2025年12月20日 星期六

Alex Sidorenko

 Alex Sidorenko

學歷背景

  • 畢業於澳洲的 蒙納士大學 (Monash University)(2002-2005),並獲得了風險管理文憑(是該大學風險管理專業第一屆的學生)。他的老師曾參與編寫澳洲的風險管理標準 4360,該標準後來成為國際通用的 ISO 31000 標準的基礎。

職涯經歷

  • 畢業後(2005),他立即在德勤 (Deloitte) 的「企業風險服務」部門開始了風險諮詢生涯,並在那裡工作了五年。
  • 當時的風險管理領域尚處於早期,他指出即使在相對先進的澳洲,德勤該部門的百餘名員工中,幾乎沒有真正的風險管理專業人士,多數是內部稽核師、詐欺調查員或採購專家等。
  • 之後他移居俄羅斯,加入了 普華永道諮詢 (PWC Consulting)。
  • 在普華永道,他協助編寫了該公司在全球使用的風險管理方法論。
  • 他也曾應澳洲證券交易所 (Australian Stock Exchange) 的要求,協助為中小企業制定風險管理指南,以改善上市公司在風險管理揭露和有效性方面的表現。
  •  離開顧問界後,他進入了「實體領域 (real sector)」,擔任企業的風險負責人 (Head of Risk) 職位。
  • 他曾是俄羅斯最大的政府創新中心風險負責人。
  • 隨後,他轉職至一個政府投資基金(旗下擁有約 95 家投資組合公司,涵蓋微電子、製藥、能源和高科技等多個領域。這段經歷讓他有機會深入了解如何將風險管理整合到日常的投資決策中,並意識到傳統風險管理(季度或年度評估)的不足之處。),該基金專注於奈米技術投資,規模約 30 億美元,他擔任該基金的風險負責人。
  • 他曾擔任EuroChem(一家價值 100 億美元的全球化肥公司)和 RUSNANO(一家價值 30 億美元的私募股權基金)的首席風險長 (Chief Risk Officer, CRO),成功推動量化風險分析、基於風險的決策制定和神經科學的應用。


他在風險管理領域擁有超過 16 年的經驗,並有超過 10 年的風險管理培訓經驗。他的專長包括風險管理整合、基於風險的投資決策、價值創造和資產管理。

他熱衷於推動量化風險管理,並將其視為風險管理的「唯一途徑」,強調其在決策支持和決策制定中的核心作用。他將傳統的、定性的風險管理稱為「占星學」,而量化風險管理則是「天文學」,因為後者基於機率論、決策科學和神經科學等嚴謹學科。

透過應用量化風險分析,他曾僅從保險方面,在一年內為公司節省了超過 1300 萬美元。即使在保險金額翻倍或三倍的情況下,仍能實現節省,因為他能準確計算出合理的保單價格並與市場溝通。他也成功地在財政部辯護了公司的風險概況,獲得了超過 10 億美元的額外資金。

獎項與榮譽:

  • 2021 年被FERMA (歐洲風險管理協會聯盟) 評選為「歐洲年度風險經理」。
  • 獲得 RIMS (美國風險與保險管理協會) 的「榮譽獎」,該獎項為表彰他在歐洲「突破性的風險管理實踐」而特別設立。
  • 2014 年被 RUSRISK 評為「年度風險經理」及「最佳企業風險管理實施」。
  • 在 2013、2014 和 2015 年,他的培訓被 RUSRISK 評為「最佳風險管理培訓」。
  • 2012 年起,他創立並經營 RISK-ACADEMY 公司,提供風險管理整合服務、風險建模、培訓和審計。
  • 他也是年度大型會議 「風險意識週 (Risk Awareness Week, RAW)」的創辦人,該會議每年吸引數千名參與者。他表示創辦此會議的部分原因是因其「爭議性」觀點(主張科學化風險管理)而被其他主流會議拒絕發言。RAW 的目標是提供基於科學和底層技術的風險管理知識,不追求熱門話題,而是專注於永恆的基礎科學和技術。
  • 他出版了兩本關於風險管理的書籍,其中一本免費書籍《Why Risk Management is Broken and How to Fix It》是全球最受歡迎的免費風險管理書籍,已被下載超過 20 萬次,並有三種語言版本。


找不到他講的這本書,只有找到Douglas Hubbard 的這本Failure of Risk Management : Why It's Broken and How to Fix It  (但兩本書的觀點似乎相同)

https://eshmanager.blogspot.com/2023/12/blog-post_30.html#more 


2025年12月13日 星期六

Sam L. Savage

Sam L. Savage

https://www.gfoa.org/bio/savage 

薩維奇博士在耶魯大學獲得計算複雜性博士學位,之後在通用汽車研究實驗室開始了他的數學家生涯。

此後,他曾在芝加哥大學商學院任教,之後轉任史丹佛大學。他目前是土木與環境工程的兼任教授。機率管理學科源自於2005年在劍橋大學賈奇商學院與Stefan Scholtes教授和Daniel Zweidler(當時任職於殼牌公司)合作進行的研究工作。薩維奇博士一直擔任賈奇商學院院士,任期至2022年。

成立的非營利機構

https://www.probabilitymanagement.org/ 


Probability Management – A Cure for the Flaw of Averages

https://www.youtube.com/watch?v=O5cqEIxLck0 

探討了統計學中的一個核心問題:「平均值的謬誤 (The Flaw of Averages)」,並介紹了他提出的解決方案:「機率管理 (Probability Management)」。

「平均值的謬誤」

  • Savage 博士將「平均值的謬誤」或「強形式的詹森不等式 (Jensen's inequality)」定義為:「基於平均假設的計畫,平均而言是錯誤的」。這意味著,當您將平均值輸入到一個非線性模型中時,得到的結果通常不是實際的平均輸出。
  • 指出這個問題無處不在,解釋了為什麼「所有事情都延遲、超出預算且低於預期」。

範例:

  • 網站開發專案:假設有 10 個團隊平行開發網站,每個團隊平均需要 6 週完成。如果您基於這個平均值估計專案總時程也是 6 週,那實際完成的機會只有約千分之一。這是因為專案的總時程取決於最慢的那個團隊。
  • 喝醉酒的人在高速公路上遊蕩:他的平均位置是中線,但「平均而言,他已經死了」。這形象地說明了即使平均值看起來安全,實際結果卻可能非常危險。
  • 聖誕平板電腦銷售:如果平均需求是 10 萬台,您預期訂購 10 萬台就能賺取 100 萬美元的平均利潤。但實際上,100 萬美元是最大利潤,而不是平均利潤,因為如果需求低於 10 萬台,利潤就會減少,但不會超過 100 萬美元。實際的平均利潤可能只有 60 萬美元。


解決方案:「機率管理」

  • Savage 博士創立了 ProbabilityManagement.org,這是一個非營利組織,致力於為不確定性建立一套標準化的方法,就像阿拉伯數字之於數字一樣。
  • 「不確定性的阿拉伯數字」—— Sips 與 Slurps:
    • Sip (Stochastic Information Packet,隨機資訊封包):它是「不確定性的阿拉伯數字」,本質上是一個蒙特卡洛試驗的向量(例如,一個包含 10,000 個試驗結果的數列)。Sip 解決了傳統蒙特卡洛模擬難以稽核的問題,因為它是「可稽核的數據形式的不確定性」。
    • Slurp (Stochastic Library Unit with Relationships Preserved,關係保留的隨機函式庫單元):當多個不確定變數之間存在相互關聯時(例如,石油價格與各探勘專案的關係),Slurp 能夠保留這些變數之間的關係,確保在模擬時這些關係得到正確的反映。
    • 「邊緣分析 (Limbic Analytics)」:Savage 博士將其定義為連接「智力之座 (seat of your intellect)」與「直覺之座 (seat of your pants)」的方式。他認為,理解不確定性需要超越純粹的智力計算,融入直覺和感性理解。這體現在透過視覺化動畫和互動式模型,讓決策者直觀地理解不同情境的可能性。

2025年12月6日 星期六

Gerd Gigerenzer

Gerd Gigerenzer

https://en.wikipedia.org/wiki/Gerd_Gigerenzer 

德國心理學家,研究領域為有限理性和啟發式在決策中的應用

研究人類如何在有限的時間和知識條件下對世界進行推論。他認為,在不確定的世界中,機率論是不夠的;人們還會運用智慧啟發法,也就是經驗法則。他將理性決策概念化為適應性工具箱(個人或機構擁有的啟發法庫)以及為當前任務選擇合適啟發法的能力。啟發法稱為生態理性,取決於其與環境結構的適應程度。

吉格倫澤認為,啟發式方法並非非理性的,也並非總是次於最佳化,正如「準確性與投入權衡」觀點所假設的那樣。在「準確度與投入權衡」觀點中,啟發式方法被視為捷徑,用較少的努力換取較低的準確性。相反,他和相關研究人員的研究發現了「少即是多」的情況,即啟發式方法可以用較少的努力做出更準確的決策。這與傳統觀點相矛盾,傳統觀點認為,資訊越多越好,或至少在免費的情況下永遠不會有害。


Risk Savvy: How to Make Good Decisions

https://www.youtube.com/watch?v=KnRWVmWQG24 

摘錄:

區別風險與不確定性:

  • 風險 (Risk):指可以計算的情況,例如賭場或許多醫療情境,數據估計良好,可以使用機率理論或邏輯來計算最佳決策。
  • 不確定性 (Uncertainty):指無法計算風險的情況,因為不知道所有選項、所有後果或機率。這類情境需要不同的工具,例如直覺 (Intuition) 和啟發法 (Heuristics)。直覺是一種快速出現在意識中的判斷,通常基於經驗,但其潛在過程不完全為人所知。