Метод Монте-Карло

Вместо того чтобы взять по каждой статье одно значение и сложить, метод берет по каждой статье диапазон с распределением и разыгрывает результат много тысяч раз. Каждый прогон дает свою итоговую сумму. Из всех прогонов получается распределение возможных исходов.

Практический результат выглядит так. Смета проекта 900 млн. Расчет показывает, что с вероятностью 50 процентов проект уложится в 940 млн, с вероятностью 80 процентов в 1 020 млн, а с вероятностью 95 процентов в 1 110 млн. Дальше руководство выбирает, под какую вероятность закладывать резерв. Это разговор о риск-аппетите, а не о математике.

Меньше, чем принято думать.

• Перечень статей или работ, по которым есть неопределенность
• По каждой статье три оценки, минимальная, наиболее вероятная и максимальная. Треугольное распределение этого достаточно
• Понимание, какие статьи связаны между собой. Если растет цена металла, растет сразу в нескольких статьях
• Инструмент, от надстройки к таблице до пары десятков строк на Python

Метод плохо работает там, где неопределенность не в числах, а в самом сценарии. Он не скажет, отзовут ли лицензию и введут ли новое ограничение. Разыгрывать вероятность политического решения бессмысленно, для этого есть сценарный анализ.

Второе ограничение практическое. Модель на входе состоит из экспертных диапазонов, и качество результата не выше качества этих диапазонов. Красивый график распределения создает ощущение точности, которого исходные данные не поддерживают. Поэтому вместе с результатом всегда показывают, какие допущения его определяют, и результат анализа чувствительности.