Η προσομοίωση Monte Carlo είναι ένα μαθηματικό μοντέλο για τον υπολογισμό της πιθανότητας ενός συγκεκριμένου αποτελέσματος με τυχαία δοκιμή ή δειγματοληψία μεγάλης ποικιλίας σεναρίων και μεταβλητών. Χρησιμοποιήθηκαν για πρώτη φορά από τον Stanilaw Ulam, έναν μαθηματικό που εργάστηκε στο Manhattan Project κατά τη διάρκεια του Β’ Παγκοσμίου Πολέμου, οι προσομοιώσεις παρέχουν στους αναλυτές μια λεωφόρο για τη λήψη δύσκολων αποφάσεων και την επίλυση σύνθετων προβλημάτων που έχουν πολλαπλούς τομείς αβεβαιότητας. Η προσομοίωση Monte Carlo πήρε το όνομά του από το θέρετρο του Μονακό που είναι γεμάτο καζίνο, και χρησιμοποιεί ιστορικά στατιστικά δεδομένα για να δημιουργήσει εκατομμύρια διαφορετικά οικονομικά αποτελέσματα εισάγοντας τυχαία στοιχεία σε κάθε εκτέλεση που μπορούν να επηρεάσουν το τελικό αποτέλεσμα, όπως επιστροφές λογαριασμού, αστάθεια ή συσχετίσεις. Μόλις διαμορφωθούν τα σενάρια, η μέθοδος υπολογίζει τις πιθανότητες επίτευξης ενός συγκεκριμένου αποτελέσματος. Σε αντίθεση με τις τυπικές αναλύσεις οικονομικού σχεδιασμού που χρησιμοποιούν μακροπρόθεσμους μέσους όρους και εκτιμήσεις μελλοντικής ανάπτυξης ή αποταμίευσης, η προσομοίωση Monte Carlo, διαθέσιμη σε λογισμικό και διαδικτυακές εφαρμογές, μπορεί να παρέχει ένα πιο ρεαλιστικό μέσο χειρισμού μεταβλητών και μέτρησης των πιθανοτήτων οικονομικού κινδύνου ή ανταμοιβής.
Οι μέθοδοι Monte Carlo χρησιμοποιούνται συχνά για προσωπικό οικονομικό σχεδιασμό, αξιολόγηση χαρτοφυλακίου, αποτίμηση ομολόγων και δικαιωμάτων προαίρεσης ομολόγων, καθώς και στη χρηματοδότηση επιχειρήσεων ή έργων. Αν και οι υπολογισμοί πιθανοτήτων δεν είναι νέοι, ο David B. Hertz τους πρωτοστάτησε στα χρηματοοικονομικά το 1964 με το άρθρο του, «Risk Analysis in Capital Investment», που δημοσιεύτηκε στο Harvard Business Review. Ο Phelim Boyle εφάρμοσε τη μέθοδο στην αποτίμηση παραγώγων το 1977, δημοσιεύοντας την εργασία του, «Options: A Monte Carlo Approach», στο Journal of Financial Economics. Η τεχνική είναι πιο δύσκολο να χρησιμοποιηθεί με αμερικανικές επιλογές, και με τα αποτελέσματα να εξαρτώνται από τις υποκείμενες υποθέσεις, υπάρχουν ορισμένα γεγονότα που η προσομοίωση Monte Carlo δεν μπορεί να προβλέψει.
Η προσομοίωση προσφέρει αρκετά διακριτά πλεονεκτήματα σε σχέση με άλλες μορφές χρηματοοικονομικής ανάλυσης. Εκτός από τη δημιουργία των πιθανοτήτων των πιθανών τελικών σημείων μιας δεδομένης στρατηγικής, η μέθοδος διαμόρφωσης δεδομένων διευκολύνει τη δημιουργία γραφημάτων και διαγραμμάτων, ενισχύοντας την καλύτερη επικοινωνία των ευρημάτων στους επενδυτές και τους μετόχους. Η προσομοίωση Monte Carlo υπογραμμίζει τη σχετική επίδραση κάθε μεταβλητής στο τελικό αποτέλεσμα. Χρησιμοποιώντας αυτήν την προσομοίωση, οι αναλυτές μπορούν επίσης να δουν ακριβώς πώς ορισμένοι συνδυασμοί εισροών επηρεάζουν και αλληλεπιδρούν μεταξύ τους. Η κατανόηση των θετικών και αρνητικών αλληλεξαρτώμενων σχέσεων μεταξύ των μεταβλητών παρέχει μια πιο ακριβή ανάλυση κινδύνου οποιουδήποτε μέσου.
Η ανάλυση κινδύνου με αυτή τη μέθοδο περιλαμβάνει τη χρήση κατανομών πιθανοτήτων για την περιγραφή των μεταβλητών. Μια πολύ γνωστή κατανομή πιθανοτήτων είναι η κανονική ή καμπύλη καμπάνας, με τους χρήστες να καθορίζουν την αναμενόμενη τιμή και μια καμπύλη τυπικής απόκλισης που ορίζει τη διακύμανση. Οι τιμές της ενέργειας και οι ρυθμοί πληθωρισμού μπορούν να απεικονιστούν με καμπύλες καμπάνας. Οι λογαριθμικές διανομές απεικονίζουν θετικές μεταβλητές με απεριόριστες δυνατότητες αύξησης, όπως τα αποθέματα πετρελαίου ή οι τιμές των μετοχών. Ομοιόμορφες, τριγωνικές και διακριτές είναι παραδείγματα άλλων πιθανών κατανομών πιθανοτήτων. Οι τιμές, που λαμβάνονται τυχαία από τις καμπύλες πιθανοτήτων, υποβάλλονται σε σύνολα που ονομάζονται επαναλήψεις.