Simulasi Monte Carlo: Memahami Dasar-Dasar

Apa Simulasi Monte Carlo: Memahami Dasar-Dasar?

Analis dapat menilai kemungkinan pengembalian portofolio dengan berbagai cara. Pendekatan historis, yang paling populer, mempertimbangkan semua kemungkinan yang telah terjadi. Namun, investor tidak boleh berhenti di sini. Metode Monte Carlo adalah metode stokastik (random sampling of input) untuk memecahkan masalah statistik, dan simulasi adalah representasi virtual dari suatu masalah. Simulasi Monte Carlo menggabungkan keduanya untuk memberi kami alat canggih yang memungkinkan kami memperoleh distribusi (larik) hasil untuk masalah statistik apa pun dengan banyak input yang diambil sampelnya berulang kali.

Poin Penting

  • Metode Monte Carlo menggunakan pengambilan sampel informasi secara acak untuk memecahkan masalah statistik; sedangkan simulasi adalah cara untuk mendemonstrasikan strategi secara virtual.
  • Gabungan, simulasi Monte Carlo memungkinkan pengguna menghasilkan serangkaian hasil untuk masalah statistik dengan banyak titik data yang diambil sampelnya berulang kali.
  • Simulasi Monte Carlo dapat digunakan dalam keuangan perusahaan, penetapan harga opsi, dan terutama manajemen portofolio dan perencanaan keuangan pribadi. 
  • Sisi negatifnya, simulasi terbatas karena tidak dapat memperhitungkan pasar beruang, resesi, atau jenis krisis keuangan lainnya yang mungkin berdampak pada hasil potensial.

Simulasi Monte Carlo Demystified

Simulasi Monte Carlo dapat dipahami dengan baik dengan memikirkan seseorang yang melempar dadu. Seorang penjudi pemula yang memainkan dadu untuk pertama kalinya tidak akan tahu apa kemungkinan untuk mendapatkan angka enam dalam kombinasi apa pun (misalnya, empat dan dua, tiga dan tiga, satu dan lima). Berapa kemungkinan menggulung dua bertiga, juga dikenal sebagai “hard six?” Melempar dadu berkali-kali, idealnya beberapa juta kali, akan memberikan distribusi hasil yang representatif, yang akan memberi tahu kita seberapa besar kemungkinan lemparan enam akan menjadi enam sulit. Idealnya, kami harus menjalankan pengujian ini secara efisien dan cepat, yang persis seperti yang ditawarkan simulasi Monte Carlo .

Harga aset atau nilai masa depan portofolio tidak bergantung pada lemparan dadu, tetapi terkadang harga aset memang menyerupai jalan acak. Masalah dengan melihat sejarah saja adalah bahwa itu mewakili, pada dasarnya, hanya satu gulungan, atau hasil yang mungkin, yang mungkin atau mungkin tidak berlaku di masa depan. Simulasi Monte Carlo mempertimbangkan berbagai kemungkinan dan membantu kami mengurangi ketidakpastian. Simulasi Monte Carlo sangat fleksibel; ini memungkinkan kita untuk memvariasikan asumsi risiko di bawah semua parameter dan dengan demikian memodelkan berbagai kemungkinan hasil. Seseorang dapat membandingkan beberapa hasil masa depan dan menyesuaikan model dengan berbagai aset dan portofolio yang sedang ditinjau.

Referensi cepat

Simulasi Monte Carlo dapat mengakomodasi berbagai asumsi risiko dalam banyak skenario dan oleh karena itu dapat diterapkan pada semua jenis investasi dan portofolio.

Menerapkan Simulasi Monte Carlo

Simulasi Monte Carlo memiliki banyak aplikasi di bidang keuangan dan bidang lainnya. Monte Carlo digunakan dalam keuangan perusahaan untuk memodelkan komponen arus kas proyek , yang dipengaruhi oleh ketidakpastian. Hasilnya adalah kisaran nilai sekarang bersih (NPV) bersama dengan pengamatan pada NPV rata-rata dari investasi yang dianalisis dan volatilitasnya. Dengan demikian, investor dapat memperkirakan probabilitas bahwa NPV akan lebih besar dari nol. Monte Carlo digunakan untuk penetapan harga opsi di mana banyak jalur acak untuk harga aset dasar dihasilkan, masing-masing memiliki hasil yang terkait. Imbalan ini kemudian didiskon kembali hingga saat ini dan dirata-ratakan untuk mendapatkan pendapatan tetap dan derivatif suku bunga. Tetapi simulasi Monte Carlo digunakan paling luas dalam manajemen portofolio dan perencanaan keuangan pribadi.

Kegunaan dalam Manajemen Portofolio

Simulasi Monte Carlo memungkinkan seorang analis untuk menentukan ukuran portofolio yang dibutuhkan klien saat pensiun untuk mendukung gaya hidup pensiun yang diinginkan serta hadiah dan warisan yang diinginkan lainnya. Dia memperhitungkan distribusi tingkat investasi ulang , tingkat inflasi , pengembalian kelas aset , tarif pajak , dan bahkan kemungkinan rentang hidup. Hasilnya adalah distribusi ukuran portofolio dengan kemungkinan mendukung kebutuhan pengeluaran yang diinginkan klien.

Analis selanjutnya menggunakan simulasi Monte Carlo untuk menentukan nilai yang diharapkan dan distribusi portofolio pada ketergantungan jalur ; nilai portofolio dan alokasi aset pada setiap periode bergantung pada pengembalian dan volatilitas pada periode sebelumnya. Analis menggunakan berbagai alokasi aset dengan berbagai tingkat risiko, korelasi yang berbeda antara aset, dan distribusi sejumlah besar faktor – termasuk tabungan di setiap periode dan tanggal pensiun – untuk sampai pada distribusi portofolio bersama dengan kemungkinan kedatangannya. pada nilai portofolio yang diinginkan saat pensiun. Tingkat pengeluaran dan umur klien yang berbeda dapat diperhitungkan untuk menentukan kemungkinan klien akan kehabisan dana (kemungkinan kehancuran atau risiko umur panjang ) sebelum kematian mereka. 

Profil risiko dan pengembalian klien adalah faktor terpenting yang memengaruhi keputusan manajemen portofolio. Pengembalian yang diminta klien merupakan fungsi dari tujuan pensiun dan pembelanjaannya; dia profil risiko ditentukan oleh kemampuannya dan kemauan untuk mengambil risiko. Lebih sering daripada tidak, hasil yang diinginkan dan profil risiko klien tidak sinkron satu sama lain. Misalnya, tingkat risiko yang dapat diterima oleh klien dapat membuat tidak mungkin atau sangat sulit untuk mencapai hasil yang diinginkan. Selain itu, jumlah minimum mungkin diperlukan sebelum pensiun untuk mencapai tujuan klien, tetapi gaya hidup klien tidak memungkinkan adanya tabungan atau klien mungkin enggan untuk mengubahnya.

Contoh Simulasi Monte Carlo

Mari kita perhatikan contoh pasangan muda yang bekerja yang bekerja sangat keras dan memiliki gaya hidup mewah termasuk liburan mahal setiap tahun.Mereka memiliki tujuan pensiun untuk menghabiskan $ 170.000 per tahun (sekitar $ 14.000 / bulan) dan meninggalkan harta senilai $ 1 juta kepada anak-anak mereka.Seorang analis menjalankan simulasi dan menemukan bahwa tabungan mereka per periode tidak cukup untuk membangun nilai portofolio yang diinginkan saat pensiun;namun, hal ini dapat dicapai jikaalokasi untuk saham-saham berkapitalisasi kecil dilipatgandakan (hingga 50 menjadi 70% dari 25 menjadi 35%), yang akan sangat meningkatkan risikonya.Tak satu pun dari alternatif di atas (tabungan yang lebih tinggi atau risiko yang meningkat) dapat diterima oleh klien.Jadi, faktor analis dalam penyesuaian lain sebelum menjalankan simulasi lagi.analis menunda masa pensiun mereka selama dua tahun dan mengurangi pengeluaran bulanan mereka setelah pensiun menjadi $ 12.500.Distribusi yang dihasilkan menunjukkan bahwa nilai portofolio yang diinginkan dapat dicapai dengan meningkatkan alokasi untuk saham berkapitalisasi kecil hanya sebesar 8 persen.Dengan wawasan yang tersedia, analis menyarankan klien untuk menunda pensiun dan mengurangi pengeluaran mereka secara marginal, yang disetujui oleh pasangan. 

Garis bawah

Simulasi Monte Carlo memungkinkan analis dan penasihat mengubah peluang investasi menjadi pilihan. Keuntungan Monte Carlo adalah kemampuannya untuk memperhitungkan berbagai nilai untuk berbagai masukan; ini juga merupakan kerugian terbesarnya dalam arti bahwa asumsi harus adil karena keluarannya hanya sebaik masukannya. Kerugian besar lainnya adalah bahwa simulasi Monte Carlo cenderung meremehkan kemungkinan kejadian beruang ekstrim seperti krisis keuangan. Faktanya, para ahli berpendapat bahwa simulasi seperti Monte Carlo tidak dapat memperhitungkan aspek perilaku keuangan dan irasionalitas yang ditunjukkan oleh pelaku pasar. Namun, ini adalah alat yang berguna untuk penasihat.