Mô hình đa biến: Phương pháp phân tích Monte Carlo

Tháng Mười 17, 2018

Các nhà phân tích nghiên cứu sử dụng các mô hình đa biến để dự báo kết quả đầu tư để hiểu các khả năng xung quanh sự tiếp xúc đầu tư của họ và giảm thiểu rủi ro tốt hơn. Phân tích Monte Carlo là một kỹ thuật mô hình đa biến cụ thể cho phép các nhà nghiên cứu chạy nhiều thử nghiệm và xác định tất cả các kết quả tiềm năng của một sự kiện hoặc đầu tư. Việc chạy mô hình Monte Carlo tạo ra phân bố xác suất hoặc đánh giá rủi ro cho một sự đầu tư hoặc sự kiện cụ thể đang được xem xét. Bằng cách so sánh kết quả đúng sai với rủi ro, người quản lý có thể quyết định xem có tiến hành một số dự án hoặc đầu tư nhất định hay không.


Mô hình đa biến


Các mô hình đa biến có thể được coi là phức tạp, kịch bản “Điều gì xảy ra nếu?”. Bằng cách thay đổi giá trị của nhiều biến, người lập mô hình có thể xác định tác động của họ đối với ước tính đang được đánh giá. Các mô hình này được sử dụng bởi các nhà phân tích tài chính để ước tính dòng tiền và ý tưởng sản phẩm mới. Các nhà quản lý danh mục đầu tư và cố vấn tài chính sử dụng các mô hình này để xác định tác động của các khoản đầu tư đến hiệu suất danh mục đầu tư và rủi ro. Các công ty bảo hiểm sử dụng các mô hình này để ước tính tiềm năng cho các khiếu nại và chính sách giá. Một số mô hình đa biến nổi tiếng nhất là những mô hình được sử dụng để đánh giá các tùy chọn cổ phiếu. Các mô hình đa biến cũng giúp các nhà phân tích xác định các trình điều khiển thực sự có giá trị.


Phân tích Monte Carlo


Phân tích Monte Carlo được đặt theo tên của công quốc nổi tiếng bởi các sòng bạc của nó. Với các trò chơi may rủi, tất cả các kết quả có thể có và xác suất được biết, nhưng với hầu hết các khoản đầu tư, tập hợp các kết quả trong tương lai là không xác định. Việc phân tích kết quả và xác suất mà chúng sẽ xảy ra là tùy thuộc vào nhà phân tích. Trong mô hình Monte Carlo, nhà phân tích chạy nhiều thử nghiệm (thường là hàng nghìn) để xác định tất cả các kết quả có thể xảy ra và xác suất mà chúng sẽ xảy ra.


Phân tích Monte Carlo rất hữu ích cho các nhà phân tích vì nhiều quyết định đầu tư và kinh doanh được thực hiện trên cơ sở một kết quả. Nói cách khác, nhiều nhà phân tích lấy được một kịch bản có thể xảy ra và sau đó so sánh nó để trả lại các rào cản để quyết định có nên tiếp tục hay không. Hầu hết các ước tính pro forma bắt đầu với một trường hợp cơ sở. Bằng cách nhập giả thiết xác suất cao nhất cho từng yếu tố, một nhà phân tích thực sự có thể đạt được kết quả xác suất cao nhất. Tuy nhiên, đưa ra bất kỳ quyết định nào dựa trên cơ sở của một trường hợp cơ sở là có vấn đề, và tạo ra một dự báo chỉ có một kết quả là không đủ bởi vì nó không nói gì về bất kỳ giá trị nào có thể xảy ra. Nó cũng không nói gì về cơ hội rất thực tế rằng giá trị tương lai thực tế sẽ là cái gì đó khác với dự đoán trường hợp cơ bản. Không thể bảo vệ hoặc bảo đảm chống lại sự xuất hiện âm nếu các trình điều khiển và xác suất của các sự kiện này không được tính toán trước. (Để tìm hiểu thêm về cách quản lý rủi ro trong danh mục của bạn, hãy xem hướng dẫn về Rủi ro và Đa dạng hóa của BBM Trade.)


Xem thêm Cách xem biểu đồ trong forex


Tạo mô hình


Sau khi được thiết kế, việc thực hiện mô hình Monte Carlo yêu cầu một công cụ sẽ chọn ngẫu nhiên các giá trị hệ số bị ràng buộc bởi một số điều kiện nhất định. Bằng cách chạy một số thử nghiệm với các biến bị ràng buộc bởi xác suất độc lập của riêng chúng, một nhà phân tích tạo ra một phân phối bao gồm tất cả các kết quả có thể và xác suất mà chúng sẽ xảy ra. Có nhiều máy tạo số ngẫu nhiên trên thị trường. Hai công cụ phổ biến nhất để thiết kế và thực hiện các mô hình Monte Carlo là @Risk và Crystal Ball. Cả hai điều này có thể được sử dụng làm bổ trợ cho bảng tính và cho phép lấy mẫu ngẫu nhiên vào các mô hình bảng tính đã được thiết lập.


Nghệ thuật trong việc phát triển một mô hình Monte Carlo thích hợp là xác định các ràng buộc chính xác cho mỗi biến và mối quan hệ chính xác giữa các biến. Ví dụ, vì đa dạng hóa danh mục dựa trên sự tương quan giữa các tài sản, bất kỳ mô hình nào được phát triển để tạo ra các giá trị danh mục dự kiến ​​phải bao gồm sự tương quan giữa các khoản đầu tư. (Để tìm hiểu thêm, hãy đọc Tầm quan trọng của đa dạng hóa.)


Để chọn phân phối chính xác cho một biến, người ta phải hiểu từng phân phối có thể có sẵn. Ví dụ, một trong những phổ biến nhất là một phân phối bình thường, còn được gọi là một đường cong chuông. Trong một phân bố chuẩn, tất cả các lần xuất hiện đều được phân bố đều nhau (đối xứng) xung quanh giá trị trung bình. Trung bình là sự kiện có thể xảy ra nhất. Hiện tượng tự nhiên, chiều cao của người dân và lạm phát là một số ví dụ về đầu vào thường được phân phối.


Trong phân tích Monte Carlo, một bộ tạo số ngẫu nhiên chọn một giá trị ngẫu nhiên cho mỗi biến (trong các ràng buộc do mô hình thiết lập) và tạo phân phối xác suất cho tất cả các kết quả có thể có. Độ lệch chuẩn của xác suất đó là một số liệu thống kê biểu thị khả năng kết quả thực tế được ước tính sẽ là một cái gì đó khác với sự kiện trung bình hoặc có thể xảy ra nhất. Giả sử phân phối xác suất thường được phân phối, khoảng 68% giá trị sẽ nằm trong một độ lệch chuẩn của trung bình, khoảng 95% giá trị sẽ nằm trong hai độ lệch chuẩn và khoảng 99,7% sẽ nằm trong ba độ lệch chuẩn của giá trị trung bình. Điều này được gọi là “quy tắc 68-95-99.7” hoặc “quy tắc thực nghiệm”.


Ví dụ


Chúng ta hãy lấy ví dụ hai phân phối xác suất riêng biệt, phân bố thường được phân phối bắt nguồn từ phân tích nhân tố ngẫu nhiên hoặc từ nhiều kịch bản của một mô hình Monte Carlo.



Phân phối xác suất - mô hình Monte Carlo - BBM Trade

Phân phối xác suất – mô hình Monte Carlo – Hình 1


Trong cả hai phân phối xác suất này, ở hình 1 giá trị kỳ vọng hoặc trường hợp cơ sở đều bằng 200. Không có phân tích kịch bản thực hiện, sẽ không có cách nào so sánh hai ước tính này và có thể kết luận nhầm rằng chúng có lợi như nhau.


Trong hai phân phối xác suất, cả hai đều có cùng giá trị nhưng có giá trị chuẩn là 100, trong khi giá trị kia có độ lệch chuẩn là 200. Điều này có nghĩa là trong phân tích kịch bản đầu tiên, có 68% khả năng kết quả sẽ là số từ 100 đến 300, trong khi ở mô hình thứ hai có 68% cơ hội kết quả sẽ là từ 0 đến 400. Với tất cả mọi thứ bằng nhau, cái có độ lệch chuẩn là 100 có kết quả điều chỉnh rủi ro tốt hơn. Ở đây, bằng cách sử dụng Monte Carlo để lấy được các phân phối xác suất, phân tích đã cho một nhà đầu tư một cơ sở để so sánh hai sáng kiến ​​đó.


Phân tích Monte Carlo cũng có thể giúp xác định liệu một số sáng kiến ​​nhất định có nên được thực hiện bằng cách xem xét rủi ro và trả lại hậu quả của việc thực hiện một số hành động nhất định hay không. Giả sử chúng ta muốn đặt nợ vào khoản đầu tư ban đầu của mình.



Phân tích Monte Carlo - BBM Trade

Phân tích Monte Carlo – Hình 2


Các phân phối trong Hình 2 cho thấy kết quả ban đầu và kết quả sau khi mô hình hóa các ảnh hưởng của đòn bẩy. Phân tích đòn bẩy mới của BBM Trade cho thấy sự gia tăng giá trị kỳ vọng từ 200 đến 400, nhưng với rủi ro tài chính tăng lên. Nợ đã tăng giá trị kỳ vọng lên 200 nhưng cũng là độ lệch chuẩn. Trước khi 1 độ lệch chuẩn là phạm vi từ 100 đến 300. Bây giờ với nợ, 68% giá trị (1 độ lệch chuẩn) giảm từ 0 đến 400. Bằng cách sử dụng phân tích kịch bản, nhà đầu tư hiện có thể xác định xem tăng thêm bằng hoặc lớn hơn thêm rủi ro (thay đổi các kết quả tiềm năng) đi kèm với việc thực hiện sáng kiến ​​mới này.


Phần kết luận


Phân tích Monte Carlo không chỉ được thực hiện bởi các chuyên gia tài chính mà còn bởi nhiều doanh nghiệp khác. Nó là một công cụ ra quyết định tích hợp khái niệm rằng mọi quyết định sẽ có một số tác động đến rủi ro tổng thể. Mỗi cá nhân và tổ chức đều có các dung sai rủi ro / trả lại khác nhau. Như vậy, điều quan trọng là hồ sơ rủi ro / trả về của bất kỳ khoản đầu tư nào được tính toán và so sánh với dung sai rủi ro.


Các phân bố xác suất được tạo ra bởi một mô hình Monte Carlo tạo ra một bức tranh về rủi ro. Hình ảnh là một cách dễ dàng để truyền tải ý tưởng cho người khác, chẳng hạn như cấp trên hoặc nhà đầu tư tiềm năng. Do những tiến bộ trong phần mềm, các mô hình Monte Carlo rất phức tạp có thể được thiết kế và thực thi bởi bất kỳ ai có quyền truy cập vào máy tính cá nhân.


Xem thêm Cách tính tỷ giá chéo


Thông tin được cập nhập bởi những nhà đầu tư có nhiều kinh nghiệm của Công ty BBM Trade.