Wykorzystanie analizy Monte Carlo do oszacowania ryzyka
Model Monte Carlo umożliwia badaczom z różnych zawodów przeprowadzanie wielu prób, a tym samym definiowanie wszystkich potencjalnych skutków zdarzenia lub decyzji. W branży finansowej decyzja jest zwykle związana z inwestycją. W połączeniu wszystkie oddzielne próby tworzą rozkład prawdopodobieństwa lub ocenę ryzyka dla danej inwestycji lub zdarzenia.
Analiza Monte Carlo jest rodzajem techniki modelowania wielowymiarowego. Wszystkie modele wielowymiarowe można traktować jako złożone przykłady „a co jeśli?” scenariusze. Niektóre z najbardziej znanych modeli wielowymiarowych to modele używane do wyceny opcji na akcje. Analitycy badawczy używają ich do prognozowania wyników inwestycyjnych, zrozumienia możliwości związanych z ich ekspozycjami inwestycyjnymi i lepszego ograniczania ryzyka.
Gdy inwestorzy stosują metodę Monte Carlo, wyniki porównuje się z różnymi poziomami tolerancji ryzyka. Może to pomóc zainteresowanym stronom zdecydować, czy kontynuować inwestycję.
Kluczowe wnioski
- Model Monte Carlo umożliwia badaczom z różnych zawodów przeprowadzanie wielu prób, a tym samym definiowanie wszystkich potencjalnych skutków zdarzenia lub decyzji.
- Korzystając z modelu Monte Carlo, użytkownik zmienia wartość wielu zmiennych, aby ustalić ich potencjalny wpływ na ocenianą decyzję.
- W branży finansowej decyzja jest zwykle związana z inwestycją.
- Rozkłady prawdopodobieństwa utworzone przez model Monte Carlo tworzą obraz ryzyka.
Kto używa modeli wielowymiarowych
Modele wielowymiarowe – takie jak model Monte Carlo – są popularnymi narzędziami statystycznymi, które wykorzystują wiele zmiennych do prognozowania możliwych wyników. Stosując model wielowymiarowy, użytkownik zmienia wartość wielu zmiennych, aby ustalić ich potencjalny wpływ na ocenianą decyzję.
Wiele różnych rodzajów zawodów korzysta z modeli wielowymiarowych. Analitycy finansowi mogą wykorzystywać modele wieloczynnikowe do szacowania przepływów pieniężnych i nowych pomysłów na produkty. Zarządzający portfelem i doradcy finansowi używają ich do określania wpływu inwestycji na wyniki portfela i ryzyko. Firmy ubezpieczeniowe wykorzystują je do oszacowania potencjalnych roszczeń i polis cenowych.
Model Monte Carlo został nazwany na cześć położenia geograficznego Monte Carlo (technicznie obszar administracyjny Księstwa Monako), które stało się sławne dzięki mnożeniu się kasyn.1
Wyniki i prawdopodobieństwa
W przypadku gier losowych – takich jak te, w które gra się w kasynach – znane są wszystkie możliwe wyniki i prawdopodobieństwa. Jednak w przypadku większości inwestycji zestaw przyszłych wyników jest nieznany.
Do analityka należy określenie wyników oraz prawdopodobieństwa ich wystąpienia. W modelowaniu Monte Carlo analityk przeprowadza wiele prób (czasem nawet tysiące), aby określić wszystkie możliwe wyniki i prawdopodobieństwo ich wystąpienia.
Analiza metodą Monte Carlo jest przydatna, ponieważ wiele decyzji inwestycyjnych i biznesowych jest podejmowanych na podstawie jednego wyniku. Innymi słowy, wielu analityków opracowuje jeden możliwy scenariusz, a następnie porównuje ten wynik z różnymi przeszkodami w tym wyniku, aby zdecydować, czy kontynuować.
Szacunki pro forma
Większość szacunków pro forma zaczyna się od przypadku podstawowego. Wprowadzając założenie o najwyższym prawdopodobieństwie dla każdego czynnika, analityk może uzyskać wynik o najwyższym prawdopodobieństwie. Jednak podejmowanie jakichkolwiek decyzji na podstawie scenariusza bazowego jest problematyczne, a stworzenie prognozy z tylko jednym wynikiem jest niewystarczające, ponieważ nie mówi nic o innych możliwych wartościach, które mogą wystąpić.
Nie mówi też nic o bardzo realnej szansie, że rzeczywista przyszła wartość będzie inna niż prognoza przypadku bazowego. Nie można zabezpieczyć się przed negatywnym zdarzeniem, jeśli przyczyny i prawdopodobieństwa tych zdarzeń nie są z góry obliczone.
Tworzenie modelu
Po zaprojektowaniu, wykonanie modelu Monte Carlo wymaga narzędzia, które losowo wybierze wartości czynników, które są ograniczone określonymi z góry warunkami. Przeprowadzając szereg prób ze zmiennymi ograniczonymi przez ich własne niezależne prawdopodobieństwa wystąpienia, analityk tworzy rozkład obejmujący wszystkie możliwe wyniki i prawdopodobieństwa ich wystąpienia.
Na rynku jest wiele generatorów liczb losowych. Dwa najpopularniejsze narzędzia do projektowania i wykonywania modeli Monte Carlo to @Risk i Crystal Ball. Oba mogą być używane jako dodatki do arkuszy kalkulacyjnych i umożliwiają włączenie próbkowania losowego do ustalonych modeli arkuszy kalkulacyjnych.
Popraw ograniczenia
Sztuka tworzenia odpowiedniego modelu Monte Carlo polega na określeniu właściwych ograniczeń dla każdej zmiennej i prawidłowych relacji między zmiennymi. Na przykład, ponieważ dywersyfikacja portfela opiera się na korelacji między aktywami, każdy model opracowany w celu tworzenia oczekiwanych wartości portfela musi uwzględniać korelację między inwestycjami.
Aby wybrać prawidłowy rozkład dla zmiennej, należy zrozumieć każdy z możliwych dostępnych rozkładów. Na przykład najbardziej powszechnym jest rozkład normalny, znany również jako krzywa dzwonowa .
Rozkład normalny i odchylenie standardowe
W rozkładzie normalnym wszystkie wystąpienia są równo rozłożone wokół średniej. Średnia jest najbardziej prawdopodobnym zdarzeniem. Zjawiska naturalne, wzrost ludzi i inflacja to tylko niektóre przykłady czynników, które mają rozkład normalny.
W analizie Monte Carlo generator liczb losowych wybiera losową wartość dla każdej zmiennej w ramach ograniczeń określonych przez model. Następnie tworzy rozkład prawdopodobieństwa dla wszystkich możliwych wyników.
Odchylenie standardowe tego prawdopodobieństwa, to statystyka, która oznacza prawdopodobieństwo, że rzeczywisty wynik jest szacowany będzie coś innego niż średnia lub najbardziej prawdopodobnego zdarzenia. Zakładając, że rozkład prawdopodobieństwa ma rozkład normalny, około 68% wartości będzie mieścić się w jednym odchyleniu standardowym średniej, około 95% wartości będzie mieścić się w granicach dwóch odchyleń standardowych, a około 99,7% będzie się mieścić w ramach trzech odchyleń standardowych średniej.
Jest to znane jako „reguła 68-95-99,7” lub „ reguła empiryczna ”.
Kto korzysta z metody
Analizy Monte Carlo są przeprowadzane nie tylko przez specjalistów ds. Finansów, ale także przez wiele innych firm. Jest to narzędzie decyzyjne, które zakłada, że każda decyzja będzie miała jakiś wpływ na ogólne ryzyko.
Każda osoba i instytucja ma inną tolerancję ryzyka. Dlatego ważne jest, aby obliczyć ryzyko każdej inwestycji i porównać je z indywidualną tolerancją ryzyka.
Rozkłady prawdopodobieństwa utworzone przez model Monte Carlo tworzą obraz ryzyka. Taki obraz jest skutecznym sposobem przekazania wyników innym osobom, na przykład przełożonym lub potencjalnym inwestorom. Obecnie bardzo złożone modele Monte Carlo mogą być projektowane i wykonywane przez każdego, kto ma dostęp do komputera osobistego.