Simulación de Montecarlo

 

EVALUACIÓN DE PROYECTOS Simulación Montecarlode

 

ES…  

una técnica que combina conceptos estadísticos (muestreo aleatorio) con la capacidad que tienen los ordenadores para generar números pseudo-aleatorios y automatizar cálculos.

 

Los orígenes 



Los orígenes de esta técnica están ligados al trabajo desarrollado por Stan Ulam y John  Von Neumann a finales de los 40 en el laboratorio Alamos, cuando investigabandeelLos movimiento aleatorio de los neutrones [W1]. En años posteriores, la simulación de Monte Carlo se ha como venidoalternativa aplicando aa los unamodelos infinidad de ámbitos matemáticos exactos o incluso como único medio de estimar soluciones para problemas complejos.

 

Usos 

en la actualidad es posible encontrar modelos que hacen uso de simulación Monte Carlo en las áreas informática, económica, industrialempresarial, e incluso social [5, 8]. En otras palabras, la simulación de Monte Carlo está presente en todos aquellos ámbitos en losoque el comportamiento aleatorio probabilístico desempeña un papel fundamental

 

Proviene 



Monte Carlo proviene de la famosa ciudad de Mónaco, donde abundan los casinos de juego y donde el azar, la probabilidad y el comportamiento aleatorio conforman todo un estilo de vida. análisis de escenarios (“what-if 

anaylisis”).

 

La Clave 

La clave de la simulación Monte Carlo consiste en crear un modelo matemático del sistema, proceso o actividad que se quiere analizar,

identificando aquellas variables identificando (inputs del modelo) cuyo comportamiento aleatorio determina el comportamiento global del sistema..

 

La Clave 

Una vez identificados dichos inputs o variables aleatorias, se lleva a cabo un experimento consistente en (1) generar  – con ayuda del ordenador-muestras aleatorias (valores concretos) para dichos inputs, y (2) analizar el comportamiento del sistema ante los valores generados.

 

La Clave 

Tras repetir n veces este experimento, dispondremos de n observaciones sobre el comportamiento del sistema, lo cual nos será de utilidad para entender el funcionamiento funcionamient o del mismo –  – obviamente, nuestro análisis será tanto más preciso cuanto mayor sea el número n de experimentos que llevemos a cabo

 

Usos 

El Data Warehouse aplicado al análisis de riesgos financieros ofrece capacidades avanzadas de desarrollo de aplicaciones para dar soporte a las diversas actividades de gestión de riesgos. Es posible desarrollar cualquier herramienta utilizando las funciones que incorpora la plataforma, gracias a la

potencionalidad estadística potencionalidad aplicada al riesgo de crédito.

 

Funcionalidades 

 Así se puede usar para llevar a cabo las siguientes funcionalidades:

Para la gestión de la posición: 

Determinación de la posición, Cálculo de sensibilidades, Análisis what/if, Simulaciones, Monitorización riesgos contra límites, etc.

 

Funcionalidades  

Para la medición del riesgo:  Soporte metodología RiskMetrics (Metodología registrada de J.P. Morgan / Reuters), Simulación de escenarios históricos, Modelos de covarianzas, Simulación de Montecarlo, Modelos de valoración, Calibración modelos valoración, Análisis de rentabilidad, Establecimiento y seguimiento. de límites, Desarrollo/modificación modelos, Stress testing, etc.

 

Funcionalidades 



El uso del Data Warehouse ofrece una gran flexibilidad para creación o modificación de modelos propios de valoración y medición de riesgos, tanto motivados por cambios en la regulación, como en avances en la modelización de estos instrumentos financieros. Ello por cuanto se puede almacenar y poner a y elinformación uso de técnicas histórica de Data Mining disposición mercado de nos

simplifica la implantación de cualquier método

estadístico. Los métodos de previsión, se pueden realizar usando series históricas, (GARCH, ARIMA, etc.)