Verslo rizika ir pelningumas

Anotacija#

Šis skyrius nagrinėja verslo rizikos ir pelningumo ryšį – nuo koncepcijos ištakų iki šiuolaikinių kiekybinių modelių ir elgsenos finansų (angl. behavioural finance), aiškinančių, kodėl tikri sprendimai nuo tų modelių nukrypsta. Teorinėje dalyje atsekama rizikos sampratos raida per keletą fundamentalių lūžių: Knighto skirtis tarp rizikos ir neapibrėžtumo (1921), Markowitzo portfelio teorija ir dispersija kaip rizikos matas (1952), Sharpe’o kapitalo turto kainodaros modelis ir beta koeficientas (1964), Kahnemano ir Tversky prospektų teorija ir elgsenos finansų revoliucija (1979), Mandelbroto ir Talebo „storų uodegų“ kritika. Ši istorinė raida sintetinama į penkių lygmenų rizikos ontologijų sistemą (tikimybinis, nuostolio, sisteminis, elgseninis, ontologinis-organizacinis), parodančią, kodėl skirtingi dalyviai tą pačią situaciją vertina iš esmės skirtingai. Pristatoma sisteminės ir nesisteminės rizikos dichotomija bei jos ribos (krizinių koreliacijos pokyčių problema, „diworseification“), verslo rizikos klasifikacija pagal kilmę ir valdymo galimybes (įskaitant reputacinę, skaitmeninę sisteminę riziką ir rizikų kaskadavimą), rizikos valdymo sistemos (ISO 31000, COSO ERM) bei ESG kaip dvikryptė rizikos dimensija – tiek rizikos mažinimo instrumentas, tiek papildomas rizikos šaltinis.

Skyriaus centrinė tezė – verslo rizika nėra vien išorinis pavojų sąrašas ar statistinis nepastovumas. Ji yra daugiasluoksnis reiškinys, apimantis objektyviai matuojamą rezultatų sklaidą, subjektyvų sprendimų priėmėjų suvokimą ir institucinį kontekstą, kuriame rizika transformuojama į priimtiną pelningumą. Pelningumas yra kompensacija už prisiimtą ir teisingai įvertintą riziką, tačiau šis ryšys nėra pastovus – rizikos premija priklauso nuo ekonominio ciklo fazės, o beta koeficientas yra nestabilus laike, ypač mažose ir nelikvidžiose Baltijos bei Vidurio ir Rytų Europos rinkose. Šio ryšio supratimas reikalauja derinti kiekybinius modelius (CAPM, daugiaveiksniai modeliai) su kokybiniu neapibrėžtumo suvokimu ir septynių kognityvinių šališkumų – nuo perteklinio pasitikėjimo iki bandų elgsenos ir planavimo klaidos – atpažinimu.

Analitinėje dalyje pateikiami baziniai rizikos ir pelningumo matavimo įrankiai (standartinis nuokrypis, beta, CAPM, portfelio dispersija, Sortino ir Sharpe’o koeficientai, variacijos koeficientas, šalies rizikos premija), iliustruojami dviem atvejo analizėmis – Lietuvos gamybinės įmonės rizikos profilio vertinimu ir technologijų startuolio elgsenos šališkumų analize – bei Excel modelio konstravimo instrukcija. Skyrius tiesiogiai siejasi su 1 skyriaus ontologine vertės dekompozicija (ypač rizikos sluoksniu), 2 skyriaus planavimo procesu ir prielaidų jautrumu, o taip pat parengia pagrindą 4 skyriui (rizikos analizės metodai ir rodikliai), 5 skyriui (diversifikacija ir specializacija), 9 skyriui (finansinių ataskaitų analizė), 11 skyriui (WACC ir kapitalo kaina) ir 14 skyriui (realieji opcionai ir specialūs vertinimo atvejai).

Mokymosi rezultatai#

Perskaitęs šį skyrių ir atlikęs užduotis, skaitytojas gebės:

1. Atpažinti, kuriai iš penkių rizikos ontologijų priklauso konkretus rizikos vertinimas ir kieno požiūrį jis atspindi, bei įvardyti keturias rizikos valdymo strategijas su joms būdingais instrumentais (atpažinimas).
2. Paaiškinti Knighto skirtį tarp rizikos ir neapibrėžtumo ir nurodyti, kokiomis sąlygomis kiekybiniai modeliai tampa apgaulingai tikslūs (supratimas).
3. Apskaičiuoti standartinį nuokrypį, beta koeficientą, CAPM reikalaujamą grąžą, portfelio dispersiją, Sortino ir Sharpe’o koeficientus, variacijos koeficientą bei CAPM su šalies rizikos premija ir interpretuoti rezultatą sprendimui (taikymas).
4. Analizuoti rizikos vertinimo prielaidas: atskirti sisteminę riziką nuo nesisteminės, atpažinti normalumo prielaidos ribas ir septynis kognityvinius šališkumus verslo plano tekste (analizė).
5. Pagrįsti, ar konkretus apsidraudimo (hedžingo) sprendimas kuria įmonės vertę, atsižvelgiant į Modigliani ir Millerio prielaidas, sandorio sąnaudas ir bent vieną iš trijų vertės kūrimo kanalų (analizė).
6. Sukonstruoti įmonės rizikos profilį, kuriame keli skirtingi matai taikomi tiems patiems duomenims, ir paaiškinti, kodėl jų išvados nesutampa (sintezė).
7. Įvertinti, ar konkrečioje situacijoje CAPM prielaidos tenkinamos, ir pagrįsti, kokių papildymų reikia vertinant privatų verslą nepakankamo likvidumo rinkoje (vertinimas).

3.1. Teorinė dalis#

3.1.1. Istorinis ir konceptualus kontekstas#

Kodėl rizikos istorija svarbi verslo planuotojui#

Rizika (angl. risk) šiandien atrodo savaime suprantama verslo planavimo kategorija – kiekvienas verslo planas turi „rizikos“ skyrių, kiekvienas finansinis modelis numato diskonto normą, kuri netiesiogiai atspindi rizikos premiją. Tačiau tai, ką šiandien vadiname „verslo rizika“, yra kelių šimtmečių intelektualinės evoliucijos rezultatas, ir šios evoliucijos supratimas nėra vien akademinis smalsumas.

Skirtingos rizikos mokyklos – kiekybinė (statistinė), elgsenos (psichologinė) ir ontologinė (filosofinė) – ne pakeitė viena kitą nuosekliai, o koegzistuoja šiuolaikinėje praktikoje. Vadovas, kuris riziką redukuoja į vieną skaičių (standartinį nuokrypį ar beta koeficientą) ir ignoruoja psichologines bei institucines dimensijas, rizikuoja sukurti „matematinio saugumo“ iliuziją. Verslininkas, kuris atsisako bet kokio kiekybinio rizikos vertinimo, „nes skaičiai vis tiek neatspindi tikrovės“, praranda galimybę struktūruoti sprendimus ir palyginti alternatyvas. Abu daro tą pačią klaidą – taiko vieną paradigmą ten, kur reikia kelių.

Šio poskyrio tikslas – atsekti, kaip verslo rizikos koncepcija formavosi ir keitėsi, ir parodyti, kad šiuolaikinis efektyvus rizikos vertinimas yra kelių intelektualinių tradicijų sintezė, kurioje kiekybiniai modeliai, elgsenos įžvalgos ir instituciniai požiūriai ne konkuruoja, o papildo vienas kitą.

Ikiklasikinis laikotarpis: nuo fatalizmo prie skaičiavimo#

Žodis „rizika“ etimologiškai kildintinas iš italų kalbos žodžio risicare – „drįsti“ – arba arabų risq, nurodančio tai, kas skirta iš dangaus (Bernstein, 1996). Viduramžių kontekste rizika buvo neatsiejama nuo jūrų prekybos: laivo praradimas audros metu buvo pagrindinis verslo neapibrėžtumo šaltinis. Pirmieji draudimo kontraktai, atsiradę XIV a. Genujoje, formalizavo rizikos perkėlimą kaip ekonominę operaciją – tai buvo pirmasis žingsnis nuo fatalistinio rizikos suvokimo link instrumentinio.

Intelektualinis lūžis įvyko XVII a., kai Blaise’as Pascalis ir Pierre’as de Fermatas sukūrė tikimybių teoriją, o Danielis Bernoulli (1738) suformulavo tikėtinos naudos (angl. expected utility) koncepciją. Spręsdamas garsiąjį Sankt Peterburgo paradoksą, Bernoulli parodė, kad racionalus sprendimų priėmėjas vertina ne absoliutų laimėjimą, o jo naudingumą, kuris mažėja didėjant turtui (mažėjantis ribinis naudingumas). Tai buvo pirmasis formalus rizikos vengimo (angl. risk aversion) modelis – jis paaiškino, kodėl žmonės renkasi mažesnę, bet garantuotą sumą, o ne didesnę tikėtiną vertę su neapibrėžtumu (Bernoulli, 1738/1954). Bernoulio linija svarbi todėl, kad ji padeda suprasti, kodėl vėliau finansų teorijoje rizikos ir pelningumo santykis tapo neatsiejamas nuo rizikos vengimo prielaidos.

Knighto lūžis: rizika versus neapibrėžtumas (1921)#

Formalią verslo rizikos analizę pradėjo Frankas Knightas 1921 m. veikalu Risk, Uncertainty and Profit, kuriame jis suformulavo vieną fundamentaliausių atskirčių ekonomikos ir vadybos istorijoje:

• Rizika (angl. risk) – situacija, kai galimų rezultatų tikimybės yra žinomos arba pagrįstai apskaičiuojamos iš patirties. Pavyzdžiui, draudimo bendrovė, turinti 100 000 polisų, gali gana tiksliai prognozuoti metinių išmokų dydį.
• Neapibrėžtumas (angl. uncertainty) – situacija, kai nei galimi rezultatai, nei jų tikimybės nėra žinomi. Pavyzdžiui, visiškai naujo produkto kategorijos (pirmojo išmaniojo telefono 2007 m.) rinkos priėmimo prognozavimas.

Knightas teigė, kad verslo pelnas kyla būtent iš neapibrėžtumo, o ne iš rizikos: matuojamą riziką galima apdrausti ar diversifikuoti, todėl ji nesuteikia ilgalaikės ekonominės rentos. Verslininko funkcija – priimti sprendimus neapibrėžtumo sąlygomis, kai kiti to daryti nenori arba nemoka (Knight, 1921).

Knighto skirtis svarbi dėl trijų priežasčių. Pirma, ji parodo, kad ne visas netikrumas yra to paties pobūdžio – ir todėl skirtingoms situacijoms reikia skirtingų valdymo instrumentų. Antra, ji paaiškina, kodėl standartiniai finansiniai modeliai (DCF, Monte Carlo simuliacijos, jautrumo analizė) gerai veikia rizikos zonoje, bet tampa apgaulingai tikslūs neapibrėžtumo zonoje – tai tiesiogiai susieja su 2 skyriuje aptartu klaidingo tikslumo (angl. spurious precision) fenomenu. Trečia, ji padeda atskirti situacijas, kuriose rizika gali būti diversifikuota ar apdrausta, nuo tų, kuriose tai neįmanoma. Naujas produktas nežinomoje rinkoje, geopolitinis lūžis, reguliacinė revoliucija ar technologinis perversmas dažnai yra arčiau Knighto neapibrėžtumo nei stochastinės rizikos.

Markowitz: rizika kaip dispersija (1952)#

Harry Markowitzo straipsnis Portfolio Selection, publikuotas 1952 m. žurnale The Journal of Finance, pakeitė finansų mokslą iš esmės – rizika iš intuityvaus „pavojaus jausmo“ tapo matematiškai apibrėžtu objektu. Markowitz pasiūlė tris revoliucingas idėjas:

1. Riziką matuoti dispersija (arba standartiniu nuokrypiu) – grąžos sklaida aplink tikėtiną vidurkį.
2. Portfelio efektą – sujungiant aktyvus, kurių grąžos nėra tobulai koreliuotos, galima sumažinti bendrą portfelio riziką nemažinant tikėtinos grąžos.
3. Efektyviąją ribą (angl. efficient frontier) – optimalių portfelių kreivę, virš kurios neįmanoma gauti didesnės grąžos neprisiimant papildomos rizikos.

Markowitzo pagrindinė įžvalga yra ta, kad investuotojui svarbi ne atskiro turto rizika savaime, o jo indėlis į viso portfelio riziką. Rizika priklauso ne tik nuo atskirų rezultatų sklaidos, bet ir nuo koreliacijos tarp turto grąžų. Ši idėja tapo diversifikacijos teoriniu pagrindu (Markowitz, 1952).

Tačiau Markowitzo modelis remiasi stipriomis prielaidomis: grąžos pasiskirsčiusios pagal normalųjį skirstinį, investuotojai vertina tik vidurkį ir dispersiją (mean-variance), koreliacijos tarp aktyvų yra stabilios laike. Kiekviena iš šių prielaidų vėliau tapo rimtos akademinės kritikos objektu – tačiau pats dispersijos kaip rizikos mato principas tapo finansų teorijos „kalbos pagrindu“, kuris naudojamas ir ten, kur jo prielaidos griežtai netenkinamos.

Sharpe’as, Lintneris ir Mossinas: kapitalo kainodara ir sisteminė rizika (1964)#

Markowitzo portfelio teorija buvo normatyvinė – ji nurodė, kaip racionalus investuotojas turėtų konstruoti portfelį. Williamas Sharpe’as (1964), Johnas Lintneris (1965) ir Janas Mossinas (1966) nepriklausomai transformavo ją į pozityvinę teoriją – kaip rinka vertina riziką. Jų sukurtas kapitalo turto kainodaros modelis (angl. Capital Asset Pricing Model, CAPM) suformulavo du fundamentalius teiginius:

1. Rinka kompensuoja tik sisteminę riziką (angl. systematic risk) – tą rizikos dalį, kurios neįmanoma eliminuoti diversifikuojant portfelį. Nesisteminę (specifinę, idiosinkratinę) riziką investuotojas gali pašalinti nemokėdamas jokių kaštų.
2. Beta koeficientas ($\beta$) yra vienintelis reikšmingas aktyvo rizikos matas – jis parodo aktyvo jautrumą rinkos svyravimams.

Šis lūžis svarbus ne tik finansų rinkoms, bet ir verslo planavimui: jei tam tikrą riziką galima sumažinti diversifikuojant, ji neturėtų būti vertinama taip pat kaip rizika, kylanti iš visos ekonomikos, palūkanų normų ar geopolitinės įtampos. CAPM įvedė disciplinuotą kalbą apie tai, už kokią riziką rinka moka ir už kokią – ne. Plačiau apie CAPM pritaikymą diskonto normos ir vidutinės svertinės kapitalo kainos (angl. Weighted Average Cost of Capital, WACC) skaičiavimui – 11 skyriuje (Sharpe, 1964).

Elgsenos lūžis: prospektų teorija (1979)#

Visi iki šiol aptarti modeliai rėmėsi racionaliojo agento prielaida – investuotojas maksimizuoja tikėtiną naudą, rizikos vertinimas yra objektyvus, rinkos kaina atspindi visą turimą informaciją. Danielis Kahnemanas ir Amosas Tversky 1979 m. prospektų teorija (angl. Prospect Theory) šią prielaidą fundamentaliai sukrėtė, parodydami, kaip žmonės iš tikrųjų priima sprendimus rizikos sąlygomis:

• Nuostolių vengimas (angl. loss aversion): nuostolis psichologiškai „sveria“ maždaug 2–2,5 karto daugiau nei ekvivalentiškas pelnas. Verslininkas, kuris gali laimėti arba prarasti 100 000 EUR, psichologiškai vertina šį žaidimą kaip nuostolingą, nors matematiškai tikėtina vertė lygi nuliui.
• Atskaitos taško priklausomybė (angl. reference dependence): sprendimai vertinami ne pagal galutinę turto poziciją, o pagal pokyčius nuo atskaitos taško.
• Tikimybių svertinė funkcija: žmonės pervertina mažas tikimybes (todėl perka loterijos bilietus ir draudimą nuo retų katastrofų) ir nepakankamai vertina vidutines bei dideles tikimybes.

Prospektų teorijos reikšmė verslo planavimui yra praktinė: ji paaiškina, kodėl vadovai sistemingai per optimistiškai prognozuoja pajamas (perteklinis pasitikėjimas), kodėl projektai, kuriuose jau patirta nuostolių, yra tęsiami per ilgai (negrąžinamų investicijų klaida, angl. sunk cost fallacy), ir kodėl rizikos vertinimas organizacijoje niekada nėra visiškai „objektyvus“ (Kahneman & Tversky, 1979). Šie šališkumai detaliau nagrinėjami 3.1.3 poskyryje.

Mandelbrot ir Taleb: „storų uodegų“ revoliucija#

Klasikiniai finansų modeliai normalumo prielaida remiasi nevienodai: Markowitzo portfelio teorijai pakanka vidurkio ir dispersijos (normalumas – patogi, bet ne būtina sąlyga), Black-Scholes modelis numato lognormalų kainos skirstinį, t. y. normalias logaritmines grąžas, o CAPM normalumo formaliai nereikalauja, tačiau jo empiriniai testai ir rizikos matai ja remiasi. Bendra vieta – visi jie prastai elgiasi su storomis uodegomis. Benoît Mandelbrot jau 1963 m., tyręs medvilnės kainų eilutes, empiriškai parodė, kad jų pokyčiai turi „storas uodegas“ (angl. fat tails) – ekstremalūs įvykiai pasitaiko kur kas dažniau, nei numato normalusis skirstinys (Mandelbrot, 1963). Vėlesni tyrimai tą patį dėsningumą nustatė ir akcijų, valiutų bei žaliavų rinkose.

Nassimas Nicholasas Talebas šią kritikos liniją išplėtė iki epistemologinės: jo juodosios gulbės (angl. Black Swan) koncepcija apibūdina retus, neprognozuojamus, bet galingus įvykius, kurie keičia visą sistemą. Taleb argumentuoja, kad standartiniai rizikos valdymo modeliai kuria apgaulingą saugumo jausmą: jie gerai veikia tarp juodųjų gulbių, bet yra bejėgiai prieš pačias gulbes (Taleb, 2007).

3.1 pav. Rizikos koncepcijos evoliucija: pagrindiniai intelektualiniai lūžiai

timeline
    title Rizikos koncepcijos raida finansų teorijoje
    1738 : Bernoulli
         : Tikėtinas naudingumas
         : Rizikos vengimo formalizavimas
    1921 : Knight
         : Rizika ir neapibrėžtumas
         : Verslininko pelno kilmė
    1952 : Markowitz
         : Portfelio teorija
         : Dispersija kaip rizikos matas
    1963 : Mandelbrot
         : Storos uodegos
         : Normalumo prielaidos kritika
    1964 : Sharpe, Lintner ir Mossin (CAPM)
         : Sisteminė ir nesisteminė rizika
         : Beta koeficientas
    1979 : Kahneman ir Tversky
         : Prospektų teorija
         : Nuostolių vengimas
    2007 : Taleb
         : Juodosios gulbės
         : Neprognozuojamų įvykių poveikis

Šios intelektualinės tradicijos suformuoja konceptualinį pagrindą, kuriame verslo rizika gali būti analizuojama iš kelių perspektyvų. Nė viena iš jų nėra pakankama atskirai: Knightas primena, kad ne visas neapibrėžtumas yra skaičiuojamas; Markowitz ir CAPM suteikia kiekybinę kalbą; Kahnemanas ir Tversky parodo, kad žmonės sistemingai nukrypsta nuo kiekybinės logikos; Mandelbrot ir Taleb įspėja, kad net pati kiekybinė logika remiasi prielaidomis, kurios gali žlugti. Šiuolaikinis verslo planuotojas turi gebėti derinti visas šias perspektyvas – tai yra 3 skyriaus centrinė žinutė.

Rizikos ontologijų pliuralizmas: penki lygmenys#

Istorinė raida atskleidžia ne vieną, o kelias konkuruojančias rizikos ontologijas – skirtingus atsakymus į klausimą „kas yra rizika?“ Šios ontologijos veikiau papildo viena kitą, nei viena kitą pakeičia: Milleris ir Reueris (1996) nuostolio matus pateikia kaip alternatyvą dispersijai grįstam požiūriui, bet juos vartoti kartu netrukdo niekas. Skirtis tarp rizikos ir neapibrėžtumo taip pat nėra dvejetainė – De Grootas ir Thurikas (2018), tyrę rizikos matavimo užduotis elgsenos eksperimentuose, teigia, kad tolydumas tarp jų yra pats matavimo dalykas, o realiame gyvenime dažniau susiduriama su neapibrėžtumu nei su išmatuota rizika. Sintetiškai jas galima suskirstyti į penkis lygmenis:

1. Tikimybinis lygmuo (angl. probabilistic level): rizika kaip galimų rezultatų skirstinys. Tai Markowitzo ir CAPM paradigma – rizika matuojama dispersija arba standartiniu nuokrypiu.
2. Nuostolio lygmuo (angl. loss level): rizika kaip nepageidaujamų rezultatų tikimybė ir mastas. Čia akcentuojama asimetrinė pusė – VaR, CVaR, Sortino koeficientas.
3. Sisteminis lygmuo (angl. systemic level): rizika kaip santykis su platesne ekonomine ir organizacine aplinka. Tai CAPM beta, bet ir sisteminė užkrėtimo (angl. contagion) rizika, kurios neįmanoma eliminuoti diversifikuojant.
4. Elgseninis lygmuo (angl. behavioral level): rizika kaip sprendimų priėmėjų suvokimas ir vertinimas. Kahnemano ir Tversky paradigma – atskaitos taško priklausomybė, nuostolių vengimas.
5. Ontologinis-organizacinis lygmuo (angl. ontological-organizational level): rizika kaip struktūrinis pažeidžiamumas ir vertės kūrimo apribojimas. Čia integruojamas vadybinis sprendimas, institucinis kontekstas ir organizacinė kultūra.

Ši penkeriopa sistema paaiškina, kodėl tos pačios situacijos gali būti vertinamos itin skirtingai: banko analitikui rizika yra dispersija (1 lygmuo), draudikui – nuostolių tikimybė (2 lygmuo), finansinio stabilumo priežiūros institucijai – sisteminė grėsmė (3 lygmuo), o verslininkui – asmeninis suvokimas ir organizacinis pasirengimas (4–5 lygmenys).

Rizikos suvokimo socialinis ir kultūrinis kontekstas#

Rizikos vertinimas nėra vien individualus kognityvinis procesas – jį formuoja socialinė tapatybė, kultūrinė aplinka ir informacinė erdvė. Stapel et al. (1994) parodė, kad socialinė priklausomybė grupei keičia rizikos suvokimą per prieinamumo euristiką: artimoje aplinkoje matomi įvykiai vertinami kaip labiau tikėtini. Vaughan ir Seifert (1992) nustatė, kad tas pats rizikos objektas gali būti interpretuojamas skirtingai priklausomai nuo to, kaip jis įrėminamas (angl. framing) – tai turi tiesioginę implikaciją verslo planų komunikavimui: investuotojams pateikiama rizikos informacija nėra „objektyvi“ – ji visada yra įrėminta. Kahneman ir Tversky (1979) prospektų teorija papildo šią perspektyvą: mažų tikimybių, didelio poveikio įvykiai yra psichologiškai struktūruojami kitaip nei kasdieniai rizikos šaltiniai – tikimybės yra svertinamos netiesiškai, o tai paaiškina, kodėl organizacijos neproporcingai reaguoja į „ryškias“ rizikas ir ignoruoja latentines.

3.1.2. Pagrindinės teorijos ir modeliai#

Sisteminė ir nesisteminė rizika: diversifikacijos logika#

Vienas svarbiausių CAPM indėlių – formali rizikos dekompozicija į du fundamentaliai skirtingus komponentus:

• Nesisteminė rizika (angl. idiosyncratic / unsystematic risk) – specifinė konkrečiai įmonei ar sektoriui. Pavyzdžiai: vadovo netikėtas pasitraukimas, gamyklos gaisras, produkto atšaukimas, vieno pagrindinio kliento praradimas. Ši rizika eliminuojama diversifikuojant portfelį – neigiamai koreliuoti arba nekoreliuoti aktyvai „išlygina“ vienas kito svyravimus.
• Sisteminė rizika (angl. systematic / market risk) – veikia visą rinką ar ekonomiką. Pavyzdžiai: palūkanų normų pokyčiai, infliacija, recesija, pandemija, geopolitiniai šokai. Ši rizika nediversifikuojama – ir būtent šią riziką rinka kompensuoja papildoma grąža (rizikos premija).

Formaliai, aktyvo grąžos dispersija skaidoma:

kur $\beta_i^2 \sigma_m^2$ – sisteminės rizikos komponentas, $\sigma_{\varepsilon_i}^2$ – nesisteminės rizikos komponentas.

Verslo planavimo implikacija. Diversifikuotas finansų rinkos investuotojas vertina tik sisteminę riziką. Tačiau privataus verslo savininkas, kurio turtas koncentruotas vienoje įmonėje, negali diversifikuoti nesisteminės rizikos – ir todėl patiria faktiškai aukštesnę rizikos premiją. Ši problema ypač aktuali vertinant privačius verslus (14 skyrius) ir planuojant pasitraukimo strategijas (18 skyrius), kur diversifikacijos galimybė yra vienas iš vertę kuriančių veiksnių.

Diversifikacija turi ribas, kurios verslo kontekste dažnai svarbesnės nei portfelio teorijoje. Pirma, krizių metu koreliacijos tarp aktyvų dramatiškai auga – būtent tada, kai diversifikacija labiausiai reikalinga (Campbell, Koedijk & Kofman, 2002). Tai ypač aktualu tarptautinei diversifikacijai, apie kurią finansų literatūroje vyksta atviras ginčas. Klasikinis argumentas teigia, kad investuojant į skirtingas šalis mažinama nacionalinės ekonomikos rizika, nes šalių ciklai nesutampa. Kontrargumentas: rinkoms integruojantis, jų koreliacijos ilgainiui didėja, o krizių metu – dar labiau, todėl tarptautinė diversifikacija duoda mažiausiai naudos tada, kai jos labiausiai reikia. Lietuvos verslui iš šio ginčo seka praktinė išvada: eksporto rinkų įvairinimas sumažina konkrečios rinkos paklausos riziką, bet nuo bendro Europos nuosmukio neapsaugo. Tai du skirtingi rizikos sluoksniai, ir planuose jie dažnai sulyginami. Antra, per didelė verslo diversifikacija gali mažinti vertę dėl vadybos dėmesio praradimo ir išteklių išsklaidymo – tai vadinama konglomeratų nuolaida (angl. conglomerate discount); Berger ir Ofek (1995) nustatė, kad diversifikuotos įmonės prekiaujamos su maždaug 13–15 % nuolaida, palyginti su specializuotų verslų suma.

Šią problemą Peteris Lynchas su Johnu Rothchildu (1989) knygoje One Up on Wall Street pavadino „diworseification“ – žodžių žaidimu iš diversification ir worse, nurodančiu situaciją, kai diversifikacija ne sumažina riziką, o naikina vertę. (Vėlesnėje literatūroje paplito sutrumpinta forma diworsification; čia vartojama Lyncho rašyba.) Pagrindiniai mechanizmai: padidėjęs valdymo sudėtingumas, sinergijų stoka ir neefektyvus kapitalo alokavimas. Tai yra svarbus perspėjimas verslo planuotojams, ir jį verta suformuluoti tiksliai. Portfelio diversifikacija mažina nesisteminę riziką – tai (3.4) formulės turinys. Tačiau korporacinė diversifikacija akcininkui kuria vertę tik tada, kai duoda tai, ko diversifikuotas investuotojas negali pasiekti pats savo portfelyje: sinergijas, pigesnį kapitalą ar naujus gebėjimus. Jei prieaugio nėra, lieka tik padidėję vadybiniai kaštai, ir kaip tik tai yra „diworseification“. Plačiau apie diversifikacijos ir specializacijos sprendimus – 5 skyriuje.

Rizikos ir grąžos ryšys: CAPM ir jo plėtiniai#

Fundamentalus finansų principas teigia: investuotojas reikalauja kompensacijos už prisiimamą riziką. Ši kompensacija vadinama rizikos premija (angl. risk premium):

CAPM šį principą formalizuoja taip, kad rizikos premija priklauso tik nuo sisteminės rizikos, matuojamos beta koeficientu:

kur $R_f$ – nerizikinga norma (angl. risk-free rate), $\beta_i$ – aktyvo jautrumas rinkos pokyčiams, $E(R_m) - R_f$ – nuosavo kapitalo rizikos premija (angl. Equity Risk Premium, ERP). Beta interpretacija: $\beta = 1$ reiškia, kad aktyvas juda su rinka; $\beta > 1$ – jautriau nei rinka; $\beta < 1$ – mažiau jautriai.

Tačiau empiriniai tyrimai parodė sistemines anomalijas, kurių CAPM nepajėgia paaiškinti. Eugene Fama ir Kenneth French (1993) pasiūlė trijų veiksnių modelį, papildantį rinkos veiksnį dviem empiriškai pagrįstais rizikos veiksniais:

• SMB (angl. Small Minus Big) – mažų ir didelių įmonių grąžos skirtumas (dydžio premija).
• HML (angl. High Minus Low) – aukšto ir žemo buhalterinės vertės / rinkos vertės santykio įmonių grąžos skirtumas (vertės premija).

2015 m. Fama ir French modelį išplėtė iki penkių veiksnių, pridėdami pelningumą (RMW, angl. Robust Minus Weak) ir investicijas (CMA, angl. Conservative Minus Aggressive). Ar papildomi veiksniai atspindi rizikos kompensaciją, ar rinkos neefektyvumą – lieka atviras klausimas: Fama ir French interpretuoja juos kaip rizikos veiksnius, tačiau elgsenos finansų atstovai argumentuoja, kad tai investuotojų kognityvinių klaidų pasekmė (Fama & French, 1993, 2015; Lakonishok, Shleifer & Vishny, 1994).

Alternatyvų CAPM požiūrį pasiūlė Stephen Ross (1976) su arbitražo kainodaros teorija (angl. Arbitrage Pricing Theory, APT), leidžiančia kelis sisteminės rizikos šaltinius, nereikalaujant identifikuoti „rinkos portfelio“. APT pranašumas – lankstumas; trūkumas – teorija nenurodo, kokie veiksniai yra svarbūs – tai paliekama empiriniams tyrimams. Kad ši spraga nėra vien teorinė, rodo pirmieji empiriniai testai. Roll ir Ross (1980) nustatė, kad JAV akcijų grąžas 1962–1972 m. paaiškina bent trys, tikėtina – keturi įkainojami veiksniai. Cho (1984), taikęs tarpbaterinę faktorinę analizę (angl. inter-battery factor analysis), šio skaičiaus nepatvirtino: jis nurodė Roll ir Ross metodikos trūkumą ir gavo penkis ar šešis bendruosius veiksnius. Abu tyrimai sutaria, kad APT atmesti nėra pagrindo, bet ne dėl veiksnių skaičiaus – ir būtent tas nesutarimas geriausiai parodo, ką reiškia teorija, kuri veiksnių neįvardija (Ross, 1976; Roll & Ross, 1980; Cho, 1984).

Nuosavo kapitalo rizikos premijos mįslė ir rizikos premijos režiminis pobūdis#

Vienas intriguojančiausių empirinių faktų – nuosavo kapitalo rizikos premijos mįslė (angl. equity premium puzzle): Mehra ir Prescott (1985, p. 147) parodė, kad JAV akcijų rinkos vidutinė metinė premija 1889–1978 m. – 6,18 procentinio punkto virš trumpalaikių skolos instrumentų grąžos – yra per didelė, kad ją paaiškintų standartiniai naudingumo modeliai su realistiškais santykinio rizikos vengimo koeficientais ($\gamma$ – kiek investuotojas vengia rizikos; kuo didesnis, tuo stipriau; empiriniai įverčiai $\gamma \approx 1{-}2$; ten pat, p. 154). Apribojus koeficientą empiriškai pagrįstomis reikšmėmis, jų modelis duoda vos apie 0,35 procentinio punkto premiją. Skirtumas tarp šio dydžio ir stebimo ir yra mįslė.

Keletas teorinių paaiškinimų buvo pasiūlyti per pastaruosius dešimtmečius:

• Įprastinės naudos funkcija (angl. habit formation): Campbell ir Cochrane (1999) modelyje investuotojo naudingumas priklauso ne tik nuo dabartinio vartojimo, bet ir nuo ankstesnio vartojimo lygio (įpročio). Tai leidžia paaiškinti aukštą premiją su žemesniu rizikos vengimo koeficientu, nes vartojimo sumažėjimas žemiau įpročio sukelia neproporcingai didelę neigiamą naudą.
• Retų katastrofų modelis: Barro (2006) argumentavo, kad investuotojai tikisi retų, bet katastrofiškų ekonominių nuosmukių (pasauliniai karai, depresijos), todėl reikalauja aukštos premijos net tais laikotarpiais, kai katastrofos nerealizuojasi.

Rizikos premija taip pat nėra pastovus dydis – ji priklauso nuo ekonominio ciklo fazės ir kalendorinių laikotarpių. Corhay et al. (1987) nustatė, kad rizikos premija rodo sezoniškumo bruožus (pvz., sausio efektą). Kad laukiama grąža laike kinta, netiesiogiai rodo ir prognozavimo tyrimai: Nyberg (2011) parodė, jog JAV akcijų rinkos perteklinės grąžos ženklą galima prognozuoti dvejetainiais probit modeliais, tarp kurių aiškinamųjų kintamųjų yra ir recesijos rodikliai. Jei premija būtų pastovi, prognozuoti nebūtų ko. Tai reiškia, kad pastovios rizikos premijos prielaida, naudojama standartiniame CAPM, yra supaprastinimas, kuris gali sistemingai iškraipyti verslo vertinimą priklausomai nuo ekonominio ciklo.

Beta koeficiento nestabilumas#

Dar viena svarbi empirinė problema – beta koeficiento nestabilumas laike. Standartinis CAPM remiasi prielaida, kad beta yra pastovus, tačiau Huang (2001) parodė, kad jis nestacionarus: skirtingais laiko horizontais tas pats aktyvas gali turėti labai skirtingą beta. Prie to prisideda ir grąžos matavimo intervalo klausimas. Handa et al. (1993) atliko daugiamačius Sharpe’o ir Lintnerio CAPM testus su mėnesinėmis ir metinėmis grąžomis ir gavo priešingas išvadas: su mėnesiniais duomenimis modelis atmetamas, su metinėmis – ne. Vadinasi, atsakymas, ar CAPM veikia, dalimi priklauso nuo to, kaip dažnai grąža matuojama. Tai ypač aktualu Baltijos ir Vidurio bei Rytų Europos (VRE) rinkose, kur Dajčman et al. (2013) atliko daugiaskalį (angl. multiscale) CAPM testą trijose VRE rinkose ir nustatė, kad mažos kapitalizacijos, žemo likvidumo rinkose CAPM veikia gerokai prasčiau – kainodara paveikiama nelikvidumo, segmentacijos ir institucinių veiksnių. Baltijos kontekste tai reiškia, kad CAPM taikymas reikalauja atsargumo ir papildymų – daugiaveiksniai modeliai ar scenarijiniai požiūriai gali būti pranašesni (Dajčman et al., 2013).

CAPM, Fama-French ir APT formulės detaliau aptariamos 3.2 poskyryje (analitiniai modeliai), o jų praktinis pritaikymas diskonto normos ir WACC skaičiavimui – 11 skyriuje.

Verslo rizikos klasifikacija#

Efektyvus rizikos valdymas prasideda nuo struktūruotos identifikacijos. Be sisteminės klasifikacijos rizikos yra arba ignoruojamos, arba analizuojamos nesusistemintai. Verslo rizikos gali būti klasifikuojamos pagal du kriterijus.

Pagal kilmės šaltinį:

3.2 pav. Verslo rizikos taksonomija pagal kilmės šaltinį

graph TD
    R["Verslo rizika"]
    R --> E["Išorinės rizikos"]
    R --> I["Vidinės rizikos"]

    E --> E1["Makroekonominė<br/><i>BVP, infliacija, palūkanos</i>"]
    E --> E2["Reguliacinė ir teisinė<br/><i>BDAR, Taksonomija, Darbo kodeksas</i>"]
    E --> E3["Technologinė<br/><i>Ardomosios inovacijos</i>"]
    E --> E4["Geopolitinė<br/><i>Sankcijos, prekybos karai</i>"]

    I --> I1["Operacinė<br/><i>Procesai, sistemos, žmonės</i>"]
    I --> I2["Strateginė<br/><i>Rinkos pasirinkimas, M&A</i>"]
    I --> I3["Finansinė<br/><i>Likvidumas, kreditas, valiuta</i>"]

    style R fill:#4a90d9,color:#fff
    style E fill:#e8705a,color:#fff
    style I fill:#50b5a9,color:#fff

Lietuvos kontekstas: Lietuva, kaip maža atvira ekonomika, ypač jautri išorinės paklausos svyravimams. 2022 m. energetikos krizė po Rusijos invazijos į Ukrainą padidino gamybos kaštus ir sukėlė dviženklę infliacijos bangą. 2021 m. Kinijos prekybos blokada dėl Taivano atstovybės parodė, kaip geopolitiniai sprendimai gali tiesiogiai paveikti eksporto rinkas. Clayton Christensen (1997) savo veikale The Innovator’s Dilemma aprašė, kodėl žlunga būtent sėkmingos įmonės: jos racionaliai seka pelningiausių klientų poreikius ir tobulina esamą technologiją, todėl iš pradžių prastesnes, pigesnes ar paprastesnes ardomąsias inovacijas (angl. disruptive innovations) nuvertina tol, kol tos subręsta ir perima rinką. Šis dėsningumas aktualus ir Lietuvos apdirbamajai gamybai: žemos pridėtinės vertės gamybos dalis čia gerokai didesnė nei ES vidutiniškai, o iš penkių didžiausių šakų 2022 m. tik chemijos pramonės produktyvumas viršijo ES vidurkį (Ekonomikos ir inovacijų ministerija, 2026).

Pagal valdymo galimybes:

Rizikos perkėlimas ir prisiėmimas: apsidraudimas, draudimas ir savidrauda#

Lentelės trečioji ir ketvirtoji eilutės praktikoje suveda į dažniausiai užduodamą rizikos valdymo klausimą: apsidrausti ar prisiimti riziką pačiam? Atsakymas nėra savaime suprantamas, ir būtent todėl jį verta išskleisti. Lietuviškai čia susiduria trys panašiai skambantys, bet ekonomiškai skirtingi sprendimai: draudimas (angl. insurance) – rizikos perdavimas draudikui pagal sutartį; apsidraudimas, profesinėje kalboje dar vadinamas hedžingu (angl. hedging), – nepalankių rinkos pokyčių poveikio neutralizavimas; ir savidrauda (angl. self-insurance) – sąmoningas rizikos pasilikimas sudarant rezervą. Toliau tekste veiksmažodis draustis vartojamas tik apie draudimo sutartį, o apsidrausti – tik apie hedžingą.

Grynoji ir spekuliacinė rizika. Kuri priemonė tinka, pirmiausia lemia ne rizikos dydis, o jos pobūdis. Grynoji rizika (angl. pure risk) turi tik dvi baigtis – nuostolis arba jo nebuvimas: gaisras, stichinė nelaimė, įrangos gedimas. Spekuliacinė rizika (angl. speculative risk) juda į abi puses ir gali duoti tiek nuostolį, tiek pelną: žaliavų kainos, valiutos kursas, palūkanų normos. Dionne (2013) aprašo, kaip būtent dėl šio skirtumo rizikos valdymas istoriškai išsišakojo į dvi sritis: rinkos draudimas dengia grynąsias rizikas, kurių įmonė negali pasidengti pati, o išvestinės finansinės priemonės, paplitusios nuo XX a. 8 dešimtmečio, saugo nuo nenumatytų finansinių nuostolių. Praktinė pasekmė paprasta: nuo gaisro draudžiamasi, o nuo žaliavos kainos svyravimo – apsidraudžiama.

Du apsidraudimo tipai. Apsidraudimas (angl. hedging) yra rizikos valdymas sandoriu ar veiklos sprendimu, kurio rezultatas juda priešinga kryptimi nei apsaugomoji pozicija. Jis skaidomas į du iš esmės skirtingus būdus. Natūralus apsidraudimas (angl. natural hedging) rizikos neperkelia niekam – jis ją mažina pačia veiklos struktūra: įmonė, kuri eksportuoja į JAV ir ten pat pirkdama žaliavas gauna pajamas ir turi kaštus doleriais, valiutos kurso poziciją iš esmės uždaro. Todėl lentelėje jis priskirtas ne perkeliamai, o mažinamai rizikai. Visiškai pozicija retai išnyksta – lieka terminų, sumų ir kainodaros neatitikimo likutis. Finansinis apsidraudimas (angl. financial hedging) riziką perkelia kitam rinkos dalyviui naudodamas išvestines finansines priemones – išankstinius sandorius (angl. forwards), ateities sandorius (angl. futures), apsikeitimo sandorius (angl. swaps) ir pasirinkimo sandorius (opcionus). Skirtumas ne techninis, o ekonominis: natūralus apsidraudimas nereikalauja mokėti premijos, bet kainuoja veiklos lankstumu ir alternatyviosiomis galimybėmis, o finansinis pritaikomas be veiklos pokyčių, tačiau irgi turi kainą. Pasirinkimo sandoryje ji matoma iš karto kaip premija; fiksuojant kainą išankstiniais ir ateities sandoriais atskiros premijos nėra, bet lieka sandorio kaštai, pirkimo ir pardavimo kainų skirtumas, užstato reikalavimai ir atsisakytas papildomas pelnas, jei kaina pakryptų įmonei palankia linkme. Planuojant tvarka natūrali: pirma ieškoma natūralaus atitikimo, o finansinis apsidraudimas taikomas tik neuždarytai atviros pozicijos daliai.

M&M iššūkis: kodėl įmonė apskritai turėtų apsidrausti? Modigliani ir Millerio (1958) logika kelia nepatogų klausimą. Jei kapitalo rinkos tobulos, akcininkas gali apsidrausti pats – ir pigiau, nes jam nereikia dengti įmonės sandorio kaštų. Tokiu atveju įmonės apsidraudimas nieko nesukuria: jis tik pakartoja tai, ką investuotojas jau gali padaryti savo portfelyje, ir dar sumoka už tai komisinį. Tai tas pats argumentas, kuris 5 skyriuje naudojamas prieš korporacinę diversifikaciją, tik pritaikytas rizikos perkėlimui.

Išeitis – ne atmesti argumentą, o pastebėti jo sąlygą: rinkos nėra tobulos. Tos pačios rinkos netobulybės, kurios 11 skyriuje paaiškina, kodėl kapitalo struktūra vis dėlto svarbi – mokesčiai, bankroto kaštai, informacijos asimetrija ir agentūriniai konfliktai – čia paaiškina, kada apsidraudimas kuria vertę. Būtent tris vertės kūrimo kanalus kaip apsidraudimo politikos veiksnius formalizavo Smithas ir Stulzas (1985):

1. Finansinių sunkumų kaštai. Akcininko portfelio apsidraudimas nesumažina tikimybės, kad pati įmonė pateks į nemokumo situaciją. Bankrotas yra negrįžtamas ir turi savų kaštų – prarasti klientai, pabėgę darbuotojai, priverstinis turto pardavimas. Apsidraudimas, mažinantis pinigų srautų svyravimą, mažina ir tikimybę atsidurti toje zonoje.
2. Mokesčių asimetrija. Pelnas apmokestinamas, o nuostolis grąžinamas ne visada ir ne iš karto. Todėl du svyruojantys metai – didelis pelnas ir didelis nuostolis – sumoka daugiau mokesčių nei du stabilūs vidutiniai metai su tokia pačia bendra suma.
3. Investicijų nepakankamumas. Įmonė, kurios pinigų srautas nukrito, atsisako ir tų investicijų, kurios kuria vertę, nes išorinis finansavimas tuo metu kainuoja daugiausia. Stabilus srautas leidžia investicinį planą vykdyti nepriklausomai nuo rinkos ciklo. Šį kanalą detaliausiai išplėtojo Frootas, Scharfsteinas ir Steinas (1993): kai išorinis finansavimas yra kaštingas, rizikos valdymo tikslas yra ne sumažinti svyravimą savaime, o užtikrinti, kad vidinių lėšų pakaktų investicijoms tada, kai jos vertingiausios.

Verslo plano požiūriu iš to seka konkretus reikalavimas: apsidraudimo sprendimą reikia pagrįsti viena iš šių trijų priežasčių, o ne nuoroda į tai, kad „rizika didelė“. Jei nė viena netaikoma, apsidraudimo kaštai yra grynas vertės nutekėjimas.

Savidrauda. Savidrauda (angl. self-insurance) yra ketvirtosios lentelės eilutės – rizikos priėmimo – formalizuota forma: įmonė sąmoningai neperka draudimo apsaugos, o sudaro likvidų rezervą galimiems nuostoliams pasidengti pati (Dionne, 2013). Loginis pagrindas paprastas: komercinio draudimo įmoka paprastai didesnė už tikėtiną nuostolį, nes į ją įeina draudiko administraciniai kaštai ir marža. Todėl dažnų, smulkių ir nuspėjamų nuostolių atveju savidrauda yra pigesnė – įmonė nemoka maržos už riziką, kurią pati gali prognozuoti. Ši taisyklė turi išimtį: kai dalį įmokos kompensuoja valstybė ar Europos Sąjunga (Lietuvoje taip veikia pasėlių ir augalų bei ūkinių gyvūnų draudimo įmokų kompensavimas), įmonės faktiškai mokama įmoka gali būti ir mažesnė už tikėtiną nuostolį – tada draustis apsimoka net ir smulkių rizikų atveju. Ir atvirkščiai: retų, didelių ir įmonės atlaikomą ribą viršijančių įvykių rizikos niekada neverta prisiimti pačiai, nes čia svarbu ne tikėtina vertė, o tai, ar įmonė išgyventų vieną realizaciją. Būtent šis skirtumas – tarp vidutinio nuostolio ir blogiausio atvejo – yra praktinis sprendimo kriterijus, o 4 skyriuje jis operacionalizuojamas per VaR ir CVaR.

Penktoji galimybė – rizikos išnaudojimas – nepatenka į šią lentelę, nes ji nemažina neapibrėžtumo, o pasinaudoja jo asimetrija: sprendimą atidedant įgyjama teisė investuoti tik tada, kai prielaidos pasitvirtina. Tai realiųjų opcionų logika, aptariama 14 skyriuje.

Rizikos taksonomiją pagal kilmės šaltinį (3.2 pav.) verta papildyti trimis kategorijomis, kurios tampa vis aktualesnės šiuolaikiniame versle:

• Reputacinė rizika (angl. reputational risk): Benn, Abratt ir Kleyn (2016) apibrėžė ją kaip pasitikėjimo, legitimumo ir socialinio kapitalo praradimo riziką, kylančią iš neatitikties suinteresuotųjų šalių lūkesčiams. Ji veikia klientų lojalumą, darbuotojų pritraukimą ir finansavimo sąlygas. Reputacinė rizika yra ypač klastinga, nes ji dažnai kyla kaip antrinė pasekmė kitų rizikų realizacijos (pvz., operacinė klaida sukelia reputacijos krizę).
• Sisteminė skaitmeninė rizika (angl. systemic digital risk): Curran (2020) parodė, kad skaitmeninės infrastruktūros sujungtumas sukuria naują sisteminės rizikos formą – lokalus sutrikimas (kibernetinė ataka, debesų paslaugos gedimas) gali tapti visos sistemos klaida. Tai ypač aktualu įmonėms, kurių verslo procesai priklauso nuo trečiųjų šalių skaitmeninių platformų.
• Rizikų kaskadavimas (angl. risk cascading): rizikos retai realizuojasi izoliuotai – pradinis šokas keičia elgseną, kuri keičia kitų rizikų tikimybes ir sustiprina antrines pasekmes. Lu et al. (2024) sukūrė kaskadavimo modelį dideliems statybos projektams, taikydami struktūrinių lygčių modeliavimą ir Bajeso tinklus. Langley (2013) pabrėžė, kad stresų testavimas yra pagrindinis konceptualus instrumentas modeliuoti mažos tikimybės, didelio poveikio įvykius – tai ypač svarbu organizacijoms, priklausomoms nuo finansavimo, tiekimo grandinių ar reguliacinės aplinkos stabilumo. Priežastinių grandinių žemėlapiai (o ne tik rizikos registrai) yra efektyvesnis būdas identifikuoti kaskadavimo kelius.

Bankroto rizika ir sisteminė rizika#

Dichev (1998) iškėlė fundamentalų klausimą: ar bankroto rizika yra sisteminė? Jei taip, CAPM turėtų ją kompensuoti didesne tikėtina grąža. Tačiau Dichev empiriškai nustatė, kad įmonės su aukšta bankroto tikimybe neturi atitinkamai aukštesnės grąžos – nuo 1980 m. tokių įmonių grąža buvo net mažesnė už vidutinę. Dichevo išvada yra stipresnė, nei atrodo iš pirmo žvilgsnio: rizika grįstas paaiškinimas šio dėsningumo nepaaiškina, todėl bankroto rizikos anomalija lieka be sutarto teorinio pagrindo. Verslo planuotojui tai reiškia, kad bankroto rizikos vertinimas reikalauja atskirų analitinių instrumentų (likvidumo analizės, Altman Z-score – žr. 9 skyrių), o ne tik beta koeficiento.

Asimetrinė rizika ir nuosmukio matai#

Tradicinis standartinis nuokrypis traktuoja teigiamus ir neigiamus nukrypimus simetriškai. Tačiau verslo praktikoje nuostoliai yra nesimetriškai svarbesni – bankrotas yra negrįžtamas, o „per didelis“ pelnas nėra problema. Šią intuiciją formalizuoja keli asimetrinės rizikos matai:

• Sortino koeficientas – analogiškas Sharpe’o koeficientui ((3.8) formulė), bet vardiklyje naudoja tik nuosmukio standartinį nuokrypį (nukrypimus žemiau minimalaus priimtino grąžos lygio).
• Rizikos vertė (angl. Value at Risk, VaR) – nuostolių skirstinio kvantilis: riba, kurios per pasirinktą laikotarpį, esant nustatytam pasikliovimo lygmeniui, neturėtų viršyti faktinis nuostolis (pvz., „99 % VaR per dieną = 50 000 EUR“ reiškia, kad 99 dienomis iš 100 nuostolis neviršys 50 000 EUR).
• Sąlyginė rizikos vertė (angl. Conditional Value at Risk, CVaR; taip pat Expected Shortfall, ES) – vidutinis nuostolis, kai jis viršija VaR slenkstį. Formaliai: $CVaR_\alpha = E[L \mid L > VaR_\alpha]$, kur $L$ – nuostolis, $\alpha$ – pasikliovimo lygmuo. CVaR yra koherentinis rizikos matas, tenkinantis subadityvumo savybę, kurios VaR stokoja – tai reiškia, kad portfelio CVaR visada yra mažesnis arba lygus atskirų aktyvų CVaR sumai, o VaR šios savybės neturi (Artzner et al., 1999). CVaR geriau fiksuoja „uodegos“ riziką ir todėl yra pranašesnis matas organizacijoms, kurioms kritinis yra ne „koks nuostolis tikėtinas“, o „koks nuostolis galimas blogiausiu atveju“.

Formulės su skaitiniais pavyzdžiais pateikiamos 3.2 poskyryje.

Rizikos valdymo sistemos: ISO 31000 ir ERM#

ISO 31000:2018 standartas pateikia universalų, bet sisteminį rizikos valdymo procesą, taikomą bet kokio tipo organizacijoms:

3.3 pav. ISO 31000 rizikos valdymo procesas

Schemoje matyti dvi skirtingos logikos. Šeši numeruoti komponentai eina nuosekliai: nuo apimties ir kriterijų nustatymo iki rizikos valdymo ir ataskaitų teikimo. Du komponentai – stebėsena su peržiūra ir komunikacija su konsultavimu – rodomi punktyru, nes jie nėra etapai: jie vyksta nepertraukiamai ir lygiagrečiai su visais kitais. Būtent šis skirtumas praktikoje dažniausiai ir supaprastinamas – rizikos valdymas paverčiamas kartą per metus atliekama procedūra, o ne nuolatiniu procesu.

flowchart LR
    A["1. Apimtis, kontekstas<br/>ir kriterijai"] --> B["2. Rizikos<br/>identifikavimas"]
    B --> C["3. Rizikos<br/>analizė"]
    C --> D["4. Rizikos<br/>vertinimas"]
    D --> E["5. Rizikos<br/>valdymas"]
    E --> H["6. Įrašymas ir<br/>ataskaitų teikimas"]

    F["Stebėsena ir peržiūra"] -.-> A
    F -.-> B
    F -.-> C
    F -.-> D
    F -.-> E
    F -.-> H

    G["Komunikacija ir konsultavimas"] -.-> A
    G -.-> B
    G -.-> C
    G -.-> D
    G -.-> E
    G -.-> H

    style A fill:#4a90d9,color:#fff
    style B fill:#4a90d9,color:#fff
    style C fill:#4a90d9,color:#fff
    style D fill:#4a90d9,color:#fff
    style E fill:#4a90d9,color:#fff
    style F fill:#f5a623,color:#fff
    style G fill:#50b5a9,color:#fff

COSO (angl. Committee of Sponsoring Organizations of the Treadway Commission) ERM Framework (2017) išplečia šį procesą iki strateginio lygmens, integruodamas rizikos valdymą su organizacijos strategija ir tikslų nustatymu. Sistemą sudaro penki komponentai: valdysena ir kultūra (angl. governance and culture), strategija ir tikslų nustatymas (strategy and objective-setting), veikla (performance), peržiūra ir koregavimas (review and revision) bei informacija, komunikacija ir atskaitomybė (information, communication and reporting). Skirtumas nuo ISO 31000 proceso yra reikšmingas: ISO aprašo, kaip rizika valdoma, o COSO – kur organizacijoje tas valdymas gyvena. Pirmasis komponentas nėra atsitiktinai pirmas: COSO logikoje rizikos valdymas be valdysenos ir kultūros atramos lieka procedūra, kurią galima atlikti formaliai. Crawford ir Jabbour (2024) tyrė įmonės rizikos valdymo (ERM) ir vadybinių sprendimų priėmimo sąsają ir nustatė, kad ERM veikia kaip integruojanti prizmė (angl. integrating lens), sujungianti strategiją, operacinę veiklą, kapitalo struktūrą, reputaciją bei reguliacinį legitimumą. Jų pagrindinė išvada: rizika nėra vien finansinis matas – ji kerta visą vertės kūrimo grandinę, o jos valdymo efektyvumas priklauso nuo vadybinio sprendimo kokybės, institucinės aplinkos ir kognityvinių apribojimų. Reguliacinė aplinka formuoja vadybos sprendimus ne mažiau nei finansiniai duomenys (Crawford & Jabbour, 2024).

Tačiau įgyvendinimo kaštai yra dideli, todėl mažesnėms Lietuvos įmonėms dažnai pakanka ISO 31000 principo – svarbu ne formalios sistemos dydis, o sisteminio mąstymo apie riziką įdiegimas (ISO, 2018; COSO, 2017). Detaliau apie konkrečius rizikos analizės metodus (jautrumo analizė, scenarijų analizė, Monte Carlo simuliacijos, sprendimų medžiai) – 4 skyriuje.

ESG kaip nauja rizikos dimensija#

Aplinkosaugos, socialinės atsakomybės ir valdysenos (angl. Environmental, Social and Governance, ESG) rizikos per pastarąjį dešimtmetį tapo savarankiška kategorija, veikiančia visus verslo vertės sluoksnius:

• Aplinkosauginė rizika (E): klimato kaitos fiziniai pavojai (potvyniai, sausros), pereinamojo laikotarpio rizika (anglies mokesčiai, reguliavimo sugriežtinimas), žaliojo smegenų plovimo (angl. greenwashing) reputacinė rizika.
• Socialinė rizika (S): darbo teisių pažeidimai tiekimo grandinėje, bendruomenių pasipriešinimas, darbuotojų sveikatos ir saugos incidentai.
• Valdysenos rizika (G): direktorių tarybos nepriklausomumo stoka, vadovų kompensacijų neatitiktis rezultatams, korupcija.

Friede, Busch ir Bassen (2015) apžvelgė daugiau nei 2 200 empirinių tyrimų ir nustatė, kad maždaug 90 proc. jų nerodo neigiamo ESG ir finansinės grąžos ryšio (p. 217). Teigiamą ryšį fiksuojančių tyrimų dalis priklauso nuo to, kurio srauto imama: balsų skaičiavimo studijose ji yra apie 48 proc., o meta-analizėse – 62,6 proc. (p. 217, 219). Tačiau priežastinis ryšys lieka diskutuotinas – gali būti, kad gerai valdomi verslai tiesiog investuoja daugiau ir į ESG, ir į kitas efektyvumo priemones.

Naujausi tyrimai tikslina šį ryšį dviem kryptimis. Liu ir Song (2025) nustatė, kad geresnė ESG veikla mažina įmonės riziką per tris mechanizmus: susilpnina finansavimo apribojimus, pagerina reputaciją ir sumažina sankcijų tikimybę – tai ypač aktualu aplinkosauginio neapibrėžtumo sąlygomis. Tačiau Galdos-Urbizu, Ortas ir Alvarez-Etxeberria (2025) parodė ir priešingą pusę: aukšta ESG rizikos ekspozicija (ne veikla, o poveikis) sustiprina neigiamą rinkos kintamumo įtaką ir padidina specifinę įmonės riziką – efektas netiesinis ir stiprėja tarp jau volatilių akcijų. Tai reiškia, kad ESG veikia dvikryptiškai – kaip rizikos mažinimo instrumentas (kai įmonė aktyviai valdo ESG) ir kaip papildomas rizikos šaltinis (kai ESG veiksniai veikia įmonę iš išorės). ESG integracija į verslo vertinimą aptariama 1 skyriuje (nematerialusis kapitalas) ir 10 skyriuje (investicinių sprendimų vertinimas).

Rizikos ir ontologinės vertės struktūros ryšys#

1 skyriuje pristatyta penkių sluoksnių ontologinė verslo vertės dekompozicija tiesiogiai siejasi su rizikos dimensijomis:

Šių penkių ontologijų nesuderinamumas turi ir praktinį sprendimą. ISO 31000 riziką apibrėžia kaip neapibrėžtumo poveikį tikslams (angl. effect of uncertainty on objectives; ISO, 2018). Apibrėžimas atrodo abstraktus, bet jis atlieka konkretų darbą: perkelia klausimą nuo „kiek svyruoja?“ prie „kam tai kenkia?“. Standartinis nuokrypis matuoja svyravimą neklausdamas, ko įmonė siekia; ISO apibrėžimas reikalauja pirma įvardyti tikslą, ir tik tada matuoti. Verslo planui tai patogu, nes planas tikslus jau turi suformuluotus – rizika tampa ne atskiru skyriumi, o klausimu prie kiekvienos prielaidos. Kartu apibrėžimas yra pakankamai platus, kad apimtų ir teigiamą nuokrypį: neapibrėžtumo poveikis gali būti ir palankus, ir tai skiria ISO požiūrį nuo grynai nuostolio ontologijos.

Šis ryšys parodo, kad rizika nėra vienalytė dimensija – kiekvienas vertės sluoksnis turi savitą rizikos profilį ir reikalauja skirtingų valdymo bei matavimo instrumentų. 3 skyrius veikia kaip ontologinis tiltas tarp 1 skyriaus vertės sampratos ir 4 skyriaus instrumentinių metodų.

3.1.3. Kritinė analizė ir diskusija#

CAPM: elegantiška teorija, problemiška empirija#

CAPM tapo nuosavo kapitalo kainos skaičiavimo standartu ne todėl, kad jo prielaidos yra realistinės, o todėl, kad jis sukūrė disciplinuotą kalbą apie sisteminę riziką. Tačiau modelio kritika turi dvi ašis – teorinę ir empirinę.

Teorinė kritika. Richard Roll (1977) parodė fundamentalią testavimo problemą: tikrasis „rinkos portfelis“, kurį reikalauja CAPM, turėtų apimti visą turtą pasaulyje – akcijas, obligacijas, nekilnojamąjį turtą, žmogiškąjį kapitalą. Toks portfelis yra neobservuojamas, todėl bet koks empirinis CAPM testas iš tikrųjų testuoja ne patį modelį, o naudojamo rinkos indekso (pvz., S&P 500) tinkamumą kaip rinkos portfelio aproksimaciją (Roll, 1977).

Empirinė kritika. Fama ir French (1992) apibendrino, kad CAPM empirinė sėkmė yra prasta: beta koeficientas vienui vienas paaiškina tik nedidelę dalį aktyvų grąžų variacijų skerspjūvyje. Trys gerai dokumentuotos anomalijos:

• Dydžio efektas: mažos kapitalizacijos įmonių grąža sistemingai viršija CAPM prognozes (Banz, 1981).
• Vertės efektas: aukšto buhalterinės/rinkos vertės santykio įmonės uždirba daugiau nei numato CAPM (Fama & French, 1992).
• Momento efektas: pastaruoju metu gerai sekėsi aktyvams linkę sekti ir toliau (Jegadeesh & Titman, 1993).

Lietuvos paliudijimas. Šios anomalijos nustatytos didelėse, likvidžiose rinkose, todėl kyla klausimas, ar ginčas apskritai aktualus Baltijos kontekste. Aktualus, ir dar labiau: Dajčmano ir kolegų (2013) daugiaskalis CAPM testas trijose Vidurio ir Rytų Europos rinkose parodė, kad mažos kapitalizacijos ir žemo likvidumo rinkose modelio aiškinamoji geba yra dar mažesnė, o kainodarą papildomai veikia nelikvidumas, rinkos segmentacija ir instituciniai veiksniai. Praktiškai tai reiškia, kad Lietuvos įmonei CAPM ribos yra ne teorinė pastaba, o kasdienė vertinimo problema – kaip tai daroma, aptariama 3.1.5 poskyryje.

Svarbi metodologinė išvada: CAPM nėra „tiesa apie pasaulį“, o normatyvinis modelis, kuris leidžia struktūruotai mąstyti apie rizikos ir grąžos ryšį. Jo ribos parodo, kad rizikos ontologija negali būti redukuota vien į $\beta$ – todėl praktikoje CAPM papildomas šalies premija, dydžio premija, likvidumo korekcija ir kitais ad hoc priedais, kurie iš dalies kompensuoja vienfaktorinio modelio ribotumą (žr. 11 skyrių).

Normaliojo skirstinio iliuzija ir modelio rizika#

Kaip parodyta 3.1.1 poskyryje, Markowitzo portfelio teorija, CAPM ir Black-Scholes opcionų kainodara normaliojo (Gauso) skirstinio prielaida remiasi nevienodai – vienos tiesiogiai, kitos per savo empirinius testus ir rizikos matus – bet visos jos tą prielaidą kur nors turi. Ji patogi matematiškai, tačiau empiriškai problemiška.

Prie Mandelbroto (1963) „storų uodegų“ (3.1.1 poskyris) verta grįžti su skaičiumi.

Kiek dažniau – galima apskaičiuoti. Pagal normalųjį skirstinį tikimybė, kad reikšmė nuo vidurkio nutols daugiau nei penkiais standartiniais nuokrypiais viena kryptimi, yra 2,87 · 10⁻⁷; esant maždaug 250 prekybos dienų per metus, toks įvykis turėtų pasitaikyti kartą per beveik 14 000 metų. Finansų rinkose jie pasitaiko nesuvokiamai dažniau. Svarbu suprasti, kad tai ne Mandelbroto skaičius, o normaliojo skirstinio prielaidos pasekmė: pats Mandelbrot kaip tik teigė, kad kainų pokyčiams tinkamesnis stabilusis Pareto skirstinys, kurio dispersija yra begalinė – o tokiame modelyje „penki standartiniai nuokrypiai“ apskritai neturi prasmės. Būtent todėl skaičius čia pateikiamas ne kaip rizikos matas, o kaip prielaidos patikra.

Tai sukuria modelio riziką (angl. model risk) – klaidą, kylančią ne iš pačios tikrovės, o iš jos reprezentacijos formos. Verslo planas gali būti matematiškai „tvarkingas“, bet ontologiškai trapus: jei modelis neturi vietos ekstremaliam scenarijui, jis sistemingai nuvertina kapitalo atsargų, likvidumo rezervų ir strateginio lankstumo poreikį. Kaip iliustravo 2008 m. finansų krizė: rizikos valdymo modeliai, paremti normaliojo skirstinio prielaida, rodė, kad bankų portfeliai yra saugūs – tol, kol galiojo prielaida, kuria jie rėmėsi.

Lietuvos paliudijimas. Šį ginčą nebūtina ilustruoti vien 2008 m. krize – artimesnis ir geriau dokumentuotas pavyzdys yra 2022 metai. 2021 m. gruodį Lietuvos bankas 2022 metams prognozavo 5,1 % vidutinę metinę suderinto vartotojų kainų indekso infliaciją, Finansų ministerija – 4,0 %; faktinė infliacija siekė 18,9 % (Lietuvos bankas, 2021, 2023b; Lietuvos Respublikos finansų ministerija, 2021). Nuokrypiai – apie 13,8 ir 14,9 procentinio punkto.

Šio skaičiaus nereikėtų skaityti kaip įrodymo, kad institucijos prognozuoja blogai: energijos kainų šokas įvyko jau po abiejų prognozių paskelbimo, todėl tai vieni šoko metai, o ne tipinis nuokrypis. Pamoka kita ir tiksliai atitinka šio poskyrio argumentą: nuokrypis tokio masto nėra „penkių sigmų įvykis“, kurį modelis būtų priskyręs prie neįmanomų – jis yra prielaidos, kuria modelis rėmėsi, pasibaigimas. Verslo plane tai reiškia, kad prielaidą verta rašyti kartu su sąlyga, kuriai pasikeitus ji nebegalios (plačiau – 2 skyrius).

Praktinė išvada verslo planuotojui: kiekybiniai rizikos modeliai yra būtini, tačiau jų nepakanka. Juos būtina papildyti stresų testavimu ir scenarijų analize (4 skyrius), kuri apima ir „neįmanomus“ scenarijus.

Elgsenos šališkumai rizikos vertinime#

Prospektų teorija (Kahneman & Tversky, 1979) parodė, kad žmonių rizikos vertinimas sistemingai nukrypsta nuo racionalaus modelio. Verslo planavimo ir rizikos valdymo kontekste ypač svarbūs septyni kognityviniai šališkumai:

1. Perteklinis pasitikėjimas (angl. overconfidence). Šis šališkumas turi tris formas: gebėjimų pervertinimą (angl. overestimation), savo pozicijos pervertinimą lyginant su kitais (angl. overplacement) ir tikslumo pervertinimą (angl. overprecision) – pastaroji forma tiesiogiai veikia per siaurus pasikliautinuosius intervalus finansinėse prognozėse. Vadovai sistemingai per siaurai vertina neapibrėžtumą – jų 90 % pasikliautinieji intervalai apima tikrąją reikšmę tik apie 50 % atvejų (Russo & Schoemaker, 1992). Verslo planavime tai reiškiasi per optimistiškomis pajamų prognozėmis ir per siaurais rizikos intervalais.

2. Nuostolių vengimas ir negrąžinamų investicijų klaida (angl. loss aversion, sunk cost fallacy). Kai projektas jau patyrė nuostolių, vadovai linkę toliau investuoti, norėdami „atsigriebti“ – net jei racionalus sprendimas būtų nutraukti. Tai ypač aktualu ilgalaikiuose investiciniuose projektuose (10 skyrius).

3. Prieinamumo euristika (angl. availability heuristic). Lengviau prisimenamos rizikos (neseniai patirtos, ryškios, emociškai paveikios) vertinamos kaip labiau tikėtinos. Po žinomo kibernetinio incidento organizacija gali neproporcingai padidinti IT saugos biudžetą, tuo pačiu ignoruodama latentinę tiekimo grandinės riziką.

4. Inkaravimo efektas (angl. anchoring). Pradinė informacija – net jei ji nesusijusi – neproporcingai veikia galutinį sprendimą. Verslo vertinime: pirmoji pasiūlyta kaina „inkaruoja“ derybas ir formuoja vėlesnį lūkesčių intervalą (Tversky & Kahneman, 1974).

5. Grupinis mąstymas (angl. groupthink). Irving Janis (1972) aprašė fenomeną, kai stiprios grupės vieningumas slopina kritinį mąstymą ir alternatyvų svarstymą. Direktorių tarybos ar investiciniai komitetai, kuriuose vyrauja konformizmas, gali sistemingai neįvertinti strateginių rizikų.

6. Bandų elgsena (angl. herd behavior). Kai individualūs sprendimų priėmėjai seka kitų veiksmus, manydami, kad kiti turi geresnę informaciją, kyla informacinė kaskada (angl. informational cascade; Bikhchandani, Hirshleifer ir Welch, 1992) – kiekvienas individualiai racionalus sprendimas kolektyviai tampa iracionalus. Bandų elgsena turi ir reputacinę dimensiją: vadovams dažnai saugiau klysti kartu su visais nei būti teisiam vienam – tai sustiprina konformizmą investiciniuose sprendimuose.

Bandų elgsena yra pagrindinis burbulų formavimosi mechanizmas. Charles Kindleberger (1978) savo klasikiniame veikale Manias, Panics, and Crashes (vėliau atnaujintame kartu su Robertu Aliberiu) aprašė burbulų evoliuciją penkių stadijų modeliu:

Istoriniai pavyzdžiai – tulpių manija (1637), dot-com burbulas (2000), nekilnojamojo turto burbulas (2008) – rodo, kad šis modelis pasikartoja su stebėtinu panašumu, keičiasi tik burbulo objektas (Kindleberger & Aliber, 2005).

Lietuvos skaitytojui artimiausias pavyzdys yra 2005–2008 m. Baltijos šalių nekilnojamojo turto ciklas. Jame atpažįstamos visos penkios stadijos: poslinkis (įstojimas į Europos Sąjungą 2004 m. ir staigus kredito prieinamumo augimas), kredito plėtra, euforija su lūkesčiu, kad kainos kils toliau, pelno realizavimas ir 2008–2009 m. staigus kritimas. Verslo planavimui svarbi ne pati istorija, o tai, kad šiame cikle rengti verslo planai rėmėsi tęstinio kainų augimo prielaida – ne todėl, kad autoriai būtų blogi analitikai, o todėl, kad prielaida atrodė patvirtinta kelerių metų duomenimis. Būtent taip elgsenos šališkumas patenka į planą: ne kaip klaidingas skaičiavimas, o kaip nekvestionuojama prielaida.

7. Planavimo klaida (angl. planning fallacy). Kahnemano ir Lovallo (1993) aprašytas reiškinys, kai projektų trukmė ir kaštai sistemingai neįvertinami, nes vertinama iš „vidinio“, o ne iš „išorinio“ požiūrio taško. Empiriniai duomenys rodo, kad devyni iš dešimties megaprojektų viršija biudžetą, o vidutinis viršijimas realiąja verte geležinkelių projektuose siekia 44,7 %, kelių – 20,4 % (Flyvbjerg, 2014, p. 9); informacinių technologijų projektuose vidutinis viršijimas mažesnis, apie 27 % (Flyvbjerg & Budzier, 2011), tačiau kas šeštas toks projektas nukrypsta taip smarkiai, kad jo kaštai viršijami vidutiniškai 200 % (Flyvbjerg, 2014, p. 10).

Agentūros problema ir organizacinis rizikos iškraipymas#

Jensen ir Meckling (1976) agentūros teorija rodo, kad samdomi vadovai ir savininkai turi skirtingus rizikos interesus. Vadovas, kurio kompensacija priklauso nuo trumpalaikių rezultatų, gali prisiimti per daug rizikos (siekdamas bonusų) arba, priešingai, per mažai (jei jo darbo vieta priklauso nuo „klaidų“ vengimo). Kahneman ir Lovallo (1993) papildė šią perspektyvą organizaciniu optimizmu: projektų iniciatoriai turi asmeninį interesą pateikti optimistines prognozes; sprendimų priėmėjai norėtų, kad projektai pavyktų; organizacinė kultūra dažnai baudžia „pesimizmą“.

Ši agentūros dinamika paaiškina, kodėl rizikos valdymas turi būti institucionalizuotas (formalizuoti procesai, nepriklausoma rizikos funkcija, direktorių tarybos priežiūra), o ne paliekamas individualiam vadovo sprendimui.

Šališkumų mažinimo strategijos#

Akademinė literatūra ir praktika siūlo keletą struktūrinių šališkumų mažinimo (angl. debiasing) strategijų:

• Lyginamosios klasės prognozavimas (angl. reference class forecasting, dar vadinamas comparison class forecasting, RCF): prognozė sudaroma ne „iš vidaus“ (projekto specifika), o „iš išorės“ – kaip panašūs projektai sekėsi istoriškai. Flyvbjerg (2006) parodė, kad infrastruktūros projektai sistemingai viršija biudžetus, ir pasiūlė lyginamosios klasės korekcinį koeficientą.
• Pre-mortem analizė (angl. pre-mortem analysis; Klein, 2007): komanda prieš priimant sprendimą įsivaizduoja, kad projektas jau žlugo, ir generuoja galimas žlugimo priežastis. Tai legitimuoja pesimizmą ir sumažina grupinio mąstymo efektą.
• Struktūrizuota oponentų diskusija (angl. red team / devil’s advocate): formalus opozicijos vaidmens priskyrimas sprendimų procese, mažinantis patvirtinimo šališkumą (angl. confirmation bias) – polinkį ieškoti ir vertinti tik tą informaciją, kuri patvirtina jau turimą nuomonę, – ir kitus grupinius šališkumus.
• Scenarijų planavimas: reikalauja apsvarstyti kelis radikaliai skirtingus ateities scenarijus, priverčiant sprendimų priėmėjus išeiti iš „vieno taško“ prognozės (Schwartz, 1991; plačiau 4 skyriuje).
• Stresų testavimas (angl. stress testing): Langley (2013) apibrėžė stresų testavimą kaip konceptualų instrumentą, leidžiantį modeliuoti mažos tikimybės, didelio poveikio įvykius – būtent tuos, kurių standartiniai modeliai neapima. Stresų testavimas yra ypač svarbus organizacijoms, priklausomoms nuo išorinių veiksnių (finansavimo, tiekimo grandinių, reguliacinės aplinkos stabilumo), ir turėtų apimti ne tik tiesioginį šoko poveikį, bet ir kaskadines pasekmes (žr. rizikų kaskadavimą 3.1.2 poskyryje). Plačiau apie stresų testavimo metodologiją – 4 skyriuje.

Rizikos apetitas, tolerancija ir talpa#

Kiekviena organizacija turi – dažnai neišreikštą – požiūrį į riziką, kurį galima apibrėžti trimis hierarchiniais lygmenimis:

• Rizikos apetitas (angl. risk appetite): bendra organizacijos parengtis prisiimti riziką siekiant tikslų. Tai strateginis, valdybos lygio sprendimas.
• Rizikos tolerancija (angl. risk tolerance): priimtina rezultatų variacija konkrečiam tikslui ar procesui.
• Rizikos talpa (angl. risk capacity): maksimali rizika, kurią organizacija gali prisiimti nepatirdama egzistencinės grėsmės.

Fundamentali taisyklė: apetitas ≤ talpa. Organizacija gali norėti prisiimti daugiau rizikos nei ji gali – tai viena dažniausių startuolių ir agresyviai augančių verslų klaidų.

COSO ERM sistemos 7 principas reikalauja, kad organizacija rizikos apetitą apibrėžtų (COSO, 2017, p. 10), tačiau formos nenurodo. Praktikoje jis formalizuojamas arba kiekybiškai, arba kokybiškai; toliau pateikiami pavyzdžiai yra iliustraciniai, ne COSO tekstas: kiekybinis – „priimtinas maksimalus metinis pelno svyravimas yra ±15 % nuo plano“; kokybinis – „nesiimsime veiklos šalyse, kurių korupcijos indeksas žemesnis nei 40 iš 100“. Lietuvos mažųjų ir vidutinių įmonių (MVĮ) kontekste rizikos apetitas dažniausiai yra neformalizuotas ir priklauso nuo savininko asmeninės pozicijos – tai suteikia lankstumą, bet kartu sukuria nenuoseklumo ir subjektyvumo riziką.

Objektyvaus ir subjektyvaus požiūrių sintezė#

Apibendrinant kritinę diskusiją, šiuolaikinis verslo rizikos supratimas reikalauja dviejų lygiagrečių tradicijų sintezės:

Nei objektyvus, nei subjektyvus požiūris atskirai nėra pakankamas. Verslo planuotojas, kuris naudoja tik kiekybinius modelius, praleidžia psichologines ir institucines rizikos dimensijas. Planuotojas, kuris remiasi tik intuicija, neturi galimybės struktūruotai palyginti alternatyvų. Efektyvus rizikos valdymas – tai nuolatinė navigacija tarp šių dviejų paradigmų, naudojant kiekybinius modelius kaip struktūrinę atramą ir elgsenos įžvalgas kaip korekcinį mechanizmą.

3.1.4. Technologijų perspektyva#

Rizikos ir pelningumo teorijų raida yra neatsiejama nuo skaičiavimo technologijų evoliucijos. Daugelis šiame skyriuje pristatytų modelių gimė kaip teorinės konstrukcijos, tačiau praktiškai taikomi tapo tik tada, kai technologijos leido atlikti reikalingus skaičiavimus.

Kompiuterizacijos era (1970–1995): teorijos tampa praktika#

Markowitzo portfelio teorija (1952) yra chrestomatinis technologijos ir teorijos sąveikos pavyzdys. Dispersijos-kovariacijos matricos skaičiavimas 100 aktyvų portfeliui reikalauja apdoroti 5 050 unikalių elementų. Rankiniu būdu tai buvo beveik neįmanoma užduotis – todėl nuo 1952 iki maždaug 1970-ųjų portfelio teorija iš dalies liko akademine konstrukcija, o praktikai toliau vadovavosi intuicija ir paprastomis taisyklėmis.

Kompiuterių atsiradimas viską pakeitė. Sharpe’o CAPM (1964) tapo ne tik teoriniu modeliu, bet ir praktiškai skaičiuojamu įrankiu: beta koeficientai pradėti reguliariai publikuoti (Value Line, Merrill Lynch), o investuotojai pirmą kartą galėjo kiekybiškai vertinti sisteminę riziką. Kita esminė technologinė revoliucija įvyko 1973 m., kai Black ir Scholes paskelbė savo opcionų kainodaros formulę, o tais pačiais metais pradėjo veikti Čikagos opcionų birža (CBOE). Prekybininkai greitai adaptavo formulę, „įsiūdami“ ją į programuojamus skaičiuotuvus – ypač Hewlett-Packard HP-67, kuris tapo pirmuoju plačiai naudotu Black-Scholes skaičiavimo įrankiu CBOE prekybos salėse (MacKenzie, 2006). Rizikos vertinimas pirmą kartą tapo realaus laiko operacija, pereidamas nuo analitiko sąsiuvinio į skaitmeninį formatą.

Šioje eroje atsirado ir pirmieji komerciniai rizikos modeliavimo įrankiai: @RISK (Palisade Corporation, 1987) ir kiti Monte Carlo priedai skaičiuoklėms. Tai demokratizavo rizikos analizę – ji tapo prieinama ne tik investiciniams bankams, bet ir korporacijų finansų skyriams.

Interneto ir duomenų era (1995–2020): nuo modelio prie sistemos#

1994 m. JP Morgan viešai paskelbė RiskMetrics – standartizuotą rizikos vertės (angl. Value at Risk, VaR) metodologiją, kuria savo rizikos portfelius galėjo vertinti bet kuri finansų institucija. Tai buvo precedento neturintis žingsnis: pirmą kartą sudėtingas rizikos modelis tapo viešai prieinamu standartu, o ne konkurenciniu pranašumu. Netrukus VaR atsidūrė ir bankų kapitalo reikalavimuose: 1996 m. Bazelio komiteto Rinkos rizikos pataisa leido bankams kapitalui skaičiuoti naudoti vidaus modelius. Priežastinio ryšio tarp RiskMetrics ir šio sprendimo nereikėtų perdėti – komitetas darbą pradėjo 1993 m., atsiliepdamas į sektoriaus prašymą, t. y. dar iki RiskMetrics paskelbimo. Bet kryptis abiem atvejais ta pati: rizikos technologija tapo reguliaciniu reikalavimu. Ilgainiui ši reguliacinė evoliucija atskleidė gilėjantį modelių ir institucijų dialogą. Bazelis I (1988) rėmėsi paprastais standartizuotais rodikliais, mažai reikalaujančiais technologinės infrastruktūros. Bazelis II (2004) vidaus modelius išplėtė nuo rinkos rizikos į kredito riziką (vidaus reitingais pagrįstas metodas, angl. internal ratings-based, IRB) ir padarė juos kapitalo skaičiavimo ašimi, reikalaujančia sudėtingos IT infrastruktūros ir rizikos analitikų komandų. Po 2008 m. krizės Bazelis III (2010→) įvedė likvidumo reikalavimus – likvidumo padengimo rodiklį (angl. liquidity coverage ratio, LCR) ir grynojo pastovaus finansavimo rodiklį (angl. net stable funding ratio, NSFR) – bei stresų testus, reikalaujančius realaus laiko duomenų apdorojimo. Naujausi pokyčiai – vadinamasis „Bazelis IV“ su output floor mechanizmu – signalizuoja reguliuotojų skepticizmą dėl vidinių modelių patikimumo: paradigma kito nuo „modeliuok laisvai“ per „modeliuok, bet tikrink“ iki „nepervertink modelių“.

Internetas suteikė prieinamumą duomenims, kurie anksčiau buvo prieinami tik profesionaliems rinkos dalyviams. Damodarano atviros duomenų bazės (šalių rizikos premijos, beta koeficientai, sektorių statistika) nuo 2000-ųjų tapo de facto standartu akademikams ir praktikams. Bloomberg ir Refinitiv (Thomson Reuters) terminalai konsolidavo realaus laiko rinkos duomenis, leisdami skaičiuoti CAPM parametrus ne pagal metinius vidurkius, o pagal kasdienę dinamiką.

Tačiau ši era atskleidė ir technologinę riziką pačiame rizikos valdyme. 2008 m. finansų krizė parodė, kad VaR modeliai, maitinami istoriniais duomenimis iš palyginti ramaus 2003–2006 m. laikotarpio, sistemingai nuvertino rizikos lygį. Normaliojo skirstinio prielaida (žr. 3.1.3) buvo ne tik teorinė, bet ir technologinė problema: modeliai buvo sukalibruoti pagal „gero oro“ duomenis ir negalėjo apčiuopti struktūrinių lūžių. Tai sustiprino Talebo (2007) „juodosios gulbės“ kritiką: kuo labiau pasitikime modeliu, tuo labiau nuvertiname tai, ko modelis nemato.

Kitas globalus pokytis – algoritminės prekybos (angl. algorithmic trading) infrastruktūros dominavimas. JAV kapitalo rinkose algoritmų naudojimas yra visuotinis, o iždo vertybinių popierių tarpdilerinėje rinkoje savo sąskaita prekiaujančios įmonės (angl. principal trading firms) sudaro daugiau nei pusę prekybos apimties (SEC, 2020, p. 5, 24). Moderni rinkos mikrostruktūra atvėrė kelius mikrosekundžių disbalanso krizėms, o žinomiausias tokios katastrofos variantas – 2010 m. gegužės 6 d. „žaibiškasis krachas“ (angl. Flash crash): pagrindiniai JAV indeksai per kelias minutes nusmuko 9–10 % ir beveik tiek pat atsistatė (CFTC-SEC, 2010, p. 9). Kirilenko, Kyle, Samadi ir Tuzun (2017) šį epizodą išanalizavo E-mini S&P 500 ateities sandorių rinkoje, kurioje nuosmukis pradėjo formuotis. Šis staigus lūžis be jokio tradicinio ekonominio šoko parodė, kad algoritminės prekybos infrastruktūra sukuria naują likvidumo sisteminės rizikos formą, kurios tradiciniai modeliai – tiek CAPM, tiek storų uodegų modeliai – nebuvo sukurti fiksuoti.

Šioje eroje iškilo ir RegTech (angl. regulatory technology) inovacijos: reguliacinė atitiktis, kliento pažinimo (angl. Know Your Customer, KYC) ir pinigų plovimo prevencijos (angl. Anti-Money Laundering, AML) procesai ir VaR skaičiavimai persikėlė į automatizuotas skaitmenines sistemas, kurios sumažino žmogiškosios klaidos riziką, tačiau sukūrė naują priklausomybę nuo kibernetinio saugumo. Lietuvos ir Baltijos kontekste šis pokytis buvo ypač ryškus: pagal išduotų elektroninių pinigų ir mokėjimo įstaigų licencijų skaičių Lietuva pirmauja Europos Sąjungoje (Lietuvos bankas, 2023a, p. 2), o Lietuvos banko bandomoji finansinių inovacijų aplinka (angl. regulatory sandbox) kartu tapo testavimo aplinka naujoms rizikos valdymo technologijoms.

Šalia RegTech inovacijų formavosi ir paskirstytojo registro technologijų (angl. Distributed Ledger Technology, DLT) pritaikymo diskursas rizikos valdyme. Pažadai – atsiskaitymo rizikos mažinimas per išmanias sutartis (angl. smart contracts), sandorių atsekamumo didinimas – kol kas daugiausia liko bandomųjų projektų stadijoje. Tačiau decentralizuotų finansų (angl. Decentralised Finance, DeFi) ekosistemos augimas sukūrė visiškai naujas rizikos kategorijas: išmaniųjų sutarčių pažeidžiamumą, „žaibiškų paskolų“ (angl. flash loans) atakas ir nereguliuojamų protokolų sisteminę riziką. Lietuvos bankas šioje srityje parodė iniciatyvą – LBChain projektas (2018–2020) buvo viena ankstyvųjų centrinių bankų blokų grandinės technologijų reguliacinių bandomųjų aplinkų, skirta testuoti DLT sprendimus prižiūrimoje aplinkoje (Lietuvos bankas, 2019).

DI ir DI agentų era (2020→): rizikos vertinimas realiu laiku#

Dirbtinis intelektas – DI (angl. Artificial Intelligence, AI) – keičia rizikos valdymą keliais fundamentaliais lygmenimis.

Rizikos identifikavimas. Natūraliosios kalbos apdorojimo (angl. Natural Language Processing, NLP) modeliai geba analizuoti naujienų srautus, reguliacinius dokumentus ir socialinių tinklų duomenis, identifikuodami naujas rizikos kategorijas anksčiau nei tradiciniai metodai. Pavyzdžiui, geopolitinės rizikos indeksai, konstruojami iš naujienų turinio analizės, leidžia kiekybiškai vertinti tai, kas anksčiau buvo tik kokybinis ekspertų sprendimas.

Rizikos modeliavimas. Mašininio mokymosi algoritmai – ypač gradientinio stiprinimo metodai (angl. gradient boosting) ir gilieji neuroniniai tinklai – geba apčiuopti netiesinius ryšius ir sąveikas tarp rizikos veiksnių, kurių tradiciniai tiesiniai modeliai (CAPM, daugiaveiksniai) praleidžia. Gu, Kelly ir Xiu (2020) parodė, kad aktyvų kainodaros uždaviniuose mašininio mokymosi modeliai gali reikšmingai pagerinti prognozinį tikslumą, palyginti su tradiciniais tiesiniais faktorinių modelių variantais. Vis dėlto geresnė prognozė dar nereiškia geresnio paaiškinimo: interpretacijos ir priežastingumo klausimas išlieka atviras.

Operacinė rizika. DI transformuoja operacinės rizikos valdymą: anomalijų aptikimo algoritmai identifikuoja neįprastus sandorius, mokėjimus ar procesus, o automatizuoti stresų testai modeliuoja tūkstančius scenarijų per minutes – užduotis, kuri žmogui pareikalautų savaičių.

Tačiau DI kelia ir naujų rizikos dimensijų. Modelio nepermatomumas (angl. black box problem): kai rizikos vertinimą atlieka gilaus mokymosi modelis, analitikai dažnai negali paaiškinti, kodėl modelis priėjo konkrečią išvadą. Tai prieštarauja reguliaciniams reikalavimams ir sukuria naują agentūros problemą: kas atsako, kai „juodoji dėžė“ klysta? Duomenų šališkumas: DI modeliai mokosi iš istorinių duomenų, kuriuose gali būti sisteminių šališkumų – pavyzdžiui, kredito rizikos modeliai, apmokyti duomenimis, atspindinčiais diskriminacines praktikas, gali jas įtvirtinti. Sisteminis trapumas: kai daugelis rinkos dalyvių naudoja panašius DI modelius, jų sprendimai koreliuoja – tai gali sustiprinti bandų elgsenos efektą (žr. 3.1.3) ir sukurti naujų tipų sisteminę riziką. Kibernetinė ir reguliacinė rizika: skaitmenizuotas rizikos valdymas tampa priklausomas nuo debesų infrastruktūros, duomenų tiekėjų ir RegTech sistemų, todėl modelio klaida, kibernetinis incidentas ar klaidinga reguliacinės atitikties automatizacija gali tapti pačios rizikos valdymo sistemos gedimu.

Šio vadovėlio pozicija – DI yra galingas rizikos analizės instrumentas, tačiau jis nepanaikina fundamentalių epistemologinių problemų: Knighto neapibrėžtumo, normaliojo skirstinio iliuzijos ir elgsenos šališkumų. DI gali padėti juos valdyti, bet negali jų pašalinti. Lietuvos ir Baltijos kontekste ši įtampa ypač ryški dėl sparčiai skaitmenėjančio finansų sektoriaus ir aktyvios fintech politikos: Lietuvos banko palaikyta inovacijų ekosistema didina efektyvumą, bet kartu iškelia kibernetinės, modelio ir trečiųjų šalių infrastruktūros rizikos klausimus. Technologijų ir rizikos valdymo santykio gilesnė analizė, apimanti visų knygos temų sintezę, pateikiama 19 skyriuje.

3.1.5. Lietuvos kontekstas#

Šiame poskyryje aptarti matai sukurti stebint gilias, likvidžias rinkas, kuriose kainų istorija siekia dešimtmečius. Lietuvos situacija kitokia trimis atžvilgiais, ir kiekvienas jų keičia ne matų teisingumą, o jų taikymo sąlygas.

Pirma, rinkos likvidumas nepakankamas, todėl beta nepatikima. Nasdaq Vilnius kapitalizacija ir prekybos apimtys yra tokios, kad daugelio bendrovių akcijomis prekiaujama retai. Retai prekiaujamo aktyvo grąžų eilutėje dalis dienų rodo nulinį pokytį vien todėl, kad sandorių nebuvo, o ne todėl, kad rinka aktyvą įvertino taip pat. Beta, apskaičiuota iš tokios eilutės, sistemingai artėja prie nulio – ne dėl to, kad aktyvas nepriklausytų nuo rinkos, o dėl duomenų struktūros. Būtent tai ir rodo Dajčmano ir kolegų (2013) daugiaskalis testas Vidurio bei Rytų Europos rinkose: mažos kapitalizacijos, žemo likvidumo rinkose CAPM veikia gerokai prasčiau. Praktinė išvada yra ne „CAPM netinka Lietuvai“, o konkretesnė: betą reikia imti iš lyginamųjų įmonių tarptautinėje rinkoje ir pritaikyti kapitalo struktūrai, o ne skaičiuoti iš retos vietinės prekybos.

Antra, verslo struktūroje vyrauja nediversifikuotas savininkas. 3.1.2 poskyryje aprašyta CAPM logika remiasi prielaida, kad investuotojas diversifikavęs ir todėl nesisteminė rizika jam nekompensuojama. Lietuvos smulkiojo ir vidutinio verslo savininkui ši prielaida paprastai neteisinga: jo turtas, pajamos ir dažnai net pensijos perspektyva koncentruoti vienoje įmonėje. Todėl vertinant privatų verslą CAPM grąža yra žemutinė riba, ne atsakymas – prie jos pridedamos dydžio ir likvidumo premijos, ir šis pridėjimas nėra „korekcija į viršų savininko naudai“, o prielaidos, kuri netenkinama, pataisymas.

Trečia, šalies rizikos premija keičiasi, o skaičiavimas – ne. Lietuvos kredito reitingas yra aukštas, todėl šalies rizikos premija (3.7 formulė) nedidelė. Rizika slypi ne jos dydyje, o naudojimo įpročiuose: vertinimuose neretai perrašoma prieš kelerius metus matyta reikšmė. Premija yra įvestis, kuri turi būti imama iš aktualaus šaltinio vertinimo dieną, ir vertinimo ataskaitoje turi būti nurodyta jos data. Tai ta pati taisyklė, kuri 2 skyriuje suformuluota apie bet kurį rodiklį: kiekvienas skaičius turi metus.

Ko iš to nedaryti. Iš šių trijų apribojimų neseka, kad nepakankamo likvidumo rinkoje kiekybinis rizikos vertinimas beprasmis. Seka kai kas paprastesnio: matas turi būti pateikiamas kartu su savo galiojimo sąlyga. Beta be likvidumo pastabos, CAPM be diversifikacijos prielaidos įvardijimo ir šalies premija be datos yra ne tikslesni, o tik labiau užtikrintai atrodantys skaičiai – tiksliai tas klaidingas tikslumas, kurį šis vadovėlis nuosekliai kritikuoja.

3.2. Analitiniai modeliai ir formulės#

Šiame poskyryje pateikiami pagrindiniai rizikos ir pelningumo matavimo modeliai su matematinėmis išraiškomis ir skaitiniais pavyzdžiais. Kiekviena formulė iliustruoja vieną iš teorinėje dalyje aptartų koncepcijų.

Standartinis nuokrypis – bazinis rizikos matas#

Standartinis nuokrypis (angl. standard deviation) matuoja grąžos sklaidą apie vidurkį ir yra plačiausiai naudojamas rizikos rodiklis:

kur:

• $\sigma$ – standartinis nuokrypis (rizikos matas),
• $R_i$ – stebėta grąža $i$-uoju laikotarpiu,
• $\bar{R}$ – vidutinė grąža per visus laikotarpius,
• $n$ – stebėjimų skaičius.

Skaitinis pavyzdys.

(a) Scenarijus. Gamybos įmonės valdyba svarsto, ar praėjusių penkerių metų rezultatai pakankamai stabilūs, kad jais būtų galima grįsti naujos gamybos linijos verslo planą. Bankas prašo ne tik vidutinės grąžos, bet ir jos svyravimo įverčio.

(b) Reikšmės. Metinė nuosavo kapitalo grąža iš įmonės finansinių ataskaitų 2021–2025 m.: 12 %, 8 %, −4 %, 15 %, 9 %. Vidutinė grąža $\bar{R} = (12 + 8 - 4 + 15 + 9) / 5 = 8{,}0\%$. Vardiklyje naudojamas $n - 1$, nes tai imtis, o ne visa populiacija.

(c) Skaičiavimas.

(d) Interpretacija sprendimui. Vidutinė metinė grąža yra 8 %, o tipinis nuokrypis nuo jos – apie 7,25 procentinio punkto, t. y. beveik tiek pat, kiek pati grąža. Valdybai tai reiškia du dalykus. Pirma, vidurkiu grįstas planas čia nepakankamas: tikėtina, kad atskiri metai nukryps kelis procentinius punktus į abi puses, ir bankas to paklaus. Antra, penkių stebėjimų imtis yra per maža patikimam įverčiui – skaičius rodo tvarką, ne tikslumą.

Beta koeficientas – sisteminės rizikos matas#

Beta koeficientas (angl. beta coefficient) matuoja aktyvo jautrumą rinkos pokyčiams:

kur:

• $\beta_i$ – aktyvo $i$ beta koeficientas,
• $\text{Cov}(R_i, R_m)$ – aktyvo ir rinkos grąžų kovariacija,
• $\text{Var}(R_m)$ – rinkos grąžos dispersija.

Skaitinis pavyzdys.

(a) Scenarijus. Vertintojas nustato nuosavo kapitalo kainą Lietuvos gamybos įmonei ir neturi jos pačios akcijų kainų eilutės, nes bendrovė nelistinguojama. Todėl beta imama iš sektoriaus palyginamųjų bendrovių.

(b) Reikšmės. Kovariacija tarp sektoriaus palyginamųjų bendrovių ir rinkos indekso grąžų $\sigma_{im} = 0{,}0036$; rinkos indekso dispersija $\sigma_m^2 = 0{,}0025$. Abi apskaičiuotos iš to paties penkerių metų mėnesinių grąžų lango – intervalas ir langas turi sutapti, nes nuo jų priklauso rezultatas (žr. 3.1.2 poskyrio pastabą apie beta nestabilumą).

(c) Skaičiavimas.

(d) Interpretacija sprendimui. $\beta = 1{,}44$ reiškia, kad rinkos grąžai pasikeitus vienu procentiniu punktu, modelis sieja įmonės grąžą su maždaug 1,44 procentinio punkto pokyčiu ta pačia kryptimi – tai agresyvus, aukštesnės sisteminės rizikos aktyvas. Svarbu nesupainioti: beta matuoja tik jautrumą rinkai, o ne visą grąžų sklaidą. Aktyvas gali turėti mažą beta ir kartu didelę nesisteminę riziką – tokiu atveju standartinis nuokrypis (3.1) bus didelis, nors beta rodys „ramų“ aktyvą.

CAPM – tikėtina grąža#

Kapitalo turto kainodaros modelis (CAPM) susieja tikėtiną grąžą su sistemine rizika:

kur:

• $E(R_i)$ – tikėtina aktyvo $i$ grąža,
• $R_f$ – nerizikinga norma,
• $\beta_i$ – aktyvo sisteminės rizikos matas,
• $E(R_m) - R_f$ – nuosavo kapitalo rizikos premija.

Skaitinis pavyzdys. Lietuvos gamybinė įmonė. Duomenys (2026 m. sausio rinkos duomenys – tie patys per visą skyrių): euro zonos nerizikinga norma $R_f = 3{,}5\%$; brandžios rinkos nuosavo kapitalo rizikos premija $ERP = 4{,}23\%$ (Damodaran, 2026, 2026 m. sausio atnaujinimas); įmonės $\beta = 1{,}2$.

Pagal CAPM šios įmonės nuosavam kapitalui apskaičiuota 8,58 % ex ante reikalaujama grąža, atitinkanti jos sisteminę riziką. Ji naudojama dviem būdais: tikėtiniems nuosavo kapitalo pinigų srautams diskontuoti arba lyginama su panašios rizikos investicijos tikėtina grąža. Vieno laikotarpio faktinė akcijų grąža gali būti ir didesnė, ir mažesnė, tačiau šis skirtumas savaime neparodo nei vertės kūrimo, nei pastovios alfa.

Su kuo šį skaičių galima lyginti. CAPM rezultatas yra ex ante reikalaujama nuosavo kapitalo grąža, todėl palyginami rodikliai turi būti vienodo ekonominio pobūdžio. Su ja lyginama panašios rizikos nuosavo kapitalo investicijos tikėtina grąža, o faktinė akcijų grąža tėra ex post rezultatas. Apskaitiniai ir projekto rodikliai vertinami taikant juos atitinkančią kapitalo kainą:

ROIC, WACC ir EVA ryšys išsamiau nagrinėjamas 11 skyriuje, patys apskaitiniai rodikliai – 9 skyriuje.

Pastaba apie alfa. Jenseno alfa nustatoma iš periodinių perteklinių grąžų regresijos, o ne palyginus vieno laikotarpio faktinę grąžą su CAPM įverčiu. Jos statistinis vertinimas nepatenka į šio skyriaus apimtį.

Portfelio dispersija – diversifikacijos efektas#

Dviejų aktyvų portfelio dispersija parodo, kaip diversifikacija mažina riziką:

kur:

• $w_1$, $w_2$ – aktyvų svoriai portfelyje ($w_1 + w_2 = 1$),
• $\sigma_1$, $\sigma_2$ – aktyvų standartiniai nuokrypiai,
• $\rho_{12}$ – koreliacijos koeficientas tarp dviejų aktyvų grąžų.

Skaitinis pavyzdys.

(a) Scenarijus. Įmonė turi dvi verslo kryptis ir svarsto, ar antrąją, mažiau pelningą, verta išlaikyti. Finansų vadovas nori parodyti, ką kryptis duoda ne pelnui, o rezultatų stabilumui.

(b) Reikšmės. Kryptis A: $\sigma_A = 20\%$, pajamų dalis $w_A = 0{,}5$. Kryptis B: $\sigma_B = 10\%$, $w_B = 0{,}5$. Koreliacijos koeficientas tarp jų rezultatų $\rho_{AB} = 0{,}2$ – apskaičiuotas iš aštuonerių metų ketvirtinių duomenų.

(c) Skaičiavimas.

(d) Interpretacija sprendimui. Portfelio rizika (12,0 %) yra mažesnė nei paprastas svertinis krypčių rizikų vidurkis ($0{,}5 \times 20\% + 0{,}5 \times 10\% = 15\%$). Skirtumas – trys procentiniai punktai – ir yra diversifikacijos efektas, kylantis iš nepilnos koreliacijos. Finansų vadovui tai argumentas, kurio pelno ataskaita nerodo: kryptis B mažina bendrą rezultatų svyravimą, todėl jos vertė matuojama ne tik marža. Bet argumentas turi ribą – jei koreliacija krizės metu pakiltų iki 1,0, efektas išnyktų (žr. 3.1.2 poskyrį).

Sortino koeficientas – asimetrinė rizika#

Sortino koeficientas (angl. Sortino ratio), kurį 1991 m. pasiūlė Frankas Sortino ir Robertas van der Meeras, vertina rizikos koreguotą grąžą skaičiuodamas tik nuosmukio riziką:

kur:

• $R_p$ – portfelio (ar projekto) vidutinė grąža,
• $MAR$ – minimalus priimtinas grąžos lygis (angl. Minimum Acceptable Return),
• $\sigma_d$ – nuosmukio standartinis nuokrypis (skaičiuojamas tik iš neigiamų nukrypimų nuo $MAR$).

Nuosmukio dispersija:

Pastaba: vardiklyje naudojamas $n$ (visų laikotarpių skaičius, ne tik neigiamų nukrypimų), nes nuliniai nukrypimai taip pat informuoja apie nuosmukio rizikos profilį. Tai skiriasi nuo imties standartinio nuokrypio (3.1), kur naudojamas $n - 1$.

Skaitinis pavyzdys. Naudojamos tos pačios penkios grąžos kaip (3.1) formulėje: 12 %, 8 %, −4 %, 15 %, 9 %. $MAR = 5\%$. Tai leidžia dviejų matų rezultatus lyginti tiesiogiai.

Nukrypimai nuo MAR: $12-5 = +7$ (ignoruojama), $8-5 = +3$ (ignoruojama), $-4-5 = -9$ (skaičiuojama), $15-5 = +10$ (ignoruojama), $9-5 = +4$ (ignoruojama).

Vidutinė grąža: $(12 + 8 - 4 + 15 + 9)/5 = 8{,}0\%$.

Čia matomas visas šio mato pranašumas. Tie patys duomenys (3.1) formulėje davė $\sigma \approx 7{,}25\%$, o nuosmukio nuokrypis yra tik 4,02 % – vadinasi, beveik pusė sklaidos tenka teigiamai pusei, kuri investuotojui nėra problema. Palyginimui, Sharpe’o koeficientas ((3.8) formulė; $R_f = 2\%$, $\sigma = 7{,}25\%$) būtų $(8{,}0 - 2)/7{,}25 \approx 0{,}83$, o Sortino – 0,75. Skirtumas tarp šių dviejų skaičių ir yra atsakymas į klausimą, kiek rizikos vertinimo rezultatą lemia pats mato pasirinkimas.

Kur Sortino koeficientas trapus. Šis matas turi trūkumą, kurį lengva nepastebėti, nes jis slypi ne formulėje, o duomenyse. Standartinis nuokrypis (3.1) apskaičiuojamas iš visų stebėjimų, o nuosmukio nuokrypis – tik iš tų, kurie yra žemiau MAR. Aukščiau pateiktame pavyzdyje tokia yra viena grąža iš penkių: visas 16,2 dispersijos dydis gautas iš vieno skaičiaus $(-9)^2 = 81$.

Praktinė pasekmė yra rimta. Jei toji viena grąža būtų buvusi ne −4 %, o −10 %, nuosmukio nuokrypis pakiltų nuo 4,02 % iki 6,71 %, o Sortino koeficientas nukristų nuo 0,75 iki 0,27 – beveik trigubai, pasikeitus vienam stebėjimui iš penkių. Standartinis nuokrypis tuo pačiu atveju pakiltų nuo 7,25 % iki 9,78 %, o Sharpe’o koeficientas nukristų nuo 0,83 iki 0,49 – taigi sumažėtų iki 59 %, o Sortino – iki 36 % pradinės reikšmės.

Taigi Sortino koeficientas nėra „geresnis Sharpe“ – jis yra kitoks, ir savo pranašumą už asimetrijos matymą apmoka įverčio stabilumu. Nuosmukio rizikos matai perkelia problemą iš mato prielaidų į imties dydį: kuo mažiau stebėjimų yra žemiau MAR, tuo mažiau patikimas vardiklis. Verslo planavime, kur eilutės dažnai yra penkerių metų, tai reiškia dvi praktines taisykles: nurodyti, iš kiek stebėjimų apskaičiuotas vardiklis, ir nelyginti dviejų projektų Sortino koeficientų, jei jų imtys ar MAR skiriasi. Kai stebėjimų žemiau MAR yra vos vienas ar du, matas rodo kryptį, ne dydį.

Variacijos koeficientas – santykinė rizika#

Variacijos koeficientas (angl. coefficient of variation, CV) leidžia palyginti riziką tarp projektų su skirtingomis tikėtinomis grąžomis:

kur $\sigma$ – standartinis nuokrypis, $\bar{R}$ – vidutinė grąža.

Skaitinis pavyzdys.

(a) Scenarijus. Įmonė turi lėšų vienam iš dviejų investicinių projektų ir turi pasirinkti. Projektas A žada didesnę grąžą, bet ir didesnį svyravimą; projektas B – kuklesnis abiem atžvilgiais. Absoliutūs nuokrypiai atsakymo neduoda, nes projektų grąžos nevienodos.

(b) Reikšmės. Abiejų projektų tikėtina metinė grąža ir standartinis nuokrypis – iš scenarijų analizės (žr. 4 skyrių):

(c) Skaičiavimas. $CV = \sigma / \bar{R}$ kiekvienam projektui:

(d) Interpretacija sprendimui. Nors projektas B turi mažesnį absoliutų standartinį nuokrypį, jo santykinė rizika (CV = 0,75) didesnė nei projekto A (CV = 0,67): kiekvienam grąžos procentiniam punktui B tenka daugiau sklaidos. Rizikos ir grąžos santykio prasme efektyvesnis yra A. Tačiau sprendimas nėra vien CV klausimas: jei įmonė negali pakelti atskirų metų nuostolio, absoliutus A nuokrypis gali būti lemiamas, ir tada renkamasi B, sąmoningai mokant santykiniu efektyvumu.

Šalies rizikos premijos korekcija (Damodaran metodas)#

Vertinant įmonę, kurios veikla reikšmingai susijusi su papildoma suverenia, politine, institucine ar makroekonomine šalies rizika, prie brandžios rinkos nuosavo kapitalo rizikos premijos gali būti pridedama šalies rizikos premija:

kur:

• $ERP_{brandži\ rinka}$ – brandžios rinkos (pvz., JAV) nuosavo kapitalo rizikos premija,
• $CRP$ – šalies rizikos premija (angl. Country Risk Premium), apskaičiuojama pagal Damodarano metodą: šalies obligacijų palūkanų maržos skirtumas (angl. default spread), pakoreguotas pagal akcijų ir obligacijų rinkų santykinio kintamumo koeficientą.

Skaitinis pavyzdys (Lietuvos kontekstas). Iliustraciniame pavyzdyje daroma prielaida, kad:

• $R_f = 3{,}5\%$ (euro zonos nerizikinga norma),
• $ERP_{JAV} = 4{,}23\%$ (brandžios rinkos premija, 2026 m. sausio atnaujinimas; Damodaran, 2026),
• $CRP_{LT} \approx 1{,}1\%$ (Lietuvos šalies premija pagal Damodaran lentelę, 2026 m. sausio atnaujinimas; Moody’s A2 reitingas – konkretaus vertinimo metu reikia naudoti aktualią lentelės reikšmę; Damodaran, 2026),
• $\beta = 1{,}1$.

Ką tyliai numato ši formulė. Užrašas $+\,CRP$ reiškia prielaidą, kad įmonės ekspozicija šalies rizikai yra vidutinė. Damodarano žymėjimu tai atitinka $\lambda = 1$: λ yra apie vienetą centruotas ekspozicijos matas, kur didesnė už vienetą reikšmė rodo aukštesnę už vidutinę ekspoziciją (Damodaran, 2003). Praktikoje ekspozicija priklauso ne vien nuo įmonės registracijos ar akcijų prekybos vietos, bet ir nuo pajamų, veiklos, gamybos bei turto geografinio pasiskirstymo. Todėl 70 % pajamų Vokietijoje gaunantis Lietuvos eksportuotojas ir vien vietinei rinkai dirbantis mažmenininkas šalies rizikai eksponuoti nevienodai, nors abu registruoti toje pačioje valstybėje. Kaip λ įvertinamas skaičiais ir kaip jis įtraukiamas į formulę – 11 skyriuje.

Jas lengva sulipdyti, nors jos veikia skirtinguose lygmenyse.

Problema	Ką ji keičia	Tinkamas sprendimas
Šalies rizika	reikalaujamą grąžą	CRP, atsižvelgiant į įmonės ekspoziciją ($\lambda$)
Nepakankamo likvidumo kapitalo rinka	rinkos duomenų ir betos patikimumą	lyginamųjų įmonių beta („iš apačios“, angl. bottom-up)
Vertinamo akcijų paketo nelikvidumas	konkretaus paketo vertę	DLOM, jei jos taikymas pagrįstas

Maža ar nelikvidi kapitalo rinka savaime nereiškia didelės šalies rizikos premijos. Ji pirmiausia apsunkina patikimų rinkos duomenų ir betos nustatymą, o tai sprendžiama beta parinkimu, ne CRP didinimu. Nuolaida dėl likvidumo trūkumo rinkoje nepataiso nepatikimos betos ir taikoma ne diskonto normai, o konkretaus nuosavybės paketo vertei. Lietuva čia yra geras kontrpavyzdys: jos kapitalo rinka palyginti maža, tačiau iš to negalima automatiškai spręsti apie šalies rizikos premijos dydį – likvidumas ir šalies rizika vertinami atskirai (plačiau – 3.1.5 poskyris).

Privačiam verslui papildomai taikoma nuolaida dėl likvidumo trūkumo rinkoje (angl. Discount for Lack of Marketability, DLOM). Universalaus jos dydžio nėra: apžvelgtų tyrimų vidutinės nuolaidos svyruoja nuo 13 iki 34 proc. (Finnerty, 2013), o Damodaranas (2012, p. 687) vertinime siūlo pradėti nuo 25 proc. ir pabrėžia, kad fiksuotų nuolaidų taikymas visoms privačioms įmonėms yra klaidingas kelias (ten pat, p. 684, 686). Kaip nuolaida parenkama ir pagrindžiama konkrečiu atveju – 13.1.5 poskyryje; plačiau apie WACC ir kapitalo kainos skaičiavimą – 11 skyriuje.

Sharpe’o koeficientas – rizikos koreguota grąža#

Iki šiol matai atsakė į klausimą „kiek rizikos?“. Sharpe’o koeficientas (angl. Sharpe ratio), kurį Sharpe’as (1966) pirmiausia pavadino grąžos ir kintamumo santykiu (angl. reward-to-variability ratio), atsako į kitą: kiek grąžos gaunama už vieną rizikos vienetą. Tai rizikos koreguotos grąžos matas, leidžiantis lyginti investicijas, kurių ir grąža, ir rizika skiriasi:

kur:

• $R_p$ – portfelio (ar projekto) vidutinė grąža,
• $R_f$ – nerizikinga norma,
• $\sigma_p$ – portfelio grąžų standartinis nuokrypis (3.1 formulė).

Skaitiklyje yra perteklinė grąža – tai, kiek uždirbta virš to, ką būtų davusi nerizikinga alternatyva. Vardiklyje – visa sklaida. Todėl Sharpe’o koeficientas ir Sortino koeficientas (3.5) skiriasi vienu, bet principiniu dalyku: Sharpe’o koeficientas traktuoja teigiamus ir neigiamus nuokrypius vienodai, o Sortino – tik neigiamus.

Skaitinis pavyzdys. Naudojamos tos pačios penkios grąžos kaip (3.1) ir (3.5) formulėse: 12 %, 8 %, −4 %, 15 %, 9 %. Vidutinė grąža 8,0 %, standartinis nuokrypis 7,25 % (3.1), nerizikinga norma $R_f = 2\%$.

Tų pačių duomenų Sortino koeficientas yra 0,75 (3.5). Skirtumas nedidelis, bet jo kryptis informatyvi: Sortino mažesnis, nes nuosmukio nuokrypis (4,02 %) sudaro didesnę dalį perteklinės grąžos nei atrodytų iš viso nuokrypio. Jei duomenyse būtų buvusi viena stipriai neigiama grąža, skirtumas būtų kelis kartus didesnis – ir tada mato pasirinkimas būtų pakeitęs sprendimą, ne tik skaičių po kablelio.

Sharpe’o koeficiento ribos. Jis remiasi prielaida, kad sklaida pakankamai aprašoma standartiniu nuokrypiu, taigi netiesiogiai – normalumo prielaida (3.1.3 poskyris). Asimetriniams ar storų uodegų pasiskirstymams jis sistemingai palankesnis, nei turėtų būti, todėl 4 skyriuje aptariami matai (Omega, CVaR) buvo sukurti būtent šiam trūkumui atsverti.

Formulių suvestinė#

3.1 lentelė. 3 skyriaus formulės

3.3. Apibendrinimas#

Šis skyrius pristatė verslo rizikos ir pelningumo ryšio teorinius pagrindus, kiekybinius modelius ir kritinę jų analizę. Pagrindinės išvados:

1. Rizika ir pelningumas yra neatskiriami, bet jų ryšys nėra paprastas. Kiekybiniai modeliai (CAPM, Fama-French) formalizuoja šį ryšį, tačiau jie remiasi prielaidomis, kurios ne visada atitinka tikrovę. Praktikoje rizikos premija atspindi ne tik statistinę sklaidą, bet ir rinkos psichologiją, institucinę aplinką ir likvidumo sąlygas.

2. Ne visas netikrumas yra to paties pobūdžio. Knighto skirtis tarp rizikos (skaičiuojamos) ir neapibrėžtumo (neskaičiuojamo) lieka fundamentali: standartiniai modeliai veikia rizikos zonoje, bet silpnėja susidūrus su tikru neapibrėžtumu.

3. Dalis rizikos yra diversifikuojama, dalis – ne. Sisteminės ir nesisteminės rizikos dichotomija yra viena svarbiausių finansų teorijos įžvalgų: rinka kompensuoja tik nediversifikuojamą riziką. Tačiau privataus verslo savininkas patiria abi – ir tai keičia vertinimo logiką (žr. 14 skyrių).

4. Rizikos matai turi ontologines ribas. Standartinis nuokrypis yra simetriškas, o verslo praktikoje nuostoliai yra asimetriškai svarbesni. Normaliojo skirstinio prielaida ignoruoja storas uodegas. Kiekvienas matas yra tikrovės aproksimacija, ne pati tikrovė.

5. Elgsenos šališkumai sistemingai iškraipo rizikos vertinimą. Perteklinis pasitikėjimas, nuostolių vengimas, inkaravimas ir grupinis mąstymas veikia ne tik individualius, bet ir organizacinius sprendimus. Struktūrinės šališkumų mažinimo strategijos (pre-mortem, lyginamosios klasės prognozavimas, red team) yra būtinas korekcinis mechanizmas.

6. Apsidraudimas kuria vertę tik dėl rinkos netobulumų. Tobuloje rinkoje įmonės apsidraudimas nieko neprideda – akcininkas gali apsidrausti pats. Vertė atsiranda tik per konkrečius kanalus: finansinių sunkumų kaštus, mokesčių asimetriją ir vidinių lėšų pakankamumą investicijoms. Todėl kiekvienas apsidraudimo sprendimas turi būti pagrįstas vienu iš jų, o ne nuoroda, kad „rizika didelė“.

7. Rizikos valdymas nėra vien nuostolių ribojimas – jis gali būti vertės kūrimo mechanizmas. Organizacija, kuri geriau supranta ir valdo riziką nei konkurentai, gali prisiimti rizikingesnius, bet pelningesnius projektus – tai yra konkurencinis pranašumas rizikos valdymo srityje.

Tolesniuose skyriuose šios koncepcijos bus taikomos instrumentiškai: 4 skyriuje – jautrumo analizė, scenarijų analizė ir Monte Carlo simuliacijos; 5 skyriuje – diversifikacijos ir specializacijos sprendimai; 11 skyriuje – WACC ir diskonto normos skaičiavimas; 14 skyriuje – realieji opcionai kaip strateginis rizikos valdymo instrumentas.

3.4. Atvejo analizė ir praktiniai pavyzdžiai#

Atvejis 1: Lietuvos gamybinės įmonės rizikos profilis#

Atvejo tipas: [hipotetinis]. Įmonė ir jos skaičiai sukurti mokymo tikslais; rinkos duomenys (nerizikinga norma, brandžios rinkos premija, šalies rizikos premija) yra tikri ir paimti iš Damodarano 2026 m. sausio lentelės, o sektoriaus proporcijos atspindi Lietuvos metalo apdirbimo praktiką.

Situacija#

UAB „Baltico Komponentai“ – Kauno regione veikianti vidutinė gamybinė įmonė, gaminanti metalinius komponentus Vakarų Europos automobilių pramonei. Įmonės metinė apyvarta – 12 mln. EUR, darbuotojų skaičius – 85. 2025 m. įmonė svarsto 3,5 mln. EUR investiciją į naują CNC apdirbimo liniją, kuri leistų gaminti tikslesnėmis tolerancijomis ir patekti į elektromobilių komponentų segmentą. Investicija finansuojama 60 % banko paskola ir 40 % nuosavomis lėšomis.

Rizikos identifikavimas ir klasifikavimas#

Taikant 3.1.2 poskyryje pristatytą rizikos taksonomijos sistemą, identifikuojamos šios pagrindinės rizikos:

Išorinės rizikos:

• Makroekonominė: euro zonos palūkanų normų svyravimai tiesiogiai veikia paskolos aptarnavimo kaštus. Europos Centrinio Banko (ECB) pagrindinių refinansavimo operacijų palūkanų normos pakėlimas nuo 0 % (2022 m.) iki 4,5 % (2023 m.) parodė šios rizikos mastą.
• Geopolitinė: priklausomybė nuo Vakarų Europos automobilių pramonės, kuri pati patiria konkurencinį spaudimą iš Kinijos elektromobilių gamintojų.
• Technologinė: elektromobilių komponentų specifikacijos keičiasi sparčiau nei tradicinės automobilių pramonės – investicija gali tapti morališkai pasenusi greičiau nei planuota.

Vidinės rizikos:

• Operacinė: kvalifikuotų CNC operatorių trūkumas Kauno regione; integracijos su esamomis gamybos linijomis sudėtingumas.
• Finansinė: fiksuotos palūkanos ir kintamos; valiutos rizikos nėra (veikia euro zonoje).
• Strateginė: koncentracijos rizika – 3 pagrindiniai klientai sudaro 70 % pajamų.

Kiekybinis rizikos premijos skaičiavimas#

Taikome (3.7) formulę su šalies rizikos korekcija:

• $R_f = 3{,}5\%$ (euro zonos nerizikinga norma)
• $ERP = 4{,}23\%$ (brandžios rinkos premija, 2026 m. sausis)
• $CRP_{LT} = 1{,}1\%$ (Lietuvos šalies rizikos premija; Damodaran, 2026)
• $\beta = 1{,}15$ (automobilių komponentų sektoriaus beta, koreguota pagal finansinį svertą)

Prielaida, kurią būtina įvardyti. Užrašas $+\,CRP$ čia reiškia $\lambda = 1$, t. y. vidutinę ekspoziciją šalies rizikai (žr. 3.2 poskyrį). Įmonė daugumą pajamų gauna Vakarų Europoje, todėl jos faktinė ekspozicija Lietuvos rizikai greičiausiai mažesnė: laikant $\lambda \approx 0{,}6$, šalies premijos indėlis sumažėtų nuo 1,1 iki maždaug 0,66 procentinio punkto, o reikalaujama grąža – iki maždaug 9,0 %. Atvejyje sąmoningai paliekama konservatyvesnė $\lambda = 1$ prielaida, tačiau ji įvardijama: neužrašyta prielaida yra dažniausia vertinimo klaida, ir būtent ji vėliau nepatikrinama.

Privačiam verslui papildomai reikia įvertinti nelikvidumą. Metodologiškai skaidriau DLOM taikyti vertės, o ne diskonto normos lygmenyje – t. y. pirma apskaičiuoti verslo vertę pagal aukščiau nustatytą diskonto normą, o tada nuo gautos vertės taikyti nuolaidą (Damodaran, 2012, p. 689). Damodaranas nurodo ir diskonto normos kelią, tačiau įspėja dėl dvigubo skaičiavimo rizikos (ten pat, p. 674). Praktikoje, ypač greitojo vertinimo kontekste, kartais taikomas ir heuristinis supaprastinimas – nuosavo kapitalo kaina padidinama apie 2–4 procentiniais punktais, o tai šiuo atveju duotų orientacinę efektinę kainą apie 11,5–13,5 %. Svarbu suprasti, kad tai yra aproksimacija, o ne teoriškai griežtas sprendimas (plačiau apie privataus verslo vertinimo specifiką – 14 skyriuje).

Išvados#

Šis atvejis iliustruoja, kaip teorinės rizikos kategorijos virsta konkrečiais plano elementais. Kiekybinis CAPM skaičiavimas suteikia bazinę diskonto normą, tačiau kokybinis rizikos profilis (klientų koncentracija, technologinė transformacija, darbuotojų trūkumas) yra ne mažiau svarbus. Kaip parodė Knighto analizė, daugelis šių rizikų – ypač technologinė – yra arčiau neapibrėžtumo nei skaičiuojamos rizikos.

Atvejis 2: Technologijų startuolis ir elgsenos šališkumai#

Atvejo tipas: [hipotetinis]. Bendrovė, jos komanda ir skaičiai sukurti mokymo tikslais; rinkos duomenys CAPM skaičiavime tikri, o viešosios inovacijų paramos aprašymas atitinka Lietuvos praktiką.

Situacija#

UAB „HealthAI“ – Vilniaus startuolis, kuriame kuriamas dirbtinio intelekto sprendimas ambulatorinei diagnostikai. Komanda – 4 inžinieriai ir 1 verslo plėtros vadovas. Pradinė investicija – 150 tūkst. EUR (nuosavos lėšos ir Inovacijų agentūros finansavimas). Po 18 mėnesių veiklos startuolis rengia verslo planą rizikos kapitalo fondui, siekdamas 1,2 mln. EUR A etapo investicijos.

Elgsenos šališkumų identifikavimas#

Nagrinėjant „HealthAI“ verslo planą, identifikuojami keli 3.1.3 poskyryje aptarti šališkumai:

1. Perteklinis pasitikėjimas. Planas numato, kad per 3 metus startuolis užims 5 % Lietuvos ambulatorinės diagnostikos rinkos. Skaičius pateiktas be jokios atramos: komanda neatliko lyginamosios klasės prognozavimo – nepatikrino, kiek panašių įmonių tokį rinkos dalies lygį apskritai pasiekė ir per kiek laiko. Tokiu atveju 5 % yra ne prognozė, o siekis, ir plano skaitytojas neturi kuo įvertinti, ar jis realistiškas. Tai ir yra perteklinio pasitikėjimo pėdsakas plane – ne pats skaičius, o atramos nebuvimas.

2. Prieinamumo euristika. Plano „rizikos“ skyriuje dominuoja technologinės rizikos (algoritmo tikslumas, duomenų saugumas) – sritys, kurias komanda puikiai supranta. Tačiau reguliacinė rizika (medicininio prietaiso CE žymėjimas, BDAR atitiktis) ir komercializacijos rizika (ligoninių pirkimų procesų trukmė) yra užkoduotos vienu sakiniu. Pastebėtina, kad kaip tik šių dviejų komanda negali įvertinti savo kompetencijos pagrindu – jos yra už jos patirties ribų. Prieinamumo euristika čia veikia tiksliai taip, kaip aprašyta 3.1.3 poskyryje: rizikos sąrašo struktūra atspindi ne rizikų svarbą, o tai, kiek apie jas lengva mąstyti.

3. Inkaravimas. Finansinės prognozės pradedamos nuo „jei turėsime 1 000 mokančių vartotojų…“ – šis skaičius, nors patrauklus, nepagrįstas ir tarnauja kaip inkaras visam tolesniam modeliui.

4. Įsipareigojimo eskalavimas (angl. escalation of commitment). Komanda jau investavo 18 mėnesių darbo ir 150 tūkst. EUR. Tai sukuria psichologinį spaudimą „eiti iki galo“, net jei nauji duomenys rodytų, kad rinkos prielaidos klaidingos.

Pre-mortem analizė#

Taikant Gary’io Kleino (2007) pre-mortem techniką: „Įsivaizduokime, kad po 2 metų startuolis žlugo. Kokios buvo priežastys?“

• CE žymėjimo procesas užtruko 14 mėnesių (vietoj planuotų 6) ir išeikvojo grynųjų pinigų atsargas.
• Ligoninės neperka tiesiogiai – reikalingas integracijos partneris, kurio nebuvo numatyta.
• Pagrindinis programuotojas paliko komandą, o pakaitinio specialisto rinka Lietuvoje labai siaura.
• Reguliuotojas pareikalavo papildomų klinikinių tyrimų, kurie nebuvo įtraukti į biudžetą.

Kiek fondas pareikalaus grąžos?#

Rizikos kapitalo fondas, svarstydamas A etapo investiciją, pradeda nuo to paties atskaitos taško kaip ir bet kuris investuotojas – nuo reikalaujamos grąžos. Taikome (3.7) formulę su tais pačiais rinkos duomenimis kaip ir pirmajame atvejyje:

• $R_f = 3{,}5\%$ (euro zonos nerizikinga norma)
• $ERP = 4{,}23\%$ (brandžios rinkos premija, 2026 m. sausis)
• $CRP_{LT} = 1{,}1\%$ (Lietuvos šalies rizikos premija; Damodaran, 2026)
• $\beta = 1{,}3$ (programinės įrangos sektoriaus beta; startuolis skolos neturi, todėl sverto korekcija netaikoma)

Gautas skaičius – 10,1 % – yra būtent tas rezultatas, kurį verta palyginti su tikrove: rizikos kapitalo fondai ankstyvosios stadijos startuoliams taiko kelis kartus didesnes normas. Skirtumas nėra formulės klaida. Jis kyla iš to, kad (3.7) mato rinkos riziką diversifikuotam investuotojui, o fondas susiduria su trimis dalykais, kurių formulėje apskritai nėra: visiško žlugimo tikimybe, nelikvidumu (investicija įšaldoma penkeriems–septyneriems metams) ir Knighto neapibrėžtumu, kuriam tikimybės nepriskiriamos.

Todėl praktikoje fondas skaičiuoja ne CAPM grąžą, o portfelio logiką: iš dešimties investicijų kelios turi padengti visas. Verslo plano rengėjui iš to seka konkreti išvada – 10,1 % čia yra ne reikalaujama grąža, o apatinė riba, žemiau kurios projektas nekonkuruoja net su pasyviu rinkos indeksu. Tai ir yra 3.1.3 poskyrio tezės iliustracija: matas galioja tiek, kiek galioja jo prielaidos, ir čia lūžta ne skaičiavimas, o diversifikuoto investuotojo prielaida.

Knighto perspektyva#

Šis atvejis tiksliai iliustruoja Knighto neapibrėžtumą: daugeliui identifikuotų rizikų negalime priskirti prasmingų tikimybių, nes startuolis veikia naujoje rinkos nišoje be istorinių analogų Lietuvoje. Todėl rizikos valdymo strategija turėtų remtis ne tiksliais skaičiais, o etapinio investavimo logika (investuoti etapais, kiekviename vertinant naujai paaiškėjusią informaciją) ir minimalaus gyvybingo produkto (angl. Minimum Viable Product, MVP) principu – tai yra realiųjų opcionų mąstymas, kuris bus detaliau aptariamas 14 skyriuje.

Išvados#

Atvejis rodo tris dalykus, kurie kartojasi ankstyvos stadijos verslo planuose.

Pirma, elgsenos šališkumai palieka tekstinius pėdsakus. Perteklinis pasitikėjimas atpažįstamas ne iš optimistiško skaičiaus, o iš atramos nebuvimo: 5 % rinkos dalis be lyginamosios klasės yra siekis, o ne prognozė. Plano skaitytojas gali to ieškoti sistemingai.

Antra, kiekybinis aparatas čia turi ribą. CAPM su šalies premija duoda 10,1 %, o rizikos kapitalo fondai ankstyvos stadijos startuoliams taiko kelis kartus didesnes normas. Skirtumas nėra formulės klaida – jis kyla iš to, ko formulėje apskritai nėra: žlugimo tikimybės, nelikvidumo ir Knighto neapibrėžtumo. Modelio rezultatą čia reikia ne tikslinti, o įrėminti.

Trečia, neapibrėžtumo sąlygomis keičiasi pats sprendimo objektas. Kai tikimybių priskirti negalima, vertinamas nebe projekto rezultatas, o pasirinkimų struktūra: etapinis investavimas, minimalus gyvybingas produktas, pasitraukimo taškai. Tai realiųjų opcionų mąstysena, prie kurios grįžtama 14 skyriuje.

3.5. Excel modelio konstravimas#

Tikslas#

Studentas sukonstruoja rizikos matavimo skaičiuoklių rinkinį, kuriame realizuotos visos aštuonios 3.2 poskyrio formulės: standartinis nuokrypis, beta koeficientas, CAPM, portfelio dispersija su diversifikacijos efektu, Sortino koeficientas, variacijos koeficientas, CAPM su šalies rizikos premija ir Sharpe’o koeficientas. Modelio paskirtis nėra vien apskaičiuoti – ji yra parodyti, kaip tas pats aktyvas atrodo skirtinguose rizikos matuose, ir kodėl išvada priklauso nuo pasirinkto mato.

Modelio architektūra#

Modelis sudarytas iš devynių lapų: „Įvadas“ ir po vieną lapą kiekvienai formulei (F3.1–F3.8). Toks skaidymas atitinka skyriaus logiką. 3.3 poskyrio ketvirtoji išvada teigia, kad kiekvienas rizikos matas yra tikrovės aproksimacija, o ne pati tikrovė; atskiras lapas kiekvienam matui leidžia tą teiginį pamatyti skaičiais: tie patys duomenys viename lape duos „priimtiną“ išvadą, kitame – „aukštos rizikos“, ir abi išvados bus teisingos savo mato ribose.

Kiekvienas lapas sudarytas iš tų pačių šešių blokų: A antraštė ir kintamųjų aprašas, B sąlyga (kam šis skaičiavimas reikalingas), C duomenys, D skaičiavimai, E vizualizacija su jautrumo kreive ir lentele, F interpretacija.

Vardiniai diapazonai. Visos įvestys ir rezultatai pavadinti; formulės nurodo vardus, ne langelių adresus. Modelyje jų yra 79 ir visi turi vienodą sandarą CH03_F3_<formulė>_<kintamasis> – pavyzdžiui, CH03_F3_2_beta yra (3.2) rezultatas, o CH03_F3_7_crp – šalies rizikos premija (3.7) formulėje. Taisyklė paprasta: jei reikšmė bus naudojama kitoje formulėje, ji turi turėti vardą.

Automatinės išvados. Kiekvieno lapo F bloke yra langelis ..._isvada, kuriame formulė pati suformuluoja vertinimą sakiniu. Ribos, pagal kurias ji sprendžia, laikomos atskiruose langeliuose (..._sl_1, ..._sl_2): beta lyginamas su 1,0, Sortino ir Sharpe’o koeficientai – su 1,0 ir 0, variacijos koeficientas – su 0,7 ir 1,0, CAPM grąža (3.3) – su 8 % ir 15 %, o CAPM su šalies premija (3.7) – su 8 % ir 14 %. Šie slenksčiai yra sutartiniai orientyrai, o ne normos, ir būtent todėl jie laikomi langeliuose: pakeitus slenkstį, išvada pasikeičia be jokio formulės redagavimo.

Žingsnis po žingsnio instrukcija#

Lapai pildomi nuo bendriausio rizikos mato prie labiausiai specializuoto. Kiekvieno žingsnio pabaigoje yra patikros taškas: kontrolinis klausimas, kurio neigiamas atsakymas reiškia klaidą modelyje, o ne blogus duomenis.

1 žingsnis. Kiek svyruoja grąža? (lapas „F3.1“)#

Įvedamos penkerių metų grąžos (CH03_F3_1_r1–CH03_F3_1_r5). Skaičiuojamas vidurkis CH03_F3_1_vid ir imties standartinis nuokrypis CH03_F3_1_sigma pagal (3.1). Vardiklyje naudojamas $n-1$, ne $n$ – tai imties, o ne populiacijos formulė.

Patikra. Padauginus visas grąžas iš to paties skaičiaus, standartinis nuokrypis turi padidėti tiek pat kartų, o variacijos koeficientas (F3.6) – nepakisti. Jei nepakinta σ, formulė skaičiuoja ne tą sritį.

Kad ši patikra veiktų, F3.6 lape reikia įjungti perjungiklius CH03_F3_6_sigma_rank ir CH03_F3_6_vid_rank į susietą režimą – tada standartinis nuokrypis ir vidurkis imami iš F3.1, o ne įrašomi ranka. Numatyta, kad modelis paleidžiamas su rankinėmis reikšmėmis, kad kiekvieną lapą būtų galima naudoti savarankiškai.

2 žingsnis. Kiek rizikos yra sisteminė? (lapai „F3.2“ ir „F3.3“)#

Lape F3.2 iš aktyvo ir rinkos grąžų kovariacijos bei rinkos dispersijos gaunamas CH03_F3_2_beta (3.2). Lape F3.3 beta kartu su nerizikinga palūkanų norma ir nuosavo kapitalo rizikos premija duoda reikalaujamą grąžą CH03_F3_3_er (3.3).

Patikra. Beta lygus vienetui reiškia, kad aktyvas juda kartu su rinka; tada CAPM grąža privalo sutapti su rinkos grąža. Jei nesutampa, F3.3 naudoja ne tą premiją arba ne tą nerizikingą normą.

3 žingsnis. Ką duoda diversifikacija? (lapas „F3.4“)#

Įvedamas pirmojo aktyvo svoris (CH03_F3_4_w1), abiejų standartiniai nuokrypiai (..._s1, ..._s2) ir koreliacijos koeficientas (..._rho). Skaičiuojamas portfelio nuokrypis CH03_F3_4_sigmap (3.4), svertinis atskirų rizikų vidurkis ..._svert ir jų skirtumas – diversifikacijos efektas CH03_F3_4_divef.

Patikra. Kai koreliacija lygi 1, diversifikacijos efektas privalo būti lygus nuliui: portfelio rizika tada yra paprastas svertinis vidurkis. Jei efektas nenulinis, formulėje klaida. Sumažinus ρ iki −1, efektas turi pasiekti didžiausią reikšmę – čia matoma visa diversifikacijos logika viename langelyje.

4 žingsnis. Ar visa sklaida yra rizika? (lapas „F3.5“)#

Sortino koeficientas (3.5) vardiklyje naudoja tik neigiamus nuokrypius nuo tikslinės grąžos. Lape naudojamos tos pačios penkios grąžos kaip F3.1, todėl abu rezultatai lyginami tiesiogiai – tai ir yra šio žingsnio esmė: dviejų matų logika tuose pačiuose duomenyse: standartinis nuokrypis skaičiuoja visą sklaidą, Sortino – tik neigiamą.

Patikra. Jei visos grąžos viršija tikslinę reikšmę, vardiklis yra nulis ir Sortino koeficientas neapibrėžtas. Modelis turi parodyti išvadą, o ne klaidos pranešimą: neapibrėžtas rodiklis irgi yra informacija – duomenyse nėra nė vieno neigiamo nuokrypio, todėl matas netaikytinas.

5 žingsnis. Kiek rizikos tenka vienam grąžos vienetui? (lapas „F3.6“)#

Variacijos koeficientas (3.6) yra standartinio nuokrypio ir vidurkio santykis. Tai vienintelis šio skyriaus matas, leidžiantis lyginti skirtingo masto projektus.

Patikra. Kai vidurkis artėja prie nulio, variacijos koeficientas nekontroliuojamai auga. Tai ne modelio klaida, o paties mato riba, ir ji turi atsispindėti F bloko išvadoje.

6 žingsnis. Kaip vertinti Lietuvos aktyvą? (lapas „F3.7“)#

Prie standartinio CAPM pridedama šalies rizikos premija CH03_F3_7_crp (3.7) pagal Damodarano metodą. Premija yra įvestis, ne konstanta: ji keičiasi kartu su reitingu ir turi būti imama iš aktualaus šaltinio vertinimo dieną.

Patikra. Nustačius CH03_F3_7_crp lygų nuliui, rezultatas privalo sutapti su F3.3 rezultatu prie tų pačių įvesčių. Jei nesutampa, viename iš lapų skiriasi beta arba rinkos premija.

7 žingsnis. Kiek perteklinės grąžos tenka vienam rizikos vienetui? (lapas „F3.8“)#

Sharpe’o koeficientas (3.8) skaitiklyje turi perteklinę grąžą virš nerizikingos normos (CH03_F3_8_rf), o vardiklyje – visą sklaidą. Lape naudojamos tos pačios penkios grąžos kaip F3.1 ir F3.5, todėl trys matai – standartinis nuokrypis, Sortino ir Sharpe’o koeficientai – lyginami tiesiogiai.

Patikra. Padidinus nerizikingą normą CH03_F3_8_rf, Sharpe’o koeficientas privalo sumažėti, o F3.5 Sortino koeficientas – nepakisti: jis remiasi tiksline grąža CH03_F3_5_mar, ne nerizikinga norma. Jei pakinta abu, lapai dalijasi ne tuo įvesties lauku, ir tada du matai nebeatsako į du skirtingus klausimus.

Kaip pasitikrinti visą modelį#

1. Pakeiskite vieną įvestį mėlyname langelyje – persiskaičiuoti turi visi nuo jos priklausantys rezultatai, įskaitant E bloko jautrumo lentelę ir F bloko išvadą.
2. Formulėse neturi likti nė vieno įrašyto skaičiaus, išskyrus struktūrinius (0, 1, 2), stebėjimų skaičių ir sveikuosius laipsnius.
3. Pakeiskite slenkstį ..._sl_1 – išvados tekstas turi pasikeisti be jokio formulės redagavimo.
4. Palyginkite F3.1, F3.5 ir F3.6 išvadas prie tų pačių duomenų. Jei jos nesutampa, tai nėra klaida – tai yra šio skyriaus pamoka.
5. Automatinė patikra: python Excel/patikra.py 3.

Failai:

• Excel/CH03/Ch03_Formula_Guide.md – visų devynių lapų aprašas su vardiniais diapazonais ir Excel formulėmis (vienas tiesos šaltinis)
• Excel/CH03/Ch03_Model_Master.xlsm – pilnas modelis su formulėmis, diagramomis ir jautrumo lentelėmis

3.6. Klausimai ir užduotys#

3.6.1. Faktai ir sąvokos (atpažinimo lygis)#

3.1 klausimas [atpažinimas]. Įvardykite penkias 3.1.1 poskyryje aprašytas rizikos ontologijas ir kiekvienai nurodykite, kieno požiūrį ji atspindi.

3.2 klausimas [atpažinimas]. Išvardykite keturias rizikos valdymo strategijas (3.1.2 poskyris) ir kiekvienai pateikite po vieną instrumentą.

3.6.2. Paaiškinimai (supratimo lygis)#

3.3 klausimas [supratimas]. Paaiškinkite, kuo sisteminė rizika skiriasi nuo nesisteminės ir kodėl tik viena iš jų patenka į CAPM formulę.

3.4 klausimas [supratimas]. Paaiškinkite, kodėl Sortino koeficientas ir standartinis nuokrypis tuose pačiuose duomenyse gali duoti skirtingą rizikos vertinimą.

3.5 klausimas [supratimas]. Paaiškinkite Knighto skirtį tarp rizikos ir neapibrėžtumo ir nurodykite, kuo ji svarbi verslo planui. Kokiomis sąlygomis tikimybėmis grįstas skaičiavimas tampa apgaulingai tikslus, ir ką planuotojas turėtų daryti tada, kai prasmingų tikimybių priskirti negalima?

3.6.3. Skaičiavimo užduotys (taikymo lygis)#

Atsakymai – C priede. Jie orientaciniai, skirti savikontrolei; tikslūs skaičiai priklauso nuo prielaidų, kurias studentas turi aiškiai užrašyti.

3.6 klausimas [taikymas]. Standartinis nuokrypis ir CV. Dvi investicijos generuoja šias metines grąžas per 6 metus:

• A: 10 %, 14 %, −2 %, 18 %, 6 %, 12 %.
• B: 5 %, 7 %, 3 %, 8 %, 4 %, 6 %.

Apskaičiuokite kiekvienos investicijos: (a) vidutinę grąžą, (b) standartinį nuokrypį, (c) variacijos koeficientą. Kuri investicija yra efektyvesnė rizikos–grąžos prasme?

3.7 klausimas [taikymas]. CAPM su šalies premija. Apskaičiuokite reikalaujamą nuosavo kapitalo grąžą Latvijos maisto perdirbimo įmonei, jei: $R_f = 3{,}5\%$; $ERP = 4{,}23\%$ (brandžios rinkos premija, kaip ir skyriaus pavyzdžiuose); $\beta = 0{,}85$; $CRP_{LV} = 1{,}55\%$ (Latvijos šalies rizikos premija; Moody’s A3 reitingas, Damodaran, 2026). Kodėl Latvijos premija didesnė nei Lietuvos (1,1 %), nors abi šalys yra euro zonoje?

3.8 klausimas [taikymas]. Diversifikacijos efektas. Portfelis sudarytas iš dviejų aktyvų: X ($\sigma_X = 25\%$, svoris 60 %) ir Y ($\sigma_Y = 15\%$, svoris 40 %). Apskaičiuokite portfelio standartinį nuokrypį esant koreliacijos koeficientams: (a) $\rho = 1{,}0$; (b) $\rho = 0{,}5$; (c) $\rho = 0{,}0$; (d) $\rho = -0{,}5$. Pavaizduokite grafiškai ir pakomentuokite.

3.9 klausimas [taikymas]. Sortino ir Sharpe. Projektas per 5 metus generavo grąžas: 20 %, −8 %, 15 %, −3 %, 25 %. $MAR = 5\%$, $R_f = 2\%$. Apskaičiuokite: (a) Sharpe’o koeficientą, (b) Sortino koeficientą. Kodėl rezultatai skiriasi? Kuris matas geriau atspindi šio projekto rizikos profilį?

3.6.4. Lyginamoji analizė (analizės lygis)#

3.10 klausimas [analizė]. Kodėl CAPM teigia, kad rinka nekompensuoja nesisteminės rizikos? Ar tai reiškia, kad privataus verslo savininkas, kurio turtas koncentruotas vienoje įmonėje, priima iracionalų sprendimą? Pagrįskite savo poziciją.

3.11 klausimas [analizė]. Prospektų teorija teigia, kad nuostoliai „sveria“ apie 2,5 karto stipriau nei pelnas. Kaip ši asimetrija gali paveikti įmonės investicinio komiteto sprendimus? Kokias institucines apsaugas galėtumėte pasiūlyti?

3.12 klausimas [analizė]. Kognityvinių šališkumų auditas. Suraskite viešai prieinamą verslo planą (pvz., sutelktinio finansavimo platformoje ar Inovacijų agentūros finansuotų projektų aprašuose). Identifikuokite bent 3 galimus kognityvinius šališkumus (perteklinis pasitikėjimas, inkaravimas, prieinamumo euristika ir kt.) ir pasiūlykite, kaip plano autoriai galėtų juos sumažinti.

3.13 klausimas [analizė]. Įmonė gali apsidrausti nuo reikšmingų žaliavos kainos svyravimų, tačiau apsidraudimo sandoris turi sąnaudų. Kodėl tobulosios rinkos sąlygomis toks sprendimas savaime nepadidintų įmonės vertės? Pasirinkite vieną iš poskyryje aptartų vertės kūrimo kanalų ir paaiškinkite, kokiomis įmonės aplinkybėmis apsidraudimo nauda galėtų viršyti jo sąnaudas.

3.6.5. Kūrybinės užduotys (sintezės lygis)#

3.14 klausimas [sintezė]. Rizikos profilio analizė. Pasirinkite vieną Nasdaq Vilnius biržoje listinguojamą įmonę. Naudodamiesi 5 metų istoriniais duomenimis, apskaičiuokite: (a) metinį standartinį nuokrypį, (b) beta koeficientą (lyginant su OMX Vilnius indeksu), (c) CAPM reikalaujamą nuosavo kapitalo grąžą. Tada suraskite analitikų paskelbtą arba patys pagrįskite tikėtiną metinę grąžą iš investicijos į tos įmonės akcijas ir palyginkite ją su reikalaujama. Atsakykite, ar prognozuojama grąža pakankamai kompensuoja sisteminę riziką.

Išvada formuluojama ne „įmonė kuria vertę“, o „tikėtina grąža viršija (arba nepasiekia) pagal CAPM reikalaujamos kompensacijos už sisteminę riziką“. Paaiškinkite, kodėl šis ex ante palyginimas nėra faktinio vertės sukūrimo įrodymas. Galiausiai įvertinkite, kiek jūsų apskaičiuota beta patikima, atsižvelgdami į 3.1.5 poskyryje aptartą prekybos likvidumo problemą.

3.6.6. Atviros diskusijos klausimai (vertinimo lygis)#

3.15 klausimas [vertinimas]. Ar Knighto skirtis tarp rizikos ir neapibrėžtumo yra praktiškai naudinga, ar tai tik filosofinė abstrakcija? Pateikite verslo situacijos pavyzdį, kuriame ši skirtis keičia sprendimą.

3.16 klausimas [vertinimas]. Nassimas Talebas teigia, kad standartiniai rizikos modeliai kuria apgaulingą saugumo jausmą. Ar tai reiškia, kad nuo kiekybinių modelių reikia atsisakyti? Kaip suderinti modelių naudojimą su „storų uodegų“ suvokimu?

3.17 klausimas [vertinimas]. Lietuva priskiriama aukšto kredito reitingo šalims (Moody’s A2), tačiau jos akcijų rinka yra nelikvidi ir koncentruota. Kaip tai veikia rizikos premijos skaičiavimą pagal Damodaran metodą? Ar šalies rizikos premija pakankamai atspindi tikrąją riziką?

3.6.7. Sprendimai su DI#

Ankstesni šio poskyrio klausimai tikrina, ar studentas moka apskaičiuoti ir interpretuoti rizikos matus. Šie du tikrina kitką – ar jis pastebi, ko matas apskritai nemato. Užduočių atlikimo tvarka aprašyta A priede: išplėstinės užduoties eiga – A.1, verifikavimo protokolas – A.2, perdavimo įrašas – A.3, verdiktas – A.4, gynimas ir oponavimas – A.5, vertinimo kriterijai – A.6, sąlygos – A.7. Prieš pradedant užduotį priedą reikia perskaityti.

3.18 klausimas [bazinė užduotis]. Situacija. UAB „Datalogis“ (hipotetinė bendrovė) kuria logistikos planavimo programinę įrangą. Bendrovėje dirba šeši žmonės; produkto branduolį parašė ir prižiūri du programuotojai. Pajamos gaunamos iš keturių klientų, tačiau vienas jų sudaro apie 70 % pajamų ir sutartis su juo atnaujinama kasmet. Programa duomenis gauna per valstybės registro sąsają, kurios techninius reikalavimus nustato reguliuotojas. Investuotojas svarsto įsigyti 30 % bendrovės akcijų ir paprašė DI asistento įvertinti rizikos profilį. Prieš skaitant DI santrauką užrašomi protokolo 0a ir 0b žingsniai (A.2).

Tai 2 apibrėžtumo lygio užduotis: kurioje vietoje ieškoti silpnosios vietos, nenurodoma. Toliau pateikta santrauka, kokią per kelias minutes parengia DI asistentas. Aritmetinių klaidų joje nėra – jos ieškoti neverta.

UAB „Datalogis“ rizikos profilis. Grynasis pelnas per penkerius metus (tūkst. EUR): 210; 225; 240; 250; 265. Vidutinis grynasis pelnas – 238 tūkst. EUR, standartinis nuokrypis – 21,4 tūkst. EUR (3.1 formulė), variacijos koeficientas – 0,09 (3.6 formulė). Sklaida labai maža, o pelnas auga kasmet.

Sisteminė rizika vertinama pagal lyginamųjų IT paslaugų bendrovių beta: $\beta = 0{,}95$. Taikant CAPM su šalies rizikos premija (3.7 formulė): $E(R_e) = 3{,}5\ \% + 0{,}95 \times 4{,}23\ \% + 1{,}1\ \% = 8{,}62\ \%$.

Išvada. Variacijos koeficientas 0,09 rodo labai žemą santykinę riziką, beta artima vienetui reiškia, kad bendrovė juda kartu su rinka ir jos neviršija. Rizikos profilis vertintinas kaip žemas–vidutinis, o 8,62 % diskonto norma yra pakankama. Rekomendacija: sandoris priimtinas.

Santraukai pritaikomas verifikavimo protokolas (A.2). Perskaičiuoti nurodytus rodiklius privaloma, tačiau vien perskaičiavimo nepakanka: reikia atsakyti ir į klausimą, kurią verslo vertės dalį šie rodikliai apskritai matuoja. Tam bendrovės vertė išskaidoma pagal 1 skyriuje pateiktą penkių sluoksnių ontologinę dekompoziciją (1.1.2 poskyris), o kiekvienam sluoksniui priskiriama rizikos dimensija ir matavimo būdas pagal 3.1.2 poskyrio lentelę.

Kiekybinė dalis: apskaičiuojama, kaip pasikeistų standartinis nuokrypis ir variacijos koeficientas, jei šeštaisiais metais pagrindinis klientas pasitrauktų ir grynasis pelnas taptų −40 tūkst. EUR (pastoviosios sąnaudos išliktų). Gautas rezultatas palyginamas su santraukoje pateiktu.

Pateikiama iki dviejų puslapių: aštuonių protokolo žingsnių įrašai (0a, 0b ir 1–6), penkių sluoksnių lentelė su nurodymu, kuriuos sluoksnius santraukos rodikliai dengia, o kuriuos palieka neįvertintus, perskaičiuoti rodikliai ir verdiktas su peržiūros sąlyga (A.4). Atsakoma ir į vieną klausimą: ar žema istorinė sklaida reiškia žemą riziką, ar tik tai, kad rizika dar nerealizavosi?

3.19 klausimas [išplėstinė užduotis]. Ši užduotis skirta savarankiškai atsakyti, kurioje verslo vertės dalyje slypi didžiausia konkretaus verslo rizika ir ar ją apskritai įmanoma išmatuoti. Studentas suformuluoja tyrimo klausimą, dalį analitinio darbo paveda DI įrankiams, kritiškai patikrina gautus rezultatus ir apgina išvadą seminaro metu. Bendrieji principai išdėstyti A priede, o čia detalizuojama šiam skyriui specifiška užduoties mechanika. Bazinei užduočiai agentų aplinkos nereikia; išplėstinei rekomenduojama B priede aprašyta DI agentų darbo aplinka – tada kartu su darbu pateikiami ir jos failai (A.3).

Užduoties sąlygos. Dėstytojas kiekvienam studentui priskiria vieną iš penkių vertės sluoksnių (1.1.2 poskyris). Objektą – verslą, kuriame būtent tame sluoksnyje sutelkta didžiausia rizika, – studentas randa pats; ši paieška ir sudaro užduoties branduolį. Pagal A.1 apibrėžtumo lygius tai atitinka 4 lygį; jei dėstytojas papildomai nurodo sektorių – 3 lygį; atvirajame variante, kai studentas renkasi ir sluoksnį, – 5 lygį.

Sprendimo adresatas – investuotojas arba kreditorius, kuriam reikia atsakyti ne kokia rizika yra, o kaip ją pamatuoti ir ko apie ją nepasakys standartiniai rodikliai.

Ką privalo įrodyti gynėjas. Ginama ne tai, kad priskirtas sluoksnis svarbus apskritai – visi penki dalyvauja kiekvieno verslo vertėje. Ginama, kad būtent jame yra šio verslo rizikos svorio centras, todėl darbe privalo būti trys dalykai:

1. Sluoksnio dominavimo įrodymas. Kodėl teigiama, kad didžiausia rizika yra priskirtame sluoksnyje, o ne kitame. Remiamasi vieša informacija apie konkretų verslą, ne bendromis sektoriaus savybėmis.
2. Matavimo sprendimas. Kaip šio sluoksnio rizika matuojama. 1–2 sluoksniams taikomi skyriaus rodikliai (3.1–3.7 formulės). 3–5 sluoksniams skyriaus formulės tiesiogiai netinka – tada siūlomas pakaitinis rodiklis (pavyzdžiui, klientų koncentracija, sutarčių trukmė, priklausomybė nuo atskirų darbuotojų ar reguliacinio sprendimo) ir aiškiai įvardijama, ko jis nematuoja.
3. Ribos. Įvardijama, kada pasirinktas matas pradeda klaidinti. Be šios dalies darbas laikomas neužbaigtu.

Kiekybinis pagrindimas (privalomas). Bent vienas rodiklis apskaičiuojamas iš viešų duomenių (Valstybės duomenų agentūra, Nasdaq Vilnius, įmonių metinės ataskaitos, sektoriaus apžvalgos) ir pateikiamas dviem būdais: kaip jį apskaičiuotų standartinė procedūra ir kaip jis atrodo įvertinus priskirtame sluoksnyje slypinčią riziką. Skirtumas tarp šių dviejų reikšmių ir yra tyrimo rezultatas. Jei sluoksnio rizikai tikimybių priskirti negalima, tai pasakoma tiesiai ir paaiškinama, kodėl tikėtinos vertės skaičiavimas šiuo atveju būtų klaidingas tikslumas (3.1.3 poskyris) – toks atsakymas vertinamas lygiai taip pat kaip ir skaičius.

Užduoties eiga. Užduotis atliekama pagal A priede aprašytą eigą E1–E7 (A.1). Toliau – šio skyriaus pavyzdžiai; E4 etapui atskiro pavyzdžio nereikia (žr. A.3). Pavyzdžiuose priskirtas 5 (nematerialusis) sluoksnis, o objektas – Nasdaq Vilnius biržoje listinguojama pieno perdirbimo bendrovė, kurios eksportą paveikė 2013–2014 m. Rusijos importo draudimai: 2013 m. – lietuviškiems pieno produktams, 2014 m. rugpjūtį – platesnis žemės ūkio produktų importo iš ES draudimas (Vitunskienė ir Serva, 2017). Rizika jau pasireiškė, todėl galima patikrinti, ar standartiniai rodikliai ją rodė iš anksto.

• E1. Tyrimo problemos formulavimas.

  Vengtina formuluotė: „Reguliacinė rizika maisto pramonėje.“

  Rekomenduojama formuluotė (5 sluoksnis): „Ar Nasdaq Vilnius biržoje listinguojamos pieno perdirbimo bendrovės rizikos svorio centras yra nematerialiajame sluoksnyje – prekybos leidimuose ir importo apribojimuose, – ir ar standartiniai rodikliai iki 2012 m. imtinai rodė riziką, kuri pasireiškė 2013–2014 m. Rusijos importo draudimais?“

• E2. Analitinis tikslas ir rezultato formatas.

  Pavyzdys (kokybinis): „Sudaromas bendrovės penkių sluoksnių žemėlapis pagal 3.1.2 poskyrio lentelę: kiekvienam sluoksniui įvardijamas pagrindinis rizikos šaltinis ir nurodoma, ar jį fiksuoja skyriaus rodikliai. Nurodoma, kokiomis sąlygomis svorio centras persikeltų į kitą sluoksnį – pavyzdžiui, eksportui pasiskirsčius į kelias rinkas.“

  Pavyzdys (kiekybinis): „Iš metinių ataskaitų apskaičiuojamas pardavimo pajamų standartinis nuokrypis ir variacijos koeficientas (3.1 ir 3.6 formulės) bei eksporto į Rusiją dalis pajamose. Rezultatas pateikiamas dviem būdais, kaip reikalauja kiekybinis pagrindimas: kokią riziką rodė sklaida iki 2012 m. imtinai, kai analitikas draudimų dar nežinojo, ir kokia ji tampa, į eilutę įtraukus 2013–2015 m.“

• E3. Uždavinių dekompozicija ir pavedimas DI. Pavyzdžiai:

  • bendrovės metinių ataskaitų, eksporto struktūros ir akcijų kainų duomenų paieška – pavesta DI kaip šaltinių ieškikliui; kiekvienas skaičius sutikrinamas su bendrovės per Nasdaq Vilnius skelbta informacija;
  • standartinio nuokrypio, variacijos koeficiento ir beta skaičiavimas – DI nepavesta: skaičiuojama savarankiškai Excel modelyje (3.5 poskyris), nes nuo šių reikšmių priklauso visa išvada;
  • bendrovės beta, apskaičiuota iš Nasdaq Vilnius kainų, palyginama su analogiškų bendrovių išvystytose rinkose beta, o skirtumas aiškinamas 3.1.5 poskyrio logika – reta prekyba betą traukia prie nulio; analogų paieška pavesta DI, o jų atrankos pagrįstumą tikrina studentas;
  • sluoksnio dominavimo argumentas ir pakaitinio rodiklio pasirinkimas – DI nepavesta: tai tyrimo branduolys, už kurį atsako studentas;
  • sektoriui taikytų prekybos apribojimų istorijos santrauka – pavesta DI; kiekviena data ir priemonės apimtis tikrinama sprendimą priėmusios institucijos dokumente, nes DI linkęs painioti datas ir apribojimų apimtį.

• E5. Rezultatų verifikavimas.

  Pavyzdys (protokolo 0a žingsnis): „Iškeliama hipotezė, kad draudimų paskelbimo laikotarpiais – 2013 m. ir 2014 m. rugpjūtį – bendrovės akcijų kaina krito labiau nei OMX Vilnius indeksas (visų Nasdaq Vilnius akcijų indeksas), nes smūgis buvo būdingas sektoriui ir vienai rinkai, o ne visai ekonomikai; todėl CAPM diskonto norma (3.7 formulė) šios rizikos neatspindi.“

  Pavyzdys (protokolo 0b žingsnis): „Hipotezė laikoma paneigta, jei tais laikotarpiais bendrovės akcijų kaina krito ne labiau nei OMX Vilnius indeksas: tada rizika buvo sisteminė (2a sluoksnis), o svorio centras nėra nematerialusis sluoksnis.“

  Pavyzdys (protokolo 4 žingsnis – valdantis parametras): „Valdantis parametras – eksporto į Rusiją dalis pajamose iki 2012 m. imtinai. Jei ji būtų buvusi 20 %, o ne 40 %, 2013–2015 m. pajamų kritimas ir variacijos koeficiento šuolis būtų maždaug perpus mažesni, o rodikliai iki 2012 m. imtinai liktų tie patys. Todėl išvada pateikiama kaip priklausomybė nuo šios dalies, o ne kaip vienas skaičius.“

• E6. Tyrimo išvados ir peržiūros sąlyga.

  Pavyzdys: „Bendrovės rizikos svorio centras – nematerialusis sluoksnis: prekybos apribojimas vienoje rinkoje gali per metus panaikinti didelę pajamų dalį, o nei pajamų sklaida iki 2012 m. imtinai, nei bendrovės ir jos analogų beta to neparodė, nes laikotarpiu be apribojimų šie rodikliai buvo žemi. Standartiniai rodikliai pasako, kaip bendrovė svyruoja ramiu metu, bet ne kiek ji gali prarasti. Išvada peržiūrima, jei eksporto į šią rinką dalis nukristų žemiau 15 % arba bendrovė gautų leidimus bent dviem naujoms rinkoms – tada svorio centras persikeltų į branduolį (pinigų srautų sluoksnį).“

• E7. Gynimas, oponavimas ir refleksija. Dėstytojas poras sudaro taip, kad sluoksniai susidurtų (A.8): sisteminę riziką (2a sluoksnis) gynęs studentas oponuoja nematerialųjį sluoksnį gynusiam, nes tai priešingi atsakymai į klausimą, ar rizikai įvertinti pakanka rinkos rodiklių (3.1.3 poskyris).

  Pavyzdys: nematerialųjį sluoksnį gynusiam studentui oponuoja sisteminės rizikos analitikas: „Jūs teigiate, kad prekybos apribojimo beta neparodo. Bet investuotojas, turintis diversifikuotą portfelį, tokią riziką išsklaido, todėl CAPM jos ir neturi įkainoti. Kodėl tada ji turėtų keisti investuotojo sprendimą? Ar jūsų išvada atlaiko šį argumentą?“

Pateikimas. Iki 4 puslapių (E1–E6 įrašai), priede – perdavimo įrašas ir neredaguotas užklausų registras (A.3). Po seminaro gynėjas pateikia vieno sakinio refleksiją, oponentas – trijų sakinių reziumė (A.5, E7).

Literatūros sąrašas#

• Artzner, P., Delbaen, F., Eber, J.-M., & Heath, D. (1999). Coherent measures of risk. Mathematical Finance, 9(3), 203–228.
• Banz, R. W. (1981). The relationship between return and market value of common stocks. Journal of Financial Economics, 9(1), 3–18.
• Barro, R. J. (2006). Rare disasters and asset markets in the twentieth century. The Quarterly Journal of Economics, 121(3), 823–866.
• Benn, S., Abratt, R., & Kleyn, N. (2016). Reducing reputational risk: Evaluating stakeholder salience and prioritising stakeholder claims. Marketing Intelligence & Planning, 34(6), 828–842. https://doi.org/10.1108/MIP-10-2015-0191
• Berger, P. G., & Ofek, E. (1995). Diversification’s effect on firm value. Journal of Financial Economics, 37(1), 39–65.
• Bernoulli, D. (1738/1954). Exposition of a new theory on the measurement of risk. Econometrica, 22(1), 23–36.
• Bernstein, P. L. (1996). Against the Gods: The Remarkable Story of Risk. Wiley.
• Bikhchandani, S., Hirshleifer, D., & Welch, I. (1992). A theory of fads, fashion, custom, and cultural change as informational cascades. Journal of Political Economy, 100(5), 992–1026. https://doi.org/10.1086/261849
• Campbell, J. Y., & Cochrane, J. H. (1999). By force of habit: A consumption-based explanation of aggregate stock market behavior. Journal of Political Economy, 107(2), 205–251.
• Campbell, R., Koedijk, K., & Kofman, P. (2002). Increased correlation in bear markets. Financial Analysts Journal, 58(1), 87–94.
• CFTC-SEC. (2010). Findings regarding the market events of May 6, 2010: Report of the staffs of the CFTC and SEC to the Joint Advisory Committee on Emerging Regulatory Issues. U.S. Commodity Futures Trading Commission & U.S. Securities and Exchange Commission. https://www.sec.gov/news/studies/2010/marketevents-report.pdf
• Cho, D. C. (1984). On testing the arbitrage pricing theory: Inter-battery factor analysis. The Journal of Finance, 39(5), 1485–1502. https://doi.org/10.1111/j.1540-6261.1984.tb04919.x
• Christensen, C. M. (1997). The Innovator’s Dilemma: When New Technologies Cause Great Firms to Fail. Harvard Business School Press.
• Corhay, A., Hawawini, G., & Michel, P. (1987). Seasonality in the risk-return relationship: Some international evidence. The Journal of Finance, 42(1), 49–68.
• COSO. (2017). Enterprise Risk Management – Integrating with Strategy and Performance. Committee of Sponsoring Organizations of the Treadway Commission.
• Crawford, J., & Jabbour, M. (2024). The relationship between enterprise risk management and managerial judgement in decision-making: A systematic literature review. International Journal of Management Reviews, 26(1), 110–136. https://doi.org/10.1111/ijmr.12337
• Curran, D. (2020). Connecting risk: Systemic risk from finance to the digital. Economy and Society, 49(2), 239–264. https://doi.org/10.1080/03085147.2020.1718912
• Dajčman, S., Festić, M., & Kavkler, A. (2013). Multiscale test of CAPM for three Central and Eastern European stock markets. Journal of Business Economics and Management, 14(1), 54–76. https://doi.org/10.3846/16111699.2011.633097
• Damodaran, A. (2003). Measuring company exposure to country risk: Theory and practice. SSRN. https://doi.org/10.2139/ssrn.889388
• Damodaran, A. (2012). Investment Valuation: Tools and Techniques for Determining the Value of Any Asset (3rd ed.). Wiley.
• Damodaran, A. (2026). Country default spreads and risk premiums [duomenų rinkinys, 2026 m. sausio atnaujinimas]. https://pages.stern.nyu.edu/~adamodar/
• De Groot, K., & Thurik, R. (2018). Disentangling risk and uncertainty: When risk-taking measures are not about risk. Frontiers in Psychology, 9, Article 2194. https://doi.org/10.3389/fpsyg.2018.02194
• Dichev, I. D. (1998). Is the risk of bankruptcy a systematic risk? The Journal of Finance, 53(3), 1131–1147.
• Dionne, G. (2013). Risk management: History, definition, and critique. Risk Management and Insurance Review, 16(2), 147–166. https://doi.org/10.1111/rmir.12016
• Ekonomikos ir inovacijų ministerija. (2026). Lietuvos pramonės skaitmeninimo kelrodžio 2020–2030 m. tarpinė apžvalga. https://eimin.lrv.lt/public/canonical/1773120394/6407/Lietuvos%20pramon%C4%97s%20skaitmeninimo%20kelrod%C5%BEio%202020%E2%80%932030%20m.%20tarpin%C4%97%20ap%C5%BEvalga%202026%20m.%20sausis.pdf
• Fama, E. F., & French, K. R. (1992). The cross-section of expected stock returns. The Journal of Finance, 47(2), 427–465.
• Fama, E. F., & French, K. R. (1993). Common risk factors in the returns on stocks and bonds. Journal of Financial Economics, 33(1), 3–56.
• Fama, E. F., & French, K. R. (2015). A five-factor asset pricing model. Journal of Financial Economics, 116(1), 1–22.
• Finnerty, J. D. (2013). The impact of stock transfer restrictions on the private placement discount. Financial Management, 42(3), 575–609. https://doi.org/10.1111/fima.12003
• Flyvbjerg, B. (2006). From Nobel Prize to project management: Getting risks right. Project Management Journal, 37(3), 5–15.
• Flyvbjerg, B. (2014). What you should know about megaprojects and why: An overview. Project Management Journal, 45(2), 6–19. https://doi.org/10.1002/pmj.21409
• Flyvbjerg, B., & Budzier, A. (2011). Why your IT project may be riskier than you think. Harvard Business Review, 89(9), 23–25.
• Friede, G., Busch, T., & Bassen, A. (2015). ESG and financial performance: Aggregated evidence from more than 2000 empirical studies. Journal of Sustainable Finance & Investment, 5(4), 210–233. https://doi.org/10.1080/20430795.2015.1118917
• Froot, K. A., Scharfstein, D. S., & Stein, J. C. (1993). Risk management: Coordinating corporate investment and financing policies. The Journal of Finance, 48(5), 1629–1658. https://doi.org/10.1111/j.1540-6261.1993.tb05123.x
• Galdos-Urbizu, L., Ortas, E., & Alvarez-Etxeberria, I. (2025). ESG risk exposure, management and firm risk: New evidence from a panel quantile regression approach. Cogent Business & Management, 12(1), 2585542. https://doi.org/10.1080/23311975.2025.2585542
• Gu, S., Kelly, B., & Xiu, D. (2020). Empirical asset pricing via machine learning. The Review of Financial Studies, 33(5), 2223–2273. https://doi.org/10.1093/rfs/hhaa009
• Handa, P., Kothari, S. P., & Wasley, C. (1993). Sensitivity of multivariate tests of the capital asset-pricing model to the return measurement interval. The Journal of Finance, 48(4), 1543–1551. https://doi.org/10.1111/j.1540-6261.1993.tb04767.x
• Huang, H.-C. (2001). Tests of CAPM with nonstationary beta. International Journal of Finance & Economics, 6(3), 255–268.
• ISO. (2018). ISO 31000:2018 Risk management – Guidelines. International Organization for Standardization.
• Janis, I. L. (1972). Victims of Groupthink: A Psychological Study of Foreign-Policy Decisions and Fiascoes. Houghton Mifflin.
• Jegadeesh, N., & Titman, S. (1993). Returns to buying winners and selling losers: Implications for stock market efficiency. The Journal of Finance, 48(1), 65–91.
• Jensen, M. C., & Meckling, W. H. (1976). Theory of the firm: Managerial behavior, agency costs and ownership structure. Journal of Financial Economics, 3(4), 305–360.
• Kahneman, D., & Lovallo, D. (1993). Timid choices and bold forecasts: A cognitive perspective on risk taking. Management Science, 39(1), 17–31.
• Kahneman, D., & Tversky, A. (1979). Prospect theory: An analysis of decision under risk. Econometrica, 47(2), 263–291.
• Kindleberger, C. P. (1978). Manias, Panics, and Crashes: A History of Financial Crises. Basic Books.
• Kindleberger, C. P., & Aliber, R. Z. (2005). Manias, Panics, and Crashes: A History of Financial Crises (5th ed.). Wiley.
• Kirilenko, A., Kyle, A. S., Samadi, M., & Tuzun, T. (2017). The Flash Crash: High-frequency trading in an electronic market. The Journal of Finance, 72(3), 967–998. https://doi.org/10.1111/jofi.12498
• Klein, G. (2007). Performing a project premortem. Harvard Business Review, 85(9), 18–19.
• Knight, F. H. (1921). Risk, Uncertainty and Profit. Houghton Mifflin.
• Lakonishok, J., Shleifer, A., & Vishny, R. W. (1994). Contrarian investment, extrapolation, and risk. The Journal of Finance, 49(5), 1541–1578.
• Langley, P. (2013). Anticipating uncertainty, reviving risk? On the stress testing of finance in crisis. Economy and Society, 42(1), 51–73. https://doi.org/10.1080/03085147.2012.686719
• Lietuvos bankas. (2019). LBChain: Lietuvos banko blockchain platformos bandomasis projektas. https://www.lb.lt/lt/lbchain
• Lietuvos bankas. (2021). Makroekonominės prognozės (2021 m. gruodžio mėn.). https://www.lb.lt/
• Lietuvos bankas. (2023a). Kokias didžiausias rizikas finansų sistemai kelia finansinių technologijų sektorius? Aktualus komentaras, 2023 m. kovo 14 d. https://www.lb.lt/uploads/documents/files/Fintech_AK.pdf
• Lietuvos bankas. (2023b). Metų ataskaita (2022 m.). https://www.lb.lt/
• Lietuvos Respublikos finansų ministerija. (2021). Ekonominės raidos scenarijus 2021–2024 metams. 2021 m. gruodis. https://finmin.lrv.lt/
• Lintner, J. (1965). The valuation of risk assets and the selection of risky investments in stock portfolios and capital budgets. The Review of Economics and Statistics, 47(1), 13–37.
• Liu, E. X., & Song, Y. (2025). ESG performance, environmental uncertainty, and firm risk. Journal of International Financial Management & Accounting, 36(2), 292–322. https://doi.org/10.1111/jifm.12227
• Lu, Y., Liu, J., & Yu, W. (2024). Social risk analysis for mega construction projects based on structural equation model and Bayesian network: A risk evolution perspective. Engineering, Construction and Architectural Management, 31(7), 2604–2629. https://doi.org/10.1108/ECAM-04-2022-0319
• Lynch, P., & Rothchild, J. (1989). One Up on Wall Street: How to Use What You Already Know to Make Money in the Market. Simon & Schuster.
• MacKenzie, D. (2006). An Engine, Not a Camera: How Financial Models Shape Markets. MIT Press.
• Mandelbrot, B. B. (1963). The variation of certain speculative prices. The Journal of Business, 36(4), 394–419.
• Markowitz, H. (1952). Portfolio selection. The Journal of Finance, 7(1), 77–91.
• Mehra, R., & Prescott, E. C. (1985). The equity premium: A puzzle. Journal of Monetary Economics, 15(2), 145–161. https://doi.org/10.1016/0304-3932(85)90061-3
• Miller, K. D., & Reuer, J. J. (1996). Measuring organizational downside risk. Strategic Management Journal, 17(9), 671–691.
• Modigliani, F., & Miller, M. H. (1958). The cost of capital, corporation finance and the theory of investment. The American Economic Review, 48(3), 261–297.
• Mossin, J. (1966). Equilibrium in a capital asset market. Econometrica, 34(4), 768–783.
• Nyberg, H. (2011). Forecasting the direction of the US stock market with dynamic binary probit models. International Journal of Forecasting, 27(2), 561–578. https://doi.org/10.1016/j.ijforecast.2010.02.008
• Roll, R. (1977). A critique of the asset pricing theory’s tests Part I: On past and potential testability of the theory. Journal of Financial Economics, 4(2), 129–176.
• Roll, R., & Ross, S. A. (1980). An empirical investigation of the arbitrage pricing theory. The Journal of Finance, 35(5), 1073–1103.
• Ross, S. A. (1976). The arbitrage theory of capital asset pricing. Journal of Economic Theory, 13(3), 341–360.
• Russo, J. E., & Schoemaker, P. J. H. (1992). Managing overconfidence. Sloan Management Review, 33(2), 7–17.
• Schwartz, P. (1991). The Art of the Long View: Planning for the Future in an Uncertain World. Currency Doubleday.
• SEC. (2020, rugpjūčio 5). Staff report on algorithmic trading in U.S. capital markets. U.S. Securities and Exchange Commission. https://www.sec.gov/files/algo_trading_report_2020.pdf
• Sharpe, W. F. (1964). Capital asset prices: A theory of market equilibrium under conditions of risk. The Journal of Finance, 19(3), 425–442.
• Sharpe, W. F. (1966). Mutual fund performance. The Journal of Business, 39(1), 119–138.
• Smith, C. W., & Stulz, R. M. (1985). The determinants of firms’ hedging policies. Journal of Financial and Quantitative Analysis, 20(4), 391–405. https://doi.org/10.2307/2330757
• Sortino, F. A., & van der Meer, R. (1991). Downside risk. The Journal of Portfolio Management, 17(4), 27–31. https://doi.org/10.3905/jpm.1991.409343
• Stapel, D. A., Reicher, S. D., & Spears, R. (1994). Social identity, availability and the perception of risk. Social Cognition, 12(1), 1–17. https://doi.org/10.1521/soco.1994.12.1.1
• Taleb, N. N. (2007). The Black Swan: The Impact of the Highly Improbable. Random House.
• Tversky, A., & Kahneman, D. (1974). Judgment under uncertainty: Heuristics and biases. Science, 185(4157), 1124–1131.
• Vaughan, E., & Seifert, M. (1992). Variability in the framing of risk issues. Journal of Social Issues, 48(4), 119–135. https://doi.org/10.1111/j.1540-4560.1992.tb01948.x
• Vitunskienė, V., & Serva, E. (2017). Lithuanian agri-food industry responses to Russian import ban on agricultural products (Working Paper No. 136/2017). Institute of Economic Research. https://ideas.repec.org/p/pes/wpaper/2017no136.html