МОДЕЛЬ МОНТЕ-КАРЛО [c.241]
Это был бы пример применения модели Монте-Карло. При планировании долгосрочных вложений мы заменяем игровую стратегию на модель проекта, [c.241]
Древо решений"и модель Монте-Карло [c.255]
В анализе чувствительности вы единовременно меняете значение лишь одной переменной когда вы проводите анализ сценариев, вы рассматриваете ограниченное число альтернативных комбинаций переменных. Если вы хотите провести основательный анализ и рассмотреть все возможные комбинации переменных, вам, чтобы охватить все, вероятно, потребуется модель Монте-Карло. В этом случае вы должны построить полную модель проекта и определить вероятностное распределение каждой составляющей потока денежных средств. Затем вы даете компьютеру задание выбрать наугад значение каждой из этих составляющих и вычислить возможные результирующие потоки денежных средств. После того как компьютер выполнит эту операцию тысячу или примерно столько раз, вы должны получить ясное представление об ожидаемом потоке денежных средств для каждого года и разброс значений возможных потоков денежных средств. [c.256]
Предположим, что менеджер уже рассчитал потоки денежных средств проекта, определил его чистую приведенную стоимость и провел анализ чувствительности, аналогичный представленному в таблице 10-2. Перечислите дополнительные шаги, необходимые для построения модели Монте-Карло для денежных потоков проекта. [c.258]
Как вы думаете, для какого рода проектов капитальных вложений модель Монте-Карло была бы наиболее полезной Например, можете ли вы привести некоторые отрасли, для которых этот метод оказался бы наиболее подходящим Был бы он более полезен для крупномасштабных инвестиций, чем для небольших Обсудите ваш ответ. [c.260]
Большинство менеджеров интересует не только ожидаемая прибыль они хотят также знать, что случится, если где-то произойдет срыв. Методы, которые мы использовали в главе 10 для оценки отдельного проекта, подходят и для рассмотрения фирмы в целом. Например, прежде чем фирма приступит к выпуску долговых обязательств на крупную сумму, ее финансовые менеджеры проводят анализ безубыточности. Иначе говоря, они смотрят, на сколько могут упасть объем продаж и прибыли, не подвергая опасности способность фирмы обслуживать долг. Или они смотрят, в каком положении окажется фирма при осуществлении ею альтернативного сценария. Или же они строят модель Монте-Карло, чтобы оценить в целом разброс возможных финансовых последствий. [c.486]
Другими словами, вы можете использовать имитационную модель Монте-Карло (см. раздел 10—2). [c.809]
Вторая альтернатива сводится к оценке ценности дисконтированных денежных потоков только при том сценарии, в котором фирма остается действующим предприятием, а затем к использованию вероятности того, что фирма будет действующим предприятием с этой ценностью. Глава 12 содержит пару подходов, способных помочь в использовании этой вероятности, они включают статистические пробиты и имитационные модели Монте-Карло. Если мы оценим вероятность выживания фирмы как действующего предприятия, то ее ценность можно определить следующим образом [c.870]
Модель Монте-Карло эксплуатирует классический метод Монте-Карло, который оценивает среднее значение некоторой случайной величины. Применительно к расчету премии опционов модель Монте-Карло сводится к оценке математического ожидания премии (здесь дана оценка премии европейского опциона колл) [c.294]
При большом числе плановых задач по определению оптимального способа организации работ и использования оборудования применяют имитационные модели, воспроизводящие экономические и производственные условия с помощью ЭВМ. Из методов статического моделирования применяют метод Монте-Карло, сетевые модели и др. [c.128]
На практике возникает большое число задач, где необходимо определить оптимальный способ организации работ и использования оборудования. В этом случае применяют имитационные модели, заключающиеся в имитации экономических и производственных условий на ЭВМ путем воспроизведения элементарных явлений и актов процесса в последовательности, содержащей реальные связи и взаимосвязи. Из методов статистического моделирования используются метод Монте-Карло, сетевые модели и др. Содержание и методика использования конкретных моделей рассматривается далее. [c.19]
Для анализа стохастических моделей, особенно многокритериальных, в последнее время широко используется подход имитационного типа, получивший название метода Монте-Карло. Он состоит в следующем с помощью специально реализованного в ЭВМ генератора случайных чисел строят последовательность чисел г/ , г/2, . ., UN, которые в совокупности можно интерпретировать как последовательность реализаций случайной величины у. Выбирают конечное число вариантов управления xt, xz,. . ., хп. Рассчитывают значения W(xt, ys) для всех i = 1,. . ., п j = 1,. ... . ., N. Числа W(xi, z/j) (/ = 1,. . ., N) дают представление о распределении показателя W при управлении xt, т. е. о функции распределения FXi(r ), и могут использоваться для оценки этого [c.155]
Для того чтобы хорошо оцепить распределение FXi(r ), необходимо взять достаточно большое значение. /V — числа реализации случайной величины у. Чтобы хорошо аппроксимировать множество всех решений X, приходится брать большое число п. Это приводит к очень большому (п X N) числу расчетов, что делает метод Монте-Карло не всегда реализуемым на практике. Все же, несмотря на описанный недостаток, метод используется очень часто, поскольку является во многих случаях единственным пригодным средством анализа модели. [c.155]
Определение оптимального уровня денежных средств. Смысловая нагрузка последнего блока определяется необходимостью нахождения компромисса между, с одной стороны, желанием обезопасить себя от ситуаций хронической нехватки денежных средств и, с другой стороны, желанием вложить свободные денежные средства в какое-то дело с целью получения дополнительного дохода. В мировой практике разработаны методы оптимизации остатка денежных средств, в основе которых заложены те же идеи, что и в методах оптимизации производственных запасов. Наибольшую известность получили модели Баумоля, Миллера — Орра, Стоуна и имитационное моделирование по методу Монте-Карло [Ковалев, 1999]. Суть данных моделей состоит в том, чтобы дать рекомендации о коридоре варьирования остатка денежных средств, выход за пределы которого предполагает либо конвертацию денежных средств в ликвидные ценные бумаги, либо обратную процедуру. [c.375]
Получение характеристик систем массового обслуживания подобного класса возможно с помощью метода статистических испытаний — метода Монте-Карло, т.е. путем создания имитационной модели, на которой проигрывают различные ситуации, возникающие в процессе выполнения оперативного плана. [c.232]
Наиболее сложным, трудоемким и дорогостоящим методом анализа рисков является метод Монте-Карло. Он, в основном, используется для анализа рисков крупных проектов в условиях недостаточного объема априорной информации. Этот метод заключается в построении имитационных моделей, позволяющих создать множество сценариев, согласующихся с заданными ограничениями на исходные переменные. [c.281]
Рассмотрим следующий модельный пример. Методом Монте-Карло (см. 12.2) была сымитирована модель [c.214]
В эконометрическом моделировании значение метода Монте-Карло особенно велико. С его помощью можно построить модель с заранее известными параметрами (отметим еще раз, что в реальных моделях параметры никогда не бывают известны). [c.286]
Метод Монте-Карло позволяет проверить экспериментально результаты, полученные теоретически. В качестве примера рассмотрим задачу выбора спецификации модели. Пусть имеются фиксированные выборки переменных X, Z, а случайные выборки переменной К генерируются по формуле [c.286]
Наконец, отметим особенно значимую роль экспериментов по методу Монте-Карло в процессе обучения. Именно с помощью таких экспериментов можно увидеть различия между методами оценивания моделей, наблюдать эффекты, вызванные нарушением тех или иных условий и т. д. [c.287]
С помощью теории массового обслуживания можно получить аналитические выражения и при других дисциплинах обслуживания очереди и конфигурациях вычислительной системы. Рассматривая модель обслуживания заданий, мы исходим из предположений того, что процессы в системе - марковские, а потоки - простейшие. Если эти предположения неверны, то получить аналитические выражения трудно, а чаще всего невозможно. Для таких случаев моделирование проводится с помощью метода статистических испытаний (метода Монте-Карло), который позволяет создать алгоритмическую модель, [c.76]
В результате анализа, проведенного методом Монте-Карло, эксперт получает значение ожидаемой чистой приведенной стоимости проекта и плотность распределения этой случайной величины. Однако этих данных недостаточно для того, чтобы аналитик установил, действительно ли прибыльность проекта настолько велика, что компенсирует риск по проекту, оцененный стандартным отклонением и коэффициентом вариации. Ряд исследователей избегает использования данного метода ввиду сложности построения вероятностной модели и множества вычислений, однако при корректности модели метод дает весьма надежные результаты, позволяющие судить как о доходности проекта, так и о его устойчивости (чувствительности). [c.252]
Как только определены внешние по отношению к стратегии параметры, можно перейти к оценке стратегий. Обычно модель включает процедуры статистических испытаний (метод Монте-Карло) и экономической оценки открываемых месторождений. На основе математических и логических соотношений осуществляется процесс случайного выбора. В результате получают распределения частоты возможных исходов для изучаемого параметра или их совокупности. [c.180]
Анализ чувствительности позволяет вам единовременно учитывать влияние изменения только одной переменной. Рассматривая проект при различных сценариях, вы можете выявить результаты ограниченного числа вероятных сочетаний переменных. Модель Монте-Карло позволяет рассмотреть все возможные комбинации. Использование модели при планировании долгосрочных вложений ассоциируется главным образом с Дэвидом Герцем и консалтинговой фирмой в области управления M Kinsey and ompany. Как мы увидим, этот метод является противоречивым. [c.241]
Мы говорили о том, что любой прогноз потоков денежных средств строится на допущениях относительно будущих инвестиций и стратегии производства. Вернемся к имитационной модели Монте-Карло, которую мы построили для компании "Драндулет". Какая стратегия лежала в ее основе Мы не знаем. "Драндулет" неизбежно столкнется с необходимостью принятия решений по вопросам ценообразования, производства, расширения и прекращения бизнеса, но допущения, сделанные создателем модели, касающиеся этих решений, сокрыты в уравнениях модели. В какой-то момент создатель модели может четко сформулировать будущую стратегию для "Драндулета", но, очевидно, она не будет оптимальной. Будет сделано несколько прогонов модели, прежде чем почти все пойдет не так, как надо, но к этому времени в реальной жизни компания "Драндулет" уже остановила бы проект, чтобы уменьшить свои потери. А модель продолжает воспроизводить период за периодом, невзирая на истощение денежных ресурсов "Друндулета", но наиболее неблагоприятные результаты, полученные в имитационной модели, никогда не встречаются в реальной жизни. [c.255]
Хэкс и Уиг обсуждают, как модель Монте-Карло и метод "древа решений" использовались в практическом планировании долгосрочных вложений. [c.257]
Ни один финансовый менеджер не любит неожиданностей, поэтому инвестиционные компании и консультанты разработали набор инструментов, с помощью которых менеджер может изучить последствия той или иной инвестиционной стратегии. Например, в главе 10 мы показывали, как компании применяют модель Монте-Карло для более глубокой проработки решений о долгосрочных вложениях26. [c.999]
Для анализа изменчивости (дисперсии) приведенной стоимости проекта в отсутствие гибкости мы советуем пользоваться имитационной моделью Монте-Карло, которая, на наш взгляд, позволяет наилучшим образом совместить разнообразные риски и установить взаимосвязи между ними. В другой ситуации из нашего опыта важным источником неопределенно-ста служила цена конечного продукта, но н менее значимую роль играла также цена основного производственного ресурса. Более того, между этими двумл типами рисков наблюдалась корреляция. Мы тогда взяли прошлые данные, характеризующие разброс этих цен (спред), и ввели их в модель Монте-Карло. Использование спреда позволило свести два источника неопределенности к одному и одновременно учесть корреляцию между ценой конечного продукта и ценой ресурса. [c.463]
Учитывая матричную форму изложения в учебнике вопросов множественной регрессии, в приложении (главе 11) приведены основные сведения из линейной алгебры. Кроме того, в ыаве 12 рассмотрено применение компьютерных пакетов для оценивания эконометрических моделей, а также проведение эксперимента по методу Монте-Карло, основанного на компьютерном моделировании случайных величин. [c.4]
Имитационное моделирование по методу Монте-Карло (Monte- arlo Simulation) позволяет построить математическую модель для проекта с неопределенными значениями параметров, и, зная вероятностные распределения параметров проекта, а также связь между изменениями параметров (корреляцию), получить распределение доходности проекта. Блок-схема, представленная на рис. 7.6, отражает укрупненную схему работы с моделью. [c.242]
Нами был рассмотрен метод решения моделей с нелинейностью второго порядка 1. Для решения моделей с нелиней- ностью любого другого более высокого порядка можно аналогичным образом применить метод Монте-Карло. (При этом громоздкость расчетов сильно возрастет. [c.199]