无需预测即可做出正确决策.PDFVIP

C O R P O R A T I O N 内容提要 政策制定者和决策者在面对难以预测的高度不确定未来时， 要在各种选择中做出正确抉择所需的不仅仅是基于预测的传 统决策分析。幸运的是，鲁棒决策分析法等全新方法可以借助 日益强大的计算机工具助其解决此类困境。鲁棒决策法基于 一个简单概念。其不是使用模型和数据来对未来做出最佳预 测，而是通过成百上千次运用模型来说明计划在未来各种可 能场景下的实施情况，并对模型运用生成的数据库进行可视 化和统计分析，以此帮助决策者区分计划实施优劣的各种情 况，以便决策者制定更加鲁棒的计划。本研究集萃讨论了鲁 棒决策法的工作原理，并通过以下两个应用实例来展示其裨 益：帮助水资源管理机构制定应对气候变化的自适应计划， 以及评估联邦恐怖主义保险能否为纳税人省钱。 研 究 集 萃 量 性分析对于正确的政策抉择而言往往不可或 缺。不过，在面对当今快速、变革甚至惊人的 变化形势下，决策者不时发现常用的量性分析 方法和工具会适得其反或将其引向歧途。 通常情况下，量性分析可以通过预测为决策者提供有 关未来的信息。举例而言，计算机模型可以预测水资源管 理机构的一项投资是否可以为其消费者带来可靠和经济的 水资源供应，或其他某个模型可以预测一项国会立法案是 否可以为纳税人省钱。但是，预测往往有误，因而依赖预 测的风险很高。决策者也知道预测经常不准，这可能会令 他们低估或忽视量性分析提供的重要信息。 幸运的是，新的信息技术和决策科学认知为通过量 性分析进行决策提供了全新的方法。本研究集萃将介绍 其中一种——鲁棒决策法（RDM），如何在不需要相信 及同意有关预测的情况下做出正确的决策，并展示鲁棒 决策法之影响力在各类政策领域日益增加的案例。 逆向分析 鲁棒决策法基于一个简单的概念。其不是使用计算机 模型和数据来做出最佳的预测，而是通过运用基于成百 上千套假设的模型来说明计划在未来各种可能情形下的 实施情况。研究人员随后会对这些模型生成的庞大数据 库进行可视化和统计分析，以此帮助决策者区分计划实 施优劣的各种情况。这样，决策者便可对鲁棒策略进行 识别和评估，并从中甄选出可以胜任多种未来情形的策 略，进而更好地管控意外情况。 传统上，决策者往往是在“先预测后行动”框架下 收到对于未来的量性分析信息，即先结合现有的依据对 未来做出最佳的预测，然后据此给出最好的行动方案。 无需预测即可做出正确决策 高度不确定性下的鲁棒决策规划 预测准确无疑时，这种方法非常奏效。倘若预测有误， 则会导致僵局或过于自信。僵局之下，决策者经常围绕预 测而非解决方案争辩不休，而过于自信者则会不顾预期 形势的变化选用不合时宜的解决方案。 鲁棒决策法采用的是“逆向分析”，从而避免了上述 问题。其第一步不是预测，而是拟定一个或多个计划（通 常是当前或预计最好的计划），并运用多个模型来识别对 计划成功实施最相关的未来状况。这就好比人们日常使 用谷歌等有哪些信誉好的足球投注网站引擎在数百万个网站中搜寻自己感兴趣的内 容一样，鲁棒决策法也会分析多个模型生成的数据，以 – 2 – 帮助决策者解决“计划实施成功与失败所处情形有哪些 主要特征？”、“采用哪些措施可以让计划胜任更多未来 情形？”等问题。 分析方法帮助重启决策者之间的对话 数十年的经验和研究明确指出，分析方法作为一种旨在 发现和交流量性信息中有意义的规律的研究方法，在与 用户需求密切结合时最为见效。鲁棒决策分析法主要用于 在高度不确定的情况下促进决策者之间的对话。这种高 度不确定性往往在决策各方对于未来事件的可能性及应 采取的最佳行动模型一无所知或存在分歧时产生。 在协助决策的过程中，鲁棒决策法遵循美国国家研 究委员会推荐的“讨论结合分析”方针。首先，所有决策 参与者聚在一起界定其目标和其他参数。随后，各参与者 与专家一道生成及解释相关决策信息，并基于这些信息重 新审视相关选择和目标。在此惯用的决策方法基础之上， 鲁棒决策法运用“逆向分析”的概念，即首先提议某项决 定，然后验证该提议是否适用于未来各种可能的情形。 如图 1 所示，鲁棒决策流程首先要做的是决策构 建，即决策者界定目标、不确定性因素及可能的选择（步 骤 1）。随后，研究人员通过运用计算机模型生成一个庞 大的数据库（步骤 2），库中包含了每个建议的政策在相 应情形下的实施效果。接下来，计算机会对该数据库进 行可视化和统计分析，帮助决策者找出政策存在漏洞的 多种情形（步骤 3）。决策者可通过这些情形找到弥补漏 洞的新方法（回到步骤 1），或可通过权衡分析来评估先 前给出的选择是否值得采用（步骤 4）。该流程会反复运 行直至决策者最终敲定一个鲁棒策略。 鲁棒决策法通过融合两种传统不确定性管理方法 “情景分析”和“概率风险分析”的精髓，开辟了一种促 进决策者之间对话的全新方式