Monte Carlo Simulation

Definición: Una simulación de Monte Carlo (también conocida como análisis de Monte Carlo) es una sofisticada técnica computarizada que aplica la teoría de la probabilidad al análisis financiero. Busca medir los posibles impactos de eventos aleatorios o fortuitos en, por ejemplo, los rendimientos de inversión y los resultados comerciales. El nombre se deriva de la del famoso casino de Monte Carlo en Mónaco, y evoca juegos de azar que involucran dados, ruletas o cartas.

De hecho, gran parte de la teoría de la probabilidad moderna se deriva de los esfuerzos para cuantificar las probabilidades en tales juegos.

Aplicaciones: Por lo general, los analistas de valores, los analistas de proyectos y los departamentos de presupuestos corporativos (para citar solo algunos ejemplos) desarrollan o analizan solo un escenario base único. Al aplicar el análisis de Monte Carlo, pueden crear modelos predictivos que ofrecen más información, en forma de rangos de resultados probables. Los consultores de pensiones más avanzados y los planificadores de jubilación se encuentran entre los profesionales financieros que utilizan esta metodología. También tiene un valor obvio para los gerentes de riesgo para usar en la cuantificación de los riesgos comerciales.

Metodología: Más comúnmente desarrollada por los departamentos y quants de la administración de ciencias, en el corazón de la simulación de Monte Carlo está el uso de un generador computarizado de números aleatorios para variar las entradas en un modelo financiero. A cada variable en el modelo se le asigna un rango probable de resultados, basado en análisis de datos previos.

Luego, cada vez que se ejecuta el modelo, la computadora asignará aleatoriamente valores a esas variables, dentro de los rangos especificados. El modelo se ejecuta normalmente para miles de iteraciones, con nuevas variables de entrada generadas aleatoriamente cada vez. Los resultados en todas estas simulaciones se tabulan y se resumen en una distribución de probabilidad.

Forma de resultados y resultados: En lugar de simplemente un escenario base más probable, una simulación de Monte Carlo generalmente produce un rango de resultados que se aproxima a una distribución normal (popularmente llamada forma de campana) curva), con probabilidades unidas a cada rango. Por ejemplo, usando un modelo creado para pronosticar los beneficios de una empresa el próximo año, una simulación Monte Carlo puede producir resultados de este tipo:

• Resultado mediano o más probable: $ 15 millones en ganancias
• 66% de probabilidad de ganancias entre $ 13 millones y $ 17 millones
• 95% probabilidad de ganancias entre $ 11 millones y $ 19 millones
• 99% probabilidad de ganancias entre $ 9 millones y $ 21 millones

Advertencias: Los resultados de un análisis Monte Carlo o la simulación estará determinada por los supuestos utilizados en su diseño. Como en cualquier modelo financiero, la exactitud de los supuestos es clave. En particular, con una simulación Monte Carlo, los rangos de valores posibles asignados a cada variable constituyen un conjunto crítico de suposiciones en las que descansa toda la empresa, junto con la metodología para convertir los números aleatorios generados por la computadora en valores dentro de estos rangos.