몬테카를로 시뮬레이션이란 무엇이며 왜 우리는 그것을 필요로 하는가?

애널리스트는 여러 가지 방법으로 포트폴리오 수익률을 평가할 수 있습니다. 가장 인기있는 역사적인 접근법은 이미 일어난 모든 가능성을 고려합니다. 그러나 투자자는이 문제를 저지해서는 안됩니다. Monte Carlo 방법은 통계적 문제를 풀기위한 확률 론적 (stochastic) (입력의 무작위 추출) 방법이며, 시뮬레이션은 문제의 가상 표현입니다. 몬테카를로 시뮬레이션은이 둘을 결합하여 반복적으로 샘플링 된 수많은 입력을 가진 통계적 문제에 대한 결과의 분포 (배열)를 얻을 수있는 강력한 도구를 제공합니다. (더 많은 것을 위해,보십시오 : Stochastics : 정확한 구매 및 판매 지표 .)

->

몬테카를로 시뮬레이션 Demystified

몬테카를로 시뮬레이션은 주사위를 던지는 사람을 생각함으로써 가장 잘 이해할 수 있습니다. 처음으로 크랩을하는 초심자 도박꾼은 어떤 조합 (예 : 4, 2, 3, 3, 1, 5)으로 6을 굴리는 지 아무 단서도 없습니다. "하드 6 (hard six)"이라고도 불리는 2 개의 3 열림의 확률은 얼마입니까? 이상적으로는 몇 백만 번 주사위를 여러 번 던지면 6 개의 롤이 얼마나 어려운 6이 될지를 알려주는 결과물을 대표적으로 배포 할 수 있습니다. 이상적으로, 우리는 몬테카를로 시뮬레이션이 제공하는 것 인이 테스트를 효율적이고 신속하게 실행해야합니다.

자산 가격이나 포트폴리오의 미래 가치는 주사위 굴리기에 의존하지 않지만 때로는 자산 가격이 무작위로 걷는 것과 비슷합니다. 역사 만 보아도 문제는 사실상 미래에 적용될 수도 또는 적용되지 않을 수도있는 하나의 롤 또는 가능한 결과를 나타냅니다. Monte Carlo 시뮬레이션은 광범위한 가능성을 고려하고 불확실성을 줄이는 데 도움이됩니다. Monte Carlo 시뮬레이션은 매우 유연합니다. 우리는 모든 매개 변수 하에서 위험 가정을 다양화할 수 있으므로 가능한 결과의 범위를 모델링 할 수 있습니다. 미래의 여러 결과를 비교하고 모델을 검토중인 다양한 자산 및 포트폴리오로 사용자 정의 할 수 있습니다. (더 자세한 내용은 확률 분포에 맞는 것을 찾으십시오 .)

재무에서 몬테카를로 시뮬레이션의 응용 :

몬테카를로 시뮬레이션은 금융 및 기타 분야에서 많은 응용 분야를 가지고있다. Monte Carlo는 불확실성의 영향을받는 프로젝트 현금 흐름의 구성 요소를 모델링하기 위해 기업 금융에 사용됩니다. 그 결과 분석 대상 투자의 평균 NPV 및 변동성에 대한 관측과 함께 순 현재 가치 (NPV)의 범위가 결정됩니다. 따라서 투자자는 NPV가 0보다 큰 확률을 추정 할 수 있습니다.Monte Carlo는 기본 자산의 가격에 대한 수많은 무작위 경로가 생성되는 옵션 가격 책정에 사용되며 각각은 연관된 보수를가집니다. 이 보수는 현재 가격으로 다시 할인되고 옵션 가격을 얻기 위해 평균화됩니다. 이는 고정 수입 증권 및 금리 파생 상품의 가격 책정에도 유사하게 사용됩니다. 그러나 Monte Carlo 시뮬레이션은 포트폴리오 관리 및 개인 재무 계획에서 가장 광범위하게 사용됩니다. Monte Carlo 시뮬레이션 및 포트폴리오 관리 : 몬테카를로 시뮬레이션을 통해 애널리스트는 필요한 포트폴리오의 규모를 결정할 수 있습니다 (999 페이지의 자본 투자 의사 결정 - 증분 현금 흐름 참조). 원하는 은퇴 생활 양식 및 기타 원하는 선물 및 유산을 지원하기위한 은퇴. 그녀는 재투자 률, 인플레이션 율, 자산 수익률, 세율 및 가능한 수명의 분포를 고려합니다. 그 결과 고객의 원하는 지출 요구를 지원할 가능성이있는 포트폴리오 크기의 분포가 발생합니다.

애널리스트는 다음으로 몬테카를로 시뮬레이션을 사용하여 소유자의 퇴직 날짜에 포트폴리오의 예상 가치와 분포를 결정합니다. 시뮬레이션을 통해 애널리스트는 다중 기간보기를 사용하고 경로 종속성을 고려할 수 있습니다. 모든 기간의 포트폴리오 가치와 자산 배분은 선행 기간의 수익률과 변동성에 달려 있습니다. 분석가는 다양한 위험도의 다양한 자산 배분, 각 기간의 절감액 및 퇴직 일을 포함하여 자산과 배분의 서로 다른 상관 관계를 사용하여 도착 확률과 함께 포트폴리오 배포에 도달합니다 퇴직시 원하는 포트폴리오 가치. 고객의 다른 지출 비율 및 수명은 고객이 사망하기 전에 고객이 자금 부족 (파손 또는 수명 위험의 가능성)을 겪을 확률을 결정하기 위해 고려 될 수 있습니다.

고객의 위험 및 수익률 프로파일은 포트폴리오 관리 결정에 영향을 미치는 가장 중요한 요소입니다. 고객의 필수 수익은 퇴직 및 지출 목표의 함수입니다. 그녀의 위험 프로필은 위험을 감수하는 능력과 의지에 의해 결정됩니다. 종종 고객의 수익 및 위험 프로필은 서로 동기화되지 않습니다. 예를 들어, 그들에게 받아 들여지는 위험 수준은 원하는 수익을 얻는 것을 불가능하게하거나 매우 어렵게 만들 수 있습니다. 또한, 목표를 달성하기 위해 은퇴하기 전에 최소한의 금액이 필요할 수 있으며 고객의 라이프 스타일은 저축을 허용하지 않을 수도 있고 변경하지 않으려 고 할 수도 있습니다.

매년 열심히 일하고 비싼 휴가를 포함하여 호화로운 생활 방식을 취하는 젊은 직장인의 사례를 생각해 봅시다. 그들은 $ 170,000 (연간 약 14,000 달러)을 지출하고 자녀에게 1 백만 달러의 유산을 남기기위한 퇴직 목표를 가지고 있습니다. 애널리스트는 시뮬레이션을 실행하여 자신의 저축이 은퇴시 원하는 포트폴리오 가치를 구축하기에 불충분하다는 것을 발견합니다. 그러나 소형주에 대한 배당이 두 배가되면 (50 % - 70 %에서 25 % - 35 %로) 위험을 상당히 증가 시키면 달성 할 수 있습니다.위의 대안 (저축 증가 또는 위험 증가)은 고객이 수용 할 수 없습니다. 따라서 분석가는 시뮬레이션을 다시 실행하기 전에 다른 조정을 고려합니다. 그는 은퇴를 2 년 연기하고 월간 지출은 $ 12, 500 달러로 줄입니다. 결과 분배금은 8 % 만 작은 주식에 할당함으로써 원하는 포트폴리오 가치를 달성 할 수 있음을 보여줍니다. 이용 가능한 통찰력과 더불어, 그는 부부가 동의하는 은퇴를 늦추고 지출을 약간 줄이자 고 제안한다. Monte Carlo 시뮬레이션을 통해 분석가와 고문은 투자 기회를 선택 사항으로 전환 할 수 있습니다. Monte Carlo의 장점은 다양한 입력 값의 범위를 고려할 수 있다는 점입니다. 이것은 산출량이 투입물만큼 양호하기 때문에 가정이 공정해야한다는 의미에서 가장 큰 단점이다. 또 다른 큰 단점은 몬테카를로 시뮬레이션이 금융 위기와 같은 극한 곰 사건의 가능성을 과소 평가하는 경향이 있다는 것입니다. 사실, 전문가들은 몬테카를로와 같은 시뮬레이션이 금융 행위의 측면과 시장 참여자가 보여주는 비합리성을 고려하지 못한다고 주장합니다. 그러나 현명한 질문을 할 필요가있는 조언자를 처리 할 수있는 것은 유능한 종입니다.