Mengapa adalah simulasi Monte Carlo berguna?


Mengapa adalah simulasi Monte Carlo berguna?
Berbeda dengan proyeksi pada garis lurus yang dibahas di atas, simulasi Monte Carlo dirancang untuk memperhitungkan volatilitas, terutama volatilitas investasi kembali. Hal ini memungkinkan Anda untuk melihat serangkaian ribuan kemungkinan hasil, mempertimbangkan tidak hanya banyak variabel yang terlibat, tetapi juga berbagai nilai-nilai potensial untuk setiap variabel-variabel.

Dengan berusaha untuk mereplikasi ketidakpastian dari dunia nyata, simulasi Monte Carlo dapat memberikan ilustrasi yang rinci bagaimana besar kemungkinan investasi yang diberikan strategi mungkin memenuhi kebutuhan Anda. Sebagai contoh, ketika datang ke perencanaan pensiun, simulasi Monte Carlo dapat membantu Anda menjawab pertanyaan spesifik, seperti:

Mengingat satu set tertentu dari asumsi, Apakah kemungkinan bahwa Anda akan kehabisan dana sebelum harapan hidup (umur panjang risiko)?
Jika probabilitas terlalu tinggi, berapa banyak uang tambahan Anda perlu berinvestasi setiap tahun untuk mengurangi probabilitas untuk 10%?
Mengingat tingkat rintangan dan sumber daya saya, saya akan lebih baik jika saya memiliki alokasi portofolio lebih agresif versus alokasi portofolio lebih konservatif?
Mekanisme simulasi Monte Carlo
Monte Carlo Simulasi ini biasanya melibatkan ratusan atau ribuan individu ramalan atau “iterasi” didasarkan pada data yang Anda berikan (misalnya, portofolio, kerangka waktu dan cita-cita keuangan). Setiap hasil berdasarkan kinerja sejarah masing-masing kelas investasi yang termasuk dalam simulasi. (Untuk lebih dari penulis ini, lihat: perencanaan pensiun dengan cara R.I.T.E..)

Setiap investasi dalam portofolio Anda cenderung memiliki kembali untuk suatu periode tertentu. Deviasi standar ukuran volatilitas kembali kelas aset itu di sekitar yang rata-rata untuk periode itu. Sebagai contoh, kembali untuk saham memiliki deviasi standar yang lebih tinggi daripada kembali untuk obligasi US Treasury dalam jangka waktu paling.

Ada berbagai jenis metode Monte Carlo, tetapi masing-masing menghasilkan perkiraan yang mencerminkan berbagai pola kembali. Sebagai contoh, modeling pengembalian saham bisa menghasilkan serangkaian kembali tahunan seperti: satu tahun: -10%; tahun kedua: -5%; tahun ketiga: 16%, dan seterusnya.

Untuk proyeksi untuk harapan hidup, simulasi Monte Carlo akan menghasilkan serangkaian hasil yang dihasilkan secara acak untuk menghasilkan setiap seri yang diwakili dalam setiap ramalan. Serangkaian terpisah kembali acak yang dihasilkan untuk setiap perulangan dalam simulasi dan iterasi gabungan beberapa dianggap simulasi. Banyak kali, Monte Carlo hasilnya ditunjukkan sebagai grafik pada periode waktu tahun harapan hidup Anda ditampilkan sebagai serangkaian statistik “band” sekitar rata-rata yang dihitung atau lebih tinggi untuk probabilitas rendah atau bahkan hanya sebagai sejumlah “persentase keberhasilan” (seperti keberhasilan 90% Rate).

Pro dan kontra dari Monte Carlo
Monte Carlo Simulasi menggambarkan bagaimana keuangan masa depan Anda mungkin terlihat didasarkan pada asumsi-asumsi yang Anda berikan. Meskipun proyeksi mungkin menunjukkan probabilitas yang sangat tinggi bahwa Anda dapat mencapai tujuan keuangan Anda, itu tidak dapat menjamin hasil itu. Namun, simulasi Monte Carlo dapat menggambarkan bagaimana perubahan rencana Anda bisa mempengaruhi peluang Anda untuk mencapai tujuan Anda.

Menurut pendapat saya, probabilitas keberhasilan nomor (mengatakan keberhasilan 90%) dalam suatu hasil individu inilah tidak terlalu penting, tetapi sebaliknya Anda harus fokus pada apakah satu skenario memiliki probabilitas keberhasilan yang lebih tinggi daripada alternatif lain. Itu adalah nilai sebenarnya dari analisis Monte Carlo. Ketika dikombinasikan dengan kemajuan periodik ulasan dan pembaruan rencana, Monte Carlo ramalan adalah alat yang hebat yang membantu perencana keuangan panduan klien untuk membuat lebih baik dan lebih informasi keputusan perencanaan keuangan.



Recent Comments