Pinapayagan ng modelo ng Monte Carlo ang mga mananaliksik na magpatakbo ng maraming mga pagsubok at tukuyin ang lahat ng mga potensyal na kinalabasan ng isang kaganapan o pamumuhunan. Sama-sama, lumikha sila ng isang probabilidad na pamamahagi o pagtatasa ng panganib para sa isang naibigay na pamumuhunan o kaganapan.
Ang pagsusuri sa Monte Carlo ay isang diskarte sa pagmomolde ng multivariate. Ang lahat ng mga modelong multivariate ay maaaring isipin bilang masalimuot na "paano kung?" mga sitwasyon. Ginagamit ng mga mananaliksik ng pananaliksik ang mga ito upang matantya ang mga kinalabasan ng pamumuhunan, upang maunawaan ang mga posibilidad na nakapalibot sa kanilang mga exposure sa pamumuhunan, at upang mas mahusay na mapawi ang mga panganib. Sa pamamaraan ng Monte Carlo, ang mga resulta ay inihambing laban sa pagpapaubaya sa panganib. Tumutulong ito sa isang manedyer na magpasya kung magpapatuloy sa isang pamumuhunan o proyekto.
Sino ang Gumagamit ng Mga Modelo ng Multivariate
Ang mga gumagamit ng mga modelong multivariate ay nagbabago ng halaga ng maraming variable upang matukoy ang kanilang potensyal na epekto sa proyekto na nasuri.
Ang mga modelo ay ginagamit ng mga analyst ng pananalapi upang matantya ang mga daloy ng cash at mga bagong ideya sa produkto. Ang mga tagapamahala ng portfolio at tagapayo sa pananalapi ay gumagamit ng mga ito upang matukoy ang epekto ng pamumuhunan sa pagganap at peligro ng portfolio. Ginagamit ng mga kumpanya ng seguro ang mga ito upang matantya ang potensyal para sa mga pag-angkin at sa mga patakaran sa presyo. Ang ilan sa mga kilalang modelo ng multivariate ay ang mga ginamit upang pahalagahan ang mga pagpipilian sa stock. Ang mga modelo ng multivariate ay tumutulong din sa mga analyst na matukoy ang totoong mga driver ng halaga.
Tungkol sa Pagtatasa ng Monte Carlo
Ang pagtatasa ng Monte Carlo ay pinangalanan sa pangunahin na ginawa ng sikat ng mga casino nito. Sa mga laro ng pagkakataon, alam ang lahat ng mga posibleng kinalabasan at mga probabilidad, ngunit sa karamihan ng mga pamumuhunan na hindi alam ang hanay ng mga kinalabasan sa hinaharap.
Nasa tagasuri upang matukoy ang mga kinalabasan at ang posibilidad na mangyayari ito. Sa pagmomolde ng Monte Carlo, ang analyst ay nagpapatakbo ng maraming mga pagsubok, kung minsan libu-libo sa kanila, upang matukoy ang lahat ng mga posibleng kinalabasan at ang posibilidad na maganap.
Ang pagsusuri sa Monte Carlo ay kapaki-pakinabang sapagkat maraming mga desisyon sa pamumuhunan at negosyo ang ginawa batay sa isang kinalabasan. Sa madaling salita, maraming mga analyst ang nakakuha ng isang posibleng senaryo at pagkatapos ay ihambing ito sa iba't ibang mga hadlang upang magpasya kung magpapatuloy ito.
Karamihan sa mga pagtatantya ng pro forma ay nagsisimula sa isang case case. Sa pamamagitan ng pag-input ng pinakamataas na probisyon ng posibilidad para sa bawat kadahilanan, maaaring makuha ng isang analyst ang pinakamataas na posibilidad na posibilidad. Gayunpaman, ang paggawa ng anumang mga pagpapasya batay sa isang batayang kaso ay may problema, at ang paglikha ng isang pagtataya na may iisa lamang na kinalabasan ay hindi sapat sapagkat wala itong sinasabi tungkol sa anumang iba pang posibleng mga halaga na maaaring mangyari.
Hindi rin sinasabi ang tungkol sa totoong tunay na posibilidad na ang aktwal na halaga ng hinaharap ay magiging isang bagay maliban sa hula ng base case. Imposibleng mag-proteksyon laban sa isang negatibong pangyayari kung ang mga driver at mga posibilidad ng mga kaganapang ito ay hindi kinakalkula nang maaga.
Paglikha ng Modelo
Kapag dinisenyo, ang pagpapatupad ng isang modelo ng Monte Carlo ay nangangailangan ng isang tool na sapalarang pumili ng mga halaga ng kadahilanan na nakasalalay sa ilang mga paunang natukoy na mga kondisyon. Sa pamamagitan ng pagpapatakbo ng isang bilang ng mga pagsubok na may mga variable na napilitang sa pamamagitan ng kanilang sariling independiyenteng mga posibilidad na mangyari, ang isang analista ay lumilikha ng isang pamamahagi na kasama ang lahat ng mga posibleng kinalabasan at ang mga posibilidad na magaganap.
Maraming mga random number generators sa merkado. Ang dalawang pinaka-karaniwang tool para sa pagdidisenyo at pagpapatupad ng mga modelo ng Monte Carlo ay ang @Risk at Crystal Ball. Ang parehong mga ito ay maaaring magamit bilang mga add-in para sa mga spreadsheet at payagan ang mga random na sampling na isama sa mga itinatag na modelo ng spreadsheet.
Ang sining sa pagbuo ng isang naaangkop na modelo ng Monte Carlo ay upang matukoy ang tamang mga hadlang para sa bawat variable at ang tamang ugnayan sa pagitan ng mga variable. Halimbawa, dahil ang pag-iba ng portfolio ay batay sa ugnayan sa pagitan ng mga assets, ang anumang modelo na binuo upang lumikha ng inaasahang mga halaga ng portfolio ay dapat isama ang ugnayan sa pagitan ng mga pamumuhunan.
Upang piliin ang tamang pamamahagi para sa isang variable, dapat maunawaan ng isa ang bawat isa sa mga posibleng pamamahagi na magagamit. Halimbawa, ang pinaka-karaniwang isa ay isang normal na pamamahagi, na kilala rin bilang isang curve ng kampanilya .
Sa isang normal na pamamahagi, ang lahat ng mga naganap ay pantay na ipinamamahagi sa paligid ng ibig sabihin. Ang ibig sabihin ay ang pinaka-malamang na kaganapan. Ang mga likas na phenomena, taas ng tao, at inflation ay ilang mga halimbawa ng mga input na karaniwang ipinamamahagi.
Sa pagsusuri sa Monte Carlo, ang isang random-number generator ay pumili ng isang random na halaga para sa bawat variable sa loob ng mga hadlang na itinakda ng modelo. Pagkatapos ay gumagawa ito ng isang pamamahagi ng posibilidad para sa lahat ng posibleng mga kinalabasan.
Ang karaniwang paglihis ng posibilidad na iyon ay isang istatistika na nagpapahiwatig ng posibilidad na ang aktwal na kinalabasan na tinatantya ay isang bagay maliban sa ibig sabihin o pinaka malamang na kaganapan. Ang pagpapalagay na isang probabilidad na pamamahagi ay karaniwang ipinamamahagi, humigit-kumulang 68% ng mga halaga ay mahuhulog sa loob ng isang karaniwang paglihis ng ibig sabihin, tungkol sa 95% ng mga halaga ay mahuhulog sa loob ng dalawang karaniwang paglihis, at halos 99.7% ang mahuhulog sa loob ng tatlong karaniwang mga paglihis ng ibig sabihin.
Ito ay kilala bilang "68-95-99.7 panuntunan" o ang "empirical rule."
Sino ang Gumagamit ng Paraan
Ang pagsusuri sa Monte Carlo ay hindi lamang isinasagawa ng mga propesyonal sa pananalapi kundi pati ng maraming iba pang mga negosyo. Ito ay isang tool sa paggawa ng desisyon na ipinapalagay na ang bawat desisyon ay magkakaroon ng epekto sa pangkalahatang peligro.
Ang bawat indibidwal at institusyon ay may ibang pagkakaiba sa panganib. Ginagawa nitong mahalaga na kalkulahin ang panganib ng anumang pamumuhunan at ihambing ito sa pagpapaubaya sa panganib ng indibidwal.
Ang mga probabilidad na pamamahagi na ginawa ng isang modelo ng Monte Carlo ay lumikha ng isang larawan ng peligro. Ang larawang iyon ay isang epektibong paraan upang maihatid ang mga resulta sa iba, tulad ng mga superyor o mga namumuhunan. Ngayon, ang sobrang kumplikadong mga modelo ng Monte Carlo ay maaaring idinisenyo at isakatuparan ng sinumang may access sa isang personal na computer.
