Det siger sig selv, at risiko altid er en del af at investere, selvom du spiller sikkert. Så at analysere dit risikoniveau og forudsige, hvordan det kan påvirke dine investeringer er afgørende. En af de mere populære måder at gøre dette på er det, der er kendt som "Monte Carlo -simuleringen". Men hvad er det? Og kan det præcist forudsige dine investeringsresultater?
Monte Carlo -simuleringen blev skabt i slutningen af 1940'erne af Stanislaw Ulam. Han var en strålende polsk-amerikansk matematiker. Han arbejdede på Manhattan -projektet, der udviklede den første atombombe. Og han opdagede også cellulær automatisering og plantede frøene til udvikling af atompulsfremdrivning.
Historien fortæller, at Ulam var ved at komme sig efter hjernekirurgi og sluge timerne ved at spille utallige spil kabal. Han blev fascineret af at planlægge resultatet af hvert spil for at observere korternes fordeling og for at bestemme sandsynligheden for at vinde.
Disse observationer fik ham til at udvikle Monte Carlo -simuleringen (eller Monte Carlo -modellen, som det undertiden kaldes) i partnerskab med sin kollega John von Neumann. De opkaldte det efter den glamourøse spilhovedstad i Monaco, da det handler om tilfældigheder og tilfældige resultater, der ikke ligner det, du ville finde i et spil roulette.
Hvorfor bruge denne model?
Monte Carlo -simuleringen lader dig se alle mulige resultater af dine beslutninger og vurdere virkningen af risiko. Dette giver mulighed for bedre beslutningstagning i lyset af usikkerhed.
Simuleringen er i det væsentlige en computeriseret matematisk teknik, der lader folk tage højde for risiko kvantitativ analyse og beslutningstagning. Den giver alle mulige resultater for ethvert givet valg af handling og fortæller dig, hvor sandsynligt de vil forekomme.
Anvendt på din investeringsportefølje betyder det, at du kan bruge Monte Carlo -simuleringen til at hjælpe dig med at analysere alle dine risikofaktorer. Det kan vise dig resultaterne af at investere i forskellige ekstremer, fra meget konservativ til meget risikabel. Og selvfølgelig kan det også vise, hvad der ville ske, hvis du tog beslutninger om "midt på vejen". Dette er især nyttigt for investorer, der ønsker at analysere muligheder spiller.
Sådan fungerer Monte Carlo -simuleringen
Monte Carlo -simuleringen bygger modeller af potentielle resultater ved at erstatte en række værdier med hver usikker faktor. Dette er kendt som Sandsynlighedsfordeling. Simuleringen løber derefter igennem alle de mulige resultater ved hjælp af et andet sæt tilfældige værdier hver gang. Dette kan tage titusinder af beregninger.
Under en Monte Carlo -simulering samles værdier tilfældigt fra input sandsynlighedsfordelingerne. Hvert sæt prøver er defineret som en iteration. Det resulterende resultat fra hver prøve registreres derefter.
Monte Carlo -simuleringen er især relevant for erhvervs- og finanssektoren, da de ofte er involveret i tilfældige variabler. Det bruges til at estimere sandsynligheden for omkostningsoverskridelser i store projekter. Det kan bestemme sandsynligheden for, at en aktivpris ændres på en bestemt måde. Teleselskaber bruger det også til at vurdere netværksydelse i forskellige scenarier. Dette hjælper dem med at optimere netværket.
Derudover kan denne model bruges til at vurdere risikoen for, at en virksomhed vil misligholde og til at analysere derivater såsom optioner. Men Monte Carlo -simuleringen har også mange applikationer uden for erhvervslivet og finanserne, såsom forsikring, olie, meteorologi, astronomi og partikelfysik.
Hvordan investorer kan bruge Monte Carlo -simuleringen
Men vi er investorer, så vi vil anvende Monte Carlo -simuleringen for at se potentielle resultater i vores porteføljer. Nok kan vi selv regne de forskellige muligheder ud, men det kan være tidskrævende (håber du kan lide regneark). Heldigvis er der et par online finansielle tjenester, der bruger denne simulering til at hjælpe dig med din konto.
Et af de praktiske værktøjer, der Vanguard tilbyder sine brugere sin "Retirement Nest Egg Calculator." Med dette værktøj bestemmer Vanguards algoritmer de mulige resultater for din pensionsportefølje ved hjælp af Monte Carlo -simuleringen. Det tager højde for din startbalance, årlige forbrug og porteføljeafdeling. Derefter kører den det gennem utallige mulige markedsscenarier. Regnemaskinen hjælper dig med at bestemme sandsynligheden for, at din portefølje vil vare, så længe du går på pension.
Personlig kapital bruger også Monte Carlo -simuleringen som grundlag for et af sine populære porteføljeværktøjer. Tjenesten beregner dit sandsynlige årlige afkast og standardafvigelse for din porteføljes nuværende og målallokeringer. Ifølge Personlig kapital, repræsenterer median -scenariet ”midtpunktet i simuleringerne og kan betragtes som en forventet værdi baseret på historiske resultater. ” Det giver dig også et “worst case” -resultat, hvor kun 10% af simuleringerne klarede sig værre. Personal Capital har til formål at demonstrere, hvordan dårlig diversificering kan klare sig i et "dårligt markedsscenario."
Ellevest, der blev grundlagt som et robo -investeringsværktøj til kvinder, giver prognoser, der afspejler en 70% sandsynlighed for at nå de mål, som du opstiller på platformen. Tjenesten bruger en Monte Carlo -simulering til at teste alle mulige resultater for at måle, hvor godt dine investeringer ville klare sig i forskellige økonomiske situationer.
Manglerne ved Monte Carlo -simuleringen
Selvfølgelig er ikke alt perfekt - inklusive Monte Carlo -simuleringen. Og desværre er der ikke noget, der hedder en krystalkugle i at investere.
Måske er den største strejke mod modellen, at den kan være ubrugelig i tilfælde af et bjørnemarked. Simuleringen kan lulle sine brugere i en falsk følelse af sikkerhed. Simuleringen afhænger af konstant volatilitet. Men markederne er berygtet uforudsigelige. Faktisk blev en række Monte Carlo -simuleringer kastet af den volatile aktiemarkedsresultat i 2008.
Konklusion
Brug af en Monte Carlo -simulering kan være nyttig for dig som et vindue ind i din porteføljes potentielle fremtid. Men det skal ikke tages som den absolutte sandhed. Det er et fantastisk værktøj til at hjælpe dig med at træffe beslutninger om din aktivallokering, men det er vigtigt at huske, at markederne kan - og sandsynligvis vil - være ustabile og uforudsigelige.