Was ist die Monte -Carlo -Simulation?
Eine Monte -Carlo -Simulation ist ein mathematisches Modell zur Berechnung der Wahrscheinlichkeit eines spezifischen Ergebnisses durch zufälliges Testen oder Ausproben einer Vielzahl von Szenarien und Variablen.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-gepopulierte Resort in Monaco benannt die Monte-Carlo-Simulation verwendet historische statistische Daten, um Millionen verschiedener finanzieller Ergebnisse zu generieren, indem sie zufällig Komponenten in jedem Lauf 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 verwenden, kann die Monte-Carlo-Simulation, die in Software und Webanwendungen verfügbar ist, 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 Projektfinanzierungen verwendet.Obwohl die 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 mit amerikanischen Optionen schwieriger 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 mehrere unterschiedliche Vorteile gegenüber anderen Formen der Finanzanalyse.Zusätzlich zur Generierung der Wahrscheinlichkeiten der möglichen Endpunkte einer bestimmten Strategie erleichtert die Methode der Datenformulierung die Erstellung von Grafiken 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 Eingaben sich aufeinander auswirken und miteinander zusammenspielen.Das Verständnis der positiven und negativen voneinander abhängigen Beziehungen zwischen Variablen bietet eine genauere Risikoanalyse jedes Instruments.
Die Risikoanalyse nach dieser Methode beinhaltet 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.Lognormale Verteilungen zeigen positive Variablen mit unbegrenztem Potenzial, wie Ölreserven oder Aktienkurse zu erhöhen.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.