Kombinirani rešitelj za naložbene odločitve, podprt z umetno inteligenco

Zakaj je večina naložbenih odločitev sistematično neoptimalnih - in kako kombinatorična optimizacija prvič omogoča izračun celotnega prostora odločanja.

V skoraj vsaki organizaciji se strateške naložbene odločitve sprejemajo na podlagi obsežnih analiz. Oblikujejo se poslovni primeri, ocenjujejo se projekti, izračunavajo scenariji in dodeljujejo proračunska sredstva. Kljub tej visoki ravni analiz pa v večini procesov odločanja ostaja nerešen temeljni matematični problem: celoten prostor odločanja ni izračunan.

Ko organizacije načrtujejo naložbene portfelje, se soočajo s klasičnim problemom kombinatorične optimizacije. V primeru več naložbenih projektov ne obstajajo le posamezne odločitve, temveč tudi veliko število možnih kombinacij projektov, ki skupaj tvorijo portfelj.

Te kombinacije naraščajo eksponentno. Že samo nekaj projektov ustvari prostor za odločanje, ki ga ljudje ne morejo več v celoti analizirati, Excelovi modeli ali tradicionalna orodja za upravljanje portfelja projektov ne morejo več v celoti analizirati.

Posledica tega je strukturni problem odločanja: organizacije določajo prednostne projekte, analizirajo scenarije in dodeljujejo proračunska sredstva, ne da bi poznale matematično optimalno kombinacijo vseh naložb.

Ravno tu nastopi nova generacija algoritemskih sistemov: Reševalci kombinacij za naložbene odločitve, ki jih podpira umetna inteligenca. Ti sistemi ne izračunavajo posameznih projektov, temveč celoten odločitveni prostor možnih portfeljev projektov in ugotavljajo globalni optimum ob upoštevanju dejanskih omejitev.

Temeljni matematični problem načrtovanja naložb

Načrtovanje naložbenega portfelja je mogoče matematično formulirati kot kombinatorični odločitveni problem. Predpostavimo, da podjetje ali javna organizacija oceni seznam potencialnih naložbenih projektov.

Vsak projekt se lahko izvede ali pa se ne izvede. Tako dobimo vse možne kombinacije teh projektov s seznama N projektov.

Število možnih portfeljev izhaja iz funkcije:

2^N

To pomeni, da že razmeroma majhno število projektov ustvari izjemno velik prostor odločanja.

Že pri desetih projektih obstaja več kot tisoč možnih portfeljev projektov. Pri dvajsetih projektih jih je več kot milijon. Pri petdesetih projektih pa več kot kvadrilijon možnih kombinacij.

Ta eksponentna struktura je klasična značilnost kombinatorične optimizacije, ki je osrednje področje raziskav v operacijskih raziskavah in računalništvu.

Teoretično so ti problemi znani že desetletja in so opisani v znanstveni literaturi kot različice problema Knapsack, problem izbire portfelja projektov ali mešano celoštevilsko optimizacijo.

Vendar se v praksi le redko izračuna celoten prostor odločanja.

Zakaj so klasični postopki odločanja sistematično neuspešni

V večini organizacij poteka izbira naložbenih projektov po razmeroma podobnem vzorcu.

Najprej se projekti analizirajo posamično. Pripravijo se poslovni primeri, ocenijo se pričakovani donosi, ocenijo se tveganja in določijo strateške prednostne naloge.

Projekti se nato razvrstijo po pomembnosti z uporabo ocenjevalnega sistema. Ta je lahko v obliki ocenjevalnih kart, razvrstitev ali strateških ponderjev.

Projekti se vključijo v portfelj, dokler se ne dosežejo proračunske omejitve ali omejitve zmogljivosti.

Z matematičnega vidika ta postopek ustreza tako imenovanemu pohlepnemu postopku.

Pohlepni algoritmi sprejemajo odločitve korak za korakom in v vsakem trenutku izberejo najboljšo možnost. So enostavni za izvajanje in pogosto intuitivno razumljivi.

Vendar je njihova odločilna pomanjkljivost ta, da upoštevajo le lokalne izboljšave. Globalni optimum celotnega sistema pogosto ostane neprepoznan.

V kompleksnih naložbenih portfeljih lahko to privede do izbire projektov z visoko posamično vrednostjo, čeprav bi drugačna kombinacija projektov ustvarila bistveno višjo skupno vrednost.

Problem lokalne optime

Za razlago tega problema je koristna podoba pokrajine z mnogimi hribi in eno samo najvišjo goro.

Lokalni procesi odločanja se pogosto pomikajo proti najbližjemu hribu. Takoj ko je dosežena navidezno dobra točka, se šteje za optimalno.

Vendar pa dejanski globalni optimum - najvišji hrib v pokrajini - ostaja skrit, ker celoten prostor odločanja ni sistematično analiziran.

Pri naložbenih portfeljih to pomeni, da podjetja izberejo dobre projekte, vendar ne nujno najboljše kombinacije vseh projektov, vendar ni nujno, da gre za najboljšo kombinacijo vseh projektov.

Razlika med lokalnim optimumom in globalnim optimumom lahko pri velikih naložbenih portfeljih povzroči znatna ekonomska odstopanja privede do znatnih ekonomskih odstopanj.

Tipične napake pri odločanju o portfelju

Neupoštevanje celotnega prostora odločanja vodi do več sistematičnih napak pri načrtovanju naložb pri načrtovanju naložb.

Ena od pogostih težav je izolirano vrednotenje posameznih projektov. Če se projekti obravnavajo le posamično, se interakcije med projekti ne upoštevajo.

Druga težava je razdrobljenost proračuna. Proračunska sredstva se dodelijo več projektom, ne da bi se upošteval splošni učinek kombinacije.

Pogosto se podcenjujejo tudi časovne soodvisnosti. Številni projekti uresničijo svoje gospodarske koristi šele v kombinaciji z drugimi pobudami ali v več letih več let.

Brez matematičnega modeliranja teh soodvisnosti se oblikujejo portfelji, ki se zdijo verjetni, vendar niso optimalni.

Vloga kombinatorične optimizacije

Kombinatorična optimizacija se ukvarja prav s tovrstnimi problemi. Cilj je med velikim številom možnih kombinacij določiti tisto, ki maksimizira ali minimizira določeno objektivno funkcijo, ki maksimira ali minimizira določeno objektivno funkcijo.

Pri naložbenih portfeljih je ta ciljna funkcija običajno sestavljena iz ekonomskih kazalnikov, kot so Vrednost kapitala, donos, tveganje ali strateški prispevek.

Obstajajo tudi sekundarni pogoji, kot so proračunske omejitve, omejitve zmogljivosti, Odvisnosti med projekti ali regulativne zahteve.

Matematično gledano je to problem optimizacije z diskretnimi odločitvenimi spremenljivkami, ki je pogosto formuliran kot mešano celoštevilsko programiranje.

Primer eksplozije prostora odločanja

Naslednja preglednica prikazuje, kako hitro raste prostor odločanja, ko se povečuje število projektov.

Ta eksponentna struktura pojasnjuje, zakaj klasična orodja za odločanje ne morejo analizirati celotnega prostora odločanja, analizirati celotnega prostora odločanja.

Kombinirani rešitelji s podporo umetne inteligence

Kombinacijski rešitelj s podporo umetne inteligence se ukvarja prav s tem problemom.

Namesto analize posameznih projektov rešitelj modelira celoten naložbeni portfelj kot problem matematične optimizacije.

Spremenljivke odločanja predstavljajo izbiro posameznih projektov. Omejitve modelirajo dejanske omejitve, kot so proračun, zmogljivost ali tveganje.

Rešitelj nato sistematično preišče prostor odločanja in določi kombinacijo projektov kombinacijo projektov, ki maksimira ciljno funkcijo.

Sodobni sistemi združujejo metode z več raziskovalnih področij:

• Operacijske raziskave
• Kombinatorična optimizacija
• Mešano celoštevilsko programiranje
• Metode razvejanja in omejevanja
• Hevristični iskalni algoritmi
• Strojno učenje

Rezultat te kombinacije je zmogljiva podpora pri odločanju, ki daleč presega tradicionalne analitične sisteme.

Razlika med analizo in optimizacijo

Številni obstoječi sistemi za upravljanje projektnega portfelja se osredotočajo na funkcije analize.

Odgovarjajo na vprašanja, kot so:

• Kako donosen je projekt?
• Kako visoko je tveganje?
• Kako se poslovni primer spremeni ob določenih predpostavkah?

Te informacije so pomembne, vendar niso dovolj za določitev optimalne kombinacije projektov.

Optimizacijski sistemi postavljajo drugačno vprašanje:

Katera kombinacija vseh projektov maksimira skupno vrednost portfelja ob danih omejitvah?

Šele s tega vidika postane viden celoten prostor odločanja.

Praktični učinki na naložbene odločitve

Razlika med hevrističnim določanjem prednosti in matematično optimizacijo portfelja ima lahko pomemben ekonomski učinek ima lahko znaten ekonomski učinek.

V resničnih aplikacijah se pogosto zgodi, da je optimalna kombinacija projektov bistveno višji skupni donosi kot pri klasično prednostno razvrščenem portfelju.

Razlog za to je v soodvisnosti med projekti.

Projekt z zmerno posamično vrednostjo lahko v kombinaciji z drugimi projekti lahko ustvari precejšnjo dodano vrednost.

Nasprotno pa lahko več projektov visoke vrednosti skupaj tvori neučinkovit portfelj, če tekmujejo za iste vire ali imajo podobna tveganja.

Strateški pomen za podjetja

Za podjetja z velikimi naložbenimi proračuni postaja kakovost odločitev o portfelju odločilen konkurenčni dejavnik odločilni konkurenčni dejavnik.

Razporeditev kapitala določa, katere tehnologije se bodo razvijale, kateri trgi se odprejo in katere inovacijske poti se uporabljajo.

Če prostor odločanja ni v celoti analiziran, se sredstva pogosto vlagajo v neoptimalne projekte.

Matematično optimiziran portfeljski pristop lahko zato pomembno vpliva na na dolgoročno uspešnost podjetja.

Strateški pomen za javne proračune

Optimizacija naložbenih portfeljev ima vse pomembnejšo vlogo tudi v javnem sektorju.

Mesta in države se soočajo z izzivom dodeljevanja omejenih proračunskih sredstev velikemu številu infrastrukturnih projektov, Izobraževalne pobude in socialne programe.

Število možnih kombinacij teh projektov je ogromno.

Brez sistematične optimizacije obstaja tveganje, da naložbe ne bodo ne bodo imele največjega možnega družbenega učinka.

Prihodnost inteligentnega odločanja

Z vse večjo računalniško močjo in izboljšanimi algoritmi za optimizacijo se bo izračunavanje optimizacijskih algoritmov postaja izračun kompleksnih prostorov odločanja vse bolj izvedljiv.

Kombinirani reševalniki, ki jih podpira umetna inteligenca, odpirajo možnost Investicijskih odločitev na podlagi popolnega matematičnega prostora odločanja, kar se je zgodilo prvič.

To pomeni temeljno spremembo v načinu sprejemanja strateških odločitev v organizacijah, kako organizacije sprejemajo strateške odločitve.

Namesto da bi zgolj obvladovali zapletenost, jo je zdaj mogoče sistematično optimizirati.

POGOSTA VPRAŠANJA

Kaj je kombinirani rešitelj?

Reševalnik kombinacij je algoritemski sistem, ki iz velikega števila možnih kombinacij določi tisto, ki maksimira ali minimizira določeno ciljno funkcijo.

Zakaj so naložbene odločitve kombinatorični problemi?

Ker se lahko vsak projekt izvede ali ne izvede. Posledica tega so vse možne kombinacije teh projektov iz N projektov.

Zakaj klasična orodja ne morejo rešiti tega problema?

Število možnih kombinacij raste eksponentno. Tudi pri samo nekaj projektih prostor odločanja presega možnosti klasičnih orodij za analizo.

Katere matematične metode se uporabljajo?

Tipične metode so mešano celoštevilsko programiranje, vejitev in omejitev, hevristične iskalne metode in različne kombinatorične tehnike optimizacije.

Kakšne so koristi za podjetja?

Podjetja lahko določijo naložbene portfelje ki ustvarjajo največjo ekonomsko vrednost ob dejanskih omejitvah.

Kakšno vlogo ima umetna inteligenca?

Umetno inteligenco je mogoče uporabiti za učinkovito strukturiranje iskalnih prostorov, Izboljšuje modele in podpira procese odločanja.