Monte Carlo Simulation: The Basics

Monte Carlo Simulation: The Basics

Apakah Simulasi Monte Carlo dan Mengapa Kita Perlu?

Penganalisis boleh menilai kemungkinan pulangan portfolio dalam pelbagai cara. Pendekatan sejarah, yang paling popular, menganggap semua kemungkinan yang telah berlaku. Bagaimanapun, pelabur tidak sepatutnya berhenti. Kaedah Monte Carlo adalah kaedah stokastik (persampelan rawak input) untuk menyelesaikan masalah statistik, dan simulasi adalah perwakilan maya masalah. Simulasi Monte Carlo menggabungkan kedua-duanya untuk memberikan kita alat yang berkuasa yang membolehkan kita untuk mendapatkan pengedaran (pelbagai) keputusan untuk sebarang masalah statistik dengan banyak input yang dicontoh lagi dan lagi. (Untuk lebih lanjut, lihat: Stochastics: Penunjuk Beli dan Tepat yang Tepat .)

Simulasi Monte Carlo Demystified

Monte Carlo simulasi dapat difahami dengan baik apabila memikirkan seseorang membuang dadu. Penjudi pemula yang memainkan craps buat kali pertama tidak akan tahu apa peluangnya untuk menggulung enam dalam apa-apa kombinasi (sebagai contoh, empat dan dua, tiga dan tiga, satu dan lima). Apakah kemungkinan bergulir dua kali, juga dikenali sebagai "enam keras?" Melemparkan dadu berkali-kali, idealnya beberapa juta kali, akan memberikan satu pengedaran hasil yang mewakili yang akan memberitahu kita bagaimana kemungkinan satu gulung enam akan menjadi sukar enam. Secara idealnya, kita harus menjalankan ujian ini dengan cekap dan cepat, iaitu persembahan Monte Carlo yang simulasi.

Nilai masa depan atau nilai portfolio aset tidak bergantung pada gulung dadu, tetapi kadang-kadang harga aset menyerupai jalan rawak. Masalah dengan melihat kepada sejarah sahaja ialah ia mewakili, pada dasarnya, hanya satu roll, atau hasil yang mungkin, yang mungkin atau tidak mungkin berlaku pada masa akan datang. Satu simulasi Monte Carlo menganggap pelbagai kemungkinan dan membantu kami mengurangkan ketidakpastian. Simulasi Monte Carlo sangat fleksibel; ia membolehkan kami mengubah andaian risiko di bawah semua parameter dan dengan itu memaparkan pelbagai kemungkinan hasil. Kita boleh membandingkan pelbagai hasil masa depan dan menyesuaikan model kepada pelbagai aset dan portfolio yang sedang dikaji semula. (Untuk lebih lanjut, lihat: Cari Fit yang Sesuai Dengan Pengagihan Kebarangkalian .)

Aplikasi Simulasi Monte Carlo dalam Kewangan:

Simulasi Monte Carlo mempunyai banyak aplikasi dalam bidang kewangan dan bidang lain. Monte Carlo digunakan dalam kewangan korporat untuk memodelkan komponen aliran tunai projek, yang dipengaruhi oleh ketidakpastian. Hasilnya adalah pelbagai nilai semasa bersih (NPV) bersama dengan pemerhatian pada NPV purata pelaburan di bawah analisis dan turun naiknya. Oleh itu pelabur boleh menganggarkan kebarangkalian bahawa NPV akan lebih besar daripada sifar.Monte Carlo digunakan untuk harga pilihan di mana banyak laluan rawak untuk harga aset asas dijana, masing-masing mempunyai hasil yang berkaitan. Ganjaran ini kemudian didiskaunkan semula ke masa kini dan purata untuk mendapatkan harga pilihan. Ia juga digunakan untuk harga sekuriti pendapatan tetap dan derivatif kadar faedah. Tetapi simulasi Monte Carlo digunakan secara meluas dalam pengurusan portfolio dan perancangan kewangan peribadi. (Untuk lebih lanjut, lihat: Keputusan Pelaburan Modal - Arus Tunai Penambahan .)

Monte Carlo Simulasi dan Pengurusan Portfolio:

Simulasi Monte Carlo membolehkan penganalisis untuk menentukan saiz portfolio yang diperlukan di bersara untuk menyokong gaya hidup persaraan yang diingini dan hadiah dan hasrat yang dikehendaki. Faktor-faktornya dalam pengagihan kadar pelaburan semula, kadar inflasi, pulangan kelas aset, kadar cukai dan juga jangka hayat mungkin. Hasilnya adalah pengedaran saiz portfolio dengan kebarangkalian menyokong keperluan perbelanjaan yang diinginkan oleh pelanggan.

Penganalisis seterusnya menggunakan simulasi Monte Carlo untuk menentukan nilai yang diharapkan dan pengagihan portfolio pada tarikh persaraan pemilik. Simulasi membolehkan penganalisis mengambil pandangan pelbagai tempoh, dan faktor dalam pergantungan laluan; nilai portfolio dan peruntukan aset pada setiap tempoh bergantung kepada pulangan dan ketidaktentuan dalam tempoh sebelumnya. Penganalisis menggunakan pelbagai peruntukan aset dengan pelbagai tahap risiko, korelasi yang berbeza antara aset dan pengagihan sejumlah besar faktor termasuk simpanan dalam setiap tempoh dan tarikh persaraan, untuk mencapai pengagihan portfolio bersama dengan kebarangkalian tiba di nilai portfolio yang dikehendaki semasa persaraan. Kadar perbelanjaan dan jangka hayat yang berbeza dari klien boleh diambil kira untuk menentukan kebarangkalian pelanggan akan kehabisan dana (kemungkinan kebuntuan atau risiko panjang umur) sebelum kematian mereka.

Risiko dan profil pengembalian klien adalah faktor terpenting yang mempengaruhi keputusan pengurusan portfolio. Pulangan yang dikehendaki oleh klien adalah satu fungsi untuk tujuan persaraan dan perbelanjaannya; profil risikonya ditentukan oleh keupayaan dan kesanggupannya untuk mengambil risiko. Selalunya daripada profil pulangan dan risiko pelanggan tidak selaras dengan satu sama lain; sebagai contoh, tahap risiko yang dapat diterima oleh mereka, ia mungkin tidak mustahil atau sangat sukar untuk mencapai pulangan yang diingini. Lebih-lebih lagi, jumlah minimum mungkin diperlukan sebelum bersara untuk mencapai matlamatnya, dan gaya hidup pelanggan tidak akan membenarkan penjimatan, atau dia enggan mengubahnya.

Mari kita pertimbangkan contoh pasangan muda yang bekerja keras dan mempunyai gaya hidup mewah termasuk cuti mahal setiap tahun. Mereka mempunyai tujuan persaraan untuk membelanjakan $ 170,000 setahun (lebih kurang $ 14,000 / bulan), dan meninggalkan harta pusaka $ 1 juta kepada anak-anak mereka. Seorang penganalisis menjalankan simulasi dan mendapati bahawa penjimatan mereka adalah tidak mencukupi untuk membina nilai portfolio yang dikehendaki semasa bersara; Walau bagaimanapun, ia boleh dicapai jika peruntukan kepada stok topi kecil meningkat dua kali ganda (sehingga 50% - 70% daripada 25% - 35%), yang akan meningkatkan risiko mereka dengan ketara.Tiada alternatif lain (penjimatan atau peningkatan risiko yang lebih tinggi) diterima oleh pelanggan. Oleh itu, faktor penganalisis dalam pelarasan lain sebelum menjalankan simulasi semula. Beliau menangguhkan persaraan dengan 2 tahun, dan mengurangkan pengeluaran selepas bulanan mereka bersara kepada $ 12, 500. Pengagihan yang dihasilkan menunjukkan bahawa nilai portfolio yang dikehendaki dapat dicapai dengan meningkatkan peruntukan kepada stok kecil sebanyak hanya 8%. Dengan wawasan yang ada, dia mencadangkan pelanggan untuk melengahkan persaraan dan menurunkan perbelanjaan sedikitnya, yang pasangannya bersetuju. (Untuk lebih lanjut, lihat: Perancangan Persaraan Anda Menggunakan Simulasi Monte Carlo .)

Bottom line

Satu simulasi Monte Carlo membolehkan penganalisis dan penasihat untuk menukar peluang pelaburan menjadi pilihan. Kelebihan Monte Carlo adalah keupayaannya untuk memaksakan pelbagai nilai untuk pelbagai input; ini juga merupakan kelemahan yang paling besar dalam erti kata bahawa andaian-andaian perlu bersikap adil kerana outputnya hanya sebanding dengan inputnya. Satu lagi kelemahan yang besar ialah simulasi Monte Carlo cenderung untuk meremehkan kebarangkalian peristiwa berlebihan seperti krisis kewangan, yang menjadi terlalu kerap untuk keselesaan. Malah, pakar berpendapat bahawa simulasi seperti Monte Carlo tidak dapat mempengaruhi aspek perilaku kewangan dan ketidaksamaan yang dipamerkan oleh peserta pasaran. Walau bagaimanapun, ia adalah seorang hamba yang mampu melupuskan penasihat yang perlu bertanya soalan pintar daripadanya.