リスクと不確実性の世界へようこそ！

皆さん、こんにちは！P2 高度管理会計（Advanced Management Accounting）のシラバスの中でも、特に実践的で興味深いセクションへようこそ。これまでの学習では、数字は動かせない確定的なものとして扱ってきたかもしれません。しかし、現実のビジネスの世界では、明日何が起こるかなど誰にも分からないのが普通です。売上は好調でしょうか？それとも原材料費が急騰するでしょうか？

この章では、単なる「勘」に頼るのをやめ、未知の状況を管理するために論理的かつ数学的なツールをどう活用するかを学んでいきます。将来が「不透明」な状況下でも、マネジャーが最善の選択を下せるよう、確率モデルや決定木（デシジョンツリー）について探求しましょう。数学が苦手でも大丈夫。ステップバイステップでじっくり解説していきます！

1. リスク vs 不確実性：その違いは？

計算に入る前に、CIMAの試験で頻出する重要な2つの用語を理解しておきましょう。似ているようでいて、管理会計の世界では決定的な違いがあります。

リスク（Risk）：結果は確定していませんが、過去のデータや経験に基づき、確率（例：成功率60％）を割り当てることができる状態です。例：カジノは、胴元が勝つ数学的な確率を知っているため、その「リスク」を把握しています。

不確実性（Uncertainty）：将来が完全に「ブラックボックス」の状態です。過去のデータがなく、信頼できる確率を割り当てることができません。例：これまで存在しなかった、全く新しい革新的なテクノロジーを市場に投入する場合。

クイックレビュー：違いのまとめ

・リスク：確率が判明している。ここでは期待値（Expected Values）、確率モデル、および決定木を活用します。
・不確実性：確率が「不明」である。ここではマキシマックス（楽観的）、マキシミン（悲観的）、ミニマックス・リグレット（後悔最小化）といったツールを使います（他の章で学びます）。

重要ポイント：各結果に対してパーセンテージ（確率）を割り当てられる場合は、確率モデルを使用します。

2. 期待値（Expected Values: EV）

期待値（EV）は、発生しうるすべての結果の加重平均です。「もし同じ決断を1,000回繰り返したら、平均してどのような結果になるか？」を示してくれます。

計算式

EVの計算式は次の通りです： \( \text{EV} = \sum px \)

ここで：
\(p\) = その結果が起こる確率
\(x\) = その結果の値（利益またはコスト）
\(\sum\) = これらすべての計算の合計

実践例：コーヒーショップ

あなたがコーヒーショップを経営していると想像してください。季節限定のケーキを仕入れるかどうか検討しています。

・需要が高い場合（確率40％）：利益は$500。
・需要が低い場合（確率60％）：利益は$100。

計算：
\( (0.40 \times \$500) + (0.60 \times \$100) \)
\( \$200 + \$60 = \$260 \)

期待値は$260となります。

期待値の「落とし穴」

数字に違和感を覚えるかもしれませんが、安心してください。 上記の例で、実際に$260という利益を得ることは決してありません。実際には$500か$100のどちらかです。EVはあくまで長期的な平均値に過ぎません。これは学習者がよく混乱するポイントです！

EVのメリットとデメリット

・メリット：複雑なデータを一つの比較しやすい数値に集約できる。
・メリット：反復的な意思決定に非常に適している。
・デメリット：マネジャーのリスク許容度を考慮しない（「リスク中立」を前提としている）。
・デメリット：平均値は実際には発生しない可能性がある（コーヒーショップの例のように）。

重要ポイント：長期的に見て「数学的に最善」な選択肢を見つけるためにEVを使いますが、それがリスクの「ばらつき」までは示していないことを忘れないでください。

3. 確率モデルと結果の分布

ひとつの期待値だけでは、全体像を把握することはできません。2つのプロジェクトがともにEV $100,000であるとしても、プロジェクトAの結果が$90,000または$110,000のいずれかであるのに対し、プロジェクトBは$500,000の損失または$700,000の利益をもたらす可能性があるとしたらどうでしょうか？明らかに、プロジェクトBの方がはるかにリスクが高いと言えます！

ここで登場するのが確率モデルです。確率モデルは、単一の予測に頼るのではなく、プロジェクト結果の完全な分布をマッピングすることによってリスクを表します。

離散分布 vs 連続分布

・離散確率分布：結果が明確に分かれた個別のカテゴリーに分類され、それぞれに特定の確率が割り当てられます（すべての確率の合計が1.0になる、需要の「低・中・高」の確率表など）。
・連続確率分布：結果が滑らかな範囲内で任意の値を取ることができます（正規分布など）。結果の広がりは、平均（\(\mu\)）と標準偏差（\(\sigma\)）によって定義されます。

リスクの定量化：標準偏差

リスクを定量化するために、管理会計担当者は標準偏差（\(\sigma\)）を用いて期待値の周囲の散らばり（ばらつき）を測定します：

\( \sigma = \sqrt{\sum p (x - \text{EV})^2} \)

標準偏差が大きいほど、起こりうる結果のばらつきが広いことを意味し、より大きなリスクを示します。マネジャーは、EVを標準偏差および正規分布表と組み合わせることで、プロジェクトが損益分岐点に達しない確率、マイナスのNPVを生み出す確率、または要求されるハードルレートを下回る正確な確率を計算できます。

重要ポイント：確率モデルは、中心的な期待値（EV）と起こりうる結果のばらつき（標準偏差）の両方を示すことで、リスクを定量化します。

4. 感度分析（Sensitivity Analysis）

感度分析とは、一言で言えば「もし～ならどうなるか？」を確認することです。意思決定が誤ったものになるまでに、特定の変数（売上数量や材料費など）がどれくらい変動しても耐えられるかを分析します。

計算方法

変数の感度を計算する最もシンプルな式は以下の通りです：
\( \text{Sensitivity \%} = \left( \frac{\text{Net Profit (or Margin of Safety)}}{\text{Present Value of the variable being tested}} \right) \times 100 \)

経験則：このパーセンテージが低いほど、その変数は敏感（＝リスクが高い）であることを意味します。たった2％の売上減少でプロジェクトが赤字になるなら、それは非常に「敏感」でリスクの高いプロジェクトだと言えます！

よくある間違い

感度の数値が高いことを「悪いこと」だと思い込む人がいますが、逆です！感度が50％であれば、その変数が大幅に変動しない限り問題は起きない、つまり「安全圏」にいるということを意味します。

重要ポイント：感度分析は、どの変数が最も注視すべきクリティカルな項目かを特定するのに役立ちます。

5. 決定木（Decision Trees）

決定木は、多段階の意思決定を地図のように図解したものです。ある選択が次のイベントにつながり、それがさらなる選択につながるような場合に最適です。

必要な記号

・四角（\(\square\)）：決定点（Decision Point）。マネジャーが何をするかを選択するポイントです。
・丸（\(\bigcirc\)）：結果点（Outcome Point / Chance Node）。市場環境や「運」によって何が起こるかが決まるポイントです（ここに確率を記入します）。

「ロールバック法（逆算手法）」

決定木を解くときは、常に後ろから（右から左へ）計算していきます。これを「枝の刈り込み」と呼ぶこともあります。

1. 木を描く：左から最初の意思決定を始め、右へと枝分かれさせて描きます。
2. 値を記入：枝の末端（リーフ）に利益やコストを書き込みます。
3. 丸でEVを計算：右から左へ戻りながら、すべての丸い点（結果点）でEVを計算します。
4. 四角で選択：すべての四角い点（決定点）で選択肢を比較し、最も高いEV（または最も低いコスト）を選びます。「選ばれなかった枝」には斜線を引いて消します。
5. 最終結果：一番左の最初の四角にたどり着いた値が、最善の期待結果です。

豆知識

決定木は管理会計だけでなく、医療診断や法的ケースなどでも広く使われています！感情や金銭的なプレッシャーで判断が曇りそうなとき、冷静で論理的な判断を助けてくれる強力なツールなのです。

重要ポイント：必ず右から左へ「ロールバック」すること。丸い点ではEVを計算し、四角い点では最善の経路を選びましょう。

6. 情報の価値

時として、不確実性を減らすために市場調査レポートを購入したり、専門家の意見を聞いたりすることができます。しかし、それに対していくら支払うべきでしょうか？

完全情報の期待値（EVPI）

完璧な「水晶玉」があると想像してください。EVPIとは、その水晶玉（完全な情報）に対して支払っても良い最大の金額のことです。

計算式：
\( \text{EVPI} = \text{EV with Perfect Information} - \text{EV without Information} \)

ステップバイステップの計算手順：

1. 追加情報がない状態での最善の意思決定のEVを計算します（セクション2で行いました）。
2. 完全情報がある場合のEVを計算します：市場が「高い」と確実に分かっていたら最善の利益は何になるか？同様に「低い」と確実に分かっていたら最善の利益は？それぞれの「最善の結果」に元の確率を掛けて加重平均を算出します。
3. その差額がEVPIです。

不完全情報の期待値（EVII）

現実の世界では、市場調査が100％完璧であることは稀です。これがEVIIです。ロジックはEVPIと同じですが、確率は調整されます（いわゆるベイズの定理を使いますが、CIMA P2では複雑なベイズ計算よりも、価値の適用に主眼が置かれます）。

重要なルール：情報が付加する価値を超える金額を支払うべきではありません。EVPIが$5,000なのに調査費用が$6,000かかるなら、「お断り」するのが賢明です！

重要ポイント：情報の価値 =（新しいEV）－（古いEV）。より良い情報を持つことの対価（利益）を意味します。

最後に、皆さんを応援しています！

決定木やEVPIが、最初はパズルのように感じられても心配いりません。コツは、実際に木を描いて項目を丁寧に書き込む練習をすることです。「ロールバック」のロジックさえ掴んでしまえば、P2試験の中で最も確実に得点源にできる分野になりますよ！

クイックレビュー：
- リスク = 確率が判明している。
- EV = \( \sum px \)。
- リスクのばらつき = 結果の分布における標準偏差（\(\sigma\)）で測定。
- 感度分析 = 余裕額 / 変数。
- 四角 = 決定点；丸 = 確率。
- 情報の価値 =（情報ありの利益）－（情報なしの利益）。