Què és una simulació de Montecarlo i per què la necessitem?
Els analistes poden avaluar possibles rendiments de la cartera de moltes maneres. El plantejament històric, que és el més popular, considera totes les possibilitats que ja han passat. Tanmateix, els inversors no haurien d’aturar-se en això. El mètode Monte Carlo és un mètode estocàstic (mostreig aleatori d’inputs) per resoldre un problema estadístic i una simulació és una representació virtual d’un problema. La simulació de Monte Carlo combina les dues per proporcionar-nos una potent eina que ens permet obtenir una distribució (matriu) de resultats per a qualsevol problema estadístic amb nombrosos inputs mostrats una i altra vegada. (Per a més informació, vegeu: Estocàstics: un indicador precís de compravenda .)
Simulació de Montecarlo desmitificada
Les simulacions de Montecarlo es poden entendre millor pensant en una persona que llança daus. Un jugador de principiants que juga per primera vegada a les craps no tindrà ni idea de quines són les probabilitats de llançar un sis en qualsevol combinació (per exemple, quatre i dos, tres i tres, un i cinc). Quines són les probabilitats de rodar dos fils, també coneguts com a "sis durs?" Llançar el dau moltes vegades, idealment diversos milions de vegades, ens proporcionaria una distribució representativa dels resultats, que ens dirà quina probabilitat tindrà un sisè dur. L’ideal seria que realitzéssim aquestes proves de manera eficaç i ràpida, que és exactament el que ofereix una simulació de Montecarlo.
Els preus dels actius o els valors futurs de les carteres no depenen del volum de daus, però de vegades els preus dels actius s’assemblen a una caminada aleatòria. El problema de buscar només la història és que representa, en efecte, un sol rotlle o un resultat probable, que pot ser o no aplicable en el futur. Una simulació de Montecarlo considera una àmplia gamma de possibilitats i ens ajuda a reduir la incertesa. Una simulació de Montecarlo és molt flexible; ens permet variar els supòsits de risc en tots els paràmetres i, per tant, modelar una gamma de possibles resultats. Es poden comparar diversos resultats futurs i personalitzar el model per a diversos actius i carteres en revisió. (Per obtenir més informació, vegeu: Cerqueu l’adaptació adequada a les distribucions de probabilitats .)
Aplicacions de la simulació de Montecarlo en Finances
La simulació de Montecarlo té nombroses aplicacions en finances i altres camps. Monte Carlo s’utilitza en finances corporatives per modelar components del flux d’efectiu del projecte, que es veuen afectats per la incertesa. El resultat és una gamma de valors actuals nets (NPVs) juntament amb observacions sobre la VVV mitjana de la inversió analitzada i la seva volatilitat. L’inversor pot, per tant, estimar la probabilitat que NPV sigui superior a zero. Monte Carlo s’utilitza per a la fixació de preus d’opcions on es generen nombroses rutes aleatòries per al preu d’un actiu subjacent, cadascuna amb un benefici associat. A continuació, es descompten aquests beneficis a la actualitat i se’n promedia per obtenir el preu de l’opció. S’utilitza de manera similar per a la fixació de preus de valors de renda fixa i derivats de tipus d’interès. Però la simulació de Montecarlo s’utilitza més àmpliament en la gestió de cartera i la planificació financera personal. (Per a més informació, vegeu: Decisions sobre inversions de capital : fluxos de caixa incrementals .)
Simulació i gestió de cartera de Montecarlo
Una simulació de Montecarlo permet a un analista determinar la mida de la cartera necessària a la jubilació per suportar l’estil de vida de jubilació desitjat i altres regals i llegats desitjats. Ella varia en una distribució de tipus de reinversió, taxes d’inflació, rendiments de la classe d’actius, tipus d’impostos i fins i tot possibles pistes de vida. El resultat és una distribució de mides de cartera amb les probabilitats de donar suport a les necessitats de despesa desitjades del client.
L’analista utilitza a continuació la simulació Monte Carlo per determinar el valor i la distribució esperats d’una cartera a la data de jubilació del propietari. La simulació permet a l'analista tenir una visió i un factor de diversos períodes en la dependència del camí; el valor de la cartera i l’assignació d’actius a cada període depenen de les rendibilitats i de la volatilitat del període precedent. L'analista utilitza diverses assignacions d'actius amb diferents graus de risc, diferents correlacions entre actius i la distribució d'un gran nombre de factors (incloent l'estalvi de cada període i la data de jubilació) per arribar a una distribució de carteres juntament amb la probabilitat d'arribar. al valor de cartera desitjat en jubilar-se. Es poden tenir en compte les diferents taxes de despesa i vida útil del client per determinar la probabilitat que el client es quedi sense fons (la probabilitat de ruïna o de longevitat) abans de la seva mort.
El perfil de rendibilitat i devolució d’un client és el factor més important que influeix en les decisions de gestió de cartera. Els rendiments requerits del client són una funció dels seus objectius de jubilació i despesa; el seu perfil de risc està determinat per la seva capacitat i voluntat d’assumir riscos. Sovint, el retorn desitjat i el perfil de risc d’un client no estan en sincronització entre ells. Per exemple, el nivell de risc acceptable per a un client pot fer impossible o molt difícil assolir el retorn desitjat. A més, pot ser necessària una quantitat mínima abans de la jubilació per assolir els objectius del client, però l'estil de vida del client no permetria estalvis o el client no es podia canviar.
Considerem un exemple de jove parella que treballa molt i que té un estil de vida prou amb unes vacances cares cada any. Tenen un objectiu de jubilació de gastar 170.000 dòlars anuals (aproximadament 14.000 dòlars al mes) i deixar una propietat d'1 milió de dòlars als fills. Un analista realitza una simulació i troba que el seu estalvi per període és insuficient per generar el valor de cartera desitjat a la jubilació; tanmateix, es pot aconseguir si es duplica l’assignació a les existències de petits fons (fins a un 50 a 70% entre un 25 i un 35%), cosa que augmentarà considerablement el seu risc. Cap de les alternatives anteriors (estalvi més elevat o risc més elevat) és acceptable per al client. Així, els analistes condicionen altres ajustaments abans de tornar a executar la simulació. l'analista retarda la seva jubilació dos anys i disminueix la despesa posterior a la jubilació fins a 12.500 dòlars. La distribució resultant demostra que el valor de cartera desitjat es pot aconseguir incrementant l’assignació a les accions de petits caps només un 8 per cent. Amb l’informació disponible, l’analista aconsella als clients que retardin la jubilació i disminueixin la seva despesa marginalment, amb la qual la parella s’acorda. (Per a més informació, vegeu: Planificació de la vostra jubilació mitjançant la simulació de Montecarlo .)
Linia inferior
Una simulació de Montecarlo permet als analistes i assessors convertir les possibilitats d’inversió en opcions. L’avantatge de Montecarlo és la seva capacitat de factoritzar una gamma de valors per a diversos inputs; aquest és també el seu major desavantatge en el sentit que les suposicions han de ser justes, ja que la sortida és tan bona com els inputs. Un altre gran desavantatge és que la simulació de Montecarlo acostuma a menystenir la probabilitat d’esdeveniments d’ós extrems com una crisi financera. De fet, els experts defensen que una simulació com la de Montecarlo és incapaç de tenir en compte els aspectes comportamentals de les finances i la irracionalitat que presenten els participants del mercat. No obstant això, és una eina útil per als assessors.
