2014年04月06日

ビジネス定量分析 DAY5

2014.03.06(木)
本日は感度分析やディシジョンツリーのお話。
リスクをテーマにしています。

そもそもリスクは一般的なイメージとファイナンスでの捉え方では違う、という話があります。
一般的には危険性というニュアンスです。
ファイナンス的には不確実性のことをリスクと呼んでいます。

例えば、ビルの2F、4F、10Fから飛び降りることを想像して下さい。
リスクが高い順に並び替えるとするとどのように並べるでしょうか。

一般的には 2F < 4F < 10Fかと思います。
10Fから飛ぶ方が危険性が高い。(そう思わない場合はこんな話もあるんだと流して下さい)

ところがファイナンスでは4Fが一番リスクが高くなるため、2F < 10F < 4F となる。(2Fと10Fは人によります)
なぜ4Fが一番高いかというと助かるか死ぬかが最も不明確だからです。


さて、そんな雑談を交えつつ。笑
DAY5も冒頭から非常に興味深い例を示していただきました。

プロ野球選手の誕生月、学業成績と誕生月の相関性、景気とビジネススクール出願者数の関係、採用時の採用判断などなど。

誕生月は人口全体でみるとある程度分布が一定なんですけど、
そこにプロ野球選手という属性を付与すると ある月に分布が偏るんですね。

学業の成績についても同様です。
この話を聞いてしまうと自分の子供を生む時期とかも考えちゃいますよね。笑
もちろん運動神経がいい/学業成績が良いとされる月に生まれれば、皆が皆良いわけではないんですけどね。

また自分が人事採用担当として、採用にあたってどのような材料・方法を評価に用いるのか、
といったこもと過去のデータから照らし合わせると何が判断として優れているかもデータは物語っています。
これも大変面白い結果で、もし自分が会社を興すとしたら採用の判断基準の参考にしたいと思います。

データって本当に面白いなとつくづく感じました。


いよいよ本題。
先ずは感度分析とトルネードチャートについて。


感度分析(sensitivity analysis)

感度分析とは、分析したいアウトプットをいくつかの変数(パラメータ)に分解し、その変数が変動したとき、アウトプットにどの程度の影響を与えるかを調べる手法。将来が不確実な時代には、計画が予定からずれた場合にどのくらいの影響があるのかをあらかじめ見込んでおくことが重要となる。そのためのツールが感度分析である。
引用:http://gms.globis.co.jp/dic/00558.php

トルネード・チャート(tornado chart)

感度分析の対象となる変数を、それぞれ取りうる変動幅で動かしてみた際のアウトプットの範囲を横棒グラフで表し、変動幅の大きい順に要素を上から並べていく。変動幅は、一般に、上下それぞれ確率10%のレアケースを除く範囲(80%の確率で起こりうる範囲)とされている。これによって、アウトプットの変動幅の大小、上限・下限値と、アウトプットに影響を与える要素の順位を一覧的に示すことができる。
引用:http://gms.globis.co.jp/dic/00839.php


ちなみにトルネードチャートの10%のレアケースを除く、というのは根拠はあまりないそうです。
もしその10%の中にノックダウンファクター(一撃で経営にインパクトを与える因子)があれば当然考慮すべきです。
10%というのは人の感覚的に起こりにくいと感じられる割合だそうです。

こちらは実際にEXCELで作られた方がいいと思うので、こちらの動画を参照してみてください。
参考:YouTube【トルネードチャートの作り方】

トルネードチャートの注意点としては、考えるための変数に相関がある場合です。
つまり変数同士で連動してしまう。
なので変数はなるべく多くしすぎないこと、そして各変数を一つ一つ動かしてパターンを考えるのではなく、
楽観的、一般的、悲観的ぐらいの3パターンで場合分けをすること。

これは目的合理性に基づいてのお話。
多くの変数を一つ一つ動かしたパターンを全て誰かに説明することもなく、また求められていないので、
3パターンぐらいで変数を動かして用意するのが良さそうです。


もう一つの話はディシジョンツリー。


ディシジョン・ツリー(decision tree)

ディシジョン・ツリーとは、とりうる選択肢や起こりうるシナリオすべてを樹形図の形で洗い出し、それぞれの選択肢の期待値を比較検討した上で、実際にとるべき選択肢を決定する手法。起こりうるシナリオを可視化し、ツリー全体に不備がないことを確認した上で、最終的に各選択肢の期待値の計算を行い、意思決定を行う。
引用:http://gms.globis.co.jp/dic/00808.php


ディシジョンツリーについてはこちらのサイトがわかりやすいです。
参考:ITMediaエンタープライズ【ディシジョンツリー】

意思決定と不確定条件によって分岐を繰り返す多重決定問題モデルを示したもので、プロセスと予測される結果を示す(上記サイトより引用)

期待値の問題です。
遠足で「山にいくのか」「海にいくのか」
山なら「天気が良くて景色が素晴らしい(70%)」「天気が悪く景色が良くない(30%)」
海なら「天気が良くて泳げる(70%)」「天気が悪くて泳げない(30%)」
と分岐させ、それぞれに例えば満足度という数字をセットする。※ 括弧内は生じる確率

満足度100:天気が良くて景色が素晴らしい(70%)
満足度50 :天気が悪く景色が良くない(30%)
満足度120:天気が良くて泳げる(70%)
満足度20 :天気が悪くて泳げない(30%)

あとはこれらの数値から山に行く期待値と海に行く期待値を算出し、どちらがいいかを判断するというお話。
※ 上記例だと 山が85 海が100となり、海を選択するのが合理的

この話をよりビジネス的な話で説明・解説してくれるのがビジネス定量分析DAY5の後半。

このディシジョンツリーも汎用性があるなぁと個人的には感じました。
もちろん割合や結果の数値はある程度「えいや!」な部分はあると思いますが、結論は出しやすい。

今回も大変 勉強になりました^^


参考:グロービス経営大学院でのMBA取得への道【ビジネス定量分析 記事一覧】




良ければポチっと応援宜しくお願い致します^^
にほんブログ村 経営ブログ MBA・MBA取得へ

posted by ニーシェ at 17:23 | Comment(0) | TrackBack(0) | ビジネス定量分析 | このブログの読者になる | 更新情報をチェックする

2014年03月25日

ビジネス定量分析 DAY5 予習

2014.03.04(木)
ビジネス定量分析DAY5の予習アサインメントは、なんとケース2本立て。
ボリューミーです。

不確実性下での意思決定、ということで感度分析の手法を学びつつ、トルネードチャートを習得します。
さらにもう一つのケースではディシジョンツリーについて学んでいきます。


感度分析(sensitivity analysis)

感度分析とは、分析したいアウトプットをいくつかの変数(パラメータ)に分解し、その変数が変動したとき、アウトプットにどの程度の影響を与えるかを調べる手法。将来が不確実な時代には、計画が予定からずれた場合にどのくらいの影響があるのかをあらかじめ見込んでおくことが重要となる。そのためのツールが感度分析である。
引用:http://gms.globis.co.jp/dic/00558.php

トルネード・チャート(tornado chart)

感度分析の対象となる変数を、それぞれ取りうる変動幅で動かしてみた際のアウトプットの範囲を横棒グラフで表し、変動幅の大きい順に要素を上から並べていく。変動幅は、一般に、上下それぞれ確率10%のレアケースを除く範囲(80%の確率で起こりうる範囲)とされている。これによって、アウトプットの変動幅の大小、上限・下限値と、アウトプットに影響を与える要素の順位を一覧的に示すことができる。
引用:http://gms.globis.co.jp/dic/00839.php

ディシジョン・ツリー(decision tree)

ディシジョン・ツリーとは、とりうる選択肢や起こりうるシナリオすべてを樹形図の形で洗い出し、それぞれの選択肢の期待値を比較検討した上で、実際にとるべき選択肢を決定する手法。起こりうるシナリオを可視化し、ツリー全体に不備がないことを確認した上で、最終的に各選択肢の期待値の計算を行い、意思決定を行う。
引用:http://gms.globis.co.jp/dic/00808.php


感度分析のケースはとある研修会社をテーマに、外部環境の変化によって利益にどういった影響があるのかをみてきます。
様々な外部要因が存在するが どれも不確実性が高い。起きるかもしれないし起きないかもしれない。
そこでどんな要因が最も影響度があるのか、最悪のケースをどう想定し対策を講じればいいのかを考えるのが感度分析であり、感度分析の可視化の手法としてトルネードチャートがあります。

このケースも実世界でありえる話なので非常に勉強になります。


もう一つのケースはワイナリーのお話。
美味しいワインを作るためには天候や気温、さらには付着する菌などを見極めなければなりません。
ところが天候も気温も不確実性が高いもの。

雨が降れば良いブドウが育つけど雷雨だと全てのブドウが痛んでしまう。
そういった判断をどのように行えば良いかを判断するのがディシジョンツリー。

一先ず 課題は完了。

不確実性と思われる要素を抜き出し、感度分析によって±x%を想定して数字に落とし込んでいくだけなので、
そこまで難しくはないのかなというのが私の印象。
とか言って実際に授業を受けてみると全然駄目だったりするのですが。汗


参考:グロービス経営大学院でのMBA取得への道【ビジネス定量分析 記事一覧】

良ければポチっと応援宜しくお願い致します^^
にほんブログ村 経営ブログ MBA・MBA取得へ

posted by ニーシェ at 08:00 | Comment(0) | TrackBack(0) | ビジネス定量分析 | このブログの読者になる | 更新情報をチェックする

2014年03月19日

ビジネス定量分析 DAY6 課題

2014.03.19(水)
DAY5の振返りをまだ記事に出来てませんが、DAY6の課題を本日 半分対応したので投稿。

DAY6の課題はケースです。
某中食チェーン展開会社の店舗業績を、重回帰分析によって検証する課題。


重回帰分析(multiple regression)

重回帰分析とは、ある変数の動きが、別のいくつかの変数の動きによって左右されているとき、その関係を具体的な数式で表すとどういう式になるかを導き出すの分析。重回帰分析では、変数yの動きを、2つの以上の変数x1、x2、・・・の動きで説明できないか検討する。
引用:http://gms.globis.co.jp/dic/00688.php


これはEXCELの関数で重回帰分析は可能で、仕事で使っているのでさくっと対応。
t補正項まで出して、出力した各係数の有意性も検証した上で、どの要素が影響度高いかを求めた。
少し前までは統計学のとの字もわからなかったのですが、人はやればできるもんですね。

もう半分は重回帰分析の中でも変数減少法の課題。
これはやり方がテキストに載っているので、テキストに沿って実施すればOKなはず。

一先ず3:30近いので今日はおしまい。


良ければポチっと応援宜しくお願い致します^^
にほんブログ村 経営ブログ MBA・MBA取得へ

posted by ニーシェ at 03:22 | Comment(0) | TrackBack(0) | ビジネス定量分析 | このブログの読者になる | 更新情報をチェックする
×

この広告は180日以上新しい記事の投稿がないブログに表示されております。