Risk ≠ Varians - Varför simulering inte är ett beslut

Sammanfattning

Monte Carlo betraktas ofta som guldstandarden på styrelsemöten och i investeringskommittéer. Fördelningar, konfidensintervall och scenarioanalyser skapar ett intryck av matematisk spänst. Men detta är ett strukturellt missförstånd: varians är inte risk - och simulering är inte ett beslut.

Variansen mäter spridningen. Risk, å andra sidan, beskriver faran med att inte uppnå ett definierat mål. Dessa två begrepp är inte matematiskt identiska. Den som simulerar varians har ännu inte optimerat en preferensfunktion, inga begränsningar och ingen målfunktion. De har bara utvärderat sannolikhetsrymder.

Monte Carlo svarar på frågan: "Vad kan hända?"
Beslutsoptimering svarar på frågan: "Vilket alternativ maximerar måluppfyllelsen under restriktioner?"

Simulering är ett utvärderingsverktyg. Beslut är ett optimeringsproblem.

Det strukturella missförståndet

Monte Carlo-simuleringar genererar tusentals slumpmässiga vägar på grundval av antagna fördelningar. Resultatet blir en sannolikhetsfördelning av möjliga utfall. Ingen av dessa simuleringar söker dock systematiskt igenom hela kombinationsrymden för en portfölj.

I komplexa portföljer med n projekt finns det 2ⁿ kombinationer. Med 20 projekt blir det över en miljon alternativ. Simuleringar utvärderar antaganden - de identifierar inte det globala optimumet.

Simulering kontra optimering

Kriterium	Simulering (Monte Carlo)	Optimering
Målsättning	Representera sannolikheter	Maximera/minimera målfunktionen
Logik	Generering av slumpmässiga vägar	Systematisk sökning i beslutsutrymmet
Utfall	Fördelning av möjliga utfall	Matematiskt optimerad portfölj
Beslut	Tolkning av ledningen	Direkt härledning från målfunktionen

Varför varians inte är en risk

Hög varians kan innebära stora möjligheter. Låg varians kan vara systematiskt suboptimal. Risk uppstår inte på grund av varians, utan på grund av att man missar målet i förhållande till portföljens strategiska funktion.

En portfölj med låg varians kan ändå ligga betydligt under sitt möjliga optimum. Detta är inte ett statistiskt problem - utan ett strukturellt.

Dimensionen styrning

Simulering flyttar tillbaka ansvaret till styrelsen. Resultaten måste tolkas. Diskussion ersätter beräkning. Åsikter ersätter matematiska urval.

Vid optimering, å andra sidan, definieras en målfunktion på förhand och den kombination som genererar det högsta värdet under budget-, risk- och resursbegränsningar identifieras.

Detta är inte ett scenario. Det är en egenskap hos data.

Slutsats

De som simulerar förstår osäkerhet.
De som optimerar fattar beslut.

Riskhantering utan optimering är fortfarande rimligt lokalt - men potentiellt suboptimalt globalt.

FRÅGOR OCH SVAR

Är Monte Carlo värdelöst?
Nej, simulering är värdefullt för att analysera känslighet. Den ersätter dock inte optimeringslogiken.

Kan man kombinera simulering och optimering?
Ja, simulering kan modellera osäkerheter, och optimering väljer den bästa kombinationen av dessa osäkerheter.

Varför räcker det inte med scenarioplanering?
Scenarier jämför enskilda alternativ. De söker inte systematiskt igenom hela beslutsutrymmet.

Vad är den avgörande skillnaden?
Simulering beskriver möjligheter. Optimering beräknar det optimala.