Det är självklart att risk alltid är en del av att investera, även om du spelar säkert. Så att analysera din risknivå och förutsäga hur det kan påverka dina investeringar är avgörande. Ett av de mer populära sätten att göra detta är det som kallas "Monte Carlo -simuleringen". Men vad är det? Och kan det exakt förutsäga dina investeringsresultat?
Monte Carlo -simuleringen skapades i slutet av 1940 -talet av Stanislaw Ulam. Han var en lysande polsk-amerikansk matematiker. Han arbetade på Manhattan -projektet, som utvecklade den första atombomben. Och han upptäckte också cellulär automation och planterade fröna för utveckling av kärnpulsdrivning.
Historien berättar att Ulam återhämtade sig från hjärnkirurgi och flög iväg timmarna genom att spela otaliga patiensspel. Han blev fascinerad av att planera resultatet av varje spel för att observera kortens fördelning och för att avgöra sannolikheten för att vinna.
Dessa observationer fick honom att utveckla Monte Carlo -simuleringen (eller Monte Carlo -modellen, som det ibland kallas) i samarbete med sin kollega John von Neumann. De namngav det efter den glamorösa spelhuvudstaden i Monaco, eftersom det handlar om slump och slumpmässiga resultat som inte är olikt vad du skulle hitta i ett spel roulette.
Varför använda den här modellen?
Monte Carlo -simuleringen låter dig se alla möjliga utfall av dina beslut och bedöma riskens inverkan. Detta möjliggör bättre beslutsfattande inför osäkerhet.
Simuleringen är i huvudsak en datoriserad matematisk teknik som låter människor ta hänsyn till risken kvantitativ analys och beslutsfattande. Den ger alla möjliga utfall för ett givet val av åtgärd och berättar hur sannolikt de kommer att inträffa.
Tillämpat på din investeringsportfölj betyder det att du kan använda Monte Carlo -simuleringen för att hjälpa dig att analysera alla dina riskfaktorer. Det kan visa dig resultatet av att investera i olika ytterligheter, från mycket konservativt till mycket riskabelt. Och naturligtvis kan det också visa vad som skulle hända om du fattade "mitt på vägen" -beslut. Detta är särskilt användbart för investerare som vill analysera alternativ spelar.
Hur Monte Carlo -simuleringen fungerar
Monte Carlo -simuleringen bygger modeller av potentiella resultat genom att ersätta en rad värden för varje osäker faktor. Detta är känt som sannolikhetsfördelning. Simuleringen går sedan igenom alla möjliga resultat och använder en annan uppsättning slumpmässiga värden varje gång. Detta kan ta tiotusentals beräkningar.
Under en Monte Carlo -simulering samplas värden slumpmässigt från indatasannolikhetsfördelningarna. Varje uppsättning prover definieras som en iteration. Resultatet från varje prov registreras sedan.
Monte Carlo -simuleringen är särskilt tillämplig på affärs- och finanssektorn eftersom de ofta är inblandade i slumpmässiga variabler. Den används för att uppskatta sannolikheten för kostnadsöverskridanden i stora projekt. Det kan avgöra sannolikheten för att ett tillgångspris kommer att förändras på ett visst sätt. Telekomföretag använder den också för att bedöma nätverksprestanda i olika scenarier. Detta hjälper dem att optimera nätverket.
Dessutom kan denna modell användas för att bedöma risken för att ett företag kommer att misslyckas och för att analysera derivat som optioner. Men Monte Carlo -simuleringen har också många tillämpningar utanför näringslivet och finanser, såsom försäkring, olja, meteorologi, astronomi och partikelfysik.
Hur investerare kan använda Monte Carlo -simuleringen
Men vi är investerare, så vi vill tillämpa Monte Carlo -simuleringen för att se potentiella resultat i våra portföljer. Visst, vi kan räkna ut de olika möjligheterna själva, men det kan vara tidskrävande (hoppas att du gillar kalkylblad). Lyckligtvis finns det några finansiella tjänster på nätet som använder denna simulering för att hjälpa dig med ditt konto.
Ett av de praktiska verktygen som Förtrupp erbjuder sina användare sin "Pensionering Nest Egg Calculator." Med detta verktyg bestämmer Vanguards algoritmer möjliga utfall för din pensionsportfölj med hjälp av Monte Carlo -simuleringen. Den tar hänsyn till ditt utgångssaldo, årliga utgifter och portföljtilldelning. Sedan kör den den genom otaliga möjliga marknadsscenarier. Räknaren hjälper dig att avgöra sannolikheten för att din portfölj kommer att vara under din pension.
Personligt kapital använder också Monte Carlo -simuleringen som grund för ett av sina populära portföljverktyg. Tjänsten beräknar din troliga årliga avkastning och standardavvikelse för din portföljs nuvarande och måldispositioner. Enligt Personligt kapital, medianscenariot ”representerar simuleringarnas mittpunkt och kan betraktas som ett förväntat värde baserat på historiska resultat. ” Det ger dig också ett "worst case" -resultat där endast 10% av simuleringarna klarade sig värre. Personal Capitals mål är att visa hur dålig diversifiering skulle kunna klara sig i ett ”dåligt marknadsscenario”.
Ellevest, som grundades som ett robo -investeringsverktyg för kvinnor, ger prognoser som återspeglar en 70% sannolikhet att nå de mål som du sätter upp på plattformen. Tjänsten använder en Monte Carlo -simulering för att testa alla möjliga resultat för att mäta hur bra dina investeringar skulle göra i olika ekonomiska situationer.
Bristerna i Monte Carlo -simuleringen
Naturligtvis är inte allt perfekt - inklusive Monte Carlo -simuleringen. Och tyvärr finns det ingen kristallkula i att investera.
Den kanske största strejken mot modellen är att den kan vara värdelös i fallet med en björnmarknad. Simuleringen kan lulle sina användare till en falsk känsla av säkerhet. Simuleringen beror på konstant volatilitet. Men marknaderna är ökänt oförutsägbara. Faktum är att ett antal Monte Carlo -simuleringar slängdes av 2008 års volatila börsutveckling.
Slutsats
Att använda en Monte Carlo -simulering kan vara till hjälp för dig som ett fönster in i din portföljs potentiella framtid. Men det ska inte ses som den absoluta sanningen. Det är ett bra verktyg för att hjälpa dig att fatta beslut om din tillgångstilldelning, men det är viktigt att komma ihåg att marknaderna kan - och sannolikt kommer att - vara volatila och oförutsägbara.