Uso del análisis de Monte Carlo para estimar el riesgo
El modelo de Monte Carlo hace posible que investigadores de todo tipo de profesiones realicen múltiples ensayos y, por lo tanto, definan todos los resultados potenciales de un evento o una decisión. En la industria financiera, la decisión suele estar relacionada con una inversión. Cuando se combinan, todos los ensayos separados crean una distribución de probabilidad o una evaluación de riesgos para una inversión o evento determinado.
El análisis de Monte Carlo es una especie de técnica de modelado multivariante. Todos los modelos multivariados pueden considerarse ilustraciones complejas de «¿y si?» escenarios. Algunos de los modelos multivariados más conocidos son los que se utilizan para valorar las opciones sobre acciones. Los analistas de investigación los utilizan para pronosticar los resultados de las inversiones, comprender las posibilidades que rodean sus exposiciones de inversión y mitigar mejor sus riesgos.
Cuando los inversores utilizan el método Monte Carlo, los resultados se comparan con varios niveles de tolerancia al riesgo. Esto puede ayudar a las partes interesadas a decidir si procede o no con una inversión.
Conclusiones clave
- El modelo de Monte Carlo hace posible que investigadores de todo tipo de profesiones realicen múltiples ensayos y, por lo tanto, definan todos los resultados potenciales de un evento o una decisión.
- Al emplear el modelo de Monte Carlo, un usuario cambia el valor de múltiples variables para determinar su impacto potencial en la decisión que se está evaluando.
- En la industria financiera, la decisión suele estar relacionada con una inversión.
- Las distribuciones de probabilidad producidas por un modelo de Monte Carlo crean una imagen de riesgo.
Quién usa modelos multivariantes
Los modelos multivariados, como el modelo de Monte Carlo, son herramientas estadísticas populares que utilizan múltiples variables para pronosticar posibles resultados. Al emplear un modelo multivariado, un usuario cambia el valor de múltiples variables para determinar su impacto potencial en la decisión que se está evaluando.
Muchos tipos diferentes de profesiones utilizan modelos multivariados. Los analistas financieros pueden utilizar modelos multivariados para estimar los flujos de efectivo y las ideas de nuevos productos. Los administradores de cartera y los asesores financieros los utilizan para determinar el impacto de las inversiones en el rendimiento y el riesgo de la cartera. Las compañías de seguros los utilizan para estimar el potencial de siniestros y para fijar el precio de las pólizas.
El modelo Monte Carlo lleva el nombre de la ubicación geográfica, Monte Carlo (técnicamente un área administrativa del Principado de Mónaco), que se ha hecho famoso por la proliferación de casinos.1
Resultados y probabilidades
Con los juegos de azar, como los que se juegan en los casinos, se conocen todos los posibles resultados y probabilidades. Sin embargo, con la mayoría de las inversiones se desconoce el conjunto de resultados futuros.
Depende del analista determinar los resultados, así como la probabilidad de que ocurran. En el modelado de Monte Carlo, el analista ejecuta varios ensayos (a veces incluso miles de ellos) para determinar todos los resultados posibles y la probabilidad de que ocurran.
El análisis de Monte Carlo es útil porque muchas decisiones comerciales y de inversión se toman sobre la base de un resultado. En otras palabras, muchos analistas derivan un escenario posible y luego comparan ese resultado con los diversos impedimentos para ese resultado para decidir si proceder.
Estimaciones pro forma
La mayoría de las estimaciones pro forma comienzan con un caso base. Al ingresar el supuesto de mayor probabilidad para cada factor, un analista puede derivar el resultado de mayor probabilidad. Sin embargo, tomar decisiones sobre la base de un caso base es problemático, y crear un pronóstico con un solo resultado es insuficiente porque no dice nada sobre otros valores posibles que podrían ocurrir.
Tampoco dice nada sobre la posibilidad muy real de que el valor futuro real sea algo distinto de la predicción del caso base. Es imposible protegerse contra una ocurrencia negativa si los impulsores y las probabilidades de estos eventos no se calculan con anticipación.
Creando el modelo
Una vez diseñado, la ejecución de un modelo Monte Carlo requiere una herramienta que seleccione aleatoriamente los valores de los factores que están sujetos a ciertas condiciones predeterminadas. Al ejecutar una serie de ensayos con variables restringidas por sus propias probabilidades independientes de ocurrencia, un analista crea una distribución que incluye todos los resultados posibles y las probabilidades de que ocurran.
Hay muchos generadores de números aleatorios en el mercado. Las dos herramientas más comunes para diseñar y ejecutar modelos Monte Carlo son @Risk y Crystal Ball. Ambos se pueden utilizar como complementos para hojas de cálculo y permiten incorporar el muestreo aleatorio en modelos de hoja de cálculo establecidos.
Restricciones correctas
El arte de desarrollar un modelo de Monte Carlo apropiado es determinar las restricciones correctas para cada variable y la relación correcta entre las variables. Por ejemplo, debido a que la diversificación de la cartera se basa en la correlación entre activos, cualquier modelo desarrollado para crear valores de cartera esperados debe incluir la correlación entre inversiones.
Para elegir la distribución correcta para una variable, es necesario comprender cada una de las posibles distribuciones disponibles. Por ejemplo, la más común es una distribución normal, también conocida como curva de campana .
Distribución normal y desviación estándar
En una distribución normal, todas las ocurrencias se distribuyen por igual alrededor de la media. La media es el evento más probable. Los fenómenos naturales, la altura de las personas y la inflación son algunos ejemplos de insumos que se distribuyen normalmente.
En el análisis de Monte Carlo, un generador de números aleatorios elige un valor aleatorio para cada variable dentro de las restricciones establecidas por el modelo. Luego produce una distribución de probabilidad para todos los resultados posibles.
La desviación estándar de esa probabilidad es una estadística que denota la probabilidad de que el resultado real que se estima sea algo diferente al evento medio o más probable. Suponiendo que una distribución de probabilidad se distribuye normalmente, aproximadamente el 68% de los valores estarán dentro de una desviación estándar de la media, aproximadamente el 95% de los valores estarán dentro de dos desviaciones estándar y aproximadamente el 99,7% estará dentro de tres desviaciones estándar de la media..
Esto se conoce como la «regla 68-95-99.7″ o la » regla empírica «.
Quién usa el método
Los análisis de Monte Carlo no solo los realizan profesionales financieros, sino también muchas otras empresas. Es una herramienta de toma de decisiones que asume que cada decisión tendrá algún impacto en el riesgo general.
Cada individuo e institución tiene una tolerancia al riesgo diferente. Eso hace que sea importante calcular el riesgo de cualquier inversión y compararlo con la tolerancia al riesgo de la persona.
Las distribuciones de probabilidad producidas por un modelo de Monte Carlo crean una imagen de riesgo. Esa imagen es una forma eficaz de transmitir los resultados a otros, como superiores o posibles inversores. Hoy en día, cualquier persona con acceso a una computadora personal puede diseñar y ejecutar modelos de Monte Carlo muy complejos.