在风险量化分析中，在确定了分析模型之后，就需要对模型中关键风险变量指派概率分布以及相应的分布参数值。
然而，许多时候没有代表性的历史信息可以使用，例如对于大型项目成本和收益的前期评估，分析人员很少能获得充分的历史信息去拟合概率分布，这导致风险量化分析在没有人为干预的情况下很难往下进行。
风险量化分析模型几乎总是包含一些主观估计的内容。试图通过获取数据以确定模型中所有变量的不确定性，从而不需要主观评估，通常是不可能的。完全通过数据驱动分析是不切合实际的，原因包括：
- 过去从没有收集过数据
- 数据太贵，获取成本太高
- 过去的数据不再相关
- 数据量太少
缺乏数据意味着必须对模型中变量的不确定性进行主观估计。然而，主观评估必然存在估计偏差风险，例如常见的估计偏差包括：获得性偏差、代表性偏差、过于乐观偏差、锚定偏差等等。
这些偏差的存在会对风险量化分析产生很严重的破坏作用。但是对于风险量化分析来说，这别无选择，只能是在使用主观估计的过程中，采取措施避免偏差出现或者限制减少偏差风险带来的影响。
有两种简单的策略能够提高风险量化主观评估的真实性和可靠性：
- 选择有能力的团队进行评估；
- 使用有助于避免和减少主观偏差的评估程序。
其中第2个方面很重要，也体现了风险量化评估过程的专业性和评估结果的可信性。但是，在我见过的风险量化分析案例中，我几乎没有见到过有企业在此方面有所作为，企业风险量化评估实践做法往往省略了这个非常重要的步骤。
|
