Метод моделирования Монте-Карло

При расчете значений с использованием электронных таблиц мы получаем единичную или «точечную» оценку. Даже при проведении анализа чувствительности мы просто изменяем переменные (по одной за один раз), а затем определяем, как меняются оценки.

Метод имитационного моделирования Монте-Карло более эффективен по сравнению с анализом чувствительности, поскольку он учитывает все возможные комбинации входных переменных.

Пользователь задает распределение вероятностей для каждой входной переменной, и программа генерирует распределение вероятностей, описывая возможные результаты.

К таким пакетам относится и рассматриваемая здесь программа Crystal Ball.

Crystal Ball - пакет программ для имитационного моделирования для персонального компьютера, разработанный компанией Decisioneering, Inc., расположенной по адресу: 1515 Arapahoe Street, Suite 1311, Denver, СО 80202.

Для начала необходимо составить базовые таблицы данных. Затем мы задаем допущения, прогнозируем переменные и определяем, как изменение значений в ячейках допущений влияет на значения в ячейках прогноза.

В ячейках допущений содержатся такие переменные, как ставка дисконтирования, темпы роста в постпрогнозный период и денежные потоки, введенные в виде числовых значений, а не формул или текста. Распределение вероятностей определяет то, как меняются значения в ячейках допущений.

Crystal Ball предлагает комплекс распределений вероятностей, и можно выбрать любое для описания поведения каждой переменной. Пользователю необходимо выбрать подходящее распределение и оценить ключевые параметры (то есть среднее и стандартное отклонение).

Допущения можно задавать, выделяя одну переменную за один раз и используя команду Cell Define Assumption. Подобным же образом прогноз задается путем выделения ячейки с расчетом оценки и использования команды Cell Define Forecast. Затем создается имитация с помощью команды Run Run. Для создания сводки используйте команду Run Create Report.

Краткая сводка для оценки чистой приведенной стоимости представлена в таблице ниже. В этой таблице показано распределение вероятностей для оценки дочерней компании Hi-Tech.

Сводка также демонстрирует, что для допущений было задано нормальное распределение с медианами равными значениям, изначально содержащимися в ячейках, и стандартным отклонением, установленным на уровне +10% от среднего.

Дополнительным плюсом стало то, что пакеты для имитационного моделирования позволяют пользователю учитывать взаимосвязь между различными входными переменными и легко определять корреляции между различными пояснительными переменными.

Тем не менее необходимо помнить, что в реальности формы распределений и взаимосвязи между переменными может быть очень трудно установить.

Какими бы тщательными и продуманными ни выглядели выходные сводки, не стоит забывать, что модель настолько эффективна, насколько эффективны заданные для ее построения допущения.