プロジェクト評価へようこそ！

皆さん、こんにちは！これまでの章で、正味現在価値（NPV）と内部収益率（IRR）の計算方法を学びましたね。これらは非常に強力なツールですが、通常は「将来の売上」や「金利」といった項目に対して、私たちの「最善の予測」である点推定（point estimates）に基づいています。しかし、ご存知の通り、現実の世界が私たちの「予測通り」に進むことはほとんどありません。

この章では、将来を不確実なものとして捉えるのではなく、発生し得る結果の分布（distribution of possible outcomes）に注目する方法を学びます。この学習を終える頃には、企業がどのようにリスクを測定し、計画通りにいかなかった場合に何が起こるのかを理解できるようになります。最初は計算が難しそうに見えるかもしれませんが、大丈夫です。一つずつステップバイステップで紐解いていきましょう！

クイック復習：プロジェクトは通常、NPVがプラスであれば「良い」と判断されます。これから学ぶ手法は、世界情勢が変化しても、そのNPVがどれくらいの確率でプラスを維持できるかを見極めるのに役立ちます。


1. 感度分析（Sensitivity Analysis）

ケーキを焼くところを想像してみてください。「もし砂糖を10%多く入れてしまったら、どれくらい甘くなるだろう？」「もしオーブンの温度が10度高かったら、焦げてしまうだろうか？」これこそが、プロジェクトにおける感度分析がやっていることです。

感度分析とは？
感度分析は、他の条件をすべて一定（セテリス・パリブス／他条件不変）に保ったまま、一度に1つの変数だけを変化させたときに、プロジェクトのNPVがどれだけ変化するかを調べる手法です。一般的に使われる変数には、販売数量、割引率、設備の初期投資額などがあります。

算出方法（感度マージン）：
感度を測定する一般的な方法として、感度マージン（Sensitivity Margin）の計算があります。これは、NPVがゼロになるために必要な変数の変化率です。
計算式は以下の通りです：
\( \text{Sensitivity Margin} = \frac{\text{NPV of the project}}{\text{Present Value of the variable being tested}} \times 100 \)

「で、それがどうしたの？」：
もし、ある変数の小さな変化（例えば売上の2%減）によってNPVがマイナスに転じてしまうなら、そのプロジェクトはその変数に対して非常に敏感（高感度）であると言えます。経営陣はその変数を注意深く監視しなければなりません！

メリット：
- 理解や計算が非常にシンプル。
- どの変数が「リスクの要因（リスクドライバー）」なのかを特定できる。

デメリット：
- 一度に1つのことしか変えられない。現実には、売上が落ちればコストも下がるかもしれません。感度分析はこうした変数間の連動を無視してしまいます。
- その変化が実際に起こる確率までは教えてくれない。

重要なポイント：感度分析は、単一変数に対する「もしも（What if?）」を考えるツールです。感度マージンが小さいほど、その変数に関してプロジェクトはリスクが高いことを意味します。


2. シナリオ分析（Scenario Analysis）

感度分析が1つの変化に着目するのに対し、シナリオ分析は変化の「世界観」全体を俯瞰します。これは、関連性のある複数の変数が同時に変化したときに、NPVにどのような影響が出るかを考慮するものです。

よくある3つのシナリオ：
1. ベースケース（Base Case）：最も起こりうる想定セット。
2. ワーストケース（Worst Case）：高コスト、低売上、高金利（すべてが悪い方向に進む）。
3. ベストケース（Best Case）：低コスト、高売上、低金利（すべてがうまくいく）。

例：
コーヒーショップを開業する場合、「ワーストケース」のシナリオには、隣に新しい競合店がオープンすることと、コーヒー豆の価格が上昇することが同時に起こる状況が含まれるかもしれません。シナリオ分析は、経営陣に起こりうるNPVの幅を可視化させます。

重要なポイント：シナリオ分析は、複数の変数を同時に変化させられるため、感度分析よりも現実的です。ただし、感度分析と同様に、これらのシナリオが実際に起こる確率までは通常示してくれません。


3. 確率分布と期待値

より「保険数理的」なアプローチを目指すなら、発生し得る結果に確率を割り当てます。これにより、期待値（Expected Value: EV）として知られる、単一の「平均的な結果」を算出できるようになります。

数学的な考え方：
期待NPVは、各NPVの結果にその確率を掛け合わせた合計値です：
\( E[NPV] = \sum (PV_i \times P_i) \)
ここで、\( PV_i \) は発生する結果、\( P_i \) はその結果が発生する確率です。

分布からリスクを理解する：
- 平均値（期待値）：プロジェクトを何度も繰り返した場合の平均的な結果。
- 標準偏差：「散らばり具合」の指標。標準偏差が大きいということは、実際の結果が平均から大きく乖離する可能性があるため、そのプロジェクトは非常にリスクが高いことを意味します。
- 変動係数：これは \( \frac{\text{標準偏差}}{\text{期待値}} \) で求められます。規模の異なる2つのプロジェクトのリスクを比較するのに役立ちます。

よくある間違い：
「期待値」が最も起こりやすい結果だと勘違いしないでください。これはあくまで加重平均に過ぎません。例えば、100ドル儲かる確率が50%で、0ドル（儲けなし）の確率が50%のプロジェクトであれば、期待値は50ドルになりますが、実際に50ドルという結果になることはあり得ません！

重要なポイント：確率を使うことで、「当てずっぽう」を「統計的な分布」に変えることができます。これにより、NPVがゼロを下回るリスクを定量化できるようになります。


4. モンテカルロ・シミュレーション

プロジェクトがあまりに複雑で、手計算では分布を求められないことがあります。そこで登場するのがモンテカルロ・シミュレーションです。これはファイナンスのための「仮想現実（VR）」だと考えてください。

プロセス：
1. コンピュータを使って、すべてのリスク変数に確率分布を割り当てます（例：「売上は正規分布に従う」など）。
2. コンピュータが、すべての変数に対してランダムに値を拾い上げ、NPVを計算します。
3. コンピュータがこれを何千回も繰り返します。
4. 結果として、起こりうるすべてのNPVと、それぞれの発生確率を示した美しいグラフ（度数分布）が得られます。

なぜ使うのか？
変数間の相関関係（例：インフレ率が上がると金利も上がる傾向がある等）をうまく扱えるため、リスクの詳細な全体像を把握できます。

欠点：
「ブラックボックス」になりがちです。質の悪いデータを入れると、質の悪い結果しか出てきません（Garbage In, Garbage Out）。また、専門的なソフトウェアが必要で、準備にコストがかかることもあります。

重要なポイント：シミュレーションは、結果の完全な分布を把握するための最も強力なツールですが、コンピュータと質の高いデータが不可欠です。


5. 決定木（Decision Trees）

プロジェクトには「開始してただ待つ」だけではないものもあります。逐次的な意思決定が必要な場合です。例えば、「今日製品をテストする。成功すれば来年工場を建てる。失敗すれば撤退する」といったケースです。

仕組み：
- 四角形は決定ノード（経営陣が道を選ぶポイント）を表します。
- 円形は偶然ノード（自分たちのコントロールが及ばない結果になるポイント）を表します。
- 未来から現在へと遡って（逆方向に）計算し、現時点で最も良い選択肢を見つけます。

重要なポイント：決定木は、異なる「段階」があるプロジェクトや、柔軟性（後から考えを変える選択肢）の価値を示すのに非常に優れています。


まとめチェックリスト

違いを説明できますか？
- 感度分析：一度に1つの変数を変化させる。
- シナリオ分析：ストーリーに合わせて複数の変数のグループを変化させる。
- 期待値：確率を加重平均した平均値。
- シミュレーション：コンピュータが何千回も生成した「もしも」の試行。
- 決定木：多段階の意思決定に向けた計画。

豆知識：
「モンテカルロ・シミュレーション」という名前は、モナコの有名なモンテカルロ・カジノから来ています。この手法が（サイコロを振るような）ランダム性と偶然性に依存していることから、原子爆弾の開発中に、世界で最も有名なギャンブルの地にちなんで名付けられたのです！

これらの概念が抽象的に感じられても心配いりません！試験では、これらのいずれかの簡単な計算を求められたり、それぞれの利点と欠点について論じたりすることがよくあります。過去問を使って練習し、独特の言い回しに慣れていきましょう！