मोंटे कार्लो सिमुलेशन: मूल बातें समझना
एक मोंटे कार्लो सिमुलेशन क्या है?
विश्लेषक कई तरीकों से संभावित पोर्टफोलियो रिटर्न का आकलन कर सकते हैं। ऐतिहासिक दृष्टिकोण, जो सबसे लोकप्रिय है, उन सभी संभावनाओं पर विचार करता है जो पहले ही हो चुके हैं। हालांकि, निवेशकों को इस पर रोक नहीं लगानी चाहिए। मोंटे कार्लो विधि एक सांख्यिकीय समस्या को हल करने विधि एक स्टोकेस्टिक (आदानों की यादृच्छिक नमूना) है, और एक सिमुलेशन एक समस्या का एक आभासी प्रतिनिधित्व है। मोंटे कार्लो सिमुलेशन हमें एक शक्तिशाली उपकरण प्रदान करने के लिए दोनों को जोड़ता है जो हमें किसी भी सांख्यिकीय समस्या के लिए परिणामों का वितरण (सरणी) प्राप्त करने की अनुमति देता है, जिसमें कई इनपुट बार-बार नमूना होते हैं।
चाबी छीन लेना
- मोंटे कार्लो विधि सांख्यिकीय समस्या को हल करने के लिए जानकारी के यादृच्छिक नमूने का उपयोग करती है; जबकि एक अनुकरण वस्तुतः एक रणनीति को प्रदर्शित करने का एक तरीका है।
- संयुक्त, मोंटे कार्लो सिमुलेशन एक उपयोगकर्ता को बार-बार सैंपल किए गए कई डेटा बिंदुओं के साथ एक सांख्यिकीय समस्या के लिए परिणामों से ईर्ष्या करने में सक्षम बनाता है।
- मोंटे कार्लो सिमुलेशन का उपयोग कॉर्पोरेट वित्त, विकल्प मूल्य निर्धारण और विशेष रूप से पोर्टफोलियो प्रबंधन और व्यक्तिगत वित्त नियोजन में किया जा सकता है।
- नकारात्मक पक्ष के रूप में, सिमुलेशन सीमित है कि यह भालू बाजार, मंदी या किसी अन्य प्रकार के वित्तीय संकट के लिए जिम्मेदार नहीं हो सकता है जो अन्य परिणामों को प्रभावित कर सकते हैं।
मोंटे कार्लो सिमुलेशन डीमिस्टिफाई
मोंटे कार्लो सिमुलेशन को पासा फेंकने वाले व्यक्ति के बारे में सोचकर सबसे अच्छा समझा जा सकता है। एक नौसिखिया जुआरी जो पहली बार क्रेप्स खेलता है उसे इस बात का कोई सुराग नहीं होगा कि बाधाओं को किसी भी संयोजन में एक छक्का लगाने के लिए क्या है (उदाहरण के लिए, चार और दो, तीन और तीन, एक और पांच)। दो तीलियों को लुढ़काने की क्या आदतें हैं, जिन्हें “हार्ड सिक्स” भी कहा जाता है? कई बार पासा फेंकते हुए, आदर्श रूप से कई लाख बार, परिणामों का एक प्रतिनिधि वितरण प्रदान करेगा, जो हमें बताएगा कि छह का रोल कितना मुश्किल होगा। आदर्श रूप से, हमें इन परीक्षणों को कुशलतापूर्वक और जल्दी से चलाना चाहिए, जो वास्तव में एक मोंटे कार्लो सिमुलेशन प्रदान करता है।
एसेट की कीमतें या पोर्टफोलियो के भविष्य के मूल्य पासा के रोल पर निर्भर नहीं करते हैं, लेकिन कभी-कभी परिसंपत्ति की कीमतें एक यादृच्छिक चलने से मिलती हैं । अकेले इतिहास को देखने के साथ समस्या यह है कि यह केवल एक रोल या संभावित परिणाम का प्रतिनिधित्व करता है, जो भविष्य में लागू हो सकता है या नहीं। एक मोंटे कार्लो सिमुलेशन संभावनाओं की एक विस्तृत श्रृंखला पर विचार करता है और हमें अनिश्चितता को कम करने में मदद करता है। एक मोंटे कार्लो सिमुलेशन बहुत लचीला है; यह हमें सभी मापदंडों के तहत जोखिम मान्यताओं को अलग करने की अनुमति देता है और इस प्रकार संभावित परिणामों की एक श्रृंखला को मॉडल करता है। एक कई भविष्य के परिणामों की तुलना कर सकता है और समीक्षा के तहत मॉडल को विभिन्न परिसंपत्तियों और विभागों को अनुकूलित कर सकता है।
मोंटे कार्लो सिमुलेशन कई परिदृश्यों में विभिन्न प्रकार की जोखिम धारणाओं को समायोजित कर सकता है और इसलिए सभी प्रकार के निवेशों और विभागों पर लागू होता है।
मोंटे कार्लो सिमुलेशन लागू करना
मोंटे कार्लो सिमुलेशन में वित्त और अन्य क्षेत्रों में कई अनुप्रयोग हैं। मोंटे कार्लो का उपयोग कॉर्पोरेट वित्त में परियोजना के नकदी प्रवाह के घटकों के लिए किया जाता है, जो अनिश्चितता से प्रभावित होते हैं। परिणाम विश्लेषण और इसकी अस्थिरता के तहत निवेश के औसत एनपीवी पर टिप्पणियों के साथ-साथ शुद्ध वर्तमान मूल्यों (एनपीवी) की एक श्रृंखला है । इस प्रकार, निवेशक इस संभावना का अनुमान लगा सकता है कि एनपीवी शून्य से अधिक होगा। मोंटे कार्लो का उपयोग विकल्प मूल्य निर्धारण के लिए किया जाता है जहां एक अंतर्निहित संपत्ति की कीमत के लिए कई यादृच्छिक पथ उत्पन्न होते हैं, प्रत्येक में एक संबंधित भुगतान होता है। फिर इन भुगतानों को वर्तमान में वापस कर दिया जाता है और निश्चित आय प्रतिभूतियों और ब्याज दर व्युत्पन्न के मूल्य निर्धारण के लिए किया जाता है । लेकिन मोंटे कार्लो सिमुलेशन का उपयोग पोर्टफोलियो प्रबंधन और व्यक्तिगत वित्तीय नियोजन में सबसे अधिक उपयोग किया जाता है ।
पोर्टफोलियो प्रबंधन में उपयोग
एक मोंटे कार्लो सिमुलेशन एक विश्लेषक को पोर्टफोलियो के आकार को निर्धारित करने की अनुमति देता है जो ग्राहक को अपनी वांछित सेवानिवृत्ति जीवन शैली और अन्य वांछित उपहारों और बीक्वेस्ट का समर्थन करने के लिए सेवानिवृत्ति की आवश्यकता होगी । वह पुनर्निवेश दरों, मुद्रास्फीति दरों, परिसंपत्ति वर्ग रिटर्न, कर दरों और संभव जीवन काल के वितरण में कारक है। परिणाम ग्राहक की वांछित खर्च जरूरतों का समर्थन करने की संभावनाओं के साथ पोर्टफोलियो आकारों का वितरण है।
अपेक्षित मूल्य और वितरण को निर्धारित करने के लिए विश्लेषक मोंटे कार्लो सिमुलेशन का उपयोग करता है । सिमुलेशन विश्लेषक बहु-अवधि दृश्य और कारक पर 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 के अलग-अलग अंशों, परिसंपत्तियों के बीच विभिन्न सहसंबंधों, और बड़ी संख्या में कारकों के वितरण के साथ विभिन्न परिसंपत्ति आवंटन का उपयोग करता है – प्रत्येक अवधि में बचत और सेवानिवृत्ति की तारीख – पोर्टफोलियो की वितरण के साथ आने की संभावना के साथ सेवानिवृत्ति पर वांछित पोर्टफोलियो मूल्य पर। ग्राहक की अलग-अलग खर्च दर और जीवन काल की संभावना को निर्धारित करने के लिए तथ्य यह हो सकता है कि ग्राहक अपनी मृत्यु से पहले धन (खंडहर या दीर्घायु जोखिम की संभावना ) से बाहर चला जाएगा ।
एक ग्राहक का जोखिम और रिटर्न प्रोफाइल पोर्टफोलियो प्रबंधन के फैसले को प्रभावित करने वाला सबसे महत्वपूर्ण कारक है। ग्राहक के आवश्यक रिटर्न उसके सेवानिवृत्ति और खर्च लक्ष्यों का एक कार्य है; उसकी जोखिम प्रोफ़ाइल उसकी क्षमता और जोखिम लेने की इच्छा से निर्धारित होती है। अधिक बार नहीं, वांछित रिटर्न और क्लाइंट का जोखिम प्रोफाइल एक-दूसरे के साथ सिंक नहीं होते हैं। उदाहरण के लिए, किसी ग्राहक को स्वीकार्य जोखिम का स्तर वांछित रिटर्न प्राप्त करने के लिए असंभव या बहुत मुश्किल बना सकता है। इसके अलावा, ग्राहक के लक्ष्यों को प्राप्त करने के लिए सेवानिवृत्ति से पहले एक न्यूनतम राशि की आवश्यकता हो सकती है, लेकिन ग्राहक की जीवन शैली बचत के लिए अनुमति नहीं देगी या ग्राहक इसे बदलने के लिए अनिच्छुक हो सकता है।
मोंटे कार्लो सिमुलेशन उदाहरण
आइए एक युवा कामकाजी जोड़े के एक उदाहरण पर विचार करें जो बहुत मेहनत करता है और हर साल महंगी छुट्टियों सहित एक शानदार जीवन शैली है।उनके पास प्रति वर्ष $ 170,000 (लगभग $ 14,000 / माह) खर्च करने और अपने बच्चों के लिए $ 1 मिलियन संपत्ति छोड़ने का एक सेवानिवृत्ति उद्देश्य है।एक विश्लेषक एक सिमुलेशन चलाता है और पाता है कि उनकी बचत-प्रति-अवधि सेवानिवृत्ति पर वांछित पोर्टफोलियो मूल्य बनाने के लिए अपर्याप्त है;हालांकि, यह प्राप्त करने योग्य है अगरस्मॉल-कैप शेयरों के लिए आवंटन को दोगुना (25 से 35% तक 50 से 70% तक) किया जाए, जो उनके जोखिम को काफी बढ़ा देगा।उपरोक्त विकल्पों में से कोई भी (उच्च बचत या बढ़ा हुआ जोखिम) ग्राहक को स्वीकार्य नहीं है।इस प्रकार, सिमुलेशन को फिर से चलाने से पहले अन्य समायोजन में विश्लेषक कारक।विश्लेषक अपनी सेवानिवृत्ति में दो साल की देरी करते हैं और सेवानिवृत्ति के बाद के मासिक खर्च को घटाकर $ 12,500 कर देते हैं।परिणामी वितरण से पता चलता है कि छोटे पोर्टफोलियो में आवंटन को केवल 8 प्रतिशत बढ़ाकर वांछित पोर्टफोलियो मूल्य प्राप्त किया जा सकता है।उपलब्ध अंतर्दृष्टि के साथ, विश्लेषक ग्राहकों को सेवानिवृत्ति में देरी करने और अपने खर्च को मामूली रूप से कम करने की सलाह देते हैं, जिससे युगल सहमत हैं।
तल – रेखा
एक मोंटे कार्लो सिमुलेशन विश्लेषकों और सलाहकारों को निवेश के अवसरों को विकल्पों में बदलने की अनुमति देता है। मोंटे कार्लो का लाभ विभिन्न आदानों के लिए मूल्यों की एक सीमा में कारक की क्षमता है; यह इस मायने में भी इसका सबसे बड़ा नुकसान है कि मान्यताओं का निष्पक्ष होना आवश्यक है क्योंकि आउटपुट केवल इनपुट की तरह अच्छा है। एक और बड़ा नुकसान यह है कि मोंटे कार्लो अनुकरण एक वित्तीय संकट की तरह चरम भालू की घटनाओं की संभावना को कम करने के लिए जाता है । वास्तव में, विशेषज्ञों का तर्क है कि मोंटे कार्लो जैसा अनुकरण वित्त के व्यवहार संबंधी पहलुओं और बाजार सहभागियों द्वारा प्रदर्शित तर्कहीनता के कारक नहीं है। हालांकि, यह सलाहकारों के लिए एक उपयोगी उपकरण है।