Monte Carlo -mallin avulla tutkijat voivat suorittaa useita kokeita ja määritellä kaikki mahdolliset tapahtuman tai sijoituksen tulokset. Yhdessä ne luovat todennäköisyysjakauman tai riskinarvioinnin tietylle sijoitukselle tai tapahtumalle.
Monte Carlo -analyysi on monimuuttujamalli. Kaikkien monimuuttujien mallien voidaan ajatella olevan monimutkaisia "entä jos?" skenaarioita. Tutkimusanalyytikot käyttävät niitä ennustamaan sijoitusten tuloksia, ymmärtämään sijoitusvastuunsa ympäröivät mahdollisuudet ja lieventämään paremmin riskejä. Monte Carlo -menetelmässä tuloksia verrataan riskinkantokykyyn. Se auttaa johtajaa päättämään, jatkaako sijoitus vai projekti.
Kuka käyttää monimuuttujamalleja
Monimuuttujien mallien käyttäjät muuttavat useiden muuttujien arvoa varmistaakseen niiden mahdollisen vaikutuksen arvioitavaan projektiin.
Rahoitusanalyytikot käyttävät malleja kassavirtojen ja uusien tuoteideoiden arvioimiseen. Salkunhoitajat ja taloudelliset neuvonantajat käyttävät niitä selvittääkseen sijoitusten vaikutuksen salkun tuottoon ja riskeihin. Vakuutusyhtiöt käyttävät niitä arvioidakseen korvausmahdollisuudet ja hinnoitellaan vakuutuksia. Jotkut tunnetuimmista monimuuttujamalleista ovat niitä, joita käytetään arvottamaan osakeoptioita. Monimuuttujamallit auttavat myös analyytikoita määrittämään arvon todelliset tekijät.
Tietoja Monte Carlo -analyysistä
Monte Carlo -analyysi on nimetty sen kasinoiden kuuluisan ruhtinaskunnan perusteella. Uhkapeleillä kaikki mahdolliset tulokset ja todennäköisyydet tiedetään, mutta suurimmassa osassa sijoituksia tulevaisuuden lopputulos ei ole tiedossa.
Analyytikon on päätettävä tuloksista ja todennäköisyydestä, että ne ilmenevät. Monte Carlo -mallinnuksessa analyytikko suorittaa useita kokeita, joskus tuhansia, kaikkien mahdollisten tulosten ja todennäköisyyden selvittämiseksi.
Monte Carlo -analyysi on hyödyllinen, koska monet sijoitus- ja liiketoimintapäätökset tehdään yhden tuloksen perusteella. Toisin sanoen, monet analyytikot johtavat yhden mahdollisen skenaarion ja vertaavat sitä sitten eri esteisiin päättääkseen jatkaakseen.
Useimmat pro forma -arviot alkavat perustietolla. Antamalla jokaiselle tekijälle korkeimman todennäköisyyden oletuksen, analyytikko voi johtaa korkeimman todennäköisyyden lopputuloksen. Päätösten tekeminen perus- tapauksen perusteella on kuitenkin ongelmallista, ja ennusteen luominen vain yhdellä tuloksella on riittämätöntä, koska se ei sano mitään muista mahdollisista arvoista, joita voi tapahtua.
Se ei myöskään sano mitään siitä todellisesta mahdollisuudesta, että todellinen tulevaisuuden arvo on jotain muuta kuin perustason ennuste. On mahdotonta suojautua negatiiviselta tapahtumalta, jos näiden tapahtumien vaikutuksia ja todennäköisyyksiä ei lasketa etukäteen.
Mallin luominen
Suunniteltuaan Monte Carlo -mallin suorittaminen vaatii työkalun, joka valitsee satunnaisesti tekijä-arvot, jotka sidotaan tiettyihin ennalta määrättyihin olosuhteisiin. Suorittamalla useita kokeita muuttujilla, joita heidän omat riippumattomiensa esiintymistodennäköisyydet rajoittavat, analyytikko luo jakauman, joka sisältää kaikki mahdolliset tulokset ja todennäköisyydet niiden esiintymiselle.
Markkinoilla on monia satunnaislukugeneraattoreita. Kaksi yleisintä työkalua Monte Carlo -mallien suunnitteluun ja toteuttamiseen ovat @Risk ja Crystal Ball. Molempia näitä voidaan käyttää laskentataulukoiden lisäosina ja sallia satunnaisten näytteiden sisällyttämisen vakiintuneisiin laskentataulukomalleihin.
Soveltuvan Monte Carlo -mallin kehittämisessä tunnetaan kunkin muuttujan oikeiden rajoitusten ja muuttujien välisen oikean suhteen määrittäminen. Esimerkiksi, koska salkun hajauttaminen perustuu omaisuuserien väliseen korrelaatioon, kaikkien odotetujen salkkuarvojen luomiseen kehitetyn mallin on sisällettävä korrelaatio sijoitusten välillä.
Jotta voitaisiin valita muuttujalle oikea jakelu, on ymmärrettävä jokainen käytettävissä oleva jakauma. Esimerkiksi yleisin on normaali jakauma, joka tunnetaan myös nimellä kellokäyrä .
Normaalijakaumassa kaikki esiintymiset jakautuvat tasaisesti keskiarvoon. Keskiarvo on todennäköisin tapahtuma. Luonnonilmiöt, ihmisten korkeudet ja inflaatio ovat esimerkkejä syötteistä, jotka normaalisti jakautuvat.
Monte Carlo -analyysissä satunnaislukugeneraattori valitsee satunnaisarvon jokaiselle muuttujalle mallin asettamissa rajoissa. Sitten se tuottaa todennäköisyysjakauman kaikille mahdollisille tuloksille.
Tämän todennäköisyyden keskihajonta on tilasto, joka osoittaa todennäköisyyden, että arvioitu todellinen lopputulos on jotain muuta kuin keskimääräinen tai todennäköisin tapahtuma. Jos oletetaan, että todennäköisyysjakauma jakautuu normaalisti, noin 68% arvoista kuuluu yhden keskipisteen standardipoikkeaman sisällä, noin 95% arvoista kuuluu kahden standardipoikkeaman sisällä ja noin 99, 7% on keskiarvon kolmen standardipoikkeaman sisällä..
Tätä kutsutaan "68-95-99.7 -säännöksi" tai "empiiriseksi sääntöksi".
Kuka käyttää menetelmää
Monte Carlo -analyysejä eivät suorita vain finanssialan ammattilaiset, vaan myös monet muut yritykset. Se on päätöksentekoväline, joka olettaa, että jokaisella päätöksellä on jonkinlainen vaikutus kokonaisriskiin.
Jokaisella yksilöllä ja laitoksella on erilainen riskinkantokyky. Siksi on tärkeää laskea sijoituksen riski ja verrata sitä yksilön riskinkantokykyyn.
Monte Carlo -mallin tuottamat todennäköisyysjakaumat luovat kuvan riskistä. Tämä kuva on tehokas tapa välittää tulokset muille, kuten esimiehille tai mahdollisille sijoittajille. Nykyään kuka tahansa, jolla on pääsy tietokoneeseen, voi suunnitella ja toteuttaa erittäin monimutkaisia Monte Carlo -malleja.
