מודל תרחישים וניתוח רגישות

רווחים:

• יכולת לבסס תרחישים בסיסיים/אופטימיים/פסימיים עם הנחות ברורות ולייצר גיליונות אלקטרוניים שקופים הניתנים לאימות ידנית עם בינה מלאכותית
• יכולת ליישם היגיון רגישות ומבחני מתח (עד כמה התוצאה משתנה כאשר אתה משנה הנחה) ולזהות הנחות קריטיות
• תוכל לטעון שהתרחיש אינו תחזית אלא תרגיל 'אם-אז' מותנה, וכי הבעלות על ההנחה והשיפוט הסופי שייכת לכלכלן.

העתיד אינו ברור, ותפקידו של הכלכלן אינו לכסות את אי הוודאות הזו בתחזית מדויקת, אלא להפוך אותה לגלויה באופציות מסודרות. מודל התרחישים הוא בדיוק זה: "אם שער החליפין יגיע לרמה הזו, אם הצמיחה יקרה ככה, אם הריבית תלך ככה, מה תהיה התוצאה?" תחזית תקציבית, ניתוח קיימות החוב, היתכנות השקעה - כולם חושבים על תרחישים. בינה מלאכותית היא מאיץ רב עוצמה כאן: היא מתרגמת הנחות לגליונות אלקטרוניים, ויוצרת שלושה עד חמישה תרחישים בדקות. אבל המשפט הקריטי ביותר הוא זה: התרחיש אינו חיזוי; זהו תרגיל "אם-אז" מותנה המבוסס על הנחות מפורשות, והבעלות על ההנחות מוטלת על הכלכלן. הבינה המלאכותית עושה את החישוב; בידי האדם להחליט איזו הנחה סבירה.

האנטומיה של התסריט

חלקים מתסריט מוצק:

• תרחיש בסיסי (בסיס). מערכת ההנחות הסבירה ביותר היא; המסלול ה"צפוי".
• תרחישים אופטימיים ופסימיים. שבילים עליונים ותחתונים סבירים סביב הבסיס. אלה צריכים להיות מוצדקים, לא שרירותיים.
• הנחות ברורות. המספרים שעליהם מתבסס כל תרחיש (צמיחה, אינפלציה, שער חליפין, ריבית) נכתבים בזה אחר זה. ההנחה הסמויה היא התרחיש הבלתי נסבל.
• חשבון שקוף. נוסחאות מקלט לפלט חייבות להיות גלויות וניתנות לאימות ידנית. תרחיש של קופסה שחורה לא יעבוד.
• מסקנה והערה. מה ההבדל בין התרחישים מראה? איזה סיכון הוא באיזה גודל?

טיפ: אל תציג תרחישים אופטימיים/פסימיים כ"רצועת תחזית". לא מדובר בהסתברויות, אלא בהשלכות מותנות: "אם שער החליפין יעלה ב-30%, נטל החוב יהיה". המשפט צריך להתחיל תמיד ב"אם" כדי שהקורא יראה את התנאי.

ניתוח רגישות: איזו הנחה היא הקובעת?

התוצאה של תרחיש תלויה בעשרות הנחות, אך לא לכולן יש חשיבות שווה. ניתוח רגישות מודד עד כמה התוצאה משתנה כאשר אתה משנה הנחה אחת, ceteris paribus. אם התוצאה מאוד רגישה להנחה (שינוי קטן עושה הבדל גדול בתוצאה), ההנחה הזו היא קריטית וראויה למירב תשומת הלב, האימות והתקשורת.

מבחני קיצון הם הרחבה של זה: בדיקה כיצד המערכת/התקציב/החוב מתנהגת תחת זעזוע שלילי מתון אך קשה (למשל זינוק פתאומי בריבית, קריסה בשוק היצוא). המטרה היא לא לחזות את הגרוע מכל, אלא לחזות נקודות שבירה.

זהירות: אם אתה אומר ל-AI "ליצור תרחיש פסימי", הוא עשוי לתת לך מספר שרירותי. התרחיש הפסימי אינו "נפילה מהשמיים", אלא הנחה מוצדקת: חייב להיות לו בסיס היסטורי או הגיוני, כמו "תנועה דומה לזעזוע שער החליפין ב-2018". אתה מצדיק את ההנחה.

מחקר תרחיש שלב אחר שלב

1. הגדירו את השאלה ואת התוצאה. מה אנחנו מקרינים? (חוב/תוצר, איזון תקציבי, תזרים מזומנים)
2. הגדר משתני דרייבר. מספר קטן של תשומות עיקריות (צמיחה, אינפלציה, ריבית, שער חליפין) קובעים את התוצאה.
3. הנח הנחות יסוד והצדק אותן. המקור וההיגיון של כל מספר כתובים.
4. הפק את התסריטים. הזז הנחות לאופטימיסט/פסימי עם הצדקה.
5. הגדר חשבון שקוף. בקש מה-AI להדפיס את הנוסחאות כטבלה/קוד גלוי.
6. רגישות לרוץ. נער כל הנחת מפתח בנפרד ומדוד את התגובה.
7. תגובה וסנן. איזו הנחה היא קריטית? האם התוצאות סבירות? השיפוט הסופי הוא של הכלכלן.

שלושה מיני תיקים

מקרה 1 - קיימות החוב. אנליסט משרד האוצר חזה את יחס החוב הציבורי/תוצר ל-5 שנים. הוא ביקש מה-AI ליצור שלושה תרחישים: בסיס (צמיחה 4%, ריבית X%), אופטימי, פסימי. ניתוח רגישות הראה כי התוצאה הייתה רגישה ביותר לפער הריבית-צמיחת הריבית (r−g): אם הצמיחה ירדה מתחת לריבית, יחס החוב טיפס במהירות. האנליסט הדגיש את ההנחה הקריטית היחידה הזו בדוח; הוא מיקד את האנרגיה שלו באימות זה.

מקרה 2 - תיקון התרחיש הפסימי השרירותי. במוסד אחד, AI נתן "תרחיש פסימי: צמיחה -10%" אבל לא היה לו בסיס. הכלכלן התנגד: זה היה אפילו קשה יותר מהמשבר העמוק ביותר בתולדות המדינה ולא היה מוצדק. התרחיש הפסימי ירד ל-3% על סמך החומרה הממוצעת של שני המיתונים האחרונים. התרחיש היה כעת בר הגנה.

מקרה 3 - חשבון שקוף נשמר. בתחזית תקציבית, התוצאות נראו מוזרות. מכיוון שהחישוב היה שקוף, האנליסט צפה בטבלה ומצא את השגיאה: הבינה המלאכותית החילה אינפלציה על צד ההכנסה אך שכחה להחיל אותה על צד ההוצאות. במודל קופסה שחורה, שגיאה זו תישאר מוסתרת; נוסחאות גלויות חשפו זאת.

שולחן עיצוב תרחיש

פריט

תרגול טוב

תרגול רע

הנחות

ברור, מנומק, מקורי

סודי, שרירותי

טווח תרחישים

מבוסס היסטורי/לוגי

אקראי "גבוה/נמוך"

חשבון

שקוף, ניתן לאימות ידני

קופסה שחורה

מצגת

"אם-אז", מותנה

בטוח כמו ניחוש

רגישות

הנחה קריטית מסומנת

כל ההנחות נחשבות שוות

ארבע תבניות הניתנות להעתקה

1) שלד התרחיש:

קבל את הפלט הזה [למשל. חוב/תוצר] אני אקרין 5 שנים. משתני מניע: צמיחה, אינפלציה, ריבית, שער חליפין. הצע לי טבלת הנחות ברורה לבסיס/אופטימי/פסימי; כתבו נימוק ליד כל הנחה. אל תעשה את החישוב עדיין; תן לי לאשר את ההנחות תחילה.

2) גיליון אלקטרוני/קוד שקוף:

חשב את התחזית עם ההנחות שאני מאשר. שמור את הנוסחאות VISIBLE (כך ברור כיצד כל שורה חושבה). קח שנה אחת כדוגמה והצג את החישוב שלב אחר שלב כדי שאוכל לאמת אותו ידנית. אל תשתמש בקופסה שחורה.

3) ניתוח רגישות:

בתרחיש הבסיס, התאם כל הנחה עיקרית ב-±X% אחד אחד (קבוע אחר) וערוך טבלה של כמה התוצאה משתנה. סמן את 2 ההנחות המשפיעות ביותר על התוצאה כ"קריטיות". הצע אימות להנחות קריטיות אלו.

4) מבחן מאמץ:

תן את ההלם הסביר אך הקשה הזה: [למשל. +X נקודות עלייה פתאומית בריבית, ירידה של Y% ביצוא]. הראה כיצד התפוקה משתנה תחת זעזוע זה, האם היא חורגת מסף קריטי (למשל, גבול לא בר-קיימא של חוב/תוצר). הבהירו כי מדובר בתרחיש מתח מותנה, לא בתחזית.

הנחיה חלשה / הנחיה חזקה

הנחיה חלשה:

כתבו לי תרחיש כלכלי אופטימי ופסימי.

בינה מלאכותית מייצרת תרחישים לא מוצדקים, ללא מקורות, של קופסה שחורה; אתה לא יכול לראות או לאמת הנחות.

הנחיה עוצמתית:

אני אחזה את יחס החוב הציבורי/תוצר לשנים 2025-2029. מקרה בסיס: צמיחה 4%, אינפלציה 25%, ריבית ממוצעת X%, יתרה ראשונית Y% (הוספתי את המקורות שלי). שחק הנחות עם REASON לאופטימיסט/פסימי (לפסימיסט, התייחס לחומרת שני המיתונים האחרונים). הגדר את החישוב כטבלה שקופה, הצג שנה לאימות ידנית, ואז הפעל את רגישות r−g. ציינו בטקסט שהתרחישים הם מותנים, לא תחזיות.

טעויות נפוצות

• הסתרת הנחות. ההנחה הבלתי נראית היא בלתי נסבלת.
• אופטימי/פסימי באופן שרירותי. מספרים קיצוניים לא מוצדקים הורסים אמון.
• הצגת התרחיש כתחזית. מצב המחשבה "אם" נעלם.
• חשבון קופסה שחורה. השגיאה מוסתרת, האימות הופך לבלתי אפשרי.
• דילוג על רגישות. ניהול שגוי של סיכון מבלי לדעת את ההנחה הקריטית.
• ההנחה היא לוותר על הבעלות לבינה מלאכותית. השיפוט שייך לאדם.

לסיכום

מודל תרחישים הוא אמנות התרגום של אי ודאות למסקנות מותנות באמצעות הנחות ברורות ומוצדקות. תרחישים בסיסיים/אופטימיים/פסימיים חייבים להיות חזקים, החישובים חייבים להיות שקופים וניתנים לאימות ידנית; ניתוח רגישות צריך לחשוף את ההנחה הקריטית. בינה מלאכותית מזרזת את החישוב והאפשרויות, אבל ההצדקה, הסבירות והשיפוט הסופי של ההנחות נתונות בידי הכלכלן. התרחיש אינו חיזוי, אלא תרגיל "אם-אז".

משימת יישום

בחר תחזית עבור העסק שלך (תקציב, תזרים מזומנים, יחס חוב). צור טבלת הנחות מוצדקת עם התבנית הראשונה, חישוב שקוף עם התבנית השנייה וניתוח רגישות עם התבנית השלישית. זהה את ההנחה הקריטית שהכי משפיעה על התוצאה ואמת אותה מהמקור המקורי. בדוק תרחיש קיצוני שהוצע על ידי ה-AI לצורך הצדקה ותקן אותו במידת הצורך.

רשימת בדיקה

• [ ] כתבתי את ההנחות של כל תרחיש בצורה ברורה ובהצדקה.
• [ ] אני שם את האופטימיסט/פסימי על בסיס היסטורי או לוגי.
• [ ] שמרתי על החשבון שקוף ואימתתי ידנית לפחות תקופה אחת.
• [ ] זיהיתי את ההנחה הקריטית באמצעות ניתוח רגישות.
• [ ] אישרתי את ההנחה הקריטית מהמקור המקורי.
• [ ] הצגתי את התרחישים כ"אם-אז" מותנה ולא תחזיות.
• [ ] שמרתי על בעלות חזקה ופסק דין סופי.