Kaj je simulacija Monte Carla in zakaj jo potrebujemo?
Analitiki lahko ocenijo morebitne donose portfelja na več načinov. Zgodovinski pristop, ki je najbolj priljubljen, upošteva vse možnosti, ki so se že zgodile. Vendar se vlagatelji pri tem ne bi smeli ustaviti. Metoda Monte Carlo je stohastična (naključno vzorčenje vhodov) za reševanje statističnega problema, simulacija pa je virtualna predstavitev problema. Simulacija Monte Carlo združuje oboje, kar nam omogoča močno orodje, ki nam omogoča, da dobimo porazdelitev (niz) rezultatov za kakršne koli statistične težave s številnimi vhodi, vzorčenimi znova in znova. (Več o tem glej: Stohastika: Natančen kazalnik nakupa in prodaje .)
Monte Carlo simulacija Demistificirana
Simulacije Monte Carla je mogoče najbolje razumeti z razmišljanjem o osebi, ki meče kocke. Novinec, ki igra na srečo, ki prvič igra craps, ne bo imel pojma, kakšne so verjetnosti, da bi v kateri koli kombinaciji zdrsnili šestico (na primer štiri in dve, tri in tri, ena in pet). Kakšne so možnosti, da se kotalka dve trojici, znana tudi kot "trda šestica?" Kockanje kock večkrat, v najboljšem primeru več milijonov, bi prineslo reprezentativno porazdelitev rezultatov, kar nam bo povedalo, kako verjetno bo šesterica trda šest. V idealnem primeru bi morali te preizkuse izvajati učinkovito in hitro, prav to ponuja simulacija Monte Carlo.
Cene sredstev ali prihodnje vrednosti portfeljev niso odvisne od kockice kock, včasih pa so cene sredstev podobne naključnemu pohodu. Težava samo gledanja na zgodovino je, da dejansko predstavlja samo en zvitek ali verjeten izid, ki v prihodnosti lahko ali ne bo uporaben. Simulacija Monte Carlo upošteva široko paleto možnosti in nam pomaga zmanjšati negotovost. Simulacija Monte Carlo je zelo prilagodljiva; omogoča nam, da spreminjamo predpostavke tveganja glede na vse parametre in tako modeliramo vrsto možnih rezultatov. Primerjamo lahko več prihodnjih rezultatov in model prilagodimo različnim pregledanim sredstvom in portfeljem. (Za več informacij glejte: Poiščite ustreznega z verjetnostnimi porazdelitvami .)
Uporaba simulacije Monte Carlo v financah
Simulacija Monte Carlo ima številne aplikacije na finančnem in drugih področjih. Monte Carlo se v financah podjetij uporablja za modeliranje komponent projektnega denarnega toka, na katere vpliva negotovost. Rezultat je vrsta neto sedanjih vrednosti (NPV), skupaj s opazovanji o povprečnem NPV naložbe v analizi in njeni nestanovitnosti. Investitor lahko tako oceni verjetnost, da bo NPV večji od nič. Monte Carlo se uporablja za določanje cen opcij, kjer se ustvarijo številne naključne poti za ceno osnovnega sredstva, pri čemer ima vsaka povezano izplačilo. Ti izplačila se nato diskontirajo nazaj v sedanjost in povprečijo, da se pridobi opcijska cena. Podobno se uporablja za določanje cen vrednostnih papirjev s fiksnim donosom in izvedenih finančnih instrumentov. Toda simulacija Monte Carlo se najbolj uporablja pri upravljanju portfelja in osebnem finančnem načrtovanju. (Več o tem glej: Odločbe o kapitalskih naložbah - povečanje denarnih tokov .)
Monte Carlo simulacija in upravljanje portfelja
Simulacija Monte Carlo omogoča analitiku, da določi velikost portfelja, potrebnega ob upokojitvi, da bi podprl želeni upokojitveni življenjski slog in druga želena darila in volila. Dejansko razdeli stopnje naložb, stopnje inflacije, donosnosti premoženjskih razredov, davčne stopnje in celo možne življenjske dobe. Rezultat tega je porazdelitev velikosti portfelja z verjetnostmi podpiranja željenih potreb stranke glede porabe.
Nato analitik uporabi simulacijo Monte Carlo, da določi pričakovano vrednost in porazdelitev portfelja na datum umika lastnika. Simulacija omogoča analitiku večkratni pogled in dejavnik odvisnosti poti; vrednost portfelja in razporeditev sredstev v vsakem obdobju sta odvisna od donosnosti in nestanovitnosti v prejšnjem obdobju. Analitik uporablja različne razdelitve sredstev z različnimi stopnjami tveganja, različnimi korelacijami med sredstvi in porazdelitvijo večjega števila dejavnikov - vključno s prihranki v vsakem obdobju in datumom umika -, da doseže razdelitev portfeljev skupaj z verjetnostjo, da bodo prispeli ob želeni vrednosti portfelja ob upokojitvi. Strankine različne stopnje porabe in življenjska doba se lahko upoštevajo, da se določi verjetnost, da bo stranki zmanjkalo sredstev (verjetnost propadanja ali tveganje za dolgo življenjsko dobo) pred smrtjo.
Profil stranke in tveganje donosa je najpomembnejši dejavnik, ki vpliva na odločitve o upravljanju portfelja. Potrebna donosnost stranke je funkcija njenih ciljev glede upokojitve in porabe; njen profil tveganja je odvisen od njene sposobnosti in pripravljenosti tvegati. Bolj pogosto kot želeni donos in profil tveganja stranke nista usklajena. Stopnja tveganja, ki je za stranko sprejemljiva, lahko na primer onemogoči ali zelo težko doseže želeno donosnost. Poleg tega je za dosego ciljev stranke morda potreben minimalni znesek pred upokojitvijo, vendar življenjski slog stranke ne bi omogočil prihrankov ali pa ga stranka nerada spreminja.
Razmislimo o primeru mladega delovnega para, ki se zelo trudi in ima razkošen življenjski slog, vključno z dragimi počitnicami vsako leto. Imajo namen upokojevanja porabiti 170.000 dolarjev na leto (približno 14.000 dolarjev na mesec), otrokom pa zapuščati milijon dolarjev. Analitik vodi simulacijo in ugotovi, da njihov prihranek na obdobje ni dovolj za oblikovanje želene vrednosti portfelja ob upokojitvi; vendar je mogoče, če se dodelitev zalog z majhnimi kapitali podvoji (do 50 do 70 odstotkov s 25 na 35 odstotkov), kar bo znatno povečalo njihovo tveganje. Nobena od zgornjih alternativ (večji prihranki ali povečano tveganje) za stranko ni sprejemljiva. Tako analitik upošteva druge prilagoditve, preden znova zažene simulacijo. analitik zamuja z upokojitvijo za dve leti in znižuje mesečno porabo po upokojitvi na 12.500 dolarjev. Rezultat porazdelitve kaže, da je želeno vrednost portfelja dosegljivo s povečanjem dodelitve zalog z majhnimi kapitali za samo 8 odstotkov. Analitik z razpoložljivim vpogledom strankam svetuje, naj odložijo upokojitev in občasno zmanjšajo svojo porabo, s čimer se par strinja. (Za več informacij glejte: Načrtovanje upokojitve s simulacijo Monte Carlo .)
Spodnja črta
Simulacija Monte Carlo analitikom in svetovalcem omogoča pretvorbo naložbenih možnosti v odločitve. Prednost Monte Carla je njegova sposobnost faktorja v različnih vrednostih za različne vložke; To je tudi njegova največja pomanjkljivost v smislu, da morajo biti predpostavke poštene, saj je proizvodnja le tako dobra kot vložki. Druga velika pomanjkljivost je, da simulacija Monte Carla ponavadi podcenjuje verjetnost ekstremnih dogodkov medveda, kot je finančna kriza. Strokovnjaki pravzaprav trdijo, da simulacija, kot je Monte Carlo, ne more upoštevati vedenjskih vidikov financ in neracionalnosti, ki jih kažejo udeleženci na trgu. Je pa koristno orodje za svetovalce.
