Разбиране на математиката зад StratePlan: Защо по-добрите решения се нуждаят от различна логика на изчисление?
Много инвестиционни решения и решения за определяне на приоритети изглеждат като "списък с проекти". От математическа гледна точка те са нещо друго: комбинаторно пространство за вземане на решения, което нараства експоненциално с всяка допълнителна опция. Ако не моделирате това пространство, не можете да го оптимизирате.
За кого е предназначена тази страница?
- Ръководни и надзорни органи: за да разберете защо "добрите индивидуални проекти" не водят автоматично до най-доброто портфолио.
- Финансови директори/Контролинг: за да формализирате алтернативните разходи и ограниченията (бюджет, риск, ESG, капацитет).
- Публичен сектор: за да разберат защо логиката на финансиране, ведомственото мислене и изборните цикли структурно водят до неоптимални портфейли.
Основен проблем: пространствата за вземане на решения нарастват експоненциално
Всеки допълнителен проект не създава "още една позиция" в списъка, а ново измерение в пространството за вземане на решения. Броят на възможните комбинации на портфолиото следва логиката 2n:
- 10 проекта → 2^10 = 1 024 комбинации
- 20 проекта → 2^20 = 1 048 576 комбинации
- 50 проекта → 2^50 ≈ 1,125 квадрилиона комбинации
Това е моментът, в който класическите процеси на комисиите, логиката на Excel и евристиката достигат математически предел.
Локален срещу глобален оптимум
Локален оптимум означава: решение, което работи по-добре от очевидните алтернативи.
Глобален оптимум означава: най-доброто решение в цялото пространство за вземане на решения.
Много организации подобряват локалните решения (по-добри резултати, по-добри бизнес казуси), без да изчисляват цялостното пространство за вземане на решения. В резултат на това най-добрите комбинации често остават невидими.
Защо евристиките са структурно непълни
Типичните правила и ограничения от общинските и корпоративните процеси за вземане на решения, като например "топ 5 според NPV", "IRR > WACC", "възвръщаемост < 3 години" или "първо стратегическите маяци", са оперативно разбираеми. От математическа гледна точка те имат слабост: оценяват проектите поотделно, а не като взаимозависим портфейл.
Проект с ниска индивидуална стойност може да генерира най-високо общо въздействие в комбинация с други проекти. Проект с висока индивидуална стойност може да измести по-добри комбинации, ако се прилагат ограничения.
Решението: Формално моделиране вместо интуиция
Математиката на решенията започва от момента, в който портфейлът се формулира като модел:
- Променливи на решението: xi ∈ {0,1} (проектът се избира или не)
- Обективна функция: напр. максимизиране на общата стойност, въздействие, NPV, индекс на полезност
- Вторични условия: Бюджет, капацитет, риск, CO₂, минимални квоти, зависимости и много други...
Прост модел (опростен)
Максимизиране:
∑ (valuei × xi)
под:
∑ (разходи × xi) ≤ бюджет
∑ (емисияi × xi) ≤ ограничение на CO₂
xi ∈ {0,1}
Този основен принцип съответства на (много)рестриктивен проблем на Кнапсак и е в основата на реални портфейлни модели с множество измерения и взаимозависимости.
Какво ще научите на тази платформа
- Защо 2nе истинското "невидимо пространство", което стои зад решенията за портфейл
- Как ограниченията доминират в решенията (бюджет, капацитет, ESG, риск)
- Защо "приоритизиране" не е същото като "оптимизиране"
- Как алтернативните разходи могат да бъдат визуализирани ex ante
- Как да превърнем данните в модел, способен да взема решения
Основи: пространства за вземане на решения и оптимизация
Математическа основа: 2^n локални срещу глобални оптими, ограничения, целеви функции и логика на модела.
Математическо задълбочаване: 5-те градивни елемента, които наистина имат значение
- Променливи за вземане на решения: Какви възможности за избор съществуват (xi)?
- Целева променлива: Какво се максимизира (стойност, ефект, NPV, полза)?
- Ограничения: Какво ограничава пространството (бюджет, CO₂, капацитет, риск, квоти)?
- Взаимозависимости: Кои проекти обуславят или възпрепятстват други?
- Оптимизация: Как може да се намери най-добрата комбинация в цялото пространство?
Проектите не изчезват - те са по-добре позиционирани и оптимално планирани в продължение на няколко години
В една математически оптимизирана инвестиционна система проектите не се изхвърлят. Вместо това те се преориентират, отлагат или стратегически позиционират, така че да имат максимален икономически принос към цялостния портфейл в оптимално време при дадени ограничения на бюджета, капацитета и риска да увеличат максимално икономическия си принос към цялостния портфейл.
Решаващият фактор тук е многогодишната перспектива. Инвестиционните решения не се вземат изолирано за една година, а се оптимизират в контекста на 2, 3, 5 или 10-годишни планове.
Ликвидността, генерирана от оптимизацията през началната година, систематично се прехвърля за следващата година година. По този начин се увеличава наличният инвестиционен бюджет за следващия период. След това тази следваща година също се оптимизира отново.
Ефектът: проектите могат да се добавят веднага щом се впишат в глобално оптимизирания портфейл при новите условия за бюджет, капацитет и възвръщаемост, Условията за капацитет и възвръщаемост се вписват в глобално оптимизирания портфейл. Това създава динамична многогодишна оптимизация, при която всеки период на оптимизация Оптимизация структурно подобрява инвестиционните възможности за следващите години.
Заключителна мисъл
Всеки, който не изчислява пространството за вземане на решения, управлява сложността - а не оптимизира. Разбирането на математиката тук не означава "научаване на формули", а моделиране на структурата на решенията по такъв начин, че глобалният оптимум изобщо да може да стане видим.
Визуализация на пространство за вземане на решения 2^50:
Визуализацията показва пространството за вземане на решения 2^50 на голяма глобална корпорация, като се използва примерът с 50 проекта с ограничен бюджет. Основното пространство за вземане на решения е независимо от областта и може да се прилага по идентичен начин за общински проекти, бюджетни решения и инфраструктурни портфейли.
2^50 възможни комбинации отговарят на порядък по-голям от броя на звездите в над 2800 Млечни пътища.
Това измерение ясно показва: без алгоритмична оптимизация изборът всъщност се основава на евристични приближения - не на пълно изчисление на глобалния оптимум.
Сравнение на размерите:
нашият Млечен път и корпоративно пространство за вземане на решения със "само" 50 проекта
от 1,125 квадрилиона възможни комбинации от проекти
