决策者：大多数战略决策都是在没有看到完整决策空间的情况下做出的
资本分配很少因为缺乏分析而失败。
如果有 20 个项目，就会有超过 100 万种可能的投资组合。
执行委员会审查项目。委员会确定措施的优先次序。
但几乎没有一个组织会在实际约束条件下计算数学上的最优组合。
全局最优仍然是隐形的。
如果不计算完整的决策空间，复杂性就会被管理而非优化。
在下文中，我们将分析组织如何对其投资组合进行正式建模，并在实际约束条件下事先确定全局最优{{ ： }}
Starting point：
这种新计算方法的决定性区别在于应用时间： ，而是在实际决策之前，根据公司完整的投资和项目清单进行计算。
通常情况下，会有一份潜在的 CAPEX 项目清单，如工厂现代化、工厂升级、新建厂房等。例如，工厂现代化、信息技术改造、产品开发、 基础设施措施或效率计划。同时，还有一些固定的限制，如有限的总预算、有限的工程能力、 生产窗口、风险预算和战略框架条件。
这就是真正的决策问题：并非所有项目都能实现。因此，问题不在于 哪些项目单独看来是合理的，而在于在给定的限制条件下，这些项目的哪种组合构成了全局最优的整体组合。
因此，新的计算方法并不孤立地评估单个项目，而是从这些项目中计算出最优的组合、而是从完整的项目清单 中计算出最佳项目组合，同时考虑到所有预算、能力、风险和战略限制。其结果是，在作出实际投资决策之前，从数学上合理地 选择那些能够共同产生最大总体价值贡献的项目。
这将 CAPEX 规划从一个连续的选择过程转变为一个持续的组合优化过程、 其中充分考虑了机会成本、限制瓶颈和组合效应。
为什么大多数投资组合在结构上都是次优的 - 90 秒内
- 投资组合决策根据逻辑 2^N生成组合决策空间。
- 从大约 20 个项目开始，几乎不可能进行完整的人工评估。
- 经验主义（如 "NPV 前 5 名"、"IRR > WACC"、"Payback < 3 年"）造成系统性扭曲。
- 组织将局部最优与整个决策空间中的最佳解决方案相混淆。
- 机会成本因此在结构上仍然不可见。
- 算法优化计算实际约束条件（预算、能力、风险、环境、社会和治理等）下的最佳项目组合。
结论{{ ： }}
那些不计算完整求解空间的人默认了次优资本分配。
博客主要文章 :
商业和金融领域理性决策的复杂性
科学概述
1. 导言
理性决策一直被视为经济理论中的规范性理想。 据此，公司和投资者应在信息完备的情况下，选择能使其利益最大化的方案、 使其利益最大化。然而，在现实的经济实践中，这一理想与实际的认知和决策之间存在着结构性的差异。 在这一理想与人类决策在认知、组织和数学方面的实际限制之间存在着结构性的矛盾。 这就是人类决策能力在认知、组织和数学方面的局限性。
本文从经济学、认知科学和数学的角度揭示了理性决策的复杂性、 本文从经济学、认知科学和数学的角度揭示了理性决策的复杂性，并说明了为什么即使是高度专 专业人员也会系统性地偏离理性最优决策的原因。
2. 经典理性模型
新古典经济学以经济人模型为基础。如果决策满足以下条件 如果决策符合以下条件，则被认为是理性的：
- 完全了解所有可能的行动方案
- 完全了解所有后果
- 稳定的偏好
- 一致的效用最大化
根据这些假设，决策在形式上是可解的。但在现实中，这些假设 几乎不可能实现。早期的研究已经表明，在复 复杂决策情境中的理性不仅在实践中是有限的，在结构上也是有限的。
3. 作为结构性原则的有限理性
有界理性的概念是由西蒙提出的。西蒙认为，个人不是在优化，而是在满足--他们 选择一个足够好的解决方案，而不是可能的最佳方案。
造成有界理性的原因是多方面的：
- 认知能力限制
- 时间限制
- 信息成本
- 组织的复杂性
因此，有限理性不是个人的缺陷，而是复杂决策环境的系统特征。 有限理性是复杂决策环境的一个系统性特征。
4. 不确定性和风险下的决策
在商业和金融领域，决策很少是确定性的。相反，它们的特点是 不确定性、概率和预期。经典的预期效用理论 假设理性行为者最大化预期利益。
然而，实证研究结果表明，这一模式存在系统性偏差。前景理论证明，人们
- 对损失的权衡大于对收益的权衡
- 不是线性处理概率
- 根据背景做出决定（框架效应）
因此，理性不是不变的，而是对表象、参照点和感知敏感的。 感知
5. 经济中的指数决策空间
理性决策的一个核心问题往往被低估，那就是真实决策情境的组合学。 实际决策情况的组合学。即使只有几个项目，几个选项，决策空间也会呈指数级增长。 决策空间呈指数增长。
例如
- 20 个投资项目
- 每个项目 3 个选项
→320≈ 34 亿个可能的投资组合
这种决策空间
- 无法完全搜索
- 无法直观把握
- 无法使用线性模型建模
从数学角度看，这些问题往往是 NP 难度很高的优化问题，在人类决策过程中没有有效的精确求解方法。 人类决策过程中没有有效的精确求解方法。
6. 组织理性与决策汇总
在公司中，决策很少是单独做出的。它们是由委员会做出的、 等级制度和谈判程序来进行。这导致了理性的进一步丧失：
- 政治扭曲
- 部门之间目标冲突
- 信息不对称
- 路径依赖
因此，组织往往在局部而非全局范围内进行优化。从系统的角度看，这是 合理，但却会导致整体结果次优。
7. 理性与优化
在实践中，一个关键的概念性区别经常被模糊： 理性决策并不等同于最优决策。
- 合理：在主观模型中保持一致
- 最优：在完整的决策空间内尽可能最佳
人们可以理性行事，但仍然会系统性地偏离最优决策，因为潜在的决策空间 基本决策空间没有得到充分考虑。
8. 技术影响
经济系统日益复杂，人类理性与机器理性之间的界限正在发生变化。 机器理性。当人类做出启发式决策时，算法系统能够 能：
- 明确模拟大型决策空间
- 评估数百万至数十亿种组合
- 计算约束条件下的全局最优值
从科学的角度来看，这并不能取代人类的责任，而是理性决策能力的延伸。 理性决策能力的延伸。
9. 结论
商业和金融领域理性决策的复杂性并非边缘现象，而是现代经济的核心结构性问题、 而是现代经济的一个核心结构性问题。
概括起来，可以说
- 经典理性模型是规范性的，而非描述性的
- 认知和组织限制系统性地导致偏差
- 人类无法控制指数决策空间
- 理性取决于情境，而非绝对
因此，科学所面临的挑战并不是让人们变得更加 "理性"、 而是将理性理解为一种有限的资源，并从结构上加以扩展。
| 维度 | 理论理想（古典经济学） | 经验现实 | 核心限制 | 科学分类 | 对经济学和金融学的影响 |
|---|---|---|---|---|---|
| 理性假设 | 完全理性的决策者（经济人） | 有限理性 | 认知和时间限制 | 规范性模型，而非描述性模型 | 与最优结果的偏差是系统性的 |
| 信息情况 | 关于选择和后果的完整信息 | 不完整、不确定、昂贵的信息 | 信息成本和缺乏透明度 | 信息经济 | 决策基于近似值 |
| 偏好 | 稳定、一致、传递性 | 依赖环境、不稳定 | 框架和参照效应 | 行为经济学 | 价值随表现形式而波动 |
| 效益评估 | 线性效用函数 | 收益和损失的不对称估值 | 损失规避 | 前景理论 | 根据情况过度谨慎或寻求风险 |
| 决策逻辑 | 优化 | 满足（足够好） | 搜索成本和复杂性 | 有限理性 | 次优但可行的解决方案 |
| 不确定性与风险 | 预期效用最大化 | 系统性扭曲 | 非线性概率认知 | 认知决策研究 | 机会与风险的误判 |
| 决策空间 | 可管理、线性 | 指数增长 | 组合爆炸 | 复杂性理论 | 人类无法完全掌握 |
| 变量示例 | 单一决策 | 多项目组合 | 3ⁿ / 2ⁿ 决策空间 | NP 难优化问题 | 直觉和 Excel 在结构上失效 |
| 数学可解性 | 完全可解 | 人类无法完全求解 | 计算时间和搜索空间 | 算法优化 | 正式模型的必要性 |
| 组织决策 | 统一目标 | 多目标系统与利益冲突 | 政治、权力、孤岛 | 组织理论 | 局部最优而非全局最优 |
| 决策汇总 | 理性一致 | 被过程扭曲 | 信息不对称 | 代理理论 | 总价值损失 |
| 理性与最优 | 等价交换 | 严格区分 | 不完全建模 | 决策理论 | 理性的错误决策是可能的 |
| 人类决策策略 | 分析性、全面性 | 启发式、选择性 | 处理能力有限 | 认知科学 | 快速，但非最佳 |
| 技术系统 | 没有必要 | 结构优于复杂性 | 可扩展性 | 运筹学/人工智能 | 理性决策能力的扩展 |
| 算法的作用 | 工具 | 优化实例 | 建模质量 | 数学优化 | 计算代替直觉 |
| 总体结论 | 作为理想的理性 | 作为有限资源的理性 | 结构超载 | 跨学科研究成果 | 结构扩展的必要性 |
常见问题 - 经济学和金融学中理性决策的复杂性
经济学中的 "理性决策 "是什么意思？
在古典经济学中，理性决策是指在完全信息条件下，一致选择预期收益最高的备选行动。 在经典经济学中，理性决策是指在完全信息条件下，一致选择预期收益最高的替代行动。 它是一种规范性的理想，而不是一种经验上现实的行为模式。
为什么经验丰富的管理者和投资者也无法做出最优决策？
因为现实生活中的决策环境具有信息有限、时间紧迫、不确定性和 指数决策空间。这些因素在结构上压倒了即使是高素质的 无论经验或智力如何。
理性决策和最优决策之间有什么区别？
理性决策在主观模型中具有内在一致性。 最优决策指的是在完整决策空间内的全局最佳结果。 决策空间。人们可以理性行事，但仍会系统性地做出次优决策。
什么叫 "有界理性"？
这个词可以追溯到赫伯特-A-西蒙（Herbert A. Simon）。他描述了这样一个事实，即人们并不进行优化、 优化，而是寻找足够好的解决方案（"满足"），因为他们的认知和时间资源是有限的。 资源是有限的。
不确定性在经济决策中扮演什么角色？
不确定性是经济决策的核心特征。概率、 预期和风险很少能精确地确定，因此预期效用理论在实践中达到了极限。 预期效用理论在实践中达到了极限。
前景理论说明了什么？
丹尼尔-卡尼曼（Daniel Kahneman）和阿莫斯-特沃斯基（Amos Tversky）的前景理论表明 与收益相比，人们更看重损失，对概率的处理不是线性的，而且决策在很大程度上取决于情境（框架）。 背景（框架）。
为什么公司的决策空间往往是指数级的？
只要同时考虑多个项目、备选方案、预算和约束条件、 可能的组合数量就会呈指数增长。即使只有几个项目，也会产生数十亿 潜在的决策备选方案。
为什么人们无法跟踪这样的决策空间呢？
指数决策空间既无法直观把握，也无法完全搜索。 从数学角度来看，这些问题往往是 NP 难度极大的优化问题，在结构上 结构上压倒人类的决策过程。
组织在理性缺失中扮演什么角色？
组织通过委员会、等级制度和谈判过程做出决策。这导致 扭曲、目标冲突、信息不对称和路径依赖，从而阻碍了全球优化。 这些因素阻碍了全局优化。
为什么公司往往只在本地而非全球范围内进行优化？
从单个部门的角度看，局部优化是合理的，但往往会导致 从整体系统的角度来看，局部优化往往会导致次优结果。这种现象是 复杂组织的典型问题。
有界理性是个人缺陷吗？
有界理性不是决策者个人的弱点，而是复杂决策环境的系统特征。 复杂决策环境的系统特征。它对个人、团队和组织 和组织都一样。
更好的数据能解决问题吗？
不能完全解决。虽然更多的数据能提高透明度，但往往也会增加决策空间。 决策空间。核心问题不是缺乏数据，而是决策结构的数学复杂性。 决策结构的数学复杂性。
算法系统扮演什么角色？
算法优化系统可以对大型决策空间进行明确建模，并对数百万至数十亿种组合进行评估。 算法优化系统可以对数百万至数十亿种组合进行评估。它们扩展了理性 决策能力，但不能取代规范责任。
算法优化是否意味着人类失去控制？
不。算法可在确定的目标系统和约束条件下提供最优或接近最优的解决方案。 目标系统和约束条件。目标的定义、评估和实施仍由人 人。
关键的科学发现是什么？
关键的发现是，在复杂的系统中，错误的决策并不是特例、 而是普遍现象。我们面临的挑战不是让人们变得更加理性，而是从结构上扩大理性、 而是从结构上扩大理性。
为什么这个话题与商业和金融特别相关？
金融决策会影响资本分配、风险、增长和稳定。 次优决策在这方面的影响特别大，会造成相当大的价值损失。 在这方面，次优决策的影响尤为巨大，会造成相当大的价值损失。
这在实践中意味着什么？
理性决策不应再被视为一种个人技能、 作为一种稀缺资源，必须通过适当的结构、模式和技术加以系统补充。 理性决策不应再被视为一种个人技能，而是一种稀缺资源，必须通过适当的结构、模式和技术加以系统地补充。