Rischio ≠ Varianza - Perché la simulazione non è una decisione

Sintesi

Monte Carlo è spesso considerato il gold standard nelle riunioni dei consigli di amministrazione e nei comitati di investimento. Le distribuzioni, gli intervalli di confidenza e le analisi di scenario danno l'impressione di essere matematicamente affidabili. Ma si tratta di un equivoco strutturale: la varianza non è un rischio e la simulazione non è una decisione.

La varianza misura la dispersione. Il rischio, invece, descrive il pericolo di non raggiungere un obiettivo definito. Questi due concetti non sono matematicamente identici. Chiunque simuli la varianza non ha ancora ottimizzato una funzione di preferenza, nessun vincolo e nessuna funzione obiettivo. Ha semplicemente valutato degli spazi di probabilità.

Monte Carlo risponde alla domanda: "Cosa potrebbe accadere?"
L'ottimizzazione delle decisioni risponde alla domanda: "Quale opzione massimizza il raggiungimento dell'obiettivo in base ai vincoli?"

La simulazione è uno strumento di valutazione. La decisione è un problema di ottimizzazione.

Il malinteso strutturale

Le simulazioni Monte Carlo generano migliaia di percorsi casuali sulla base di distribuzioni presunte. Il risultato è una distribuzione di probabilità dei possibili risultati. Tuttavia, nessuna di queste simulazioni ricerca sistematicamente l'intero spazio delle combinazioni di un portafoglio.

Nei portafogli complessi con n progetti, esistono 2ⁿ combinazioni. Con 20 progetti, si tratta di oltre un milione di opzioni. La simulazione valuta le ipotesi, non identifica l'optimum globale.

Simulazione vs. ottimizzazione

Criterio	Simulazione (Monte Carlo)	Ottimizzazione
Obiettivo	Rappresentare le probabilità	Massimizzare/minimizzare la funzione obiettivo
Logica	Generazione casuale di percorsi	Ricerca sistematica nello spazio decisionale
Esito	Distribuzione dei possibili risultati	Portafoglio ottimizzato matematicamente
Decisione	Interpretazione da parte del management	Derivazione diretta dalla funzione obiettivo

Perché la varianza non è un rischio

Un'alta varianza può significare elevate opportunità. Una bassa varianza può essere sistematicamente subottimale. Il rischio non è causato dalla varianza, ma dal mancato raggiungimento dell'obiettivo rispetto alla funzione strategica del portafoglio.

Un portafoglio con bassa varianza può comunque essere significativamente al di sotto del suo possibile optimum. Non si tratta di un problema statistico, ma strutturale.

La dimensione della governance

La simulazione riporta la responsabilità al consiglio di amministrazione. I risultati devono essere interpretati. La discussione sostituisce il calcolo. L'opinione sostituisce la selezione matematica.

L'ottimizzazione, invece, definisce ex ante una funzione obiettivo e identifica la combinazione che genera il valore più alto nel rispetto delle restrizioni di budget, rischio e risorse.

Non si tratta di uno scenario. È una proprietà dei dati.

Conclusione

Chi simula capisce l'incertezza.
Chi ottimizza prende decisioni.

La gestione del rischio senza ottimizzazione rimane plausibile a livello locale, ma potenzialmente subottimale a livello globale.

DOMANDE FREQUENTI

Monte Carlo è inutile?
No. La simulazione è utile per analizzare la sensibilità. Tuttavia, non sostituisce la logica dell'ottimizzazione.

È possibile combinare simulazione e ottimizzazione?
Sì, la simulazione può modellare le incertezze, l'ottimizzazione seleziona la migliore combinazione di queste incertezze.

Perché la pianificazione dello scenario non è sufficiente?
Gli scenari confrontano singole opzioni. Non cercano sistematicamente l'intero spazio decisionale.

Qual è la differenza cruciale?
La simulazione descrive le possibilità. L'ottimizzazione calcola l'optimum.