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 :
风险≠差异--为什么模拟不是决策？
执行摘要
在董事会和投资委员会会议上，蒙特卡罗常常被视为黄金标准。分布、置信区间和情景分析给人一种数学弹性的印象。但这是一种结构性误解：方差不是风险，模拟也不是决策。
方差衡量的是分散性。而风险描述的是无法实现既定目标的危险。这两个概念在数学上并不相同。任何模拟方差的人都还没有优化偏好函数，没有约束条件，也没有目标函数。他们只是评估了概率空间。
蒙特卡洛回答的问题是："可能会发生什么？
决策优化回答的问题是："在限制条件下，哪种方案能最大限度地实现目标？
模拟是一种评估工具。决策是一个优化问题。
结构性误解
蒙特卡罗模拟根据假定分布生成数千条随机路径。结果是可能结果的概率分布。然而，这些模拟都无法系统地搜索一个投资组合的完整组合空间。
在有 n 个项目的复杂投资组合中，有 2ⁿ 种组合。如果有 20 个项目，则有超过一百万个选项。模拟评估的是假设，而不是确定全局最优。
模拟与优化
| 标准 | 模拟（蒙特卡罗） | 优化 |
|---|---|---|
| 目标 | 表示概率 | 最大化/最小化目标函数 |
| 逻辑 | 随机路径生成 | 在决策空间进行系统搜索 |
| 结果 | 可能结果的分布 | 数学优化组合 |
| 决策 | 管理层解释 | 从目标函数直接推导 |
为什么差异不是风险
高方差意味着高机会。低方差可能是系统性次优。风险不是由方差造成的，而是由于相对于投资组合的战略功能而言未达到目标。
尽管如此，低方差的投资组合也可能大大低于其可能的最佳值。这不是统计问题，而是结构问题。
管理层面
模拟将责任转回董事会。必须对结果进行解释。讨论取代计算。意见取代数学选择。
另一方面，优化事先定义目标函数，并确定在预算、风险和资源限制下产生最高价值的组合。
这不是一种方案。它是数据的属性。
结论
模拟者了解不确定性。
优化者做出决策。
不进行优化的风险管理在局部仍是可行的，但在全局可能是次优的。
常见问题
蒙特卡罗是否毫无用处？
模拟对于分析敏感性很有价值。但是，它不能取代优化逻辑。
模拟和优化可以结合使用吗？
是的，模拟可以对不确定性进行建模，优化可以选择这些不确定性的最佳组合。
为什么仅有情景规划是不够的？
情景方案比较的是单个选项。它们不能系统地搜索整个决策空间。
关键区别是什么？
模拟描述各种可能性。优化计算最佳方案。