Hvad er Monte Carlo -simuleringen?
En Monte Carlo -simulering er en matematisk model til beregning af sandsynligheden for et specifikt resultat ved tilfældigt at teste eller prøve en lang række scenarier og variabler. Først brugt af Stanilaw Ulam, en matematiker, der arbejdede på Manhattan -projektet under 2. verdenskrig, giver simuleringerne analytikere en mulighed for at tage vanskelige beslutninger og løse komplekse problemer, der har flere usikkerhedsområder. Monte Carlo-simuleringen er opkaldt efter det casinopopulerede resort i Monaco og bruger historiske statistiske data til at generere millioner af forskellige økonomiske resultater ved tilfældigt at indsætte komponenter i hver kørsel, der kan påvirke slutresultatet, såsom kontoafkast, volatilitet eller korrelationer. Når scenarierne er formuleret, beregner metoden oddsen for at nå et bestemt resultat. I modsætning til standardanalyser i finansiel planlægning, der bruger langsigtede gennemsnit og estimater af fremtidig vækst eller besparelser, Monte Carlo-simuleringen, tilgængelig i software og viB -applikationer, kan give et mere realistisk middel til håndtering af variabler og måle sandsynligheden for økonomisk risiko eller belønning.
Monte Carlo -metoder bruges ofte til personlig økonomisk planlægning, porteføljeevaluering, værdiansættelse af obligationer og obligationsmuligheder og til virksomheds- eller projektfinansiering. Selvom sandsynlighedsberegninger ikke er nye, var David B. Hertz først banebrydende for dem i finansiering i 1964 med sin artikel, "Risikoanalyse i kapitalinvesteringer", der blev offentliggjort i Harvard Business Review. Phelim Boyle anvendte metoden til afledte værdiansættelse i 1977 og offentliggjorde sit papir, "Valg: en Monte Carlo -tilgang" i Journal of Financial Economics. Teknikken er sværere at bruge med amerikanske muligheder, og med resultaterne er afhængige af de underliggende antagelser, er der nogle begivenheder, som Monte Carlo -simuleringen ikke kan forudsige.
Simulering tilbyder flere forskellige fordeleover andre former for økonomisk analyse. Ud over at generere sandsynligheden for de mulige slutpunkter for en given strategi, letter metoden til dataformulering oprettelsen af grafer og diagrammer, hvilket fremmer bedre kommunikation af resultaterne til investorer og aktionærer. Monte Carlo -simulering fremhæver den relative virkning af hver variabel til bundlinjen. Ved hjælp af denne simulering kan analytikere også se nøjagtigt, hvordan visse kombinationer af input påvirker og samspil med hinanden. Forståelse af de positive og negative indbyrdes afhængige forhold mellem variabler giver en mere nøjagtig risikoanalyse af ethvert instrument.
risikoanalyse ved denne metode involverer anvendelse af sandsynlighedsfordelinger til at beskrive variablerne. En velkendt sandsynlighedsfordeling er den normale eller klokkekurve, hvor brugere specificerer den forventede værdi og en standardafvigelseskurve, der definerer variationen. Energipriser og inflationsrater kan afbilder af klokkekurver. LognormalDistributioner skildrer positive variabler med ubegrænset potentiale til at stige, såsom oliereserver eller aktiekurser. Uniform, trekantet og diskrete er eksempler på andre mulige sandsynlighedsfordelinger. Værdier, der tilfældigt er samplet fra sandsynlighedskurverne, indsendes i sæt kaldet iterationer.