概率分布量化不确定性：蒙特卡洛模拟与壳牌石油情景规划实战

【学习目标】

1. 理解蒙特卡洛模拟与情景规划的核心逻辑，放弃单一“点预测”思维。
2. 掌握复杂商业系统中关键变量识别与概率分布设定的实操步骤。
3. 学习壳牌石油在20世纪70年代石油危机中的情景规划实战经验。
4. 明确风险量化工具的适用边界，规避“垃圾进、垃圾出”的常见误区。

【问题背景】

在商业决策与资本支出规划中，管理者习惯于依赖单一的“点预测”（如“预计明年营收增长15%”或“项目内部收益率为12%”）。然而，在长周期、多变量、高不确定性的宏观环境中，这种基于历史趋势线性外推的预测往往极其脆弱。一旦关键假设偏离现实，整个战略或投资项目就会面临灾难性后果。如何在不确定性下量化多重风险与收益，从“预测单一未来”转向“为多种未来做准备”，是现代企业决策者必须跨越的认知鸿沟。

【核心概念与理论】

1. 蒙特卡洛模拟（Monte Carlo Simulation）：一种通过设定随机过程及其概率分布，利用计算机进行大量重复抽样计算，从而得出目标变量概率分布的数学方法。它将确定的输入转化为概率分布的输出，帮助决策者看到所有可能的结果及其发生概率。
2. 情景规划（Scenario Planning）：一种战略前瞻工具，通过识别驱动未来的关键不确定性因素，构建几种逻辑自洽、截然不同的未来图景（情景），并测试现有战略在不同情景下的韧性。

两者的结合：情景规划提供宏观的定性框架与极端边界，蒙特卡洛模拟提供微观的定量概率分布。二者结合，能实现对复杂系统风险的全面量化。

【案例还原：壳牌石油与20世纪70年代石油危机】

20世纪70年代初，全球石油市场处于相对平稳期，多数大型石油公司的规划部门基于过去的稳定数据，预测油价将保持平稳或随通胀温和上涨，并据此制定了扩大产能的资本支出计划。

然而，壳牌石油（Shell）的集团规划团队敏锐地察觉到中东地缘政治的微妙变化和OPEC（石油输出国组织）内部诉求的转