Gevinster:
- Evne til at etablere grundlæggende/optimistiske/pessimistiske scenarier med klare antagelser og producere transparente, manuelt verificerbare regneark med kunstig intelligens
- Evne til at anvende sensitivitets- og stresstestlogik (hvor meget resultatet ændres, når du ændrer en antagelse) og identificere kritiske antagelser
- Være i stand til at fastholde, at scenariet ikke er en forudsigelse, men en betinget 'hvis-så'-øvelse, og at ejerskabet til antagelsen og den endelige vurdering tilhører økonomen.
Fremtiden er usikker, og økonomens opgave er ikke at dække over denne usikkerhed med en præcis forudsigelse, men at synliggøre den i ordnede muligheder. Scenariemodellering er præcis dette: "Hvis valutakursen går til dette niveau, hvis væksten sker sådan her, hvis renten går sådan her, hvad bliver så resultatet?" En budgetfremskrivning, en gældsbæredygtighedsanalyse, en investeringsgennemførlighed – alt sammen gennemtænkte scenarier. Kunstig intelligens er en kraftfuld accelerator her: den omsætter antagelser til regneark og genererer tre til fem scenarier på få minutter. Men den mest kritiske sætning er denne: Scenariet er ikke en forudsigelse; Det er en betinget "hvis-så"-øvelse baseret på eksplicitte antagelser, og ejerskabet til antagelserne ligger hos økonomen. Kunstig intelligens gør beregningen; Det er op til mennesket at afgøre, hvilken antagelse der er rimelig.
Manuskriptets anatomi
Dele af et solidt manuskript:
- Grundlæggende (basis) scenarie. Det mest sandsynlige sæt af antagelser er; den "forventede" vej.
- Optimistiske og pessimistiske scenarier. Rimelige øvre og nedre stier omkring basen. Disse skal være begrundede, ikke vilkårlige.
- Klare antagelser. Tallene, som hvert scenarie er baseret på (vækst, inflation, valutakurs, renter) er skrevet et efter et. Den implicitte antagelse er det uholdbare scenarie.
- Gennemsigtig konto. Formler fra input til output skal være synlige og manuelt verificerbare. Et sort boks-scenarie virker ikke.
- Konklusion og kommentar. Hvad viser forskellen mellem scenarierne? Hvilken risiko er af hvilken størrelse?
Tip: Fremhæv ikke optimistiske/pessimistiske scenarier som et "prognosebånd". Det er ikke sandsynligheder, men betingede konsekvenser: "Hvis valutakursen stiger med 30%, bliver gældsbyrden." Sætningen skal altid begynde med "hvis", så læseren kan se tilstanden.
Følsomhedsanalyse: hvilken antagelse er afgørende?
Resultatet af et scenarie afhænger af snesevis af antagelser, men ikke alle er lige vigtige. Følsomhedsanalyse måler, hvor meget resultatet ændrer sig, når du ændrer en antagelse, ceteris paribus. Hvis resultatet er meget følsomt over for en antagelse (små ændringer gør en stor forskel i resultatet), er denne antagelse kritisk og fortjener mest opmærksomhed, verifikation og kommunikation.
Stresstest er en forlængelse af dette: test af, hvordan systemet/budgettet/gælden opfører sig under et moderat, men hårdt negativt chok (f.eks. pludseligt spring i renten, kollaps på eksportmarkedet). Målet er ikke at forudsige det værste, men at forudse bristepunkter.
Forsigtig: Hvis du fortæller AI'en om at "lave et pessimistisk scenario", kan det give dig et vilkårligt tal. Det pessimistiske scenarie er ikke et "fald fra himlen", men en berettiget antagelse: det skal have et historisk eller logisk grundlag, såsom "en bevægelse svarende til 2018-kurschokket". Du begrunder antagelsen.
Trin for trin scenariestudie
- Definer spørgsmålet og resultatet. Hvad projekterer vi? (gæld/BNP, budgetsaldo, pengestrøm)
- Indstil drivervariabler. Et lille antal hovedinputs (vækst, inflation, rente, valutakurs) bestemmer resultatet.
- Lav basale antagelser og begrund dem. Kilden og logikken for hvert tal er skrevet.
- Fremstil scripts. Flyt antagelser for optimist/pessimist med begrundelse.
- Opret en gennemsigtig konto. Få AI til at udskrive formlerne som en synlig tabel/kode.
- Løb følsomhed. Ryst hver nøgleantagelse separat og mål responsen.
- Kommenter og filtrer. Hvilken antagelse er kritisk? Er resultaterne rimelige? Den endelige dom er økonomens.
tre minisager
Case 1 — Gældsbæredygtighed. En finansanalytiker forudsagde den offentlige gæld/BNP-forhold i 5 år. Han fik AI til at skabe tre scenarier: basis (vækst 4%, rente X%), optimistisk, pessimistisk. Følsomhedsanalyse viste, at resultatet var mest følsomt over for realrente-vækstgabet (r−g): faldt væksten under renten, steg gældskvoten hurtigt. Analytikeren fremhævede denne enkelte kritiske antagelse i rapporten; han fokuserede sin energi på at validere det.
Sag 2 — Korrektion af det vilkårligt pessimistiske scenario. I en institution gav AI "pessimistisk scenarie: vækst -10%", men det havde intet grundlag. Økonomen protesterede: Dette var endnu hårdere end den dybeste krise i landets historie og var uberettiget. Det pessimistiske scenarie blev nedjusteret til -3% baseret på den gennemsnitlige sværhedsgrad af de seneste to recessioner. Scenariet var nu forsvarligt.
Case 3 — Gennemsigtig konto gemt. På en budgetfremskrivning så resultaterne mærkelige ud. Fordi beregningen var gennemsigtig, så analytikeren i tabellen og fandt fejlen: den kunstige intelligens havde anvendt inflation på indkomstsiden, men glemte at anvende den på udgiftssiden. I en sort boks-model ville denne fejl forblive skjult; synlige formler afslørede det.
Scenario design bord
vare
god praksis
dårlig praksis
Forudsætninger
Klar, begrundet, kilde
hemmelig, vilkårlig
Scenarieområde
Historisk/logisk baseret
Tilfældig "høj/lav"
konto
Gennemsigtig, manuelt verificerbar
sort boks
præsentation
"hvis-så", betinget
sikkert som gæt
Følsomhed
Kritisk antagelse markeret
Alle antagelser betragtes som lige
Fire kopierbare skabeloner
1) Scenarioskelet:
Få det output [f.eks. gæld/BNP] Jeg vil fremskrive 5 år. Drivervariable: vækst, inflation, rente, valutakurs. Foreslå mig en KLAR antagelsestabel for basis/optimistisk/pessimistisk; Skriv en begrundelse ud for hver antagelse. Gør ikke regnestykket endnu; Lad mig først bekræfte antagelserne.
2) Gennemsigtigt regneark/kode:
Beregn fremskrivningen med de antagelser, jeg godkender. Hold formlerne SYNLIG (så det er tydeligt, hvordan hver række blev beregnet). Tag et år som eksempel og vis beregningen trin for trin, så jeg kan verificere den manuelt. Brug ikke en sort boks.
3) Følsomhedsanalyse:
I basisscenariet skal du justere hver hovedantagelse med ±X% én efter én (andre konstant) og lave en tabel over, hvor meget resultatet ændrer sig. Marker de 2 antagelser, der påvirker resultatet mest som "kritiske". Foreslå validering af disse kritiske antagelser.
4) Stresstest:
Giv dette rimelige, men barske chok: [f.eks. +X point pludselig stigning i renten, Y% fald i eksport]. Vis, hvordan produktionen ændrer sig under dette chok, om den overskrider en kritisk tærskel (f.eks. uholdbar gæld/BNP-grænse). Gør det klart, at dette er et betinget stressscenarie, ikke en forudsigelse.
Svag prompt / Stærk prompt
Svag prompt:
Skriv mig et optimistisk og pessimistisk økonomisk scenario.
Kunstig intelligens producerer uberettigede, usourcede sorte boks-scenarier; Du kan ikke se eller verificere antagelser.
Kraftig prompt:
Jeg vil fremskrive den offentlige gæld/BNP-kvote for 2025-2029. Basiscase: vækst 4%, inflation 25%, gennemsnitlig rente X%, primær balance Y% (jeg tilføjede mine kilder). Spil antagelser med REASON for optimist/pessimist (for pessimist, referer til sværhedsgraden af de sidste to recessioner). Indstil beregningen som en gennemsigtig tabel, vis et år, der skal verificeres manuelt, og kør derefter r−g-følsomheden. Angiv i teksten, at scenarierne er betingede, ikke forudsigelser.
Almindelige fejl
- Skjuler antagelser. Den usete antagelse er uholdbar.
- Vilkårligt optimistisk/pessimistisk. Ubegrundede ekstreme tal ødelægger tilliden.
- At præsentere scenariet som en forudsigelse. "Hvis"-tanketilstanden forsvinder.
- Black box-konto. Fejlen er skjult, verifikation bliver umulig.
- Følsomhed springer over. Forkert risikostyring uden at kende den kritiske antagelse.
- Antagelsen er at afgive ejerskab til kunstig intelligens. Dommen tilhører mennesket.
Sammenfattende
Scenariemodellering er kunsten at omsætte usikkerhed til betingede konklusioner gennem klare og begrundede antagelser. Grundscenarier/optimistiske/pessimistiske scenarier skal være robuste, beregninger skal være gennemsigtige og manuelt verificerbare; Følsomhedsanalyse bør afsløre den kritiske antagelse. Kunstig intelligens fremskynder beregningen og mulighederne, men begrundelsen, rimeligheden og den endelige bedømmelse af antagelserne ligger hos økonomen. Scenariet er ikke en forudsigelse, men en "hvis-så"-øvelse.
Ansøgningsopgave
Vælg en fremskrivning for din virksomhed (budget, pengestrøm, gældsgrad). Lav en begrundet antagelsestabel med 1. skabelon, transparent beregning med 2. skabelon og følsomhedsanalyse med 3. skabelon. Identificer den kritiske antagelse, der har størst indflydelse på resultatet, og bekræft det fra den originale kilde. Tjek et ekstremt scenarie foreslået af AI for begrundelse og ret det om nødvendigt.
tjekliste
- [ ] Jeg har skrevet antagelserne for hvert scenarie klart og med begrundelse.
- [ ] Jeg sætter optimisten/pessimisten på et historisk eller logisk grundlag.
- [ ] Jeg holdt kontoen gennemsigtig og bekræftede manuelt mindst én periode.
- [ ] Jeg identificerede den kritiske antagelse gennem følsomhedsanalyse.
- [ ] Jeg bekræftede den kritiske antagelse fra den originale kilde.
- [ ] Jeg præsenterede scenarierne som betingede "hvis-så" snarere end forudsigelser.
- [ ] Jeg har bevaret det formodede ejerskab og endelige dom.