O simulare Monte Carlo este un model matematic pentru calcularea probabilității unui rezultat specific prin testarea sau eșantionarea aleatorie a unei game largi de scenarii și variabile. Utilizate pentru prima dată de Stanilaw Ulam, un matematician care a lucrat la Proiectul Manhattan în timpul celui de-al Doilea Război Mondial, simulările oferă analiștilor o cale pentru a lua decizii dificile și a rezolva probleme complexe care au mai multe zone de incertitudine. Numită după stațiunea populată de cazinouri din Monaco, simularea Monte Carlo utilizează date statistice istorice pentru a genera milioane de rezultate financiare diferite prin inserarea aleatorie a componentelor în fiecare rulare care pot influența rezultatul final, cum ar fi randamentul contului, volatilitatea sau corelațiile. Odată ce scenariile sunt formulate, metoda calculează șansele de a ajunge la un anumit rezultat. Spre deosebire de analizele standard de planificare financiară care utilizează medii pe termen lung și estimări ale creșterii sau economiilor viitoare, simularea Monte Carlo, disponibilă în aplicații software și web, poate oferi un mijloc mai realist de manipulare a variabilelor și de măsurare a probabilităților de risc financiar sau recompensă.
Metodele Monte Carlo sunt adesea folosite pentru planificarea financiară personală, evaluarea portofoliului, evaluarea obligațiunilor și a opțiunilor de obligațiuni și în finanțarea corporativă sau de proiect. Deși calculele probabilităților nu sunt noi, David B. Hertz le-a inițiat pentru prima dată în finanțe în 1964, cu articolul său, „Analiza riscului în investiții de capital”, publicat în Harvard Business Review. Phelim Boyle a aplicat metoda la evaluarea derivatelor în 1977, publicând lucrarea sa, „Opțiuni: Abordare Monte Carlo”, în Journal of Financial Economics. Tehnica este mai greu de utilizat cu opțiunile americane, iar rezultatele depind de ipotezele de bază, există unele evenimente pe care simularea Monte Carlo nu le poate prezice.
Simularea oferă câteva avantaje distincte față de alte forme de analiză financiară. Pe lângă generarea probabilităților obiectivelor posibile ale unei strategii date, metoda de formulare a datelor facilitează crearea de grafice și diagrame, favorizând o mai bună comunicare a constatărilor către investitori și acționari. Simularea Monte Carlo evidențiază impactul relativ al fiecărei variabile asupra rezultatului final. Folosind această simulare, analiștii pot vedea exact cum anumite combinații de intrări afectează și interacționează unele cu altele. Înțelegerea relațiilor interdependente pozitive și negative dintre variabile oferă o analiză mai precisă a riscului oricărui instrument.
Analiza riscului prin această metodă implică utilizarea distribuțiilor de probabilitate pentru a descrie variabilele. O distribuție de probabilitate binecunoscută este curba normală sau clopot, utilizatorii specificând valoarea așteptată și o curbă a deviației standard definind variația. Prețurile energiei și ratele inflației pot fi descrise prin curbe clopot. Distribuțiile lognormale prezintă variabile pozitive cu potențial nelimitat de creștere, cum ar fi rezervele de petrol sau prețurile acțiunilor. Uniforme, triunghiulare și discrete sunt exemple de alte distribuții de probabilitate posibile. Valorile, care sunt eșantionate aleatoriu din curbele de probabilitate, sunt transmise în seturi numite iterații.