Risiko ≠ varians - hvorfor simulering ikke er en beslutning

Sammenfatning

Monte Carlo betragtes ofte som guldstandarden på bestyrelsesmøder og i investeringskomiteer. Fordelinger, konfidensintervaller og scenarieanalyser giver indtryk af matematisk robusthed. Men det er en strukturel misforståelse: Varians er ikke risiko - og simulering er ikke en beslutning.

Varians måler spredning. Risiko beskriver derimod faren for ikke at nå et defineret mål. Disse to begreber er ikke matematisk identiske. Enhver, der simulerer varians, har endnu ikke optimeret en præferencefunktion, ingen begrænsninger og ingen målfunktion. De har blot evalueret sandsynlighedsrum.

Monte Carlo besvarer spørgsmålet: "Hvad kunne der ske?"
Beslutningsoptimering besvarer spørgsmålet: "Hvilken mulighed maksimerer målopfyldelsen under begrænsninger?"

Simulering er et evalueringsværktøj. Beslutning er et optimeringsproblem.

Den strukturelle misforståelse

Monte Carlo-simuleringer genererer tusindvis af tilfældige stier på baggrund af antagne fordelinger. Resultatet er en sandsynlighedsfordeling af mulige udfald. Men ingen af disse simuleringer gennemsøger systematisk det komplette kombinationsrum for en portefølje.

I komplekse porteføljer med n projekter er der 2ⁿ kombinationer. Med 20 projekter er det over en million muligheder. Simulering evaluerer antagelser - den identificerer ikke det globale optimum.

Simulering vs. optimering

Kriterium	Simulering (Monte Carlo)	Optimering
Mål	Repræsentere sandsynligheder	Maksimering/minimering af målfunktion
Logik	Generering af tilfældige stier	Systematisk søgning i beslutningsrummet
Udfald	Fordeling af mulige udfald	Matematisk optimeret portefølje
Beslutning	Fortolkning af ledelsen	Direkte udledning fra objektiv funktion

Hvorfor varians ikke er en risiko

Høj varians kan betyde store muligheder. Lav varians kan være systematisk suboptimal. Risikoen opstår ikke på grund af varians, men fordi man ikke når målet i forhold til porteføljens strategiske funktion.

En portefølje med lav varians kan alligevel ligge betydeligt under sit mulige optimum. Dette er ikke et statistisk problem - men et strukturelt.

Den ledelsesmæssige dimension

Simulering flytter ansvaret tilbage til bestyrelsen. Resultaterne skal fortolkes. Diskussion erstatter beregning. Mening erstatter matematisk udvælgelse.

Optimering definerer på den anden side en målfunktion på forhånd og identificerer den kombination, der skaber den højeste værdi under budget-, risiko- og ressourcebegrænsninger.

Dette er ikke et scenarie. Det er en egenskab ved dataene.

Konklusion

De, der simulerer, forstår usikkerhed.
De, der optimerer, træffer beslutninger.

Risikostyring uden optimering er stadig plausibel lokalt - men potentielt suboptimal globalt.

OFTE STILLEDE SPØRGSMÅL

Er Monte Carlo ubrugelig?
Nej. Simulering er værdifuld til at analysere følsomhed. Men det erstatter ikke optimeringslogikken.

Kan man kombinere simulering og optimering?
Ja, simulering kan modellere usikkerheder, og optimering vælger den bedste kombination af disse usikkerheder.

Hvorfor er scenarieplanlægning ikke nok?
Scenarier sammenligner individuelle muligheder. De gennemsøger ikke systematisk hele beslutningsrummet.

Hvad er den afgørende forskel?
Simulering beskriver muligheder. Optimering beregner det optimale.