Korištenjem Monte Carlo analize za procjenu rizika

Model Monte Carlo omogućava istraživačima da pokrenu višestruka ispitivanja i definiraju sve potencijalne ishode događaja ili ulaganja. Zajedno stvaraju raspodjelu vjerojatnosti ili procjenu rizika za dano ulaganje ili događaj.

Analiza Monte Carla je tehnika multivarijantnog modeliranja. Svi multivarijantni modeli mogu se smatrati složenim "što ako?" scenarije. Analitičari istraživanja koriste ih za predviđanje investicijskih ishoda, razumijevanje mogućnosti oko izloženosti i bolje ublažavanje rizika. U Monte Carlo metodi rezultati se uspoređuju s tolerancijom na rizik. To pomaže menadžeru da odluči hoće li započeti s investicijom ili projektom.

Tko koristi multivarijantne modele

Korisnici multivarijantnih modela mijenjaju vrijednost više varijabli kako bi utvrdili njihov potencijalni utjecaj na projekt koji se ocjenjuje.

Financijski analitičari koriste modele za procjenu novčanih tokova i novih ideja o proizvodima. Portfeljski menadžeri i financijski savjetnici koriste ih za utvrđivanje utjecaja ulaganja na izvedbu i rizik portfelja. Osiguravajuća društva ih koriste za procjenu potencijala za štete i za određivanje cijena. Neki od najpoznatijih multivarijantnih modela su oni koji se koriste za vrednovanje dionica. Multivarijantni modeli također pomažu analitičarima da utvrde istinske pokretačke vrijednosti.

O analizi Monte Carlo

Analiza Monte Carla nazvana je po principu poznatom po kockarnicama. S igrama na sreću poznati su svi mogući ishodi i vjerojatnosti, ali s većinom ulaganja skup budućih ishoda je nepoznat.

Na analitičaru je da odredi ishode i vjerojatnost da će se oni dogoditi. U modelu Monte Carlo analitičar provodi više ispitivanja, ponekad i tisuće njih, kako bi utvrdio sve moguće ishode i vjerojatnost da će se oni dogoditi.

Analiza Monte Carla korisna je jer se mnoge investicione i poslovne odluke donose na temelju jednog ishoda. Drugim riječima, mnogi analitičari izvode jedan mogući scenarij i zatim ga uspoređuju s raznim preprekama da bi odlučili hoće li nastaviti.

Većina pro forma procjena započinje s osnovnim slučajem. Unošenjem pretpostavke najveće vjerojatnosti za svaki faktor analitičar može dobiti ishod najveće vjerojatnosti. Međutim, donošenje bilo kakvih odluka na temelju osnovnog slučaja je problematično, a stvaranje prognoze sa samo jednim ishodom je nedovoljno jer ne govori ništa o svim drugim mogućim vrijednostima koje bi se mogle dogoditi.

To također ne govori o vrlo realnim šansama da će stvarna vrijednost u budućnosti biti nešto drugo nego predviđanje osnovnog slučaja. Nemoguće je zaštititi od negativnih pojava ako se pokretači i vjerojatnosti tih događaja ne izračunaju unaprijed.

Stvaranje modela

Nakon što je dizajniran, izvršavanje Monte Carlo modela zahtijeva alat koji će nasumično odabrati faktorske vrijednosti koje su vezane određenim unaprijed određenim uvjetima. Provodeći brojna ispitivanja s varijablama ograničenim vlastitim neovisnim vjerojatnostima pojavljivanja, analitičar stvara distribuciju koja uključuje sve moguće ishode i vjerojatnosti da će se oni dogoditi.

Na tržištu postoje mnogi generatori slučajnih brojeva. Dva najčešća alata za dizajn i izvedbu modela Monte Carlo su @ Risk i Crystal Ball. Oboje se mogu koristiti kao dodaci za proračunske tablice i omogućuju slučajno uzorkovanje ugraditi u utvrđene modele proračunskih tablica.

Umijeće u razvoju odgovarajućeg modela Monte Carlo je odrediti ispravna ograničenja za svaku varijablu i pravilan odnos između varijabli. Na primjer, budući da se diverzifikacija portfelja temelji na povezanosti imovine, svaki model razvijen za stvaranje očekivanih vrijednosti portfelja mora uključivati ​​korelaciju između ulaganja.

Da bi se odabrala ispravna distribucija za varijablu, mora se razumjeti svaka moguća distribucija. Na primjer, najčešća je normalna raspodjela, poznata i kao zvonasta krivulja .

U normalnoj distribuciji, sve pojave su podjednako raspoređene oko srednje vrijednosti. Srednja vrijednost je najvjerojatniji događaj. Prirodni fenomeni, visina ljudi i inflacija neki su od primjera inputa koji se normalno raspodjeljuju.

U Monte Carlo analizi, generator slučajnih brojeva odabire slučajnu vrijednost za svaku varijablu unutar ograničenja koja postavlja model. Zatim stvara distribuciju vjerojatnosti za sve moguće ishode.

Standardno odstupanje te vjerojatnosti je statistika koja označava vjerojatnost da će stvarni ishod koji se procjenjuje biti nešto drugo nego srednji ili najvjerojatniji događaj. Pod pretpostavkom da je distribucija vjerojatnosti normalno raspodijeljena, otprilike 68% vrijednosti padat će unutar jednog standardnog odstupanja od prosjeka, oko 95% vrijednosti će pasti unutar dva standardna odstupanja, a oko 99, 7% će ležati unutar tri standardna odstupanja od prosjeka,

To je poznato kao "pravilo 68-95-99.7" ili "empirijsko pravilo".

Tko koristi metodu

Analize Monte Carla ne provode samo financijski stručnjaci, već i mnoga druga poduzeća. To je alat za odlučivanje koji pretpostavlja da će svaka odluka imati određeni utjecaj na ukupni rizik.

Svaki pojedinac i institucija imaju različitu toleranciju na rizik. Zbog toga je važno izračunati rizik od svake investicije i usporediti ga s tolerancijom rizika pojedinca.

Distribucije vjerojatnosti proizvedene modelom Monte Carlo stvaraju sliku rizika. Ta je slika učinkovit način prenošenja rezultata drugima, poput nadređenih ili potencijalnih ulagača. Danas vrlo složene modele Monte Carla može dizajnirati i izvršiti svatko tko ima pristup osobnom računalu.