Usando a análise de Monte Carlo para estimar o risco - KamilTaylan.blog
23 Junho 2021 2:59

Usando a análise de Monte Carlo para estimar o risco

O modelo de Monte Carlo possibilita que pesquisadores de todos os tipos de profissões façam vários testes e, assim, definam todos os resultados potenciais de um evento ou decisão. No setor financeiro, a decisão geralmente está relacionada a um investimento. Quando combinados, todos os testes separados criam uma distribuição de probabilidade ou avaliação de risco para um determinado investimento ou evento.

A análise de Monte Carlo é um tipo de técnica de modelagem multivariada. Todos os modelos multivariados podem ser considerados como ilustrações complexas de “e se?” cenários. Alguns dos modelos multivariados mais conhecidos são aqueles usados ​​para avaliar opções de ações. Os analistas de pesquisa os usam para prever resultados de investimento, para entender as possibilidades em torno de suas exposições de investimento e para mitigar melhor seus riscos.

Quando os investidores usam o método de Monte Carlo, os resultados são comparados a vários níveis de tolerância ao risco. Isso pode ajudar as partes interessadas a decidir se devem ou não prosseguir com um investimento.

Principais vantagens

  • O modelo de Monte Carlo possibilita que pesquisadores de todos os tipos de profissões façam vários testes e, assim, definam todos os resultados potenciais de um evento ou decisão.
  • Ao empregar o modelo de Monte Carlo, um usuário altera o valor de várias variáveis ​​para verificar seu impacto potencial na decisão que está sendo avaliada.
  • No setor financeiro, a decisão geralmente está relacionada a um investimento.
  • As distribuições de probabilidade produzidas por um modelo de Monte Carlo criam uma imagem de risco.

Quem usa modelos multivariados

Modelos multivariados – como o modelo de Monte Carlo – são ferramentas estatísticas populares que usam várias variáveis ​​para prever resultados possíveis. Ao empregar um modelo multivariado, um usuário altera o valor de várias variáveis ​​para verificar seu impacto potencial na decisão que está sendo avaliada.

Muitos tipos diferentes de profissões usam modelos multivariados. Os analistas financeiros podem usar modelos multivariados para estimar fluxos de caixa e novas idéias de produtos. Os gerentes de portfólio e consultores financeiros os usam para determinar o impacto dos investimentos no desempenho e risco do portfólio. As seguradoras os usam para estimar o potencial de sinistros e para definir preços de apólices.

O modelo de Monte Carlo deve o seu nome à localização geográfica, Monte Carlo (tecnicamente uma área administrativa do Principado de Mônaco), que ficou famosa por sua proliferação de cassinos.1

Resultados e Probabilidades

Com jogos de azar – como aqueles que são jogados em cassinos – todos os resultados e probabilidades possíveis são conhecidos. No entanto, com a maioria dos investimentos, o conjunto de resultados futuros é desconhecido.

Cabe ao analista determinar os resultados, bem como a probabilidade de sua ocorrência. Na modelagem de Monte Carlo, o analista executa vários testes (às vezes até milhares deles) para determinar todos os resultados possíveis e a probabilidade de eles ocorrerem.

A análise de Monte Carlo é útil porque muitas decisões de investimento e negócios são feitas com base em um resultado. Em outras palavras, muitos analistas derivam um cenário possível e, em seguida, comparam esse resultado aos vários impedimentos a esse resultado para decidir se devem prosseguir.

Estimativas Pro Forma

A maioria das estimativas pro forma começa com um caso base. Ao inserir a suposição de maior probabilidade para cada fator, um analista pode derivar o resultado de maior probabilidade. No entanto, tomar qualquer decisão com base em um caso base é problemático, e criar uma previsão com apenas um resultado é insuficiente porque não diz nada sobre quaisquer outros valores possíveis que poderiam ocorrer.

Também não diz nada sobre a chance muito real de que o valor futuro real seja algo diferente da previsão do caso base. É impossível fazer hedge contra uma ocorrência negativa se as causas e as probabilidades desses eventos não forem calculadas antecipadamente.

Criando o modelo

Uma vez projetado, a execução de um modelo de Monte Carlo requer uma ferramenta que selecionará aleatoriamente os valores dos fatores que são limitados por certas condições predeterminadas. Ao executar uma série de testes com variáveis ​​restringidas por suas próprias probabilidades independentes de ocorrência, um analista cria uma distribuição que inclui todos os resultados possíveis e as probabilidades de que ocorrerão.

Existem muitos geradores de números aleatórios no mercado. As duas ferramentas mais comuns para projetar e executar modelos de Monte Carlo são @Risk e Crystal Ball. Ambos podem ser usados ​​como suplementos para planilhas e permitem que a amostragem aleatória seja incorporada em modelos de planilhas estabelecidas.

Restrições corretas

A arte de desenvolver um modelo de Monte Carlo apropriado é determinar as restrições corretas para cada variável e a relação correta entre as variáveis. Por exemplo, como a diversificação do portfólio é baseada na correlação entre ativos, qualquer modelo desenvolvido para criar valores de portfólio esperados deve incluir a correlação entre os investimentos.

Para escolher a distribuição correta para uma variável, deve-se entender cada uma das possíveis distribuições disponíveis. Por exemplo, o mais comum é uma distribuição normal, também conhecida como curva em sino .

Distribuição normal e desvio padrão

Em uma distribuição normal, todas as ocorrências são igualmente distribuídas em torno da média. A média é o evento mais provável. Fenômenos naturais, altura das pessoas e inflação são alguns exemplos de insumos normalmente distribuídos.

Na análise de Monte Carlo, um gerador de números aleatórios escolhe um valor aleatório para cada variável dentro das restrições definidas pelo modelo. Em seguida, ele produz uma distribuição de probabilidade para todos os resultados possíveis.

O desvio padrão dessa probabilidade é uma estatística que denota a probabilidade de que o resultado real estimado seja algo diferente da média ou do evento mais provável. Assumindo que uma distribuição de probabilidade é normalmente distribuída, aproximadamente 68% dos valores cairão dentro de um desvio padrão da média, cerca de 95% dos valores cairão dentro de dois desvios padrão e cerca de 99,7% estarão dentro de três desvios padrão da média.

Isso é conhecido como “regra 68-95-99,7″ ou ” regra empírica “.

Quem usa o método

As análises de Monte Carlo não são conduzidas apenas por profissionais de finanças, mas também por muitas outras empresas. É uma ferramenta de tomada de decisão que pressupõe que cada decisão terá algum impacto no risco geral.

Cada indivíduo e instituição tem uma tolerância de risco diferente. Isso torna importante calcular o risco de qualquer investimento e compará-lo com a tolerância de risco do indivíduo.

As distribuições de probabilidade produzidas por um modelo de Monte Carlo criam uma imagem de risco. Essa imagem é uma forma eficaz de transmitir os resultados a outras pessoas, como superiores hierárquicos ou possíveis investidores. Hoje, modelos muito complexos de Monte Carlo podem ser projetados e executados por qualquer pessoa com acesso a um computador pessoal.