Monte Carlon simulaatio on tilastollinen menetelmä. Tätä käytetään monimutkaisten matemaattisten ongelmien ratkaisemiseen luomalla satunnaisia muuttujia.
Monte Carlon simulaatio eli Monte Carlon menetelmä on nimensä takia kuuluisa kasino Monacon ruhtinaskunnassa. Ruletti on tunnetuin kasinopeli ja myös yksinkertaisin esimerkki satunnaislukujen muodostusmekanismista.
Avain tähän menetelmään on ymmärtää termi "simulointi". Simulaation suorittaminen koostuu todellisen järjestelmän ominaisuuksien ja käyttäytymisen toistamisesta tai kopioinnista. Monte Carlon simulaation päätavoitteena on siis yrittää jäljitellä todellisten muuttujien käyttäytymistä analysoida tai ennustaa, kuinka paljon ne kehittyvät.
Simulaation avulla ne voidaan ratkaista hyvin yksinkertaisista ongelmista erittäin monimutkaisiin ongelmiin. Jotkut ongelmat voidaan ratkaista kynällä ja paperilla. Useimmat vaativat kuitenkin tietokoneohjelmien, kuten Excel, R Studio tai Matlab, käyttöä. Ilman näitä ohjelmia tiettyjen ongelmien ratkaiseminen vie hyvin kauan.
Mihin Monte Carlon simulaatiota käytetään?
Tärkeää on tietää, mihin tätä menetelmää käytetään. Toisin sanoen erityistapauksia menetelmän merkityksen ymmärtämiseksi.
Oletko valmis sijoittamaan markkinoille?
Yksi maailman suurimmista välittäjistä, eToro, on helpottanut sijoittamista rahoitusmarkkinoille. Nyt kuka tahansa voi sijoittaa osakkeisiin tai ostaa murto-osuuksia 0%: n palkkioilla. Aloita sijoittaminen nyt vain 200 dollarin talletuksella. Muista, että on tärkeää kouluttaa sijoittamista, mutta tietenkin tänään kuka tahansa voi tehdä sen.
Pääomasi on vaarassa. Muita maksuja voidaan periä. Lisätietoja on osoitteessa stocks.eToro.com
Haluan sijoittaa EtoroonTaloustieteessä Monte Carlon simulaatiota käytetään sekä yrityksissä että investoinneissa. Sijoitusmaailmassa, missä sitä käytetään eniten.
Joitakin esimerkkejä Monte Carlon investointisimulaatiosta ovat seuraavat:
- Luo, arvioi ja analysoi sijoitussalkkuja
- Arvostetaan monimutkaisia rahoitustuotteita, kuten rahoitusvaihtoehtoja
- Riskienhallintamallien luominen
Koska sijoituksen tuotto on arvaamaton, tämän tyyppistä menetelmää käytetään arvioimaan erityyppisiä skenaarioita.
Yksinkertainen esimerkki löytyy osakemarkkinoilta. Osakkeen liikkeitä ei voida ennustaa. Ne voidaan arvioida, mutta on mahdotonta tehdä sitä tarkalleen. Siksi Monte Carlon simulaation avulla yritetään jäljitellä toiminnan tai niiden joukon käyttäytymistä analysoimaan, miten ne voisivat kehittyä. Kun Monte Carlon simulointi on suoritettu, saadaan erittäin suuri määrä mahdollisia skenaarioita.
Satunnaislukujen generointi
Monte Carlon simulaation käytön avainasemassa on satunnaislukujen tuottaminen. Kuinka luomme satunnaislukuja? Tietokoneohjelmien kanssa. Koska jos käytämme mekanismia, kuten ruletti, se voi viedä meitä monta tuntia.
Jos haluamme tuottaa 10000 satunnaislukua, kuvittele kuinka kauan se kestää. Siksi näiden ohjelmien tuottamiseen käytetään tietokoneohjelmia. Niitä ei pidetä puhtaasti satunnaislukuina, koska ohjelma luo ne kaavalla. Ne ovat kuitenkin hyvin samankaltaisia todellisuuden satunnaismuuttujien kanssa. Niitä kutsutaan näennäissatunnaisluvuiksi. Ratkaisi tämän ongelman, vain yksi menetelmän sovellus on vielä nähtävissä.
Monte Carlon simulointiesimerkki
Oletetaan, että haluamme palkata johtajan tekemään liiketoimintaa meille osakemarkkinoilla.
Johtaja, jonka haluamme palkata, on saanut 50 prosentin kannattavuuden viime vuoden aikana 20 000 dollarin arvopaperitilillä. Pyydämme tarkastamiasi tietoja vahvistamaan, että sanot totta. Toisin sanoen tilintarkastajan tarkastama kaikkien toimintojesi kirjaus (huijausten ja väärän tilin välttämiseksi). Johtaja toimittaa meille kaikki asiakirjat ja arvioimme tuloslaskelmaa.
Oletetaan, että meillä on 20000 dollaria. Esittelemme vastaavat muuttujat tietokoneohjelmaamme ja puretaan seuraava kaavio:
Palkatun johtajan toimittamien tulosten avulla on suoritettu 10000 simulaatiota. Lisäksi tulosten on ennustettu neljän vuoden ajan. Toisin sanoen 10000 erilaista skenaariota näille tuloksille neljän vuoden aikana.
Suurimmassa osassa skenaarioita saadaan positiivinen tuotto, mutta on pieni todennäköisyys menettää rahaa. Monte Carlon simulaatio tarjoaa meille äärettömän määrän yhdistelmiä arvioimaan skenaarioita, joista emme ole ensi silmäyksellä tietoisia.
