Чтение онлайн

• Оптимизация решения. Принимаемое на практике решение редко оказывается итогом простого процесса одобрения по типу «да — нет». А когда это так, существуют многочисленные способы улучшить уже принятое решение. Теперь, с детально разработанной моделью «риск/доходность», можно разработать стратегии уменьшения риска или попытаться повысить доходность инвестиций, проведя анализ по методу «что, если».

• Заключительный отчет и презентация. Заключительный отчет должен содержать описание модели принятия решения, результатов анализа стоимости информации, использованных методов измерения, положения на инвестиционной границе, а также всех показателей, требующих постоянного отслеживания, или методов оптимизации принятого решения.

Описанный процесс выглядит довольно сложным, но на самом деле это лишь резюме всего, о чем мы говорили в этой книге до сих пор. Рассмотрим теперь несколько примеров практического применения AIE для измерения в тех областях, которые многим участникам моего исследования казались совершенно неизмеряемыми.

Пример из практики: стоимость системы, следящей за качеством питьевой воды

В Агентстве по защите окружающей среды (ЕРА) функционирует информационная служба по безопасности питьевой воды (Safe Drinking Waters Information System, SDWIS) — главная система наблюдения за качеством питьевой воды в Соединенных Штатах, обеспечивающая быстрое реагирование на появление любых угроз здоровью населения. Когда отвечавшему за программу SDWIS руководителю филиала Джеффу Брайану потребовалось больше средств, перед ним встала задача подготовить убедительное обоснование проекта. Однако его беспокоило то, что все преимущества SDWIS были, в конечном счете, связаны с областью здоровья населения и он не знал, как их оценить экономически.

Заместитель руководителя информационной службы и главный специалист по технологии отдела экологической информации Марк Дей предложил Брайану рассчитать этот показатель методом прикладной информационной экономики. Дей, ставший инициатором большинства AIE-проектов в ЕРА, даже сказал, что его подразделение возьмет на себя часть расходов.

Этап 0

На нулевом этапе, фазе планирования, мы отобрали 12 человек, хорошо знакомых со SDWIS и понимавших ее значение. Мы наметили провести в течение трех недель пять заседаний рабочей группы продолжительностью в половину рабочего дня. Главным человеком в команде, способным привлечь других экспертов и решать возникающие вопросы, был признан Джефф Брайан.

Этап 1

На первом же заседании рабочей группы (посвященном определению стоявшей перед нами задачи) стало очевидно, что на самом деле, вопреки моим ожиданиям, речь идет вовсе не об анализе SDWIS целиком. Ведь эта система существовала уже несколько лет, и никто всерьез не собирался отказываться от нее или менять на другую. Необходимо было просто определить целесообразность трех направлений ее усовершенствования: модернизации системы обнаружения нарушений, обеспечения возможности доступа к информации разных штатов через Интернет и адаптации базы данных к современным требованиям. Три перечисленные программы требовали первоначальных вложений примерно 1, 2 и 0,5 млн дол. соответственно плюс текущие расходы. Мы должны были ответить на вопрос, целесообразны ли экономически данные улучшения, и, если это так, выбрать из них приоритетное.

Таким образом, электронная таблица должна была отразить три разных проекта предполагаемой модернизации SDWIS, каждый из которых имел свои преимущества. Наибольшие трудности вызывало сравнение затрат на реализацию проекта с ожидаемой пользой для здоровья населения. Служба управления и бюджета уже потребовала, чтобы ЕРА готовило экономические обоснования всех разрабатываемых им экологических правил. ЕРА приходилось рассчитывать издержки соблюдения предлагаемых норм и правил, а также выгоды для населения от введения каждого нового правила. Авторы нескольких исследований сумели оценить экономические последствия различных наиболее распространенных видов загрязнения питьевой воды. Зачастую в ЕРА использовали метод готовности платить за сохранение благоприятной экологической обстановки, но иногда рассчитывали убытки от загрязнения воды только по числу дней временной потери трудоспособности. Следующие два заседания рабочей группы были посвящены выяснению того, как SDWIS должна способствовать общественному здравоохранению. В результате нам удалось построить модель в виде электронной таблицы, координировавшую направления совершенствования SDWIS с оценкой стоимости выгод для здоровья населения. В модели, структура которой представлена на рисунке 14.2, было использовано 99 переменных.

На этой схеме каждый блок символизирует несколько переменных табличной модели. Например, для доступа штатов через Интернет мы оценивали временные затраты на разные виды деятельности, насколько сократятся эти затраты, а также насколько быстрее благодаря этому будут устраняться нарушения правил по безопасности питьевой воды.

На последних двух заседаниях рабочей группы этапа 1 мы провели тренинг по калибровке для экспертов и попросили их дать первоначальные оценки каждой переменной в модели. Результаты тренинга показали, что эксперты были хорошо калиброваны (то есть 90 % ответов оказались в пределах указанных 90-процентных CI). Каждая величина, введенная в модель, имела свой уровень неопределенности, иногда выражаемый довольно широким интервалом. Например, одной из ожидаемых выгод был рост процента нарушений, отражаемых в отчетности (дело в том, что обычно не все случаи загрязнения воды попадают в официальные отчеты). Неопределенность, связанная с этим ростом, была весьма высока, поэтому эксперты указали 90-процентный доверительный интервал 5–55 %.

Программа рассчитала доходность инвестиций для каждого из трех направлений модернизации SDWIS. На этом этапе мы уже имели детализированную модель, отражавшую исходное состояние неопределенности, оцененное экспертами.

Этап 2

На этапе 2 мы провели анализ стоимости информации. Хотя интервалы значений всех переменных оказались достаточно широкими, выяснилось, что измерения заслуживает лишь одна из них — среднее улучшение здоровья населения в результате введения новых норм безопасности питьевой воды. Система SDWIS предназначалась главным образом для того, чтобы следить за загрязнениями тщательнее и принимать корректирующие меры быстрее и эффективнее. Верхняя граница стоимости возможного улучшения здоровья населения в результате введения одного правила составляла 1 млрд дол. в год, но существовала вероятность и того, что она окажется меньше издержек соблюдения новой нормы. Иными словами, экономические преимущества от этих требований были настолько неопределенными, что имелась вероятность отрицательного конечного результата всех предпринятых усилий.

Но если новые правила не дадут положительного эффекта (разность стоимости положительного воздействия на здоровье и издержек соблюдения правил EPA), то бессмысленно внедрять их быстрее или лучше. Стоимость информации о темпах внедрения штатами новой технологии, принятии ими мер по росту эффективности, повышению процента нарушений, отражаемых в отчетности и т. п. оказалась равной нулю. Все, что нам нужно было сделать, — снизить исходную неопределенность относительно чистого экономического эффекта от введения норм безопасности питьевой воды. Но потенцииальный эффект для здоровья населения (то есть верхние границы интервалов) был очень высок по сравнению с низкими издержками модернизации SDWIS. В результате порог измерения экономического преимущества оказался чуть выше нуля. Иными словами, фактически мы должны были снизить неопределенность относительно того, окажется ли положительным чистый экономический эффект от введения новой политики контроля качества питьевой воды. Вот мы и решили заняться только этим и ничем другим.

Поскольку предыдущие исследования экономических последствий введения новых правил безопасности питьевой воды различались применявшимися методами, мы начали с простого инстинктивно-байесовского подхода, предполагающего более глубокое изучение результатов экономического анализа, выполненного до сих пор.

Причина, по которой калиброванные эксперты учли вероятность отрицательного результата введения новых норм, заключалась в том, что одно из проводившихся ранее исследований показало: одно конкретное требование не дало в свое время положительного экономического эффекта. При ближайшем рассмотрении оказалось, что авторы этого исследования рассматривали лишь консервативные экономические последствия загрязнения воды — дни временной потери трудоспособности и ущерб от этих потерь. Однако большинство людей согласились бы с тем, что заболеть намного хуже, чем не получить зарплату за несколько дней. В других исследованиях учитывали не только показатель недополученной заработной платы, но и готовность платить за то, чтобы не заболеть. Во всех работах, где использовались WTP, экономический эффект новых правил оказался пусть и не очень значительным, но все же положительным.

В результате мы получили более подробную разбивку отдельных эффектов от введения каждой нормы контроля качества воды. Затем был указан калиброванный 90-процентный CI для того, какими оказались бы реальные выгоды от принятия самого бесполезного из введенных ранее правил, будь в нем учтены все благотворные последствия других норм EPA. Стало очевидно: вероятность отрицательного экономического эффекта от введения новой нормы контроля качества воды практически равна нулю. Мы скорректировали свою модель, чтобы отразить эти данные. Проведенный затем анализ стоимости информации показал, что экономическое обоснование любого направления модернизации SDWIS не требует проведения дополнительных измерений.

Этап 3

На этапе 3 мы прогнали окончательную моделирующую программу Монте-Карло для каждого направления инвестирования. Когда неопределенность экономического эффекта от введения новых норм контроля качества питьевой воды снизилась, оказалось, что реализация всех трех инвестиционных проектов крайне желательна. При этом возникла возможность улучшить намеченный ранее график их осуществления. Потенциальная доходность проекта модернизации отражения нарушений в отчетности была очень высокой (среднее соотношение «выгоды/затраты» составляло в данном случае 3:1), однако имелась высокая (12 %) вероятность отрицательной доходности. Вероятность отрицательной доходности двух других проектов составляла менее 1 %.