Известно также, что хозяйственные руководители, добивающиеся стабильного успеха и высоких экономических результатов своих предприятий, чаще избегают рискованных авантюристических проектов и предпочитают надежные проверенные осмотрительные действия. И это несмотря на то, что сделки с наиболее высокой степенью риска при их благополучном исходе оказываются, как правило, и самыми прибыльными. Недаром в обыденном сознании больший риск ассоциируется не только с потенциально большей выгодой, но и с возможностью больше потерять. В некоторых работах эта ситуация описывается как «сожаления после принятия решения» (postdecision regret). Это случай решений, в которых возможно придется раскаиваться, указывает на то, что решение, которое привело к ущербу, могло быть, тем не менее, правильным. Асимметрия времени разрушает и этот парадокс. По сути дела, именно для этого случая разрабатывались вероятностно-статистические модели исчисления риска.

Однако, какие бы изощренные вычисления ни производились и какие бы при этом ни получались убедительные совпадения результатов, это отнюдь не означает, что существует такое решение, которое вообще избавляет от риска. И, само собой разумеется, отказ от принятия какого-либо решения – это тоже решение, которому также сопутствует риск не получить желаемый результат. Опыт учит: чем больше знаешь, тем больше знаешь, чего не знаешь, и тем скорее формируется сознание риска. Тем не менее, чем более рациональны, чем более сложно задуманы обосновывающие решение исследования и расчеты, тем больше граней проблемы попадает в поле зрения. Идея использования категории «хозяйственный риск» и связанных с ней расчетов и оценок способствует расширению исследовательских и прикладных возможностей и пополнению знаний об управляемом хозяйственном объекте, а значит, в конечном счете будет способствовать повышению качества управления.

Для формализованного описания неопределенности обычно используются три класса математических моделей, различающиеся степенью информированности о состоянии объективной реальности: стохастические, лингвистические, и нестохастические, или игровые (Клейнер, Смоляк, 2000). В стохастических моделях неопределенность описывается распределением вероятностей на заданном множестве. В лингвистических моделях – функцией принадлежности, задаваемой вербально[5]. Нестохастические игровые модели используются тогда, когда имеется возможность лишь задать неструктурированное множество значений элементарного события, потенциально могущих реализоваться.

В частности, для математической постановки задачи анализа риска исходная информация может быть представлена в виде нагруженной причинно-следственной сети (ПСС), отражающей результаты качественного анализа ситуации с учетом компонентов риска. Под причинно-следственной сетью понимается ориентированный граф, каждый узел которого обозначает событие или совокупность событий (факторов риска), приводящих к нежелательным последствиям, а дуги соединяют причины с каждым из возможных непосредственных нежелательных последствий. Таким образом, ПСС формализует качественные результаты анализа риска данного объекта, фиксируя перечни факторов риска и вариантов нежелательного развития событий в случае реализации одного или нескольких факторов риска. Неопределенность и неоднозначность развития событий отображаются в ПСС тем, что из каждого узла ПСС выходит в общем случае не одна дуга. Возможны ситуации, для которых известна информация о степени возможности реализации того или иного исхода. Это соответствует наличию информации для каждой дуги, исходящей из данного узла, о степени возможности перехода по ней. В таком случае можно перейти к нагруженным ПСС. Способ нагружения ПСС это способ описания неопределенности перехода, который фактически и определяет класс математической модели анализа риска (Аркин, Смоляк, 1984).