Monte Carlo Simulasi: Dasar-dasar

Simulasi Monte Carlo - peramalan (Maret 2024)

Simulasi Monte Carlo - peramalan (Maret 2024)
Monte Carlo Simulasi: Dasar-dasar
Anonim

Apakah Simulasi Monte Carlo dan Mengapa Kita Membutuhkannya?

Analis dapat menilai kemungkinan pengembalian portofolio dengan berbagai cara. Pendekatan historis, yang paling populer, mempertimbangkan semua kemungkinan yang telah terjadi. Namun, investor tidak boleh berhenti dalam hal ini. Metode Monte Carlo adalah metode stokastik (random sampling of input) untuk memecahkan masalah statistik, dan simulasi adalah representasi virtual dari suatu masalah. Simulasi Monte Carlo menggabungkan keduanya untuk memberi kita alat yang hebat yang memungkinkan kita memperoleh distribusi (array) hasil untuk setiap masalah statistik dengan banyak masukan yang diambil sampel berulang-ulang. (Untuk lebih lanjut, lihat: Stochastics: Indikator Jual Beli yang Akurat .)

Simulasi Monte Carlo Demystified

Simulasi Monte Carlo dapat dipahami dengan baik dengan memikirkan seseorang melempar dadu. Seorang penjudi pemula yang bermain craps untuk pertama kalinya tidak akan tahu apa kemungkinan menggandakan enam kombinasi (misalnya empat dan dua, tiga dan tiga, satu dan lima). Apa kemungkinan menggulung dua bertiga, juga dikenal sebagai "enam keras?" Membuang dadu berkali-kali, idealnya beberapa juta kali, akan memberi satu distribusi hasil yang representatif yang akan memberi tahu kita kemungkinan besar gulungan enam akan menjadi enam keras. Idealnya, kita harus menjalankan tes ini secara efisien dan cepat, itulah yang ditawarkan oleh simulasi Monte Carlo.

Harga aset atau nilai masa depan portofolio tidak bergantung pada gulungan dadu, namun terkadang harga aset menyerupai jalan acak. Masalah dengan melihat sejarah saja adalah bahwa hal itu mewakili, berlaku hanya satu putaran, atau hasil yang mungkin, yang mungkin atau mungkin tidak dapat diterapkan di masa depan. Simulasi Monte Carlo mempertimbangkan berbagai kemungkinan dan membantu kita mengurangi ketidakpastian. Simulasi Monte Carlo sangat fleksibel; Ini memungkinkan kita untuk memvariasikan asumsi risiko berdasarkan semua parameter dan dengan demikian memodelkan berbagai kemungkinan hasil. Seseorang dapat membandingkan beberapa hasil masa depan dan menyesuaikan model dengan berbagai aset dan portofolio yang sedang dikaji. (Untuk lebih lanjut, lihat:

Temukan Fit yang Tepat dengan Distribusi Probabilitas .)

Aplikasi Simulasi Monte Carlo di Bidang Keuangan:

Simulasi Monte Carlo memiliki banyak aplikasi di bidang keuangan dan bidang lainnya. Monte Carlo digunakan dalam corporate finance untuk memodelkan komponen arus kas proyek, yang dipengaruhi oleh ketidakpastian. Hasilnya adalah kisaran nilai sekarang bersih (net present value / NPVs) bersamaan dengan pengamatan pada rata-rata NPV investasi yang sedang dianalisis dan volatilitasnya. Investor dapat memperkirakan probabilitas bahwa NPV akan lebih besar dari nol.Monte Carlo digunakan untuk opsi harga di mana banyak jalur acak untuk harga aset dasar dihasilkan, masing-masing memiliki imbalan terkait. Imbalan ini kemudian didiskontokan kembali ke masa sekarang dan dirata-ratakan untuk mendapatkan harga opsi. Hal serupa juga digunakan untuk menentukan harga sekuritas pendapatan tetap dan derivatif suku bunga. Tapi simulasi Monte Carlo digunakan paling luas dalam manajemen portofolio dan perencanaan keuangan pribadi. (Monte Carlo Simulasi dan Manajemen Portofolio:

Simulasi Monte Carlo memungkinkan analis menentukan ukuran portofolio yang dibutuhkan pada analisis Monte Carlo Simulasi dan Manajemen Portofolio: Simulasi Investasi Monte Carlo . pensiun untuk mendukung gaya hidup pensiun yang diinginkan dan hadiah dan kreasi yang diinginkan lainnya. Dia faktor dalam distribusi tingkat reinvestasi, tingkat inflasi, tingkat pengembalian aset, tarif pajak dan bahkan rentang kehidupan yang mungkin. Hasilnya adalah distribusi ukuran portofolio dengan probabilitas mendukung kebutuhan belanja yang diinginkan klien.

Analis selanjutnya menggunakan simulasi Monte Carlo untuk menentukan nilai yang diharapkan dan distribusi portofolio pada tanggal pensiun pemilik. Simulasi memungkinkan analis untuk mengambil pandangan multi-periode, dan faktor dalam ketergantungan jalan; nilai portofolio dan alokasi aset pada setiap periode bergantung pada tingkat pengembalian dan volatilitas pada periode sebelumnya. Analis menggunakan berbagai alokasi aset dengan berbagai tingkat risiko, korelasi yang berbeda antara aset dan distribusi sejumlah besar faktor termasuk penghematan pada setiap periode dan tanggal pensiun, untuk sampai pada distribusi portofolio bersamaan dengan kemungkinan untuk tiba di nilai portofolio yang diinginkan saat pensiun. Tingkat pengeluaran dan rentang hidup klien yang berbeda dapat diperhitungkan untuk menentukan probabilitas klien kehabisan dana (kemungkinan risiko kerusakan atau umur panjang) sebelum kematian mereka.

Profil risiko dan pengembalian klien merupakan faktor terpenting yang mempengaruhi keputusan manajemen portofolio. Hasil yang diminta oleh klien adalah fungsi dari tujuan pensiun dan pembelanjaannya; Profil risikonya ditentukan oleh kemampuan dan kemauannya untuk mengambil risiko. Lebih sering daripada tidak kembali dan profil risiko klien tidak selaras satu sama lain; Sebagai contoh, tingkat risiko yang dapat diterima oleh mereka mungkin membuat tidak mungkin atau sangat sulit untuk mencapai tingkat pengembalian yang diinginkan. Selain itu, jumlah minimum mungkin diperlukan sebelum pensiun untuk mencapai tujuannya, dan gaya hidup klien tidak akan membiarkan penghematan, atau dia mungkin enggan untuk mengubahnya.

Mari kita simak contoh pasangan kerja muda yang bekerja sangat keras dan memiliki gaya hidup mewah termasuk liburan mahal setiap tahunnya. Mereka memiliki tujuan pensiun untuk menghabiskan $ 170.000 per tahun (sekitar $ 14.000 / bulan), dan meninggalkan properti senilai $ 1 juta kepada anak-anak mereka. Seorang analis menjalankan simulasi dan menemukan bahwa penghematan per periode mereka tidak mencukupi untuk membangun nilai portofolio yang diinginkan saat pensiun; Namun, dapat dicapai jika alokasi untuk saham cap kecil berlipat ganda (sampai 50% - 70% dari 25% - 35%), yang akan meningkatkan risiko mereka secara signifikan.Tidak satu pun dari alternatif di atas (penghematan atau peningkatan risiko yang lebih tinggi) dapat diterima oleh klien. Dengan demikian, faktor analis dalam penyesuaian lainnya sebelum menjalankan simulasi lagi. Dia menunda pensiun 2 tahun, dan menurunkan biaya pensiun bulanan mereka menjadi $ 12,500. Distribusi yang dihasilkan menunjukkan bahwa nilai portofolio yang diinginkan dapat dicapai dengan meningkatkan alokasi ke saham kecil hanya sebesar 8%. Dengan wawasan yang ada, dia mengusulkan klien untuk menunda masa pensiun dan mengurangi pengeluaran secara marginal, yang disetujui pasangan tersebut. (Untuk lebih lanjut, lihat:

Merencanakan Pensiun Anda Menggunakan Simulasi Monte Carlo

. Bottom line Inti simulasi Monte Carlo memungkinkan analis dan penasihat untuk mengubah peluang investasi menjadi pilihan. Keuntungan Monte Carlo adalah kemampuannya untuk memperhitungkan berbagai nilai untuk berbagai masukan; Ini juga merupakan kerugian terbesar dalam arti bahwa asumsi harus adil karena hasilnya hanya sebagus inputnya. Kerugian besar lainnya adalah bahwa simulasi Monte Carlo cenderung meremehkan probabilitas kejadian beruang ekstrim seperti krisis keuangan, yang menjadi terlalu sering untuk kenyamanan. Bahkan, para ahli berpendapat bahwa simulasi seperti Monte Carlo tidak mampu memperhitungkan aspek perilaku keuangan dan irasionalitas yang dipamerkan oleh pelaku pasar. Namun, ini adalah pelayan yang mampu melayani penasihat yang perlu mengajukan pertanyaan cerdas darinya.