Što je simulacija Monte Carla i zašto nam je potrebna?
Analitičari mogu procijeniti moguće prinose portfelja na više načina. Povijesni pristup, koji je najpopularniji, razmatra sve mogućnosti koje su se već dogodile. No, ulagači se ne bi trebali zaustaviti na tome. Monte Carlo metoda je stohastička (slučajno uzorkovanje ulaza) metoda za rješavanje statističkog problema, a simulacija je virtualni prikaz problema. Simulacija Monte Carlo objedinjuje ove dvije i pruža nam snažan alat koji nam omogućuje da dobijemo raspodjelu (niz) rezultata za bilo koji statistički problem s brojnim ulazima koji se uzorkuju iznova i iznova. (Za više pogledajte: Stohastika: točan pokazatelj kupovine i prodaje .)
Monte Carlo simulacija demistificirana
Monte Carlo simulacije najbolje se mogu razumjeti razmišljanjem o osobi koja baca kockice. Igrač početnik koji prvi put igra kocku neće imati pojma kolike su šanse za bacanje šestice u bilo kojoj kombinaciji (na primjer, četiri i dva, tri i tri, jedan i pet). Koje su šanse kotrljanja dviju trojki, poznatih i kao "tvrda šestica"? Bacanje kockica više puta, u idealnom slučaju nekoliko milijuna puta, omogućilo bi reprezentativnu distribuciju rezultata, što će nam reći koliko je vjerovatno da će svitak biti težak šest. U idealnom slučaju te testove bismo trebali izvoditi učinkovito i brzo, a to je ono što nudi simulacija Monte Carlo.
Buduće cijene imovine ili portfelja ne ovise o kockicama, ali ponekad cijene imovine nalikuju slučajnom hodu. Problem s obzirom na samo gledanje na povijest jest što on zapravo predstavlja samo jedan kolut ili vjerojatni ishod, koji može ili ne mora biti primjenjiv u budućnosti. Monte Carlo simulacija razmatra širok raspon mogućnosti i pomaže nam da smanjimo nesigurnost. Monte Carlo simulacija je vrlo fleksibilna; To nam omogućava da razlikujemo pretpostavke rizika pod svim parametrima i na taj način modeliramo niz mogućih ishoda. Može se usporediti više budućih rezultata i prilagoditi model raznim imovinama i portfeljima koji se pregledavaju. (Za više informacija pogledajte: Pronađite ispravno uklapanje s distribucijom vjerojatnosti .)
Primjene Monte Carlo simulacije u financijama
Simulacija Monte Carlo ima brojne primjene u financijama i drugim područjima. Monte Carlo se koristi u korporativnim financijama za modeliranje komponenti novčanog toka projekata na koje utječe neizvjesnost. Rezultat je raspon neto sadašnjih vrijednosti (NPV-a), zajedno s opažanjima prosječnog NPV-a analizirane investicije i njezine volatilnosti. Investitor može, prema tome, procijeniti vjerojatnost da će NPV biti veći od nule. Monte Carlo koristi se za opcijske cijene gdje se generiraju brojne nasumične staze za cijenu predmetne imovine, a svaka ima s njima isplatu. Ova primanja se diskontiraju natrag u sadašnjost i uspoređuju se kako bi se dobila opcijska cijena. Na sličan se način koristi za određivanje cijene vrijednosnih papira s fiksnim dohotkom i derivata kamatnih stopa. Ali simulacija Monte Carla najšire se koristi u upravljanju portfeljem i osobnom financijskom planiranju. (Za više pogledajte: Odluke o kapitalnim ulaganjima - povećani novčani tokovi .)
Monte Carlo simulacija i upravljanje portfeljem
Simulacija Monte Carlo omogućava analitičaru da odredi veličinu portfelja potrebnog za odlazak u mirovinu kako bi podržao željeni životni stil umirovljenja i druge željene poklone i zavjete. Ona je faktor u raspodjeli stopa reinvestiranja, stope inflacije, povrata imovine, poreznih stopa, pa čak i mogućih životnih vijeka. Rezultat je raspodjela veličina portfelja s vjerojatnostima podržavanja klijentovih željenih potreba za potrošnjom.
Zatim analitičar koristi Monte Carlo simulaciju kako bi odredio očekivanu vrijednost i raspodjelu portfelja na dan umirovljenja vlasnika. Simulacija omogućava analitičaru prikaz više razdoblja i faktor ovisnosti o putu; vrijednost portfelja i raspodjela imovine u svakom razdoblju ovise o prinosu i volatilnosti u prethodnom razdoblju. Analitičar koristi različite raspodjele imovine s različitim stupnjevima rizika, različitim korelacijama između imovine i raspodjelom velikog broja faktora - uključujući uštede u svakom razdoblju i datuma umirovljenja - kako bi postigao raspodjelu portfelja zajedno s vjerojatnošću da će doći po željenoj vrijednosti portfelja u mirovini. Klijentove različite stope potrošnje i životni vijek mogu se uzeti u obzir radi utvrđivanja vjerojatnosti da će klijentu ostati novca (vjerojatnost propasti ili rizika dugog života) prije smrti.
Klijentov rizik i povrat profita najvažniji je faktor koji utječe na odluke upravljanja portfeljem. Klijentovi potrebni povrati funkcija su njezinih ciljeva umirovljenja i potrošnje; njezin profil rizika određuje se njenom sposobnošću i spremnošću da rizikuje. Češće nego ne, željeni povrat i profil rizika klijenta nisu u međusobnoj sinkronizaciji. Na primjer, razina rizika prihvatljiva za klijenta može onemogućiti ili vrlo teško postići željeni povrat. Nadalje, prije umirovljenja možda će biti potreban minimalan iznos kako bi se postigli klijentovi ciljevi, ali klijentov način života ne bi omogućio uštedu ili ga klijent možda nerado mijenja.
Razmotrimo primjer mladog radnog para koji naporno radi i vodi raskošan način života, uključujući skupe praznike svake godine. Cilj im je umirovljenja trošiti 170.000 USD godišnje (približno 14.000 USD mjesečno) i ostaviti imanje milion dolara svojoj djeci. Analitičar vodi simulaciju i otkriva da njihova štednja po razdoblju nije dovoljna za izgradnju željene vrijednosti portfelja u mirovini; međutim, to je moguće ako se izdvajanje za dionice s malim kapitalom udvostruči (do 50 do 70 posto s 25 do 35 posto), što će znatno povećati njihov rizik. Niti jedna od gore navedenih alternativa (veća ušteda ili povećan rizik) nije prihvatljiva za klijenta. Dakle, analitičar uzima u obzir i druga podešavanja prije ponovnog pokretanja simulacije. analitičar odgađa njihovo umirovljenje za dvije godine i smanjuje mjesečni trošak nakon odlaska u mirovinu na 12.500 dolara. Rezultat raspodjele pokazuje da je željena vrijednost portfelja dostižna povećanjem izdvajanja na zalihe s malim kapitalom za samo 8 posto. S dostupnim uvidom, analitičar savjetuje klijentima da odgode mirovinu i marginalno smanje potrošnju, na što se par slaže. (Za više detalja, pogledajte: Planiranje umirovljenja pomoću Monte Carlo simulacije .)
Poanta
Simulacija Monte Carla omogućava analitičarima i savjetnicima da pretvore investicione šanse u izbor. Prednost Monte Carla je njegova sposobnost faktoriranja u rasponu vrijednosti za različite ulaze; ovo je ujedno i njegov najveći nedostatak u smislu da pretpostavke moraju biti pravedne jer je proizvodnja dobra samo koliko i inputi. Drugi veliki nedostatak je to što simulacija Monte Carla ima tendenciju podcjenjivanja vjerojatnosti ekstremnih događaja medvjeda poput financijske krize. U stvari, stručnjaci tvrde da simulacija poput Monte Carla nije u stanju uzeti faktor u bihevioralne aspekte financija i iracionalnosti koje pokazuju sudionici na tržištu. To je, međutim, koristan alat za savjetnike.
