Montekarlo analīzes izmantošana riska novērtēšanai

Montekarlo modelis ļauj pētniekiem veikt vairākus izmēģinājumus un noteikt visus iespējamos notikuma vai ieguldījuma rezultātus. Kopā tie rada varbūtības sadalījumu vai riska novērtējumu noteiktam ieguldījumam vai notikumam.

Montekarlo analīze ir daudzfaktoru modelēšanas tehnika. Visus daudzfunkcionālos modeļus var uzskatīt par sarežģītiem "kas būtu, ja?" scenāriji. Pētniecības analītiķi tos izmanto, lai prognozētu ieguldījumu rezultātus, izprastu iespējas, kas saistītas ar viņu ieguldījumu riskiem, un labāk mazinātu riskus. Izmantojot Montekarlo metodi, rezultāti tiek salīdzināti ar riska toleranci. Tas palīdz vadītājam izlemt, vai turpināt investīcijas vai projektu.

Kurš izmanto daudzfaktoru modeļus

Daudzveidīgo modeļu lietotāji maina vairāku mainīgo vērtību, lai pārliecinātos par to iespējamo ietekmi uz vērtējamo projektu.

Modeļus finanšu analītiķi izmanto, lai novērtētu naudas plūsmas un jaunu produktu idejas. Portfeļa pārvaldnieki un finanšu konsultanti tos izmanto, lai noteiktu ieguldījumu ietekmi uz portfeļa darbību un risku. Apdrošināšanas kompānijas tos izmanto, lai novērtētu atlīdzību iespējamību un cenu politiku. Daži no pazīstamākajiem daudzdimensiju modeļiem ir tie, kurus izmanto, lai novērtētu akciju opcijas. Daudzveidīgi modeļi arī palīdz analītiķiem noteikt patiesos vērtības virzītājus.

Par Montekarlo analīzi

Montekarlo analīze ir nosaukta pēc principiālisma, kuru slaveni izrāda kazino. Ar azartspēlēm ir zināmi visi iespējamie iznākumi un varbūtības, taču lielākajai daļai ieguldījumu nākotnes iznākumu kopa nav zināma.

Analītiķim ir jānosaka rezultāti un varbūtība, ka tie notiks. Montekarlo modelēšanā analītiķis veic vairākus izmēģinājumus, dažreiz no tiem tūkstošiem, lai noteiktu visus iespējamos rezultātus un varbūtību, ka tie notiks.

Montekarlo analīze ir noderīga, jo daudzi lēmumi par ieguldījumiem un uzņēmējdarbību tiek pieņemti, pamatojoties uz vienu iznākumu. Citiem vārdiem sakot, daudzi analītiķi izdomā vienu iespējamo scenāriju un pēc tam salīdzina to ar dažādiem šķēršļiem, lai izlemtu, vai turpināt.

Lielākā daļa pro forma aprēķinu sākas ar pamata gadījumu. Ievadot katra faktora visaugstākās iespējamības pieņēmumu, analītiķis var iegūt visaugstāko varbūtības iznākumu. Tomēr lēmumu pieņemšana, pamatojoties uz pamata gadījumu, ir problemātiska, un prognozes izveidošana ar tikai vienu iznākumu ir nepietiekama, jo tajā nav teikts par citām iespējamām vērtībām, kas varētu rasties.

Tas arī neko nesaka par ļoti reālo iespēju, ka faktiskā nākotnes vērtība būs kaut kas cits, kā pamata gadījuma prognozēšana. Nav iespējams nodrošināties pret negatīvu notikumu, ja šo notikumu cēloņi un iespējamība nav iepriekš aprēķināti.

Modeļa izveidošana

Kad tas ir izstrādāts, Montekarlo modeļa izpildei ir nepieciešams rīks, kas nejauši izvēlas faktoru vērtības, kuras ir saistītas ar noteiktiem iepriekš noteiktiem nosacījumiem. Veicot vairākus izmēģinājumus ar mainīgajiem, ko ierobežo viņu neatkarīgās rašanās varbūtības, analītiķis izveido sadalījumu, kurā iekļauti visi iespējamie rezultāti un varbūtība, ka tie notiks.

Tirgū ir daudz izlases numuru ģeneratoru. Divi visizplatītākie rīki Monte Carlo modeļu projektēšanai un izpildei ir @Risk un Crystal Ball. Abas no tām var izmantot kā izklājlapu pievienojumprogrammas un ļauj nejaušu izlasi iekļaut izveidotajos izklājlapu modeļos.

Piemērota Montekarlo modeļa izstrādes māksla ir noteikt pareizus ierobežojumus katram mainīgajam un pareizo attiecību starp mainīgajiem. Piemēram, tā kā portfeļa diversifikācijas pamatā ir korelācija starp aktīviem, visiem modeļiem, kas izstrādāti, lai izveidotu paredzamās portfeļa vērtības, jāietver korelācija starp ieguldījumiem.

Lai mainīgajam izvēlētos pareizo sadalījumu, ir jāsaprot katrs no iespējamiem pieejamajiem sadalījumiem. Piemēram, visizplatītākais ir parastais sadalījums, kas pazīstams arī kā zvana līkne .

Normālā sadalījumā visi notikumi ir vienādi sadalīti pa vidējo. Vidējais ir visiespējamākais notikums. Dabas parādības, cilvēku augstums un inflācija ir daži parasti izplatīto izejvielu piemēri.

Montekarlo analīzē izlases numuru ģenerators katram mainīgajam izlases veidā atlasa modeļa noteikto ierobežojumu ietvaros. Pēc tam tiek iegūts varbūtības sadalījums visiem iespējamiem rezultātiem.

Šīs varbūtības standartnovirze ir statistika, kas apzīmē varbūtību, ka faktiskais novērtējamais iznākums būs kaut kas cits, nevis vidējais vai visticamākais notikums. Pieņemot, ka varbūtības sadalījums parasti tiek sadalīts, aptuveni 68% vērtību ietilpst vienā vidējā standarta novirzē, apmēram 95% vērtību ietilpst divās standarta novirzēs un apmēram 99, 7% atrodas trīs vidējās vērtības standartnovirzēs. .

Tas ir pazīstams kā "68-95-99.7 noteikums" vai "empīriskais likums".

Kurš izmanto metodi

Montekarlo analīzes veic ne tikai finanšu profesionāļi, bet arī daudzi citi uzņēmumi. Tas ir lēmumu pieņemšanas rīks, kas pieņem, ka katram lēmumam būs zināma ietekme uz kopējo risku.

Katram indivīdam un iestādei ir atšķirīga riska tolerance. Tāpēc ir svarīgi aprēķināt jebkura ieguldījuma risku un salīdzināt to ar indivīda riska toleranci.

Monokarlo modeļa radītie varbūtības sadalījumi rada riska ainu. Šis attēls ir efektīvs veids, kā nodot rezultātus citiem, piemēram, priekšniekiem vai potenciālajiem investoriem. Mūsdienās ļoti sarežģītus Monte Karlo modeļus var izveidot un izpildīt ikviens, kam ir pieeja personālajam datoram.