Основная статья блога:
Риск ≠ Отклонение - почему моделирование не является решением
Резюме
Монте-Карло часто рассматривается как золотой стандарт на заседаниях советов директоров и инвестиционных комитетов. Распределения, доверительные интервалы и сценарные анализы создают впечатление математической устойчивости. Но это структурное заблуждение: дисперсия - это не риск, а моделирование - не решение.
Дисперсия измеряет дисперсию. Риск, с другой стороны, описывает опасность недостижения определенной цели. Эти два понятия не являются математически идентичными. Тот, кто моделирует дисперсию, еще не оптимизировал ни функцию предпочтений, ни ограничения, ни целевую функцию. Они просто оценивают пространства вероятностей.
Монте-Карло отвечает на вопрос: "Что может произойти?"
Оптимизация решений отвечает на вопрос: "Какой вариант максимизирует достижение цели в условиях ограничений?"
Моделирование - это инструмент оценки. Решение - это проблема оптимизации.
Структурное недопонимание
Имитация Монте-Карло генерирует тысячи случайных путей на основе предполагаемых распределений. В результате получается вероятностное распределение возможных исходов. Однако ни одно из этих моделирований не дает систематического поиска в полном пространстве комбинаций портфеля.
В сложных портфелях с n проектами существует 2ⁿ комбинаций. При 20 проектах это более миллиона вариантов. Моделирование оценивает предположения - оно не определяет глобальный оптимум.
Моделирование и оптимизация
| Критерий | Моделирование (Монте-Карло) | Оптимизация |
|---|---|---|
| Цель | Представить вероятности | Максимизировать/минимизировать целевую функцию |
| Логика | Генерирование случайных путей | Систематический поиск в пространстве решений |
| Результат | Распределение возможных исходов | Математически оптимизированный портфель |
| Решение | Интерпретация руководством | Прямое выведение из функции цели |
Почему дисперсия не является риском
Высокая дисперсия может означать большие возможности. Низкая дисперсия может быть систематически неоптимальной. Риск вызван не дисперсией, а тем, что цель не достигнута в соответствии со стратегической функцией портфеля.
Портфель с низкой дисперсией, тем не менее, может быть значительно ниже своего возможного оптимума. Это не статистическая, а структурная проблема.
Управленческий аспект
Моделирование перекладывает ответственность на совет директоров. Результаты должны быть интерпретированы. Обсуждение заменяет расчеты. Мнение заменяет математический отбор.
Оптимизация, с другой стороны, заранее определяет целевую функцию и выявляет комбинацию, которая обеспечивает наибольшую ценность в условиях ограничения бюджета, рисков и ресурсов.
Это не сценарий. Это свойство данных.
Заключение
Те, кто занимается моделированием, понимают, что такое неопределенность.
Те, кто оптимизирует, принимают решения.
Управление рисками без оптимизации остается правдоподобным на местном уровне - но потенциально неоптимальным на глобальном.
ВОПРОСЫ И ОТВЕТЫ
Является ли Монте-Карло бесполезным?
Нет. Моделирование полезно для анализа чувствительности. Однако оно не заменяет логику оптимизации.
Можно ли совместить моделирование и оптимизацию?
Да, имитация может моделировать неопределенности, а оптимизация выбирает наилучшее сочетание этих неопределенностей.
Почему сценарного планирования недостаточно?
Сценарии сравнивают отдельные варианты. В них нет систематического поиска во всем пространстве решений.
В чем принципиальная разница?
Моделирование описывает возможности. Оптимизация вычисляет оптимум.