ETFFIN Finance >> Curso de Finanzas Personales >  >> Gestión Financiera >> Finanzas

Simulación de Montecarlo: Probabilidad, Riesgo y Aplicaciones Financieras

¿Qué es una Simulación de Montecarlo?

Las simulaciones de Montecarlo modelan la probabilidad de diferentes resultados en procesos difíciles de predecir debido a la intervención de variables aleatorias. Es una técnica para entender el impacto del riesgo y la incertidumbre en modelos de predicción y pronóstico.

Puede abordar problemas en prácticamente cualquier campo: finanzas, ingeniería, cadena de suministro, ciencia. También se le llama simulación de probabilidad múltiple.

Puntos Clave

  • Modelo para predecir la probabilidad de diferentes resultados cuando hay variables aleatorias.
  • Ayuda a explicar el impacto del riesgo y la incertidumbre en predicciones y pronósticos.
  • Se usa en finanzas, ingeniería, cadena de suministro, ciencia y más.
  • Su base: asignar múltiples valores a una variable incierta para obtener múltiples resultados y promediarlos para una estimación.
  • Asume mercados perfectamente eficientes.

Entendiendo las Simulaciones de Montecarlo

Ante una incertidumbre significativa al hacer un pronóstico o estimación, en lugar de reemplazar la variable incierta con un único número promedio, la simulación de Montecarlo usa múltiples valores, lo que puede ser una mejor solución.

Dado que los negocios y las finanzas están plagados de variables aleatorias, las simulaciones de Montecarlo tienen vastas aplicaciones. Se usan para estimar la probabilidad de sobrecostes en grandes proyectos y la likelihood de que un precio de activo se mueva de cierta forma.

Las telecomunicaciones las usan para evaluar el rendimiento de redes en diferentes escenarios, optimizándolas. Los analistas las usan para evaluar el riesgo de impago de una entidad y analizar derivados como opciones.

Aseguradoras y perforadores de pozos petrolíferos también las usan. Tienen innumerables aplicaciones fuera de negocios y finanzas: meteorología, astronomía, física de partículas.

Historia de la Simulación de Montecarlo

El nombre proviene del famoso destino de apuestas en Mónaco, ya que el azar y los resultados aleatorios son centrales en la técnica, igual que en ruleta, dados y tragaperras.

La técnica fue desarrollada por Stanislaw Ulam, matemático del Proyecto Manhattan. Tras la guerra, recuperándose de una cirugía cerebral, se entretenía jugando incontables partidas de solitario. Se interesó en registrar los resultados para observar su distribución y determinar la probabilidad de ganar. Tras compartir su idea con John Von Neumann, colaboraron para desarrollar la simulación de Montecarlo.

Método de Simulación de Montecarlo

La base es que la probabilidad de resultados variables no puede determinarse debido a la interferencia de variables aleatorias. Por tanto, la simulación se centra en repetir constantemente muestras aleatorias para lograr ciertos resultados.

Una simulación toma la variable con incertidumbre y le asigna un valor aleatorio. El modelo se ejecuta y da un resultado. Este proceso se repite muchas veces asignando diferentes valores a la variable. Al completarse, los resultados se promedian para obtener una estimación.

Calculando una Simulación de Montecarlo en Excel

Una forma de emplearla es modelar posibles movimientos de precios de activos usando Excel. Hay dos componentes en el movimiento del precio de un activo: deriva (movimiento direccional constante) y entrada aleatoria (volatilidad del mercado).

Analizando datos históricos de precios, se puede determinar la deriva, desviación estándar, varianza y movimiento promedio de un valor. Estos son los bloques de construcción de la simulación.

Para proyectar una posible trayectoria de precio, use datos históricos para generar una serie de rendimientos diarios periódicos usando el logaritmo natural (esta ecuación difiere de la fórmula usual de cambio porcentual):

Rendimiento Diario Periódico = ln(Precio del Día / Precio del Día Anterior)

Luego use las funciones PROMEDIO, DESVEST.P y VAR.P en toda la serie resultante para obtener el rendimiento diario promedio, desviación estándar y varianza, respectivamente. La deriva es igual a:

Deriva = Rendimiento Diario Promedio - (Varianza / 2)

Alternativamente, la deriva puede establecerse en 0; esto refleja una orientación teórica, pero la diferencia no será grande, al menos para horizontes temporales cortos.

Luego, obtenga una entrada aleatoria:

Valor Aleatorio = σ × DISTR.NORM.ESTÁNDAR.INV(ALEATORIO())

Donde: σ = Desviación estándar (de la función DESVEST.P de la serie de rendimientos diarios periódicos). DISTR.NORM.ESTÁNDAR.INV y ALEATORIO son funciones de Excel.

La ecuación para el precio del día siguiente es:

Precio Día Siguiente = Precio de Hoy × e(Deriva + Valor Aleatorio)

Para elevar e a una potencia x en Excel, use la función EXP: EXP(x). Repita este cálculo el número de veces deseado (cada repetición representa un día) para obtener una simulación del movimiento futuro del precio. Generando un número arbitrario de simulaciones, puede evaluar la probabilidad de que el precio de un valor siga una trayectoria dada.

Consideraciones Especiales

Las frecuencias de diferentes resultados generados forman una distribución normal (curva de campana). El retorno más probable está en el centro, significando que hay igual probabilidad de que el retorno real sea mayor o menor que ese valor.

La probabilidad de que el retorno real esté dentro de una desviación estándar del retorno más probable ("esperado") es 68%; dentro de dos desviaciones, 95%; dentro de tres, 99,7%. Aun así, no hay garantía de que el resultado más esperado ocurra, ni de que los movimientos reales no superen las proyecciones más salvajes.

Crucialmente, las simulaciones de Montecarlo ignoran todo lo no incorporado en el movimiento del precio (tendencias macro, liderazgo empresarial, hype, factores cíclicos); es decir, asumen mercados perfectamente eficientes.