مدلسازی سناریو و تحلیل حساسیت

سود:

• توانایی ایجاد سناریوهای اساسی/خوشبینانه/بدبینانه با مفروضات روشن و تولید صفحات گسترده شفاف و قابل تایید دستی با هوش مصنوعی
• توانایی اعمال منطق حساسیت و تست استرس (تغییر نتیجه با تغییر یک فرض) و شناسایی مفروضات حیاتی
• بتوانید ادامه دهید که این سناریو یک پیش‌بینی نیست، بلکه یک تمرین مشروط «اگر-پس» است و مالکیت فرض و قضاوت نهایی متعلق به اقتصاددان است.

آینده نامشخص است و کار اقتصاددان پوشاندن این عدم قطعیت با یک پیش بینی دقیق نیست، بلکه این است که آن را در گزینه های منظم قابل مشاهده کند. مدل سازی سناریو دقیقاً به این صورت است: «اگر نرخ ارز به این سطح برود، اگر رشد این گونه باشد، اگر نرخ سود این گونه باشد، نتیجه چه می شود؟ پیش بینی بودجه، تجزیه و تحلیل پایداری بدهی، امکان سنجی سرمایه گذاری - همه از طریق سناریوها در نظر گرفته می شوند. هوش مصنوعی در اینجا شتاب دهنده قدرتمندی است: فرضیات را به صفحات گسترده تبدیل می کند و در عرض چند دقیقه سه تا پنج سناریو را ایجاد می کند. اما مهم ترین جمله این است: سناریو یک پیش بینی نیست. این یک تمرین مشروط «اگر-پس» است که بر اساس مفروضات صریح است و مالکیت مفروضات بر عهده اقتصاددان است. هوش مصنوعی محاسبات را انجام می دهد. این به خود انسان بستگی دارد که تصمیم بگیرد کدام فرض معقول است.

آناتومی فیلمنامه

بخش هایی از یک فیلمنامه محکم:

• سناریوی پایه (پایه). محتمل ترین مجموعه مفروضات عبارتند از؛ مسیر "مورد انتظار"
• سناریوهای خوش بینانه و بدبینانه. مسیرهای بالا و پایین معقول در اطراف پایه. اینها باید توجیه شوند نه خودسرانه.
• فرضیات روشن اعدادی که هر سناریو بر اساس آن است (رشد، تورم، نرخ ارز، بهره) یکی یکی نوشته می شود. فرض ضمنی، سناریوی غیرقابل دفاع است.
• حساب شفاف فرمول ها از ورودی تا خروجی باید قابل مشاهده و تأیید دستی باشند. سناریوی جعبه سیاه کار نخواهد کرد.
• نتیجه گیری و نظر. تفاوت بین سناریوها چیست؟ کدام ریسک در چه حدی است؟

نکته: سناریوهای خوش بینانه/بدبینانه را به عنوان یک "باند پیش بینی" معرفی نکنید. اینها احتمالات نیستند، بلکه پیامدهای مشروط هستند: "اگر نرخ ارز 30 درصد افزایش یابد، بار بدهی خواهد بود." جمله باید همیشه با «اگر» شروع شود تا خواننده شرط را ببیند.

تحلیل حساسیت: کدام فرض تعیین کننده است؟

نتیجه یک سناریو به ده ها فرض بستگی دارد، اما همه آنها از اهمیت یکسانی برخوردار نیستند. تجزیه و تحلیل حساسیت اندازه گیری می کند که با تغییر یک فرض، ceteris paribus، نتیجه چقدر تغییر می کند. اگر نتیجه به یک فرض بسیار حساس باشد (تغییر کوچک تفاوت بزرگی در نتیجه ایجاد می کند)، آن فرض حیاتی است و سزاوار بیشترین توجه، تأیید و ارتباط است.

تست استرس امتداد این است: آزمایش نحوه رفتار سیستم/بودجه/بده تحت یک شوک منفی متوسط ​​اما شدید (مانند جهش ناگهانی نرخ بهره، سقوط در بازار صادرات). هدف پیش بینی بدترین ها نیست، بلکه پیش بینی نقاط شکست است.

احتیاط: اگر به هوش مصنوعی بگویید «سناریوی بدبینانه بسازد»، ممکن است یک عدد دلخواه به شما بدهد. سناریوی بدبینانه «سقوط از آسمان» نیست، بلکه یک فرض موجه است: باید مبنایی تاریخی یا منطقی مانند «حرکتی مشابه شوک نرخ ارز ۲۰۱۸» داشته باشد. شما این فرض را توجیه می کنید.

مطالعه گام به گام سناریو

1. سوال و نتیجه را تعریف کنید. چه چیزی را فرافکنی می کنیم؟ (بدهی/تولید ناخالص داخلی، تراز بودجه، جریان نقدی)
2. تنظیم متغیرهای درایور تعداد کمی از ورودی های اصلی (رشد، تورم، بهره، نرخ ارز) نتیجه را تعیین می کنند.
3. فرضیات اساسی بسازید و آنها را توجیه کنید. منبع و منطق هر عدد نوشته شده است.
4. فیلمنامه ها را تولید کنید. پیش فرض ها را برای خوش بین/بدبین با توجیه حرکت دهید.
5. یک حساب شفاف راه اندازی کنید. از هوش مصنوعی بخواهید فرمول ها را به صورت جدول/کد قابل مشاهده چاپ کند.
6. حساسیت اجرا هر فرض کلیدی را جداگانه تکان دهید و پاسخ را اندازه بگیرید.
7. نظر دهید و فیلتر کنید. کدام فرض مهم است؟ آیا نتایج معقول است؟ قضاوت نهایی با اقتصاددان است.

سه کیف کوچک

مورد 1 - پایداری بدهی. یک تحلیلگر خزانه داری نسبت بدهی عمومی به تولید ناخالص داخلی را برای 5 سال پیش بینی کرد. او هوش مصنوعی سه سناریو ایجاد کرد: پایه (رشد 4٪، نرخ بهره X٪)، خوش بینانه، بدبینانه. تجزیه و تحلیل حساسیت نشان داد که نتیجه به شکاف واقعی بهره-رشد (r-g) حساس است: اگر رشد کمتر از نرخ بهره باشد، نسبت بدهی به سرعت بالا می‌رود. این تحلیلگر در گزارش بر این فرض انتقادی تاکید کرد. او انرژی خود را روی اعتبار بخشیدن به آن متمرکز کرد.

مورد 2 - تصحیح سناریوی بدبینانه خودسرانه. در یکی از مؤسسات، هوش مصنوعی «سناریوی بدبینانه: رشد -10 درصد» را ارائه کرد، اما هیچ مبنایی نداشت. این اقتصاددان اعتراض کرد: این حتی از عمیق‌ترین بحران تاریخ کشور هم سخت‌تر و غیرقابل توجیه بود. سناریوی بدبینانه بر اساس میانگین شدت دو رکود گذشته به -3 درصد کاهش یافت. این سناریو اکنون قابل دفاع بود.

مورد 3 - حساب شفاف ذخیره شده است. در پیش بینی بودجه، نتایج عجیب به نظر می رسید. از آنجایی که محاسبه شفاف بود، تحلیلگر جدول را تماشا کرد و این خطا را پیدا کرد: هوش مصنوعی تورم را در بخش درآمد اعمال کرده بود اما فراموش کرده بود آن را در سمت هزینه اعمال کند. در مدل جعبه سیاه، این خطا پنهان می ماند. فرمول های قابل مشاهده آن را آشکار کردند.

جدول طراحی سناریو

مورد

تمرین خوب

تمرین بد

مفروضات

واضح، مستدل، منبع

مخفی، دلخواه

محدوده سناریو

مبتنی بر تاریخی/منطقی

تصادفی "زیاد/پایین"

حساب کاربری

شفاف، قابل تایید دستی

جعبه سیاه

ارائه

«اگر-پس»، مشروط

حتما به عنوان حدس

حساسیت

فرض بحرانی مشخص شد

همه مفروضات برابر در نظر گرفته می شوند

چهار قالب قابل کپی

1) اسکلت سناریو:

دریافت آن خروجی [به عنوان مثال بدهی/GDP] من 5 سال پیش بینی خواهم کرد. متغیرهای محرک: رشد، تورم، بهره، نرخ ارز. یک جدول فرضی واضح برای مبنا/خوشبین/بدبینانه به من پیشنهاد دهید. در کنار هر فرض یک دلیل منطقی بنویسید. هنوز ریاضی را انجام ندهید. اجازه دهید ابتدا فرضیات را تأیید کنم.

2) صفحه گسترده / کد شفاف:

پیش بینی را با فرضیاتی که من تأیید می کنم محاسبه کنید. فرمول ها را قابل مشاهده نگه دارید (بنابراین واضح است که هر ردیف چگونه محاسبه شده است). یک سال را به عنوان مثال در نظر بگیرید و مرحله به مرحله محاسبه را نشان دهید تا بتوانم آن را به صورت دستی تأیید کنم. از جعبه سیاه استفاده نکنید

3) تجزیه و تحلیل حساسیت:

در سناریوی پایه، هر فرض اصلی را یک به یک ± X% تنظیم کنید (سایر موارد ثابت) و جدولی از میزان تغییر نتیجه تهیه کنید. 2 فرضی را که بیشترین تأثیر را بر نتیجه دارند به عنوان "بحرانی" علامت گذاری کنید. برای این مفروضات مهم اعتبار سنجی پیشنهاد کنید.

4) تست استرس:

به این شوک معقول اما خشن بدهید: [به عنوان مثال. + نقطه X افزایش ناگهانی نرخ بهره، Y% کاهش صادرات]. نشان دهید که چگونه تولید تحت این شوک تغییر می‌کند، خواه از یک آستانه بحرانی فراتر رود (مثلاً حد ناپایدار بدهی/GDP). روشن کنید که این یک سناریوی استرس مشروط است، نه یک پیش بینی.

اعلان ضعیف / اعلان قوی

اعلان ضعیف:

یک سناریوی اقتصادی خوش بینانه و بدبینانه برای من بنویسید.

هوش مصنوعی سناریوهای جعبه سیاه غیرقابل توجیه و بدون منبع تولید می کند. شما نمی توانید فرضیات را ببینید یا تأیید کنید.

اعلان قدرتمند:

من نسبت بدهی عمومی به تولید ناخالص داخلی را برای 2025-2029 پیش بینی خواهم کرد. مورد پایه: رشد 4٪، تورم 25٪، متوسط ​​نرخ بهره X٪، تعادل اولیه Y٪ (من منابع خود را اضافه کردم). فرضیات را با REASON برای خوشبین/بدبین بازی کنید (برای افراد بدبین، به شدت دو رکود اخیر اشاره کنید). محاسبه را به عنوان یک جدول شفاف تنظیم کنید، یک سال را نمایش دهید تا به صورت دستی تأیید شود، سپس حساسیت r-g را اجرا کنید. در متن بیان کنید که سناریوها مشروط هستند نه پیش بینی.

اشتباهات رایج

• پنهان کردن فرضیات فرض غیبی غیر قابل دفاع است.
• خودسرانه خوش بین/بدبین. اعداد افراطی ناموجه اعتماد را از بین می برد.
• ارائه سناریو به عنوان یک پیش بینی. شرایط فکری «اگر» ناپدید می شود.
• حساب جعبه سیاه خطا پنهان است، تأیید غیرممکن می شود.
• پرش حساسیت مدیریت نادرست ریسک بدون دانستن مفروضات بحرانی
• فرض این است که مالکیت را به هوش مصنوعی واگذار کنیم. قضاوت متعلق به انسان است.

به طور خلاصه

مدل‌سازی سناریو هنر تبدیل عدم قطعیت به نتیجه‌گیری مشروط از طریق مفروضات روشن و موجه است. سناریوهای پایه/خوشبینانه/بدبینانه باید قوی باشند، محاسبات باید شفاف و قابل تایید دستی باشند. تجزیه و تحلیل حساسیت باید فرض انتقادی را نشان دهد. هوش مصنوعی محاسبه و گزینه ها را سرعت می بخشد، اما توجیه، معقول بودن و قضاوت نهایی فرضیات بر عهده اقتصاددان است. این سناریو یک پیش‌بینی نیست، بلکه یک تمرین «اگر-پس» است.

وظیفه کاربردی

یک پیش بینی برای کسب و کار خود انتخاب کنید (بودجه، جریان نقدی، نسبت بدهی). یک جدول فرضی موجه با الگوی اول، محاسبه شفاف با الگوی دوم، و تحلیل حساسیت با الگوی سوم تولید کنید. فرضیه انتقادی را که بیشتر بر نتیجه تأثیر می گذارد، شناسایی کنید و آن را از منبع اصلی تأیید کنید. یک سناریوی افراطی پیشنهاد شده توسط هوش مصنوعی را برای توجیه بررسی کنید و در صورت لزوم آن را اصلاح کنید.

چک لیست

• [ ] من فرضیات هر سناریو را به وضوح و با توجیه نوشته ام.
• [ ] من فرد خوش بین/بدبین را بر مبنای تاریخی یا منطقی قرار می دهم.
• [ ] من حساب را شفاف نگه داشتم و حداقل یک دوره را به صورت دستی تأیید کردم.
• [ ] من فرض انتقادی را از طریق تحلیل حساسیت شناسایی کردم.
• [ ] من فرض انتقادی را از منبع اصلی تأیید کردم.
• [ ] من سناریوها را به‌عنوان «اگر-پس» مشروط به جای پیش‌بینی ارائه کردم.
• [ ] من مالکیت فرضی و قضاوت نهایی را حفظ کرده ام.