A Monte Carlo-modell lehetővé teszi a kutatók számára, hogy több kísérletet végezzenek, és meghatározzák az esemény vagy befektetés összes lehetséges eredményét. Együtt létrehoznak egy valószínűség-eloszlást vagy kockázatértékelést egy adott befektetésre vagy eseményre.
A Monte Carlo elemzés többváltozós modellezési technika. Az összes többváltozós modellt összetett "mi lenne, ha?" forgatókönyveket. A kutató elemzők ezeket felhasználják a befektetési eredmények előrejelzésére, a befektetési kitettséggel kapcsolatos lehetőségek megértésére és a kockázatok jobb csökkentésére. A Monte Carlo módszernél az eredményeket összehasonlítják a kockázati toleranciával. Ez segít a menedzsernek eldönteni, hogy folytatja-e beruházását vagy projektjét.
Ki használja a többváltozós modelleket?
A többváltozós modellek felhasználói megváltoztatják a több változó értékét, hogy megbizonyosodjanak azok potenciális hatásáról az értékelendő projektre.
A modelleket a pénzügyi elemzők használják a cash flow és az új termékötletek becslésére. A portfóliókezelők és pénzügyi tanácsadók felhasználják őket a befektetéseknek a portfólió teljesítményére és kockázatára gyakorolt hatásának meghatározására. A biztosítótársaságok felhasználják a kárigények és az árpolitikák becslésére. A legismertebb többváltozós modellek közül néhányat használnak a részvényopciók értékeléséhez. A többváltozós modellek segítik az elemzőket az érték valódi mozgatórugóinak meghatározásában is.
A Monte Carlo-elemzésről
A Monte Carlo-elemzést a kaszinók által híresített fejedelemségnek nevezték el. A szerencsejátékokkal minden lehetséges eredmény és valószínűség ismert, de a legtöbb befektetésnél a jövőbeli eredmények halmaza ismeretlen.
Az elemző feladata meghatározni az eredményeket és azok valószínűségét. A Monte Carlo modellezés során az elemző több kísérletet hajt végre, néha ezereket, hogy meghatározzák az összes lehetséges eredményt és annak valószínűségét, hogy ezek megtörténjenek.
A Monte Carlo-elemzés hasznos, mivel sok befektetési és üzleti döntést egyetlen eredmény alapján hoznak. Más szavakkal, sok elemző származik egy lehetséges forgatókönyvből, majd összehasonlítja azt a különböző akadályokkal, hogy eldöntse, folytatja-e.
A legtöbb pro forma becslés alapjellel kezdődik. Az elemzők az egyes tényezők legmagasabb valószínűségi feltételezésének megadásával kiszámíthatják a legnagyobb valószínűségű eredményt. Az alapesetek alapján bármilyen döntés meghozatala azonban problematikus, és az egyetlen eredményre vonatkozó előrejelzés készítése nem elegendő, mivel nem szól semmi más lehetséges értékéről, amely esetlegesen felmerülhet.
Nem is mond semmit arról a nagyon valószínű esélyről, hogy a tényleges jövőbeli érték más, mint az alapeset előrejelzése. Lehetetlen fedezni a negatív eseményeket, ha az események tényezőit és valószínűségét nem számítják előre.
A modell létrehozása
A Monte Carlo modell kivitelezése után olyan eszközt igényel, amely véletlenszerűen választja ki azokat a tényező értékeket, amelyeket bizonyos előre meghatározott feltételek kötnek. Számos olyan vizsgálat elvégzésével, amelyet a változókat korlátoznak a saját független előfordulási valószínűségeik, az elemző létrehoz egy eloszlást, amely magában foglalja az összes lehetséges eredményt és azok előfordulásának valószínűségét.
Sok véletlenszám-generátor létezik a piacon. A Monte Carlo modellek megtervezéséhez és kivitelezéséhez a leggyakoribb eszközök a @Risk és a Crystal Ball. Mindkettő használható kiegészítőként a táblázatokhoz, és lehetővé teszi a véletlenszerű mintavétel beépítését a már létrehozott táblázati modellekbe.
A megfelelő Monte Carlo-modell kidolgozása az, hogy meghatározzuk az egyes változókra vonatkozó helyes korlátokat és a változók közötti helyes kapcsolatot. Mivel például a portfóliódiverzifikáció az eszközök közötti korreláción alapszik, a várható portfólióértékek létrehozására kidolgozott bármely modellnek tartalmaznia kell a befektetések közötti korrelációt.
A változó megfelelő eloszlásának megválasztásához meg kell értenie a rendelkezésre álló lehetséges eloszlásokat. Például a leggyakoribb a normál eloszlás, más néven haranggörbe .
Normál eloszlás esetén az összes esemény egyenlően oszlik meg az átlag között. Az átlag a legvalószínűbb esemény. A természeti jelenségek, az emberek magassága és az infláció néhány példa a rendesen elosztott inputokra.
A Monte Carlo elemzés során egy véletlenszám-generátor véletlenszerű értéket választ ki minden változó számára a modell által meghatározott korlátokon belül. Ezután valószínűségi eloszlást hoz létre az összes lehetséges eredményre.
A valószínűség szórása egy olyan statisztika, amely jelzi annak valószínűségét, hogy a becsült tényleges eredmény más, mint az átlag vagy a legvalószínűbb esemény. Ha feltételezzük, hogy a valószínűség-eloszlás általában eloszlik, akkor az értékek kb. 68% -a az átlag egy szórása alá esik, az értékek kb. 95% -a két standard eltérésbe esik, és kb. 99, 7% az átlag három szórása alá esik..
Ezt nevezzük "68-95-99, 7 szabálynak" vagy "empirikus szabálynak".
Ki használja a módszert?
A Monte Carlo elemzéseket nem csak pénzügyi szakemberek végzik, hanem sok más vállalkozás is. Ez egy olyan döntéshozó eszköz, amely feltételezi, hogy minden döntésnek van valamilyen hatása az általános kockázatra.
Minden egyén és intézmény eltérő kockázati toleranciával rendelkezik. Ezért fontos a befektetés kockázatának kiszámítása és összehasonlítása az egyén kockázati toleranciájával.
A Monte Carlo modell által előállított valószínűségi eloszlások képet alkotnak a kockázatról. Ez a kép hatékony módszer az eredmények továbbadására másoknak, például feletteseinek vagy leendő befektetőknek. Manapság a nagyon összetett Monte Carlo modelleket bárki megtervezheti és kivitelezheti, aki hozzáfér a személyi számítógéphez.
