Попробовать бесплатно
Финансы и риск-менеджментИнструментРискиМодель

Симуляция Монте-Карло (Monte Carlo)

Метод количественной оценки риска через тысячи случайных симуляций модели для получения распределения возможных результатов.

КРАТКО
Monte Carlo — метод Монте-Карло: многократное случайное моделирование, часто 10 000 итераций и больше. В отличие от точечной оценки он показывает не одно среднее значение, а всё распределение возможных исходов. Метод применяют для оценки сроков проектов, NPV и рисков. На входе нужны распределения ключевых переменных: нормальное, треугольное, PERT и другие.
СИНОНИМЫ:Monte Carloсимуляция Монте-Карлометод Монте-Карло

Метод назван в честь казино в Монте-Карло: его суть — случайная выборка. Применяется в финансах, управлении проектами, инженерных расчётах и физике.

Алгоритм

  1. Постройте модель: NPV, длительность проекта, портфель рисков.
  2. Замените точечные оценки распределениями: минимум, наиболее вероятное значение и максимум либо нормальное распределение.
  3. Запустите 10 000 итераций и больше со случайной выборкой.
  4. Получите распределение результатов.
  5. Принимайте решения по перцентилям: P50, P80, P95.

В проектах

Длительность проекта по методу PERT: у каждой задачи есть минимальная, наиболее вероятная и максимальная оценка. Монте-Карло показывает, с какой вероятностью проект завершится к конкретной дате. P80 обычно берут как срок, который можно обещать заказчику.

КОГДА ПРИМЕНЯТЬ
  • Сложные проекты с высокой неопределённостью
  • Финансовое моделирование (NPV, VaR)
  • Расписание проекта
КОГДА НЕ СТОИТ
  • Простые задачи с детерминированной оценкой
  • Когда нет данных для распределений — на мусорных входных данных и результат будет мусорным
ПРИМЕР

Проект: суммарная оценка по методу PERT — 120 дней. Монте-Карло на 10 000 симуляций даёт: P50 = 125 дней (шанс уложиться 50%), P80 = 138 дней, P95 = 150 дней. Заказчику фиксируют срок 138 дней, то есть P80. Запас в 13 дней уже заложен внутрь этой оценки.

КАК ИСПОЛЬЗОВАТЬ В SHTAB

Для Excel есть надстройки @Risk и Crystal Ball, для Python — библиотеки numpy и matplotlib. Главное — качество входных распределений, а не количество итераций. Сами оценки задач, из которых собирается модель, удобно держать в спринтах и на диаграмме Ганта в Shtab.

Попробовать бесплатно

Вопросы про «Симуляция Монте-Карло (Monte Carlo)»

Для устойчивого распределения хватает 10 000 итераций, для критичных решений берут 100 000 и больше. Меньше 1000 — результат шумный и ненадёжный: при повторном запуске перцентили заметно поедут. Современные компьютеры считают 100 000 итераций за секунды, поэтому экономить здесь нет смысла: узкое место всегда в качестве входных данных.

Ещё из «Финансы и риск-менеджмент»

Вся категория →
Burn Rate (скорость сжигания денег)

Скорость, с которой стартап расходует свои денежные резервы, — обычно считается за месяц.

Black Swan (чёрный лебедь)

Редкое и непредсказуемое событие с экстремальными последствиями, которое задним числом кажется вполне объяснимым.

Cash Flow (денежный поток)

Движение денежных средств компании: поступления минус выплаты за период.

Применяйте термины на практике

База знаний, задачи и цели — в одном сервисе. Бесплатно — без лимита по числу людей.

Попробовать бесплатноВсе термины