Le risque le plus répandu, et le plus étudié est très souvent le risque financier, car de par sa nature, il impacte directement les portefeuilles, et donc la trésorerie des entreprises.
Plusieurs méthodes et théories ont bien entendu été développées depuis des décennies, voire des siècles, les nouvelles générations étant plus familiarisées avec Fibonacci, Monte Carlo, et la fameuse réduction des intervalles.
Mais sur quoi sont basées les analyses statistiques ?
L'historique des données... Dont le degré d'utilité dépendra certainement de leur qualité.
Et ceci sera notamment valable pour toute organisation désireuse de se projeter d'une façon, ou d'une autre ; que ce soit une banque, un organisme financier, un opérateur boursier, une multinationale, ou une PME, tout secteur confondu.
A partir donc du moment où nous savons que la pertinence de toute stratégie est étroitement liée à la qualité de nos données, au moment de la prise de décision, pouvons-nous encore ignorer l'importance de la corrélation entre risque opérationnel et risque financier ?
Car à quoi cela nous servirait-il de mettre en place des hypothèses, que ce soit avec Fibonacci, ou Monte Carlo, si nous ne sommes pas certains de pouvoir nous fier à la qualité de notre historique de données ===> D'où la matrice RIIMEX, car avec elle nous gérons :
Risque opérationnel ===> Risque comptable ===> Risque financier
Risque fiscal ===> Risque stratégique
Risque systémique
Plusieurs méthodes et théories ont bien entendu été développées depuis des décennies, voire des siècles, les nouvelles générations étant plus familiarisées avec Fibonacci, Monte Carlo, et la fameuse réduction des intervalles.
Mais sur quoi sont basées les analyses statistiques ?
L'historique des données... Dont le degré d'utilité dépendra certainement de leur qualité.
Et ceci sera notamment valable pour toute organisation désireuse de se projeter d'une façon, ou d'une autre ; que ce soit une banque, un organisme financier, un opérateur boursier, une multinationale, ou une PME, tout secteur confondu.
A partir donc du moment où nous savons que la pertinence de toute stratégie est étroitement liée à la qualité de nos données, au moment de la prise de décision, pouvons-nous encore ignorer l'importance de la corrélation entre risque opérationnel et risque financier ?
Car à quoi cela nous servirait-il de mettre en place des hypothèses, que ce soit avec Fibonacci, ou Monte Carlo, si nous ne sommes pas certains de pouvoir nous fier à la qualité de notre historique de données ===> D'où la matrice RIIMEX, car avec elle nous gérons :
Risque opérationnel ===> Risque comptable ===> Risque financier
Risque fiscal ===> Risque stratégique
Risque systémique
La gestion des risques ne se limitant cependant pas à l'analyse et à la vérification de données, la matrice est facilement adaptable à tout type d'entreprise, et notamment à la recherche, qu'elle soit scientifique, industrielle, humaine, financière, environnementale, criminelle, comptable etc...
Nous aurons alors :
Risque = Critère
Client / Opération = Possibilité
Scénario =Hypothèse
Et en inversant notre pyramide des risques :
Succès
Risque systémique
Risque fiscal ===> Risque stratégique
Risque opérationnel ===> Risque comptable ===> Risque financier
Succès
Risque systémique
Risque fiscal ===> Risque stratégique
Risque opérationnel ===> Risque comptable ===> Risque financier
Aucun commentaire:
Enregistrer un commentaire