การจำลองแบบมอนติคาร์โลคืออะไรและทำไมเราถึงต้องการ?

นักวิเคราะห์สามารถประเมินผลตอบแทนของพอร์ตลงทุนได้หลายวิธี วิธีการทางประวัติศาสตร์ซึ่งเป็นที่นิยมมากที่สุดจะพิจารณาถึงความเป็นไปได้ทั้งหมดที่เกิดขึ้นแล้ว อย่างไรก็ตามนักลงทุนไม่ควรหยุดที่นี้ วิธีการแบบมอนติคาร์โลเป็นวิธีการสุ่ม (สุ่มตัวอย่างการป้อนข้อมูล) เพื่อแก้ปัญหาทางสถิติและการจำลองเป็นเสมือนการเป็นตัวแทนของปัญหา การจำลองแบบมอนติคาร์โลรวมทั้งสองแบบเพื่อให้เป็นเครื่องมือที่มีประสิทธิภาพซึ่งจะช่วยให้เราได้รับผลการแจกแจง (อาร์เรย์) สำหรับปัญหาทางสถิติใด ๆ ที่มีการสุ่มตัวอย่างจำนวนมากขึ้นเรื่อย ๆ (ดูข้อมูลเพิ่มเติมได้ที่: Stochastics: ตัวชี้วัดการซื้อและขายที่ถูกต้อง .)

การจำลองแบบมอนติคาร์โล

การจำลองแบบ Monte Carlo สามารถเข้าใจได้ดีที่สุดโดยการคิดถึงคนที่ขว้างปาลูกเต๋า นักพนันมือใหม่ที่เล่นลูกด้อเป็นครั้งแรกจะไม่มีเงื่อนงำว่าอัตราต่อรองคืออะไรในการรวมกัน 6 ครั้ง (เช่นสี่และสองสามและสามหนึ่งและห้า) อะไรคืออัตราต่อรองของการรีดสอง threes หรือที่เรียกว่า "ยากหก?" การขว้างปาลูกเต๋าหลายครั้งด้วยความนึกคิดหลายล้านครั้งจะให้ผลการแจกแจงที่เป็นตัวแทนซึ่งจะบอกเราว่าโอกาสที่จะมีการหมุนเวียนหกจะยากหรือไม่ เราควรใช้การทดสอบเหล่านี้อย่างมีประสิทธิภาพและรวดเร็วซึ่งเป็นสิ่งที่จำลองแบบมอนติคาร์โลนำเสนอ

ราคาในอนาคตของสินทรัพย์หรืออนาคตของพอร์ตการลงทุนไม่ขึ้นอยู่กับม้วนของลูกเต๋า แต่บางครั้งราคาสินทรัพย์ก็คล้ายคลึงกับการเดินแบบสุ่ม ปัญหาเกี่ยวกับการมองไปยังประวัติศาสตร์เพียงอย่างเดียวคือการแสดงถึงผลเพียงหนึ่งม้วนหรือผลที่น่าจะเป็นไปได้ซึ่งอาจหรืออาจไม่สามารถใช้งานได้ในอนาคต การจำลองแบบมอนติคาร์โลพิจารณาถึงความเป็นไปได้หลากหลายและช่วยลดความไม่แน่นอน จำลอง Monte Carlo มีความยืดหยุ่นมาก มันช่วยให้เราสามารถปรับสมมติฐานความเสี่ยงภายใต้พารามิเตอร์ทั้งหมดและจึงรูปแบบช่วงของผลลัพธ์ที่เป็นไปได้ หนึ่งสามารถเปรียบเทียบผลลัพธ์ในอนาคตหลายและปรับแต่งโมเดลไปยังสินทรัพย์และพอร์ตการลงทุนต่างๆภายใต้การตรวจทาน (ดูข้อมูลเพิ่มเติมได้ที่

หาข้อมูลที่เหมาะสมกับการกระจายความน่าจะเป็น .) การจำลองแบบของ Monte Carlo ในด้านการเงิน:

การจำลองแบบมอนติคาร์โลมีแอพพลิเคชันมากมายในสาขาการเงินและสาขาอื่น ๆ Monte Carlo ใช้ในด้านการเงินขององค์กรเพื่อสร้างแบบจำลองของกระแสเงินสดของโครงการซึ่งได้รับผลกระทบจากความไม่แน่นอน ผลที่ได้คือช่วงของมูลค่าปัจจุบันสุทธิ (NPV) พร้อมกับการสังเกตการณ์ NPV เฉลี่ยของการลงทุนภายใต้การวิเคราะห์และความผันผวน นักลงทุนจึงสามารถประมาณความเป็นไปได้ที่ NPV จะมีค่ามากกว่าศูนย์Monte Carlo ใช้สำหรับการกำหนดราคาทางเลือกที่มีการสร้างเส้นทางสุ่มจำนวนมากสำหรับราคาของสินทรัพย์อ้างอิงแต่ละรายการมีผลตอบแทนที่เกี่ยวข้อง ผลตอบแทนเหล่านี้จะลดแล้วกลับไปที่ปัจจุบันและเฉลี่ยที่จะได้รับราคาตัวเลือก เช่นเดียวกับการกำหนดราคาตราสารหนี้และตราสารอนุพันธ์อัตราดอกเบี้ย แต่การจำลองแบบมอนติคาร์โลถูกใช้อย่างกว้างขวางที่สุดในการจัดการพอร์ตโฟลิโอและการวางแผนทางการเงินส่วนบุคคล (999) Monte Carlo Simulation and Portfolio Management:

การจำลองแบบ Monte Carlo ช่วยให้นักวิเคราะห์สามารถกำหนดขนาดของพอร์ทการลงทุนได้ที่ การเกษียณอายุเพื่อสนับสนุนวิถีชีวิตการเกษียณอายุที่ต้องการและของขวัญอื่น ๆ ที่ต้องการและมรดกสืบทอด เธอเป็นปัจจัยในการกระจายอัตราการกลับเข้ามาลงทุนใหม่อัตราเงินเฟ้ออัตราผลตอบแทนของสินทรัพย์อัตราภาษีและแม้กระทั่งช่วงชีวิตที่เป็นไปได้ ผลที่ได้คือการแจกจ่ายขนาดของพอร์ตโฟลิโอด้วยความน่าจะเป็นในการสนับสนุนความต้องการใช้จ่ายที่ต้องการของลูกค้า

นักวิเคราะห์ถัดไปใช้การจำลองแบบ Monte Carlo เพื่อกำหนดมูลค่าที่คาดหวังและการกระจายผลงานในวันที่เกษียณอายุของเจ้าของ การจำลองช่วยให้นักวิเคราะห์สามารถดูมุมมองแบบหลายช่วงและปัจจัยในการพึ่งพาเส้นทาง มูลค่าพอร์ตการลงทุนและการจัดสรรสินทรัพย์ในแต่ละงวดขึ้นอยู่กับผลตอบแทนและความผันผวนของงวดก่อนหน้า นักวิเคราะห์ใช้การจัดสรรสินทรัพย์ต่างๆที่มีความเสี่ยงแตกต่างกันความสัมพันธ์ที่แตกต่างกันระหว่างสินทรัพย์และการกระจายของปัจจัยจำนวนมากรวมถึงการออมในแต่ละช่วงเวลาและวันที่เกษียณอายุเพื่อให้ได้มาซึ่งการกระจายพอร์ตการลงทุนพร้อมกับความเป็นไปได้ที่จะมาถึง มูลค่าพอร์ตที่ต้องการเมื่อเกษียณอายุ อัตราการใช้จ่ายที่แตกต่างกันของลูกค้าและช่วงชีวิตสามารถเป็นปัจจัยในการกำหนดความน่าจะเป็นลูกค้าจะหมดเงิน (ความน่าจะเป็นของความเสียหายหรือความเสี่ยงยืนยาว) ก่อนที่จะเสียชีวิตของพวกเขา ความเสี่ยงและผลตอบแทนของลูกค้าเป็นปัจจัยที่สำคัญที่สุดที่มีอิทธิพลต่อการตัดสินใจในการจัดการพอร์ตการลงทุน ผลตอบแทนที่จำเป็นของลูกค้าเป็นหน้าที่ของการเกษียณอายุและเป้าหมายการใช้จ่ายของเธอ ความเสี่ยงของเธอจะพิจารณาจากความสามารถและความเต็มใจที่จะรับความเสี่ยง บ่อยกว่าไม่ใช่ผลตอบแทนและความเสี่ยงของลูกค้าไม่ได้อยู่ในซิงค์กับแต่ละอื่น ๆ ; ตัวอย่างเช่นระดับความเสี่ยงที่ยอมรับได้นั้นอาจทำให้ไม่สามารถทำได้หรือยากที่จะบรรลุผลตอบแทนที่ต้องการได้ นอกจากนี้ยังต้องใช้เงินขั้นต่ำก่อนเกษียณเพื่อบรรลุเป้าหมายและไลฟ์สไตล์ของลูกค้าจะไม่สามารถช่วยประหยัดเงินได้หรืออาจจะไม่เต็มใจที่จะเปลี่ยนแปลง ลองพิจารณาตัวอย่างของคู่รักวัยทำงานที่ทำงานหนักและมีวิถีชีวิตฟุ่มเฟือยรวมทั้งวันหยุดที่มีราคาแพงทุกปี พวกเขามีวัตถุประสงค์ในการเกษียณอายุในการใช้จ่าย $ 170,000 ปี (ประมาณ $ 14,000 / เดือน) และปล่อยให้ที่ดิน $ 1 ล้านต่อเด็กของพวกเขา นักวิเคราะห์วิเคราะห์และพบว่าเงินฝากออมทรัพย์ต่องวดของพวกเขาไม่เพียงพอที่จะสร้างมูลค่าพอร์ตที่ต้องการเมื่อเกษียณอายุ (เพิ่มขึ้น 50% - 70% จาก 25% - 35%) ซึ่งจะเพิ่มความเสี่ยงให้มากขึ้นไม่มีทางเลือกด้านบน (การออมที่เพิ่มขึ้นหรือความเสี่ยงที่เพิ่มขึ้น) เป็นที่ยอมรับของลูกค้า ดังนั้นนักวิเคราะห์ปัจจัยในการปรับตัวอื่น ๆ ก่อนที่จะใช้การจำลองอีกครั้ง เขาชะลอการเกษียณอายุภายใน 2 ปีและลดค่าใช้จ่ายรายเดือนหลังเกษียณเป็น 12,500 เหรียญผลการแจกแจงแสดงให้เห็นว่ามูลค่าพอร์ตที่ต้องการสามารถทำได้โดยการจัดสรรหุ้นเพิ่มทุนให้แก่หุ้นขนาดเล็กเพียง 8% เท่านั้น ด้วยข้อมูลเชิงลึกที่มีอยู่เขาเสนอให้ลูกค้าชะลอการเกษียณอายุและลดการใช้จ่ายเล็กน้อยซึ่งทั้งคู่เห็นด้วย (999) การวางแผนการเกษียณอายุของคุณโดยใช้ The Monte Carlo Simulation

.

บรรทัดล่าง

การจำลอง A Monte Carlo ช่วยให้นักวิเคราะห์และที่ปรึกษาสามารถแปลงโอกาสในการลงทุนให้เป็นทางเลือกได้ ข้อได้เปรียบของ Monte Carlo คือความสามารถในการกำหนดค่าต่างๆของปัจจัยการผลิตต่างๆ นี่คือข้อเสียที่ยิ่งใหญ่ที่สุดในแง่ที่ว่าสมมติฐานต้องเป็นธรรมเพราะผลผลิตดีเท่าปัจจัยการผลิต อีกข้อเสียอย่างหนึ่งคือการจำลองมอนติคาร์โลมีแนวโน้มที่จะประมาทความน่าจะเป็นของเหตุการณ์ที่เกิดจากเหตุการณ์รุนแรงเช่นวิกฤติการเงินซึ่งกำลังเกิดขึ้นบ่อยครั้งเพื่อความสะดวกสบาย ในความเป็นจริงผู้เชี่ยวชาญยืนยันว่าการจำลองเช่นมอนติคาร์โลไม่สามารถเป็นปัจจัยในด้านพฤติกรรมของการเงินและความไม่ลงรอยกันที่จัดแสดงโดยผู้เข้าร่วมตลาด อย่างไรก็ตามเป็นคนรับใช้ที่สามารถจัดการที่ปรึกษาที่ต้องการถามคำถามสมาร์ทได้