Monte Karlo analizės naudojimas rizikai įvertinti

Monte Karlo modelis leidžia tyrėjams atlikti kelis bandymus ir apibrėžti visus galimus įvykio ar investicijų rezultatus. Kartu jie sukuria tam tikros investicijos ar įvykio tikimybės pasiskirstymą arba rizikos vertinimą.

Monte Karlo analizė yra daugiamatė modeliavimo technika. Visi daugiamatiai modeliai gali būti laikomi sudėtingais "o kas jei?" scenarijus. Tyrimų analitikai juos naudoja numatydami investicijų rezultatus, norėdami suprasti galimybes, susijusias su jų investicijomis, ir geriau sumažinti riziką. Taikant Monte Karlo metodą, rezultatai palyginami su rizikos tolerancija. Tai padeda vadovui nuspręsti, ar tęsti investiciją, ar projektą.

Kas naudoja daugialypius modelius

Daugiapakopių modelių vartotojai keičia daugelio kintamųjų vertę, kad išsiaiškintų jų galimą poveikį vertinamam projektui.

Šiuos modelius naudoja finansų analitikai, norėdami įvertinti pinigų srautus ir naujų produktų idėjas. Portfelio valdytojai ir finansiniai patarėjai jais naudojasi, norėdami nustatyti investicijų įtaką portfelio rezultatams ir rizikai. Draudimo kompanijos jomis naudojasi siekdamos įvertinti žalos atlyginimo galimybes ir kainų politiką. Kai kurie geriausiai žinomi daugiamatiai modeliai yra naudojami vertinant akcijų pasirinkimo sandorius. Daugialypiai modeliai taip pat padeda analitikams nustatyti tikrąsias vertės priežastis.

Apie Monte Karlo analizę

Monte Karlo analizė pavadinta kunigaikštystės vardu, kurią išgarsino kazino. Su azartiniais žaidimais yra žinomi visi galimi rezultatai ir tikimybės, tačiau daugumos investicijų atveju ateities rezultatų rinkinys nežinomas.

Analitikas turi nustatyti rezultatus ir jų atsiradimo tikimybę. Monte Karlo modeliavimui analitikas vykdo kelis bandymus, kurių kartais būna tūkstančiai, kad būtų nustatyti visi įmanomi rezultatai ir tikimybė, kad jie įvyks.

Monte Karlo analizė yra naudinga, nes daugelis investavimo ir verslo sprendimų yra priimami remiantis vienu rezultatu. Kitaip tariant, daugelis analitikų sugalvoja vieną galimą scenarijų ir tada palygina jį su įvairiomis kliūtimis, kad galėtų nuspręsti, ar tęsti.

Dauguma „pro forma“ įverčių prasideda nuo pagrindinės bylos. Įvesdamas didžiausią tikimybės prielaidą kiekvienam faktoriui, analitikas gali nustatyti didžiausią tikimybės rezultatą. Tačiau priimti bet kuriuos sprendimus remiantis pagrindiniu atveju yra problematiška, o nepakanka sukurti tik vienos baigties prognozę, nes joje nieko nesakoma apie kitas galimas vertybes, kurios galėtų atsirasti.

Tai taip pat nieko nesako apie realią galimybę, kad tikroji ateities vertė bus kažkas kita, nei pagrindinio atvejo numatymas. Neįmanoma apsisaugoti nuo neigiamo įvykio, jei šių įvykių priežastys ir tikimybė nėra iš anksto apskaičiuoti.

Modelio kūrimas

Sukurtas Monte Karlo modelio įgyvendinimas reikalauja įrankio, kuris atsitiktinai parinks veiksnių reikšmes, kurias sieja tam tikros iš anksto nustatytos sąlygos. Atlikdamas daugybę bandymų su kintamaisiais, kuriuos riboja jų pačių nepriklausomos atsiradimo tikimybės, analitikas sukuria paskirstymą, apimantį visus galimus rezultatus ir tikimybę, kad jie įvyks.

Rinkoje yra daugybė atsitiktinių skaičių generatorių. Du labiausiai paplitę įrankiai projektuojant ir vykdant Monte Carlo modelius yra @Risk ir Crystal Ball. Abu jie gali būti naudojami kaip skaičiuoklių priedai ir leidžia atsitiktinius pavyzdžius įtraukti į nustatytus skaičiuoklių modelius.

Tinkamo Monte Karlo modelio kūrimo menas yra nustatyti teisingus kiekvieno kintamojo apribojimus ir teisingą santykį tarp kintamųjų. Pavyzdžiui, kadangi portfelio diversifikacija grindžiama turto koreliacija, bet koks modelis, sukurtas numatomoms portfelio vertėms sukurti, turi apimti koreliaciją tarp investicijų.

Norint pasirinkti teisingą kintamojo paskirstymą, reikia suprasti visus galimus paskirstymus. Pavyzdžiui, labiausiai paplitęs yra normalus pasiskirstymas, dar žinomas kaip varpo kreivė .

Normaliame pasiskirstyme visi įvykiai pasiskirsto vienodai. Vidurkis yra labiausiai tikėtinas įvykis. Natūralūs reiškiniai, žmonių aukštis ir infliacija yra keletas įvesties pavyzdžių, kurie paprastai pasiskirsto.

Atliekant Monte Karlo analizę, atsitiktinių skaičių generatorius pasirenka atsitiktinę kiekvieno kintamojo vertę, atsižvelgiant į modelio nustatytus apribojimus. Tada gaunamas visų galimų rezultatų tikimybės pasiskirstymas.

Standartinis tos tikimybės nuokrypis yra statistika, nurodanti tikimybę, kad įvertinamas faktinis rezultatas bus kažkas, išskyrus vidutinį ar labiausiai tikėtiną įvykį. Darant prielaidą, kad tikimybės pasiskirstymas paprastai pasiskirsto, maždaug 68% reikšmių pateks į vieną standartinį vidurkio nuokrypį, maždaug 95% reikšmių pateks į du standartinius nuokrypius, o apie 99, 7% - per tris standartinius vidurkio nuokrypius. .

Tai vadinama „68–95–99, 7 taisykle“ arba „empirine taisykle“.

Kas naudoja metodą

Monte Karlo analizę atlieka ne tik finansų specialistai, bet ir daugelis kitų įmonių. Tai yra sprendimų priėmimo priemonė, kuri daro prielaidą, kad kiekvienas sprendimas turės tam tikrą poveikį bendrai rizikai.

Kiekvienas asmuo ir įstaiga turi skirtingą rizikos toleranciją. Todėl svarbu apskaičiuoti bet kokios investicijos riziką ir palyginti ją su asmens tolerancija rizikai.

Monte Karlo modelio sudarytas tikimybių pasiskirstymas sukuria rizikos vaizdą. Ši nuotrauka yra efektyvus būdas perduoti rezultatus kitiems, pavyzdžiui, viršininkams ar galimiems investuotojams. Šiandien labai sudėtingus Monte Karlo modelius gali suprojektuoti ir įgyvendinti visi, turintys prieigą prie asmeninio kompiuterio.