Monte Carlo modeli, araştırmacıların birden fazla deneme yapmasına ve bir olayın veya yatırımın tüm potansiyel sonuçlarını tanımlamasına olanak tanır. Birlikte, belirli bir yatırım veya olay için bir olasılık dağılımı veya risk değerlendirmesi oluştururlar.
Monte Carlo analizi çok değişkenli bir modelleme tekniğidir. Tüm çok değişkenli modeller karmaşık "ya öyleyse?" senaryoları. Araştırma analistleri bunları yatırım sonuçlarını tahmin etmek, yatırım risklerini çevreleyen olasılıkları anlamak ve riskleri daha iyi azaltmak için kullanırlar. Monte Carlo yönteminde sonuçlar risk toleransı ile karşılaştırılır. Bu, bir yöneticinin bir yatırım veya projeye devam edip etmeyeceğine karar vermesine yardımcı olur.
Çok Değişkenli Modelleri Kimler Kullanır?
Çok değişkenli model kullanıcıları, değerlendirilen proje üzerindeki potansiyel etkilerini belirlemek için birden çok değişkenin değerini değiştirir.
Modeller finansal analistler tarafından nakit akışlarını ve yeni ürün fikirlerini tahmin etmek için kullanılır. Portföy yöneticileri ve finansal danışmanlar, yatırımların portföy performansı ve risk üzerindeki etkisini belirlemek için kullanırlar. Sigorta şirketleri bunları talep potansiyelini tahmin etmek ve fiyat politikaları için kullanır. En iyi bilinen çok değişkenli modellerden bazıları stok seçeneklerine değer vermek için kullanılan modellerdir. Çok değişkenli modeller analistlerin değerin gerçek itici güçlerini belirlemelerine de yardımcı olur.
Monte Carlo Analizi Hakkında
Monte Carlo analizi, casinoları tarafından ünlü yapılan prensliğin ismini almıştır. Şans oyunlarıyla, tüm olası sonuçlar ve olasılıklar bilinir, ancak çoğu yatırımda gelecekteki sonuçların kümesi bilinmemektedir.
Sonuçları ve ortaya çıkma olasılığını belirlemek analiste bağlıdır. Monte Carlo modellemesinde, analist tüm olası sonuçları ve gerçekleşme olasılığını belirlemek için bazen binlerce olan birden fazla deneme yapar.
Monte Carlo analizi faydalıdır, çünkü birçok yatırım ve iş kararı bir sonuç temelinde alınır. Başka bir deyişle, birçok analist olası bir senaryo türetir ve devam edip etmeyeceğine karar vermek için bunu çeşitli engellerle karşılaştırır.
Proforma tahminlerinin çoğu temel bir durumla başlar. Her bir faktör için en yüksek olasılık varsayımını girerek, bir analist en yüksek olasılık sonucunu elde edebilir. Bununla birlikte, temel bir durum temelinde herhangi bir karar vermek sorunludur ve sadece bir sonuçla bir tahmin oluşturmak yetersizdir çünkü ortaya çıkabilecek diğer olası değerler hakkında hiçbir şey söylemez.
Ayrıca, gerçek gelecekteki değerin temel durum tahmininden başka bir şey olacağı konusunda gerçek bir şans hakkında hiçbir şey söylemez. Bu olayların itici güçleri ve olasılıkları önceden hesaplanmazsa olumsuz bir olaydan korunmak mümkün değildir.
Model Oluşturma
Bir kez tasarlandığında, bir Monte Carlo modelinin yürütülmesi, önceden belirlenmiş belirli koşullara bağlı faktör değerlerini rastgele seçecek bir araç gerektirir. Bir analist, kendi bağımsız meydana gelme olasılıkları ile kısıtlanan değişkenlerle bir dizi deneme yaparak, olası tüm sonuçları ve ortaya çıkma olasılıklarını içeren bir dağıtım oluşturur.
Piyasada birçok rasgele sayı üreteci vardır. Monte Carlo modellerini tasarlamak ve uygulamak için en yaygın iki araç @ Risk ve Crystal Ball'dur. Bunların her ikisi de e-tablolar için eklenti olarak kullanılabilir ve rastgele örneklemenin yerleşik e-tablo modellerine dahil edilmesini sağlar.
Uygun bir Monte Carlo modeli geliştirme sanatı, her değişken için doğru kısıtlamaları ve değişkenler arasındaki doğru ilişkiyi belirlemektir. Örneğin, portföy çeşitlendirmesi varlıklar arasındaki korelasyona dayandığından, beklenen portföy değerleri oluşturmak için geliştirilen herhangi bir model yatırımlar arasındaki korelasyonu içermelidir.
Bir değişken için doğru dağılımı seçmek için, olası her bir dağıtımın anlaşılması gerekir. Örneğin, en yaygın olanı çan eğrisi olarak da bilinen normal bir dağılımdır .
Normal bir dağılımda, tüm olaylar ortalamaya eşit olarak dağıtılır. Ortalama en olası olaydır. Doğal fenomenler, insanların yükseklikleri ve enflasyon normal olarak dağıtılan girdilere bazı örneklerdir.
Monte Carlo analizinde, rastgele sayı üreteci, model tarafından belirlenen kısıtlamalar dahilindeki her değişken için rastgele bir değer seçer. Daha sonra tüm olası sonuçlar için bir olasılık dağılımı üretir.
Bu olasılığın standart sapması, tahmin edilen gerçek sonucun ortalama veya en olası olaydan başka bir şey olma olasılığını ifade eden bir istatistiktir. Bir olasılık dağılımının normal olarak dağıldığı varsayılarak, değerlerin yaklaşık% 68'i ortalamanın standart bir sapmasına düşecek, değerlerin yaklaşık% 95'i iki standart sapma içine düşecek ve yaklaşık% 99, 7'si ortalamanın üç standart sapması içinde olacaktır.
Bu, "68-95-99.7 kuralı" veya "ampirik kural" olarak bilinir.
Yöntemi Kim Kullanıyor
Monte Carlo analizleri sadece finans profesyonelleri tarafından değil, diğer birçok işletme tarafından da yürütülmektedir. Her kararın genel risk üzerinde bir etkisi olacağını varsayan bir karar verme aracıdır.
Her bireyin ve kurumun farklı bir risk toleransı vardır. Bu, herhangi bir yatırımın riskini hesaplamayı ve bireyin risk toleransı ile karşılaştırmayı önemli kılar.
Monte Carlo modelinin ürettiği olasılık dağılımları bir risk resmi oluşturur. Bu resim, sonuçları üstler veya potansiyel yatırımcılar gibi başkalarına iletmenin etkili bir yoludur. Bugün, çok karmaşık Monte Carlo modelleri, kişisel bir bilgisayara erişimi olan herkes tarafından tasarlanabilir ve yürütülebilir.