S05 Montecarlo

Método Monte Carlo
“Un método estadístico aplicado en el modelado de la probabilidad de diferentes resultados en

un problema”
¿Qué es la simulación Monte Carlo?

La simulación de Monte Carlo es un método estadístico aplicado en el modelado financiero
donde la probabilidad de diferentes resultados en un problema no puede resolverse
simplemente debido a la interferencia de una variable aleatoria. La simulación se basa en la
repetición de muestras aleatorias para lograr resultados numéricos. Se puede utilizar para
comprender el efecto de la incertidumbre y la aleatoriedad en los modelos de pronóstico.
La simulación Monte Carlo fue desarrollada por primera vez por Stanislaw Ulam en la década de
1940. Ulam fue un matemático que trabajó en el Proyecto Manhattan. Inicialmente, el método
se derivó para resolver el problema de determinar la distancia promedio que los neutrones
viajarían a través de varios materiales. El método recibió su nombre del Casino de Monte Carlo
en Mónaco, ya que la aleatoriedad de los resultados, que es crucial para juegos como la ruleta o
los dados, es esencial para las simulaciones de Monte Carlo.
En esencia, la simulación de Monte Carlo se puede utilizar en casi cualquier problema

probabilístico. Esto explica por qué se puede utilizar en diferentes campos, incluidas las
estadísticas, las finanzas, la ingeniería y la ciencia.
Teoría de la simulación Monte Carlo

Las ideas principales detrás de la simulación de Monte Carlo son el muestreo aleatorio repetido
de entradas de la variable aleatoria y la agregación de los resultados. A la variable de carácter
probabilístico se le asigna un valor aleatorio. Luego, el modelo se calcula en función del valor
aleatorio. Se registra el resultado del modelo y se repite el proceso. Por lo general, el proceso se
repite cientos o miles de veces. Cuando se completa la simulación, los resultados se pueden
promediar para determinar el valor estimado.
Aplicaciones
Es muy importante tener claro el ámbito de aplicación de la simulación; entre las muchas
aplicaciones financieras posibles en donde se ha aplicado con éxito podemos citar:
Introducción de productos nuevos
El objetivo central de esta simulación es determinar aquella probabilidad que tiene un

producto nuevo de producir un beneficio. Se desarrolla un modelo que relaciona la
utilidad con las distintas entradas probabilísticas como, por ejemplo, la demanda, el costo
de las piezas o materia prima y el costo de la mano de obra, etc. La única entrada que se
controla es si se introduce o no el producto en el mercado. Al generar una diversidad de
posibles valores en función de las entradas probabilísticas, se calcula la utilidad
resultante.
Políticas de inventario
El objetivo de esta simulación es poder escoger una política adecuada de inventarios que
resulte en un buen servicio a los clientes y a un costo razonable. Por lo tanto, se desarrolla
un modelo que involucra el costo y nivel de servicio con entradas probabilísticas, como
la demanda del producto y el plazo de entrega de los proveedores, y con entradas
controlables, como la cantidad que se debe pedir y el punto de pedido. Para cada juego
de entradas controlables, se generarían diversos valores posibles para las entradas
probabilísticas y se calcularía el costo y niveles de servicio resultantes.
Líneas de espera
Se quiere determinar los tiempos de espera en un cajero automático, por ejemplo, en un

banco. Se desarrolla un modelo que relaciona los tiempos de espera de los clientes con
entradas probabilísticas (una distribución Poisson), como la llegada de los clientes y los
tiempos de servicio (una distribución exponencial), y una entrada controlable, el número
de cajeros automáticos instalados. Para cada valor de entrada controlable (en este caso
el número de máquinas), se generaría una diversidad de valores para las entradas
probabilísticas y se calcularían los tiempos de espera de los clientes, así como su número
esperado en la cola y el tiempo de servicio.
Aplicación en Finanzas
La simulación Monte Carlo ofrece numerosas aplicaciones en finanzas. Las aplicaciones

más comunes del modelo en finanzas incluyen:
Simulación Monte
Carlo
Valoración de
Opciones
Valoración de
instrumentos de Valiacion de
Proyectos Financieros
renta fija y derivados portafolios
de tipos de interés
Valoración de opciones
La simulación de Monto Carlo se usa comúnmente en la fijación de precios de opciones

de acciones. Los precios de una acción subyacente se simulan para cada ruta de precios
posible y los pagos de las opciones se determinan para cada ruta. Luego, los pagos se
promedian y se descuentan hasta el día de hoy, lo que proporciona el valor actual de una
opción. Si bien la simulación de Monte Carlo funciona muy bien para las opciones de
estilo europeo, es más difícil aplicar el modelo para valorar las opciones estadounidenses.
¿Qué es una acción?
Cuando una persona posee acciones en una empresa, la persona se denomina

accionista y tiene derecho a reclamar parte de los activos residuales y las
ganancias de la empresa (en caso de que la empresa tenga que disolverse). Un
accionista también puede denominarse accionista. Los términos "acción",
"acciones" y "patrimonio" se usan indistintamente en el lenguaje financiero
moderno. El mercado de valores consiste en intercambios donde los inversores
pueden comprar y vender acciones individuales de una empresa.
La mayoría de las trayectorias profesionales en finanzas estarán directamente

involucradas con las acciones de una forma u otra, ya sea como asesor, emisor o
comprador.
Valoración de cartera
Se simulan los factores que influyen en el valor de las carteras y se calcula el valor de la
cartera. Luego, se determina el valor promedio de todas las carteras simuladas y se
observa el valor de la cartera.
Valoración de instrumentos de renta fija y derivados de tipos de interés
La principal fuente de incertidumbre para los instrumentos de renta fija y derivados de

tasa de interés es la tasa corta. La tasa corta se simula varias veces y el precio de un bono
o derivado se determina para cada tasa simulada. Luego, las tasas obtenidas se
promedian y el valor actual de un bono se determina utilizando esta tasa.
Financiación de proyectos y análisis de opciones reales: la simulación Monte Carlo

permite a los analistas financieros construir modelos estocásticos para evaluar el valor
actual neto (VAN) de un proyecto.
¿Cómo funciona el método de simulación Monte Carlo?
El método de Monte Carlo reconoce un problema para cualquier técnica de simulación:

la probabilidad de resultados variables no puede determinarse con precisión debido a la
interferencia de variables aleatorias. Por lo tanto, una simulación de Monte Carlo se
centra en la repetición constante de muestras aleatorias.
Una simulación de Monte Carlo toma la variable que tiene incertidumbre y le asigna un
valor aleatorio. A continuación, se ejecuta el modelo y se proporciona un resultado. Este
proceso se repite una y otra vez mientras se asignan muchos valores diferentes a la
variable en cuestión. Una vez que se completa la simulación, los resultados se promedian
para llegar a una estimación.
Ventajas y desventajas de una simulación Monte Carlo

El método de Monte Carlo se utiliza para ayudar a un inversor a estimar la probabilidad de una
ganancia o una pérdida en una determinada inversión. Otros métodos tienen el mismo objetivo.
Los modelos simulados son más fáciles de entender que muchos modelos analíticos.
La simulación de Monte Carlo se creó para superar una desventaja percibida de otros métodos
de estimación de un resultado probable.
Ninguna simulación puede señalar un resultado inevitable. El método de Monte Carlo apunta a
una estimación más sólida de la probabilidad de que un resultado difiera de una proyección.
La diferencia es que el método de Monte Carlo prueba una serie de variables aleatorias y luego
las promedia, en lugar de comenzar con un promedio.
Como cualquier simulación financiera, el método Monte Carlo utiliza datos de precios históricos
como base para una proyección de datos de precios futuros. Luego interrumpe el patrón al
introducir variables aleatorias, representadas por números. Finalmente, promedia esos números
para llegar a una estimación del riesgo de que el patrón se interrumpa en la vida real.
Ventajas y desventajas de una simulación Monte Carlo

El método de Monte Carlo se utiliza para ayudar a un inversor a estimar la probabilidad de una
ganancia o una pérdida en una determinada inversión. Otros métodos tienen el mismo objetivo.
La simulación de Monte Carlo se creó para superar una desventaja percibida de otros métodos
de estimación de un resultado probable.
Se gana “experiencia” en forma barata simulando en el computador sin correr riesgos reales.
Se obtienen resultados de manera rápida.
Con los modelos de simulación es posible analizar sistemas muy complejos, donde los modelos
analíticos no pueden llegar.
Ninguna simulación puede señalar un resultado inevitable. El método de Monte Carlo apunta a
una estimación más sólida de la probabilidad de que un resultado difiera de una proyección.
La diferencia es que el método de Monte Carlo prueba una serie de variables aleatorias y luego
las promedia, en lugar de comenzar con un promedio.
Como cualquier simulación financiera, el método Monte Carlo utiliza datos de precios históricos
como base para una proyección de datos de precios futuros. Luego interrumpe el patrón al
introducir variables aleatorias, representadas por números. Finalmente, promedia esos números
para llegar a una estimación del riesgo de que el patrón se interrumpa en la vida real.

S05 Montecarlo

Cargado por

Copyright:

Formatos disponibles

S05 Montecarlo

Cargado por

Información del documento

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

S05 Montecarlo

Cargado por

Copyright:

Formatos disponibles

Método Monte Carlo

“Un método estadístico aplicado en el modelado de la probabilidad de diferentes resultados en

¿Qué es la simulación Monte Carlo?

En esencia, la simulación de Monte Carlo se puede utilizar en casi cualquier problema

Teoría de la simulación Monte Carlo

Introducción de productos nuevos

El objetivo central de esta simulación es determinar aquella probabilidad que tiene un

Se quiere determinar los tiempos de espera en un cajero automático, por ejemplo, en un

La simulación Monte Carlo ofrece numerosas aplicaciones en finanzas. Las aplicaciones

La simulación de Monto Carlo se usa comúnmente en la fijación de precios de opciones

¿Qué es una acción?

Cuando una persona posee acciones en una empresa, la persona se denomina

La mayoría de las trayectorias profesionales en finanzas estarán directamente

La principal fuente de incertidumbre para los instrumentos de renta fija y derivados de

Financiación de proyectos y análisis de opciones reales: la simulación Monte Carlo

¿Cómo funciona el método de simulación Monte Carlo?

El método de Monte Carlo reconoce un problema para cualquier técnica de simulación:

Ventajas y desventajas de una simulación Monte Carlo

Ventajas y desventajas de una simulación Monte Carlo

Se obtienen resultados de manera rápida.

analíticos no pueden llegar.

También podría gustarte