii probabilist

Axa vertical ansa ca aceste valori s fie atinse

Axa orizontal inerval de valori

Axa vertical ansa ca

Axa orizontal rata de

3. Determinarea ratei de rentabilitate pentru fiecare combinaie pentru toi cei 9 factori cu grad incertitudine

piaa

cota de piaa

preuri

investiia necesar

rata de cretere
a pieii

val.rezidual

a investiiei

4.Repetarea procesului(a simulrii) pentru a obine un portret complet a riscului investiiei.

Costuri curente

Costuri fixe

Durata de via

Figura 12. Exemplu de principu de simulare n cazul unei strategii de investiii.(He

1. piaa de referin, dimensiune

2. preurile de vnzare
3. rata de cretere a pieei
4. cota de pia
5. investiiile necesare
6. valoarea rezidual a investiiei
7. costurile curente

8. costurile fixe
9. durata de via
Fiecare parametru are atribuit o distribuie probabilistic dup cum este indicat n
Figura 2. Prin utilizarea simulrii Monte Carloeste posibil ca toate cele 9 distribuii s fie
comasate ntr-un singur grafic, aa cum se poate vedea la Etapa 5.(aici, o rat
total derentabilitate).
Mai jos este prezentat o imagine de ansamblu a simulrii Monte Carlo, n 7 pai, care
conine dou metode de generare de rezultate: Monte Carlo(Pasul3):
Pasul 1: Determinarea parametrilor/valorilor cu grad de incertitudine.
Pasul

2:Adugarea

unei

distribuii

probabilistice

corespunztoare

pentru

fiecareparametruselectat.
Pasul 3: Generarea unei valori aleatoare pentru fiecare distribuie.
Pasul

4: Pentrufiecareiteraie(Pasul

1,

ilustratn

Figura

2),

este

calculat

rata

cost\beneficiu(B/C rate, eng).

Pasul 5:Se repet procesul(Pasul 2la4)cuocantitaterelativmaredeiteraii.
Pasul 6: Acum este posibil vizualizarea celei mai probabile rate cost\beneficiu
combinatcu intervalul cel mai mic i cel mai mare gsit al acesteia.
Pasul 7: Afiarea variantei finale a distribuiei probabilistice a ratei cost\beneficiu (programe
special

create,

de

exemplu:

sau curbe cumulate probabilistice).

programul

@Risk,

generez

astfel

de

histograme

Figura 1. Schem de management a riscurilor(PIARC, 2008)

Obiectivul principal al analizei de risc este de a stabili un fundament raional in

procesul decizional. Analiza de risc are drept scop cuantificarea efectelor nedorite pe care o
anumit activitatea le poate genera oamenilor, mediului natural sau mediului economic.
Obiectivul procesului de decizie este de a identifica soluia potrivit, astfel nct, s se
minimizeze gradul de risc aferent activitilor considerate. (Friis-Hansen, 2005).
n evaluarea deciziilor, este important s se aib n vedere, faptul c rezultatele care
decurg din analiza cantitativ a riscului(RA) nu sunt finale, ci doar un ajutor pentru factorii de
decizie. Analiza de risc, termenul utilizat n acest raport, se refer la evaluarea incertitudinii
totale asociate cu estimrile cost-beneficiu. Analiza de risc tradiional este adesea
menionat n studii economice sau de investiii n cazul n care un riscul este ncorporat
n calculele ulterioare. n

cazul

de

fa

analiza

riscului este

o parte a analizei

de

sensitivitate care ia n calcul c incertitudinea evolueaz ntre anumite intervale de date sau
parametri ai impactului.
O procedura

complet

de evaluare

riscului

este

alctuit

din(Vose, 2002):

1. Identificarea riscului care urmeaz s fie analizat.

2. O descriere calitativ a problemei i a riscului - de ce s-ar putea s apar?, ce se
poate face pentru a reduce riscul?, probabilitatea de apariie etc.

3.

analiz

cantitativ

riscului,

precum

i opiunile

de gestionare

riscurilor asociate, care sunt disponibile pentru a determina sau a gsi o strategie optim
pentru controlul i implicit rezolvarea problemei cauzat de risc.
4. Implementarea, n urma aprobrii, strategiei de gestionare a riscurilor.
5. Comunicareaiargumentareamsurilor propuse factorilor de decizie.
Esena abordriitradiionale a analizei riscului este de a oferifactorilor de decizie o
valoare medie care sajute la creareauneiimagini de ansablucuprivire la rezultateleateptate.
Avantajul de a folosi analiza bazat pe risc este posibilitatea de difereniere a
caracteristicilorinformaiilor

de

risc n ceea

ce

priveterezultatale

cum

ar

fi:

ValoareaActualNet (NPV net presentvalue, eng.), Rata intern de rentabilitate (RIR

Internalrate of Return, eng.) sau rata cost/beneficiu (B/C -Rate), prin distribuii de
probabilitate (Hertz i Thomas, 1984).

3.1 Analiza cantitativ a riscurilor

Modelarea determinist implic folosirea, n cadrul modelului, unei estimri bazate pe cea
mai

probabila

ipoteza

cu

privire

la

fiecare variabil pentru

determinarea

rezultatului.Astfel, pe model, este folosit incertitudinea pentru a determina ct de mult un

astfel

de

rezultatarputea varia

de

la punctul

devreme. Acestevariaiisuntadeseadenumiteca scenarii

de estimare

de

tipul:

calculat mai

"ce s-ar

ntmpla

dac". Avantajul de afolosianalizcantitativ a riscului este c n loc de a creadoar

un numr de scenarii posibile se ine cont de fiecarevaloareposibil pe care o pot lua toate
variabileledin

cadrulmodelului,

continuedeprobabilitate.Fiecareparametru/variabila
probabilistic,n diferitescenarii,caresunt

prinutilizareadistribuiilor
are

analizate

atribuitunrezultat
mpreun

de

distribuie

funcie

de

probabilitateadeapariie.
Structura principal

a unui

model RA

amodeluluideterminist,cuexcepiacfiecarevariabil

este oarecum foarte similar

n

modelul

RA estereprezentatdeofuncieprobabilisticdedistribuie(PDF).Obiectivuleste

cu

cea
de

deacalculaimpactulcombinata variabilitii i incertitudinii cu scopul de a determina variaia

totaladistribuiei probabilistice pentru modelul ales. Tehnica utilizat este o simulare
MonteCarlo(MCS),

care implic

metoda

aleatoarede generare

de

rezultate. Deoareceacestedistribuii cuprind sute sau chiar mii de scenariidiferite, ele mai sunt
cunoscute i sub numele de iteraii.

3.2 Simularea Monte Carlo (MCS)

Termenul "Monte Carlo"afostintroduspentru

prima

ctrevonNeumanniUlamntimpul celui

de

al

cod pentru munca secretde

laLosAlamos, undeforele aliate

dat de

doilearzboimondial, ca nume

ncercats descoperebombaatomic.Acestaafostsugeratde

ctre cazinourile de

de
au

jocuri

de

noroc din oraulMonteCarlo, nMonaco, pentrua obine "publicitate".Muncadepus la Los

Alamos

aimplicatsimulridirecte cu privin la difuziaaleatoare a neutronului in

materialulfisionabil.
Metoda Monte Carlo esteacum unadintre celemaiputernice i utilizatetehnici

de

analiz a problemelorcomplexe. Diferiteletipuri de aplicaii pot fi gsitenmultedomenii de

activitatencepnd de la transportul radiaiilor pn la modelarea bazinuluiunuiru. n
plus, simularea

Monte

Carlo

nu

esteaplicabildoar pe procesestocastice, ci

ipeproblemedeterministe. Exist treipuncteimportante care

Carlo de metodeletradiionale de simulare:

difereniazmetoda

Monte

1. n metoda Monte Carlo timpul nu joac un rol important aa cum se ntmpl, n

general, ntr-o simularestocastic.
2. Rezultatele din metoda Monte Carlo, de regul, suntindependente.
3. nmetoda

Monte

manierdirectprinfuncii

Carlo esteposibils

simple

ale

se

exprimerspunsurilentr-o

variabilelor

de

intrarestocastice.

nsimulare rspunsul este de multeorifoartecomplicatipoate fi exprimatn mod explicit doar

de ctre programe de calcul.
Avantajulmetodei

Monte

Carlo

esteacelacpoate

fi

aplicatfoarteuor. Atuncicndsuntcombinatemaimultevaloriincerte,
determinareaincertitudiniiprivindrezultatulpoate fi
foartecomplex. De exemplu, cndsuntadugatedouvaloriincerte,
incertitudineaprivindrezultatuleste oarecum maimicdectsumaincertitudinilororiginale.
Folosind MCS, acestlucrui alteefectesimilare sunt calculate n mod automat, astfelnct nu
suntnecesare cunotine de statistic pentru a obinerezultate precise.
Unuldintre factorii cheien creareaunui

model de

simulare este

de

vedea dacmodelulcunoate

evoluie nviitor. Indiferentdac problemaeste deterministsaustocastic MCS s-a dovedit a

fi util. Simulareastocasticeste,

de

fapt, o

model real. Pentruc generarea

metod de
de

eantionarestatistic pentru
rezultate

un
la o

anumitdistribuieimplic utilizarea de numerealeatoare, acestetipuri

de simulri estenumit MCS. Metoda Monte Carlo a fostiniialconsiderat a fi o metod care
folosetenumerealeatoaresau pseudo-aleatoare alesedintr-un interval de distribuie uniform [0,
1](Law i Kelton,2000).
2.Selecie aleatoare. Alegerea factorilor n concoradant cu ansele/probabilitile fixate.

Principiul din spatele MCS este ilustratn Figura 12, undesunt prezentate principiile care stau
1.Valori probabilistice/distribuii-factori importani/parametri.

la bazametodei de simulare a planificriiinvestiiilor.

Axa vertical ansa ca aceste valori s fie atinse

Axa orizontal inerval de valori

5. Distribuii probabilistice privind rata total de rentabilitate.(TR

Axa vertical ansa ca rata s fie atins.
Axa orizontal rata de rentabilitate(TRR)

3. Determinarea ratei de rentabilitate pentru fiecare combinaie pentru toi cei 9 factori cu grad incertitudine.
piaa

cota de piaa

preuri

rata de cretere a pieii

investiia necesar val.rezidual a investiiei

4.Repetarea procesului(a simulrii) pentru a obine un portret complet a riscului investiiei.

Costuri curente

Costuri fixeDurata de via

Figura 12. Exemplu de principu de simulare n cazul unei strategii de investiii.(Hertz i Thomas, 19

n cazul de mai sus, exist 9 parametri cu grad diferit de incertitudine:

1. piaa de referin, dimensiune
2. preurile de vnzare
3. rata de cretere a pieei
4. cota de pia
5. investiiile necesare
6. valoarea rezidual a investiiei
7. costurile curente
8. costurile fixe
9. durata de via
Fiecare parametru are atribuit o distribuie probabilistic dup cum este indicat n
Figura 2. Prin utilizarea simulrii Monte Carloeste posibil ca toate cele 9 distribuii s fie
comasate ntr-un singur grafic, aa cum se poate vedea la Etapa 5.(aici, o rat
total derentabilitate).
Mai jos este prezentat o imagine de ansamblu a simulrii Monte Carlo, n 7 pai, care
conine dou metode de generare de rezultate: Monte Carlo(Pasul3):
Pasul 1: Determinarea parametrilor/valorilor cu grad de incertitudine.
Pasul

2:Adugarea

unei

distribuii

probabilistice

corespunztoare

pentru

fiecareparametruselectat.
Pasul 3: Generarea unei valori aleatoare pentru fiecare distribuie.
Pasul

4: Pentrufiecareiteraie(Pasul

1,

ilustratn

Figura

2),

este

calculat

rata

cost\beneficiu(B/C rate, eng).

Pasul 5:Se repet procesul(Pasul 2la4)cuocantitaterelativmaredeiteraii.
Pasul 6: Acum este posibil vizualizarea celei mai probabile rate cost\beneficiu
combinatcu intervalul cel mai mic i cel mai mare gsit al acesteia.

Pasul 7: Afiarea variantei finale a distribuiei probabilistice a ratei cost\beneficiu (programe

special

create,

de

exemplu:

sau curbe cumulate probabilistice).

programul

@Risk,

generez

astfel

de

histograme