Mikä on Monte Carlo -simulaatio ja miksi me tarvitsemme sitä?
Analyytikot voivat arvioida mahdollisia salkkutuottoja monin tavoin. Historiallinen lähestymistapa, joka on suosituin, ottaa huomioon kaikki jo tapahtuneet mahdollisuudet. Sijoittajien ei pitäisi kuitenkaan pysähtyä tähän. Monte Carlo -menetelmä on stokastinen (panosten satunnainen näytteenotto) -menetelmä tilastollisen ongelman ratkaisemiseksi, ja simulointi on ongelman virtuaalinen esitys. Monte Carlo -simulaatio yhdistää nämä kaksi ja antaa meille tehokkaan työkalun, jonka avulla voimme saada tuloksen jakauman (ryhmän) kaikista tilastollisista ongelmista, joissa on useita näytteitä, jotka on otettu uudelleen ja uudelleen. (Lisätietoja: Stochastics: Tarkka Osta ja myy -indikaattori .)
Monte Carlo -simulaatio poistettiin
Monte Carlo -simulaatiot voidaan ymmärtää parhaiten ajattelemalla noppaa heittävää henkilöä. Aloittelijalla, joka pelaa crapsia ensimmäistä kertaa, ei ole aavistustakaan, mitä todennäköisyyksiä on kuuden pelaajan heitossa missä tahansa yhdistelmässä (esimerkiksi neljä ja kaksi, kolme ja kolme, yksi ja viisi). Mitkä ovat kertoimet kahden kolmen liikuttamisesta, joka tunnetaan myös nimellä "kova kuusi?" Noppaan heittäminen useita kertoja, mieluiten useita miljoonia kertoja, tarjoaisi edustavan tulosten jakauman, joka kertoo meille kuinka todennäköisesti kuuden rulla on kova kuusi. Ihannetapauksessa meidän pitäisi suorittaa nämä testit tehokkaasti ja nopeasti, mitä juuri Monte Carlo -simulaatio tarjoaa.
Omaisuuserien hinnat tai salkkujen tulevaisuuden arvot eivät riipu noppirullista, mutta joskus omaisuuden hinnat muistuttavat satunnaista kävelyä. Pelkästään historian tarkastelemiseen liittyvä ongelma on, että se edustaa käytännössä vain yhtä vaihetta tai todennäköistä lopputulosta, jota voidaan soveltaa tulevaisuudessa. Monte Carlo -simulaatio harkitsee monia mahdollisuuksia ja auttaa meitä vähentämään epävarmuutta. Monte Carlo -simulaatio on erittäin joustava; se antaa meille mahdollisuuden vaihdella riskien oletuksia kaikilla parametreilla ja mallintaa siten erilaisia mahdollisia tuloksia. Voidaan verrata useita tulevia tuloksia ja mukauttaa malli erilaisiin tarkasteltavissa oleviin omaisuuseriin ja salkkuihin. (Katso lisätietoja kohdasta: Löydä oikea sopivuus todennäköisyysjakaumien kanssa .)
Monte Carlo -simulaation sovellukset rahoituksessa
Monte Carlo -simulaatiolla on lukuisia sovelluksia rahoituksessa ja muilla aloilla. Monte Carloa käytetään yritysrahoituksessa mallintamaan projektin kassavirran komponentteja, joihin epävarmuus vaikuttaa. Tuloksena on joukko nykyisiä nettoarvoja (NPV) sekä havaintoja analysoitavan sijoituksen keskimääräisestä NPV: stä ja sen volatiliteetista. Sijoittaja voi siten arvioida todennäköisyyden, että NPV on suurempi kuin nolla. Monte Carloa käytetään optioiden hinnoitteluun, jossa syntyy useita satunnaisia polkuja kohde-etuuden hintaan, jokaisella on siihen liittyvä voitto. Nämä voitot alennetaan sitten takaisin nykyhetkeen ja keskiarvo saadaan optiohinta. Sitä käytetään samoin kiinteätuottoisten arvopapereiden ja korkojohdannaisten hinnoitteluun. Mutta Monte Carlo -simulaatiota käytetään laajimmin salkunhoidossa ja henkilökohtaisessa taloudellisessa suunnittelussa. (Lisätietoja: Pääomasijoituspäätökset - kassavirrat .)
Monte Carlo -simulaatio ja salkunhallinta
Monte Carlo -simulaation avulla analyytikko voi määrittää eläkkeelle jäämisen edellyttämän salkun koon halutun eläke-elämäntavan ja muiden toivottujen lahjojen ja testamenttien tukemiseksi. Hän ottaa huomioon sijoituskorkojen, inflaatioasteen, omaisuusluokkien tuoton, veroasteen ja jopa mahdollisen eliniän jakauman. Tuloksena on jakauma salkun kokoista todennäköisyydellä tukea asiakkaan toivomia kulutustarpeita.
Seuraavaksi analyytikko käyttää Monte Carlo -simulaatiota selvittääkseen salkun odotettavissa olevan arvon ja jakauman omistajan eläkepäivänä. Simulaation avulla analyytikko voi ottaa monijaksoisen näkymän ja tekijän riippuvuuteen; salkun arvo ja omaisuuden allokointi kullakin ajanjaksolla riippuvat tuottoista ja volatiliteetista edellisellä kaudella. Analyytikko käyttää erilaisia omaisuuserien allokointeja vaihtelevalla riskitasolla, eri korrelaatioita omaisuuserien välillä ja suuren määrän tekijöiden jakautumista - mukaan lukien säästöt kullakin ajanjaksolla ja eläkepäivää - päästäkseen salkkujakaumaan ja saapumisen todennäköisyyteen haluttuun salkun arvoon eläkkeelle siirtyessä. Asiakkaan erilaiset kulutusprosentit ja elinikä voidaan ottaa huomioon määritettäessä todennäköisyys, että asiakkaalla on loppuneet varat (pilaantumisen todennäköisyys tai pitkäikäisyysriski) ennen hänen kuolemaansa.
Asiakkaan riski- ja tuottoprofiili on tärkein tekijä, joka vaikuttaa salkunhoitopäätöksiin. Asiakkaan vaaditut tuotot ovat riippuvaisia hänen eläkkeelle jäämis- ja kulutustavoitteistaan; hänen riskiprofiilinsa määrää hänen kyky ja halukkuus ottaa riskejä. Useimmiten kuin haluttu tuotto ja asiakkaan riskiprofiili eivät ole synkronoidut keskenään. Esimerkiksi asiakkaan hyväksyttävä riskitaso voi tehdä mahdottomaksi tai erittäin vaikeaksi saavuttaa halutun tuoton. Lisäksi vähimmäismäärää voidaan tarvita ennen eläkkeelle siirtymistä asiakkaan tavoitteiden saavuttamiseksi, mutta asiakkaan elämäntapa ei salli säästöjä tai asiakas voi olla haluton muuttamaan sitä.
Tarkastellaan esimerkkiä nuoresta työskentelevästä parista, joka työskentelee kovasti ja jolla on tyylikäs elämäntyyli, joka sisältää kalliita lomia joka vuosi. Heillä on eläketavoite kuluttaa 170 000 dollaria vuodessa (noin 14 000 dollaria kuukaudessa) ja jättää miljoonan dollarin kiinteistö lapsilleen. Analyytikko suorittaa simulaation ja toteaa, että ajanjakson säästöt ovat riittämättömiä halutun salkun arvon rakentamiseksi eläkkeelle siirtyessä. se on kuitenkin saavutettavissa, jos allokointi pienimuotoisiin osakkeisiin kaksinkertaistetaan (50–70 prosenttiin 25–35 prosenttiin), mikä lisää niiden riskiä huomattavasti. Mikään yllä mainituista vaihtoehdoista (suuremmat säästöt tai lisääntynyt riski) ei ole asiakkaalle hyväksyttävää. Siksi analyytikko ottaa huomioon muut säädöt ennen simulaation suorittamista uudelleen. analyytikko viivästää heidän eläkkeelle siirtymistään kahdella vuodella ja vähentää heidän kuukausikulut eläkkeelle siirtymisen jälkeen 12 500 dollariin. Tuloksena oleva jakauma osoittaa, että haluttu salkun arvo on saavutettavissa lisäämällä allokointia pienpääomaisille osakkeille vain 8 prosentilla. Saatavilla olevan käsityksen mukaan analyytikko neuvoo asiakkaita lykkäämään eläkkeelle siirtymistä ja vähentämään kulujaan marginaalisesti, mihin pari suostuu. (Lisätietoja: Eläkesi suunnitteleminen Monte Carlo -simulaation avulla .)
Alarivi
Monte Carlo -simulaatio antaa analyytikoille ja neuvonantajille muuttaa sijoitusmahdollisuudet valinnoiksi. Monte Carlon etuna on sen kyky ottaa huomioon arvoalueet eri tuloille; tämä on myös sen suurin haitta siinä mielessä, että oletusten on oltava oikeudenmukaisia, koska tuotos on vain yhtä hyvä kuin panokset. Toinen suuri haitta on, että Monte Carlo -simulaatiolla on taipumus aliarvioida äärimmäisten karhutapahtumien, kuten finanssikriisin, todennäköisyys. Itse asiassa asiantuntijat väittävät, että Monte Carlon kaltainen simulointi ei pysty ottamaan huomioon rahoituksen käyttäytymistä ja markkinoiden osallistujien osoittamaa irrationaalisuutta. Se on kuitenkin hyödyllinen työkalu neuvonantajille.
