El modelo de Monte Carlo permite a los investigadores de diferentes profesiones realizar múltiples ensayos y así definir todos los posibles resultados de un evento o una decisión. En la industria financiera, la decisión está típicamente relacionada con una inversión. Cuando se combinan, todos los ensayos separados crean una distribución de probabilidad o evaluación de riesgo para una inversión o evento dado.

El análisis de Monte Carlo es una técnica de modelado multivariable. Todos los modelos multivariables pueden considerarse como ilustraciones complejas de escenarios “¿y si?”. Algunos de los modelos multivariables más conocidos son los utilizados para valorar opciones de acciones. Los analistas de investigación los utilizan para predecir los resultados de inversión, entender las posibilidades que rodean sus exposiciones de inversión y mitigar mejor sus riesgos.

Cuando los inversores utilizan el método de Monte Carlo, los resultados se comparan con varios niveles de tolerancia al riesgo. Esto puede ayudar a los interesados a decidir si proceder o no con una inversión.

¿Quién utiliza modelos multivariables?

Los modelos multivariables, como el modelo de Monte Carlo, son herramientas estadísticas populares que utilizan múltiples variables para predecir posibles resultados. Al utilizar un modelo multivariable, el usuario cambia el valor de múltiples variables para evaluar su impacto potencial en la decisión que se está evaluando.

Muchos tipos diferentes de profesiones utilizan modelos multivariables. Los analistas financieros pueden utilizar modelos multivariables para estimar flujos de efectivo y nuevas ideas de productos. Los gestores de cartera y asesores financieros los utilizan para determinar el impacto de las inversiones en el rendimiento y el riesgo de la cartera. Las compañías de seguros los utilizan para estimar el potencial de reclamaciones y establecer precios de pólizas.

El modelo de Monte Carlo lleva el nombre de la ubicación geográfica, Monte Carlo (técnicamente un área administrativa de la Principado de Mónaco), que se ha hecho famosa por su proliferación de casinos.

Resultados y probabilidades

Con los juegos de azar, como los que se juegan en los casinos, se conocen todos los posibles resultados y probabilidades. Sin embargo, con la mayoría de las inversiones, el conjunto de resultados futuros es desconocido. Es responsabilidad del analista determinar los resultados, así como la probabilidad de que ocurran. En el modelado de Monte Carlo, el analista realiza múltiples ensayos (a veces miles de ellos) para determinar todos los posibles resultados y la probabilidad de que ocurran.

El análisis de Monte Carlo es útil porque muchas decisiones de inversión y negocios se toman en base a un único resultado. En otras palabras, muchos analistas derivan un escenario posible y luego comparan ese resultado con los diversos obstáculos a ese resultado para decidir si proceder.

Estimaciones proforma

La mayoría de las estimaciones proforma comienzan con un caso base. Al ingresar la suposición de mayor probabilidad para cada factor, un analista puede derivar el resultado de mayor probabilidad. Sin embargo, tomar decisiones basadas en un caso base presenta problemas, y crear un pronóstico con un solo resultado es insuficiente porque no dice nada sobre otros valores posibles que podrían ocurrir. Tampoco dice nada sobre la posibilidad muy real de que el valor futuro real sea algo distinto a la predicción del caso base. Es imposible protegerse contra un suceso negativo si los impulsores y las probabilidades de estos eventos no se calculan de antemano.

Creando el modelo

Una vez diseñado, ejecutar un modelo de Monte Carlo requiere una herramienta que seleccione aleatoriamente valores de los factores que están limitados por ciertas condiciones predeterminadas. Al ejecutar un número de ensayos con variables limitadas por sus propias probabilidades independientes de ocurrencia, un analista crea una distribución que incluye todos los posibles resultados y las probabilidades de que ocurran.

Hay muchos generadores de números aleatorios en el mercado. Las dos herramientas más comunes para diseñar y ejecutar modelos de Monte Carlo son @Risk y Crystal Ball. Ambas se pueden usar como complementos para hojas de cálculo y permiten incorporar muestreo aleatorio en modelos de hojas de cálculo establecidos.

Las restricciones correctas

El arte de desarrollar un modelo de Monte Carlo apropiado es determinar las restricciones correctas para cada variable y la relación correcta entre ellas. Por ejemplo, dado que la diversificación de la cartera se basa en la correlación entre activos, cualquier modelo desarrollado para crear valores de cartera esperados debe incluir la correlación entre las inversiones.

Para elegir la distribución correcta para una variable, es necesario comprender cada una de las posibles distribuciones disponibles. Por ejemplo, la más común es una distribución normal, también conocida como una curva de campana.

Distribución normal y desviación estándar En una distribución normal, todas las ocurrencias se distribuyen igualmente alrededor de la media. La media es el evento más probable. Los fenómenos naturales, las alturas de las personas y la inflación son algunos ejemplos de entradas que se distribuyen normalmente.

En el análisis de Monte Carlo, un generador de números aleatorios elige un valor aleatorio para cada variable dentro de las restricciones establecidas por el modelo. Luego produce una distribución de probabilidades de todos los posibles resultados. La desviación estándar de esa probabilidad es una estadística que denota la probabilidad de que el resultado real que se está estimando sea algo distinto a la media o evento más probable. Suponiendo que una distribución de probabilidad está distribuida normalmente, aproximadamente el 68% de los valores caerán dentro de una desviación estándar de la media, aproximadamente el 95% de los valores caerán dentro de dos desviaciones estándar y aproximadamente el 99.7% estarán dentro de tres desviaciones estándar de la media.

Esto se conoce como la “regla 68-95-99.7” o la “regla empírica”.

¿Quién utiliza el método?

Los análisis de Monte Carlo no son realizados solo por profesionales financieros, sino también por muchas otras empresas. Es una herramienta de toma de decisiones que asume que cada decisión tendrá algún impacto en el riesgo general. Cada individuo y cada institución tiene una tolerancia al riesgo diferente. Por eso es importante calcular el riesgo de cualquier inversión y compararlo con la tolerancia al riesgo del individuo. Las distribuciones de probabilidad producidas por un modelo de Monte Carlo crean una imagen del riesgo. Esa imagen es una forma efectiva de transmitir los resultados a otras personas, como superiores o posibles inversionistas. Hoy en día, se pueden diseñar y ejecutar modelos de Monte Carlo muy complejos por cualquier persona con acceso a una computadora personal.