Понимание математики, лежащей в основе StratePlan: Почему для принятия лучших решений нужна другая логика расчетов
Многие инвестиционные решения и решения о приоритетах выглядят как "список проектов". С математической точки зрения они представляют собой нечто иное: комбинаторное пространство решений, которое экспоненциально растет с каждым дополнительным вариантом. Если вы не смоделируете это пространство, вы не сможете его оптимизировать.
Для кого эта страница?
- Руководители высшего звена и надзорные органы: чтобы понять, почему "хорошие отдельные проекты" не приводят автоматически к созданию лучшего портфеля.
- Финансовые директора/контролирующие органы: для формализации альтернативных издержек и ограничений (бюджет, риск, ESG, возможности).
- Государственный сектор: понять, почему логика финансирования, мышление департаментов и избирательные циклы структурно приводят к неоптимальным портфелям.
Основная проблема: пространство для принятия решений растет в геометрической прогрессии
Каждый дополнительный проект создает не "еще один пункт" в списке, а новое измерение в пространстве решений. Количество возможных комбинаций портфеля подчиняется логике 2n:
- 10 проектов → 2^10 = 1 024 комбинации
- 20 проектов → 2^20 = 1 048 576 комбинаций
- 50 проектов → 2^50 ≈ 1,125 квадриллиона комбинаций
Это точка, в которой классические процессы комитета, логика Excel и эвристика достигают математического предела.
Локальный и глобальный оптимум
Локальный оптимум означает: решение, которое работает лучше, чем очевидные альтернативы.
Глобальный оптимум означает: лучшее решение во всем пространстве решений.
Многие организации улучшают локальные решения (лучшие оценки, лучшие бизнес-кейсы), не просчитывая общее пространство решений. В результате лучшие комбинации часто остаются незамеченными.
Почему эвристики структурно неполноценны
Типичные правила и ограничения из муниципальных и корпоративных процессов принятия решений, такие как "топ-5 по NPV", "IRR > WACC", "окупаемость < 3 лет" или "стратегические маяки на первом месте", понятны с операционной точки зрения. Однако с математической точки зрения у них есть недостаток: они оценивают проекты по отдельности, а не как взаимозависимый портфель.
Проект с низкой индивидуальной ценностью может дать наибольший общий эффект в сочетании с другими проектами. Проект с высокой индивидуальной ценностью может вытеснить лучшие комбинации, если действуют ограничения.
Решение: формальное моделирование вместо интуиции
Математика решений начинается с того, что портфель проектов формулируется в виде модели:
- Переменные решения: xi ∈ {0,1} (проект выбран или нет)
- Целевая функция: например, максимизация общей стоимости, воздействия, NPV, индекса полезности
- Вторичные условия: Бюджет, возможности, риск, CO₂, минимальные квоты, зависимости и многое другое...
Простая модель (упрощенная)
Максимизировать:
∑ (valuei × xi)
под:
∑ (стоимостьі × xi) ≤ бюджет
∑ (выбросыі × xi) ≤ лимит CO₂
xi ∈ {0,1}
Этот базовый принцип соответствует (много)ограничительной задаче Кнапсака и является основой для реальных моделей портфелей с множеством измерений и взаимозависимостей.
Что вы узнаете на этой платформе
- Почему 2n- это реальное "невидимое пространство", лежащее в основе портфельных решений
- Как ограничения влияют на принятие решений (бюджет, возможности, ESG, риск)
- Почему "расстановка приоритетов" - это не то же самое, что "оптимизация"
- Как визуализировать альтернативные издержки ex ante
- Как превратить данные в модель, способную принимать решения
Основы: пространства решений и оптимизация
Математические основы: 2^n локальных и глобальных оптимумов, ограничения, функции цели и логика модели.
Глубокое погружение в математику: 5 строительных блоков, которые действительно имеют значение
- Переменные решения: Какие варианты существуют (xi)?
- Целевая переменная: что максимизируется (ценность, эффект, NPV, выгода)?
- Ограничения: Что ограничивает пространство (бюджет, CO₂, потенциал, риск, квоты)?
- Взаимозависимости: Какие проекты обуславливают или предотвращают другие?
- Оптимизация: как найти наилучшую комбинацию во всем пространстве?
Проекты не исчезают - они лучше позиционируются и оптимально планируются в течение нескольких лет
В математически оптимизированной инвестиционной системе проекты не отбрасываются. Вместо этого их пересматривают, откладывают или стратегически переставляют, таким образом, чтобы они вносили максимальный экономический вклад в общий портфель в оптимальное время при заданных ограничениях по бюджету, возможностям и рискам максимизировать свой экономический вклад в общий портфель.
Решающим фактором здесь является многолетняя перспектива. Инвестиционные решения принимаются не изолированно на один год, а оптимизируются в контексте 2-, 3-, 5- или 10-летних планов.
Ликвидность, полученная в результате оптимизации в начальный год, систематически переносится на следующий год год. Это увеличивает доступный инвестиционный бюджет на следующий период. Затем этот последующий год также оптимизируется.
Результат: проекты можно добавлять, как только они вписываются в глобально оптимизированный портфель при новых условиях бюджета, мощности и доходности, В результате: проекты могут добавляться, как только они вписываются в глобально оптимизированный портфель при новых условиях бюджета, мощности и доходности. Это создает динамичную многолетнюю оптимизацию, в которой каждый период оптимизации Период оптимизации структурно улучшает инвестиционные возможности на последующие годы.
Заключительная мысль
Тот, кто не просчитывает пространство решений, управляет сложностью, а не оптимизирует. Понимание математики здесь означает не "заучивание формул", а моделирование структуры решений таким образом, чтобы глобальный оптимум вообще стал видимым.
Визуализация пространства решений 2^50:
Визуализация показывает пространство решений 2^50 крупной глобальной корпорации на примере 50 проектов с ограниченным бюджетом. Базовое пространство решений не зависит от области и может быть одинаково применено к муниципальным проектам, бюджетным решениям и инфраструктурным портфелям.
2^50 возможных комбинаций на порядок больше, чем количество звезд в более чем 2800 Млечных Путях.
Это измерение дает понять: без алгоритмической оптимизации выбор фактически основан на эвристических приближениях, а не на полном расчете глобального оптимума.
Сравнение размеров:
наш Млечный Путь и пространство корпоративных решений, в котором "всего" 50 проектов
из 1,125 квадриллиона возможных комбинаций проектов
