Ryzyko ≠ Wariancja - Dlaczego symulacja nie jest decyzją?

Podsumowanie

Metoda Monte Carlo jest często uważana za złoty standard na spotkaniach zarządu i komitetów inwestycyjnych. Rozkłady, przedziały ufności i analizy scenariuszy tworzą wrażenie matematycznej odporności. Jest to jednak strukturalne nieporozumienie: wariancja nie jest ryzykiem - a symulacja nie jest decyzją.

Wariancja mierzy rozproszenie. Ryzyko natomiast opisuje niebezpieczeństwo nieosiągnięcia określonego celu. Te dwa pojęcia nie są matematycznie identyczne. Każdy, kto symuluje wariancję, nie zoptymalizował jeszcze funkcji preferencji, żadnych ograniczeń ani funkcji docelowej. Dokonał jedynie oceny przestrzeni prawdopodobieństwa.

Monte Carlo odpowiada na pytanie: "Co może się wydarzyć?"
Optymalizacja decyzji odpowiada na pytanie: "Która opcja maksymalizuje osiągnięcie celu przy ograniczeniach?"

Symulacja jest narzędziem oceny. Decyzja jest problemem optymalizacyjnym.

Strukturalne nieporozumienie

Symulacje Monte Carlo generują tysiące losowych ścieżek na podstawie założonych rozkładów. Rezultatem jest rozkład prawdopodobieństwa możliwych wyników. Jednak żadna z tych symulacji nie przeszukuje systematycznie całej przestrzeni kombinacji portfela.

W złożonych portfelach z n projektami istnieje 2ⁿ kombinacji. Przy 20 projektach jest to ponad milion opcji. Symulacja ocenia założenia - nie identyfikuje globalnego optimum.

Symulacja a optymalizacja

Kryterium	Symulacja (Monte Carlo)	Optymalizacja
Cel	Reprezentacja prawdopodobieństw	Maksymalizacja/minimalizacja funkcji celu
Logika	Losowe generowanie ścieżek	Systematyczne wyszukiwanie w przestrzeni decyzyjnej
Wynik	Rozkład możliwych wyników	Matematycznie zoptymalizowany portfel
Decyzja	Interpretacja przez kierownictwo	Bezpośrednie wyprowadzenie z funkcji celu

Dlaczego wariancja nie jest ryzykiem

Wysoka wariancja może oznaczać duże możliwości. Niska wariancja może być systematycznie nieoptymalna. Ryzyko nie jest spowodowane wariancją, ale brakiem celu w odniesieniu do strategicznej funkcji portfela.

Portfel o niskiej wariancji może jednak znajdować się znacznie poniżej możliwego optimum. Nie jest to problem statystyczny, lecz strukturalny.

Wymiar zarządzania

Symulacja przenosi odpowiedzialność z powrotem na zarząd. Wyniki muszą być interpretowane. Dyskusja zastępuje obliczenia. Opinia zastępuje wybór matematyczny.

Z drugiej strony optymalizacja definiuje funkcję docelową ex ante i identyfikuje kombinację, która generuje najwyższą wartość w ramach ograniczeń budżetowych, ryzyka i zasobów.

To nie jest scenariusz. Jest to właściwość danych.

Wnioski

Ci, którzy symulują, rozumieją niepewność.
Ci, którzy optymalizują, podejmują decyzje.

Zarządzanie ryzykiem bez optymalizacji pozostaje wiarygodne lokalnie - ale potencjalnie nieoptymalne globalnie.

FAQ

Czy Monte Carlo jest bezużyteczne?
Symulacja jest przydatna do analizy wrażliwości. Nie zastępuje ona jednak logiki optymalizacji.

Czy można połączyć symulację i optymalizację?
Tak, symulacja może modelować niepewności, a optymalizacja wybiera najlepszą kombinację tych niepewności.

Dlaczego planowanie scenariuszy nie wystarczy?
Scenariusze porównują poszczególne opcje. Nie przeszukują systematycznie całej przestrzeni decyzyjnej.

Jaka jest zasadnicza różnica?
Symulacja opisuje możliwości. Optymalizacja oblicza optimum.