Montekarlo un mākslīgais intelekts: lēmumi par fiksētiem aktīviem nenoteiktības apstākļos: simulācija un optimizācija

Kāpēc ar simulāciju vairs nepietiek pamatlīdzekļu jomā un matemātiskā optimizācija kļūst par jauno pārvaldības nepieciešamību?

Kopsavilkums

Gadu desmitiem Monte Karlo simulācija tika uzskatīta par metodoloģisko zelta standartu nenoteiktības novērtēšanai ieguldījumu lēmumu pieņemšanā. Īpaši pamatlīdzekļu jomā, t. i., ilgtermiņa kapitālieguldījumu, piemēram, nekustamā īpašuma, infrastruktūras, ražošanas iekārtu vai liela mēroga IT sistēmu jomā, tā bija ieteicamais riska modelēšanas instruments.

Montekarlo bija mūsdienīgs.
Montekarlo bija lietderīgi no skaitļošanas viedokļa.
Montekarlo bija progress salīdzinājumā ar deterministiskiem individuāliem pieņēmumiem.

Taču Monte Karlo nepieņem lēmumu.
Tas tos simulē.

Un mūsdienu portfeļa un kapitālieguldījumu pārvaldības kontekstā tas nozīmē, ka potenciāli strukturāli nepareizs lēmums tiek variēts 10 000 reižu - bet netiek optimizēts.

Pieaugot sarežģītībai, projektu savstarpējai atkarībai, budžeta ierobežojumiem un vairākiem konfliktējošiem mērķiem, simulācija sasniedz sistēmisku robežu. Tā izvērtē scenārijus. Tā nepārmeklē visu lēmumu pieņemšanas telpu.

Tieši šajā gadījumā ir vajadzīga algoritmiska ex-ante optimizācija. Tā vietā, lai simulētu varbūtību sadalījumus, tiek matemātiski analizēta visu iespējamo portfeļa konfigurāciju kombinatoriskā telpa - un tiek noteikts globālais optimums.

Pamatlīdzekļu jomā projektu portfeļa pārvaldībā (PPM) tas nevis uzlabo Montekarlo, bet padara to novecojušu.

1. Vēsturiskā klasifikācija: kāpēc Monte Karlo bija noderīgs

Montekarlo metode tika izstrādāta 20. gadsimtā, lai matemātiski aproksimētu sarežģītas varbūtības problēmas. Tā bija revolucionāra finanšu, riska pārvaldības un ieguldījumu aprēķinu jomā, jo padarīja nenoteiktību kvantitatīvi izmērāmu.

Tā vietā, lai izdarītu vienu pieņēmumu par naudas plūsmām vai jaudas izmantošanu, tika ģenerēti tūkstošiem nejaušības izlozes gadījumu. Tā rezultātā tika iegūti

• Paredzamās vērtības
• Dispersija
• Riskam pakļautā vērtība
• Ticamības intervāli
• Scenārija diapazoni

Attiecībā uz pamatlīdzekļiem tas nozīmē

• Būvniecības izmaksu nenoteiktība
• Procentu likmju svārstības
• Tirgus cenu svārstības
• Izmantošanas riski
• Pieņēmumi par atlikušo vērtību

Visus šos faktorus var modelēt statistiski.

Pasaulē ar ierobežotu skaitļošanas jaudu un pārvaldāmu projektu skaitu tas bija racionāli.

Taču šāda pasaule vairs nepastāv.

2. Strukturālā problēma: simulācija nav optimizācija

Montekarlo atbild uz šādu jautājumu:

Ja mēs pieņemam lēmumu par labu šim projektam vai šim portfelim - cik ticams ir kāds rezultāts?

Monte Karlo neatbild:

Vai šis portfelis vispār ir labākais iespējamais no visām pieļaujamajām kombinācijām?

Tā ir būtiska atšķirība.

Simulācija

• Izvērtē doto lēmumu
• Maina parametrus
• Sniedz varbūtības

Optimizācija

• Meklē lēmumu telpu
• Ņem vērā ierobežojumus
• Maksimizē mērķa funkciju
• Identificē globālo optimumu

Tādējādi Montekarlo simulē nenoteiktību jau pieņemtā strukturālā lēmumā.

Ja šis strukturālais lēmums nav optimāls, tiek analizēta tikai tā dispersija.

Tas atbilst 10 000 reižu simulētai nepareizai sadalei.

3. Pamatlīdzekļi PPM: kāpēc sarežģītība kļūst eksponenciāla

Klasiskajā pamatlīdzekļu portfelī ir

• Vairāki ieguldījumu projekti
• Dažādi termiņi
• Budžeta ierobežojumi
• Sinerģijas efekts
• Izslēgšanas attiecības
• normatīvie nosacījumi
• ESG prasības
• stratēģiskās prioritātes

20 projektiem jau ir vairāk nekā miljons iespējamo portfeļu kombināciju.

50 projektiem:

²⁵⁰ ≈ 1 125 899 906 842 624 kombinācijas

Montekarlo simulācija izvēlētās kombinācijas ietvaros. Tas nemeklē šīs 1,1 kvadriljona iespējas.

Tas nav pakāpenisks trūkums. Tā ir strukturāla.

4. Tipisks Montekarlo pielietojums pamatlīdzekļos

Pamatlīdzekļu kontekstā Monte Karlo parasti izmanto:

• Projekta NPV sadalījumu
• IRR diapazoniem
• Jutīguma analīzei
• Stresa testiem
• Atsevišķu aktīvu riska novērtēšanai

Bet praksē tas nozīmē

1. Projekti tiek vērtēti individuāli.
2. Portfeli veido, pamatojoties uz ranžēšanas vai heiristiskiem kritērijiem.
3. Montekarlo modelē nenoteiktības šajā atlasē.

Klasifikācija paliek lokāla. Portfeļa struktūra joprojām ir heiristiska. Budžeta sadalījums ir aptuvens.

5. Salīdzinājums: Montekarlo un globālā optimizācija

Kritērijs	Montekarlo simulācija	Globālā optimizācija
Jautājums	Kā izvēlētais scenārijs izkliedējas?	Kura portfeļu kombinācija maksimizē mērķa funkciju?
Metodoloģija	Izlases veidošana pēc nejaušības principa	Deterministiskie / hibrīda algoritmi
Lēmumu telpa	Fiksēts	Pilnībā pārmeklēta
Rīcība ar ierobežojumiem	Ex-post novērtējums	Integrēti ierobežojumi
Sarežģītība	Lineāra simulācijās	Eksponenciāla telpa - algoritmiski apgūta
Rezultāti	Varbūtības sadalījums	Matemātisks globālais optimums
Pārvaldības kvalitāte	Riska vizualizācija	Resursu optimizācija

6. Kāpēc Montekarlo ir sistēmiski neatbilstošs pamatlīdzekļiem

6.1 Kapitāla saistības

Pamatlīdzekļi saista kapitālu uz gadiem vai gadu desmitiem. Nepareizai sadalei ir ilgtermiņa ietekme.

6.2 Neatgriezeniskums

Infrastruktūru, nekustamo īpašumu vai ražošanas iekārtas nevar pārdalīt bez ievērojamiem zaudējumiem.

6.3 Savstarpēja atkarība

Loģistikas centrs ietekmē transporta izmaksas.
Ieguldījumi IT ietekmē personāla izmaksas.
ESG pasākums ietekmē finansēšanas izmaksas.

Montekarlo modelē nenoteiktību projekta ietvaros, nevis atkarību kombinatoriku.

7. Matemātiskā perspektīvas maiņa

Būtiskais jautājums nav šāds:

"Cik drošs ir projekts A?"

Bet drīzāk:

"Kura A, B, C ... kombinācija, ņemot vērā budžetu un ierobežojumus, maksimizē kopējo vērtību?"

Tā ir kombinatoriskās optimizācijas problēma.

Pārsniedzot noteiktu projektu skaitu, šī problēma kļūst NP-grūta.

Simulācija šeit nepalīdz. Tikai algoritmiskās meklēšanas metodes var sistemātiski strukturēt telpu.

8. Kāpēc 10 000 simulāciju nenodrošina strukturālu noteiktību

10.000 simulācijas rada 10 000 iespējamos rezultātus.

Bet tie visi ir balstīti uz vienu un to pašu portfeļa struktūru.

Ja šī struktūra ir par 15 % zemāka par globāli iespējamo optimālo, šī plaisa nekad netiek atzīta.

Montekarlo atbildes:

"Cik ticams ir šīs izvēles iznākums?"

Optimizācija atbild:

"Vai šī izvēle bija labākā izvēle?

Tie ir divi dažādi līmeņi.

9. Ex-ante optimizācija kā jaunā pārvaldības norma

Mūsdienu lēmumu arhitektūra pamatlīdzekļu PPM prasa:

• Pilnīga kombināciju analīze
• Budžeta ierobežojumu integrācija
• Daudzobjektīva optimizācija (ROI, ESG, risks)
• Ierobežojumi
• Atkarību loģika
• Scenāriju konsekvence

Ex-ante optimizācijā tiek analizēti ne tikai atsevišķi projekti, bet arī sistēma kopumā.

Tiek definēta mērķa funkcija, formalizēti ierobežojumi un algoritmiski strukturētā veidā tiek meklēta kombinatoriskā telpa.

Rezultāts nav sagaidāmās vērtības josla, bet gan matemātiski noteikts portfelis.

10. Kāpēc globālais optimums aizstāj Montekarlo PPM pamatlīdzekļu pārvaldībā

Kad tiek aprēķināts globālais optimums, rezultāts ir šāds.

• Maksimāla kapitāla produktivitāte
• Minimizētas alternatīvās izmaksas
• Strukturēta riska integrācija
• Pārredzama lēmumu pieņemšanas loģika
• Uz revīziju noturīga pārvaldība

Montekarlo joprojām var kalpot kā jutīguma instruments, bet ne kā lēmumu pieņemšanas pamats.

Pamatlīdzekļu kontekstā tas zaudē savu galveno lomu.

11. StratePlan loma

StratePlan analizē visu pamatlīdzekļu portfeļa lēmumu pieņemšanas telpu, ņemot vērā

• Budžeta ierobežojumus
• Projektu atkarības
• Daudzobjektīvo optimizāciju
• normatīvos ierobežojumus
• Riska parametrus

Tā vietā, lai veiktu 10 000 nejaušas izlozes, optimālā portfeļa konfigurācija tiek noteikta algoritmiski.

Tas neuzlabo Montekarlo. Tas kļūst lieks.

Tas ir tāpēc, ka nenoteiktību var integrēt mērķa funkcijā, nefiksējot lēmumu telpu.

12. Sekas finanšu direktoriem un valdei

Finanšu direktoriem tas nozīmē

• Lielāku kapitāla atdevi
• Labāku piešķiršanas loģiku
• Pārredzamus lēmumu veidnes
• Lēmumu parādu samazināšana
• Strukturāli nepareizas sadales samazināšana līdz minimumam

Valdēm tas nozīmē

• Pārbaudāma lēmumu kvalitāte
• Revidējama loģika
• Pārvaldības stabilitāte

Montekarlo bija atbilde uz nenoteiktību. Optimizācija ir atbilde uz sarežģītību.

13. Secinājums

Montekarlo bija pagrieziena punkts riska modelēšanā. Tas bija mūsdienīgs.

Bet attiecībā uz pamatlīdzekļiem PPM riska novērtējums vairs nav pietiekams.

Ir nepieciešama pilnīga lēmumu telpas apgūšana.

Simulācija atbild uz nepareizu jautājumu par pareizo lēmumu. Optimizācija atbild uz pareizo jautājumu.

Globālais optimums nav simulācija. Tā ir lēmuma struktūras īpašība.

Un, tiklīdz tas ir aprēķināts, Monte Karlo zaudē savu stratēģisko nozīmi.

FAQ

Vai Montekarlo ir principiāli nepareizs?

Nē. Montekarlo ir derīgs instruments nenoteiktības analīzei. Tomēr tā nav optimizācijas metode, un tāpēc nav piemērota globāli labākā portfeļa noteikšanai.

Vai Montekarlo var būt noderīgs kombinācijā ar optimizāciju?

Jā, kā papildu jutīguma analīze pēc optimālā portfeļa noteikšanas. Ne kā primāro lēmumu loģiku.

Kādēļ nav pietiekama klasifikācija pēc NPV?

Tāpēc, ka projekti ir savstarpēji atkarīgi, un budžeta ierobežojumi rada kombinatoriskus efektus, kurus rangēšana neatspoguļo.

Vai globālā optimizācija ir matemātiski reāla lieliem portfeļiem?

Jā, modernās algoritmiskās metodes ļauj strukturēti analizēt eksponenciālas lēmumu telpas.

Vai tas nozīmē riska modelēšanas beigas?

Nē. Risks ir integrēts, bet vairs netiek modelēts izolēti.

Kāpēc tas ir īpaši svarīgi attiecībā uz pamatlīdzekļiem?

Tāpēc, ka nepareizi sadalījumi ir ilgtermiņa un grūti atgriezeniski.

Vai tas maina finanšu direktora lomu?

Jā, no atsevišķu projektu riska novērtējuma uz sistēmisku kapitāla piešķiršanas arhitektūru.

Stratēģiskās sekas ir skaidras: nevis nenoteiktības simulācija nosaka kapitāla atdevi. Tā ir lēmumu telpas matemātiska strukturēšana. Un tieši šeit sākas pamatlīdzekļu pārvaldības nākotne.