Utilitzant l'anàlisi de Montecarlo per estimar el risc

El model de Montecarlo permet als investigadors realitzar múltiples assaigs i definir tots els resultats possibles d’un esdeveniment o inversió. Junts creen una distribució de probabilitats o una avaluació de riscos per a una determinada inversió o esdeveniment.

L’anàlisi de Montecarlo és una tècnica de modelatge multivariant. Es pot pensar que tots els models multivariants són complexos "i si?" escenaris. Els analistes de la investigació les utilitzen per predir els resultats de la inversió, per entendre les possibilitats que envolten les seves exposicions i per mitigar millor els riscos. Al mètode Monte Carlo, es comparen els resultats amb la tolerància al risc. Això ajuda a un gestor a decidir si ha de procedir amb una inversió o un projecte.

Qui utilitza models multivariants

Els usuaris de models multivariants canvien el valor de diverses variables per comprovar el seu impacte potencial en el projecte que s’avalua.

Els analistes financers utilitzen els models per calcular els fluxos d’efectiu i les idees de producte noves. Els gestors de cartera i els assessors financers els utilitzen per determinar l'impacte de les inversions en el rendiment i el risc de la cartera. Les companyies d’assegurances les utilitzen per estimar el potencial de reclamacions i de polítiques de preus. Alguns dels models multivariants més coneguts són els que s’utilitzen per valorar les opcions d’accions. Els models multivariants també ajuden els analistes a determinar els veritables motors de valor.

Quant a l'anàlisi de Montecarlo

L’anàlisi de Montecarlo té el nom del principat fet famós pels seus casinos. Amb els jocs d'atzar, es coneixen tots els resultats i probabilitats possibles, però es desconeix el conjunt de resultats futurs amb la majoria de les inversions.

Correspon a l'analista determinar els resultats i la probabilitat que es produeixin. En el modelatge de Montecarlo, l'analista realitza múltiples assajos, de vegades milers d'ells, per determinar tots els resultats possibles i la probabilitat que es produeixin.

L’anàlisi de Monte Carlo és útil perquè moltes decisions d’inversions i negocis es prenen sobre la base d’un resultat. És a dir, molts analistes obtenen un possible escenari i després el comparen amb els diversos obstacles per decidir si es procedeix.

La majoria de les estimacions pro forma comencen amb un cas base. Introduint el supòsit de probabilitat més elevat per a cada factor, un analista pot obtenir el resultat més probable de probabilitat. Tanmateix, la presa de decisions sobre un cas bàsic és problemàtica i no és suficient crear una previsió amb un sol resultat, ja que no diu res sobre els altres valors possibles.

Tampoc diu res sobre la possibilitat real que el valor futur real sigui una altra cosa que la predicció del cas base. És impossible protegir-se d’un esdeveniment negatiu si no es calculen prèviament els controladors i les probabilitats d’aquests esdeveniments.

Creació del model

Una vegada dissenyat, per executar un model de Montecarlo cal una eina que seleccioni aleatòriament valors de factors vinculats per determinades condicions predeterminades. En realitzar diversos assajos amb variables limitades per les pròpies probabilitats independents d’ocurrència, un analista crea una distribució que inclou tots els resultats possibles i les probabilitats que es produeixin.

Hi ha molts generadors de números aleatoris al mercat. Les dues eines més comunes per dissenyar i executar models de Montecarlo són @Risk i Crystal Ball. Ambdós es poden utilitzar com a complements per a fulls de càlcul i permeten incorporar mostrejos aleatoris als models de full de càlcul establerts.

L’art de desenvolupar un model de Montecarlo adequat és determinar les restriccions correctes per a cada variable i la relació correcta entre variables. Per exemple, com que la diversificació de cartera es basa en la correlació entre actius, qualsevol model desenvolupat per crear valors esperats de cartera ha d’incloure la correlació entre inversions.

Per tal de triar la distribució correcta per a una variable, cal comprendre cadascuna de les possibles distribucions disponibles. Per exemple, el més comú és una distribució normal, també coneguda com a corba de campana .

En una distribució normal, totes les ocurrències es distribueixen per igual a la mitjana. La mitjana és l’esdeveniment més probable. Els fenòmens naturals, l’altura de la gent i la inflació són alguns exemples d’inputs que normalment es distribueixen.

A l'anàlisi de Montecarlo, un generador de nombres aleatoris tria un valor aleatori per a cada variable dins de les restriccions establertes pel model. A continuació, produeix una distribució de probabilitats per a tots els resultats possibles.

La desviació estàndard d’aquesta probabilitat és una estadística que denota la probabilitat que el resultat real que s’estimi sigui altra cosa que la mitjana o l’esdeveniment més probable. Si suposem que es distribueix normalment una distribució de probabilitats, aproximadament el 68% dels valors entraran en una desviació estàndard de la mitjana, al voltant del 95% dels valors entraran en dues desviacions estàndard i al voltant del 99, 7% se situarà dins de tres desviacions estàndard de la mitjana. .

Això es coneix com la "regla del 68-95-99.7" o la "regla empírica".

Qui utilitza el mètode

Les anàlisis de Monte Carlo no només són realitzades per professionals de les finances, sinó també per moltes altres empreses. És una eina de presa de decisions que assumeix que cada decisió tindrà algun impacte en el risc global.

Cada persona i institució té una tolerància al risc diferent. Això fa que sigui important calcular el risc de qualsevol inversió i comparar-lo amb la tolerància al risc de l’individu.

Les distribucions de probabilitats produïdes per un model de Montecarlo creen una imatge del risc. Aquesta imatge és una forma eficaç de transmetre els resultats a altres, com ara superiors o futurs inversors. Avui en dia, els models molt complexos de Monte Carlo poden ser dissenyats i executats per qualsevol persona amb accés a un ordinador personal.