Utilizzo dell’analisi Monte Carlo per stimare il rischio

Il modello Monte Carlo consente ai ricercatori di tutti i diversi tipi di professioni di eseguire più prove e quindi di definire tutti i potenziali risultati di un evento o di una decisione. Nel settore finanziario, la decisione è tipicamente correlata a un investimento. Se combinate, tutte le prove separate creano una distribuzione di probabilità o una valutazione del rischio per un determinato investimento o evento.

L’ analisi Monte Carlo è una sorta di tecnica di modellazione multivariata. Tutti i modelli multivariati possono essere pensati come illustrazioni complesse di “cosa succede se?” scenari. Alcuni dei modelli multivariati più noti sono quelli utilizzati per valutare le stock option. Gli analisti di ricerca li utilizzano per prevedere i risultati degli investimenti, per comprendere le possibilità che circondano le loro esposizioni di investimento e per mitigare meglio i loro rischi.

Quando gli investitori utilizzano il metodo Monte Carlo, i risultati vengono confrontati con vari livelli di tolleranza al rischio. Questo può aiutare le parti interessate a decidere se procedere o meno con un investimento.

Punti chiave

• Il modello Monte Carlo consente ai ricercatori di tutti i diversi tipi di professioni di eseguire più prove e quindi di definire tutti i potenziali risultati di un evento o di una decisione.
• Quando si utilizza il modello Monte Carlo, un utente modifica il valore di più variabili per accertare il loro potenziale impatto sulla decisione che viene valutata.
• Nel settore finanziario, la decisione è tipicamente correlata a un investimento.
• Le distribuzioni di probabilità prodotte da un modello Monte Carlo creano un’immagine del rischio.

Chi utilizza modelli multivariati

I modelli multivariati, come il modello Monte Carlo, sono strumenti statistici popolari che utilizzano più variabili per prevedere i possibili risultati. Quando si utilizza un modello multivariato, un utente modifica il valore di più variabili per accertarne il potenziale impatto sulla decisione che viene valutata.

Molti tipi diversi di professioni utilizzano modelli multivariati. Gli analisti finanziari possono utilizzare modelli multivariati per stimare i flussi di cassa e le idee di nuovi prodotti. I gestori di portafoglio e i consulenti finanziari li utilizzano per determinare l’impatto degli investimenti sulla performance e sul rischio del portafoglio. Le compagnie di assicurazione li utilizzano per stimare il potenziale di sinistri e per valutare le polizze.

Il modello Monte Carlo prende il nome dalla posizione geografica, Monte Carlo (tecnicamente un’area amministrativa del Principato di Monaco), che è stata resa famosa dalla sua proliferazione di casinò.1

Risultati e probabilità

Con i giochi d’azzardo, come quelli che si giocano nei casinò, si conoscono tutti i possibili risultati e le probabilità. Tuttavia, con la maggior parte degli investimenti, la serie di risultati futuri è sconosciuta.

Spetta all’analista determinare i risultati e la probabilità che si verifichino. Nella modellazione Monte Carlo, l’analista esegue più prove (a volte anche migliaia) per determinare tutti i possibili risultati e la probabilità che si verifichino.

L’analisi Monte Carlo è utile perché molte decisioni di investimento e di business vengono prese sulla base di un unico risultato. In altre parole, molti analisti derivano un possibile scenario e poi confrontano tale risultato con i vari impedimenti a tale risultato per decidere se procedere.

Stime pro forma

La maggior parte delle stime pro forma iniziano con un caso di base. Inserendo l’ipotesi di probabilità più alta per ogni fattore, un analista può derivare il risultato di probabilità più alto. Tuttavia, prendere decisioni sulla base di un caso di base è problematico e la creazione di una previsione con un solo risultato non è sufficiente perché non dice nulla su eventuali altri valori possibili che potrebbero verificarsi.

Inoltre, non dice nulla sulla possibilità molto reale che il valore futuro effettivo sia qualcosa di diverso dalla previsione del caso base. È impossibile coprire un evento negativo se i driver e le probabilità di questi eventi non sono calcolati in anticipo.

Creazione del modello

Una volta progettato, l’esecuzione di un modello Monte Carlo richiede uno strumento che selezionerà casualmente i valori dei fattori che sono vincolati da determinate condizioni predeterminate. Eseguendo una serie di prove con variabili vincolate dalle proprie probabilità di accadimento indipendenti, un analista crea una distribuzione che include tutti i possibili risultati e le probabilità che si verifichino.

Ci sono molti generatori di numeri casuali sul mercato. I due strumenti più comuni per la progettazione e l’esecuzione di modelli Monte Carlo sono @Risk e Crystal Ball. Entrambi possono essere utilizzati come componenti aggiuntivi per fogli di calcolo e consentono di incorporare il campionamento casuale in modelli di fogli di calcolo stabiliti.

Vincoli corretti

L’arte nello sviluppo di un modello Monte Carlo appropriato consiste nel determinare i vincoli corretti per ciascuna variabile e la relazione corretta tra le variabili. Ad esempio, poiché la diversificazione del portafoglio si basa sulla correlazione tra le attività, qualsiasi modello sviluppato per creare i valori di portafoglio attesi deve includere la correlazione tra gli investimenti.

Per scegliere la distribuzione corretta per una variabile, è necessario comprendere ciascuna delle possibili distribuzioni disponibili. Ad esempio, la più comune è una distribuzione normale, nota anche come curva a campana .

Distribuzione normale e deviazione standard

In una distribuzione normale, tutte le occorrenze sono equamente distribuite attorno alla media. La media è l’evento più probabile. I fenomeni naturali, l’altezza delle persone e l’inflazione sono alcuni esempi di input normalmente distribuiti.

Nell’analisi Monte Carlo, un generatore di numeri casuali sceglie un valore casuale per ciascuna variabile entro i vincoli impostati dal modello. Quindi produce una distribuzione di probabilità per tutti i possibili risultati.

La deviazione standard di tale probabilità è una statistica che denota la probabilità che il risultato effettivo stimato sia qualcosa di diverso dall’evento medio o più probabile. Supponendo che una distribuzione di probabilità sia normalmente distribuita, circa il 68% dei valori rientrerà in una deviazione standard della media, circa il 95% dei valori rientrerà in due deviazioni standard e circa il 99,7% si troverà entro tre deviazioni standard della media.

Questo è noto come “regola 68-95-99.7″ o ” regola empirica “.

Chi utilizza il metodo

Le analisi Monte Carlo non sono condotte solo da professionisti della finanza, ma anche da molte altre aziende. È uno strumento decisionale che presuppone che ogni decisione avrà un impatto sul rischio complessivo.

Ogni individuo e istituzione ha una diversa tolleranza al rischio. Ciò rende importante calcolare il rischio di qualsiasi investimento e confrontarlo con la tolleranza al rischio dell’individuo.

Le distribuzioni di probabilità prodotte da un modello Monte Carlo creano un’immagine del rischio. Quella immagine è un modo efficace per trasmettere i risultati ad altri, come superiori o potenziali investitori. Oggi, modelli Monte Carlo molto complessi possono essere progettati ed eseguiti da chiunque abbia accesso a un personal computer.