Jaka jest symulacja Monte Carlo?

Symulacja Monte Carlo jest modelem matematycznym do obliczania prawdopodobieństwa określonego wyniku poprzez losowe testowanie lub próbkowanie szerokiej gamy scenariuszy i zmiennych.Po raz pierwszy wykorzystany przez Stanilaw Ulam, matematyka, który pracował nad projektem Manhattan podczas II wojny światowej, symulacje zapewnia analitykom drogę do podejmowania trudnych decyzji i rozwiązywania złożonych problemów, które mają wiele obszarów niepewności.Nazwa na cześć pospolitowanego przez kasyna ośrodka w Monako, symulacja Monte Carlo wykorzystuje historyczne dane statystyczne do generowania milionów różnych wyników finansowych poprzez losowe wkładanie komponentów w każdym przebiegu, które mogą wpływać na wynik końcowy, takie jak zwrot z rachunku, zmienność lub korelacje.Po sformułowaniu scenariuszy metoda oblicza szanse na osiągnięcie określonego wyniku.W przeciwieństwie do standardowych analiz planowania finansowego, które wykorzystują długoterminowe średnie i szacunki przyszłego wzrostu lub oszczędności, symulacja Monte Carlo, dostępna w oprogramowaniu i aplikacjach internetowych, może zapewnić bardziej realistyczny sposób obsługi zmiennych i pomiaru prawdopodobieństwa ryzyka finansowego lub nagrody.

Metody Monte Carlo są często stosowane do osobistego planowania finansowego, oceny portfela, wyceny obligacji i opcji obligacji oraz w finansowaniu korporacyjnym lub projektu.Chociaż obliczenia prawdopodobieństwa nie są nowe, David B. Hertz po raz pierwszy był pionierem w finansach w 1964 r. W swoim artykule „Analiza ryzyka inwestycji kapitałowych” opublikowana w Harvard Business Review.Phelim Boyle zastosował tę metodę do wyceny pochodnej w 1977 r., Publikując swój artykuł „Opcje: podejście Monte Carlo” w Journal of Financial Economics.Technika jest trudniejsza w użyciu z opcjami amerykańskimi, a przy wynikach zależnych od podstawowych założeń istnieją pewne zdarzenia, których symulacja Monte Carlo nie może przewidzieć. Symulacja oferuje kilka wyraźnych zalet w porównaniu z innymi formami analizy finansowej.Oprócz generowania prawdopodobieństwa możliwych punktów końcowych danej strategii, metoda sformułowania danych ułatwia tworzenie wykresów i wykresów, wspierając lepszą komunikację wyników dla inwestorów i akcjonariuszy.Symulacja Monte Carlo podkreśla względny wpływ każdej zmiennej na dolną linię.Korzystając z tej symulacji, analitycy mogą również dokładnie zobaczyć, jak niektóre kombinacje danych wejściowych wpływają na siebie i wzajemne oddziaływanie.Zrozumienie pozytywnych i negatywnych współzależnych związków między zmiennymi zapewniają dokładniejszą analizę ryzyka dowolnego instrumentu.

Analiza ryzyka za pomocą tej metody obejmuje zastosowanie rozkładów prawdopodobieństwa w celu opisania zmiennych.Dobrze znanym rozkładem prawdopodobieństwa jest krzywa normalna lub dzwonowa, przy czym użytkownicy określają oczekiwaną wartość i krzywą odchylenia standardowego definiujące zmianę.Ceny energii i stopy inflacji mogą być przedstawione przez krzywe dzwonu.Rozkłady lognormalne przedstawiają zmienne pozytywne o nieograniczonym potencjale, takie jak rezerwy ropy lub ceny akcji.Jednolity, trójkątny i dyskretny są przykładami innych możliwych rozkładów prawdopodobieństwa.Wartości, które są losowo pobierane z krzywych prawdopodobieństwa, są przesyłane w zestawach zwanych iteracjami.