Поддържан от изкуствен интелект комбиниран решавател за инвестиционни решения

Защо повечето инвестиционни решения са систематично неоптимални - и как комбинаторната оптимизация за първи път прави цялото пространство за вземане на решения изчислимо.

В почти всяка организация стратегическите инвестиционни решения се вземат въз основа на задълбочени анализи. Създават се бизнес казуси, оценяват се проекти, изчисляват се сценарии и се разпределят бюджети. Въпреки това високо ниво на анализ, един фундаментален математически проблем остава нерешен в повечето процеси на вземане на решения: не се изчислява цялото пространство за вземане на решения.

Когато организациите планират инвестиционни портфейли, те се сблъскват с класически проблем на комбинаторната оптимизация. В случай на няколко инвестиционни проекта има не само индивидуални решения, но и голям брой възможни комбинации от проекти, които заедно образуват портфейл.

Тези комбинации нарастват експоненциално. Дори само няколко проекта създават пространство за вземане на решения, което вече не може да бъде напълно анализирано от хора, модели на Excel или традиционните инструменти за управление на портфолиото от проекти вече не могат да се анализират напълно.

Резултатът е структурен проблем при вземането на решения: организациите приоритизират проекти, анализират сценарии и разпределят бюджети, без да знаят математически оптималната комбинация от всички инвестиции.

Точно тук се появява новото поколение алгоритмични системи: Поддържани от изкуствен интелект комбинирани решения за инвестиционни решения. Тези системи не изчисляват отделни проекти, а цялото пространство за вземане на решения от възможни портфейли от проекти и определят глобалния оптимум при реални ограничения.

Фундаменталният математически проблем на инвестиционното планиране

Планирането на инвестиционен портфейл може да се формулира математически като комбинаторен проблем за вземане на решения. Да предположим, че дадена компания или публична организация оценява списък с потенциални инвестиционни проекти.

Всеки проект може или да бъде реализиран, или да не бъде реализиран. В резултат на това се получават всички възможни комбинации на тези проекти от списък с N проекта.

Броят на възможните портфейли е резултат от функцията:

2^N

Това означава, че дори относително малък брой проекти генерира изключително голямо пространство за вземане на решения.

При десет проекта вече има над хиляда възможни портфейла от проекти. При двадесет проекта - над един милион. При петдесет проекта - повече от един квадрилион възможни комбинации.

Тази експоненциална структура е класическа характеристика на комбинаторната оптимизация, централна област на изследване в областта на изследване на операциите и компютърните науки.

На теория тези проблеми са известни от десетилетия и са описани в научната литература като варианти на проблема "Кнапсак", избор на портфолио от проекти или смесена целочислена оптимизация.

На практика обаче рядко се изчислява пълното пространство за вземане на решения.

Защо класическите процеси за вземане на решения систематично се провалят

В повечето организации изборът на инвестиционни проекти следва сравнително подобен модел.

Първо, проектите се анализират поотделно. Изготвят се бизнес казуси, оценява се очакваната възвръщаемост, оценяват се рисковете и се определят стратегическите приоритети.

След това проектите се приоритизират, като се използва система за оценка. Тя може да бъде под формата на оценъчни карти, класации или стратегически тегла.

Накрая проектите се включват в портфолиото до достигане на ограниченията на бюджета или капацитета.

От математическа гледна точка този процес съответства на т.нар. алчна процедура.

Алгоритмите Greedy вземат решения стъпка по стъпка и избират най-добрата опция във всеки един момент. Те са лесни за изпълнение и често са интуитивно разбираеми.

Решаващият им недостатък обаче е, че отчитат само локални подобрения. Глобалният оптимум на цялата система често остава неразпознат.

В сложни инвестиционни портфейли това може да доведе до избор на проекти с висока индивидуална стойност, въпреки че друга комбинация от проекти би генерирала значително по-висока обща стойност.

Проблемът за локалната оптима

Полезен образ за обяснение на този проблем е пейзаж с много хълмове и една-единствена най-висока планина.

Местните процеси на вземане на решения често се движат към най-близкия хълм. Веднага щом се достигне привидно добра точка, тя се счита за оптимална.

Въпреки това действителният глобален оптимум - най-високият хълм в пейзажа - остава скрит, тъй като цялото пространство за вземане на решения не се анализира систематично.

При инвестиционните портфейли това означава, че компаниите избират добри проекти, но не непременно най-добрата комбинация от всички проекти, но не непременно най-добрата комбинация от всички проекти.

Разликата между локалния оптимум и глобалния оптимум може да доведе до значителни икономически отклонения в големи инвестиционни портфейли да доведе до значителни икономически отклонения.

Типични грешки при вземането на решение за портфейл

Липсата на разглеждане на пълното пространство за вземане на решения води до няколко систематични грешки при инвестиционното планиране в инвестиционното планиране.

Един от често срещаните проблеми е изолираната оценка на отделни проекти. Ако проектите се разглеждат само поотделно, не се вземат предвид взаимодействията между тях.

Друг проблем е разпокъсаността на бюджета. Бюджетите се разпределят за няколко проекта, без да се отчита цялостното въздействие на комбинацията.

Взаимозависимостите във времето също често се подценяват. Много проекти реализират икономическите си ползи само в комбинация с други инициативи или в продължение на няколко години в продължение на няколко години.

Без математическо моделиране на тези взаимозависимости се създават портфейли, които изглеждат правдоподобни, но не са оптимални.

Ролята на комбинаторната оптимизация

Комбинаторната оптимизация се занимава точно с този тип проблеми. Целта е да се определи от голям брой възможни комбинации тази, която максимизира или минимизира определена целева функция, която максимизира или минимизира определена целева функция.

В инвестиционните портфейли тази целева функция обикновено се състои от икономически показатели, като например Стойност на капитала, възвръщаемост, риск или стратегически принос.

Съществуват и вторични условия като бюджетни ограничения, ограничения на капацитета, Зависимости между проектите или регулаторни изисквания.

От математическа гледна точка това води до оптимизационен проблем с дискретни променливи за вземане на решения, който често се формулира като смесено целочислено програмиране.

Пример за разрастване на пространството за вземане на решения

Следващата таблица показва колко бързо нараства пространството за вземане на решения с увеличаването на броя на проектите.

Тази експоненциална структура обяснява защо класическите инструменти за вземане на решения не са в състояние да анализират цялото пространство за вземане на решения, да анализират цялото пространство за вземане на решения.

Поддържани от ИИ комбинирани решения

Подпомаганият от ИИ комбиниран решаващ инструмент решава точно този проблем.

Вместо да анализира отделни проекти, решаващият орган моделира целия инвестиционен портфейл като проблем за математическа оптимизация.

Променливите за вземане на решение представляват избора на отделните проекти. Ограниченията моделират реални ограничения като бюджет, капацитет или риск.

След това решаващият орган систематично претърсва пространството на решенията и определя комбинацията от проекти комбинацията от проекти, която максимизира целевата функция.

Съвременните системи съчетават методи от няколко области на изследване:

• Изследване на операциите
• Комбинаторна оптимизация
• Смесено целочислено програмиране
• Методи на разклоняване и ограничаване
• Евристични алгоритми за търсене
• Машинно обучение

Тази комбинация води до мощна подкрепа за вземане на решения, която далеч надхвърля традиционните системи за анализ.

Разликата между анализ и оптимизация

Много от съществуващите системи за управление на портфолиото от проекти се концентрират върху функциите за анализ.

Те отговарят на въпроси като:

• Колко изгоден е даден проект?
• Колко висок е рискът?
• Как се променя бизнес обосновката при определени допускания?

Тази информация е важна, но не е достатъчна, за да се определи оптималната комбинация от проекти.

Системите за оптимизация задават друг въпрос:

Коя комбинация от всички проекти максимизира общата стойност на портфейла при дадени ограничения?

Само чрез тази перспектива се вижда цялото пространство за вземане на решения.

Практически ефекти върху инвестиционните решения

Разликата между евристичното приоритизиране и математическата оптимизация на портфейла може да има значително икономическо въздействие може да има значително икономическо въздействие.

В реалните приложения често се случва оптималната комбинация от проекти значително по-висока обща възвръщаемост, отколкото при класически приоритизиран портфейл.

Причината за това се крие във взаимозависимостите между проектите.

Проект с умерена индивидуална стойност може в комбинация с други проекти да генерира значителна добавена стойност.

И обратното, няколко проекта с висока стойност заедно могат да образуват неефективен портфейл, ако се конкурират за едни и същи ресурси или имат сходни рискове.

Стратегическо значение за дружествата

За компаниите с големи инвестиционни бюджети качеството на решенията за портфейла се превръща в решаващ конкурентен фактор решаващ конкурентен фактор.

Разпределението на капитала определя кои технологии се разработват, кои пазари се откриват и кои пътища за иновации се следват.

Ако пространството за вземане на решения не е напълно анализирано, ресурсите често се инвестират в неоптимални проекти.

Затова математически оптимизираният подход към портфейла може да окаже значително влияние върху дългосрочните резултати на компанията.

Стратегическо значение за публичните бюджети

Оптимизацията на инвестиционните портфейли играе все по-важна роля и в публичния сектор.

Градовете и държавите са изправени пред предизвикателството да разпределят ограничени бюджети за голям брой инфраструктурни проекти, Образователни инициативи и социални програми.

Броят на възможните комбинации на тези проекти е огромен.

Без системна оптимизация съществува риск инвестициите да не няма да имат максималното възможно социално въздействие.

Бъдещето на интелигентността при вземането на решения

С увеличаването на изчислителната мощ и усъвършенстването на алгоритмите за оптимизация изчисляването на алгоритми за оптимизация, изчисляването на сложни пространства за вземане на решения става все по-практично.

Поддържаните от изкуствения интелект комбинирани решаващи програми откриват възможността за Инвестиционни решения въз основа на пълното математическо пространство за вземане на решения за първи път.

Това бележи фундаментална промяна в начина, по който организациите вземат стратегически решения, как организациите вземат стратегически решения.

Вместо просто да управляват сложността, тя вече може да бъде систематично оптимизирана.

ЧЕСТО ЗАДАВАНИ ВЪПРОСИ

Какво представлява комбинираният решаващ модул?

Комбинационният решател е алгоритмична система, която определя от голям брой възможни комбинации тази, която максимизира или минимизира определена целева функция.

Защо инвестиционните решения са комбинаторни проблеми?

Защото всеки проект може или да се реализира, или да не се реализира. Така от N проекта се получават всички възможни комбинации на тези проекти.

Защо класическите инструменти не могат да решат този проблем?

Броят на възможните комбинации нараства експоненциално. Дори само при няколко проекта пространството за вземане на решения надхвърля възможностите на класическите инструменти за анализ.

Какви математически методи се използват?

Типичните методи са смесено целочислено програмиране, клони и граници, евристични методи за търсене и различни комбинаторни техники за оптимизация.

Какви са ползите за компаниите?

Дружествата могат да определят инвестиционни портфейли които генерират максимална икономическа стойност при реални ограничения.

Каква роля играе изкуственият интелект?

ИИ може да се използва за ефективно структуриране на пространства за търсене, Подобряване на моделите и подпомагане на процесите на вземане на решения.