Skip to content

GCRI · Manajemen Risiko Sistemik

Kuantifikasi ketidakpastian untuk risiko

Uncertainty quantification states how much a risk estimate could differ from reality and why. In systemic risk management it separates variability from lack of knowledge, propagates uncertainty through models, and shows decision makers which uncertainties matter for their choice.

02Permohonan

Peran kuantifikasi ketidakpastian dan validasi model di sini.

Uncertainty quantification and model validation characterise how uncertainty in inputs, parameters and model structure affects predictions. They establish how much confidence a model’s outputs deserve. In risk management and systemic risk and methods and modelling, uncertainty quantification shows where risk estimates are robust and where they are fragile. It guides where better data or models would change decisions. The canonical description is on the STEM Commons.

Propagating input uncertainty

Ranges and distributions for inputs are sampled through risk models so that outputs carry intervals, and the inputs that drive most of the output range are identified.

Separating kinds of uncertainty

Variabilitas alami dan pengetahuan yang tidak lengkap dipisahkan, sehingga para pengambil keputusan dapat melihat ketidakpastian mana yang dapat dikurangi melalui kajian lebih lanjut dan mana yang tidak.

Pembingkaian ketidakpastian mendalam

Where probabilities cannot be defended, results are presented across scenarios without weights, and decisions are examined for robustness rather than expected value.

03Pantau

Analisis ketidakpastian.

Layar yang akan digunakan sebuah tim untuk mengikuti metode ini: ukuran, status, dan keputusannya. Nama adalah contoh dan nilai bersifat ilustratif.

Analisis ketidakpastian

Risiko sistemik · Kuantifikasi ketidakpastian · Run R-7955

Sensitivitas diperingkatGCRI · Manajemen Risiko Sistemik

Sensitivitas orde total

Distribusi keluaran

Masukan

Risiko di atas selera risikoSeragamrisks, statedElisitasi pakar
Indikator risiko utama yang dilanggarNormalKRIs, statedElisitasi pakar
Controls tested effectiveNormal of controls, statedElisitasi pakar
Tautan saling ketergantungan yang dipetakanBetaketerkaitan, dinyatakanElisitasi pakar
Uncertainty analysis: the screen’s structure, terms and states for Systemic risk.Example names and illustrative values; a design, not a record or a live system.
04Data

Apa yang digunakan metode ini.

Set data dan catatan yang digunakan oleh kuantifikasi ketidakpastian dan validasi model pada platform ini, beserta peran masing-masing dan label yang dibawa oleh nilainya. Sumber dicantumkan dalam register sumber.

DataPeranLabel
Model input distributionsMasukan pengambilan sampelESTIMASI
Elisitasi pakar catatanRanges for poorly known parametersESTIMASI
Observed outcomesCalibration and validationTERAMATI
Scenario setsDeep uncertainty explorationDIMODELKAN
05Metode dan bukti

How uncertainty quantification for risk is modelled, measured and tested.

Model, asumsi, data, dan ketidakpastiannya, dalam bentuk yang akan diperiksa ilmuwan atau insinyur. Strukturnya mengikuti metode yang dipublikasikan. Nilai yang digambar bersifat ilustratif, bukan temuan.

Model, persamaan, dan asumsi

The model structure used for uncertainty quantification for risk, the assumptions it makes and how each is tested.

Risiko elemen iRi = f(Hi, Ei, Vi, Ci)bahaya, keterpaparan, kerentanan, dan kapasitas penanggulangan
Kerugian tahunan yang diharapkanEAL = ∑k pk · Lkover events k with annual probability pk
Sistem terhubungxt+1 = A xt + B ut + εtA carries the couplings, u the shock, ε the error
AsumsiMengapa ini dibuatBagaimana ini diuji
Bahaya dan eksposur bersifat independen dalam satu peristiwaMenjaga integral kerugian tetap dapat dihitungBandingkan dengan pencocokan kopula pada catatan gabungan
Keterkaitan bersifat linear di dekat titik operasiMembiarkan guncangan merambat melalui AUji di luar rentang linear lalu bandingkan
Kurva kerentanan dapat dipindahkan antartempatKurva lokal jarang tersediaValidasi terhadap kerugian teramati jika tersedia
Masukan
dataset berversi dengan asal-usul yang tercatat
Keluaran
distribusi, bukan angka tunggal
Kode
dirilis bersama kartu model dan pengujiannya
Reproduksi
data, kode, lingkungan, dan seed yang sama
Formulasi risiko standar dan ruang keadaan; asumsi yang tercantum lazim bagi metode tersebut, dinyatakan untuk ditinjau, bukan hasil.
FAIR guiding principles · GO FAIR and FORCE11W3C PROV · World Wide Web ConsortiumGuidance on consistent treatment of uncertainties · IPCCCEOS Analysis Ready Data · Committee on Earth Observation Satellites
06Validasi

Cara hasil diperiksa.

Distribusi prediktif diuji kalibrasi dan ketajamannya terhadap observasi yang tidak digunakan dalam pelatihan. Verifikasi memastikan bahwa kode menyelesaikan persamaan yang dimaksud.

PemeriksaanCara pelaksanaannya
Global sensitivity analysisVariance-based or other global methods identify which inputs drive output uncertainty
Kalibrasi intervalInterval yang dinyatakan dibandingkan dengan seberapa sering hasil jatuh di dalamnya
Ketidakpastian strukturalHasil dari struktur model alternatif dibandingkan dan dilaporkan bersama

Ketidakpastian struktural dan hal-hal tak diketahui sulit direpresentasikan. Biaya komputasi membatasi eksplorasi model berdimensi tinggi.

07Proses

Bagaimana proses berjalan.

Process explorer · Process

Uncertainty quantification for risk: Hazard, exposure, vulnerability

10 steps4 stages

Proses

Uncertainty quantification for risk: Hazard, exposure, vulnerability

In IPCC AR6 Working Group II, climate risk results from interactions between hazards and a system’s exposure and vulnerability, and responses can add risk.

  1. 01 Pendorong

    1. 01BahayaSet data · Chief risk officerPotensi terjadinya peristiwa atau tren fisik, alami atau akibat ulah manusia, yang dapat merugikan orang, harta benda, layanan, atau ekosistem.
    2. 02EksposurSet data · Chief risk officerKeberadaan orang, mata pencaharian, spesies, ekosistem, infrastruktur, atau aset di tempat dan lingkungan yang dapat terdampak secara merugikan.
    3. 03SensitivitasSet data · Chief risk officerSejauh mana suatu sistem atau spesies terpengaruh, baik secara merugikan maupun menguntungkan, oleh variabilitas iklim atau perubahannya.
    4. 04Kapasitas untuk menanggulangi dan beradaptasiSet data · Chief risk officerKemampuan sistem, lembaga, manusia, dan organisme lain untuk menyesuaikan diri terhadap kerusakan, memanfaatkan peluang, atau menanggapi konsekuensi.
  2. 02 Penilaian

    1. 05Risk from responsesComponent · Chief risk officerRisks from climate responses arise when responses miss their objectives, or from trade-offs or negative side effects.
    2. 06VulnerabilityComponent · Chief risk officerThe propensity or predisposition to be adversely affected. It includes sensitivity to harm and lack of capacity to cope and adapt.
    3. 07RiskModel · Systemic Risk ManagementRisk results from dynamic interactions between hazards and the system’s exposure and vulnerability. Each may be uncertain and change.
  3. 03 Tanggapan

    1. 08Manajemen dan respons risikoLangkah · Kepala manajemen risikoManajemen risiko adalah rencana, tindakan, strategi, atau kebijakan yang mengurangi kemungkinan atau besarnya konsekuensi yang merugikan.
    2. 09Residual riskRecord · Chief risk officerThe climate impact risk that remains after adaptation and mitigation efforts. Adaptation can redistribute risk between areas and groups.
  4. 04 Keputusan

    1. 10Keputusan oleh pihak yang bertanggung jawabKeputusan · Chief risk officerPembingkaian ini tidak menyebutkan satu pengambil keputusan tunggal. Keputusan atas respons berada di tangan pihak yang bertanggung jawab berdasarkan aturannya sendiri.

Garis besar suatu standar atau metode eksternal, dari sumber publiknya. Garis besar ini menjelaskan apa yang dinyatakan kerangka itu, bukan catatan pelaksanaan apa pun. Garis besar ini tidak menunjukkan bahwa Nexus atau mitra mana pun melaksanakan, menyertifikasi, atau menyetujui suatu langkah. Gerbang adalah langkah dalam metode, tidak pernah persetujuan Nexus.

09Pengelolaan

Siapa yang memelihara metode ini.

Ilmu Sistem dan Pemodelan mengelola kuantifikasi ketidakpastian dan validasi model bagi Konsorsium serta meninjau penerapannya di seluruh platform.

11Pertanyaan

Tanya jawab.

Apa saja batas kuantifikasi ketidakpastian dan validasi model di bidang ini?
Ketidakpastian struktural dan hal-hal tak diketahui sulit direpresentasikan. Biaya komputasi membatasi eksplorasi model berdimensi tinggi.
Bagaimana hasil diperiksa?
Distribusi prediktif diuji kalibrasi dan ketajamannya terhadap observasi yang tidak digunakan dalam pelatihan. Verifikasi memastikan bahwa kode menyelesaikan persamaan yang dimaksud.
Apakah nilai di halaman ini nyata?
The data names, roles and checks are real descriptions of practice. The canvas shows a design of the method’s use, not a run; no result is reported here.
Di mana lagi metode ini diterapkan?
Observatory Halaman metode kanonis mencantumkan setiap platform yang menerapkannya.
LaporanBerkontribusi

Kontribusikan bukti dari halaman ini.

Reports adalah publikasi triwulanan Konsorsium. Apa yang Anda ketahui tentang subjek ini dapat menjadi bukti, kasus, atau koreksi dalam edisi berikutnya, dengan kredit atas nama Anda dan dipublikasikan di bawah CC BY 4.0 jika merupakan karya Anda sendiri.

GCRIManajemen Risiko SistemikSkenario dan Uji TekananMetode dan TeknisPortofolio dan Kesiapan
Manajemen Risiko Sistemik

Bawa metode, dataset, atau pertanyaan.

Informasi dan pertanyaan sudah terbuka hari ini. Sebuah pertanyaan menerima nomor referensi dan menyebutkan langkah berikutnya; lamaran, pembayaran, alokasi komputasi, dan pendaftaran hanya dibuka ketika tim, ketentuan, dan kapasitas tinjauannya tersedia.