Відразу можна сказати, що цей метод використовується через те, що він простий. Але яким би простим він не був, метод Монте-Карло залишається потужним інструментом, а також може похвалитися деякими цікавими властивостями, які роблять його дуже привабливим для вирішення різних завдань. Метод Монте-Карло відноситься до ряду статистичних методів, які в свою чергу використовуються для обчислення очікуваних значень функцій, які не можна інтегрувати аналітично, оскільки вони не мають замкнутої форми.
Чому саме Монте-Карло? Він нам дозволяє, використовуючи один і той же принцип, вирішити різного роду завдання. Моделювання за методом Монте-Карло можна використовувати в корпоративних фінансах, ціноутворенні опціонів і особливо в управлінні портфеля і планування фінансів. З іншого боку метод обмежений тим, що не може врахувати ведмежі ринки, рецесії або інший вид фінансового ризику, який може вплинути на потенційні результати.
Метод Монте-Карло використовує різні розподілу ймовірностей для обчислення невизначених факторів. Імовірнісні розподілу відповідають різним припущенням. Таким чином, різна природа даних має різну ймовірність для різних сум.
Розглянемо ймовірнісні розподіли, які використовуються у фінансовому моделюванні.
Нормальний розподіл
Воно симетричне і може бути застосовано до природних закономірностей, таких як зріст і вага людини. Використовуючи у фінансовій моделі, ми визначаємо середнє значення, яке представляє очікуване значення і стандартне відхилення. Аналітики будуть використовувати його для визначення інфляції і процентних ставок, цін на паливо і т д.
Трикутний розподіл
Використовуючи цей розподіл потрібно визначити мінімальне і максимальне і найбільш ймовірне значення. Логічно, що значення близькі до найбільш ймовірного варіанту, будуть більш ймовірними. Фахівці застосовують даний розподіл до періодичних показників продажів, рівням запасів і т д.
Рівномірний розподіл
В даному розподілі значення змінної претендують на рівномірну ймовірність потрапити до вибірки. Потрібно визначити тільки мінімум і максимум. У фінансовому моделюванні цей розподіл використовується при визначенні майбутніх виробничих витрат.
Дискретний розподіл
У дискретному розподілі ми визначаємо конкретні ймовірності кожного із значень, тобто від конкретного результату.
У порівнянні зі стандартним сценарним методом, Монте-Карло показує нам точну комбінацію значень для кожної змінної, яка сприяла певному результату. Так за допомогою сценарного методу часто складно підготувати повний набір значень для всіх вхідних даних.
Метод можна уявити легко в графічному вигляді, якщо буде потрібно.
Більш точний аналіз чутливості.
Що не менш важливо – результати мають ймовірності.
Всупереч багатьом перевагам методу, він не набув широкого поширення, оскільки в стандартних електронних таблицях це не вбудовано, і співробітникові доводиться використовувати якісь процедури, щоб досягти результату.
За допомогою CaseWare IDEA ви зможете автоматизувати абсолютно всі процедури аналізу, і одним натисканням побудувати і адаптувати модель методом Монте-Карло.
Щоб дізнатися більше про наші продукти та замовити БЕЗКОШТОВНУ демо-версію,
Ви можете звернутися до наших фахівців:
+38 (097) 007 05 51
v.totskiy@caseware.com.ua
