Apakah Simulasi Monte Carlo dan Mengapa Kita Perlu?
Penganalisis boleh menilai kemungkinan pulangan portfolio dalam pelbagai cara. Pendekatan sejarah, yang paling popular, menganggap semua kemungkinan yang telah berlaku. Walau bagaimanapun, pelabur tidak sepatutnya berhenti. Kaedah Monte Carlo adalah kaedah stokastik (persampelan rawak input) untuk menyelesaikan masalah statistik, dan simulasi adalah perwakilan maya masalah. Simulasi Monte Carlo menggabungkan kedua-duanya untuk memberikan kita alat yang berkuasa yang membolehkan kita untuk mendapatkan pengedaran (pelbagai) keputusan untuk sebarang masalah statistik dengan banyak input yang dicontoh lagi dan lagi. (Untuk lebih lanjut, lihat: Stochastics: Petunjuk Beli Dan Jual Tepat .)
Simulasi Monte Carlo Demystified
Simulasi Monte Carlo dapat difahami dengan lebih baik dengan memikirkan seseorang membuang dadu. Penjudi pemula yang memainkan crap untuk pertama kalinya tidak akan tahu apa peluangnya untuk menggulung enam dalam apa-apa kombinasi (contohnya, empat dan dua, tiga dan tiga, satu dan lima). Apakah kemungkinan bergulir dua tiga, juga dikenali sebagai "enam keras?" Melemparkan dadu berkali-kali, idealnya beberapa juta kali, akan memberikan pengedaran hasil yang representatif, yang akan memberitahu kita bagaimana kemungkinan enam gulung akan menjadi sukar enam. Sebaiknya, kita harus menjalankan ujian ini dengan cekap dan cepat, iaitu persembahan Monte Carlo yang simulasi.
Harga-harga aset atau portfolio masa depan tidak bergantung pada gulung dadu, tetapi kadang-kadang harga aset menyerupai jalan rawak. Masalahnya dengan melihat sejarah sahaja adalah bahawa ia mewakili, pada dasarnya, hanya satu roll, atau hasil yang mungkin, yang mungkin atau tidak mungkin berlaku pada masa akan datang. Satu simulasi Monte Carlo menganggap pelbagai kemungkinan dan membantu kami mengurangkan ketidakpastian. Satu simulasi Monte Carlo sangat fleksibel; ia membolehkan kami mengubah andaian risiko di bawah semua parameter dan dengan itu memaparkan pelbagai kemungkinan hasil. Kita boleh membandingkan pelbagai hasil masa depan dan menyesuaikan model kepada pelbagai aset dan portfolio yang sedang dikaji semula. (Untuk lebih lanjut, lihat: Cari Fit yang Sesuai Dengan Pengagihan Kebarangkalian .)
Aplikasi Simulasi Monte Carlo dalam Kewangan
Simulasi Monte Carlo mempunyai banyak aplikasi dalam bidang kewangan dan bidang lain. Monte Carlo digunakan dalam kewangan korporat untuk memodelkan komponen aliran tunai projek, yang dipengaruhi oleh ketidakpastian. Hasilnya adalah rangkaian nilai masa bersih (NPV) bersama dengan pemerhatian pada NPV purata pelaburan di bawah analisis dan ketidaktentuannya. Pelabur boleh, dengan demikian, menganggarkan kebarangkalian bahawa NPV akan lebih besar daripada sifar. Monte Carlo digunakan untuk harga pilihan di mana banyak laluan rawak untuk harga aset asas dijana, masing-masing mempunyai hasil yang berkaitan. Ganjaran ini kemudian didebitkan kembali ke masa kini dan purata untuk mendapatkan harga pilihan. Ia juga digunakan untuk harga sekuriti pendapatan tetap dan derivatif kadar faedah. Tetapi simulasi Monte Carlo digunakan secara meluas dalam pengurusan portfolio dan perancangan kewangan peribadi. (Untuk lebih lanjut, lihat: Keputusan Pelaburan Modal - Aliran Tunai Peningkatan .)
Pengurusan Simulasi dan Portfolio Monte Carlo
Satu simulasi Monte Carlo membolehkan seorang penganalisis untuk menentukan saiz portfolio yang diperlukan semasa bersara untuk menyokong gaya hidup persaraan yang diingini dan lain-lain hadiah yang dikehendaki dan bequest. Faktornya menjadi pengagihan kadar pelaburan semula, kadar inflasi, pulangan kelas aset, kadar cukai, dan juga jangka hayat mungkin. Hasilnya ialah pengedaran saiz portfolio dengan kebarangkalian menyokong keperluan perbelanjaan yang dikehendaki oleh klien.
Penganalisis seterusnya menggunakan simulasi Monte Carlo untuk menentukan nilai yang diharapkan dan pengagihan portfolio pada tarikh persaraan pemilik. Simulasi membolehkan penganalisis mengambil pandangan jangka masa dan faktor dalam pergantungan laluan; nilai portfolio dan peruntukan aset pada setiap tempoh bergantung kepada pulangan dan ketidaktentuan dalam tempoh sebelumnya. Penganalisis menggunakan pelbagai peruntukan aset dengan pelbagai tahap risiko, korelasi yang berbeza antara aset, dan pengedaran sejumlah besar faktor - termasuk penjimatan dalam setiap tempoh dan tarikh persaraan - untuk tiba di pengagihan portfolio bersama dengan kebarangkalian kedatangan pada nilai portfolio yang dikehendaki pada persaraan. Kadar perbelanjaan dan jangka hayat pelanggan yang berbeza boleh diambil kira untuk menentukan kebarangkalian bahawa pelanggan akan kehabisan dana (kemungkinan kebuntuan atau risiko panjang umur) sebelum kematian mereka.
Risiko dan profil pulangan pelanggan adalah faktor terpenting yang mempengaruhi keputusan pengurusan portfolio. Pulangan yang dikehendaki oleh klien adalah satu fungsi untuk tujuan persaraan dan perbelanjaannya; profil risikonya ditentukan oleh keupayaan dan kesanggupannya untuk mengambil risiko. Lebih sering daripada tidak, pulangan yang diingini dan profil risiko pelanggan tidak selaras dengan satu sama lain. Sebagai contoh, tahap risiko yang boleh diterima oleh pelanggan boleh menjadikannya mustahil atau sangat sukar untuk mencapai pulangan yang diingini. Lebih-lebih lagi, jumlah minimum mungkin diperlukan sebelum bersara untuk mencapai matlamat pelanggan, tetapi gaya hidup pelanggan tidak akan membenarkan penjimatan atau pelanggan mungkin enggan menukarnya.
Mari kita pertimbangkan contoh pasangan muda yang bekerja keras dan mempunyai gaya hidup mewah termasuk cuti mahal setiap tahun. Mereka mempunyai tujuan persaraan untuk membelanjakan $ 170, 000 setahun (kira-kira $ 14, 000 / bulan) dan meninggalkan harta pusaka $ 1 juta kepada anak-anak mereka. Seorang penganalisis menjalankan simulasi dan mendapati bahawa penjimatan mereka adalah tidak mencukupi untuk membina nilai portfolio yang dikehendaki semasa bersara; Walau bagaimanapun, ia boleh dicapai sekiranya peruntukan untuk saham kecil-kecil meningkat dua kali ganda (sehingga 50 hingga 70 peratus daripada 25 hingga 35 peratus), yang akan meningkatkan risiko mereka dengan ketara. Tiada alternatif di atas (penjimatan atau peningkatan risiko yang lebih tinggi) boleh diterima oleh pelanggan. Oleh itu, faktor penganalisis dalam pelarasan lain sebelum menjalankan simulasi lagi. penganalisis itu menangguhkan persaraan mereka dengan dua tahun dan mengurangkan pengeluaran bulanan mereka selepas bersara kepada $ 12, 500. Pengagihan yang dihasilkan menunjukkan bahawa nilai portfolio yang dikehendaki dapat dicapai dengan meningkatkan peruntukan kepada saham topi kecil dengan hanya 8 peratus. Dengan wawasan yang ada, penganalisis itu menasihatkan pelanggan untuk melengahkan persaraan dan mengurangkan perbelanjaan mereka sedikit, yang pasangannya bersetuju. (Untuk lebih lanjut, lihat: Perancangan Persaraan Anda Menggunakan Simulasi Monte Carlo .)
Pokoknya
Satu simulasi Monte Carlo membolehkan penganalisis dan penasihat untuk menukar peluang pelaburan menjadi pilihan. Kelebihan Monte Carlo adalah keupayaannya untuk membuat faktor dalam pelbagai nilai untuk pelbagai input; ini juga merupakan kelemahan yang paling besar dalam erti kata bahawa andaian-andaian perlu bersikap adil kerana outputnya hanya sebanding dengan input. Satu lagi kelemahan yang besar ialah simulasi Monte Carlo cenderung untuk meremehkan kebarangkalian kejadian berlebihan seperti krisis kewangan. Malah, pakar berpendapat bahawa simulasi seperti Monte Carlo tidak dapat mempengaruhi aspek perilaku kewangan dan ketidaksamaan yang dipamerkan oleh peserta pasaran. Walau bagaimanapun, ia adalah alat yang berguna untuk penasihat.
