Використання аналізу Монте-Карло для оцінки ризику

Модель Монте-Карло дозволяє дослідникам провести численні випробування та визначити всі потенційні результати події чи інвестиції. Разом вони створюють розподіл ймовірностей або оцінку ризику для певної інвестиції чи події.

Аналіз Монте-Карло - це метод багатовимірного моделювання. Всі багатоваріантні моделі можна вважати складними "що робити?" сценаріїв. Аналітики досліджень використовують їх для прогнозування результатів інвестицій, для розуміння можливостей, пов'язаних з їх інвестиційною експозицією, та для кращого зменшення ризиків. У методі Монте-Карло результати порівнюються з толерантністю до ризику. Це допомагає менеджеру вирішити, чи слід продовжувати інвестування чи проект.

Хто використовує багатовимірні моделі

Користувачі багатоваріантних моделей змінюють значення декількох змінних, щоб встановити їх потенційний вплив на проект, що оцінюється.

Моделі використовуються фінансовими аналітиками для оцінки грошових потоків та нових ідей щодо продуктів. Портфельні менеджери та фінансові консультанти використовують їх для визначення впливу інвестицій на результати діяльності та ризик. Страхові компанії використовують їх для оцінки потенціалу претензій та для цінової політики. Деякі з найвідоміших багатоваріантних моделей - це ті, що використовуються для оцінки варіантів акцій. Багатоваріантні моделі також допомагають аналітикам визначити справжні драйвери цінності.

Про аналіз Монте-Карло

Аналіз Монте-Карло названий на честь князівства, прославленого своїми казино. З ігровими випадками відомі всі можливі результати та ймовірності, але при більшості інвестицій набір майбутніх результатів невідомий.

Аналітик повинен визначити результати та ймовірність того, що вони відбудуться. У моделюванні в Монте-Карло аналітик проводить кілька випробувань, іноді їх тисячі, щоб визначити всі можливі результати та ймовірність того, що вони відбудуться.

Аналіз Монте-Карло корисний, оскільки багато інвестиційних та бізнес-рішень приймаються на основі одного результату. Іншими словами, багато аналітиків виводять один можливий сценарій, а потім порівнюють його з різними перешкодами, щоб вирішити, чи слід продовжувати.

Більшість прогнозних оцінок починаються з базового випадку. Вводячи припущення про найбільшу ймовірність для кожного фактора, аналітик може отримати найвищий імовірний результат. Однак прийняття будь-яких рішень на основі базового випадку є проблематичним, і створити прогноз лише з одним результатом недостатньо, оскільки він нічого не говорить про будь-які інші можливі значення, які могли б відбутися.

Це також нічого не говорить про дуже реальний шанс, що фактичне значення в майбутньому буде чимось іншим, ніж прогнозування базового випадку. Не можна захищатись від негативного явища, якщо драйвери та ймовірності цих подій не будуть розраховані заздалегідь.

Створення моделі

Після розробки проекту Монте-Карло потрібен інструмент, який буде випадково вибирати значення коефіцієнтів, які пов'язані з певними заданими умовами. Провівши ряд випробувань зі змінними, обмеженими власними незалежними ймовірностями виникнення, аналітик створює розподіл, який включає всі можливі результати та ймовірності їх виникнення.

На ринку є багато генераторів випадкових чисел. Два найпоширеніші інструменти для проектування та виконання моделей Монте-Карло - це @Risk та Crystal Ball. Обидва вони можуть використовуватися як надбудови для електронних таблиць і дозволяють включити випадкові вибірки у встановлені моделі електронних таблиць.

Мистецтвом розробки відповідної моделі Монте-Карло є визначення правильних обмежень для кожної змінної та правильного співвідношення між змінними. Наприклад, оскільки диверсифікація портфеля заснована на співвідношенні між активами, будь-яка модель, розроблена для створення очікуваних цінностей портфеля, повинна включати співвідношення між інвестиціями.

Щоб вибрати правильний розподіл для змінної, треба зрозуміти кожен із можливих доступних розподілів. Наприклад, найпоширеніший - це нормальний розподіл, також відомий як крива дзвіночка .

У нормальному розподілі всі події рівномірно розподіляються навколо середнього. Середина - найімовірніша подія. Природні явища, висота людей та інфляція - це деякі приклади вкладень, які зазвичай розподіляються.

В аналізі Монте-Карло генератор випадкових чисел вибирає випадкове значення для кожної змінної в межах обмежень, встановлених моделлю. Потім виробляється розподіл ймовірності для всіх можливих результатів.

Стандартне відхилення цієї ймовірності - це статистика, яка позначає ймовірність того, що фактичний результат, який оцінюється, буде чимось іншим, ніж середня або найбільш вірогідна подія. Якщо припустити, що розподіл ймовірностей зазвичай розподіляється, приблизно 68% значень потраплять в межах одного стандартного відхилення середнього значення, приблизно 95% значень будуть падати в межах двох стандартних відхилень, і приблизно 99, 7% будуть лежати в межах трьох стандартних відхилень середнього .

Це відомо як "правило 68-95-99.7" або "емпіричне правило".

Хто використовує метод

Аналізи Монте-Карло проводяться не тільки професіоналами з фінансів, але й багатьма іншими підприємствами. Це інструмент прийняття рішень, який передбачає, що кожне рішення матиме певний вплив на загальний ризик.

Кожна особа та установа мають різну толерантність до ризику. Це робить важливим обчислити ризик будь-якої інвестиції та порівняти її з толерантністю до ризику.

Розподіл ймовірностей, вироблений моделлю Монте-Карло, створює картину ризику. Ця картина є ефективним способом донести результати до інших, наприклад, начальників чи потенційних інвесторів. Сьогодні дуже складні моделі Монте-Карло можуть бути спроектовані та виконані будь-ким, хто має доступ до персонального комп’ютера.