Модель Монте-Карло позволяет исследователям проводить несколько испытаний и определять все потенциальные результаты события или инвестиции. Вместе они создают распределение вероятностей или оценку риска для данной инвестиции или события.
Анализ Монте-Карло - метод многомерного моделирования. Все многомерные модели могут рассматриваться как сложные "что если?" сценарии. Аналитики-аналитики используют их для прогнозирования результатов инвестиций, для понимания возможностей, связанных с их инвестиционными рисками, и для лучшего снижения рисков. В методе Монте-Карло результаты сравниваются с допустимой степенью риска. Это помогает менеджеру решить, следует ли продолжать инвестиции или проект.
Кто использует многовариантные модели
Пользователи многомерных моделей меняют значение нескольких переменных, чтобы определить их потенциальное влияние на оцениваемый проект.
Модели используются финансовыми аналитиками для оценки денежных потоков и новых идей продукта. Менеджеры портфелей и финансовые консультанты используют их для определения влияния инвестиций на эффективность портфеля и риск. Страховые компании используют их, чтобы оценить потенциал для претензий и ценовую политику. Некоторые из самых известных многомерных моделей используются для оценки опционов на акции. Многомерные модели также помогают аналитикам определить истинные факторы стоимости.
Об анализе Монте-Карло
Анализ Монте-Карло назван в честь княжества, прославленного своими казино. С азартными играми все возможные результаты и вероятности известны, но с большинством инвестиций набор будущих результатов неизвестен.
Аналитик должен определить результаты и вероятность того, что они произойдут. При моделировании по методу Монте-Карло аналитик проводит несколько испытаний, иногда тысячи, чтобы определить все возможные результаты и вероятность того, что они будут иметь место.
Анализ Монте-Карло полезен, потому что многие инвестиционные и бизнес-решения принимаются на основе одного результата. Другими словами, многие аналитики выводят один возможный сценарий, а затем сравнивают его с различными препятствиями, чтобы решить, следует ли продолжать.
Большинство формальных оценок начинаются с базового случая. Вводя предположение о наибольшей вероятности для каждого фактора, аналитик может получить результат с наибольшей вероятностью. Однако принятие любых решений на основе базового случая проблематично, а создание прогноза только с одним исходом недостаточно, поскольку в нем ничего не говорится о любых других возможных значениях, которые могут возникнуть.
Это также ничего не говорит об очень реальной вероятности того, что фактическая будущая стоимость будет чем-то иным, чем предсказание базового случая. Невозможно застраховаться от негативного события, если причины и вероятности этих событий не рассчитаны заранее.
Создание модели
После разработки для выполнения модели Монте-Карло требуется инструмент, который будет случайным образом выбирать значения коэффициентов, которые связаны определенными заданными условиями. Запустив ряд испытаний с переменными, ограниченными их собственными независимыми вероятностями возникновения, аналитик создает распределение, которое включает в себя все возможные результаты и вероятности их возникновения.
На рынке есть много генераторов случайных чисел. Два наиболее распространенных инструмента для проектирования и выполнения моделей Монте-Карло - @Risk и Crystal Ball. Оба из них могут быть использованы в качестве надстроек для электронных таблиц и позволяют включать случайную выборку в установленные модели электронных таблиц.
Искусство разработки подходящей модели Монте-Карло состоит в определении правильных ограничений для каждой переменной и правильных отношений между переменными. Например, поскольку диверсификация портфеля основана на корреляции между активами, любая модель, разработанная для создания ожидаемых значений портфеля, должна включать корреляцию между инвестициями.
Чтобы выбрать правильное распределение для переменной, необходимо понять каждое из возможных доступных распределений. Например, наиболее распространенным является нормальное распределение, также известное как кривая колокола .
При нормальном распределении все вхождения равномерно распределены по среднему. Среднее значение наиболее вероятное событие. Природные явления, высота людей и инфляция - вот некоторые примеры ресурсов, которые обычно распределяются.
В анализе Монте-Карло генератор случайных чисел выбирает случайное значение для каждой переменной в пределах ограничений, установленных моделью. Затем он производит распределение вероятностей для всех возможных результатов.
Стандартное отклонение этой вероятности представляет собой статистику, которая обозначает вероятность того, что фактический оцениваемый результат будет отличаться от среднего или наиболее вероятного события. Предполагая, что распределение вероятностей нормально распределено, примерно 68% значений будут находиться в пределах одного стандартного отклонения от среднего, около 95% значений будут попадать в два стандартных отклонения, а около 99, 7% будут находиться в пределах трех стандартных отклонений от среднего, Это известно как «правило 68-95-99.7» или «эмпирическое правило».
Кто использует метод
Анализ Монте-Карло проводится не только финансовыми специалистами, но и многими другими предприятиями. Это инструмент принятия решений, который предполагает, что каждое решение будет иметь некоторое влияние на общий риск.
У каждого человека и учреждения есть различная терпимость риска. Это делает важным рассчитать риск любого вложения и сравнить его с допустимым уровнем риска индивидуума.
Распределения вероятностей, производимые моделью Монте-Карло, создают картину риска. Эта картина - эффективный способ донести результаты до других, таких как начальство или потенциальные инвесторы. Сегодня очень сложные модели Монте-Карло могут быть разработаны и выполнены любым человеком, имеющим доступ к персональному компьютеру.
