Wat is de Monte Carlo -simulatie?

Een Monte Carlo -simulatie is een wiskundig model voor het berekenen van de waarschijnlijkheid van een specifiek resultaat door een breed scala aan scenario's en variabelen willekeurig te testen of te bemonsteren.Voor het eerst gebruikt door Stanilaw Ulam, een wiskundige die tijdens de Tweede Wereldoorlog aan het Manhattan -project werkte, bieden de simulaties analisten een manier om moeilijke beslissingen te nemen en complexe problemen op te lossen die meerdere gebieden van onzekerheid hebben.Vernoemd naar het casino-bevolkte resort in Monaco, gebruikt de Monte Carlo-simulatie historische statistische gegevens om miljoenen verschillende financiële resultaten te genereren door componenten willekeurig in te voegen in elke run die het eindresultaat kunnen beïnvloeden, zoals accountrendementen, volatiliteit of correlaties.Zodra de scenario's zijn geformuleerd, berekent de methode de kans om een bepaald resultaat te bereiken.In tegenstelling tot standaard financiële planningsanalyses die op lange termijn gemiddelden en schattingen van toekomstige groei of besparingen gebruiken, kan de Monte Carlo-simulatie, beschikbaar in software en webtoepassingen, een realistischer middel om variabelen af te handelen en de kansen van financieel risico of beloning te meten.

Monte Carlo -methoden worden vaak gebruikt voor persoonlijke financiële planning, portefeuille -evaluatie, waardering van obligaties en obligatiemogelijkheden en in bedrijfs- of projectfinanciering.Hoewel waarschijnlijkheidsberekeningen niet nieuw zijn, pionierde David B. Hertz voor het eerst in Finance in 1964 met zijn artikel, "Risico -analyse in kapitaalinvesteringen", gepubliceerd in de Harvard Business Review.Phelim Boyle paste de methode toe op derivatenwaardering in 1977 en publiceerde zijn paper, "Opties: A Monte Carlo Approach", in het Journal of Financial Economics.De techniek is moeilijker te gebruiken met Amerikaanse opties, en met de resultaten die afhankelijk zijn van de onderliggende veronderstellingen, zijn er enkele gebeurtenissen die de Monte Carlo -simulatie niet kan voorspellen.

Simulatie biedt verschillende voordelen ten opzichte van andere vormen van financiële analyse.Naast het genereren van de kansen van de mogelijke eindpunten van een bepaalde strategie, vergemakkelijkt de methode van gegevensformulering het creëren van grafieken en grafieken, waardoor een betere communicatie van de bevindingen aan beleggers en aandeelhouders wordt bevorderd.Monte Carlo -simulatie benadrukt de relatieve impact van elke variabele op de bottom line.Met behulp van deze simulatie kunnen analisten ook precies zien hoe bepaalde combinaties van inputs met elkaar beïnvloeden en samenwerken.Inzicht in de positieve en negatieve onderling afhankelijke relaties tussen variabelen biedt een meer accurate risicoanalyse van elk instrument.

Risicoanalyse met deze methode omvat het gebruik van waarschijnlijkheidsverdelingen om de variabelen te beschrijven.Een bekende waarschijnlijkheidsverdeling is de normale of belcurve, waarbij gebruikers de verwachte waarde opgeven en een standaardafwijkingscurve die de variatie definieert.Energieprijzen en inflatiepercentages kunnen worden afgebeeld door Bell Curves.Lognormale distributies portretteren positieve variabelen met een onbeperkt potentieel om te verhogen, zoals oliereserves of aandelenkoersen.Uniform, driehoekig en discreet zijn voorbeelden van andere mogelijke waarschijnlijkheidsverdelingen.Waarden, die willekeurig worden bemonsterd uit de waarschijnlijkheidscurves, worden ingediend in sets die iteraties worden genoemd.