ETFFIN Finance >> Curso de Finanças Pessoais >  >> Gestão Financeira >> Finanças

Simulação de Monte Carlo: Entendendo Probabilidade e Risco

O que é uma Simulação de Monte Carlo?

Simulações de Monte Carlo modelam a probabilidade de diferentes resultados em processos que não podem ser facilmente previstos devido à intervenção de variáveis aleatórias. É uma técnica para entender o impacto de risco e incerteza em modelos de previsão e projeção.

Uma simulação de Monte Carlo pode resolver uma gama de problemas em praticamente todas as áreas: finanças, engenharia, cadeia de suprimentos e ciência. Também é chamada de simulação de probabilidade múltipla.

Principais Conclusões

  • Modelo para prever probabilidade de diferentes resultados quando variáveis aleatórias estão presentes.
  • Ajuda a explicar impacto de risco e incerteza em modelos de previsão.
  • Diversas áreas utilizam: finanças, engenharia, cadeia de suprimentos, ciência.
  • Base: atribuir múltiplos valores a uma variável incerta para obter múltiplos resultados e média-los para obter uma estimativa.
  • Assumem mercados perfeitamente eficientes.

Entendendo Simulações de Monte Carlo

Diante de incerteza significativa ao fazer previsão ou estimativa, em vez de substituir a variável incerta por um único número médio, a Simulação de Monte Carlo pode ser solução superior usando múltiplos valores.

Como negócios e finanças são assolados por variáveis aleatórias, as simulações têm vasta gama de aplicações. Estimam probabilidade de estouro de orçamento em grandes projetos e probabilidade de movimento de preço de ativo em certa direção.

Empresas de telecomunicações usam para avaliar desempenho de rede em diferentes cenários, otimizando-a. Analistas usam para avaliar risco de inadimplência de uma entidade e analisar derivativos como opções.

Seguradoras e perfuradores de poços de petróleo também usam. Aplicações incontáveis fora de negócios e finanças: meteorologia, astronomia, física de partículas.

História da Simulação de Monte Carlo

Nomeadas após o famoso destino de jogos em Mônaco, pois acaso e resultados aleatórios são centrais à técnica, assim como em roleta, dados e caça-níqueis.

A técnica foi desenvolvida por Stanislaw Ulam, matemático do Projeto Manhattan. Após a guerra, recuperando-se de cirurgia cerebral, Ulam jogava inúmeras partidas de paciência. Interessou-se em plotar resultados para observar distribuição e determinar probabilidade de vitória. Compartilhou a ideia com John Von Neumann, e os dois colaboraram para desenvolver a simulação de Monte Carlo.

Método da Simulação de Monte Carlo

A base é que a probabilidade de resultados variados não pode ser determinada devido à interferência de variáveis aleatórias. Portanto, a simulação foca em repetir constantemente amostras aleatórias para alcançar certos resultados.

A simulação pega a variável com incerteza e atribui um valor aleatório. O modelo roda e fornece um resultado. O processo repete-se muitas vezes atribuindo valores diferentes à variável. Ao final, os resultados são médios para fornecer uma estimativa.

Calculando Simulação de Monte Carlo no Excel

Uma forma de empregar a simulação é modelar movimentos possíveis de preços de ativos usando Excel. Há dois componentes no movimento de preço de um ativo: drift (movimento direcional constante) e entrada aleatória (volatilidade de mercado).

Analisando dados históricos de preço, determina-se drift, desvio padrão, variância e movimento médio de preço de um título. São os blocos de construção da simulação.

Para projetar uma trajetória de preço, use dados históricos para gerar série de retornos diários periódicos usando logaritmo natural (esta equação difere da fórmula usual de variação percentual):

Retorno Diário Periódico=ln(Preço do DiaPreço do Dia Anterior)

Em seguida, use as funções MÉDIA, DESVPAD.P e VAR.P na série resultante para obter retorno médio diário, desvio padrão e variância, respectivamente. O drift é igual a:

Drift=Retorno Médio Diário−2 onde: Retorno Médio Diário=Produzido pela função MÉDIA do Excel na série de retornos diários periódicos Variância=Produzido pela função VAR.P do Excel na série de retornos diários periódicos

Alternativamente, drift pode ser definido como 0; reflete orientação teórica, mas a diferença não será grande, pelo menos para horizontes curtos.

Em seguida, obtenha uma entrada aleatória:

Valor Aleatório=σ×NORMSINV(ALEATÓRIO()) onde: σ=Desvio padrão, produzido pela função DESVPAD.P do Excel na série de retornos diários periódicos NORMSINV e ALEATÓRIO=Funções do Excel

A equação para o preço do dia seguinte é:

Preço do Próximo Dia=Preço de Hoje×e(Drift+Valor Aleatório)

Para elevar e a uma potência x no Excel, use a função EXP: EXP(x). Repita este cálculo o número desejado de vezes (cada repetição representa um dia) para obter simulação de movimento futuro de preço. Gerando número arbitrário de simulações, avalia-se a probabilidade de o preço de um título seguir dada trajetória.

Considerações Especiais

As frequências de diferentes resultados gerados formam uma distribuição normal (curva de sino). O retorno mais provável está no meio, significando chance igual de o retorno real ser maior ou menor que esse valor.

A probabilidade de o retorno real estar dentro de um desvio padrão do mais provável ("esperado") é 68%; dentro de dois desvios, 95%; dentro de três, 99,7%. Ainda assim, não há garantia de que o resultado mais esperado ocorrerá, ou que movimentos reais não excedam as projeções mais extremas.

Crucialmente, simulações de Monte Carlo ignoram tudo que não está embutido no movimento de preço (tendências macro, liderança da empresa, hype, fatores cíclicos); assumem mercados perfeitamente eficientes.