Har du någonsin lagt en budget som du varit villig att ta gift på?

Då är du troligtvis antingen
A: finanschefens ärkefiende, för att du tillskansar dig vansinniga marginaler som ligger outnyttjade
B: överdrivet nyfiken på vad som händer när vi dör
C: lite väl självsäker för ditt eget bästa

De flesta av oss vet att även en mycket bra budget sannolikt inte kommer att falla ut exakt som planerat. Att det inte är helt ovanligt med oförutsedda utvecklingar som kan ge stora avvikelser. Vi har lärt oss att leva med den osäkerheten, men det är sällan vi gör något åt att faktiskt ta kontroll över den. Att ens tala om sannolika lägsta och högsta värden annat än väldigt svepande är rätt ovanligt, än mindre att definiera deras konfidens. Så vad kan vi göra då?

Lösningen heter Monte Carlo-simulering

Genom att definiera de ingående variablernas sannolikhetsfördelning, kan man sedan slumpa fram tiotusen hypotetiska utfall för att se hur de fördelar sig. Det ger dig en korrekt och entydig bild över vilken sannolikhet som gäller för olika utfall för ditt case. Det finns flera tillgängliga verktyg för att göra Monte Carlo-simuleringar. Om du inte vill skaffa ny programvara kan du använda vårt excelmakro som länkas längst ner.

Riktigt intressant blir det när du kontinuerligt tillämpar Monte Carlo på din portfölj. Då kan du bestämma vilken risknivå du vill ligga på. Om du måste ha 90% hit rate behöver du lägga till större marginaler än om du nöjer dig med 50%. Du kan också följa upp enskilda case under implementation och uppdatera simuleringen med mer precis information allt eftersom den kommer fram. Rimligen bör din osäkerhet om utfallet minska, annars har du en tydlig signal om att du bör avbryta investeringen.

Börja med kalibreringsträning

Men säger du, vilka värden ska in i min simulering då? Det är ju ett rent godtycke, vilket ger resultat enligt: skräp in, skräp ut.

Lösningen på det heter kalibreringsträning, vilket går ut på att lära människor att korrekt uttrycka sin osäkerhet, vilket möjliggör användandet av mänskliga experter för att få fram användbara underlag som inte är färgade av vanliga bias. Om det låter bekant har du nog läst om det, kanske i Kahnemans bok Thinking fast and slow.

Låt oss sammanfatta:

  1. Acceptera att vi inte kan förutse ett exakt resultat
  2. Börja prata om sannolikhetsintervall
  3. Kalibrera er
  4. Kör en Monte Carlo-simulering i stället för att summera medelvärden
  5. Bestäm vilken risknivå ni anser acceptabel

Och helt plötsligt har du satt dig i kontroll över osäkerheten.

Vill du få hjälp med att göra Monte Carlo-simuleringar?

Anders hjälper våra kunder att uppskatta sannolikhet genom ett workshopformat där du tränas att korrekt uttrycka och hantera osäkerhet, både ur ett statistiskt och psykologiskt perspektiv. Deltagarna får insikter och kunskap om hur man kan skapa förutsättningar för att ta bättre beslut snabbare.

Slipp skaffa ny programvara - testa vårt Excelmakro

Det här är ett enkelt hemmabygge som möjliggör sannolikhetssimuleringar utan några större kunskaper i Excel. Det finns väldigt kraftfulla mjukvaror och metoder att tillgå om man är lite mer händig och har tid och resurser att sätta sig in i dem, tex @RISK och SIPmath som vi själva använder.

>> Instruktion

>> Arkatay Monte Carlo Simulator 0.78 Beta