மான்டே கார்லோ சிமுலேஷன் என்றால் என்ன, நமக்கு ஏன் இது தேவை?
சாத்தியமான போர்ட்ஃபோலியோ வருமானத்தை ஆய்வாளர்கள் பல வழிகளில் மதிப்பிடலாம். மிகவும் பிரபலமான வரலாற்று அணுகுமுறை, ஏற்கனவே நடந்த அனைத்து சாத்தியங்களையும் கருதுகிறது. இருப்பினும், முதலீட்டாளர்கள் இதை நிறுத்தக்கூடாது. மான்டே கார்லோ முறை என்பது ஒரு புள்ளிவிவர சிக்கலைத் தீர்க்க ஒரு சீரற்ற (உள்ளீடுகளின் சீரற்ற மாதிரி) முறையாகும், மேலும் ஒரு உருவகப்படுத்துதல் என்பது ஒரு சிக்கலின் மெய்நிகர் பிரதிநிதித்துவமாகும். மான்டே கார்லோ உருவகப்படுத்துதல் இரண்டையும் ஒன்றிணைத்து, ஒரு சக்திவாய்ந்த கருவியை எங்களுக்கு அளிக்கிறது, இது எந்தவொரு புள்ளிவிவர சிக்கலுக்கும் முடிவுகளின் விநியோகத்தை (வரிசை) பெற அனுமதிக்கிறது, பல உள்ளீடுகளுடன் மீண்டும் மீண்டும் மாதிரிகள் எடுக்கப்படுகின்றன. (மேலும் பார்க்க, ஸ்டோகாஸ்டிக்ஸ்: ஒரு துல்லியமான வாங்க மற்றும் விற்க காட்டி .)
மான்டே கார்லோ சிமுலேஷன் டெமிஸ்டிஃபைட்
ஒரு நபர் பகடை வீசுவதைப் பற்றி சிந்திப்பதன் மூலம் மான்டே கார்லோ உருவகப்படுத்துதல்களை நன்கு புரிந்து கொள்ள முடியும். முதன்முறையாக தந்திரங்களை விளையாடும் ஒரு புதிய சூதாட்டக்காரர் எந்தவொரு கலவையிலும் ஒரு சிக்ஸரை உருட்ட என்ன முரண்பாடுகள் உள்ளன என்பதற்கு எந்த துப்பும் இருக்காது (எடுத்துக்காட்டாக, நான்கு மற்றும் இரண்டு, மூன்று மற்றும் மூன்று, ஒன்று மற்றும் ஐந்து). "கடினமான ஆறு" என்றும் அழைக்கப்படும் இரண்டு மும்மூர்த்திகளை உருட்டுவதன் முரண்பாடுகள் என்ன? பகடைகளை பல முறை எறிவது, பல மில்லியன் தடவைகள், முடிவுகளின் பிரதிநிதித்துவ விநியோகத்தை வழங்கும், இது ஆறு ரோல் ஒரு கடினமான சிக்ஸாக எவ்வளவு சாத்தியமாகும் என்பதை இது நமக்குத் தெரிவிக்கும். வெறுமனே, இந்த சோதனைகளை நாம் திறமையாகவும் விரைவாகவும் இயக்க வேண்டும், இது ஒரு மான்டே கார்லோ உருவகப்படுத்துதலை வழங்குகிறது.
சொத்து விலைகள் அல்லது இலாகாக்களின் எதிர்கால மதிப்புகள் டைஸின் ரோல்களைப் பொறுத்து இல்லை, ஆனால் சில நேரங்களில் சொத்து விலைகள் ஒரு சீரற்ற நடைக்கு ஒத்திருக்கும். வரலாற்றை மட்டும் பார்ப்பதில் உள்ள சிக்கல் என்னவென்றால், இது ஒரு ரோல் அல்லது சாத்தியமான விளைவுகளை பிரதிபலிக்கிறது, இது எதிர்காலத்தில் பொருந்தாது அல்லது பொருந்தாது. ஒரு மான்டே கார்லோ உருவகப்படுத்துதல் பரந்த அளவிலான சாத்தியக்கூறுகளைக் கருத்தில் கொண்டு, நிச்சயமற்ற தன்மையைக் குறைக்க உதவுகிறது. ஒரு மான்டே கார்லோ உருவகப்படுத்துதல் மிகவும் நெகிழ்வானது; இது அனைத்து அளவுருக்களின் கீழும் ஆபத்து அனுமானங்களை வேறுபடுத்த அனுமதிக்கிறது, இதனால் சாத்தியமான விளைவுகளின் வரம்பை மாதிரியாகக் கொண்டுள்ளது. பல எதிர்கால விளைவுகளை ஒருவர் ஒப்பிட்டு, மதிப்பாய்வில் உள்ள பல்வேறு சொத்துக்கள் மற்றும் இலாகாக்களுடன் மாதிரியைத் தனிப்பயனாக்கலாம். (மேலும் பார்க்க, நிகழ்தகவு விநியோகங்களுடன் சரியான பொருத்தத்தைக் கண்டறியவும் .)
நிதியத்தில் மான்டே கார்லோ சிமுலேஷனின் பயன்பாடுகள்
மான்டே கார்லோ உருவகப்படுத்துதல் நிதி மற்றும் பிற துறைகளில் ஏராளமான பயன்பாடுகளைக் கொண்டுள்ளது. திட்ட பணப்புழக்கத்தின் மாதிரி கூறுகளுக்கு கார்ப்பரேட் நிதிகளில் மான்டே கார்லோ பயன்படுத்தப்படுகிறது, அவை நிச்சயமற்ற தன்மையால் பாதிக்கப்படுகின்றன. இதன் விளைவாக நிகர தற்போதைய மதிப்புகள் (NPV கள்) பகுப்பாய்வின் கீழ் முதலீட்டின் சராசரி NPV மற்றும் அதன் நிலையற்ற தன்மை பற்றிய அவதானிப்புகள் உள்ளன. இதனால், முதலீட்டாளர் NPV பூஜ்ஜியத்தை விட அதிகமாக இருக்கும் என்ற நிகழ்தகவை மதிப்பிட முடியும். மான்டே கார்லோ விருப்பத்தேர்வு விலைக்கு பயன்படுத்தப்படுகிறது, அங்கு ஒரு அடிப்படை சொத்தின் விலைக்கு ஏராளமான சீரற்ற பாதைகள் உருவாக்கப்படுகின்றன, ஒவ்வொன்றும் தொடர்புடைய ஊதியம் கொண்டவை. இந்த செலுத்துதல்கள் பின்னர் தற்போது தள்ளுபடி செய்யப்பட்டு விருப்பத்தின் விலையைப் பெற சராசரியாக இருக்கும். நிலையான வருமான பத்திரங்கள் மற்றும் வட்டி வீத வழித்தோன்றல்களுக்கு விலை நிர்ணயம் செய்வதற்கும் இது பயன்படுத்தப்படுகிறது. ஆனால் மான்டே கார்லோ உருவகப்படுத்துதல் போர்ட்ஃபோலியோ மேலாண்மை மற்றும் தனிப்பட்ட நிதி திட்டமிடல் ஆகியவற்றில் மிகவும் விரிவாகப் பயன்படுத்தப்படுகிறது. (மேலும் பார்க்க, பார்க்க: மூலதன முதலீட்டு முடிவுகள் - அதிகரிக்கும் பணப்புழக்கம் .)
மான்டே கார்லோ சிமுலேஷன் மற்றும் போர்ட்ஃபோலியோ மேலாண்மை
ஒரு மான்டே கார்லோ உருவகப்படுத்துதல் ஒரு ஆய்வாளர் விரும்பிய ஓய்வூதிய வாழ்க்கை முறை மற்றும் பிற விரும்பிய பரிசுகள் மற்றும் விருப்பங்களை ஆதரிக்க ஓய்வூதியத்தில் தேவைப்படும் போர்ட்ஃபோலியோவின் அளவை தீர்மானிக்க அனுமதிக்கிறது. மறு முதலீட்டு விகிதங்கள், பணவீக்க விகிதங்கள், சொத்து வகுப்பு வருமானம், வரி விகிதங்கள் மற்றும் சாத்தியமான ஆயுட்காலம் ஆகியவற்றின் விநியோகத்திற்கு அவள் காரணியாக இருக்கிறாள். இதன் விளைவாக வாடிக்கையாளரின் விரும்பிய செலவுத் தேவைகளை ஆதரிப்பதற்கான நிகழ்தகவுகளுடன் போர்ட்ஃபோலியோ அளவுகளின் விநியோகம் ஆகும்.
ஆய்வாளர் அடுத்து உரிமையாளரின் ஓய்வூதிய தேதியில் ஒரு போர்ட்ஃபோலியோவின் எதிர்பார்க்கப்பட்ட மதிப்பு மற்றும் விநியோகத்தை தீர்மானிக்க மான்டே கார்லோ உருவகப்படுத்துதலைப் பயன்படுத்துகிறார். உருவகப்படுத்துதல் ஆய்வாளரை பாதை சார்புநிலைக்கு பல கால பார்வை மற்றும் காரணி எடுக்க அனுமதிக்கிறது; ஒவ்வொரு காலகட்டத்திலும் போர்ட்ஃபோலியோ மதிப்பு மற்றும் சொத்து ஒதுக்கீடு முந்தைய காலகட்டத்தில் வருமானம் மற்றும் நிலையற்ற தன்மையைப் பொறுத்தது. ஒவ்வொரு காலகட்டத்திலும் சேமிப்பு மற்றும் ஓய்வூதிய தேதி உட்பட - பல்வேறு அளவிலான ஆபத்துக்கள், சொத்துக்களுக்கு இடையிலான வேறுபட்ட தொடர்புகள் மற்றும் ஏராளமான காரணிகளின் விநியோகம் ஆகியவற்றுடன் ஆய்வாளர் பல்வேறு சொத்து ஒதுக்கீடுகளைப் பயன்படுத்துகிறார் - இலாகாக்களின் விநியோகத்திற்கு வருவதற்கும் நிகழ்தகவு ஓய்வூதியத்தில் விரும்பிய போர்ட்ஃபோலியோ மதிப்பில். கிளையண்ட்டின் வெவ்வேறு செலவு விகிதங்கள் மற்றும் ஆயுட்காலம் ஆகியவை இறப்பதற்கு முன்னர் வாடிக்கையாளர் நிதியில்லாமல் (அழிவு அல்லது நீண்ட ஆயுள் அபாயத்தின் நிகழ்தகவு) வெளியேறும் நிகழ்தகவை தீர்மானிக்க காரணியாக இருக்க முடியும்.
போர்ட்ஃபோலியோ மேலாண்மை முடிவுகளை பாதிக்கும் மிக முக்கியமான காரணி வாடிக்கையாளரின் ஆபத்து மற்றும் வருவாய் சுயவிவரம். வாடிக்கையாளருக்குத் தேவையான வருவாய் என்பது அவரது ஓய்வு மற்றும் செலவு இலக்குகளின் செயல்பாடு; அவளுடைய ஆபத்து சுயவிவரம் அவளது திறன் மற்றும் அபாயங்களை எடுக்க விருப்பம் ஆகியவற்றால் தீர்மானிக்கப்படுகிறது. பெரும்பாலும், வாடிக்கையாளரின் விரும்பிய வருவாய் மற்றும் ஆபத்து சுயவிவரம் ஒருவருக்கொருவர் ஒத்திசைக்கப்படவில்லை. எடுத்துக்காட்டாக, ஒரு வாடிக்கையாளருக்கு ஏற்றுக்கொள்ளக்கூடிய ஆபத்து நிலை, விரும்பிய வருவாயை அடைவது சாத்தியமற்றது அல்லது மிகவும் கடினம். மேலும், வாடிக்கையாளரின் குறிக்கோள்களை அடைவதற்கு ஓய்வு பெறுவதற்கு முன்னர் குறைந்தபட்ச தொகை தேவைப்படலாம், ஆனால் வாடிக்கையாளரின் வாழ்க்கை முறை சேமிப்புகளை அனுமதிக்காது அல்லது வாடிக்கையாளர் அதை மாற்ற தயங்கக்கூடும்.
ஒவ்வொரு ஆண்டும் விலையுயர்ந்த விடுமுறைகள் உட்பட மிகவும் கடினமாக உழைத்து, பகட்டான வாழ்க்கை முறையைக் கொண்ட ஒரு இளம் உழைக்கும் தம்பதியினரின் உதாரணத்தைக் கருத்தில் கொள்வோம். ஆண்டுக்கு, 000 170, 000 (மாதத்திற்கு சுமார், 000 14, 000) செலவழித்து, 1 மில்லியன் டாலர் தோட்டத்தை தங்கள் குழந்தைகளுக்கு விட்டுச்செல்லும் ஓய்வூதிய நோக்கத்தை அவர்கள் கொண்டுள்ளனர். ஒரு ஆய்வாளர் ஒரு உருவகப்படுத்துதலை இயக்கி, ஓய்வூதியத்தில் விரும்பிய போர்ட்ஃபோலியோ மதிப்பை உருவாக்க அவர்களின் சேமிப்பு-ஒவ்வொரு காலமும் போதுமானதாக இல்லை என்பதைக் காண்கிறார்; இருப்பினும், ஸ்மால்-கேப் பங்குகளுக்கான ஒதுக்கீடு இரட்டிப்பாகிவிட்டால் (50 முதல் 70 சதவிகிதம் வரை 25 முதல் 35 சதவிகிதம் வரை) இது அடையக்கூடியது, இது அவற்றின் அபாயத்தை கணிசமாக அதிகரிக்கும். மேலே உள்ள மாற்றுகள் எதுவும் (அதிக சேமிப்பு அல்லது அதிகரித்த ஆபத்து) வாடிக்கையாளருக்கு ஏற்கத்தக்கவை அல்ல. இதனால், உருவகப்படுத்துதலை மீண்டும் இயக்குவதற்கு முன் மற்ற மாற்றங்களில் ஆய்வாளர் காரணிகள். ஆய்வாளர் அவர்களின் ஓய்வை இரண்டு வருடங்கள் தாமதப்படுத்துகிறார் மற்றும் ஓய்வூதியத்திற்குப் பிந்தைய அவர்களின் மாதச் செலவை, 500 12, 500 ஆகக் குறைக்கிறார். இதன் விளைவாக விநியோகம், ஸ்மால்-கேப் பங்குக்கான ஒதுக்கீட்டை 8 சதவிகிதம் அதிகரிப்பதன் மூலம் விரும்பிய போர்ட்ஃபோலியோ மதிப்பு அடையக்கூடியது என்பதைக் காட்டுகிறது. கிடைக்கக்கூடிய நுண்ணறிவால், ஆய்வாளர் வாடிக்கையாளர்களுக்கு ஓய்வூதியத்தை தாமதப்படுத்தவும், அவர்களின் செலவினங்களை ஓரளவு குறைக்கவும் அறிவுறுத்துகிறார், அதற்கு இந்த ஜோடி ஒப்புக்கொள்கிறது. (மேலும் பார்க்க, பார்க்க: மான்டே கார்லோ சிமுலேஷனைப் பயன்படுத்தி உங்கள் ஓய்வூதியத்தைத் திட்டமிடுங்கள் .)
கீழே வரி
ஒரு மான்டே கார்லோ உருவகப்படுத்துதல் ஆய்வாளர்கள் மற்றும் ஆலோசகர்களை முதலீட்டு வாய்ப்புகளை தேர்வுகளாக மாற்ற அனுமதிக்கிறது. மான்டே கார்லோவின் நன்மை பல்வேறு உள்ளீடுகளுக்கான மதிப்புகளின் வரம்பைக் காரணமாக்கும் திறன்; அனுமானங்கள் நியாயமானதாக இருக்க வேண்டும் என்ற பொருளில் இது மிகப் பெரிய குறைபாடாகும், ஏனெனில் வெளியீடு உள்ளீடுகளைப் போலவே சிறந்தது. மற்றொரு பெரிய தீமை என்னவென்றால், மான்டே கார்லோ உருவகப்படுத்துதல் நிதி நெருக்கடி போன்ற தீவிர கரடி நிகழ்வுகளின் நிகழ்தகவை குறைத்து மதிப்பிடுகிறது. உண்மையில், மான்டே கார்லோ போன்ற ஒரு உருவகப்படுத்துதலானது நிதியத்தின் நடத்தை அம்சங்களுக்கும் சந்தை பங்கேற்பாளர்களால் வெளிப்படுத்தப்படும் பகுத்தறிவின்மைக்கும் காரணியாக முடியாது என்று நிபுணர்கள் வாதிடுகின்றனர். இருப்பினும், இது ஆலோசகர்களுக்கு ஒரு பயனுள்ள கருவியாகும்.
