Qu'est-ce que la simulation Monte Carlo?

Une simulation Monte Carlo est un modèle mathématique pour calculer la probabilité d'un résultat spécifique en testant ou en échantillonnant une grande variété de scénarios et de variables.Utilisé pour la première fois par Stanilaw Ulam, un mathématicien qui a travaillé sur le projet de Manhattan pendant la Seconde Guerre mondiale, les simulations offrent aux analystes une voie pour prendre des décisions difficiles et résoudre des problèmes complexes qui ont plusieurs domaines d'incertitude.Nommé d'après la station balnéaire épuisée au casino à Monaco, la simulation Monte Carlo utilise des données statistiques historiques pour générer des millions de résultats financiers différents en insérant de manière aléatoire des composants dans chaque cycle qui peut influencer le résultat final, tels que les rendements de compte, la volatilité ou les corrélations.Une fois les scénarios formulés, la méthode calcule les chances d'atteindre un résultat particulier.Contrairement aux analyses de planification financière standard qui utilisent des moyennes à long terme et des estimations de la croissance ou de l'épargne future, la simulation de Monte Carlo, disponible dans les applications logicielles et Web, peut fournir un moyen plus réaliste de gérer les variables et de mesurer les probabilités de risque financier ou de récompense.

Les méthodes de Monte Carlo sont souvent utilisées pour la planification financière personnelle, l'évaluation du portefeuille, l'évaluation des obligations et des options d'obligations, et dans les finances des entreprises ou des projets.Bien que les calculs de probabilité ne soient pas nouveaux, David B. Hertz les a pour la première fois lancés en finance en 1964 avec son article «Risk Analysis in Capital Investment», publié dans la Harvard Business Review.Phelim Boyle a appliqué la méthode à l'évaluation dérivée en 1977, publiant son article, «Options: A Monte Carlo Approach», dans le Journal of Financial Economics.La technique est plus difficile à utiliser avec les options américaines, et avec les résultats qui dépendent des hypothèses sous-jacentes, certains événements que la simulation de Monte Carlo ne peut prédire.

La simulation offre plusieurs avantages distincts par rapport à d'autres formes d'analyse financière.En plus de générer les probabilités des critères d'évaluation possibles d'une stratégie donnée, la méthode de formulation des données facilite la création de graphiques et de graphiques, favorisant une meilleure communication des résultats aux investisseurs et aux actionnaires.La simulation de Monte Carlo met en évidence l'impact relatif de chaque variable à la ligne de fond.En utilisant cette simulation, les analystes peuvent également voir exactement comment certaines combinaisons d'entrées affectent et interviennent entre elles.La compréhension des relations interdépendantes positives et négatives entre les variables offre une analyse des risques plus précise de tout instrument.

L'analyse des risques par cette méthode implique l'utilisation de distributions de probabilité pour décrire les variables.Une distribution de probabilité bien connue est la courbe normale ou en cloche, les utilisateurs spécifiant la valeur attendue et une courbe d'écart-type définissant la variation.Les prix de l'énergie et les taux d'inflation peuvent être représentés par les courbes de cloche.Les distributions lognormales dépeignent des variables positives avec un potentiel illimité pour augmenter, telles que les réserves de pétrole ou les cours des actions.Uniforme, triangulaire et discret sont des exemples d'autres distributions de probabilité possibles.Les valeurs, qui sont échantillonnées au hasard à partir des courbes de probabilité, sont soumises dans des ensembles appelés itérations.