Monte Carlo verzus umelá inteligencia: Rozhodovanie o fixných aktívach v podmienkach neistoty: simulácia verzus optimalizácia

Prečo už simulácia pri dlhodobom majetku nestačí a matematická optimalizácia sa stáva novou nevyhnutnosťou riadenia

Zhrnutie

Celé desaťročia sa simulácia Monte Carlo považovala za metodologický zlatý štandard na vyhodnocovanie neistôt pri investičných rozhodnutiach. Najmä v oblasti dlhodobého majetku - t. j. dlhodobých kapitálových záväzkov, ako sú nehnuteľnosti, infraštruktúra, výrobné zariadenia alebo rozsiahle IT systémy - bola preferovaným nástrojom na modelovanie rizík.

Monte Carlo bolo aktuálne.
Monte Carlo malo zmysel z výpočtového hľadiska.
Monte Carlo predstavovalo pokrok oproti deterministickým individuálnym predpokladom.

Monte Carlo však neprijíma rozhodnutia.
Simuluje ich.

A v kontexte moderného riadenia portfólia a CapEx to znamená, že potenciálne štrukturálne nesprávne rozhodnutie je variované 10 000-krát - ale nie optimalizované.

S narastajúcou zložitosťou, závislosťami medzi projektmi, rozpočtovými obmedzeniami a viacerými protichodnými cieľmi sa simulácia dostáva na systémovú hranicu. Vyhodnocujú sa pri nej scenáre. Neprehľadáva celý rozhodovací priestor.

Práve tu prichádza na rad algoritmická optimalizácia ex ante. Namiesto simulácie pravdepodobnostných rozdelení sa matematicky analyzuje kombinatorický priestor všetkých možných konfigurácií portfólia - a identifikuje sa globálne optimum.

V oblasti dlhodobého majetku v riadení projektového portfólia (PPM) sa tým Monte Carlo nevylepšuje, ale stáva sa zastaraným.

1. Historická klasifikácia: Prečo bolo Monte Carlo užitočné

Metóda Monte Carlo bola vyvinutá v 20. storočí na matematickú aproximáciu zložitých pravdepodobnostných problémov. Bola revolučná v oblasti financií, riadenia rizík a výpočtu investícií, pretože umožnila kvantifikovať neistotu.

Namiesto jediného predpokladu o peňažných tokoch alebo využití kapacít sa generovali tisíce náhodných ťahov. Výsledkom boli

• Očakávané hodnoty
• Rozptyl
• Hodnota v riziku
• Intervaly spoľahlivosti
• Pásma scenára

Pre dlhodobý majetok to znamená

• Neistota stavebných nákladov
• Kolísanie úrokových sadzieb
• Volatilita trhových cien
• Riziká spojené s využívaním
• Predpoklady o zostatkovej hodnote

Všetky tieto faktory by sa dali modelovať štatisticky.

Vo svete s obmedzeným výpočtovým výkonom a zvládnuteľným počtom projektov to bolo racionálne.

Tento svet však už neexistuje.

2. Štrukturálny problém: simulácia nie je optimalizácia

Monte Carlo odpovedá na nasledujúcu otázku:

Ak sa rozhodneme pre tento projekt alebo pre toto portfólio - aká je pravdepodobnosť toho ktorého výsledku?

Na čo Monte Carlo neodpovedá:

Je toto portfólio vôbec najlepšie možné spomedzi všetkých prípustných kombinácií?

To je zásadný rozdiel.

Simulácia

• Vyhodnocuje dané rozhodnutie
• Mení parametre
• Poskytuje pravdepodobnosti

Optimalizácia

• Prehľadáva rozhodovací priestor
• Zohľadňuje obmedzenia
• Maximalizuje cieľovú funkciu
• Identifikuje globálne optimum

Monte Carlo teda simuluje neistotu v rámci už prijatého štrukturálneho rozhodnutia.

Ak je toto štrukturálne rozhodnutie suboptimálne, analyzuje sa len jeho rozptyl.

To zodpovedá 10 000-krát simulovanej nesprávnej alokácii.

3. Stále aktíva v PPM: prečo sa zložitosť stáva exponenciálnou

Klasické portfólio fixných aktív obsahuje

• Niekoľko investičných projektov
• Rôzne splatnosti
• Rozpočtové obmedzenia
• Synergické efekty
• Vzťahy vylúčenia
• regulačné podmienky
• Požiadavky ESG
• strategické priority

Existuje už viac ako milión možných kombinácií portfólia pre 20 projektov.

Pre 50 projektov:

²⁵⁰ ≈ 1 125 899 906 842 624 kombinácií

Monte Carlo simuluje v rámci vybranej kombinácie. Neprehľadáva týchto 1,1 kvadrilióna možností.

Nejde o postupný nedostatok. Je to štrukturálny nedostatok.

4. Typické použitie metódy Monte Carlo v oblasti fixných aktív

V kontexte dlhodobého majetku sa Monte Carlo typicky používa na:

• Rozdelenie NPV projektu
• Rozsahy IRR
• Analýzy citlivosti
• Záťažové testy
• Posúdenie rizika jednotlivých aktív

V praxi to však znamená

1. Projekty sa posudzujú individuálne.
2. Portfólio sa tvorí na základe poradia alebo heuristických kritérií.
3. Monte Carlo simuluje neistoty v rámci tohto výberu.

Poradie zostáva lokálne. Štruktúra portfólia zostáva heuristická. Rozdelenie rozpočtu zostáva približné.

5. Porovnanie: Monte Carlo vs. globálna optimalizácia

Kritérium	Simulácia Monte Carlo	Globálna optimalizácia
Otázka	Ako sa vybraný scenár rozptyľuje?	Ktorá kombinácia portfólia maximalizuje účelovú funkciu?
Metodika	Náhodný výber vzorky	Deterministické / hybridné algoritmy
Rozhodovací priestor	Pevná	Plne prehľadávaný
Riešenie obmedzení	Následné hodnotenie	Integrované obmedzenia
Zložitosť	Lineárna pri simuláciách	Exponenciálny priestor - algoritmicky zvládnutý
Výsledky	Rozdelenie pravdepodobnosti	Matematické globálne optimum
Kvalita riadenia	Vizualizácia rizika	Optimalizácia zdrojov

6. Prečo je Monte Carlo systémovo nevhodné pre fixné aktíva

6.1 Kapitálový záväzok

Dlhodobý majetok viaže kapitál na roky alebo desaťročia. Nesprávne alokácie majú dlhodobý účinok.

6.2 Nezvratnosť

Infraštruktúru, nehnuteľnosti alebo výrobné zariadenia nemožno prerozdeliť bez výrazných strát.

6.3 Vzájomná závislosť

Logistické centrum ovplyvňuje náklady na dopravu.
Investícia do IT ovplyvňuje personálne náklady.
Opatrenie ESG ovplyvňuje finančné náklady.

Monte Carlo modeluje neistotu v rámci projektu - nie kombinatoriku závislostí.

7. Matematická zmena perspektívy

Relevantná otázka nie je:

"Ako bezpečný je projekt A?"

Ale skôr:

"Ktorá kombinácia A, B, C... v rámci rozpočtu a obmedzení maximalizuje celkovú hodnotu?"

Ide o kombinatorický optimalizačný problém.

Nad určitým počtom projektov sa tento problém stáva NP-ťažkým.

Simulácia tu nepomáha. Systematicky štruktúrovať priestor môžu len metódy algoritmického vyhľadávania.

8. Prečo 10 000 simulácií neposkytuje štrukturálnu istotu

10.000 simulácií generuje 10 000 možných výsledkov.

Všetky sú však založené na rovnakej štruktúre portfólia.

Ak je táto štruktúra o 15 % nižšia ako globálne možné optimum, tento rozdiel sa nikdy nerozpozná.

Monte Carlo odpovedá:

"Ako pravdepodobný je výsledok tejto voľby?"

Optimalizácia odpovedá:

"Bola táto voľba najlepšou voľbou na prvom mieste?

Ide o dve rôzne úrovne.

9. Optimalizácia ex ante ako nová norma riadenia

Moderná architektúra rozhodovania v oblasti riadenia dlhodobého majetku si vyžaduje:

• Kompletnú analýzu kombinácií
• Integráciu rozpočtových obmedzení
• Viacúčelovú optimalizáciu (návratnosť investícií, ESG, riziko)
• Obmedzenia
• Logiku závislostí
• Konzistentnosť scenárov

Pri optimalizácii ex ante sa analyzujú nielen jednotlivé projekty, ale aj systém ako celok.

Definuje sa účelová funkcia, formalizujú sa obmedzenia a algoritmicky sa prehľadáva kombinatorický priestor.

Výsledkom nie je pásmo očakávaných hodnôt, ale matematicky určené portfólio.

10. Prečo globálne optimum nahrádza Monte Carlo v PPM fixných aktív

Keď sa vypočíta globálne optimum, výsledkom je

• Maximalizovaná produktivita kapitálu
• Minimalizované náklady obetovaných príležitostí
• Štruktúrovaná integrácia rizika
• Transparentná logika rozhodovania
• Riadenie odolné voči auditu

Monte Carlo môže stále slúžiť ako nástroj citlivosti - ale nie ako základ pre rozhodovanie.

V kontexte dlhodobého majetku stráca svoju primárnu úlohu.

11. Úloha programu StratePlan

StratePlan analyzuje kompletný rozhodovací priestor portfólia dlhodobého majetku, pričom zohľadňuje

• Rozpočtové obmedzenia
• Závislosti projektov
• Viacúčelovú optimalizáciu
• regulačné obmedzenia
• Rizikové parametre

Namiesto vykonania 10 000 náhodných žrebovaní sa optimálna konfigurácia portfólia identifikuje algoritmicky.

Tým sa Monte Carlo nezlepšuje. Stáva sa zbytočným.

Neistota sa totiž môže integrovať do cieľovej funkcie bez toho, aby sa fixoval rozhodovací priestor.

12. Dôsledky pre finančných riaditeľov a predstavenstvo

Pre finančných riaditeľov to znamená

• Vyššiu návratnosť kapitálu
• Lepšiu logiku alokácie
• Transparentné rozhodovacie šablóny
• Zníženie dlhu pri rozhodovaní
• Minimalizácia štrukturálnej alokácie

Pre predstavenstvá to znamená

• Overiteľnú kvalitu rozhodnutí
• Logika, ktorú možno kontrolovať
• Robustnosť riadenia

Monte Carlo bolo odpoveďou na neistotu. Optimalizácia je odpoveďou na zložitosť.

13. Záver

Monte Carlo bolo míľnikom v modelovaní rizík. Bolo to moderné.

Ale v oblasti dlhodobého majetku v PPM už nestačí len posúdenie rizika.

Potrebný je úplný prienik do priestoru rozhodovania.

Simulácia odpovedá na nesprávnu otázku o správnom rozhodnutí. Optimalizácia odpovedá na správnu otázku.

Globálne optimum nie je simulácia. Je to vlastnosť rozhodovacej štruktúry.

A hneď ako sa vypočíta, Monte Carlo stráca svoj strategický význam.

ČASTO KLADENÉ OTÁZKY

Je metóda Monte Carlo od základu nesprávna?

Nie. Monte Carlo je platný nástroj na analýzu neistoty. Nie je to však optimalizačná metóda, a preto nie je vhodná na určenie globálne najlepšieho portfólia.

Môže byť Monte Carlo užitočné v kombinácii s optimalizáciou?

Áno, ako doplnková analýza citlivosti po identifikácii optimálneho portfólia. Nie ako primárna logika rozhodovania.

Prečo nestačí zoradenie podľa NPV?

Pretože projekty sú vzájomne závislé a rozpočtové obmedzenia vytvárajú kombinatorické efekty, ktoré zoradenie neodráža.

Je globálna optimalizácia matematicky realistická pre veľké portfóliá?

Áno, moderné algoritmické metódy umožňujú štruktúrovanú analýzu exponenciálnych rozhodovacích priestorov.

Znamená to koniec modelovania rizika?

Nie. Riziko je integrované - ale už sa nesimuluje izolovane.

Prečo je to dôležité najmä pre fixné aktíva?

Pretože nesprávne alokácie sú tu dlhodobé a ťažko zvrátiteľné.

Mení to úlohu finančného riaditeľa?

Áno, od hodnotenia rizík jednotlivých projektov k systémovej architektúre alokácie kapitálu.

Strategický dôsledok je jasný: o návratnosti kapitálu nerozhoduje simulácia neistoty. Je to matematické štruktúrovanie rozhodovacieho priestoru. A práve tu sa začína budúcnosť riadenia dlhodobého majetku.