Apa simulasi Monte Carlo?

Simulasi Simulasi Monte Carlo adalah model matematika untuk menghitung probabilitas hasil spesifik dengan menguji secara acak atau mencicipi berbagai skenario dan variabel.Pertama kali digunakan oleh Stanilaw Ulam, seorang ahli matematika yang bekerja pada proyek Manhattan selama Perang Dunia II, simulasi memberikan analis jalan untuk membuat keputusan yang sulit dan memecahkan masalah kompleks yang memiliki banyak bidang ketidakpastian.Dinamai sesuai dengan resor yang dipopulasi kasino di Monako, simulasi Monte Carlo menggunakan data statistik historis untuk menghasilkan jutaan hasil keuangan yang berbeda dengan memasukkan komponen secara acak dalam setiap proses yang dapat mempengaruhi hasil akhir, seperti pengembalian akun, volatilitas, atau korelasi.Setelah skenario dirumuskan, metode ini menghitung kemungkinan mencapai hasil tertentu.Tidak seperti analisis perencanaan keuangan standar yang menggunakan rata-rata jangka panjang dan perkiraan pertumbuhan atau penghematan di masa depan, simulasi Monte Carlo, tersedia dalam perangkat lunak dan aplikasi web, dapat memberikan cara yang lebih realistis untuk menangani variabel dan mengukur probabilitas risiko atau hadiah keuangan.Metode Metode Monte Carlo sering digunakan untuk perencanaan keuangan pribadi, evaluasi portofolio, penilaian obligasi dan opsi obligasi, dan dalam keuangan perusahaan atau proyek.Meskipun perhitungan probabilitas bukanlah hal baru, David B. Hertz pertama -tama memelopori mereka di bidang keuangan pada tahun 1964 dengan artikelnya, "Analisis Risiko dalam Investasi Modal," yang diterbitkan dalam Harvard Business Review.Phelim Boyle menerapkan metode untuk penilaian turunan pada tahun 1977, menerbitkan makalahnya, "Opsi: A Monte Carlo pendekatan," dalam Journal of Financial Economics.Teknik ini lebih sulit digunakan dengan opsi Amerika, dan dengan hasil yang bergantung pada asumsi yang mendasarinya, ada beberapa peristiwa yang tidak dapat diprediksi oleh simulasi Monte Carlo.

Simulasi menawarkan beberapa keunggulan berbeda dibandingkan bentuk analisis keuangan lainnya.Selain menghasilkan probabilitas dari kemungkinan titik akhir dari strategi yang diberikan, metode formulasi data memfasilitasi penciptaan grafik dan grafik, menumbuhkan komunikasi yang lebih baik dari temuan kepada investor dan pemegang saham.Simulasi Monte Carlo menyoroti dampak relatif dari masing -masing variabel ke garis bawah.Dengan menggunakan simulasi ini, analis juga dapat melihat dengan tepat bagaimana kombinasi input tertentu mempengaruhi dan interaksi satu sama lain.Pemahaman tentang hubungan yang saling tergantung dan negatif antara variabel memberikan analisis risiko yang lebih akurat dari instrumen apa pun.

Analisis risiko dengan metode ini melibatkan penggunaan distribusi probabilitas untuk menggambarkan variabel.Distribusi probabilitas yang terkenal adalah kurva normal atau lonceng, dengan pengguna menentukan nilai yang diharapkan dan kurva deviasi standar yang mendefinisikan variasi.Harga energi dan tingkat inflasi dapat digambarkan oleh kurva lonceng.Distribusi Lognormal menggambarkan variabel positif dengan potensi tak terbatas untuk meningkat, seperti cadangan minyak atau harga saham.Seragam, segitiga, dan diskrit adalah contoh dari kemungkinan distribusi probabilitas lainnya.Nilai, yang diambil secara acak dari kurva probabilitas, diserahkan dalam set yang disebut iterasi.