Minimising Financial Risk under Enrolment Uncertainty: An Open-Source Entropy-Indexed POMDP Tool for University Governance

大学是一种特殊的商业模式，其支付明年员工薪酬和建筑费用所需的资金，必须在为这些投入提供资金的学生抵达之前的数年就开始进行支出。这造成了一种持续的张力：既要提前规划，又无法确定地预知未来。在英国，这种不确定性已变得异常剧烈。多年来，大学一直依赖预测来指导支出，但监管机构发现这些预测往往过于乐观，导致近一半的英国高等教育机构面临财务缺口。核心问题不在于大学领导层缺乏努力或智慧，而在于其决策方式存在结构性缺陷。当未来真正不明朗时，要求董事会就单一的“最佳猜测”情景达成一致，实际上是要求他们去做一件他们无法可靠完成的事情。他们被要求为不同的未来分配权重，但当前环境的本质意味着这些权重是未知的。

为了解决这个问题，贝德福德郡大学（University of Bedfordshire）的研究人员开发了一种新型的规划工具，它改变了问题的本质。该工具不再要求领导者去猜测哪种未来最有可能发生，而是衡量机构对任何未来究竟能在多大程度上保持信心。它使用一种追踪学生人数流向的方法，来更新大学财务状况的概率图谱。这张图谱不会定格在单一的结果上，而是随着新数据的到来而不断移动，展示大学正处于增长期、稳定期还是困境期。至关重要的是，该工具通过计算这些概率的离散程度来得出不确定性得分。当数据令人困惑且概率分布均匀时，工具会发出信号，提示当前情况过于模糊，不宜做出重大的永久性改变。当数据变得清晰且某一结果占据主导地位时，工具则发出信号，表明可以采取行动。这种方法使大学能够在深度不确定性中航行，而不必强迫其领导者进行不可能的猜测。

研究人员将该系统构建为一个开源软件应用，这意味着它是免费供任何人使用和检查的。该系统利用来自四所罗素集团院校十年的公开 HESA 数据进行了校准，每所院校近期的发展历程各不相同。其中一些机构因签证政策变化面临国际学生人数的锐减，而另一些则经历了稳步增长。随后，团队通过在 500 个模拟招生未来的蒙特卡洛评估中运行，测试了该工具与其他六种常见规划策略的表现。结果显示，这种被称为“熵指数系统”（entropy-indexed system）的新工具始终比传统方法产生更好的财务结果。在这些模拟中，它实现了最高的平均财务回报，同时保持的财务危机风险低于其他任何策略。其成功的关键在于，每当不确定性得分较高时，它能够克制那些不可逆转的承诺，例如聘用永久员工或建造新校区。

该工具运行在一种简单而强大的逻辑之上。它将大学的财务状况视为一个隐藏状态，该状态可能处于三种模式之一：资金紧张的低增长模式、一切正常的稳定模式，以及有空间进行投资的高增长模式。大学无法直接看到这些模式，只能看到每年入学的学生人数。该软件每当接收到一个新的入学人数时，就会利用数学过程来更新其对大学所处模式的判断。如果数据具有误导性，软件对模式的信念就会分散在所有三种模式之间。这种混乱的状态是通过一个被称为“熵”（entropy）的数值来衡度的。当熵值较高时，工具会自动阻止大学做出重大且难以逆转的决策。它迫使机构等待并收集更多证据。一旦招生数据变得一致且信念集中在单一模式上，熵值就会下降，工具便会发出绿灯，允许投资或扩张。

这种方法与目前大学标准的规划方式相比具有明显的优势。传统的场景规划要求领导者想象几种不同的未来，例如“最好情况”和“最坏情况”，然后尝试在它们之间做出选择。然而，当领导者无法就每种情景的可能性达成一致时，这种方法就会失效。新工具消除了这种达成一致的需求。它并不要求董事会决定哪种未来最有可能发生，它只是报告数据关于当前信心水平的真实情况。如果数据具有歧义，工具会建议采取谨慎姿态，例如维持现有员工水平或专注于招收学生以进一步了解市场。如果数据清晰，它则建议采取果断行动。这使得大学能够在真正必要时保持保守，在证据支持时采取进取，而不依赖于直觉或政治压力。

研究人员针对四种特定类型的大学轨迹测试了该系统，以观察它如何应对不同的现实挑战。在一种模拟了 2022 年后国际学生人数锐减的场景中，该工具正确地建议在前两年保持谨慎支出，因为当时情况尚不明朗。而那些忽略不确定性的其他策略在模拟中仍建议进行投资，从而导致了财务困境。一旦数据明确显示大学正在趋于稳定，该工具便转向更积极的立场，使大学能够比那些过度谨慎的机构更快地恢复。在另一个增长平稳且可预测的场景中，该工具最终也建议了激进投资，但前提是必须经过足够的时间，以确认这种增长是持久趋势而非暂时性的波动。这防止了过早建设产能，却发现增长停滞的错误。

该工具的一个独特之处在于它向大学领导者呈现研究结果的方式。它会生成一份名为“董事会简报”（Board Pack）的两页文档，用通俗易懂的语言总结整个分析过程。该文档包含一张图表，展示推荐策略与其他六种常见方法的对比，并对特定决策背后的原因进行清晰解释。例如，它可能会解释之所以建议推迟招聘新员工，是因为不确定性得分仍然过高，不足以承担风险。由于该文档是由遵循严格规则的计算机程序生成的，因此它是完全可复现的。如果另一位领导者将同样的数据输入该工具，他们将得到完全相同的结果。这创建了一个清晰的审计追踪，表明决策是基于数据的透明分析，而非主观意见。

研究人员还设计了让没有数学或计算机科学背景的人也能使用该工具。大学财务总监可以在几分钟内使用该工具获取基础建议，或者花费一小时根据其所在机构的具体数据进行校准。该软件可以在线免费使用，只需通过标准浏览器即可运行，无需安装复杂的软件。对于希望保持数据私密性的机构，还有一个可以在本地计算机上运行的版本。该工具使用来自高等教育统计局（HESA）的数据，这是英国官方的大学入学人数来源，但研究人员已将底层代码和预设参数公开，以便任何人都可以验证结果。

这项研究强调，当未来最不确定时，这种方法的价值最高。在稳定时期，传统的规划方法通常足以应付。但当大学面临突发冲击时——例如签证法的变化或人口结构的转变——衡量不确定性的能力就变得至关重要。该工具并不承诺预测未来；相反，它提供了一种管理出错风险的方法。通过在证据薄弱时自动限制决策，它保护大学免受代价高昂的错误影响。通过在证据变强时释放这些限制，它使大学能够抓住其他更为僵化的规划方法可能会错失的机会。

这项工作代表了运筹学（一个利用数学方法帮助组织做出更好决策的领域）在高等教育领域应用方式的一种转变。长期以来，这些方法主要用于战术性问题，如课程安排或部门内的资源分配。而该工具将这种力量提升到了战略层面，帮助大学最高层级的治理机构应对财务风险。研究人员强调，该工具不是人类判断的替代品，而是一个让这种判断变得更可靠的支持系统。它将抽象的不确定性概念转化为领导者可以观察并据此采取行动的具体数值。

这项工作的意义不仅限于英国。其他国家的大学（如澳大利亚）也面临着类似的挑战，包括波动的国际学生市场和政策变化。研究人员指出，只要使用当地数据进行系统校准，该工具就可以被改编并在任何地方使用。衡量不确定性并据此调整决策的核心逻辑是普适的。通过实现工具的开源，研究人员希望其他机构能够测试、完善并将其应用到各自的语境中。这种协作式的方法确保了工具是基于现实世界的经验进行演进，而非仅仅停留于理论练习。

最后，论文提出了一个针对持久问题的实际解决方案。它提供了一种在无需假装预知未来时，依然能够为未来进行规划的方法。通过关注可以衡量的指标——即数据的信心水平——它为动荡世界中的决策提供了稳定的基础。该工具并未消除风险，而是赋予了领导者以更高精度理解并管理风险的能力。对于一个在应对过度乐观的预测和财务赤字方面挣扎已久的行业而言，这种清晰度不仅仅是一项技术改进，更是实现长期可持续发展的关键一步。研究人员邀请财务总监和规划团队尝试该工具，观察其在自身数据下的表现，并为后续开发做出贡献。其目标是建立一个基于证据的规划共同标准，帮助大学应对未来数十年的不确定性。