Apa itu Simulasi Monte Carlo dan Mengapa Kita Membutuhkannya?
Analis dapat menilai kemungkinan pengembalian portofolio dengan banyak cara. Pendekatan historis, yang paling populer, mempertimbangkan semua kemungkinan yang telah terjadi. Namun, investor tidak boleh berhenti pada ini. Metode Monte Carlo adalah metode stokastik (pengambilan sampel acak input) untuk memecahkan masalah statistik, dan simulasi adalah representasi virtual dari suatu masalah. Simulasi Monte Carlo menggabungkan keduanya untuk memberi kita alat yang kuat yang memungkinkan kita untuk memperoleh distribusi (array) hasil untuk masalah statistik apa pun dengan banyak input yang diambil sampel berulang kali. (Untuk lebih lanjut, lihat: Stochastics: Indikator Akuisisi dan Jual yang Akurat .)
Simulasi Monte Carlo Demystified
Simulasi Monte Carlo dapat paling dipahami dengan memikirkan seseorang yang melempar dadu. Seorang penjudi pemula yang memainkan dadu untuk pertama kalinya tidak akan tahu apa peluang untuk menggulung enam dalam kombinasi apa pun (misalnya, empat dan dua, tiga dan tiga, satu dan lima). Bagaimana 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 gulungan enam akan menjadi enam sulit. Idealnya, kita harus menjalankan tes ini secara efisien dan cepat, yang persis seperti yang ditawarkan simulasi Monte Carlo.
Harga aset atau nilai portofolio di masa depan tidak tergantung pada gulungan dadu, tetapi kadang-kadang harga aset memang menyerupai jalan acak. Masalah dengan melihat sejarah saja adalah bahwa itu mewakili, pada dasarnya, hanya satu roll, atau kemungkinan hasil, yang mungkin atau mungkin tidak dapat diterapkan di masa depan. Simulasi Monte Carlo mempertimbangkan berbagai kemungkinan dan membantu kami mengurangi ketidakpastian. Simulasi Monte Carlo sangat fleksibel; itu memungkinkan kita untuk memvariasikan asumsi risiko di bawah semua parameter dan dengan demikian memodelkan berbagai kemungkinan hasil. Seseorang dapat membandingkan beberapa hasil di masa depan dan menyesuaikan model dengan berbagai aset dan portofolio yang sedang ditinjau. (Untuk lebih lanjut, lihat: Temukan Yang Tepat Dengan Distribusi Probabilitas .)
Aplikasi Simulasi Monte Carlo di bidang Keuangan
Simulasi Monte Carlo memiliki banyak aplikasi di bidang keuangan dan 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 rata-rata NPV dari investasi yang sedang dianalisis dan volatilitasnya. Investor dapat, dengan demikian, 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 ke masa kini dan dirata-rata untuk mendapatkan harga opsi. Ini juga digunakan untuk menentukan harga sekuritas pendapatan tetap dan derivatif tingkat bunga. Tetapi simulasi Monte Carlo digunakan paling luas dalam manajemen portofolio dan perencanaan keuangan pribadi. (Untuk lebih lanjut, lihat: Keputusan Investasi Modal - Arus Kas Tambahan .)
Simulasi dan Manajemen Portofolio Monte Carlo
Simulasi Monte Carlo memungkinkan seorang analis untuk menentukan ukuran portofolio yang diperlukan saat pensiun untuk mendukung gaya hidup pensiun yang diinginkan dan hadiah serta hadiah yang diinginkan lainnya. Dia faktor ke dalam distribusi tingkat investasi kembali, tingkat inflasi, pengembalian kelas aset, tarif pajak, dan bahkan rentang hidup yang mungkin. Hasilnya adalah distribusi ukuran portofolio dengan probabilitas mendukung kebutuhan pengeluaran yang diinginkan klien.
Analis selanjutnya menggunakan simulasi Monte Carlo untuk menentukan nilai yang diharapkan dan distribusi portofolio pada tanggal pensiun pemilik. Simulasi ini memungkinkan analis untuk mengambil tampilan multi-periode dan faktor dalam ketergantungan jalur; nilai portofolio dan alokasi aset pada setiap periode tergantung 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 probabilitas kedatangan pada nilai portofolio yang diinginkan saat pensiun. Perbedaan tingkat pengeluaran dan masa hidup klien dapat diperhitungkan untuk menentukan probabilitas bahwa klien akan kehabisan dana (probabilitas kehancuran atau risiko umur panjang) sebelum kematian mereka.
Risiko dan profil pengembalian klien adalah faktor terpenting yang memengaruhi keputusan manajemen portofolio. Pengembalian yang disyaratkan klien adalah fungsi dari tujuan pensiun dan pengeluarannya; profil risikonya ditentukan oleh kemampuan dan kemauannya untuk mengambil risiko. Lebih sering daripada tidak, pengembalian yang diinginkan dan profil risiko klien tidak sinkron satu sama lain. Sebagai contoh, tingkat risiko yang dapat diterima oleh klien mungkin membuat tidak mungkin atau sangat sulit untuk mencapai pengembalian yang diinginkan. Selain itu, jumlah minimum mungkin diperlukan sebelum pensiun untuk mencapai tujuan klien, tetapi gaya hidup klien tidak memungkinkan untuk tabungan atau klien mungkin enggan untuk mengubahnya.
Mari kita perhatikan sebuah 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 warisan $ 1 juta untuk anak-anak mereka. Seorang analis menjalankan simulasi dan menemukan bahwa tabungan-per-periode tidak cukup untuk membangun nilai portofolio yang diinginkan saat pensiun; namun, hal itu dapat dicapai jika alokasi untuk saham berkapitalisasi kecil digandakan (hingga 50 hingga 70 persen dari 25 menjadi 35 persen), yang akan meningkatkan risiko mereka secara signifikan. Tidak satu pun dari alternatif di atas (penghematan lebih tinggi atau peningkatan risiko) dapat diterima oleh klien. Dengan demikian, 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 ke saham kecil dengan hanya 8 persen. Dengan wawasan yang tersedia, analis menyarankan klien untuk menunda pensiun dan mengurangi pengeluaran mereka secara marginal, yang disetujui pasangan. (Untuk lebih lanjut, lihat: Merencanakan Pensiun Anda Menggunakan Simulasi Monte Carlo .)
Intinya
Simulasi Monte Carlo memungkinkan analis dan penasihat untuk mengubah peluang investasi menjadi pilihan. Keuntungan dari Monte Carlo adalah kemampuannya untuk memperhitungkan berbagai nilai untuk berbagai input; ini juga merupakan kerugian terbesarnya dalam arti bahwa asumsi harus adil karena output hanya sebaik input. Kerugian besar lainnya adalah bahwa simulasi Monte Carlo cenderung meremehkan probabilitas peristiwa beruang ekstrim seperti krisis keuangan. Bahkan, para ahli berpendapat bahwa simulasi seperti Monte Carlo tidak dapat memperhitungkan aspek perilaku keuangan dan irasionalitas yang diperlihatkan oleh pelaku pasar. Namun, ini adalah alat yang berguna untuk penasihat.
