Una simulación de Montecarlo o Monte Carlo es un modelo matemático para calcular la probabilidad de un resultado específico de pruebas al azar o el muestreo de una amplia variedad de escenarios y variables. Los modelos en excel de Montecarlo son de gran ayuda para preparar análisis de incertidumbres y los famosos what if…

En primer lugar utilizado por Stanilaw Ulam, un matemático que trabajó en el Proyecto Manhattan durante la Segunda Guerra Mundial, las simulaciones proporcionar a los analistas una vía para tomar decisiones difíciles y resolver problemas complejos que tienen múltiples áreas de incertidumbre.

Nombrado por el hotel y casino de población en Mónaco, la simulación MonteCarlo usa los históricos de datos estadísticos que generan millones de diferentes resultados financieros de forma aleatoria la inserción de componentes en cada carrera que pueden influir en el resultado final, como declaraciones de cuenta, la volatilidad, o correlaciones.

joyería en plata para regalar

 

Una vez que se formulan las hipótesis, el método calcula las probabilidades de llegar a un resultado en particular. A diferencia de los análisis financieros de planificación que utilizan los promedios a largo plazo y las previsiones de crecimiento futuro o de ahorros, la simulación Monte Carlo, disponibles en el software y aplicaciones web, puede ser un medio más realista de manejo de variables y medir las probabilidades de riesgo financiero o una recompensa.

Simulación del modelo de Monte Carlo en Excel
Métodos de Monte Carlo se utilizan a menudo para la planificación financiera personal, evaluación de cartera, la valoración de bonos y opciones de bonos, y en finanzas corporativas o proyectos de inversión.

Aunque los cálculos de probabilidad no son nuevos, David B. Hertz primero que fue pionero en la financiación en 1964 con su artículo, “Análisis de Riesgos en la Capital de Inversión”, publicado en la Harvard Business Review.

Phelim Boyle aplicó el método de valoración de derivados en 1977, la publicación de su periódico, “Opciones: Un Enfoque de Montecarlo”, en el Diario de Economía Financiera. La técnica es más difícil de usar con opciones americanas, y con los resultados que dependen de los supuestos subyacentes, hay algunos hechos que la simulación de Monte Carlo no se puede predecir.

Similación de Montecarlo en Excel: ventajas sobre otras herramientas financieras
Simulación ofrece varias ventajas sobre otras formas de análisis financiero. Además de generar las probabilidades de los posibles criterios de valoración de una determinada estrategia, el método de formulación de datos facilita la creación de gráficos y tablas, fomentando una mejor comunicación de los resultados a los inversores y accionistas.

Simulación de Monte Carlo se destaca el impacto relativo de cada variable a la línea de fondo. Con esta simulación, los analistas también se puede ver exactamente cómo ciertas combinaciones de insumos afectan y la interacción con los demás. La comprensión de las relaciones interdependientes positivas y negativas entre las variables permite un análisis de riesgo más exacta de cualquier instrumento.

ejercicios rehabilitación menisco

Modelo analisis excel de riesgos por Montecarlo
El análisis de riesgos por este método implica el uso de distribuciones de probabilidad para describir las variables. Una distribución de probabilidad conocida es la curva normal o campana, con los usuarios especificar el valor esperado y una curva de desviación estándar que define la variación. precios de la energía y las tasas de inflación puede ser representado por curvas de la campana.

Las distribuciones lognormales retratan variables positivas con un potencial ilimitado para aumentar, como las reservas de petróleo o precios de las acciones. Uniformes, triangulares, y discretos son ejemplos de otras posibles distribuciones de probabilidad. Los valores, que son una muestra aleatoria de las curvas de probabilidad, se presentan en conjuntos llamados iteraciones.