Mô hình Monte Carlo cho phép các nhà nghiên cứu thực hiện nhiều thử nghiệm và xác định tất cả các kết quả tiềm năng của một sự kiện hoặc đầu tư. Cùng nhau, họ tạo ra phân phối xác suất hoặc đánh giá rủi ro cho một khoản đầu tư hoặc sự kiện nhất định.
Phân tích Monte Carlo là một kỹ thuật mô hình đa biến. Tất cả các mô hình đa biến có thể được coi là phức tạp "nếu như?" kịch bản. Các nhà phân tích nghiên cứu sử dụng chúng để dự báo kết quả đầu tư, để hiểu các khả năng xung quanh mức đầu tư của họ và để giảm thiểu rủi ro tốt hơn. Trong phương pháp Monte Carlo, kết quả được so sánh với khả năng chịu rủi ro. Điều đó giúp người quản lý quyết định nên tiến hành đầu tư hay dự án.
Ai sử dụng mô hình đa biến
Người dùng của các mô hình đa biến thay đổi giá trị của nhiều biến để xác định tác động tiềm năng của chúng đối với dự án đang được đánh giá.
Các mô hình được sử dụng bởi các nhà phân tích tài chính để ước tính dòng tiền và ý tưởng sản phẩm mới. Các nhà quản lý danh mục đầu tư và cố vấn tài chính sử dụng chúng để xác định tác động của các khoản đầu tư đến hiệu suất và rủi ro danh mục đầu tư. Các công ty bảo hiểm sử dụng chúng để ước tính tiềm năng cho khiếu nại và chính sách giá. Một số mô hình đa biến được biết đến nhiều nhất là những mô hình được sử dụng để định giá các tùy chọn cổ phiếu. Các mô hình đa biến cũng giúp các nhà phân tích xác định các trình điều khiển giá trị thực sự.
Về phân tích Monte Carlo
Phân tích Monte Carlo được đặt theo tên của công quốc nổi tiếng bởi các sòng bạc của nó. Với các trò chơi may rủi, tất cả các kết quả và xác suất có thể được biết đến, nhưng với hầu hết các khoản đầu tư, tập hợp các kết quả trong tương lai vẫn chưa được biết.
Tùy thuộc vào nhà phân tích để xác định kết quả và xác suất xảy ra. Trong mô hình Monte Carlo, nhà phân tích thực hiện nhiều thử nghiệm, đôi khi hàng ngàn trong số chúng, để xác định tất cả các kết quả có thể xảy ra và xác suất mà chúng sẽ diễn ra.
Phân tích Monte Carlo rất hữu ích vì nhiều quyết định đầu tư và kinh doanh được đưa ra trên cơ sở một kết quả. Nói cách khác, nhiều nhà phân tích rút ra một kịch bản có thể và sau đó so sánh nó với các rào cản khác nhau để quyết định có nên tiếp tục hay không.
Hầu hết các ước tính pro forma bắt đầu với một trường hợp cơ sở. Bằng cách nhập giả định xác suất cao nhất cho mỗi yếu tố, nhà phân tích có thể rút ra kết quả xác suất cao nhất. Tuy nhiên, việc đưa ra bất kỳ quyết định nào trên cơ sở trường hợp cơ sở là có vấn đề và việc tạo dự báo chỉ có một kết quả là không đủ vì nó không nói gì về bất kỳ giá trị nào khác có thể xảy ra.
Nó cũng không nói gì về cơ hội rất thực tế rằng giá trị tương lai thực tế sẽ là một cái gì đó khác với dự đoán trường hợp cơ sở. Không thể phòng ngừa chống lại sự cố tiêu cực nếu trình điều khiển và xác suất của những sự kiện này không được tính toán trước.
Tạo mô hình
Sau khi được thiết kế, thực hiện mô hình Monte Carlo yêu cầu một công cụ sẽ chọn ngẫu nhiên các giá trị yếu tố bị ràng buộc bởi các điều kiện được xác định trước. Bằng cách chạy một số thử nghiệm với các biến bị ràng buộc bởi xác suất xảy ra độc lập của riêng họ, một nhà phân tích tạo ra một phân phối bao gồm tất cả các kết quả có thể xảy ra và xác suất mà chúng sẽ xảy ra.
Có rất nhiều máy phát số ngẫu nhiên trên thị trường. Hai công cụ phổ biến nhất để thiết kế và thực hiện các mô hình Monte Carlo là @Risk và Crystal Ball. Cả hai đều có thể được sử dụng làm bổ trợ cho bảng tính và cho phép kết hợp lấy mẫu ngẫu nhiên vào các mô hình bảng tính đã thiết lập.
Nghệ thuật trong việc phát triển một mô hình Monte Carlo thích hợp là xác định các ràng buộc chính xác cho từng biến và mối quan hệ chính xác giữa các biến. Ví dụ: vì đa dạng hóa danh mục đầu tư dựa trên mối tương quan giữa các tài sản, bất kỳ mô hình nào được phát triển để tạo ra các giá trị danh mục đầu tư dự kiến phải bao gồm mối tương quan giữa các khoản đầu tư.
Để chọn phân phối chính xác cho một biến, người ta phải hiểu từng phân phối có thể có. Ví dụ, phổ biến nhất là phân phối bình thường, còn được gọi là đường cong hình chuông .
Trong một phân phối bình thường, tất cả các lần xuất hiện đều được phân phối đều xung quanh giá trị trung bình. Có nghĩa là sự kiện có thể xảy ra nhất. Hiện tượng tự nhiên, chiều cao của mọi người và lạm phát là một số ví dụ về đầu vào thường được phân phối.
Trong phân tích Monte Carlo, một trình tạo số ngẫu nhiên chọn một giá trị ngẫu nhiên cho mỗi biến trong các ràng buộc được đặt bởi mô hình. Sau đó, nó tạo ra một phân phối xác suất cho tất cả các kết quả có thể.
Độ lệch chuẩn của xác suất đó là một thống kê biểu thị khả năng kết quả thực tế được ước tính sẽ là một cái gì đó khác với sự kiện trung bình hoặc có thể xảy ra nhất. Giả sử phân phối xác suất được phân phối bình thường, khoảng 68% giá trị sẽ nằm trong một độ lệch chuẩn của giá trị trung bình, khoảng 95% giá trị sẽ nằm trong hai độ lệch chuẩn và khoảng 99, 7% sẽ nằm trong ba độ lệch chuẩn của giá trị trung bình.
Điều này được gọi là "quy tắc 68-95-99.7" hoặc "quy tắc thực nghiệm".
Ai sử dụng phương pháp
Phân tích Monte Carlo không chỉ được thực hiện bởi các chuyên gia tài chính mà còn bởi nhiều doanh nghiệp khác. Nó là một công cụ ra quyết định, giả định rằng mọi quyết định sẽ có một số tác động đến rủi ro tổng thể.
Mỗi cá nhân và tổ chức có một mức độ chấp nhận rủi ro khác nhau. Điều đó rất quan trọng để tính toán rủi ro của bất kỳ khoản đầu tư nào và so sánh nó với mức độ chấp nhận rủi ro của từng cá nhân.
Các phân phối xác suất được tạo ra bởi mô hình Monte Carlo tạo ra một bức tranh rủi ro. Bức tranh đó là một cách hiệu quả để truyền đạt kết quả cho người khác, chẳng hạn như cấp trên hoặc nhà đầu tư tiềm năng. Ngày nay, các mô hình Monte Carlo rất phức tạp có thể được thiết kế và thực hiện bởi bất kỳ ai có quyền truy cập vào máy tính cá nhân.
