Monte Carlo Simulation

Definition: En Monte Carlo-simulering (även känd som en Monte Carlo-analys) är en sofistikerad datoriserad teknik som tillämpar sannolikhetsteori för ekonomisk analys. Det syftar till att mäta de möjliga effekterna av slumpmässiga eller chanshändelser på exempelvis investeringsavkastning och affärsresultat. Namnet härstammar från det kända kasinot i Monte Carlo i Monaco och framkallar chansspel med tärningar, roulettehjul eller kort.

Faktum är att mycket av modern sannolikhetsteori härleds från ansträngningar för att kvantifiera oddsen i sådana spel.

Ansökningar: Vanligtvis analyserar värdepappersanalytiker, projektanalytiker och företagsbudgetavdelningar (för att bara citera några exempel) bara en enkel basfallsscenario. Genom att tillämpa Monte Carlo-analys kan de skapa prediktiva modeller som erbjuder mer information, i form av intervall av sannolika resultat. De mer avancerade pensionskonsulterna och pensionsplanerarna är bland de finansiella yrkesverksamma som använder denna metodik. Det har också uppenbart värde för riskhanterare att använda vid kvantifiering av affärsrisker.

Metodik: Vanligtvis utvecklad av ledningsvetenskapliga avdelningar och quants, som ligger i Monte Carlo-simuleringen, är användningen av en datoriserad slumptalgenerator för att variera inmatningarna i en finansiell modell. Varje variabel i modellen tilldelas ett sannolikt intervall av resultat, baserat på tidigare dataanalys.

Då kommer datorn slumpmässigt att tilldela värdena till de variablerna inom de angivna områdena varje gång modellen körs. Modellen körs typiskt för tusentals iterationer, med nya slumpmässigt genererade inmatningsvariabler varje gång. Resultaten för alla dessa simuleringar är tabeller och sammanfattas i en sannolikhetsfördelning.

Formulär av resultat och resultat: I stället för ett sannolikt basfallsscenario producerar en Monte Carlo-simulering vanligen en rad resultat som approximerar en normal fördelning (populärt kallad en klockformad kurva), med sannolikheter kopplade till varje intervall. Exempelvis kan en Monte Carlo-simulering med hjälp av en modell byggd för att förutse vinst för ett företag nästa år ge resultat av detta slag:

• Median eller sannolikt resultat: $ 15 miljoner i vinst
• 66% vinstsannolikhet mellan $ 13 miljoner och $ 17 miljoner
• 95% sannolikhet för vinst mellan $ 11 miljoner och $ 19 miljoner
• 99% sannolikhet för vinst mellan $ 9 miljoner och $ 21 miljoner

Gränser: Resultaten av en Monte Carlo-analys eller simuleringen kommer att formas av antagandena som används vid utformningen av det. Precis som i någon finansiell modell är precisionen av antaganden nyckeln. I synnerhet med en Monte Carlo-simulering utgör de olika möjliga värdena för varje variabel en kritisk uppsättning antaganden som hela företaget ligger på, tillsammans med metoden för att konvertera slumptal som genereras av datorn till värden inom dessa områden.