Hva Er Monte Carlo simulering?

March 12  by Eliza

En Monte Carlo-simulering er en matematisk modell for å beregne sannsynligheten for at et bestemt utfall av tilfeldig testing eller prøvetaking av et bredt utvalg av scenarier og variabler. Først benyttet av Stanilaw Ulam, en matematiker som arbeidet på Manhattan Project under andre verdenskrig, simuleringene gir analytikere en vei for å ta vanskelige avgjørelser og løse komplekse problemer som har flere områder av usikkerhet. Oppkalt etter den casino-befolkede resort i Monaco, bruker Monte Carlo simulering historiske statistiske data til å generere millioner av forskjellige økonomiske resultater ved tilfeldig sette inn komponenter i hvert løp som kan påvirke sluttresultatet, for eksempel kontoen tilbake, volatilitet, eller sammenhenger. Når scenariene er formulert, beregner metode oddsen for å nå et bestemt utfall. I motsetning til standard økonomisk planlegging analyser som bruker langsiktige gjennomsnitt og beregninger av fremtidig vekst eller sparing, Monte Carlo simulering, tilgjengelig i programvare og web-applikasjoner, kan gi en mer realistisk måte å håndtere variabler og måle sannsynligheten for finansiell risiko eller belønning.

Monte Carlo metoder blir ofte brukt for personlig økonomisk planlegging, porteføljevurdering, verdsettelse av obligasjoner og obligasjonsfond alternativer, og i bedrifts- eller prosjektfinansiering. Selv om sannsynlighetsberegninger er ikke ny, David B. Hertz første pioner dem i finans i 1964 med sin artikkel, "Risikoanalyse i Capital Investment", publisert i Harvard Business Review. Phelim Boyle brukt metoden til derivat verdivurdering i 1977, publisering hans papir, "Alternativer: A Monte Carlo Approach", i Journal of Financial Economics. Teknikken er vanskeligere å bruke med amerikanske alternativer, og med resultatene å være avhengig av de underliggende forutsetninger, er det noen hendelser som Monte Carlo simulering ikke kan forutse.

Simulering gir flere klare fordeler fremfor andre former for økonomisk analyse. I tillegg til å generere sannsynlighetene for mulige endepunkter av en gitt strategi, forenkler metode for data formulering etablering av grafer og diagrammer, fremme bedre kommunikasjon av funnene til investorer og aksjonærer. Monte Carlo simulering fremhever den relative effekten av hver variabel til bunnlinjen. Ved hjelp av denne simuleringen, kan analytikere også se nøyaktig hvordan visse kombinasjoner av innganger påvirke og samspill med hverandre. Forståelse av de positive og negative innbyrdes relasjoner mellom variabler gir en mer nøyaktig risikoanalyse av noe instrument.

Risikoanalyse ved denne metode involverer anvendelse av sannsynlighetsfordelinger for å beskrive variabler. En velkjent sannsynlighetsfordeling er den normale eller klokkekurve, med brukere som spesifiserer den forventede verdi og et standard avvik kurve som definerer variasjonen. Energipriser og inflasjon kan være avbildet av gausskurver. Log-normal distribusjoner skildre positive variabler med ubegrenset potensial til å øke, slik som oljereserver eller aksjekurser. Uniform, trekantet, og diskret er eksempler på andre mulige sannsynlighetsfordelinger. Verdier, som er tilfeldig samplet fra sannsynlighetskurver, er presentert i sett kalles iterasjoner.

  • En Monte Carlo-simulering er en matematisk modell for å beregne sannsynligheten for at et bestemt utfall av tilfeldig testing eller prøvetaking av et bredt utvalg av scenarier og variabler.