Hva er Monte Carlo -simuleringen?

En Monte Carlo -simulering er en matematisk modell for å beregne sannsynligheten for et spesifikt utfall ved tilfeldig testing eller prøvetaking av et bredt utvalg av scenarier og variabler.Først brukt av Stanilaw Ulam, en matematiker som jobbet med Manhattan -prosjektet under andre verdenskrig, gir simuleringene analytikere en mulighet for å ta vanskelige beslutninger og løse komplekse problemer som har flere usikkerhetsområder.Monte Carlo-simuleringen er oppkalt etter det kasinopopulerte feriestedet i Monaco, og bruker historiske statistiske data for å generere millioner av forskjellige økonomiske utfall ved å tilfeldig sette inn komponenter i hver kjøring som kan påvirke sluttresultatet, for eksempel konturavkastning, volatilitet eller korrelasjoner.Når scenariene er formulert, beregner metoden oddsen for å nå et bestemt resultat.I motsetning til standard økonomisk planleggingsanalyser som bruker langsiktige gjennomsnitt og estimater for fremtidig vekst eller sparing, kan Monte Carlo-simulering, tilgjengelig i programvare og webapplikasjoner, gi et mer realistisk middel til å håndtere variabler og måle sannsynlighetene for økonomisk risiko eller belønning.

Monte Carlo -metoder brukes ofte til personlig økonomisk planlegging, porteføljeevaluering, verdsettelse av obligasjoner og obligasjonsalternativer, og i bedrifts- eller prosjektfinansiering.Selv om sannsynlighetsberegninger ikke er nye, var David B. Hertz først banebrytende dem i finans i 1964 med sin artikkel, "Risikoanalyse i kapitalinvestering", publisert i Harvard Business Review.Phelim Boyle anvendte metoden på derivatvurdering i 1977, og publiserte papiret hans, “Alternativer: A Monte Carlo Approach,” i Journal of Financial Economics.Teknikken er vanskeligere å bruke med amerikanske alternativer, og med resultatene som er avhengige av de underliggende forutsetningene, er det noen hendelser som Monte Carlo -simuleringen ikke kan forutsi.

Simulering gir flere forskjellige fordeler i forhold til andre former for økonomisk analyse.I tillegg til å generere sannsynlighetene for mulige sluttpunkter for en gitt strategi, letter metoden for dataformulering å opprette grafer og diagrammer, og fremme bedre kommunikasjon av funnene til investorer og aksjonærer.Monte Carlo -simulering fremhever den relative effekten av hver variabel på bunnlinjen.Ved å bruke denne simuleringen kan analytikere også se nøyaktig hvordan visse kombinasjoner av innganger påvirker og samspill med hverandre.Forståelse av de positive og negative gjensidig avhengige sammenhengene mellom variabler gir en mer nøyaktig risikoanalyse av ethvert instrument.

Risikoanalyse ved denne metoden innebærer bruk av sannsynlighetsfordelinger for å beskrive variablene.En kjent sannsynlighetsfordeling er den normale eller klokkekurven, med brukere som spesifiserer forventet verdi og en standardavvikskurve som definerer variasjonen.Energipriser og inflasjonsrater kan bli avbildet av klokkekurver.Lognormale distribusjoner skildrer positive variabler med ubegrenset potensial til å øke, for eksempel oljereserver eller aksjekurser.Ensartede, trekantede og diskrete er eksempler på andre mulige sannsynlighetsfordelinger.Verdier, som tilfeldig samples fra sannsynlighetskurvene, sendes inn i sett kalt iterasjoner.