परिदृश्य मोडेलिङ र संवेदनशीलता विश्लेषण

लाभ:

• स्पष्ट धारणाहरूका साथ आधारभूत/आशावादी/निराशावादी परिदृश्यहरू स्थापना गर्ने र कृत्रिम बुद्धिमत्ताको साथ पारदर्शी, म्यानुअल रूपमा प्रमाणित स्प्रिेडसिटहरू उत्पादन गर्ने क्षमता।
• संवेदनशीलता र तनाव परीक्षण तर्क लागू गर्ने क्षमता (तपाईले धारणा परिवर्तन गर्दा नतिजा कति परिवर्तन हुन्छ) र महत्वपूर्ण धारणाहरू पहिचान गर्नुहोस्।
• परिदृश्य एक भविष्यवाणी होइन तर सशर्त 'यदि-त्यसो' अभ्यास हो, र त्यो धारणा र अन्तिम निर्णयको स्वामित्व अर्थशास्त्रीको हो भन्ने कुरा कायम राख्न सक्षम हुनुहोस्।

भविष्य अनिश्चित छ, र अर्थशास्त्रीको काम यो अनिश्चिततालाई सटीक भविष्यवाणीले ढाक्नु होइन, तर यसलाई व्यवस्थित विकल्पहरूमा देखाउनु हो। परिदृश्य मोडलिङ ठ्याक्कै यो हो: "यदि विनिमय दर यस स्तरमा जान्छ, यदि वृद्धि यस प्रकार हुन्छ, यदि ब्याज दर यसरी जान्छ भने, परिणाम के हुनेछ?" एक बजेट प्रक्षेपण, एक ऋण स्थिरता विश्लेषण, एक लगानी सम्भाव्यता - सबै परिदृश्यहरु मार्फत विचार गरिन्छ। कृत्रिम बुद्धिमत्ता यहाँ एक शक्तिशाली गतिवर्धक हो: यसले अनुमानहरूलाई स्प्रेडसिटहरूमा अनुवाद गर्दछ, मिनेटमा तीन देखि पाँच परिदृश्यहरू उत्पन्न गर्दछ। तर सबैभन्दा महत्वपूर्ण वाक्य यो हो: परिदृश्य भविष्यवाणी होइन; यो स्पष्ट अनुमानहरूमा आधारित सशर्त "यदि-त्यसो" अभ्यास हो, र अनुमानहरूको स्वामित्व अर्थशास्त्रीसँग रहन्छ। कृत्रिम बुद्धिमत्ताले गणना गर्छ; कुन धारणा तर्कसंगत छ भनेर निर्णय गर्ने कुरा मानवमा निर्भर छ।

Anatomy of the script

ठोस पटकथाको अंश:

• Basic (base) scenario. अनुमानहरूको सबैभन्दा सम्भावित सेट हो; "अपेक्षित" मार्ग।
• आशावादी र निराशावादी परिदृश्यहरू। आधार वरिपरि उचित माथिल्लो र तल्लो ट्रेलहरू। यी स्वेच्छाचारी होइन न्यायसंगत हुनुपर्छ।
• Clear assumptions. संख्याहरू जसमा प्रत्येक परिदृश्य आधारित छ (वृद्धि, मुद्रास्फीति, विनिमय दर, ब्याज) एक एक गरेर लेखिएको छ। निहित धारणा भनेको असम्भव परिदृश्य हो।
• Transparent account. इनपुट देखि आउटपुट सम्म सूत्रहरू देखिने र म्यानुअल रूपमा प्रमाणित हुनुपर्दछ। ब्ल्याक बक्स परिदृश्यले काम गर्दैन।
• Conclusion and comment. परिदृश्यहरू बीचको भिन्नता के देखाउँछ? कुन जोखिम कति परिमाणको छ?

सुझाव: "पूर्वानुमान ब्यान्ड" को रूपमा आशावादी/निराशावादी परिदृश्यहरू प्रस्तुत नगर्नुहोस्। यी सम्भाव्यताहरू होइनन्, तर सशर्त परिणामहरू: "यदि विनिमय दर 30% ले बढ्यो भने, ऋण बोझ हुनेछ।" वाक्य सधैं "यदि" बाट सुरु हुनुपर्छ ताकि पाठकले अवस्था देख्छ।

संवेदनशीलता विश्लेषण: कुन धारणा निर्णायक छ?

परिदृश्यको नतिजा दर्जनौं धारणाहरूमा निर्भर गर्दछ, तर ती सबै समान महत्त्वका छैनन्। संवेदनशीलता विश्लेषणले मापन गर्छ कि परिणाम कति परिवर्तन हुन्छ जब तपाइँ एक धारणा, ceteris paribus परिवर्तन गर्नुहुन्छ। यदि नतिजा एक धारणाको लागि धेरै संवेदनशील छ (सानो परिवर्तनले परिणाममा ठूलो फरक पार्छ), त्यो धारणा महत्वपूर्ण छ र सबैभन्दा बढी ध्यान, प्रमाणीकरण र सञ्चारको योग्य छ।

तनाव परीक्षण यसको विस्तार हो: प्रणाली/बजेट/ऋणले मध्यम तर कठोर नकारात्मक झटका (जस्तै ब्याजदरमा अचानक उछाल, निर्यात बजारमा पतन) अन्तर्गत कसरी व्यवहार गर्छ भन्ने परीक्षण। लक्ष्य सबैभन्दा खराब भविष्यवाणी गर्नु होइन, तर ब्रेकिंग बिन्दुहरू पूर्वानुमान गर्नु हो।

सावधानी: यदि तपाईंले AI लाई "निराशावादी परिदृश्य बनाउन" भन्नुभयो भने, यसले तपाईंलाई मनमानी नम्बर दिन सक्छ। निराशावादी परिदृश्य "आकाशबाट खसेको" होइन, तर एक उचित धारणा हो: यसको ऐतिहासिक वा तार्किक आधार हुनुपर्छ, जस्तै "२०१८ को विनिमय दर झटका जस्तै आन्दोलन"। तपाईंले अनुमानलाई औचित्य दिनुहुन्छ।

चरणबद्ध परिदृश्य अध्ययन

1. प्रश्न र परिणाम परिभाषित गर्नुहोस्। What do we project? (ऋण/जीडीपी, बजेट ब्यालेन्स, नगद प्रवाह)
2. Set driver variables. मुख्य इनपुटहरूको सानो संख्या (वृद्धि, मुद्रास्फीति, ब्याज, विनिमय दर) परिणाम निर्धारण गर्दछ।
3. आधार अनुमानहरू बनाउनुहोस् र तिनीहरूलाई औचित्य गर्नुहोस्। प्रत्येक संख्याको स्रोत र तर्क लेखिएको छ।
4. Produce the scripts. औचित्यको साथ आशावादी/निराशावादीका लागि अनुमानहरू सार्नुहोस्।
5. एक पारदर्शी खाता सेट अप गर्नुहोस्। एआईसँग दृश्य तालिका/कोडको रूपमा सूत्रहरू प्रिन्ट गर्नुहोस्।
6. Run sensitivity. प्रत्येक कुञ्जी धारणालाई अलग-अलग हल्लाउनुहोस् र प्रतिक्रिया नाप्नुहोस्।
7. Comment and filter. कुन धारणा महत्वपूर्ण छ? के परिणामहरू व्यावहारिक छन्? अन्तिम निर्णय अर्थशास्त्रीको हो।

तीन मिनी केसहरू

केस 1 - ऋण स्थिरता। A treasury analyst projected the public debt/GDP ratio for 5 years. उसले एआईसँग तीनवटा परिदृश्यहरू सिर्जना गरेको थियो: आधार (वृद्धि 4%, ब्याज दर X%), आशावादी, निराशावादी। संवेदनशीलता विश्लेषणले परिणाम वास्तविक ब्याज-वृद्धि अन्तर (r−g) को लागि सबैभन्दा संवेदनशील थियो: यदि वृद्धि ब्याज दर भन्दा तल झर्यो भने, ऋण अनुपात द्रुत रूपमा चढ्यो। विश्लेषकले रिपोर्टमा यो एकल महत्वपूर्ण धारणालाई हाइलाइट गरे; उसले यसलाई प्रमाणित गर्नमा आफ्नो ऊर्जा केन्द्रित गर्यो।

केस 2 - मनमानी निराशावादी परिदृश्य को सुधार। एउटा संस्थामा, AI ले "निराशावादी परिदृश्य: वृद्धि -10%" दियो तर यसको कुनै आधार थिएन। अर्थशास्त्रीले आपत्ति जनाए: यो देशको इतिहासको सबैभन्दा गहिरो संकट भन्दा पनि कठोर थियो र अनुचित थियो। विगतका दुई मन्दीको औसत गम्भीरताको आधारमा निराशावादी परिदृश्यलाई -3% मा डाउनग्रेड गरिएको थियो। परिदृश्य अब सुरक्षित थियो।

केस 3 - पारदर्शी खाता बचत गरियो। बजेट प्रक्षेपणमा, नतिजा अनौठो देखिन्थ्यो। किनभने गणना पारदर्शी थियो, विश्लेषकले तालिका हेरे र त्रुटि फेला पारे: कृत्रिम बुद्धिमत्ताले आय पक्षमा मुद्रास्फीति लागू गरेको थियो तर खर्च पक्षमा लागू गर्न बिर्सनुभयो। ब्ल्याक बक्स मोडेलमा, यो त्रुटि लुकेको रहनेछ; देखिने सूत्रहरूले यसलाई प्रकट गरे।

Scenario design table

वस्तु

राम्रो अभ्यास

bad practice

अनुमानहरू

Clear, reasoned, sourced

secret, arbitrary

Scenario range

ऐतिहासिक/तार्किक आधारमा

Random "high/low"

खाता

पारदर्शी, म्यानुअल रूपमा प्रमाणिकरण योग्य

black box

प्रस्तुति

"if-then", conditional

sure as guess

संवेदनशीलता

आलोचनात्मक धारणा चिन्ह लगाइयो

सबै अनुमानहरू समान मानिन्छ

चार प्रतिलिपि गर्न मिल्ने टेम्प्लेटहरू

1) Scenario skeleton:

Get that output [e.g. ऋण/जीडीपी] म ५ वर्षको परियोजना गर्नेछु। चालक चर: वृद्धि, मुद्रास्फीति, ब्याज, विनिमय दर। मलाई आधार/आशावादी/निराशावादीको लागि स्पष्ट धारणा तालिका सुझाव दिनुहोस्; प्रत्येक धारणाको छेउमा तर्क लेख्नुहोस्। Don't do the math yet; मलाई पहिले अनुमानहरू पुष्टि गर्न दिनुहोस्।

२) पारदर्शी स्प्रिेडसिट/कोड:

मैले अनुमोदन गरेको अनुमानको साथ प्रक्षेपण गणना गर्नुहोस्। सूत्रहरू VISIBLE राख्नुहोस् (त्यसैले यो स्पष्ट छ कि प्रत्येक पङ्क्ति कसरी गणना गरिएको थियो)। उदाहरणको रूपमा एक वर्ष लिनुहोस् र चरण-दर-चरण गणना देखाउनुहोस् ताकि म यसलाई म्यानुअल रूपमा प्रमाणित गर्न सकूँ। Don't use a black box.

3) Sensitivity analysis:

आधार परिदृश्यमा, प्रत्येक मुख्य धारणालाई ±X% एक एक गरेर समायोजन गर्नुहोस् (अन्य स्थिर) र परिणाम कति परिवर्तन हुन्छ भन्ने तालिका बनाउनुहोस्। नतिजालाई "महत्वपूर्ण" भनी प्रभाव पार्ने 2 अनुमानहरूलाई चिन्ह लगाउनुहोस्। यी महत्वपूर्ण धारणाहरूको लागि प्रमाणीकरण सुझाव दिनुहोस्।

4) Stress test:

यो उचित तर कठोर झटका दिनुहोस्: [जस्तै। +X बिन्दु अचानक ब्याज दर मा वृद्धि, Y% निर्यात मा कमी]। यो झटका अन्तर्गत आउटपुट कसरी परिवर्तन हुन्छ देखाउनुहोस्, चाहे यसले महत्वपूर्ण थ्रेसहोल्ड (जस्तै ऋण/जीडीपी अस्थाई सीमा) नाघ्यो। यो स्पष्ट गर्नुहोस् कि यो एक सशर्त तनाव परिदृश्य हो, भविष्यवाणी होइन।

कमजोर प्रम्प्ट / बलियो प्रम्प्ट

कमजोर प्रम्प्ट:

मलाई आशावादी र निराशावादी आर्थिक परिदृश्य लेख्नुहोस्।

कृत्रिम बुद्धिमत्ताले अनुचित, असुरक्षित, ब्ल्याक-बक्स परिदृश्यहरू उत्पादन गर्दछ; तपाईंले अनुमानहरू हेर्न वा प्रमाणित गर्न सक्नुहुन्न।

शक्तिशाली प्रम्प्ट:

म २०२५-२०२९ को लागि सार्वजनिक ऋण/जीडीपी अनुपात प्रक्षेपण गर्नेछु। आधार केस: वृद्धि 4%, मुद्रास्फीति 25%, औसत ब्याज दर X%, प्राथमिक ब्यालेन्स Y% (मैले मेरो स्रोतहरू थपें)। आशावादी/निराशावादीका लागि REASON सँग अनुमानहरू खेल्नुहोस् (निराशावादीका लागि, पछिल्लो दुई मन्दीको गम्भीरतालाई सन्दर्भ गर्नुहोस्)। गणनालाई पारदर्शी तालिकाको रूपमा सेटअप गर्नुहोस्, म्यानुअल रूपमा प्रमाणित गर्न एक वर्ष प्रदर्शन गर्नुहोस्, त्यसपछि r−g संवेदनशीलता चलाउनुहोस्। पाठमा उल्लेख गर्नुहोस् कि परिदृश्यहरू सशर्त छन्, भविष्यवाणी होइन।

सामान्य गल्तीहरू

• लुकाउने अनुमानहरू। नदेखेको अनुमान असम्भव छ।
• स्वेच्छाचारी आशावादी/निराशावादी। अनुचित चरम संख्याहरूले विश्वासलाई नष्ट गर्दछ।
• भविष्यवाणीको रूपमा परिदृश्य प्रस्तुत गर्दै। "यदि" विचार अवस्था गायब हुन्छ।
• Black box account. त्रुटि लुकेको छ, प्रमाणीकरण असम्भव हुन्छ।
• Sensitivity skipping. आलोचनात्मक धारणालाई थाहा नदिई जोखिमको गलत व्यवस्थापन।
• मान्यता कृत्रिम बुद्धिमत्तामा स्वामित्व हस्तान्तरण गर्नु हो। Judgment belongs to man.

संक्षेपमा

परिदृश्य मोडलिङ स्पष्ट र उचित मान्यताहरू मार्फत सशर्त निष्कर्षहरूमा अनिश्चितता अनुवाद गर्ने कला हो। आधार/आशावादी/निराशावादी परिदृश्यहरू बलियो हुनुपर्छ, गणनाहरू पारदर्शी र म्यानुअल रूपमा प्रमाणित हुनुपर्दछ; संवेदनशीलता विश्लेषणले महत्वपूर्ण धारणा प्रकट गर्नुपर्छ। कृत्रिम बुद्धिमत्ताले गणना र विकल्पहरूलाई गति दिन्छ, तर अनुमानहरूको औचित्य, तर्कसंगतता र अन्तिम निर्णय अर्थशास्त्रीमा रहन्छ। परिदृश्य एक भविष्यवाणी होइन, तर एक "यदि-त्यसो" व्यायाम हो।

आवेदन कार्य

तपाईंको व्यवसायको लागि प्रक्षेपण छनौट गर्नुहोस् (बजेट, नगद प्रवाह, ऋण अनुपात)। पहिलो टेम्प्लेटको साथ एक उचित अनुमान तालिका, दोस्रो टेम्प्लेटसँग पारदर्शी गणना, र तेस्रो टेम्प्लेटको साथ संवेदनशीलता विश्लेषण उत्पादन गर्नुहोस्। नतिजालाई सबैभन्दा बढी असर गर्ने महत्वपूर्ण धारणालाई पहिचान गर्नुहोस् र यसलाई मूल स्रोतबाट प्रमाणित गर्नुहोस्। औचित्यको लागि एआई द्वारा सुझाव गरिएको चरम परिदृश्य जाँच गर्नुहोस् र आवश्यक भएमा यसलाई सच्याउनुहोस्।

चेकलिस्ट

• [] मैले प्रत्येक परिदृश्यका अनुमानहरू स्पष्ट र औचित्यका साथ लेखेको छु।
• [] मैले आशावादी/निराशावादीलाई ऐतिहासिक वा तार्किक आधारमा राखेको छु।
• [ ] मैले खाता पारदर्शी राखें र कम्तिमा एक अवधि म्यानुअल रूपमा प्रमाणित गरें।
• [ ] मैले संवेदनशीलता विश्लेषण मार्फत महत्वपूर्ण धारणा पहिचान गरें।
• [] मैले मूल स्रोतबाट महत्वपूर्ण धारणा पुष्टि गरें।
• [ ] मैले परिदृष्यहरूलाई भविष्यवाणीको सट्टा सशर्त "यदि-त्यसो" को रूपमा प्रस्तुत गरें।
• [] मैले अनुमानित स्वामित्व र अन्तिम निर्णय कायम राखेको छु।