47. Метод Монте-Карло
47. Метод Монте-Карло
Преодолеть многие недостатки, присущие рассмотренным методам анализа эффективности проектов в условиях риска, позволяет имитационное моделирование – одно из наиболее мощных средств анализа экономических систем.
Основу имитационного моделирования и его частный случай (стохастическая имитация) составляет метод Монте-Карло, который является синтезом и развитием методов анализа чувствительности и анализа сценариев.
Имитационное моделирование рисков инвестиционных проектов представляет собой серию численных экспериментов, призванных получать эмпирические оценки степени влияния различных факторов (объема выпуска, цены, переменных расходов и др.) на зависящие от них результаты.
Проведение имитационного эксперимента разбивают на следующие этапы.
1) устанавливаются взаимосвязи между исходными и выходными показателями в виде математического уравнения или неравенства. В качестве результирующего показателя обычно выступает один из критериев эффективности (NPV, PI, IRR);
2) задаются законы распределения вероятностей для ключевых параметров модели;
3) проводится компьютерная имитация значений ключевых параметров модели (с применением программ типа Excel или специальных программных продуктов, например Risk Master);
4) рассчитываются основные характеристики распределений входящих и исходящих показателей;
5) проводится анализ полученных результатов и принимается решение.
Этот метод позволяет наиболее полно учесть весь диапазон неопределенностей исходных параметров проекта, с которыми может столкнуться его осуществление.
Кроме того, путем изначально задаваемых ограничений требуемых показателей эффективности проекта можно широко использовать информационную базу проведения анализа проектных рисков.
Таким образом, метод Монте-Карло позволяет получить интервальные значения показателей проектных рисков, в рамках которых возможна успешная реализация реального инвестиционного проекта.
Методика оценки рисков, связанных с инвестированием, на основе использования рассмотренных и других специальных методов подробно излагается в специальной литературе.
Метод моделирования Монте-Карло
При расчете значений с использованием электронных таблиц мы получаем единичную или «точечную» оценку. Даже при проведении анализа чувствительности мы просто изменяем переменные (по одной за один раз), а затем определяем, как меняются оценки.
Метод имитационного моделирования Монте-Карло более эффективен по сравнению с анализом чувствительности, поскольку он учитывает все возможные комбинации входных переменных. Пользователь задает распределение вероятностей для каждой входной переменной, и программа генерирует распределение вероятностей, описывая возможные результаты.
К таким пакетам относится и рассматриваемая здесь программа Crystal Ball.
Crystal Ball — для персонального компьютера, разработанный компанией Decisioneering, Inc., расположенной по адресу: 1515 Arapahoe Street, Suite 1311, Denver, СО 80202.
Для начала необходимо составить базовые таблицы данных. Затем мы задаем допущения, прогнозируем переменные и определяем, как изменение значений в ячейках допущений влияет на значения в ячейках прогноза.
В ячейках допущений содержатся такие переменные, как ставка дисконтирования, темпы роста в постпрогнозный период и денежные потоки, введенные в виде числовых значений, а не формул или текста. Распределение вероятностей определяет то, как меняются значения в ячейках допущений.
Crystal Ball предлагает комплекс распределений вероятностей, и можно выбрать любое для описания поведения каждой переменной. Пользователю необходимо выбрать подходящее распределение и оценить ключевые параметры ().
Допущения можно задавать, выделяя одну переменную за один раз и используя команду Cell Define Assumption. Подобным же образом прогноз задается путем выделения ячейки с расчетом оценки и использования команды Cell Define Forecast. Затем создается имитация с помощью команды Run Run. Для создания сводки используйте команду Run Create Report.
Краткая сводка для оценки чистой приведенной стоимости представлена в таблице ниже. В этой таблице показано распределение вероятностей для оценки дочерней компании Hi-Tech. Сводка также демонстрирует, что для допущений было задано нормальное распределение с медианами равными значениям, изначально содержащимися в ячейках, и стандартным отклонением, установленным на уровне +10% от среднего.
Отчет по итогам моделирования
при помощи Crystal Ball
с использованием данных примера для NPV.
Метод Монте-Карло
Преодолеть многие недостатки, присущие рассмотренным методам анализа эффективности проектов в условиях риска, позволяет имитационное моделирование — одно из наиболее мощных средств анализа экономических систем.
Основу имитационного моделирования и его частный случай (стохастическая имитация) составляет метод Монте-Карло, который является синтезом и развитием методов анализа чувствительности и анализа сценариев.
Имитационное моделирование рисков инвестиционных проектов представляет собой серию численных экспериментов, призванных получать эмпирические оценки степени влияния различных факторов (объема выпуска, цены, переменных расходов и др.) на зависящие от них результаты.
Проведение имитационного эксперимента разбивают на следующие этапы.
- 1) устанавливаются взаимосвязи между исходными и выходными показателями в виде математического уравнения или неравенства. В качестве результирующего показателя обычно выступает один из критериев эффективности (NPV, PI, IRR);
- 2) задаются законы распределения вероятностей для ключевых параметров модели;
- 3) проводится компьютерная имитация значений ключевых параметров модели (с применением программ типа Excel или специальных программных продуктов, например Risk Master);
- 4) рассчитываются основные характеристики распределений входящих и исходящих показателей;
- 5) проводится анализ полученных результатов и принимается решение.
Этот метод позволяет наиболее полно учесть весь диапазон неопределенностей исходных параметров проекта, с которыми может столкнуться его осуществление.
Кроме того, путем изначально задаваемых ограничений требуемых показателей эффективности проекта можно широко использовать информационную базу проведения анализа проектных рисков.
Таким образом, метод Монте-Карло позволяет получить интервальные значения показателей проектных рисков, в рамках которых возможна успешная реализация реального инвестиционного проекта.
Методика оценки рисков, связанных с инвестированием, на основе использования рассмотренных и других специальных методов подробно излагается в специальной литературе.
Источники: http://econ.wikireading.ru/9688, http://fin-accounting.ru/private-equity/evaluation/method-of-monte-carlo, http://studwood.ru/1572077/ekonomika/metod_monte_karlo
Источник: