Mô phỏng Monte Carlo là gì và tại sao chúng ta lại cần nó?

Các nhà phân tích có thể đánh giá lợi nhuận danh mục đầu tư có thể bằng nhiều cách. Cách tiếp cận lịch sử, được phổ biến nhất, xem xét tất cả các khả năng đã xảy ra. Tuy nhiên, các nhà đầu tư không nên dừng lại ở đây. Phương pháp Monte Carlo là phương pháp ngẫu nhiên (ngẫu nhiên lấy mẫu đầu vào) để giải quyết vấn đề thống kê, và mô phỏng là một đại diện ảo của một vấn đề. Mô phỏng Monte Carlo kết hợp cả hai để cho chúng ta một công cụ mạnh mẽ cho phép chúng ta thu được kết quả phân phối cho bất kỳ vấn đề thống kê nào với nhiều đầu vào được lấy mẫu lặp đi lặp lại. (Để biết thêm thông tin, xem: Stochastics: chỉ số mua và bán chính xác .)

Mô phỏng Monte Carlo Mô phỏng Monte Carlo

Mô phỏng Monte Carlo có thể được hiểu rõ nhất bằng cách nghĩ đến một người ném quả táo. Một con bạc mới làm quen với craps lần đầu tiên sẽ không có bất kỳ mối liên hệ nào với việc kết hợp sáu trong bất kỳ sự kết hợp nào (ví dụ bốn và hai, ba và ba, một và năm). Tỷ lệ cược của hai threes, còn được gọi là một "cứng sáu?" Việc ném chuột nhiều lần, lý tưởng là một vài triệu lần, sẽ cho một trong những phân phối đại diện của các kết quả mà sẽ cho chúng tôi biết có khả năng một cuộn sáu sẽ là một khó khăn sáu. Lý tưởng nhất là chúng ta nên chạy các bài kiểm tra một cách hiệu quả và nhanh chóng, đó chính xác là những gì mô phỏng Monte Carlo cung cấp.

Giá trị của tài sản hoặc giá trị trong tương lai của các nhà đầu tư không phụ thuộc vào cuộn của dice, nhưng đôi khi giá tài sản giống như một sự đi bộ ngẫu nhiên. Vấn đề với việc tìm kiếm lịch sử một mình là nó đại diện cho hiệu quả, chỉ một lần cuộn, hoặc kết quả có thể xảy ra, có thể hoặc không thể áp dụng trong tương lai. Một mô phỏng Monte Carlo xem xét một loạt các khả năng và giúp chúng tôi giảm sự không chắc chắn. Mô phỏng Monte Carlo rất linh hoạt; nó cho phép chúng ta thay đổi các giả định rủi ro theo tất cả các tham số và do đó mô hình một loạt các kết quả có thể. Có thể so sánh nhiều kết quả trong tương lai và tùy chỉnh mô hình cho các tài sản và danh mục đầu tư khác đang được xem xét. (Để biết thêm chi tiết, xem:

Tìm Phép phù hợp với sự phân bố xác suất .)

Ứng dụng Mô phỏng Monte Carlo trong Tài chính:

Mô phỏng Monte Carlo có rất nhiều ứng dụng trong lĩnh vực tài chính và các lĩnh vực khác. Monte Carlo được sử dụng trong tài chính doanh nghiệp để mô hình các thành phần của dòng tiền dự án, bị ảnh hưởng bởi sự không chắc chắn. Kết quả là một loạt các giá trị hiện tại ròng (NPV) cùng với các quan sát về NPV trung bình của khoản đầu tư được phân tích và tính không biến động của nó. Nhà đầu tư có thể ước tính xác suất rằng NPV sẽ lớn hơn không.Monte Carlo được sử dụng để định giá quyền chọn, nơi có nhiều đường dẫn ngẫu nhiên cho giá của một tài sản cơ bản được tạo ra, mỗi cái đều có một khoản hoàn trả liên quan. Những khoản hoàn trả này sau đó được giảm giá trở lại hiện tại và được tính trung bình để có được mức giá tùy chọn. Nó được sử dụng tương tự để định giá chứng khoán thu nhập cố định và các công cụ phái sinh lãi suất. Nhưng mô phỏng Monte Carlo được sử dụng rộng rãi nhất trong quản lý danh mục đầu tư và kế hoạch tài chính cá nhân. (Monte Carlo Simulation and Portfolio Management: 999) Mô phỏng Monte Carlo cho phép một nhà phân tích xác định quy mô của danh mục đầu tư yêu cầu tại nghỉ hưu để hỗ trợ lối sống hưu trí mong muốn và những món quà và những chúc thư khác. Cô ấy có yếu tố phân phối tỷ lệ tái đầu tư, tỷ lệ lạm phát, lợi tức của lớp tài sản, thuế suất và thậm chí cả những khoảng thời gian sống có thể có. Kết quả là phân phối các quy mô danh mục đầu tư với xác suất hỗ trợ nhu cầu chi tiêu mong muốn của khách hàng.

Nhà phân tích tiếp theo sử dụng mô phỏng Monte Carlo để xác định giá trị kỳ vọng và phân phối danh mục đầu tư vào ngày nghỉ hưu của chủ sở hữu. Mô phỏng cho phép nhà phân tích có một cái nhìn đa diện và yếu tố phụ thuộc vào đường dẫn; giá trị danh mục đầu tư và phân bổ tài sản ở từng thời kỳ phụ thuộc vào lợi nhuận và sự biến động trong giai đoạn trước. Nhà phân tích sử dụng các khoản phân bổ tài sản khác nhau với mức độ rủi ro khác nhau, mối tương quan khác nhau giữa tài sản và sự phân bố của một số lượng lớn các yếu tố bao gồm cả tiền tiết kiệm trong từng giai đoạn và ngày nghỉ hưu để phân bố danh mục đầu tư cùng với xác suất đến giá trị danh mục mong muốn khi nghỉ hưu. Mức chi tiêu và mức sống khác nhau của khách hàng có thể được tính toán để xác định khả năng khách hàng sẽ hết vốn (xác suất phá hoại hoặc rủi ro tuổi thọ) trước khi họ chết. Hồ sơ rủi ro và lợi tức của khách hàng là yếu tố quan trọng nhất ảnh hưởng đến các quyết định quản lý danh mục đầu tư. Thu nhập bắt buộc của khách hàng là một chức năng của các mục tiêu về hưu và chi tiêu của cô; hồ sơ rủi ro của cô được xác định bởi khả năng và sự sẵn sàng chấp nhận rủi ro của cô. Thường xuyên hơn không phải là sự trở lại và rủi ro hồ sơ của khách hàng không đồng bộ với nhau; ví dụ, mức độ rủi ro chấp nhận được đối với họ, nó có thể làm cho nó không thể hoặc rất khó để đạt được sự trở lại mong muốn. Hơn nữa, cần phải có một khoản tiền tối thiểu trước khi nghỉ hưu để đạt được mục tiêu và lối sống của khách hàng không cho phép tiết kiệm, hoặc có thể không muốn thay đổi nó. Chúng ta hãy xem xét một ví dụ về một cặp vợ chồng làm việc trẻ tuổi, những người làm việc rất chăm chỉ và có một phong cách sống xa hoa, bao gồm cả những kỳ nghỉ đắt hàng mỗi năm. Họ có một mục tiêu về hưu là chi tiêu $ 170,000 một năm (khoảng $ 14,000 / tháng), và để lại một tài sản trị giá $ 1 triệu cho con của họ. Một nhà phân tích thực hiện mô phỏng và thấy rằng khoản tiết kiệm mỗi kỳ của họ không đủ để xây dựng giá trị danh mục mong muốn khi nghỉ hưu; tuy nhiên nó có thể đạt được nếu phân bổ cho các cổ phiếu vốn hóa nhỏ tăng gấp đôi (lên đến 50% - 70% từ 25% - 35%), điều này sẽ làm tăng đáng kể nguy cơ của họ.Không có lựa chọn nào ở trên (tiết kiệm cao hơn hoặc tăng rủi ro) được chấp nhận cho khách hàng. Vì vậy, các yếu tố phân tích trong các điều chỉnh khác trước khi chạy mô phỏng một lần nữa. Ông đã chậm trễ nghỉ hưu 2 năm, và giảm chi tiêu hàng tháng của họ sau khi nghỉ hưu lên $ 12, 500. Phân phối kết quả cho thấy rằng giá trị danh mục mong muốn có thể đạt được bằng cách tăng phân bổ cho cổ phiếu nhỏ cap chỉ của 8%. Với sự hiểu biết sẵn có, ông đề nghị khách hàng trì hoãn việc nghỉ hưu và giảm chi tiêu một cách nhẹ nhàng, mà hai vợ chồng đồng ý.

Dòng dưới đây:

Một mô phỏng Monte Carlo cho phép các nhà phân tích và cố vấn chuyển đổi cơ hội đầu tư thành sự lựa chọn. Lợi thế của Monte Carlo là khả năng của nó trong một loạt các giá trị cho đầu vào khác nhau; đây cũng là bất lợi lớn nhất của nó theo nghĩa rằng các giả định cần phải công bằng vì đầu ra chỉ tốt như đầu vào. Bất lợi lớn khác là mô phỏng Monte Carlo có xu hướng đánh giá thấp xác suất của các sự kiện cực đoan như cuộc khủng hoảng tài chính đang trở nên quá thường xuyên đối với sự thoải mái. Trên thực tế, các chuyên gia cho rằng một mô phỏng như Monte Carlo không thể tính đến các khía cạnh hành vi của tài chính và sự phi lý của người tham gia thị trường. Tuy nhiên, đó là một người đầy tớ có khả năng để xử lý các cố vấn cần đặt câu hỏi thông minh từ nó.