Monte Carlo Simulation

Definição: Uma simulação de Monte Carlo (também conhecida como análise de Monte Carlo) é uma técnica computadorizada sofisticada que aplica a teoria da probabilidade à análise financeira. Ele procura medir os possíveis impactos de eventos aleatórios ou ocasionais, por exemplo, retornos de investimentos e resultados comerciais. O nome é derivado do famoso cassino de Monte Carlo em Mônaco e evoca jogos de azar envolvendo dados, roletas ou cartas.

Na verdade, grande parte da teoria da probabilidade moderna é derivada dos esforços para quantificar as probabilidades em tais jogos.

Aplicações: Tipicamente, analistas de valores mobiliários, analistas de projetos e departamentos de orçamentos corporativos (para citar apenas alguns exemplos) desenvolvem ou examinam apenas um único cenário de base. Ao aplicar a análise de Monte Carlo, eles podem criar modelos preditivos que oferecem mais informações, na forma de intervalos de prováveis ​​resultados. Os consultores de pensões mais avançados e os planejadores de aposentadoria estão entre os profissionais financeiros que utilizam esta metodologia. Também tem um valor óbvio para os gerentes de risco usar na quantificação dos riscos comerciais.

Metodologia: Mais comumente desenvolvido por departamentos de ciências de gestão e quants, no centro da simulação de Monte Carlo é o uso de um gerador de números aleatórios computadorizados para variar as entradas em um modelo financeiro. Cada variável no modelo é atribuída a uma provável gama de resultados, com base na análise de dados anteriores.

Então, cada vez que o modelo é executado, o computador aleatoriamente atribuirá valores a essas variáveis, dentro dos intervalos especificados. O modelo é executado normalmente para milhares de iterações, com novas variáveis ​​de entrada geradas aleatoriamente de cada vez. Os resultados em todas essas simulações são tabulados e resumidos em uma distribuição de probabilidade.

Forma de resultados e saída: Em vez de apenas um cenário de base mais provável, uma simulação de Monte Carlo normalmente produz uma série de resultados que se aproximam de uma distribuição normal (popularmente chamada de forma de sino curva), com probabilidades associadas a cada intervalo. Por exemplo, usando um modelo construído para prever lucros para uma empresa no próximo ano, uma simulação de Monte Carlo pode produzir resultados desse tipo:

• Resultado médio ou mais provável: US $ 15 milhões em lucros
• 66% de probabilidade de lucros entre US $ 13 milhões e US $ 17 milhões
• 95% de probabilidade de lucros entre US $ 11 milhões e US $ 19 milhões
• 99% de probabilidade de lucros entre US $ 9 milhões e US $ 21 milhões

Avisos: Os resultados de uma análise de Monte Carlo ou A simulação será moldada pelos pressupostos utilizados na concepção. Como em qualquer modelo financeiro, a precisão dos pressupostos é fundamental. Em particular, com uma simulação de Monte Carlo, os intervalos de valores possíveis atribuídos a cada variável constituem um conjunto crítico de pressupostos sobre os quais repousa toda a empresa, juntamente com a metodologia para converter números aleatórios gerados pelo computador em valores dentro desses intervalos.