利益:
- 明確な前提に基づいて基本/楽観的/悲観的シナリオを確立し、人工知能を使用して透明で手動で検証可能なスプレッドシートを作成する能力
- 感度およびストレス テストのロジック (仮定を変更すると結果がどの程度変化するか) を適用し、重要な仮定を特定する能力
- シナリオは予測ではなく、条件付きの「if-then」の実行であり、仮定の所有権と最終的な判断は経済学者に属していることを主張できること。
未来は不確実であり、経済学者の仕事は、この不確実性を正確な予測で隠すことではなく、秩序ある選択肢の中でそれを可視化することです。シナリオ モデリングはまさにこれです。「為替レートがこのレベルになれば、成長がこのようになり、金利がこのようになると、結果はどうなるでしょうか?」予算の予測、債務の持続可能性の分析、投資の実現可能性など、すべてがシナリオを通じて検討されます。ここでは人工知能が強力なアクセラレータとして機能します。人工知能は仮定をスプレッドシートに変換し、数分で 3 ～ 5 つのシナリオを生成します。しかし、最も重要な文はこれです。「シナリオは予測ではありません。」これは、明示的な仮定に基づいた条件付きの「if-then」の演習であり、仮定の所有権は経済学者にあります。人工知能が計算を行います。どの仮定が合理的であるかを判断するのは人間です。
スクリプトの構造
しっかりとした脚本の一部:
- 基本（ベース）シナリオ。最も可能性の高い仮定は次のとおりです。 「予想される」経路。
- 楽観的なシナリオと悲観的なシナリオ。ベースの周りには適度な上下のトレイルがあります。これらは恣意的ではなく正当化されるべきです。
- 明確な仮定。各シナリオの根拠となる数字（成長、インフレ、為替、金利）が一つずつ書かれています。暗黙の想定は、維持不可能なシナリオです。
- 透明性のあるアカウント。入力から出力までの数式は表示され、手動で検証できる必要があります。ブラックボックスシナリオは機能しません。
- 結論とコメント。シナリオ間の違いは何を示していますか?どのリスクがどの程度の大きさのものでしょうか?
ヒント: 楽観的/悲観的なシナリオを「予測範囲」として提示しないでください。これらは確率ではなく、「為替レートが 30% 上昇すると、債務負担は増加する」という条件付きの結果です。読者が条件を理解できるように、文は常に「if」で始める必要があります。
感度分析: どの仮定が決定的ですか?
シナリオの結果は多数の仮定に依存しますが、すべてが同じ重要であるわけではありません。感度分析は、1 つの仮定 (ceteris paribus) を変更したときに結果がどの程度変化するかを測定します。結果が仮定に非常に敏感である場合 (小さな変更が結果に大きな違いをもたらす)、その仮定は重要であり、最も注意を払い、検証し、コミュニケーションする価値があります。
ストレステストはこれの延長であり、中程度ではあるが厳しい負のショック（金利の急騰、輸出市場の崩壊など）下でシステム/予算/債務がどのように動作するかをテストします。目標は最悪の事態を予測することではなく、限界点を予測することです。
注意：AIに「悲観的なシナリオを立てて」と指示すると、任意の数値を与える可能性があります。悲観的なシナリオは「空から降ってきた」のではなく、正当な仮定です。「2018年の為替レートショックと同様の動き」など、歴史的または論理的な根拠がなければなりません。あなたはその仮定を正当化します。
段階的なシナリオの検討
- 質問と結果を定義します。私たちは何を投影するのでしょうか？ (債務/GDP、財政収支、キャッシュフロー)
- ドライバー変数を設定します。少数の主要なインプット（成長、インフレ、金利、為替レート）が結果を決定します。
- 基本的な仮定を立てて、それを正当化します。各数値の出典と論理が書かれています。
- スクリプトを作成します。根拠を持って楽観主義者と悲観主義者の仮定を移動させます。
- 透明性のあるアカウントを設定します。 AI に数式を目に見える表/コードとして出力させます。
- 走行感度。主要な仮定をそれぞれ個別に検討し、応答を測定します。
- コメントとフィルター。どの仮定が重要ですか?結果は妥当なものですか?最終的な判断は経済学者が行う。
ミニケース3個
ケース 1 — 債務の持続可能性。財務アナリストは５年間の公的債務／国内総生産（ＧＤＰ）比率を予想した。彼は AI に 3 つのシナリオを作成させました: 基本 (成長率 4%、金利 X%)、楽観的、悲観的。感度分析によると、結果は実質金利成長ギャップ (r-g) に最も敏感であることがわかりました。成長が金利を下回った場合、負債比率は急速に上昇しました。アナリストはレポートの中でこの 1 つの重要な前提を強調しました。彼はそれを検証することにエネルギーを集中しました。
ケース 2 — 恣意的に悲観的なシナリオを修正する。ある機関では、AI が「悲観的なシナリオ: 成長率 -10%」を示しましたが、それには根拠がありませんでした。この経済学者は、これはこの国の歴史の中で最も深刻な危機よりもさらに厳しいものであり、不当であると反対した。過去２回の景気後退の平均深刻度に基づき、悲観的なシナリオはマイナス３％に引き下げられた。シナリオは擁護可能になりました。
ケース 3 — 透明なアカウントが保存されました。予算を見積もると、結果は奇妙に見えました。計算は透明であったため、アナリストは表を見て間違いを発見しました。人工知能はインフレを収入側に適用していましたが、支出側に適用するのを忘れていました。ブラック ボックス モデルでは、このエラーは隠されたままになります。目に見える数式がそれを明らかにしました。
シナリオ設計表
アイテム
良い習慣
悪い習慣
仮定
明確、論理的、情報源に基づいた
秘密の、恣意的な
シナリオ範囲
歴史的/論理的ベース
ランダムな「高低」
アカウント
透明性があり、手動で検証可能
ブラックボックス
プレゼンテーション
「if-then」、条件付き
確かに推測通り
感度
重要な仮定がマークされています
すべての仮定は等しいとみなされる
コピー可能な 4 つのテンプレート
1) シナリオの骨子:
その出力を取得します [例:債務/GDP] 5年間を予測してみます。推進変数: 成長、インフレ、金利、為替レート。基本/楽観的/悲観的な明確な仮定表を提案してください。それぞれの仮定の横に根拠を書きます。まだ計算はしないでください。まず前提を確認させてください。
2) 透明なスプレッドシート/コード:
私が承認する仮定を使用して予測を計算します。数式を表示したままにしておきます (各行がどのように計算されたかが明らかです)。 1 年を例として計算を段階的に示し、手動で検証できるようにします。ブラックボックスを使用しないでください。
3) 感度分析:
基本シナリオにおいて、各主要な仮定を 1 つずつ±X% 調整し (その他は一定)、結果がどの程度変化するかを表にします。結果に最も影響を与える 2 つの仮定を「重要」としてマークします。これらの重要な前提条件の検証を提案します。
4) ストレステスト:
この合理的だが厳しいショックを与えてください: [例: +X ポイントの金利急上昇、輸出 Y% 減少]。このショック下で生産量がどのように変化するか、重要な閾値（債務/GDP などの持続不可能な限界）を超えているかどうかを示します。これは条件付きストレス シナリオであり、予測ではないことを明確にしてください。
弱いプロンプト / 強いプロンプト
弱いプロンプト:
楽観的な経済シナリオと悲観的な経済シナリオを書いてください。
人工知能は、不当で出典のないブラックボックスのシナリオを生み出します。仮定を確認したり検証したりすることはできません。
強力なプロンプト:
2025年から2029年の公的債務/GDP比率を予測してみます。基本ケース: 成長率 4%、インフレ率 25%、平均金利 X%、基礎的財政収支 Y% (ソースを追加しました)。楽観主義者/悲観主義者の場合は、REASON を使用して仮定を立てます (悲観主義者の場合は、過去 2 回の不況の深刻さを参照してください)。計算を透明なテーブルとして設定し、手動で検証する年を表示してから、r-g 感度を実行します。シナリオは予測ではなく条件付きであることを本文中に明記してください。
よくある間違い
- 仮定を隠す。目に見えない仮定は支持できません。
- 恣意的に楽観的/悲観的。不当な極端な数値は信頼を破壊します。
- シナリオを予測として提示します。 「もし」という思考条件が消えます。
- ブラックボックスアカウント。エラーが隠蔽され、検証が不可能になります。
- 感度飛び。重要な前提を知らずにリスク管理を誤る。
- 所有権を人工知能に譲渡することを前提としています。判断力は人間に属します。
要約すると
シナリオ モデリングは、明確で正当な仮定を通じて、不確実性を条件付きの結論に変換する技術です。基本/楽観的/悲観的シナリオは堅牢でなければならず、計算は透過的で手動で検証可能でなければなりません。感度分析により、重要な仮定が明らかになるはずです。人工知能は計算と選択肢を高速化しますが、仮定の正当性、合理性、および最終的な判断は経済学者に委ねられています。シナリオは予測ではなく、「if-then」の演習です。
アプリケーションタスク
ビジネスの予測 (予算、キャッシュ フロー、負債比率) を選択します。 1 番目のテンプレートで正当化された仮定テーブルを作成し、2 番目のテンプレートで透過的な計算を、3 番目のテンプレートで感度分析を作成します。結果に最も影響を与える重要な前提を特定し、元の情報源から検証します。 AIが提案した極端なシナリオの正当性を確認し、必要に応じて修正します。
チェックリスト
- [ ] 私は各シナリオの前提条件を明確かつ正当な理由を持って書きました。
- [ ] 私は楽観主義者/悲観主義者を歴史的または論理的根拠に基づいて分類します。
- [ ] アカウントの透明性を保ち、少なくとも 1 つの期間は手動で確認しました。
- [ ] 私は感度分析を通じて重要な仮定を特定しました。
- [ ] 私は元の情報源からの重要な仮定を確認しました。
- [ ] 私はシナリオを予測ではなく、条件付きの「if-then」として提示しました。
- [ ] 私は推定所有権と最終判決を保持します。