Kockázat ≠ Változás - Miért nem a szimuláció a döntés?

Összefoglaló

A Monte Carlo-t gyakran tekintik az igazgatósági ülések és a befektetési bizottságok arany standardjának. Az eloszlások, a konfidenciaintervallumok és a forgatókönyv-elemzések a matematikai rugalmasság benyomását keltik. Ez azonban strukturális félreértés: a szórás nem kockázat - és a szimuláció nem döntés.

A szórás a szórást méri. A kockázat ezzel szemben egy meghatározott cél el nem érésének veszélyét írja le. Ez a két fogalom matematikailag nem azonos. Aki varianciát szimulál, az még nem optimalizált egy preferenciafüggvényt, nincsenek megkötések és nincs célfüggvény. Ők csupán valószínűségi tereket értékeltek ki.

A Monte Carlo arra a kérdésre ad választ, hogy "mi történhet?"
A döntésoptimalizálás arra a kérdésre válaszol: "Melyik lehetőség maximalizálja a cél elérését a korlátozások mellett?"

A szimuláció egy értékelési eszköz. A döntés egy optimalizálási probléma.

A strukturális félreértés

A Monte Carlo-szimulációk több ezer véletlen utat generálnak feltételezett eloszlások alapján. Az eredmény a lehetséges kimenetek valószínűségi eloszlása. Azonban e szimulációk egyike sem keresi szisztematikusan egy portfólió teljes kombinációs terét.

Az n projektet tartalmazó összetett portfóliókban 2ⁿ kombináció létezik. Húsz projekt esetén ez több mint egymillió lehetőség. A szimuláció feltételezéseket értékel - nem azonosítja a globális optimumot.

Szimuláció vs. optimalizálás

Kritérium	Szimuláció (Monte Carlo)	Optimalizálás
Cél	Valószínűségek ábrázolása	Célfüggvény maximalizálása/minimalizálása
Logika	Véletlenszerű útvonal generálás	Szisztematikus keresés a döntési térben
Eredmény	A lehetséges eredmények eloszlása	Matematikailag optimalizált portfólió
Döntés	Értelmezés a vezetés által	Közvetlen levezetés a célfüggvényből

Miért nem kockázat a variancia

A nagy variancia nagy lehetőségeket jelenthet. Az alacsony szórás szisztematikusan szuboptimális lehet. A kockázatot nem a variancia, hanem a portfólió stratégiai funkciójához viszonyított céltévesztés okozza.

Egy alacsony varianciájú portfólió ennek ellenére jelentősen elmaradhat a lehetséges optimumtól. Ez nem statisztikai, hanem strukturális probléma.

Az irányítási dimenzió

A szimuláció visszahelyezi a felelősséget az igazgatóságra. Az eredményeket értelmezni kell. A számítás helyett a vita. A matematikai kiválasztás helyébe a vélemény lép.

Az optimalizálás ezzel szemben előzetesen meghatároz egy célfüggvényt, és meghatározza azt a kombinációt, amely a legmagasabb értéket hozza létre a költségvetési, kockázati és erőforráskorlátozások mellett.

Ez nem egy forgatókönyv. Ez az adatok tulajdonsága.

Következtetés

Aki szimulál, az megérti a bizonytalanságot.
Azok, akik optimalizálnak, döntéseket hoznak.

Az optimalizálás nélküli kockázatkezelés helyileg továbbra is plauzibilis, globálisan azonban potenciálisan nem optimális.

GYIK

Haszontalan a Monte Carlo?
Nem. A szimuláció értékes az érzékenység elemzéséhez. Nem helyettesíti azonban az optimalizálási logikát.

Lehet-e kombinálni a szimulációt és az optimalizálást?
Igen, a szimuláció képes modellezni a bizonytalanságokat, az optimalizálás pedig kiválasztja e bizonytalanságok legjobb kombinációját.

Miért nem elég a forgatókönyvtervezés?
A forgatókönyvek az egyes lehetőségeket hasonlítják össze. Nem kutatják szisztematikusan a teljes döntési teret.

Mi a döntő különbség?
A szimuláció lehetőségeket ír le. Az optimalizálás kiszámítja az optimumot.