मोंटे कार्लो विश्लेषण का उपयोग कर जोखिम का अनुमान लगाना

मोंटे कार्लो मॉडल शोधकर्ताओं को कई परीक्षण चलाने और किसी घटना या निवेश के सभी संभावित परिणामों को परिभाषित करने की अनुमति देता है। साथ में, वे किसी दिए गए निवेश या घटना के लिए एक संभावना वितरण या जोखिम मूल्यांकन बनाते हैं।

मोंटे कार्लो विश्लेषण एक बहुभिन्नरूपी मॉडलिंग तकनीक है। सभी बहुभिन्नरूपी मॉडल को जटिल माना जा सकता है "क्या होगा?" परिदृश्यों। शोध विश्लेषक निवेश के परिणामों का पूर्वानुमान लगाने के लिए, उनके निवेश के आस-पास की संभावनाओं को समझने के लिए और बेहतर जोखिम को कम करने के लिए उनका उपयोग करते हैं। मोंटे कार्लो विधि में, परिणामों की तुलना जोखिम सहिष्णुता के खिलाफ की जाती है। यह एक प्रबंधक को यह तय करने में मदद करता है कि निवेश या परियोजना के साथ आगे बढ़ना है या नहीं।

कौन मल्टीवेरिएट मॉडल का उपयोग करता है

बहुभिन्नरूपी मॉडल के उपयोगकर्ता मूल्यांकन किए जा रहे प्रोजेक्ट पर उनके संभावित प्रभाव का पता लगाने के लिए कई चर के मूल्य को बदलते हैं।

मॉडल वित्तीय विश्लेषकों द्वारा नकदी प्रवाह और नए उत्पाद विचारों का अनुमान लगाने के लिए उपयोग किया जाता है। पोर्टफोलियो प्रदर्शन और जोखिम पर निवेश के प्रभाव को निर्धारित करने के लिए पोर्टफोलियो प्रबंधक और वित्तीय सलाहकार उनका उपयोग करते हैं। बीमा कंपनियां उन्हें दावों की क्षमता का अनुमान लगाने और नीतियों की कीमत लगाने के लिए उपयोग करती हैं। कुछ सबसे प्रसिद्ध बहुभिन्नरूपी मॉडल ऐसे हैं जिनका उपयोग स्टॉक विकल्पों को महत्व देने के लिए किया जाता है। बहुभिन्नरूपी मॉडल विश्लेषकों को मूल्य के वास्तविक चालकों को निर्धारित करने में मदद करते हैं।

मोंटे कार्लो विश्लेषण के बारे में

मोंटे कार्लो विश्लेषण रियासत का नाम इसके कैसिनो द्वारा प्रसिद्ध किए जाने के बाद रखा गया है। संयोग के खेल के साथ, सभी संभावित परिणाम और संभावनाएं ज्ञात हैं, लेकिन अधिकांश निवेशों के साथ भविष्य के परिणामों का सेट अज्ञात है।

यह परिणामों को निर्धारित करने के लिए विश्लेषक के लिए है और संभावना है कि वे घटित होंगे। मोंटे कार्लो मॉडलिंग में, विश्लेषक कई संभावित परीक्षणों को चलाता है, कभी-कभी उनमें से हजारों, सभी संभावित परिणामों को निर्धारित करने के लिए और संभावना है कि वे जगह लेंगे।

मोंटे कार्लो विश्लेषण उपयोगी है क्योंकि कई निवेश और व्यापार निर्णय एक परिणाम के आधार पर किए जाते हैं। दूसरे शब्दों में, कई विश्लेषक एक संभावित परिदृश्य को प्राप्त करते हैं और फिर इसे आगे बढ़ने के लिए तय करने के लिए विभिन्न बाधाओं से तुलना करते हैं।

अधिकांश प्रो फॉर्म का अनुमान आधार मामले से शुरू होता है। प्रत्येक कारक के लिए उच्चतम संभावना धारणा इनपुट करके, एक विश्लेषक उच्चतम संभावना परिणाम प्राप्त कर सकता है। हालांकि, आधार मामले के आधार पर कोई भी निर्णय लेना समस्याग्रस्त है, और केवल एक परिणाम के साथ पूर्वानुमान बनाना अपर्याप्त है क्योंकि यह किसी भी अन्य संभावित मूल्यों के बारे में कुछ नहीं कहता है जो हो सकते हैं।

यह भी बहुत वास्तविक अवसर के बारे में कुछ नहीं कहता है कि वास्तविक भविष्य का मूल्य आधार मामले की भविष्यवाणी के अलावा कुछ और होगा। एक नकारात्मक घटना के खिलाफ बचाव करना असंभव है अगर इन घटनाओं के ड्राइवरों और संभावनाओं की अग्रिम गणना नहीं की जाती है।

मॉडल बनाना

एक बार डिज़ाइन किए जाने के बाद, मोंटे कार्लो मॉडल को निष्पादित करने के लिए एक उपकरण की आवश्यकता होती है, जो कुछ पूर्व निर्धारित परिस्थितियों से बेतरतीब ढंग से कारक मानों का चयन करेगा। घटना की अपनी स्वतंत्र संभावनाओं द्वारा विवश चर के साथ कई परीक्षणों को चलाकर, एक विश्लेषक एक वितरण बनाता है जिसमें सभी संभावित परिणाम और वे होने वाली संभावनाएं शामिल हैं।

बाजार में कई यादृच्छिक संख्या जनरेटर हैं। मोंटे कार्लो मॉडल को डिजाइन करने और निष्पादित करने के लिए दो सबसे आम उपकरण हैं @Risk और क्रिस्टल बॉल। इन दोनों का उपयोग स्प्रैडशीट के लिए ऐड-इन्स के रूप में किया जा सकता है और यादृच्छिक स्पैम्पलिंग को स्थापित स्प्रेडशीट मॉडल में शामिल करने की अनुमति देता है।

एक उपयुक्त मोंटे कार्लो मॉडल को विकसित करने की कला प्रत्येक चर के लिए सही बाधाओं और चर के बीच सही संबंध का निर्धारण करना है। उदाहरण के लिए, क्योंकि पोर्टफोलियो विविधीकरण परिसंपत्तियों के बीच संबंध पर आधारित है, अपेक्षित पोर्टफोलियो मूल्यों को बनाने के लिए विकसित किसी भी मॉडल में निवेश के बीच सहसंबंध शामिल होना चाहिए।

एक चर के लिए सही वितरण चुनने के लिए, प्रत्येक को उपलब्ध संभावित वितरणों को समझना चाहिए। उदाहरण के लिए, सबसे आम एक सामान्य वितरण है, जिसे घंटी वक्र के रूप में भी जाना जाता है ।

एक सामान्य वितरण में, सभी घटनाएँ समान माध्यम से वितरित की जाती हैं। मतलब सबसे संभावित घटना है। प्राकृतिक घटनाएं, लोगों की ऊंचाइयों, और मुद्रास्फीति के कुछ उदाहरण हैं जो सामान्य रूप से वितरित किए जाते हैं।

मोंटे कार्लो विश्लेषण में, एक यादृच्छिक-संख्या जनरेटर मॉडल द्वारा निर्धारित बाधाओं के भीतर प्रत्येक चर के लिए एक यादृच्छिक मूल्य चुनता है। यह तब सभी संभावित परिणामों के लिए एक संभावना वितरण का उत्पादन करता है।

उस संभाव्यता का मानक विचलन एक आँकड़ा है जो इस संभावना को दर्शाता है कि वास्तविक परिणाम का अनुमान लगाया जा सकता है कि यह औसत या सबसे संभावित घटना के अलावा कुछ और होगा। एक संभावना वितरण मान लिया जाता है कि सामान्य रूप से वितरित किया जाता है, लगभग 68% मान माध्य के एक मानक विचलन के भीतर गिर जाएंगे, लगभग 95% मान दो मानक विचलन के भीतर गिर जाएंगे, और लगभग 99.7% माध्य के तीन मानक विचलन के भीतर होगा। ।

इसे "68-95-99.7 नियम" या "अनुभवजन्य नियम" के रूप में जाना जाता है।

विधि का उपयोग कौन करता है

मोंटे कार्लो का विश्लेषण न केवल वित्त पेशेवरों द्वारा बल्कि कई अन्य व्यवसायों द्वारा भी किया जाता है। यह एक निर्णय लेने वाला उपकरण है जो मानता है कि हर निर्णय का समग्र जोखिम पर कुछ प्रभाव पड़ेगा।

हर व्यक्ति और संस्थान का जोखिम अलग होता है। यह किसी भी निवेश के जोखिम की गणना करना और व्यक्ति की जोखिम सहिष्णुता की तुलना करना महत्वपूर्ण बनाता है।

मोंटे कार्लो मॉडल द्वारा निर्मित संभावना वितरण जोखिम की एक तस्वीर बनाते हैं। यह तस्वीर दूसरों को परिणाम देने के लिए एक प्रभावी तरीका है, जैसे कि वरिष्ठ या भावी निवेशक। आज, बहुत ही जटिल मोंटे कार्लो मॉडल को पर्सनल कंप्यूटर के उपयोग के साथ किसी के द्वारा डिजाइन और निष्पादित किया जा सकता है।