Kas yra Monte Karlo modeliavimas ir kodėl mums jo reikia?
Analitikai gali įvertinti galimą portfelio grąžą įvairiais būdais. Istorinis požiūris, kuris yra pats populiariausias, atsižvelgia į visas galimybes, kurios jau įvyko. Tačiau investuotojai neturėtų tuo sustoti. Monte Karlo metodas yra stochastinis (atsitiktinis įvesties imčių atrankos metodas) statistinei problemai išspręsti, o modeliavimas - virtualus problemos vaizdavimas. Monte Karlo modeliavimas sujungia du ir suteikia mums galingą įrankį, leidžiantį gauti rezultatų paskirstymą (masyvą) bet kuriai statistinei problemai su daugybe įvestų duomenų, imamų vėl ir vėl. (Norėdami sužinoti daugiau, žiūrėkite: Stochastika: tikslus pirkimo ir pardavimo indikatorius .)
Demokratinis Monte Karlo modeliavimas
Monte Karlo modeliavimas geriausiai suprantamas galvojant apie kaulų mėtymą. Naujokas lošėjas, pirmą kartą žaidžiantis craps'e, neturi jokio supratimo, koks šansas mesti šešetą bet kuriame derinyje (pavyzdžiui, keturi ir du, trys ir trys, vienas ir penki). Kokie yra šansai sukti du trejetukus, dar vadinamus „kietaisiais šešiais?“ Daugelio kauliukų metimas, idealiu atveju, kelis milijonus kartų, leistų reprezentatyviai paskirstyti rezultatus, kurie mums pasakytų, kaip tikėtina, kad šešių ritinių skaičius bus kietas šeši. Idealiu atveju šiuos testus turėtume atlikti efektyviai ir greitai, būtent tai ir siūlo Monte Karlo modeliavimas.
Turto kainos ar būsimos portfelio vertės nepriklauso nuo kauliukų ritinėlių, tačiau kartais turto kainos primena atsitiktinį ėjimą. Vien tik istorijos žiūrėjimo problema yra ta, kad ji iš tikrųjų reiškia tik vieną įvykį ar tikėtiną rezultatą, kuris gali būti arba gali būti netaikomas ateityje. Monte Karlo modeliavimas apsvarsto plačias galimybes ir padeda mums sumažinti netikrumą. Monte Karlo modeliavimas yra labai lankstus; tai leidžia mums įvairinti rizikos prielaidas visais parametrais ir tokiu būdu modeliuoti galimų rezultatų diapazoną. Galima palyginti kelis būsimus rezultatus ir pritaikyti modelį įvairiems vertinamiems ištekliams ir portfeliams. (Norėdami sužinoti daugiau, skaitykite: „Tinkamumo tikimybių pasiskirstymas“ .)
Monte Karlo modeliavimo taikymas finansuose
Monte Karlo modeliavimas turi daugybę pritaikymų finansų ir kitose srityse. Monte Karlas yra naudojamas įmonių finansuose modeliuoti projekto pinigų srautų komponentus, kuriems daro įtaką netikrumas. Rezultatas yra grynųjų dabartinių verčių (NPV) diapazonas kartu su analizuojamos investicijos vidutinio NPV ir jo nepastovumo stebėjimais. Taigi investuotojas gali įvertinti tikimybę, kad NPV bus didesnė už nulį. Monte Karlas yra naudojamas opcionų kainai nustatyti, kai sukuriama daugybė atsitiktinių būdų pagrindinio turto kainai, kurių kiekviena yra susijusi. Tuomet šie išmokėjimai yra diskontuojami iki dabartinio ir apskaičiuojami kaip vidurkis, norint gauti pasirinkimo sandorio kainą. Panašiai jis naudojamas fiksuotų pajamų vertybinių popierių ir išvestinių palūkanų normų kainodarai. Tačiau Monte Karlo modeliavimas yra plačiausiai naudojamas valdant portfelį ir planuojant asmeninius finansus. (Norėdami sužinoti daugiau, skaitykite: Kapitalo investavimo sprendimai - papildomi pinigų srautai .)
Monte Karlo modeliavimas ir portfelio valdymas
Monte Karlo modeliavimas leidžia analitikui nustatyti portfelio dydį, reikalingą išėjus į pensiją, kad būtų galima palaikyti norimą išėjimo į pensiją gyvenimo būdą ir kitas norimas dovanas bei palikimus. Ji atsižvelgia į reinvesticijos normos, infliacijos, turto klasės grąžos, mokesčių tarifų ir net galimo gyvenimo laikotarpio pasiskirstymą. Rezultatas yra portfelio dydžių pasiskirstymas su tikimybe, kad bus patenkinti kliento pageidaujami išlaidų poreikiai.
Toliau analitikas naudoja Monte Karlo modeliavimą, kad nustatytų numatomą portfelio vertę ir pasiskirstymą savininko išėjimo į pensiją dieną. Modeliavimas leidžia analitikui susidaryti kelių laikotarpių vaizdą ir nustatyti priklausomybės kelią; portfelio vertė ir turto paskirstymas kiekvienu laikotarpiu priklauso nuo ankstesnio laikotarpio grąžos ir nepastovumo. Analitikas naudoja įvairius turto paskirstymus su skirtingu rizikos laipsniu, skirtingais turto ryšiais ir daugybės veiksnių paskirstymu, įskaitant kiekvieno laikotarpio santaupas ir išėjimo į pensiją datą, kad būtų galima paskirstyti portfelius kartu su tikimybe sulaukti esant norimai portfelio vertei išeinant į pensiją. Įvairios kliento išlaidų normos ir gyvenimo trukmė gali būti atsižvelgiama nustatant tikimybę, kad klientui pritrūks lėšų (griuvėsių tikimybė ar ilgaamžiškumo rizika) iki jų mirties.
Kliento rizikos ir grąžos profilis yra svarbiausias veiksnys, darantis įtaką portfelio valdymo sprendimams. Reikalinga kliento grąža priklauso nuo jos išėjimo į pensiją ir išlaidų tikslų; jos rizikos profilį lemia jos sugebėjimas ir noras rizikuoti. Dažniausiai norima grąža ir kliento rizikos pobūdis nėra suderinti vienas su kitu. Pvz., Dėl klientui priimtino rizikos lygio gali būti neįmanoma arba labai sunku pasiekti norimą grąžą. Be to, norint pasiekti kliento tikslus, gali reikėti minimalios sumos prieš išeinant į pensiją, tačiau kliento gyvenimo būdas neleistų sutaupyti arba klientas gali nenorėti to keisti.
Panagrinėkime jaunos poros, dirbančios labai sunkiai ir turinčią dosnumą, pavyzdį, įskaitant brangias atostogas kiekvienais metais. Jie siekia išėjimo į pensiją išleisti 170 000 USD per metus (apytiksliai 14 000 USD per mėnesį) ir palikti 1 mln. USD turtą savo vaikams. Analitikas vykdo modeliavimą ir nustato, kad jų laikotarpio santaupos yra nepakankamos norint sukurti norimą portfelio vertę išėjus į pensiją; tačiau tai įmanoma pasiekti, jei dvigubai daugiau lėšų skiriama mažos kapitalizacijos akcijoms (nuo 50 iki 70 procentų nuo 25 iki 35 procentų) - tai žymiai padidins jų riziką. Nė viena iš aukščiau išvardytų alternatyvų (didesnės santaupos ar padidėjusi rizika) klientui nėra priimtina. Taigi, prieš pradėdamas modeliavimą, analitikas atsižvelgia į kitus pakeitimus. analitikas atideda jų išėjimą į pensiją dvejais metais ir sumažina jų mėnesines išlaidas po išėjimo į pensiją iki 12 500 USD. Gautas paskirstymas rodo, kad norimą portfelio vertę galima pasiekti padidinus asignavimus mažos kapitalizacijos akcijoms tik 8 procentais. Turėdamas įžvalgą, analitikas pataria klientams atidėti išėjimą į pensiją ir šiek tiek sumažinti išlaidas, tam pora sutinka. (Norėdami sužinoti daugiau, skaitykite skyriuje: Išėjimo į pensiją planavimas naudojant Monte Karlo modeliavimą .)
Apatinė eilutė
Monte Karlo modeliavimas leidžia analitikams ir patarėjams investavimo galimybes konvertuoti į pasirinkimą. Monte Karlo pranašumas yra jo gebėjimas atsižvelgti į įvairių įvestų verčių diapazoną; tai taip pat yra didžiausias jo trūkumas ta prasme, kad prielaidos turi būti teisingos, nes produkcija yra tik tokia gera, kaip ir sąnaudos. Kitas didelis trūkumas yra tas, kad Monte Karlo modeliavimas yra linkęs nuvertinti ekstremalių lokio įvykių, tokių kaip finansinė krizė, tikimybę. Tiesą sakant, ekspertai tvirtina, kad toks modeliavimas kaip Monte Karlas nesugeba atsižvelgti į finansinius elgesio aspektus ir rinkos dalyvių neracionalumą. Tačiau tai yra naudinga patarėjų priemonė.
