Monte Carlo-analyse gebruiken om risico te schatten

Met het Monte Carlo-model kunnen onderzoekers meerdere proeven uitvoeren en alle mogelijke resultaten van een evenement of investering definiëren. Samen creëren ze een kansverdeling of risicobeoordeling voor een bepaalde investering of evenement.

Monte Carlo-analyse is een multivariate modelleringstechniek. Alle multivariate modellen kunnen worden beschouwd als complex "wat als?" scenario's. Onderzoeksanalisten gebruiken ze om beleggingsresultaten te voorspellen, om de mogelijkheden rond hun beleggingsblootstellingen te begrijpen en om risico's beter te beperken. In de Monte Carlo-methode worden de resultaten vergeleken met risicotolerantie. Dat helpt een manager om te beslissen of hij door wil gaan met een investering of project.

Wie gebruikt multivariate modellen

Gebruikers van multivariate modellen veranderen de waarde van meerdere variabelen om hun potentiële impact op het te evalueren project vast te stellen.

De modellen worden gebruikt door financiële analisten om kasstromen en nieuwe productideeën te schatten. Portefeuillebeheerders en financiële adviseurs gebruiken ze om de impact van beleggingen op de prestaties en het risico van de portefeuille te bepalen. Verzekeringsmaatschappijen gebruiken ze om het potentieel voor claims en prijsbeleid te schatten. Enkele van de bekendste multivariate modellen zijn die welke worden gebruikt om aandelenopties te waarderen. Multivariate modellen helpen analisten ook bij het bepalen van de echte drijfveren van waarde.

Over Monte Carlo-analyse

Monte Carlo-analyse is vernoemd naar het vorstendom dat beroemd is geworden door zijn casino's. Bij kansspelen zijn alle mogelijke uitkomsten en kansen bekend, maar bij de meeste investeringen is de set van toekomstige uitkomsten onbekend.

Het is aan de analist om de uitkomsten en de waarschijnlijkheid dat deze zullen optreden te bepalen. In Monte Carlo-modellering voert de analist meerdere onderzoeken uit, soms duizenden, om alle mogelijke uitkomsten en de waarschijnlijkheid dat ze zullen plaatsvinden te bepalen.

Monte Carlo-analyse is nuttig omdat veel investerings- en zakelijke beslissingen worden genomen op basis van één resultaat. Met andere woorden, veel analisten leiden een mogelijk scenario af en vergelijken het vervolgens met de verschillende hindernissen om te beslissen of ze doorgaan.

De meeste pro forma-schattingen beginnen met een basisscenario. Door voor elke factor de hoogste waarschijnlijkheidsaanname in te voeren, kan een analist de hoogste waarschijnlijkheidsuitkomst afleiden. Het nemen van beslissingen op basis van een basisscenario is echter problematisch en het maken van een prognose met slechts één uitkomst is onvoldoende omdat het niets zegt over eventuele andere mogelijke waarden.

Het zegt ook niets over de zeer reële kans dat de werkelijke toekomstige waarde iets anders zal zijn dan de voorspelling van het basisscenario. Het is onmogelijk om zich in te dekken tegen een negatieve gebeurtenis als de factoren en waarschijnlijkheden van deze gebeurtenissen niet vooraf worden berekend.

Het model maken

Eenmaal ontworpen, vereist het uitvoeren van een Monte Carlo-model een hulpmiddel dat willekeurig factorwaarden selecteert die gebonden zijn aan bepaalde vooraf bepaalde voorwaarden. Door een aantal onderzoeken uit te voeren met variabelen die worden beperkt door hun eigen onafhankelijke waarschijnlijkheid van voorkomen, creëert een analist een verdeling die alle mogelijke uitkomsten en de waarschijnlijkheden dat ze zullen optreden omvat.

Er zijn veel willekeurige nummergenerators op de markt. De twee meest voorkomende tools voor het ontwerpen en uitvoeren van Monte Carlo-modellen zijn @Risk en Crystal Ball. Beide kunnen worden gebruikt als invoegtoepassingen voor spreadsheets en kunnen willekeurige steekproeven worden opgenomen in gevestigde spreadsheetmodellen.

De kunst bij het ontwikkelen van een geschikt Monte Carlo-model is het bepalen van de juiste beperkingen voor elke variabele en de juiste relatie tussen variabelen. Omdat portefeuillediversificatie bijvoorbeeld is gebaseerd op de correlatie tussen activa, moet elk model dat is ontwikkeld om verwachte portefeuillewaarden te creëren, de correlatie tussen beleggingen bevatten.

Om de juiste verdeling voor een variabele te kiezen, moet men elk van de mogelijke beschikbare verdelingen begrijpen. De meest voorkomende is bijvoorbeeld een normale verdeling, ook bekend als een belcurve .

In een normale verdeling zijn alle gebeurtenissen gelijk verdeeld over het gemiddelde. Het gemiddelde is de meest waarschijnlijke gebeurtenis. Natuurlijke fenomenen, hoogten van mensen en inflatie zijn enkele voorbeelden van inputs die normaal worden verdeeld.

In de Monte Carlo-analyse kiest een generator van willekeurige getallen een willekeurige waarde voor elke variabele binnen de beperkingen die door het model zijn ingesteld. Het produceert vervolgens een kansverdeling voor alle mogelijke uitkomsten.

De standaardafwijking van die kans is een statistiek die de waarschijnlijkheid aangeeft dat de geschatte werkelijke uitkomst iets anders zal zijn dan de gemiddelde of meest waarschijnlijke gebeurtenis. Ervan uitgaande dat een kansverdeling normaal wordt verdeeld, zal ongeveer 68% van de waarden binnen één standaardafwijking van het gemiddelde vallen, ongeveer 95% van de waarden binnen twee standaardafwijkingen en ongeveer 99, 7% binnen drie standaardafwijkingen van het gemiddelde. .

Dit staat bekend als de '68-95-99.7-regel' of de 'empirische regel'.

Wie gebruikt de methode

Monte Carlo-analyses worden niet alleen uitgevoerd door financiële professionals, maar ook door veel andere bedrijven. Het is een besluitvormingsinstrument dat ervan uitgaat dat elke beslissing enige invloed zal hebben op het totale risico.

Elk individu en elke instelling heeft een andere risicotolerantie. Dat maakt het belangrijk om het risico van een belegging te berekenen en te vergelijken met de risicotolerantie van het individu.

De kansverdelingen geproduceerd door een Monte Carlo-model geven een beeld van het risico. Dat beeld is een effectieve manier om de resultaten over te dragen aan anderen, zoals leidinggevenden of potentiële investeerders. Tegenwoordig kunnen zeer complexe Monte Carlo-modellen worden ontworpen en uitgevoerd door iedereen met toegang tot een pc.