मोंटे कार्लो सिमुलेशन क्या है और हमें इसकी आवश्यकता क्यों है?

विश्लेषकों ने कई तरह से संभव पोर्टफोलियो रिटर्न का आकलन कर सकते हैं ऐतिहासिक दृष्टिकोण, जो सबसे लोकप्रिय है, उन सभी संभावनाओं को मानता है जो पहले से हो चुके हैं। हालांकि, निवेशकों को इस पर रोक नहीं होना चाहिए। मोंटे कार्लो पद्धति एक सांख्यिकीय समस्या का समाधान करने के लिए एक स्टोचस्टिक (निविष्टियों का यादृच्छिक नमूना) तरीका है, और एक अनुकार समस्या का आभासी प्रतिनिधित्व है। मोंटे कार्लो सिमुलेशन हमें एक शक्तिशाली उपकरण देने के लिए दो को जोड़ती है जिससे हमें किसी भी सांख्यिकीय समस्या के परिणामों के एक वितरण (सरणी) प्राप्त करने की अनुमति मिलती है, जिसमें कई इनपुटों को बार-बार नमूना किया गया है। (और अधिक के लिए, देखें: स्टोचैस्टिक्स: एक सटीक खरीदें और संकेत संकेतक ।)

मोंटे कार्लो सिमुलेशन डिमिसिफाइड

मोंटे कार्लो सिमुलेशन को पासा फेंकने वाले व्यक्ति के बारे में सोचकर सबसे अच्छा समझा जा सकता है। पहली बार क्रेप्स खेलने वाले नौसिखिया जुआरी को कोई सुराग नहीं होगा कि किसी भी संयोजन में छः रोल करना कितना मुश्किल होता है (उदाहरण के लिए, चार और दो, तीन और तीन, एक और पांच)। दो त्रि-तीन रोलिंग की बाधाएं क्या हैं, जिन्हें "हार्ड छह" के रूप में भी जाना जाता है? पासा को कई बार फेंकना, आदर्श रूप से कई मिलियन बार, एक प्रतिनिधि का वितरण परिणाम देगा जो हमें बताएगा कि छह की एक रोल कितनी मुश्किल होगी। आदर्श रूप से, हमें इन परीक्षणों को कुशलतापूर्वक और जल्दी से चलाना चाहिए, जो वास्तव में मोंटे कार्लो सिमुलेशन प्रदान करता है।

संपत्ति की कीमतें या पोर्टफोलियो के भविष्य के मूल्य पासा के रोल पर निर्भर नहीं होते हैं, लेकिन कभी-कभी परिसंपत्ति की कीमतें एक यादृच्छिक चलती जैसी होती हैं। अकेले इतिहास की तलाश में समस्या यह है कि यह भविष्य में केवल एक रोल या संभव नतीजे पेश करता है, जो भविष्य में लागू या लागू नहीं हो सकता है। एक मोंटे कार्लो अनुकार संभावनाओं की एक विस्तृत श्रृंखला मानता है और हमें अनिश्चितता को कम करने में मदद करता है। मोंटे कार्लो सिमुलेशन बहुत लचीला है; यह हमें सभी मापदंडों के अंतर्गत जोखिम धारणाओं को बदलने की अनुमति देता है और इस प्रकार संभावित परिणामों की एक श्रृंखला को मॉडल करता है। कोई भी कई भविष्य के परिणामों की तुलना कर सकता है और समीक्षा के तहत विभिन्न संपत्तियों और पोर्टफोलियो को मॉडल को अनुकूलित कर सकता है। (और के लिए, देखें: संभाव्यता वितरण के साथ सही फ़िट खोजें ।)

वित्त में मोंटे कार्लो सिमुलेशन के अनुप्रयोग:

मोंटे कार्लो सिमुलेशन में वित्त और अन्य क्षेत्रों में कई अनुप्रयोग हैं। मोंटे कार्लो को कॉर्पोरेट वित्त में प्रोजेक्ट कैश फ्लो के मॉडल घटकों में उपयोग किया जाता है, जो अनिश्चितता से प्रभावित होते हैं। नतीजतन, शुद्ध वर्तमान मूल्यों (एनपीवी) की एक श्रृंखला है जिसमें विश्लेषण के तहत एनपीवी की औसत एनपीवी और इसकी अस्थिरता पर नजर रखी गई है। निवेशक इस संभावना का अनुमान लगा सकता है कि एनपीवी शून्य से अधिक होगा।मोंटे कार्लो का विकल्प मूल्य निर्धारण के लिए उपयोग किया जाता है जहां अंतर्निहित परिसंपत्ति की कीमत के लिए कई यादृच्छिक पथ उत्पन्न होते हैं, प्रत्येक एक संबद्ध भुगतान करते हैं इन भुगतानों को तब वर्तमान में वापस छूट दी जाती है और विकल्प मूल्य प्राप्त करने के लिए औसत। इसी प्रकार मूल्य निर्धारण निश्चित आय सुरक्षा और ब्याज दर व्युत्पत्तियों के लिए उपयोग किया जाता है। लेकिन मोंटे कार्लो सिमुलेशन पोर्टफोलियो प्रबंधन और व्यक्तिगत वित्तीय नियोजन में सबसे व्यापक रूप से उपयोग किया जाता है। (अधिक जानकारी के लिए, देखें: पूंजीगत निवेश निर्णय - वृद्धिशील नकदी प्रवाह ।)

मोंटे कार्लो सिमुलेशन और पोर्टफोलियो प्रबंधन:

मोंटे कार्लो सिमुलेशन एक विश्लेषक को आवश्यक पोर्टफोलियो के आकार को निर्धारित करने की अनुमति देता है वांछित रिटायरमेंट लाइफस्टाइल और अन्य वांछित उपहारों और वसीयतों का समर्थन करने के लिए सेवानिवृत्ति वह पुनर्निवेश दर, मुद्रास्फीति की दर, परिसंपत्ति वर्ग के रिटर्न, कर दरों और यहां तक ​​कि संभावित जीवन अवधि के वितरण में कारक भी हैं। नतीजा, पोर्टफोलियो आकार का वितरण ग्राहक की वांछित व्यय की जरूरतों के समर्थन की संभावनाओं के साथ होता है।

विश्लेषक अगले समय मॉन कार्लो सिमुलेशन का इस्तेमाल करता है ताकि मालिक की सेवानिवृत्ति की तारीख में पोर्टफोलियो की अपेक्षित मूल्य और वितरण निर्धारित किया जा सके। अनुकरण विश्लेषक को एक बहु-अवधि का दृश्य और पथ निर्भरता में कारक लेने की अनुमति देता है; प्रत्येक अवधि में पोर्टफोलियो मूल्य और परिसंपत्ति आवंटन पूर्ववर्ती अवधि में रिटर्न और अस्थिरता पर निर्भर करता है। विश्लेषक जोखिम की विभिन्न डिग्री, विभिन्न संपत्तियों के बीच विभिन्न संबंधों और प्रत्येक अवधि में बचत और सेवानिवृत्ति की तारीख सहित कई कारकों के वितरण के साथ विभिन्न परिसंपत्ति आवंटन का उपयोग करता है, जिसमें पोर्टफोलियो के वितरण पर पहुंचने की संभावना है सेवानिवृत्ति पर वांछित पोर्टफोलियो मूल्य। ग्राहकों की अलग-अलग व्यय दरें और जीवन अवधि तय की जा सकती है ताकि ग्राहक अपनी मृत्यु से पहले फंड्स (बर्बाद या दीर्घावधि जोखिम की संभावना) से बाहर निकल सकें।

एक ग्राहक का जोखिम और रिटर्न प्रोफाइल पोर्टफोलियो प्रबंधन निर्णयों को प्रभावित करने वाला सबसे महत्वपूर्ण कारक है। ग्राहक की आवश्यक रिटर्न उसकी सेवानिवृत्ति और खर्च लक्ष्यों का एक कार्य है; उसका जोखिम प्रोफ़ाइल उसकी क्षमता और जोखिम लेने की इच्छा से निर्धारित होता है। ग्राहकों की रिटर्न और जोखिम प्रोफाइल की तुलना में अक्सर एक-दूसरे के साथ सिंक नहीं होते; उदाहरण के लिए, उनके लिए स्वीकार्य जोखिम का स्तर इससे वांछित वापसी प्राप्त करना असंभव या बहुत मुश्किल हो सकता है। इसके अलावा, अपने लक्ष्यों को हासिल करने के लिए सेवानिवृत्ति के पहले एक न्यूनतम राशि की आवश्यकता हो सकती है, और ग्राहकों की जीवन शैली बचत की अनुमति नहीं देती है, या वह इसे बदलने के लिए अनिच्छुक हो सकती है

हमें एक युवा कार्यरत युगल के उदाहरण पर विचार करें जो बहुत मुश्किल काम करते हैं और हर साल महंगे छुट्टियों के साथ एक शानदार जीवन शैली होती है। उनके पास 170,000 डॉलर प्रति वर्ष (लगभग 14, 000 / माह) खर्च करने का एक सेवानिवृत्ति उद्देश्य है, और अपने बच्चों को $ 1 मिलियन की संपत्ति छोड़ने का एक विश्लेषक एक अनुकरण चलाता है और पाया जाता है कि उनकी बचत-प्रति-अवधि सेवानिवृत्ति पर वांछित पोर्टफोलियो मूल्य बनाने में अपर्याप्त है; हालांकि, छोटे कैप शेयरों के आवंटन को दोगुना (50% तक - 25% - 35% से 70%) के जरिये यह हासिल किया जा सकता है, जिससे उनके जोखिम में काफी वृद्धि होगी।उपरोक्त विकल्पों में से कोई भी नहीं (उच्च बचत या जोखिम बढ़ाना) ग्राहक को स्वीकार्य है। इस प्रकार, विश्लेषक फिर से सिमुलेशन चलाने से पहले अन्य समायोजनों में कारक वह 2 साल से सेवानिवृत्ति देरी करते हैं, और सेवानिवृत्ति के बाद अपने मासिक व्यय को $ 12, 500 तक घटा देते हैं। परिणामस्वरूप वितरण से पता चलता है कि वांछित पोर्टफोलियो मूल्य केवल 8% से छोटे कैप स्टॉक में आवंटन बढ़ाकर प्राप्त किया जा सकता है। उपलब्ध अंतर्दृष्टि के साथ, वह ग्राहकों को रिटायरमेंट में देरी करने के लिए और मामूली रूप से खर्च में कमी करने का प्रस्ताव देता है, जिसके लिए जोड़ी इससे सहमत हैं (अधिक जानकारी के लिए, मोंटे कार्लो सिमुलेशन का उपयोग करके अपने सेवानिवृत्ति की योजना बनाएं।) नीचे की रेखा

मोंटे कार्लो सिमुलेशन विश्लेषकों और सलाहकारों को विकल्पों में निवेश की संभावनाएं बदलने की अनुमति देता है। मोंटे कार्लो का लाभ विभिन्न निविष्टियों के लिए मूल्यों की श्रेणी में कारक बनाने की अपनी क्षमता है; यह भी इस अर्थ में इसकी सबसे बड़ी हानि है कि मान्यताओं को निष्पक्ष होना चाहिए क्योंकि उत्पादन केवल इनपुट के समान ही है। एक और बड़ा नुकसान यह है कि मोंटे कार्लो सिमुलेशन एक ऐसी वित्तीय संकट की तरह अत्यधिक असर वाली घटनाओं की संभावना को कम करके समझने की कोशिश करता है, जो आराम के लिए अक्सर होते जा रहे हैं। वास्तव में, विशेषज्ञों का तर्क है कि मोंटे कार्लो की तरह एक सिमुलेशन वित्त के व्यवहार के पहलुओं और बाजार सहभागियों द्वारा प्रदर्शित अवियक्तिकता में कारक बनाने में असमर्थ है। हालांकि, सलाहकारों के निपटान में एक सक्षम नौकर हैं, जिनके पास उनसे स्मार्ट सवाल पूछने की जरूरत है।