Model Monte Carlo raziskovalcem omogoča izvedbo več preskusov in določitev vseh možnih izidov dogodka ali naložbe. Skupaj ustvarijo porazdelitev verjetnosti ali oceno tveganja za določeno naložbo ali dogodek.
Analiza Monte Carla je tehnika multivariatnega modeliranja. Vsi multivariatni modeli se lahko zamislijo kot kompleksni "kaj če?" scenarijev. Raziskovalni analitiki jih uporabljajo za napovedovanje naložbenih izidov, razumevanje možnosti, povezanih z naložbenimi izpostavljenostmi, in za boljše zmanjšanje tveganj. Pri metodi Monte Carlo rezultate primerjamo s toleranco do tveganja. To pomaga managerju, da se odloči, ali bo nadaljeval naložbo ali projekt.
Kdo uporablja večvarne modele
Uporabniki multivariatnih modelov spremenijo vrednost več spremenljivk, da ugotovijo, kakšen je potencialni vpliv na projekt, ki ga ocenjujemo.
Finančni analitiki modele uporabljajo za oceno denarnih tokov in novih idej o izdelkih. Portfeljski upravitelji in finančni svetovalci jih uporabljajo za določitev vpliva naložb na uspešnost in tveganje portfelja. Zavarovalnice jih uporabljajo za oceno potenciala škod in oblikovanje cenovne politike. Nekateri najbolj znani multivariatni modeli so tisti, ki se uporabljajo za vrednotenje delniških opcij. Multivariatni modeli tudi pomagajo analitikom določiti resnične vrednosti.
O analizi Monte Carlo
Analiza Monte Carla je poimenovana po kneževini, ki jo slovijo po svojih igralnicah. Pri igrah na srečo so vsi možni izidi in verjetnosti znani, vendar je pri večini naložb nabor prihodnjih rezultatov neznan.
Analitik mora določiti izide in verjetnost, da se bodo pojavili. Pri modeliranju v Monte Carlu analitik izvede več preskusov, včasih na tisoče, da ugotovi vse možne izide in verjetnost, da se bodo zgodili.
Analiza Monte Carla je koristna, saj se veliko naložbenih in poslovnih odločitev sprejema na podlagi enega rezultata. Z drugimi besedami, mnogi analitiki si ustvarijo en možni scenarij in ga nato primerjajo z različnimi ovirami, da bi se odločili, ali nadaljevati.
Večina predračunskih ocen se začne z osnovnim primerom. Analitik lahko z vnosom predpostavke o največji verjetnosti za vsak dejavnik pridobi največji verjetnostni izid. Vendar je sprejemanje odločitev na podlagi osnovnega primera problematično in oblikovanje napovedi le z enim izidom je nezadostno, ker ne pove ničesar o morebitnih drugih možnih vrednostih, ki bi se lahko pojavile.
Prav tako ne govori nič o zelo realni možnosti, da bo dejanska vrednost v prihodnosti nekaj drugega kot napoved osnovnega primera. Nemogoče je varovati pred negativnim dogodkom, če se gonilne sile in verjetnosti teh dogodkov ne vnaprej izračunajo.
Ustvarjanje modela
Ko je zasnovan model Monte Carlo, ko je zasnovan, zahteva orodje, ki bo naključno izbralo vrednosti faktorjev, ki jih vežejo določeni vnaprej določeni pogoji. Z izvajanjem številnih preskusov s spremenljivkami, omejenimi z lastnimi neodvisnimi verjetnostmi pojavljanja, analitik ustvari porazdelitev, ki vključuje vse možne izide in verjetnosti, da se bodo pojavili.
Na trgu je veliko generatorjev naključnih števil. Dve najpogostejši orodji za oblikovanje in izvedbo modelov Monte Carlo sta @Risk in Crystal Ball. Oboje je mogoče uporabiti kot dodatke za preglednice in omogočiti vključitev naključnega vzorčenja v uveljavljene modele preglednic.
Umetnost pri razvoju ustreznega modela Monte Carlo je določiti pravilne omejitve za vsako spremenljivko in pravilno razmerje med spremenljivkami. Na primer, ker diverzifikacija portfelja temelji na korelaciji med sredstvi, mora vsak model, razvit za ustvarjanje pričakovanih vrednosti portfelja, vključevati korelacijo med naložbami.
Če želite izbrati pravilno porazdelitev spremenljivke, morate razumeti vsako možno distribucijo. Na primer, najpogostejša je običajna porazdelitev, znana tudi kot zvončna krivulja .
V normalni porazdelitvi so vsi dogodki enakomerno razporejeni okoli povprečja. Sredina je najbolj verjeten dogodek. Naravni pojavi, višina ljudi in inflacija so nekateri primeri vložkov, ki se običajno porazdelijo.
V analizi Monte Carlo generator naključnih števil izbere naključno vrednost za vsako spremenljivko znotraj omejitev, ki jih določa model. Nato ustvari porazdelitev verjetnosti za vse možne izide.
Standardni odklon te verjetnosti je statistika, ki označuje verjetnost, da bo dejanski rezultat ocenjen nekaj drugega kot povprečni ali najverjetnejši dogodek. Ob predpostavki, da je verjetnostna porazdelitev običajno razporejena, bo približno 68% vrednosti padlo v eno standardno odstopanje od povprečne vrednosti, približno 95% vrednosti bo padlo v dva standardna odstopanja, približno 99, 7% pa bo ležalo v treh standardnih odstopanjih od povprečne vrednosti.
To je znano kot "pravilo 68-95-99.7" ali "empirično pravilo."
Kdo uporablja metodo
Analize Monte Carla ne izvajajo samo finančni strokovnjaki, ampak tudi številna druga podjetja. To je orodje odločanja, ki predvideva, da bo vsaka odločitev vplivala na splošno tveganje.
Vsak posameznik in institucija ima različno toleranco do tveganja. Zato je pomembno izračunati tveganje za vsako naložbo in ga primerjati s posamezno toleranco do tveganja.
Razdelitve verjetnosti, proizvedene z modelom Monte Carlo, ustvarjajo sliko tveganja. Ta slika je učinkovit način za sporočanje rezultatov drugim, na primer nadrejenim ali bodočim vlagateljem. Danes lahko zelo zapletene modele Monte Carla oblikuje in izvede vsak, ki ima dostop do osebnega računalnika.
