Gevinster:
- Evne til å etablere grunnleggende/optimistiske/pessimistiske scenarier med klare forutsetninger og produsere transparente, manuelt verifiserbare regneark med kunstig intelligens
- Evne til å anvende sensitivitets- og stresstestingslogikk (hvor mye utfallet endres når du endrer en antakelse) og identifisere kritiske forutsetninger
- Kunne hevde at scenariet ikke er en prediksjon, men en betinget 'hvis-da'-øvelse, og at eierskapet til forutsetningen og den endelige vurderingen tilhører økonomen.
Fremtiden er usikker, og økonomens jobb er ikke å dekke over denne usikkerheten med en presis prediksjon, men å synliggjøre den i ordnede alternativer. Scenariomodellering er akkurat dette: "Hvis valutakursen går til dette nivået, hvis veksten skjer slik, hvis renten går slik, hva blir resultatet?" En budsjettprognose, en gjeldsbærekraftsanalyse, en investeringsmulighet - alt er gjennomtenkte scenarier. Kunstig intelligens er en kraftig akselerator her: den oversetter antakelser til regneark, og genererer tre til fem scenarier på minutter. Men den mest kritiske setningen er denne: Scenariet er ikke en prediksjon; Det er en betinget «hvis-da»-øvelse basert på eksplisitte forutsetninger, og eierskapet til forutsetningene ligger hos økonomen. Kunstig intelligens gjør regnestykket; Det er opp til mennesket å avgjøre hvilken antagelse som er rimelig.
Manusets anatomi
Deler av et solid manus:
- Grunnleggende (grunn) scenario. Det mest sannsynlige settet med forutsetninger er; den "forventede" veien.
- Optimistiske og pessimistiske scenarier. Rimelige øvre og nedre stier rundt basen. Disse bør begrunnes, ikke vilkårlige.
- Klare forutsetninger. Tallene som hvert scenario er basert på (vekst, inflasjon, valutakurs, renter) er skrevet ett etter ett. Den implisitte antakelsen er det uholdbare scenariet.
- Gjennomsiktig konto. Formler fra input til output må være synlige og manuelt verifiserbare. Et svart boks-scenario vil ikke fungere.
- Konklusjon og kommentar. Hva viser forskjellen mellom scenariene? Hvilken risiko er av hvilken størrelse?
Tips: Ikke presenter optimistiske/pessimistiske scenarier som et "prognosebånd". Dette er ikke sannsynligheter, men betingede konsekvenser: «Hvis valutakursen øker med 30 %, vil gjeldsbyrden bli». Setningen skal alltid begynne med "hvis" slik at leseren ser tilstanden.
Sensitivitetsanalyse: hvilken antakelse er avgjørende?
Utfallet av et scenario avhenger av dusinvis av forutsetninger, men ikke alle er like viktige. Sensitivitetsanalyse måler hvor mye utfallet endres når du endrer en antakelse, ceteris paribus. Hvis resultatet er veldig følsomt for en antakelse (små endringer gjør en stor forskjell i utfallet), er denne antakelsen kritisk og fortjener mest oppmerksomhet, verifisering og kommunikasjon.
Stresstesting er en forlengelse av dette: tester hvordan systemet/budsjettet/gjelden oppfører seg under et moderat, men hardt negativt sjokk (f.eks. plutselig rentehopp, kollaps i eksportmarkedet). Målet er ikke å forutsi det verste, men å forutse bruddpunkter.
Forsiktig: Hvis du forteller AI å "lage et pessimistisk scenario", kan det gi deg et vilkårlig tall. Det pessimistiske scenariet er ikke et «fall fra himmelen», men en berettiget antakelse: det må ha et historisk eller logisk grunnlag, for eksempel «en bevegelse som ligner på 2018-kurssjokket». Du begrunner antagelsen.
Steg for steg scenariostudie
- Definer spørsmålet og resultatet. Hva prosjekterer vi? (gjeld/BNP, budsjettbalanse, kontantstrøm)
- Angi drivervariabler. Et lite antall hovedinnsatser (vekst, inflasjon, renter, valutakurs) bestemmer utfallet.
- Gjør grunnleggende antakelser og begrunn dem. Kilden og logikken til hvert tall er skrevet.
- Lag skriptene. Flytt antakelser for optimist/pessimist med begrunnelse.
- Sett opp en gjennomsiktig konto. Få AI til å skrive ut formlene som en synlig tabell/kode.
- Løpefølsomhet. Rist hver nøkkelantakelse separat og mål responsen.
- Kommenter og filtrer. Hvilken antakelse er kritisk? Er resultatene rimelige? Den endelige dommen er økonomens.
tre minisaker
Case 1 – Gjeldsbærekraft. En finansanalytiker anslått offentlig gjeld/BNP-forhold for 5 år. Han fikk AI til å lage tre scenarier: base (vekst 4%, rente X%), optimistisk, pessimistisk. Sensitivitetsanalyse viste at resultatet var mest følsomt for det reelle rentevekstgapet (r−g): dersom veksten falt under renten, klatret gjeldsgraden raskt. Analytikeren fremhevet denne eneste kritiske antagelsen i rapporten; han fokuserte energien sin på å bekrefte det.
Sak 2 – Korrigering av det vilkårlig pessimistiske scenariet. I en institusjon ga AI "pessimistisk scenario: vekst -10%", men det hadde ingen grunnlag. Økonomen protesterte: Dette var enda tøffere enn den dypeste krisen i landets historie og var uberettiget. Det pessimistiske scenariet ble nedgradert til -3 % basert på gjennomsnittlig alvorlighetsgrad av de siste to resesjonene. Scenarioet var nå forsvarlig.
Tilfelle 3 — Gjennomsiktig konto lagret. På en budsjettfremskrivning så resultatene merkelige ut. Fordi beregningen var gjennomsiktig, så analytikeren på tabellen og fant feilen: den kunstige intelligensen hadde brukt inflasjon på inntektssiden, men glemte å bruke den på utgiftssiden. I en svart boks-modell vil denne feilen forbli skjult; synlige formler avslørte det.
Scenario design bord
element
god praksis
dårlig praksis
Forutsetninger
Tydelig, begrunnet, hentet
hemmelig, vilkårlig
Scenarioområde
Historisk/logisk basert
Tilfeldig "høy/lav"
konto
Gjennomsiktig, manuelt kontrollerbar
svart boks
presentasjon
"hvis-da", betinget
sikkert som gjetning
Følsomhet
Kritisk antakelse markert
Alle forutsetninger anses like
Fire kopierbare maler
1) Scenarioskjelett:
Få den utgangen [f.eks. gjeld/BNP] Jeg vil anslå 5 år. Drivervariabler: vekst, inflasjon, renter, valutakurs. Foreslå meg en KLAR antakelsestabell for base/optimistisk/pessimistisk; Skriv en begrunnelse ved siden av hver antagelse. Ikke gjør regnestykket ennå; La meg bekrefte antakelsene først.
2) Gjennomsiktig regneark/kode:
Regn ut projeksjonen med de forutsetningene jeg godkjenner. Hold formlene SYNLIG (så det er åpenbart hvordan hver rad ble beregnet). Ta ett år som eksempel og vis beregningen trinn for trinn slik at jeg kan verifisere den manuelt. Ikke bruk en svart boks.
3) Sensitivitetsanalyse:
I basisscenarioet, juster hver hovedantakelse med ±X% én etter én (andre konstant) og lag en tabell over hvor mye resultatet endres. Merk de 2 forutsetningene som påvirker resultatet mest som "kritiske". Foreslå validering for disse kritiske forutsetningene.
4) Stresstest:
Gi dette rimelige, men harde sjokket: [f.eks. +X poeng plutselig økning i rente, Y% nedgang i eksport]. Vis hvordan produksjonen endres under dette sjokket, om den overskrider en kritisk terskel (f.eks. gjeld/BNP uholdbar grense). Gjør det klart at dette er et betinget stressscenario, ikke en prediksjon.
Svak forespørsel / Sterk forespørsel
Svak melding:
Skriv meg et optimistisk og pessimistisk økonomisk scenario.
Kunstig intelligens produserer uberettigede, ukildede, svarte boks-scenarier; Du kan ikke se eller bekrefte forutsetninger.
Kraftig ledetekst:
Jeg vil fremskrive forholdet mellom offentlig gjeld og BNP for 2025-2029. Grunnlag: vekst 4 %, inflasjon 25 %, gjennomsnittlig rente X %, primærbalanse Y % (jeg la til kildene mine). Spill antagelser med REASON for optimist/pessimist (for pessimist, referer til alvorlighetsgraden av de to siste resesjonene). Sett opp beregningen som en gjennomsiktig tabell, vis et år som skal verifiseres manuelt, og kjør deretter r−g-følsomheten. Oppgi i teksten at scenariene er betingede, ikke spådommer.
Vanlige feil
- Skjuler antagelser. Den usynlige antagelsen er uholdbar.
- Vilkårlig optimistisk/pessimistisk. Urettmessige ekstreme tall ødelegger tilliten.
- Presentere scenariet som en prediksjon. «Hvis»-tanketilstanden forsvinner.
- Black box-konto. Feilen er skjult, verifisering blir umulig.
- Hopp over følsomhet. Feilhåndtering av risiko uten å kjenne den kritiske forutsetningen.
- Forutsetningen er å avstå eierskap til kunstig intelligens. Dommen tilhører mennesket.
Oppsummert
Scenariomodellering er kunsten å omsette usikkerhet til betingede konklusjoner gjennom klare og begrunnede antakelser. Base/optimistiske/pessimistiske scenarier må være robuste, beregninger må være transparente og manuelt verifiserbare; Sensitivitetsanalyse bør avsløre den kritiske antagelsen. Kunstig intelligens setter fart på beregningen og alternativene, men begrunnelsen, rimeligheten og den endelige vurderingen av forutsetningene ligger hos økonomen. Scenariet er ikke en prediksjon, men en «hvis-da»-øvelse.
Søknadsoppgave
Velg en prognose for virksomheten din (budsjett, kontantstrøm, gjeldsgrad). Lag en begrunnet antagelsestabell med 1. mal, transparent beregning med 2. mal, og sensitivitetsanalyse med 3. mal. Identifiser den kritiske antagelsen som påvirker resultatet mest og verifiser den fra den opprinnelige kilden. Sjekk et ekstremt scenario foreslått av AI for begrunnelse og korriger det om nødvendig.
sjekkliste
- [ ] Jeg har skrevet forutsetningene for hvert scenario klart og med begrunnelse.
- [ ] Jeg setter optimisten/pessimisten på et historisk eller logisk grunnlag.
- [ ] Jeg holdt kontoen gjennomsiktig og manuelt bekreftet minst én periode.
- [ ] Jeg identifiserte den kritiske antagelsen gjennom sensitivitetsanalyse.
- [ ] Jeg bekreftet den kritiske antagelsen fra den opprinnelige kilden.
- [ ] Jeg presenterte scenariene som betinget "hvis-da" i stedet for spådommer.
- [ ] Jeg har beholdt antatt eierskap og endelig dom.