Mímisbrunnr知恵の泉

← 意思決定分析 一覧

🎓 レベル：標準　|　重要度：A（必須）

📎 前提：リスクの測り方（分散・下方リスク）　|　関連：確実性等価とリスクプレミアム（保険）・ナッジと選択アーキテクチャ（リスク文化）

要点（BLUF）

1. リスクマネジメントのサイクル

リスクマネジメントは一度きりでなく、回し続けるサイクルです。

  1. 洗い出し（identification）：起こりうるリスクを列挙する。
  2. 評価（assessment）：各リスクの発生確率と影響（損失額）を見積もる。
  3. 対応（response）：回避・低減・移転・受容から戦略を選ぶ。
  4. モニタリング（monitoring）：リスクの変化を追い、登録簿を更新する。

このサイクルを支える中心文書がリスク登録簿（risk register） です。

2. リスク登録簿とリスクスコア

リスク登録簿は、各リスクの確率・影響・スコア・対応を一覧にした表です。リスクスコア＝発生確率 × 影響額は、そのリスクの期待損失であり、優先順位づけの基本指標になります（決定木と後ろ向き帰納の期待値そのもの）。

import numpy as np

# (リスク名, 発生確率, 影響額[万円])
risks = [
    ("部品供給の遅延", 0.30, 800),
    ("為替の急変",     0.20, 1200),
    ("システム障害",   0.10, 2000),
    ("規制変更",       0.15, 600),
    ("主要人材の流出", 0.25, 500),
]

print(f"{'リスク':14s}{'確率':>6s}{'影響':>8s}{'スコア':>9s}")
scored = []
for name, p, impact in risks:
    score = p * impact                  # リスクスコア = 期待損失
    scored.append((name, score))
    print(f"{name:14s}{p:6.2f}{impact:8d}{score:9.1f}")

scored.sort(key=lambda x: x[1], reverse=True)
print("\n優先順位（スコア順）:", [s[0] for s in scored])
print(f"総期待損失 = {sum(s[1] for s in scored):.1f} 万円")

出力：

リスク              確率      影響     スコア
部品供給の遅延        0.30     800    240.0
為替の急変          0.20    1200    240.0
システム障害         0.10    2000    200.0
規制変更           0.15     600     90.0
主要人材の流出        0.25     500    125.0

優先順位（スコア順）: ['部品供給の遅延', '為替の急変', 'システム障害', '主要人材の流出', '規制変更']
総期待損失 = 895.0 万円

出力の意味：リスクスコア（期待損失）で並べると、部品供給の遅延と為替の急変（ともに240）が最優先。注目すべきはシステム障害——影響額は2000と最大ですが、確率が0.10と低いのでスコアは200で3位。逆に部品遅延は影響800でも確率0.30で高スコア。「影響の大きさ」だけでも「起こりやすさ」だけでもなく、両者の積で優先順位を決めるのがポイントです。総期待損失895万は、リスク対策にかけてよい予算のおおよその上限の目安になります。

3. リスクマトリクスと4つの対応戦略

リスクスコアだけでなく、確率と影響を別々の軸に取ったリスクマトリクス（ヒートマップ）で可視化すると、対応戦略が選びやすくなります。象限ごとに定石があります。

flowchart TD
    subgraph Matrix["リスクマトリクス（確率 × 影響）"]
    A["低確率・低影響<br/>→ 受容（accept）"]
    B["低確率・高影響<br/>→ 移転（transfer・保険）"]
    C["高確率・低影響<br/>→ 低減（reduce・予防）"]
    D["高確率・高影響<br/>→ 回避（avoid）"]
    end

4つの対応戦略の使い分けです。

対策には費用がかかるので、期待損失の削減 − 対策コストが正のものから実施します。対策後に残るリスクが残存リスク（residual risk） で、これをモニタリングし続けます。

数式の直観的意味：リスクスコアは期待値、戦略は分布の形を変える

リスクスコア p×影響p \times \text{影響} は期待損失そのものですが、リスクマネジメントが期待値だけで終わらないのは、戦略がリスク分布の異なる部分に効くからです。

なぜ期待値がプラスでも保険を買うのか——それがリスク選好と効用の凹凸のリスク回避です。期待損失より高い保険料を払ってでも、破滅的な裾（高影響）を切りたい。リスク回避者にとって、保険料とリスクプレミアムの差は「夜安心して眠るための対価」。リスクマネジメントは、期待値（スコアで優先順位）と裾（戦略で分布を整形）の両方を見る営みで、第2章の効用と第5章のリスク測度が実務で合流する場所です。低確率・高影響のリスク（テールリスク）ほど期待値では軽く見えるが、効用・CVaRの観点では重く、移転や回避が正当化されます。

⚠️ よくある誤解

対応シミュレーション

本文のコードで、確率や影響を変えるとリスクスコアの順位が変わります。低減（確率を下げる）や移転（影響を保険で頭打ちにする）が、スコアと裾（最悪損失）のどちらをどう変えるかを実験できます。

関連ノート