Model Monte Carlo memungkinkan para peneliti untuk menjalankan banyak percobaan dan menentukan semua hasil potensial dari suatu peristiwa atau investasi. Bersama-sama, mereka menciptakan distribusi probabilitas atau penilaian risiko untuk investasi atau peristiwa tertentu.
Analisis Monte Carlo adalah teknik pemodelan multivariat. Semua model multivarian dapat dianggap sebagai kompleks "bagaimana jika?" skenario. Analis riset menggunakannya untuk meramalkan hasil investasi, untuk memahami kemungkinan di sekitar paparan investasi mereka, dan untuk memitigasi risiko yang lebih baik. Dalam metode Monte Carlo, hasilnya dibandingkan dengan toleransi risiko. Itu membantu manajer memutuskan apakah akan melanjutkan investasi atau proyek.
Siapa yang Menggunakan Model Multivariat
Pengguna model multivariat mengubah nilai beberapa variabel untuk memastikan dampak potensial mereka pada proyek yang dievaluasi.
Model tersebut digunakan oleh analis keuangan untuk memperkirakan arus kas dan ide-ide produk baru. Manajer portofolio dan penasihat keuangan menggunakannya untuk menentukan dampak investasi pada kinerja dan risiko portofolio. Perusahaan asuransi menggunakannya untuk memperkirakan potensi klaim dan kebijakan harga. Beberapa model multivariat yang paling terkenal adalah yang digunakan untuk menilai opsi saham. Model multivarian juga membantu analis menentukan pendorong nilai yang sebenarnya.
Tentang Analisis Monte Carlo
Analisis Monte Carlo dinamai berdasarkan kerajaan yang terkenal dengan kasino-kasino itu. Dengan permainan kebetulan, semua hasil dan probabilitas yang mungkin diketahui, tetapi dengan sebagian besar investasi, set hasil di masa depan tidak diketahui.
Terserah analis untuk menentukan hasil dan probabilitas bahwa mereka akan terjadi. Dalam pemodelan Monte Carlo, analis menjalankan banyak percobaan, kadang-kadang ribuan, untuk menentukan semua hasil yang mungkin dan probabilitas bahwa mereka akan terjadi.
Analisis Monte Carlo bermanfaat karena banyak keputusan investasi dan bisnis dibuat berdasarkan satu hasil. Dengan kata lain, banyak analis menurunkan satu skenario yang mungkin dan kemudian membandingkannya dengan berbagai rintangan untuk memutuskan apakah akan melanjutkan.
Sebagian besar perkiraan pro forma dimulai dengan kasus dasar. Dengan memasukkan asumsi probabilitas tertinggi untuk setiap faktor, seorang analis dapat memperoleh hasil probabilitas tertinggi. Namun, membuat keputusan apa pun berdasarkan kasus dasar adalah masalah, dan membuat perkiraan dengan hanya satu hasil tidak cukup karena tidak mengatakan apa-apa tentang kemungkinan nilai lain yang bisa terjadi.
Ia juga tidak mengatakan apa-apa tentang peluang yang sangat nyata bahwa nilai masa depan yang sebenarnya akan menjadi sesuatu selain prediksi kasus dasar. Mustahil untuk melakukan lindung nilai terhadap kejadian negatif jika faktor pendorong dan probabilitas kejadian ini tidak dihitung sebelumnya.
Menciptakan Model
Setelah dirancang, mengeksekusi model Monte Carlo membutuhkan alat yang akan secara acak memilih nilai-nilai faktor yang terikat oleh kondisi yang telah ditentukan sebelumnya. Dengan menjalankan sejumlah uji coba dengan variabel yang dibatasi oleh probabilitas kemunculan independen mereka sendiri, seorang analis menciptakan distribusi yang mencakup semua hasil yang mungkin dan probabilitas yang akan terjadi.
Ada banyak generator angka acak di pasar. Dua alat paling umum untuk merancang dan menjalankan model Monte Carlo adalah @Risk dan Crystal Ball. Kedua hal ini dapat digunakan sebagai tambahan untuk spreadsheet dan memungkinkan pengambilan sampel acak untuk dimasukkan ke dalam model spreadsheet yang ada.
Seni dalam mengembangkan model Monte Carlo yang tepat adalah untuk menentukan kendala yang tepat untuk setiap variabel dan hubungan yang benar antara variabel. Misalnya, karena diversifikasi portofolio didasarkan pada korelasi antar aset, setiap model yang dikembangkan untuk menciptakan nilai-nilai portofolio yang diharapkan harus mencakup korelasi antara investasi.
Untuk memilih distribusi yang tepat untuk suatu variabel, kita harus memahami masing-masing distribusi yang mungkin tersedia. Sebagai contoh, yang paling umum adalah distribusi normal, juga dikenal sebagai kurva lonceng .
Dalam distribusi normal, semua kejadian didistribusikan secara merata di sekitar rata-rata. Mean adalah acara yang paling mungkin. Fenomena alam, ketinggian manusia, dan inflasi adalah beberapa contoh input yang didistribusikan secara normal.
Dalam analisis Monte Carlo, generator angka acak mengambil nilai acak untuk setiap variabel dalam batasan yang ditetapkan oleh model. Kemudian menghasilkan distribusi probabilitas untuk semua hasil yang mungkin.
Deviasi standar dari probabilitas itu adalah statistik yang menunjukkan kemungkinan bahwa hasil aktual yang diperkirakan akan menjadi sesuatu selain dari rata-rata atau peristiwa yang paling mungkin. Dengan asumsi distribusi probabilitas terdistribusi normal, sekitar 68% dari nilai akan jatuh dalam satu standar deviasi dari rata-rata, sekitar 95% dari nilai akan jatuh dalam dua standar deviasi, dan sekitar 99, 7% akan berada dalam tiga standar deviasi dari rata-rata.
Ini dikenal sebagai "aturan 68-95-99.7" atau "aturan empiris."
Siapa yang Menggunakan Metode
Analisis Monte Carlo tidak hanya dilakukan oleh para profesional keuangan tetapi juga oleh banyak bisnis lainnya. Ini adalah alat pengambilan keputusan yang mengasumsikan bahwa setiap keputusan akan berdampak pada risiko secara keseluruhan.
Setiap individu dan institusi memiliki toleransi risiko yang berbeda. Itu membuatnya penting untuk menghitung risiko investasi apa pun dan membandingkannya dengan toleransi risiko individu.
Distribusi probabilitas yang dihasilkan oleh model Monte Carlo menciptakan gambaran risiko. Gambaran itu adalah cara yang efektif untuk menyampaikan hasil kepada orang lain, seperti atasan atau calon investor. Saat ini, model Monte Carlo yang sangat kompleks dapat dirancang dan dijalankan oleh siapa saja yang memiliki akses ke komputer pribadi.
