Χρήση ανάλυσης Monte Carlo για την εκτίμηση του κινδύνου

Το μοντέλο Monte Carlo επιτρέπει στους ερευνητές να εκτελούν πολλαπλές δοκιμές και να καθορίζουν όλα τα πιθανά αποτελέσματα ενός γεγονότος ή μιας επένδυσης. Μαζί, δημιουργούν μια κατανομή πιθανότητας ή αξιολόγηση κινδύνου για μια συγκεκριμένη επένδυση ή συμβάν.

Η ανάλυση Monte Carlo είναι μια τεχνική πολυπαραγοντικής μοντελοποίησης. Όλα τα πολυπαραγοντικά μοντέλα μπορούν να θεωρηθούν ως πολύπλοκα "τι εάν;" σενάρια. Οι ερευνητικοί αναλυτές τους χρησιμοποιούν για να προβλέψουν τα αποτελέσματα των επενδύσεων, να κατανοήσουν τις δυνατότητες που περιβάλλουν τις επενδυτικές τους εκθέσεις και να βελτιώσουν τους κινδύνους. Στη μέθοδο Monte Carlo, τα αποτελέσματα συγκρίνονται με την ανοχή κινδύνου. Αυτό βοηθά τον διαχειριστή να αποφασίσει εάν θα προβεί σε μια επένδυση ή ένα έργο.

Ποιος χρησιμοποιεί πολυπαραγοντικά μοντέλα

Οι χρήστες πολυπαραγοντικών μοντέλων αλλάζουν την αξία πολλών μεταβλητών για να εξακριβώσουν τον δυνητικό αντίκτυπό τους στο έργο που αξιολογείται.

Τα μοντέλα χρησιμοποιούνται από τους οικονομικούς αναλυτές για την εκτίμηση των ταμειακών ροών και των νέων ιδεών προϊόντων. Οι διαχειριστές χαρτοφυλακίων και οι χρηματοοικονομικοί σύμβουλοι τους χρησιμοποιούν για να καθορίσουν τον αντίκτυπο των επενδύσεων στην απόδοση και τον κίνδυνο του χαρτοφυλακίου. Οι ασφαλιστικές εταιρείες τις χρησιμοποιούν για να εκτιμήσουν το ενδεχόμενο των απαιτήσεων και των πολιτικών τιμών. Μερικά από τα πιο γνωστά μοντέλα πολλαπλών μεταβλητών είναι εκείνα που χρησιμοποιούνται για την αξιολόγηση των δικαιωμάτων προαίρεσης αγοράς μετοχών. Τα πολυπαραγοντικά μοντέλα βοηθούν επίσης τους αναλυτές να καθορίσουν τους πραγματικούς οδηγούς της αξίας.

Σχετικά με την ανάλυση Monte Carlo

Η ανάλυση του Μόντε Κάρλο ονομάζεται μετά το πριγκηπάτο που έγινε διάσημο από τα καζίνο της. Με τα τυχερά παιχνίδια, είναι γνωστά όλα τα πιθανά αποτελέσματα και οι πιθανότητες, αλλά με τις περισσότερες επενδύσεις δεν είναι γνωστή η δέσμη των μελλοντικών αποτελεσμάτων.

Εναπόκειται στον αναλυτή να καθορίσει τα αποτελέσματα και την πιθανότητα να συμβούν. Στο μοντελοποίηση του Μόντε Κάρλο, ο αναλυτής διενεργεί πολλαπλές δοκιμές, μερικές φορές χιλιάδες από αυτές, για να καθορίσει όλα τα πιθανά αποτελέσματα και την πιθανότητα να λάβουν χώρα.

Η ανάλυση του Monte Carlo είναι χρήσιμη, διότι πολλές επενδυτικές και επιχειρηματικές αποφάσεις γίνονται βάσει ενός αποτελέσματος. Με άλλα λόγια, πολλοί αναλυτές αντλούν ένα πιθανό σενάριο και στη συνέχεια το συγκρίνουν με τα διάφορα εμπόδια για να αποφασίσουν εάν θα προχωρήσουν.

Οι περισσότερες εκτιμήσεις pro forma αρχίζουν με μια βασική περίπτωση. Εισάγοντας την υψηλότερη πιθανότητα παραδοχή για κάθε παράγοντα, ένας αναλυτής μπορεί να αντλήσει το υψηλότερο αποτέλεσμα πιθανότητας. Ωστόσο, η λήψη οποιωνδήποτε αποφάσεων με βάση μια βασική περίπτωση είναι προβληματική και η δημιουργία μιας πρόβλεψης με μόνο ένα αποτέλεσμα είναι ανεπαρκής επειδή δεν λέει τίποτα για άλλες πιθανές αξίες που θα μπορούσαν να συμβούν.

Δεν λέει επίσης τίποτα για την πολύ πραγματική πιθανότητα ότι η πραγματική μελλοντική αξία θα είναι κάτι διαφορετικό από την πρόβλεψη της βασικής περίπτωσης. Είναι αδύνατο να αντισταθμιστεί η αρνητική εμφάνιση αν οι οδηγοί και οι πιθανότητες αυτών των συμβάντων δεν υπολογίζονται εκ των προτέρων.

Δημιουργία του μοντέλου

Μόλις σχεδιαστεί, η εκτέλεση ενός μοντέλου Monte Carlo απαιτεί ένα εργαλείο που θα επιλέγει τυχαία τιμές συντελεστών που δεσμεύονται από ορισμένες προκαθορισμένες συνθήκες. Με τη διεξαγωγή σειράς δοκιμών με μεταβλητές που περιορίζονται από τις δικές τους ανεξάρτητες πιθανότητες εμφάνισης, ένας αναλυτής δημιουργεί μια κατανομή που περιλαμβάνει όλα τα πιθανά αποτελέσματα και τις πιθανότητες που θα προκύψουν.

Υπάρχουν πολλές γεννήτριες τυχαίων αριθμών στην αγορά. Τα δύο πιο συνηθισμένα εργαλεία σχεδιασμού και εκτέλεσης μοντέλων Monte Carlo είναι τα @Risk και Crystal Ball. Και οι δύο μπορούν να χρησιμοποιηθούν ως πρόσθετα για υπολογιστικά φύλλα και να επιτρέψουν την τυχαία δειγματοληψία να ενσωματωθεί στα καθιερωμένα μοντέλα υπολογιστικών φύλλων.

Η τέχνη για την ανάπτυξη ενός κατάλληλου μοντέλου Monte Carlo είναι να προσδιοριστούν οι σωστοί περιορισμοί για κάθε μεταβλητή και η σωστή σχέση μεταξύ μεταβλητών. Για παράδειγμα, επειδή η διαφοροποίηση του χαρτοφυλακίου βασίζεται στον συσχετισμό μεταξύ στοιχείων ενεργητικού, κάθε μοντέλο που αναπτύχθηκε για να δημιουργήσει τις αναμενόμενες τιμές του χαρτοφυλακίου πρέπει να περιλαμβάνει τη συσχέτιση μεταξύ των επενδύσεων.

Προκειμένου να επιλεγεί η σωστή διανομή για μια μεταβλητή, πρέπει να κατανοήσουμε καθεμία από τις διαθέσιμες διαθέσιμες διανομές. Για παράδειγμα, η πιο συνηθισμένη είναι μια κανονική κατανομή, γνωστή και ως καμπύλη καμπάνας .

Σε μια κανονική κατανομή, όλα τα περιστατικά κατανέμονται εξίσου γύρω από τον μέσο όρο. Ο μέσος όρος είναι το πιο πιθανό γεγονός. Τα φυσικά φαινόμενα, τα ύψη των ανθρώπων και ο πληθωρισμός είναι μερικά παραδείγματα εισροών που κατανέμονται κανονικά.

Στην ανάλυση Monte Carlo, μια γεννήτρια τυχαίων αριθμών επιλέγει τυχαία τιμή για κάθε μεταβλητή εντός των περιορισμών που θέτει το μοντέλο. Στη συνέχεια παράγει μια κατανομή πιθανότητας για όλα τα πιθανά αποτελέσματα.

Η τυπική απόκλιση αυτής της πιθανότητας είναι ένα στατιστικό στοιχείο που υποδηλώνει την πιθανότητα ότι το πραγματικό αποτέλεσμα που εκτιμάται θα είναι κάτι διαφορετικό από το μέσο ή πιθανότερο γεγονός. Υποθέτοντας ότι μια κατανομή πιθανότητας κατανέμεται κανονικά, περίπου το 68% των τιμών θα εμπίπτει σε μία τυπική απόκλιση του μέσου όρου, περίπου το 95% των τιμών θα εμπίπτει σε δύο τυπικές αποκλίσεις και περίπου το 99, 7% θα βρίσκεται μέσα σε τρεις τυπικές αποκλίσεις της μέσης .

Αυτό είναι γνωστό ως ο κανόνας "68-95-99.7" ή ο "εμπειρικός κανόνας".

Ποιος χρησιμοποιεί τη μέθοδο

Οι αναλύσεις του Monte Carlo δεν διεξάγονται μόνο από επαγγελματίες του χρηματοπιστωτικού τομέα αλλά και από πολλές άλλες επιχειρήσεις. Πρόκειται για ένα εργαλείο λήψης αποφάσεων που υποθέτει ότι κάθε απόφαση θα έχει κάποιο αντίκτυπο στον συνολικό κίνδυνο.

Κάθε άτομο και ίδρυμα έχει διαφορετική ανοχή κινδύνου. Αυτό καθιστά σημαντικό τον υπολογισμό του κινδύνου οποιασδήποτε επένδυσης και τη σύγκρισή του με την ανοχή κινδύνου του ατόμου.

Οι κατανομές πιθανοτήτων που παράγονται από ένα μοντέλο Monte Carlo δημιουργούν μια εικόνα κινδύνου. Η εικόνα αυτή είναι ένας αποτελεσματικός τρόπος για τη μετάδοση των αποτελεσμάτων σε άλλους, όπως οι ανώτεροι υπάλληλοι ή οι υποψήφιοι επενδυτές. Σήμερα, τα πολύπλοκα μοντέλα Monte Carlo μπορούν να σχεδιαστούν και να εκτελεστούν από οποιονδήποτε έχει πρόσβαση σε έναν προσωπικό υπολογιστή.