כלים לשיפור מודלים לניהול סיכונים והזדמנויות באמצעות מידע זמין וגלוי כותב: סטיב גסנר, סמנכ"ל קבוצת D&B ישראל, ינואר 2012

במהלך ארבעת העשורים האחרונים הצליחו המודלים המקובלים לניהול סיכונים לשמר את יעילותם. מדד ההישרדות של אלטמן לדוג', שפרסם אדוארד אלטמן בשנת 1961, משמש עד היום בסיס שימושי למודלים לחיזוי פשיטות רגל.

יעילותם של המודלים המסורתיים נותרה בעינה, מכיוון שהם מבוססים על מדדים חיוניים לבריאות התאגיד, מדדים שדרגת חשיבותם בניהול סיכונים הוכיחה וממשיכה להוכיח את כוחה במודל.


בין מדדים חיוניים אלו ניתן למנות הון חוזר, נכסים, רווחים, הכנסות, מניות, מכירות ומדדים כספיים יעילים נוספים. במשך השנים הוכנסו שיפורים כגון בניית מודלים לניהול סיכונים באמצעות דפוסי תשלומים, אולם שיטה זו ישימה יותר למודלים פנימיים לדירוג לקוחות. מבחוץ, קשה מאוד להשיג מידע אמין מסוג זה לאורך זמן ולבסס עליו מודל לניהול סיכונים.

 המכשול העיקרי באיסוף נתונים לבניית מודל סיכונים עסקי הוא גילם של הנתונים. ירידה חדה בהכנסות, לדוגמה, פירושה צרות, אך עד שמידע כזה משתקף בדוחות הכספיים של חברה ציבורית או שהשמועה מגיעה לאוזניך, זה כבר עלול להיות מאוחר מדי. כיום אין שום שיטה לבניית מודלים שיכולה להתגבר על מגבלות של מידע ישן. כשהתחלתי לחפש מקור טוב יותר לרמזים לסיכונים, באופן טבעי נמשכתי לאינטרנט. האינטרנט מהווה מקור עשיר ודינמי לנתונים כמותיים (כגון דוחות כספיים) ואיכותיים (כגון סנטימנט). נתונים רבים באינטרנט הם רמזים עבים לסיכונים ולהזדמנויות. העוסקים בפיתוח תוכנות סטטיסטיות כגון SAT ו-SPSS מיהרו להשיק יישומים המשלבים אחזור מידע וניתוח נתונים, אם כי תאגידים רבים מעדיפים לאסוף את הנתונים בנפרד ולשלב אותם לאחר מכן בתהליכי בניית המודלים וקבלת ההחלטות. לאחרונה מצאתי ששילוב מידע המצוי באינטרנט יכול לשפר את הדיוק ו/או את מהירות קבלת ההחלטות בנוגע לסיכונים בכ-20%. תוצאות טובות אף יותר אפשר לקבל בתחום ניתוח פוטנציאל שוק.
 

אירועים עסקיים והשפעתם על סיכוני התאגיד

כדי להסביר את המונח "אירועים עסקיים" בדגש על השפעתם על סיכוני התאגיד, יש להתחיל מההתחלה. נגדיר תחילה את המונח "סיכון". על פי ההגדרה המסורתית, חברה בסיכון היא חברה שלא תוכל לשלם את חובותיה. זו כמובן הגדרה צרה, אך אם אתה מלווה, זה כל מה שמעניין אותך, ואם אתה ספק, לסיכון יש משמעות רחבה יותר מבחינתך. למשל, אם הלקוח שלך נמצא בבעיה כספית, הוא עשוי לבקש הסדר תשלומים נוח יותר, לבקש הנחה במחיר, להזמין פחות מוצרים וכדומה. אף שמודלים לניהול סיכונים מתייחסים בדרך כלל לתקופות של שנה או שנתיים, יש צורך גם בנקודת מבט קצרת טווח יותר (חודש עד תשעה חודשים), ומידע שמקורו באינטרנט יכול לענות על צורך כזה.
בין אם אתה מלווה, ספק, אנליסט או איש מכירות, אלה כמה מהאירועים שעלולים להשפיע לרעה על החברה וקיים לגביהם מידע עדכני באינטרנט:

מידע משפטי: כאשר חברה מתמודדת עם קשיים תזרימיים, אחת התגובות הראשונות שלה היא לעכב תשלומים לספקים. בשלב מסוים עוברת בעיית התשלומים ממצב "נסבל" למצב של תביעות משפטיות. מה קורה אם אתה בונה מודל סיכון של חברה ואין לך גישה לדוחות הספקים/הלקוחות שלה? איך תזהה תביעות משפטיות לפני שהן מופיעות בדוחות הכספיים? למרבה המזל, קיימים מקורות מבוססי תשלום שמאתרים ועוקבים אחרי תביעות משפטיות, ביניהם גם האפשרות לרכוש את המידע בתשלום דרך דן אנד ברדסטריט. 
גם תאגידי ענק מנהלים מאבקים משפטיים מסוגים שונים, מהפרות זכויות יוצרים על פטנטים ועד תביעות בשל נזקים וקנסות. חברות אלה גדולות דיין כדי לשלם את הקנסות מבלי להיפגע, אך מהי השפעת הדבר על המכירות, על תקציב השיווק ועל תנאי הספקים שלהן? כדי לענות על כך אנו נזקקים למקורות נוספים.

המלצות אנליסטים: המלצות של אנליסטים משפיעות במידה רבה ובמהירות על מחירי המניות של החברה. הערכות שליליות שמורידות את מחיר המניה מפעילות לחץ על החברה לבצע פעולות פיצוי. תגובה טיפוסית היא קיצוץ בהוצאות כדי להגדיל את הרווחים. דבר כזה אינו משפיע לטובה, כמובן, על מאמצי המכירות והשיווק של החברה או על ספקיה.

שותפויות: שותפויות מצביעות בדרך כלל על פעילות של צמיחה ולכן מקטינות את הסיכון של החברה.

מיזוגים ורכישות: ההיגיון אומר שמיזוגים ורכישות מקטינים את הסיכון של חברת היעד. אך אף על פי שפעילות כזו, או אפילו הכרזה עליה, צריכה להשפיע מיד על דירוג הסיכון של החברה, זה לא קורה בדרך כלל, משום שהמודלים של הדירוג אינם מזהים אירועים כאלה במהירות מספקת.

תזוזת מנהלים: כשהחברה שוכרת מנהל בכיר במשקל כבד, הדבר מרמז תמיד על צעד של גידול (האישיות הבכירה הסכימה לקבל את המשרה בזכות צפי טוב לחברה). צעד כזה צריך להשפיע לטובה על דירוג הסיכון של החברה.

מסחר של בעלי ידע פנימי: קניית מניות בידי בעלי ידע פנימי היא בדרך כלל סימן לצפי לעליית ערך המניות בעתיד הקרוב. צפי זה מבוסס, מן הסתם, על התרחבות צפויה.

 השקת מוצרים: השקה של מוצר חדש היא רמז חשוב לצמיחה, התלהבות, הצלחה וכדומה. כל אלה משקפים סיכונים מופחתים.

החזרת מוצר (פארמה): במקרה הטוב, אירוע של החזרת מוצר (product recall) פוגע רק חלקית במכירות. בתחום הפרמצבטיקה, קרה שהחזרת מוצר מוטטה את מערך המכירות של החברה. בתחום תעשיית הרכב, ייתכן שהפגיעה תהיה זמנית יותר. אך בכל מקרה, אירוע כזה מהווה פגיעה בחוסנה של החברה.

הכרזות פיננסיות: הכרזות פיננסיות הן סימנים מצוינים הן לטובה והן לרעה. הן מופיעות באינטרנט זמן רב לפני שהן מופיעות בדוחות הכספיים, המהווים בסיס לבניית מודל הערכת הסיכונים.

מעקב מתחרים: שינויים משמעותיים בהתנהגות של המתחרים משפיעים מאוד על המודלים של פוטנציאל השוק, ויכולים בהחלט להשפיע גם על המודלים של ניהול הסיכונים. ניטור מתחרים נעשה חשוב במיוחד בתקופות שפל כלכלי, מאחר שנאמנותם של הספקים מתרופפת עקב לחצים להורדת מחירים. באופן כללי, ככל שהתחרות הישירה גדלה, קשה יותר להתמודד איתה ולכן חשוב יותר לכמת ולשלב במודלים לניהול סיכונים ולניתוח השוק אירועים מתחרים הנוגעים למוצרים, כספים, תעסוקה וכדומה.

 

לאחר שנכנסנו לעובי הקורה בכל הנוגע לאירועים עסקיים, נשלב כעת את כל הרכיבים לחבילה אחת ונשאל כיצד להשתמש בנתונים שנמצאו באינטרנט כמשתנים במודלים או בהליכי קבלת החלטות. למען הפשטות, אחלק את הנושא לנושאי משנה:

 שילוב מידע על אירועים בגיבוש תחזיות

נתונים על אירועים אפשר לשלב כמשתנים עצמאיים, שיכולים לשפר את החיזויים במודלים קיימים לניהול סיכונים ולשיווק.
יש שתי דרכים עיקריות לשילוב נתונים אלה: הדרך הראשונה היא להוסיף את הנתונים לאחר שהמודל כבר קיים. במקרה כזה, המשתנים שהיו במודל הקיים נשארים בו ועליהם מוסיפים את משתני האירוע החדש. בצורה זו, מבטיחים שהמשתנים החדשים מוערכים רק בשל התוספת שהם תורמים למודל ולא מחליפים משתנים שכבר היו בו.

 הדרך השנייה היא להתחיל לפתח את המודל מהתחלה. משתנים שהיו במודל הקודם יכולים להיות מוחלפים על ידי המשתנים של האירוע החדש. שיטה זו יכולה לבטל את המודל הקיים אך עשויה להניב מערכת משופרת של גורמי השפעה. את נתוני האירוע יש להציב לפי סוג האירוע ולפי לוח הזמנים שלו. למשל, מספר התביעות +24 החודשים האחרונים. לדוגמה, מצאתי שיש מתאם גבוה בין מספר התביעות המשפטיות של גורמים שונים לבין אי ביצוע תשלומים. לעתים חשוב לעקוב גם אחר זהות התובע והסכום, אך מנקודת מבט מעשית, זה עלול לסבך מאוד את התהליך. למשל, תביעה משפטית אחת עלולה להתפצל לשילובים שונים ורבים של תובע וסכום, וכל אחד מהם מחייב בחינה נפרדת.

אירועים כטריגרים

לעתים, אירועים יכולים להיות משמעותיים מאוד מבחינת השפעתם על הסיכון. למשל, מיזוגים ורכישות, משתנים שלמרבה הפלא מתעלמים מהם במודלים להערכת סיכונים. את השפעתם של אירועים כאלה אי אפשר לכמת בקלות במודלים. לפיכך, מתייחסים אליהם כטריגרים או כנתונים להערכה בתהליך קבלת ההחלטות לאחר קבלת תוצאות המודל ובנפרד ממנו.

 ניתוח סנטימנט 

ניתוח הסנטימנט של חברות הוא אחד מפריטי המידע האיכותיים ביותר שאפשר לקבל היום, הודות להתפתחויות בטכנולוגיות כריית המידע באינטרנט. כפשוטו, ניתוח הסנטימנט הוא ה"באז" החיובי או השלילי לגבי החברה. חברות המשתמשות בניתוח סנטימנט לגבי מוצרים משתמשות בשיטות ובמקורות שונים כדי לבנות "דירוגי סנטימנט". כיישום מינימלי אפשר להשתמש בסנטימנט כדי לתת תוקף להחלטות שהתקבלו וגם לראות בהן כלי מסוים לחיזוי. ממש כמו באירועים, גם דרגת הסנטימנט יכולה לשמש כמשתנה מבוסס זמן במודלים, או כטריגר חיצוני.

 

לסיכום, אבקש להדגיש כי אין כל ספק שאירועים מסוימים יכולים להשפיע על הסיכונים וההזדמנויות של חברה. נתוני האירועים, והסנטימנט הנלווה אליהם, נמצאים באינטרנט כמעט בזמן אמת. חברות לניתוח סמנטי (כמו Digital Trowel) יצרו תהליך הכורה את הנתונים האלה ומגיש אותם בצורה מקודדת, כך שניתן להטמיעם במודלים לדירוג וקבלת החלטות או להשתמש בהם בנפרד בניתוח ידני. לכל חברה המסתמכת על מודלים של סיכון ו/או הזדמנויות חשוב לשלב את המידע הזה, כדי לשפר את רמת הדיוק של החיזויים שלה.