Mikä on Monte Carlo-simulointi ja miksi sitä tarvitaan?

Analyytikot voivat arvioida mahdollisia salkun tuottoja monin tavoin. Historiallinen lähestymistapa, joka on suosituin, katsoo kaikki mahdollisuudet, jotka ovat jo tapahtuneet. Sijoittajat eivät kuitenkaan saa pysähtyä tähän. Monte Carlo -menetelmä on stokastinen (pistemäinen näytteenotto panoksista) menetelmällä tilastollisen ongelman ratkaisemiseksi ja simulointi on virtuaalinen esitys ongelmasta. Monte Carlo-simulaatio yhdistää nämä kaksi voimakasta työkalua, joka antaa meille mahdollisuuden saada tuloksia (taulukkoa) kaikista tilastollisista ongelmista lukuisilla panoksilla, jotka on otettu näytteitä uudestaan ​​ja uudestaan. (Katso lisää: Stochastics: Tarkka Osta ja Myy Indikaattori .)

Monte Carlo simulointi Demystified

Monte Carlo-simulaatioita voidaan parhaiten ymmärtää ajattelemalla henkilöä, joka heittää noppaa. Aloittelevalle pelaajalle, joka pelaa ensimmäistä kertaa craps -peleissä, ei ole selvää, millaisia ​​kertoimet ovat rullaa kuusi kussakin yhdistelmässä (esimerkiksi neljä ja kaksi, kolme ja kolme, yksi ja viisi). Mitkä ovat kertoimet kahta kolmesta, jotka tunnetaan myös nimellä "kova kuusi"? Noppojen heittäminen monta kertaa, ihanteellisesti useita miljoonia kertoja, antaa yhden edustavan tuloksen jakamisen, joka kertoo meille, kuinka todennäköinen kuudes rulla on kova kuusi. Ihannetapauksessa meidän pitäisi suorittaa nämä testit tehokkaasti ja nopeasti, mikä on täsmälleen mitä Monte Carlo-simulaatio tarjoaa.

Omaisuushintojen tai salkun tulevaisuuden arvot eivät riipu nopan rullista, mutta joskus omaisuushinnat eivät muistuta satunnaista kävelyä. Pelkästään historiaan kohdistuva ongelma on se, että se edustaa vain yhtä rullaa tai todennäköistä lopputulosta, joka voi olla tai ei ole sovellettavissa tulevaisuudessa. Monte Carlo-simulointi pitää laajoja mahdollisuuksia ja auttaa vähentämään epävarmuutta. Monte Carlo-simulointi on erittäin joustavaa; sen avulla pystymme muuttamaan riskien oletuksia kaikissa parametreissä ja mallintamalla erilaisia ​​mahdollisia tuloksia. Voidaan vertailla useita tulevia tuloksia ja mukauttaa mallia erilaisiin omaisuuseriin ja salkkuihin. (Katso lisää: Etsi sopivaa asennetta todennäköisyysjakaumilla .)

Monte Carlo-simulaation sovellukset rahoituksessa:

Monte Carlo-simuloinnilla on lukuisia sovelluksia talous- ja muilla aloilla. Monte Carloa käytetään yritysrahoituksessa projektin kassavirran mallintamiseen, mihin vaikuttaa epävarmuus. Tuloksena on joukko nettomää- räisiä arvoja (NPV) samoin kuin analysoitavan sijoituksen keskimääräiseen NPV-arvoon ja sen volatiliteettiin. Sijoittaja voi näin ollen arvioida todennäköisyyden, että NPV on suurempi kuin nolla.Monte Carloa käytetään optiohinnoitteluun, jossa syntyy lukuisia satunnaisia ​​polkuja kohde-etuuden hinnasta, joista jokaisella on siihen liittyvä voitto. Nämä palkkiot diskontataan sitten nykyhetkeen ja lasketaan keskimäärin optiohinnan saamiseksi. Sitä käytetään samalla tavoin kiinteäkorkoisten arvopaperien ja korkojohdannaisten hinnoittelussa. Monte Carlo-simulaatiota käytetään kuitenkin laajalti salkunhallinnassa ja henkilökohtaisessa taloussuunnittelussa. Monte Carlo-simulointi- ja portfoliohallinta: Monte Carlo-simulointi mahdollistaa analyytikon määrittämään vaadittavan salkun koon eläkkeelle siirtymistä tukemaan haluttua eläkkeelle siirtymistä ja muita haluttuja lahjoja ja lepoja. Hän kertoo uudelleensijoittamisasteiden, inflaatioasteen, omaisuusluokan tuoton, verokantojen ja jopa mahdollisten elinkaarien jakautumisesta. Tuloksena on salkun koon jakautuminen ja todennäköisyys tukea asiakkaan toivottuja kulutustarpeita.

Seuraavaksi analyytikko käyttää Monte Carlo -simulaatiota määrittämään salkun odotetun arvon ja jakelun omistajan eläkkeellepäivästä. Simulointi antaa analyytikolle mahdollisuuden ottaa monikuukausinäkymän ja ottaa huomioon polun riippuvuuden; salkun arvo ja omaisuuserä kaudella riippuu edellisen kauden tuloksesta ja volatiliteetista. Analyytikko käyttää erilaisia ​​omaisuuseräkohtauksia, joiden riskit vaihtelevat, varojen eri korrelaatiot ja lukuisten tekijöiden jakautuminen, mukaan lukien säästöt kussakin ajanjaksossa ja eläkkeelle siirtymispäivänä, salkkujen jakautumiseen ja todennäköisyyteen päästä haluttu salkun arvo eläkkeelle. Asiakkaiden erilaiset kulutusmäärät ja elinkaari voidaan ottaa huomioon määrittämään todennäköisyys, että asiakkaat menestyvät varoista (todennäköisyys romahdukselle tai pitkäikäisyysriskeille) ennen kuolemaansa.

Asiakkaan riski- ja tuotto-profiili on tärkein tekijä, joka vaikuttaa salkunhoitopäätöksiin. Asiakkaan vaaditut tuotot ovat hänen eläkkeelle siirtymistään ja menotavoitteistaan; hänen riskiprofiilinsa määräytyy hänen kyvystään ja halukkuudestaan ​​ottaa riskejä. Useimmiten asiakkaiden tuotto- ja riskiprofiili ei ole synkronoituna keskenään; esimerkiksi niille hyväksyttävän riskin taso voi johtaa mahdottomaan tai erittäin vaikeaan saavuttaa haluttu tuotto. Lisäksi vähimmäismäärää voidaan tarvita ennen eläkkeelle jäämistä tavoitteen saavuttamiseksi, ja asiakkaiden elämäntapa ei anna säästöjä tai hän voi olla haluttomia vaihtamaan sitä.

Katsotaanpa esimerkki nuoresta työparista, joka työskentelee kovasti ja jolla on runsas elämäntyyli, mukaan lukien kalliit lomat joka vuosi. Heillä on eläkkeelle asetettu tavoite käyttää 170 000 dollaria vuodessa (noin 14 000 dollaria kuukaudessa) ja jättää 1 miljoonan dollarin omaisuuden lapsilleen. Analyytikko suorittaa simulaation ja toteaa, että niiden säästöt per jakso eivät riitä rakentaakseen haluttua salkun arvoa eläkkeelle; kuitenkin saavutettavissa, jos pienille kannoille myönnettävät varat kaksinkertaistetaan (jopa 50-70% 25-35%), mikä lisää niiden riskiä huomattavasti.Mikään edellä mainituista vaihtoehdoista (korkeammat säästöt tai lisääntynyt riski) ei ole asiakkaan hyväksyttävissä. Siten analyytikko tekisi muita muutoksia ennen simulaation suorittamista uudelleen. Hän viivästyttää eläkkeelle siirtymistään kahdella vuodella ja vähentää kuukausittaista kulutustaan ​​eläkkeelle siirtymisen jälkeen 12 500 euroon. Tuloksena oleva jakautuminen osoittaa, että haluttu salkun arvo on saavutettavissa kasvattamalla pienikokoisten varojen määrää vain 8 prosentilla. Käytettävissä olevan näkemyksen mukaan hän ehdottaa asiakkaiden viivästyttävän eläkkeelle siirtymistä ja vähentävät marginaaleja, joihin pari on samaa mieltä. (Lisätietoja:

Eläkkeellepanon suunnittelu Monte Carlo-simuloinnin avulla

.) Perusjono Monte Carlo-simulointi mahdollistaa analyytikoiden ja neuvonantajien mahdollisuuden muuntaa sijoitusmahdollisuudet valintoiksi. Monte Carlo -tuotteen etu on sen kyky käsitellä erilaisia ​​arvoja eri panoksille; tämä on myös sen suurin haitta siinä mielessä, että olettamusten on oltava oikeudenmukaisia, koska tuotos on vain yhtä hyvä kuin panokset. Toinen suuri haittapuoli on se, että Monte Carlo -simulaatio pyrkii aliarvioimaan äärimmäisten kantojen todennäköisyyden, kuten finanssikriisin, jotka ovat tulossa liian usein mukavaksi. Itse asiassa asiantuntijat väittävät, että simulointi, kuten Monte Carlo, ei kykene huomioimaan rahoituksen käyttäytymisnäkökohtia ja markkinaosapuolten ilmaisemaa irrationaalisuutta. Se on kuitenkin osaava palvelija, jolla on neuvonantajia, jotka tarvitsevat älykkäitä kysymyksiä siitä.