การจำลอง Monte Carlo คืออะไรและทำไมเราถึงต้องการมัน
นักวิเคราะห์สามารถประเมินผลตอบแทนที่เป็นไปได้ในหลาย ๆ ทาง วิธีการทางประวัติศาสตร์ซึ่งเป็นที่นิยมที่สุดพิจารณาความเป็นไปได้ทั้งหมดที่เกิดขึ้นแล้ว อย่างไรก็ตามนักลงทุนไม่ควรหยุดที่นี่ วิธีมอนติคาร์โลเป็นวิธีสุ่ม (สุ่มตัวอย่างอินพุต) เพื่อแก้ปัญหาทางสถิติและการจำลองเป็นการแทนค่าเสมือนของปัญหา การจำลอง Monte Carlo เป็นการรวมสองสิ่งเข้าด้วยกันเพื่อมอบเครื่องมืออันทรงพลังที่ช่วยให้เราได้รับการแจกแจง (อาร์เรย์) ของผลลัพธ์สำหรับปัญหาทางสถิติใด ๆ ที่มีอินพุตจำนวนมากตัวอย่างซ้ำแล้วซ้ำอีก (ดูเพิ่มเติมที่: Stochastics: ตัวบ่งชี้การซื้อและขายที่แม่นยำ )
การจำลองแบบมอนติคาร์โลยังไม่เข้าใจ
การจำลองของมอนติคาร์โลสามารถเข้าใจได้ดีที่สุดโดยการคิดถึงคนขว้างปาลูกเต๋า นักการพนันมือใหม่ที่เล่น craps เป็นครั้งแรกจะไม่มีเงื่อนงำว่าอัตราเดิมพันใดที่จะหมุนหกในการรวมกันใด ๆ (เช่นสี่และสองสามและสามหนึ่งและห้า) อัตราต่อรองของการกลิ้งสองสามหรือที่เรียกว่า "ยากหกคืออะไร" การขว้างลูกเต๋าหลายครั้งซึ่งเป็นการดีเลิศหลายล้านครั้งจะทำให้เกิดการกระจายของผลลัพธ์ซึ่งจะบอกให้เราทราบว่าการทอยลูกเต๋าหกครั้งนั้นน่าจะเป็นการยากหกครั้ง เป็นการดีที่เราควรดำเนินการทดสอบเหล่านี้อย่างมีประสิทธิภาพและรวดเร็วซึ่งเป็นสิ่งที่การจำลอง Monte Carlo เสนอ
ราคาสินทรัพย์หรือมูลค่าในอนาคตของพอร์ตการลงทุนไม่ได้ขึ้นอยู่กับการทอยลูกเต๋า แต่บางครั้งราคาสินทรัพย์จะคล้ายกับการเดินสุ่ม ปัญหาเกี่ยวกับการค้นหาประวัติเพียงอย่างเดียวคือมันแสดงให้เห็นถึงผลเพียงหนึ่งม้วนหรือผลลัพธ์ที่น่าจะเป็นซึ่งอาจหรืออาจไม่สามารถใช้ในอนาคต การจำลอง Monte Carlo พิจารณาถึงความเป็นไปได้ที่หลากหลายและช่วยให้เราลดความไม่แน่นอน การจำลองแบบมอนติคาร์โลนั้นมีความยืดหยุ่นมาก มันช่วยให้เราสามารถตั้งสมมติฐานความเสี่ยงที่แตกต่างกันภายใต้พารามิเตอร์ทั้งหมด เราสามารถเปรียบเทียบผลลัพธ์ในอนาคตหลายรายการและปรับแต่งโมเดลเป็นสินทรัพย์และพอร์ตการลงทุนที่หลากหลายภายใต้การตรวจสอบ (สำหรับข้อมูลเพิ่มเติมให้ดูที่: ค้นหาสิ่งที่เหมาะสมกับการแจกแจงความน่าจะเป็น )
การประยุกต์การจำลองมอนติคาร์โลในด้านการเงิน
การจำลอง Monte Carlo มีการใช้งานมากมายในด้านการเงินและด้านอื่น ๆ Monte Carlo ใช้ในการเงินขององค์กรเพื่อจำลององค์ประกอบของกระแสเงินสดของโครงการซึ่งได้รับผลกระทบจากความไม่แน่นอน ผลที่ได้คือช่วงของมูลค่าปัจจุบันสุทธิ (NPVs) พร้อมกับการสังเกตเกี่ยวกับ NPV เฉลี่ยของการลงทุนภายใต้การวิเคราะห์และความผันผวน นักลงทุนสามารถประเมินความน่าจะเป็นที่ NPV จะมากกว่าศูนย์ Monte Carlo ใช้สำหรับการกำหนดราคาตัวเลือกที่สร้างเส้นทางสุ่มจำนวนมากสำหรับราคาของสินทรัพย์อ้างอิงแต่ละรายการนั้นมีการจ่ายผลตอบแทนที่เกี่ยวข้อง การจ่ายเงินตอบแทนเหล่านี้จะถูกลดราคากลับสู่ปัจจุบันและโดยเฉลี่ยเพื่อรับราคาตัวเลือก มันถูกใช้ในทำนองเดียวกันสำหรับการกำหนดราคาตราสารหนี้และตราสารอนุพันธ์อัตราดอกเบี้ย แต่การจำลอง Monte Carlo นั้นถูกใช้อย่างกว้างขวางที่สุดในการจัดการพอร์ตโฟลิโอและการวางแผนทางการเงินส่วนบุคคล (ดูเพิ่มเติมที่: การตัดสินใจลงทุน - กระแสเงินสดที่เพิ่มขึ้น )
การจำลอง Monte Carlo และการจัดการพอร์ตโฟลิโอ
การจำลอง Monte Carlo ช่วยให้นักวิเคราะห์สามารถกำหนดขนาดของพอร์ทโฟลิโอที่จำเป็นสำหรับการเกษียณอายุเพื่อรองรับไลฟ์สไตล์การเกษียณอายุที่ต้องการและของขวัญและมรดกที่ต้องการอื่น ๆ เธอคำนึงถึงการกระจายของอัตราการลงทุนใหม่อัตราเงินเฟ้อผลตอบแทนระดับสินทรัพย์อัตราภาษีและอายุการใช้งานที่เป็นไปได้ ผลลัพธ์คือการกระจายขนาดพอร์ตโฟลิโอที่มีความน่าจะเป็นในการรองรับความต้องการด้านการใช้จ่ายที่ลูกค้าต้องการ
นักวิเคราะห์ต่อไปใช้การจำลอง Monte Carlo เพื่อกำหนดมูลค่าที่คาดหวังและการกระจายของพอร์ตการลงทุน ณ วันที่เกษียณอายุของเจ้าของ การจำลองช่วยให้นักวิเคราะห์ใช้มุมมองหลายช่วงเวลาและปัจจัยในการพึ่งพาเส้นทาง; มูลค่าพอร์ตการลงทุนและการจัดสรรสินทรัพย์ในทุกช่วงเวลาขึ้นอยู่กับผลตอบแทนและความผันผวนในช่วงเวลาก่อนหน้า นักวิเคราะห์ใช้การจัดสรรสินทรัพย์ต่าง ๆ ที่มีระดับความเสี่ยงที่แตกต่างกันความสัมพันธ์ที่แตกต่างกันระหว่างสินทรัพย์และการกระจายของปัจจัยจำนวนมาก - รวมถึงการออมในแต่ละช่วงเวลาและวันที่เกษียณอายุ - เพื่อให้ถึงการกระจายพอร์ตการลงทุน ที่มูลค่าผลงานที่ต้องการเมื่อเกษียณอายุ อัตราการใช้จ่ายและอายุการใช้งานที่แตกต่างกันของลูกค้าสามารถนำมาเป็นปัจจัยในการกำหนดความน่าจะเป็นที่ลูกค้าจะหมดเงิน (ความน่าจะเป็นของการทำลายหรือความเสี่ยงในระยะยาว) ก่อนตาย
ความเสี่ยงและผลตอบแทนของลูกค้าเป็นปัจจัยที่สำคัญที่สุดที่มีอิทธิพลต่อการตัดสินใจจัดการพอร์ตโฟลิโอ ผลตอบแทนที่ลูกค้าต้องการเป็นหน้าที่ของการเกษียณอายุและเป้าหมายการใช้จ่ายของเธอ โปรไฟล์ความเสี่ยงของเธอนั้นพิจารณาจากความสามารถและความเต็มใจที่จะรับความเสี่ยง บ่อยครั้งที่ผลตอบแทนที่ต้องการและโปรไฟล์ความเสี่ยงของลูกค้าไม่สอดคล้องกัน ตัวอย่างเช่นระดับความเสี่ยงที่ลูกค้ายอมรับได้อาจทำให้เป็นไปไม่ได้หรือยากมากที่จะได้รับผลตอบแทนที่ต้องการ นอกจากนี้อาจจำเป็นต้องมีจำนวนขั้นต่ำก่อนเกษียณเพื่อให้บรรลุเป้าหมายของลูกค้า แต่ไลฟ์สไตล์ของลูกค้าจะไม่อนุญาตให้มีการออมหรือลูกค้าอาจลังเลที่จะเปลี่ยนแปลง
ลองพิจารณาตัวอย่างของคู่รักวัยทำงานที่ทำงานหนักมากและมีไลฟ์สไตล์ฟุ่มเฟือยรวมถึงวันหยุดพักผ่อนที่มีราคาแพงทุกปี พวกเขามีเป้าหมายในการเกษียณที่จะใช้จ่าย $ 170, 000 ต่อปี (ประมาณ $ 14, 000 ต่อเดือน) และปล่อยให้ทรัพย์สิน 1 ล้านเหรียญให้กับลูก ๆ นักวิเคราะห์ดำเนินการจำลองสถานการณ์และพบว่าการออมต่อระยะเวลาของพวกเขาไม่เพียงพอที่จะสร้างมูลค่าพอร์ตที่ต้องการเมื่อเกษียณอายุ อย่างไรก็ตามสามารถทำได้หากการจัดสรรหุ้นขนาดเล็กเป็นสองเท่า (สูงสุด 50 ถึง 70 เปอร์เซ็นต์จาก 25 ถึง 35 เปอร์เซ็นต์) ซึ่งจะเพิ่มความเสี่ยงได้มาก ไม่มีตัวเลือกใด ๆ ข้างต้น (การออมที่สูงขึ้นหรือความเสี่ยงที่เพิ่มขึ้น) เป็นที่ยอมรับของลูกค้า ดังนั้นนักวิเคราะห์จึงทำการปรับปัจจัยอื่น ๆ ก่อนทำการจำลองอีกครั้ง นักวิเคราะห์ชะลอการเกษียณของพวกเขาสองปีและลดการใช้จ่ายรายเดือนหลังเกษียณเป็น $ 12, 500 การกระจายผลลัพธ์แสดงว่ามูลค่าพอร์ตที่ต้องการสามารถทำได้โดยเพิ่มการจัดสรรให้กับหุ้นขนาดเล็กเพียง 8 เปอร์เซ็นต์ ด้วยข้อมูลเชิงลึกที่มีนักวิเคราะห์แนะนำให้ลูกค้าชะลอการเกษียณอายุและลดค่าใช้จ่ายเล็กน้อยซึ่งคู่สามีภรรยาเห็นด้วย (โปรดดูข้อมูลเพิ่มเติมที่: การวางแผนการเกษียณอายุของคุณโดยใช้การจำลองสถานการณ์ของ Monte Carlo )
บรรทัดล่าง
การจำลอง Monte Carlo ช่วยให้นักวิเคราะห์และที่ปรึกษาเปลี่ยนโอกาสในการลงทุนให้เป็นทางเลือก ข้อได้เปรียบของ Monte Carlo คือความสามารถในการคำนึงถึงปัจจัยในช่วงของค่าสำหรับอินพุตที่หลากหลาย นี่เป็นข้อเสียที่ยิ่งใหญ่ที่สุดในแง่ที่ว่าสมมติฐานจำเป็นต้องมีความยุติธรรมเนื่องจากผลลัพธ์นั้นดีพอ ๆ กับปัจจัยการผลิต ข้อเสียที่สำคัญอีกข้อหนึ่งคือการจำลองสถานการณ์ของมอนติคาร์โลมีแนวโน้มที่จะประเมินความน่าจะเป็นของเหตุการณ์ที่รุนแรงเช่นวิกฤตการณ์ทางการเงิน ในความเป็นจริงผู้เชี่ยวชาญยืนยันว่าการจำลองเช่น Monte Carlo ไม่สามารถเป็นปัจจัยในด้านพฤติกรรมของการเงินและความไร้เหตุผลที่แสดงโดยผู้เข้าร่วมตลาด อย่างไรก็ตามเป็นเครื่องมือที่มีประโยชน์สำหรับที่ปรึกษา
