Naudojant Monte Karlo analizę rizikai įvertinti

Monte Karlo modelis leidžia įvairių profesijų mokslininkams atlikti kelis bandymus ir taip apibrėžti visus galimus įvykio ar sprendimo rezultatus. Finansų sektoriuje sprendimas paprastai yra susijęs su investicijomis. Sujungus, visi atskiri bandymai sukuria tikimybių pasiskirstymas arba rizikos vertinimas tam tikrai investicijai ar įvykiui.

Monte Karlas analizė yra tam tikra daugiamatė modeliavimo technika. Visi daugiamatiai modeliai galima suvokti kaip sudėtingas iliustracijas „kas būtų, jei būtų?“ scenarijus. Kai kurie geriausiai žinomi daugiamatiai modeliai yra naudojami vertinant akcijų pasirinkimai. Tyrimų analitikai juos naudoja prognozuoti investicijų rezultatus, suprasti galimybes, susijusias su jų investicijomis, ir geriau sumažinti riziką.

Kai investuotojai naudoja Monte Karlo metodą, rezultatai lyginami su įvairiais lygiais rizikos tolerancija. Tai gali padėti suinteresuotosioms šalims nuspręsti, ar tęsti investiciją, ar ne.

Kas naudoja daugiamatius modelius

Daugialypiai modeliai, tokie kaip Monte Karlo modelis, yra populiarios statistinės priemonės, kurios naudoja kelis kintamuosius, kad prognozuotų galimus rezultatus. Naudodamas daugiamatį modelį, vartotojas keičia kelių kintamųjų vertę, kad įsitikintų jų galimu poveikiu vertinamam sprendimui.

Daugelyje skirtingų profesijų tipų naudojami daugiamatiai modeliai. Finansų analitikai gali naudoti daugiamatį modelį pinigų srautai ir naujų produktų idėjų. Portfelio valdytojai ir finansų patarėjai naudokite juos, kad nustatytumėte investicijų poveikį portfelio našumas ir rizika. Draudimo bendrovės jas naudoja norėdami įvertinti pretenzijas ir kainų politiką.

„Monte Carlo“ modelis pavadintas pagal geografinę vietą - Monte Karlą (techniškai administracinę Monako Kunigaikštystės teritoriją), kurį išgarsino gausus kazino.

Rezultatai ir tikimybės

Naudojant azartinius žaidimus, tokius kaip tie, kurie žaidžiami kazino, žinomi visi galimi rezultatai ir tikimybės. Tačiau daugumos investicijų atveju būsimų rezultatų rinkinys nežinomas.

Tai priklauso nuo analitikas nustatyti rezultatus ir tikimybę, kad jie įvyks. Monte Karlo modeliavime analitikas atlieka kelis bandymus (kartais net tūkstančius jų), kad nustatytų visus galimus rezultatus ir tikimybę, kad jie įvyks.

Monte Karlo analizė yra naudinga, nes daugelis investicijų ir verslo sprendimų priimami remiantis vienu rezultatu. Kitaip tariant, daugelis analitikų pateikia vieną galimą scenarijų ir tada palygina tą rezultatą su įvairiomis to rezultato kliūtimis, kad nuspręstų, ar tęsti.

Pro Forma sąmatos

Dauguma pro forma įvertinimai prasideda nuo pagrindinio atvejo. Įvesdamas didžiausią tikimybės prielaidą kiekvienam veiksniui, analitikas gali gauti didžiausią tikimybės rezultatą. Tačiau bet kokių sprendimų priėmimas remiantis pagrindiniu atveju yra problemiškas, o prognozės sudarymas tik vieno rezultato nepakanka, nes jis nieko nesako apie kitas galimas vertybes atsirasti.

Tai taip pat nieko nesako apie tikrąją tikimybę, kad tikroji ateities vertę bus kažkas kita, nei pagrindinio atvejo prognozė. Neįmanoma apsidraudimas nuo neigiamo įvykio, jei šių įvykių veiksniai ir tikimybės nėra apskaičiuojami iš anksto.

Modelio kūrimas

Sukūrus Monte Karlo modelį, reikia įrankio, kuris atsitiktinai parinks veiksnių reikšmes, kurios yra susietos su tam tikromis iš anksto nustatytomis sąlygomis. Atlikdami daugybę bandymų su kintamaisiais, kuriuos riboja jų pačių nepriklausomos tikimybės, an analitikas sukuria paskirstymą, apimantį visus galimus rezultatus ir tikimybę, kad jie įvyks.

Rinkoje yra daug atsitiktinių skaičių generatorių. Du dažniausiai naudojami Monte Karlo modelių projektavimo ir vykdymo įrankiai @Rizika ir Kristalinis kamuolys. Abu jie gali būti naudojami kaip skaičiuoklių priedai ir leidžia atsitiktinę atranką įtraukti į nustatytus skaičiuoklių modelius.

Teisingi suvaržymai

Kuriant tinkamą Monte Karlo modelį, reikia nustatyti teisingus kiekvieno kintamojo apribojimus ir teisingą kintamųjų santykį. Pavyzdžiui, dėl portfelio įvairinimas yra pagrįstas koreliacija tarp turto, bet kuris modelis, sukurtas tikėtinoms portfelio vertėms sukurti, turi apimti investicijų koreliaciją.

Norint pasirinkti tinkamą kintamojo paskirstymą, reikia suprasti kiekvieną iš galimų skirstinių. Pavyzdžiui, labiausiai paplitęs yra a normalus skirstinys, taip pat žinomas kaip varpo kreivė.

Normalus pasiskirstymas ir standartinis nuokrypis

Esant normaliam pasiskirstymui, visi įvykiai yra tolygiai paskirstyti aplink vidurkį. Vidurkis yra labiausiai tikėtinas įvykis. Gamtos reiškiniai, žmonių ūgis ir infliacija yra keletas įprastai paskirstytų duomenų pavyzdžių.

Monte Karlo analizėje atsitiktinių skaičių generatorius parenka atsitiktinę kiekvieno kintamojo vertę pagal modelio nustatytus apribojimus. Tada jis sukuria visų galimų rezultatų tikimybės pasiskirstymą.

The standartinis nuokrypis tos tikimybės yra statistika, rodanti tikimybę, kad faktinis įvertinamas rezultatas bus kažkas ne tik vidutinis ar labiausiai tikėtinas įvykis. Darant prielaidą, kad tikimybių pasiskirstymas yra normaliai paskirstytas, maždaug 68% reikšmių patenka į vieną standartinį nuokrypį vidutiniškai apie 95% verčių patenka į du standartinius nuokrypius, o apie 99,7% - į tris standartinius nuokrypius reiškia.

Tai žinoma kaip „68-95-99,7 taisyklė“ arba „empirinė taisyklė."

Kas naudoja metodą

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

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

Tikimybių pasiskirstymas pagal Monte Karlo modelį sukuria rizikos vaizdą. Šis vaizdas yra veiksmingas būdas perduoti rezultatus kitiems, pvz., Viršininkams ar būsimiems investuotojams. Šiandien labai sudėtingus Monte Karlo modelius gali kurti ir vykdyti kiekvienas, turintis prieigą prie asmeninio kompiuterio.