Was ist die Monte -Carlo -Simulation?
Eine Monte -Carlo -Simulation ist ein mathematisches Modell zur Berechnung der Wahrscheinlichkeit eines spezifischen Ergebnisses, indem eine Vielzahl von Szenarien und Variablen zufällig getestet oder ausprobiert wird. Die Simulationen wurden erstmals von Stanilaw Ulam, einem Mathematiker, der während des Zweiten Weltkriegs am Manhattan -Projekt gearbeitet hat, genutzt und bieten Analysten einen Weg, um schwierige Entscheidungen zu treffen und komplexe Probleme zu lösen, die mehrere Unsicherheitsbereiche aufweisen. Die nach dem Casino-besiedelte Resort in Monaco benutzt die Monte-Carlo-Simulation und verwendet historische statistische Daten, um Millionen verschiedener finanzieller Ergebnisse zu generieren, indem sie in jedem Lauf die Komponenten zufällig einfügen, die das Endergebnis beeinflussen können, z. B. die Renditen, Volatilität oder Korrelationen. Sobald die Szenarien formuliert sind, berechnet die Methode die Wahrscheinlichkeit, ein bestimmtes Ergebnis zu erreichen. Im Gegensatz zu Standardanalysen für Finanzplanung, die langfristige Durchschnittswerte und Schätzungen zukünftiger Wachstum oder Einsparungen, der Monte-Carlo-Simulation, in Software und wir verfügbar sind, verwendenB -Anwendungen können ein realistischeres Mittel zur Behandlung von Variablen und die Messung der Wahrscheinlichkeiten des finanziellen Risikos oder der Belohnung bieten.
Monte -Carlo -Methoden werden häufig für die persönliche Finanzplanung, die Portfoliobewertung, die Bewertung von Anleihen und Anleihenoptionen sowie für Unternehmens- oder Projektfinanzierung verwendet. Obwohl Wahrscheinlichkeitsberechnungen nicht neu sind, hat David B. Hertz sie 1964 mit seinem Artikel „Risikoanalyse in Kapitalinvestitionen“, veröffentlicht in der Harvard Business Review, im Finanzwesen im Finanzwesen geleistet. Phelim Boyle wandte 1977 die Methode zur Derivatbewertung an und veröffentlichte sein Papier „Optionen: Ein Monte -Carlo -Ansatz“ im Journal of Financial Economics. Die Technik ist schwieriger mit amerikanischen Optionen zu verwenden, und da die Ergebnisse von den zugrunde liegenden Annahmen abhängen, gibt es einige Ereignisse, die die Monte -Carlo -Simulation nicht vorhersagen kann.
Simulation bietet verschiedene Vorteileüber andere Formen der Finanzanalyse. Neben der Erzeugung der Wahrscheinlichkeiten der möglichen Endpunkte einer bestimmten Strategie erleichtert die Methode der Datenformulierung die Erstellung von Diagrammen und Diagrammen und fördert eine bessere Kommunikation der Ergebnisse für Anleger und Aktionäre. Die Monte -Carlo -Simulation unterstreicht den relativen Einfluss jeder Variablen auf das Endergebnis. Mit dieser Simulation können Analysten auch genau sehen, wie bestimmte Kombinationen von Eingängen sich aufeinander auswirken und miteinander zusammenspielen. Das Verständnis der positiven und negativen voneinander abhängigen Beziehungen zwischen Variablen bietet eine genauere Risikoanalyse eines Instruments.
Risikoanalyse beinhaltet nach dieser Methode die Verwendung von Wahrscheinlichkeitsverteilungen zur Beschreibung der Variablen. Eine bekannte Wahrscheinlichkeitsverteilung ist die Normal- oder Glockenkurve, wobei Benutzer den erwarteten Wert angeben und eine Standardabweichungskurve die Variation definieren. Energiepreise und Inflationsraten können durch Glockenkurven dargestellt werden. LognormalVerteilungen zeigen positive Variablen mit unbegrenztem Erhöhungspotential wie Ölreserven oder Aktienkursen. Uniform, dreieckig und diskret sind Beispiele für andere mögliche Wahrscheinlichkeitsverteilungen. Werte, die zufällig aus den Wahrscheinlichkeitskurven abgetastet werden, werden in Sets eingereicht, die als Iterationen bezeichnet werden.