En este momento estás viendo Utilice el análisis de Monte Carlo para evaluar el riesgo

El modelo de Monte Carlo permite a los investigadores de todos los ámbitos de la vida realizar múltiples experimentos, definiendo así los resultados potenciales de todos los eventos o decisiones. En la industria financiera, la decisión generalmente implica inversión. En conjunto, cada uno de los ensayos separados crea una distribución de probabilidad o una evaluación de riesgo para una inversión o evento en particular.

El análisis de Monte Carlo es una especie de técnica de modelado perenne. Cada modelo perenne puede considerarse como diagramas complejos de «¿y si?» casos. Algunos de los modelos perennes más famosos son los que se utilizan para valorar las opciones sobre acciones. Los analistas de investigación los utilizan para predecir el rendimiento de las inversiones, comprender las posibilidades de sus exposiciones de inversión y mitigar mejor sus riesgos.

Cuando los inversores utilizan el método Monte Carlo, los resultados se comparan con diferentes niveles de tolerancia al riesgo. Esto puede ayudar a las partes interesadas a decidir si procede o no con una inversión.

Conclusiones clave

  • El modelo de Monte Carlo permite a los investigadores de todos los ámbitos de la vida realizar múltiples experimentos, definiendo así los resultados potenciales de todos los eventos o decisiones.
  • Al emplear el modelo de Monte Carlo, un usuario cambia el valor de las múltiples variables para determinar su impacto potencial en la decisión que se está considerando.
  • En la industria financiera, la decisión generalmente implica inversión.
  • Las distribuciones de probabilidad producidas por el modelo de Monte Carlo crean una imagen de riesgo.

Quién usa modelos perennes

Los modelos plurianuales, como el modelo de Monte Carlo, son herramientas estadísticas populares que utilizan múltiples variables para predecir resultados potenciales. Cuando se emplea un modelo de varios años, un usuario cambia el valor de las múltiples variables para determinar su impacto potencial en la decisión que se está considerando.

Los modelos perennes son utilizados por muchos tipos diferentes de profesiones. Los analistas financieros pueden utilizar modelos plurianuales para evaluar los flujos de efectivo y las ideas de nuevos productos. Los administradores de carteras y los asesores financieros los utilizan para determinar el impacto de las inversiones en el rendimiento y el riesgo de la cartera. Son utilizados por las compañías de seguros para estimar el potencial de reclamaciones y para fijar precios en las pólizas.

El modelo Monte Carlo lleva el nombre de la ubicación geográfica, Monte Carlo (técnicamente un área administrativa del Principado de Mónaco), famoso por su proliferación de casinos.

Resultados y probabilidades

Con los juegos de azar, como los que se juegan en los casinos, se conocen todos los posibles resultados y probabilidades. Sin embargo, para la mayoría de las inversiones se desconoce el conjunto de resultados futuros.

Depende del analista determinar los resultados, así como la probabilidad de que ocurran. En el modelado de Monte Carlo, el analista ejecuta varios ensayos (a veces incluso miles de ellos) para determinar todos los resultados posibles y la probabilidad de que ocurran.

El análisis de Monte Carlo es útil porque muchas decisiones comerciales y de inversión se toman sobre la base de un único resultado. Es decir, muchos analistas encuentran un escenario potencial y luego comparan ese resultado con las diversas barreras para ese resultado para decidir si proceder.

Estimaciones pro forma

La mayoría de las estimaciones pro forma comienzan con un caso básico. Al ingresar el supuesto de mayor probabilidad para cada factor, los analistas pueden derivar el resultado de mayor probabilidad. Sin embargo, existen problemas para tomar decisiones caso por caso, y crear un pronóstico con un solo resultado no es suficiente porque no dice nada sobre otros valores posibles que puedan ocurrir.

Tampoco dice nada sobre la posibilidad muy real de que el valor real en el futuro sea algo diferente a la predicción del caso original. La cobertura negativa no se puede cubrir a menos que los factores impulsores y las probabilidades de estos eventos se calculen de antemano.

Creando el modelo

Una vez diseñado, se requiere una herramienta para ejecutar un modelo de Monte Carlo que selecciona aleatoriamente valores de factores que están sujetos a ciertas condiciones preestablecidas. Al ejecutar varios ensayos con variables restringidas por sus probabilidades independientes de ocurrencia, los análisis crean una distribución que abarca todos los resultados posibles y las probabilidades de que ocurran.

Hay muchos generadores de números aleatorios en el mercado. Las dos herramientas más populares para diseñar y ejecutar modelos Monte Carlo son @Riesgo y Bola de cristal. Ambos se pueden utilizar como complementos para hojas de cálculo y permiten incorporar el muestreo aleatorio en modelos de hojas de cálculo establecidos.

Restricciones de derecho

El arte de desarrollar un modelo de Monte Carlo apropiado es determinar las restricciones correctas para cada variable y la relación correcta entre las variables. Por ejemplo, debido a que la diversificación de la cartera se basa en la correlación entre activos, la correlación entre inversiones debe incluirse en cualquier modelo desarrollado para crear valores de cartera esperados.

Para seleccionar la distribución correcta de las variables, se debe comprender una de las distribuciones posibles disponibles. Por ejemplo, la más común es una distribución normal, también conocida como curva de reloj..

Distribución normal y desviación estándar

En una distribución normal, todas las ocurrencias se distribuyen uniformemente por los medios. El promedio es el evento más probable. Algunos ejemplos son los fenómenos naturales, la altura humana y la inflación de insumos distribuidos normalmente.

En el análisis de Monte Carlo, un generador de números aleatorios elige un valor aleatorio para cada variable dentro de las restricciones establecidas por el modelo. Luego produce una distribución de probabilidad para cada resultado posible.

La desviación estándar de esa probabilidad es una estadística que indica la probabilidad de que el resultado real que se estima sea diferente al evento medio o más probable. Suponiendo que una distribución de probabilidad se distribuye normalmente, aproximadamente el 68% de los valores estarán dentro de una desviación estándar de la media, aproximadamente el 95% de los valores estarán dentro de dos desviaciones estándar y aproximadamente el 99,7% estará dentro de tres desviación estándar en promedio.

Esto se llama la «regla 68-95-99.7» o la «regla empírica».

Quién usa el método

Los analistas de Monte Carlo no solo los realizan profesionales financieros, sino también muchas otras firmas. Es una herramienta de toma de decisiones que asume que cada decisión tendrá algún impacto en el riesgo general.

Cada persona e institución tiene una tolerancia al riesgo diferente. Por tanto, es importante calcular el riesgo de cualquier inversión y compararlo con la tolerancia al riesgo de la persona.

Las distribuciones de probabilidad producidas por el modelo de Monte Carlo crean una imagen de riesgo. Esa imagen es una forma eficaz de comunicar los resultados a otros, como líderes o inversores potenciales. Hoy en día, cualquier persona con acceso a una PC puede diseñar y ejecutar modelos Monte Carlo de gran complejidad.