Еще одним результатом МГК является возможность оценки относительной значимости отдельных финансово-экономических показателей предприятия. МГК дает четкий показатель качества представления данных определенным числом главных компонент (первых собственных векторов). Это дает возможность графически представить значения относительной точности реконструкции входных данных на примере небольшого числа первых компонент. Чем выше порог каждого показател(процентная доля в общей дисперсии), тем выше значимость этого показателя в главных компонентах, т.е., в конечном итоге, значимость этого показателя в общем анализе финансовой деятельности предприятия. Такая техника позволяет осуществить объективное извлечение наиболее ценных финансовых коэффициентов без вмешательства человека. Однако на практике суммарная дисперсия для двух главных компонент обычно невелика (значительно меньше 0,5). Это свидетельствует о том, что МГК не в состоянии привести данные к двумерному виду, что является необходимым для наглядного визуального представления. Кроме этого данный метод имеет ряд слабых мест, влияющих на надежность получаемых результатов. Во-первых, это касается допущения линейности.
Во-вторых, существует проблема коррелированных друг с другом показателей во входных данных. Поэтому МГК нельзя рекомендовать в качестве приемлемого метода сжатия массивов финансово-экономических параметров предприятий.
Попытки точного описания модели стоимости пакетов ценных бумаг ведут к получению системы нелинейных уравнений большой размерности, в которых отдельные компоненты стоимости сложным образом зависят от большого числа переменных. Среди них имеются как внутренние (финансово-экономические показатели предприятия), так и внешние (главным образом, макроэкономические и конъюнктурные показатели). Такого рода системы явным образом, как правило, не решаются. В этих случаях для прогноза стоимости пакетов ценных бумаг часто используется численное моделирование методом Монте-Карло. Метод состоит в формировании большого числа путей с дискретными шагами. Продвижение вперед во времени зависит от заранее заданных значений смещения и скорости изменения. Процедуру оценки стоимости пакета можно описать следующим образом. В первую очередь моделируется большое число путей для объясняющей случайной переменной, представляющей собой вектор показателей, влияющих на стоимость. Затем рассчитываются финансовые параметры, соответствующие состоянию этой переменной, и, наконец, вычисляется рассчитанная таким образом текущая цена пакета. Теоретически ошибка оценки среднего значения может устанавливаться произвольно. Но так как уровень точности пропорционален квадратному корню из числа путей, увеличение точности быстро приводит к значительному возрастанию объема вычислений. Чтобы решить эту проблему, используются различные методики, сокращающие время вычислений. Однако любая из них нуждается в обосновании, так как в каждом конкретном случае способна резко увеличить ошибку вычислений. Главным же недостатком данного подхода является неизбежный субъективизм в определении и математическом описании факторов, влияющих на стоимость пакета.
Классический подход к моделированию инвестиционного риска инвестора исходит из нормального распределения доходности принадлежащих ему ценных бумаг. Взаимосвязь между риском и доходностью представляется в двумерном пространстве: среднее значение (доход) и дисперсия (риск). Если показатели дохода дают нормальное многомерное распределение, то степень рискованности всего принадлежащего инвестору портфеля определяется лишь матрицей ковариации показателей дохода. Стоимость риска . это оценка максимального убытка, ожидаемого на протяжении заданного периода. Как правило, эта величина оценивается с помощью моделирования по методу Монте-Карло или исторического моделирования. Проблемы, связанные с моделированием по методу Монте-Карло, имеют природу, аналогичную описанной в предыдущем абзаце, и в данном случае связаны, главным образом, со сделанным допущением о нормальности распределения. Ограниченность исторического подхода состоит в том, что его результаты в значительной мере зависят от поведения дохода на протяжении рассматриваемого периода (например, в случае периода понижения котировок риск может быть недооценен). Имеются сведения [1], что результаты применения этих методов к одному и тому же портфелю могут расходиться между собой в 14 раз.
