Menu
Desain Rumah – Desain Interior – Bangun Rumah – Renovasi Rumah

Artikel: 6.9. Monte Carlo Analisis | HBS Blog

  • Share

Membawa ketidakpastian & risiko pada peramalan

Banyak insiden kebetulan.

Jadi Anda telah membuat perkiraan arus kas hati-hati diteliti untuk Anda ingin memulai bisnis. Dan mungkin tampaknya itu seperti brosur.

Tapi bagaimana yang baik merupakan perkiraan ini benar-sahih? Apakah Anda membuat persis pendapatan diperkirakan? Tepat? Dan dalam global ini harga komoditas berfluktuasi liar, akan masukan Anda porto persis apa yang telah Anda perkirakan?

Apabila pendapatan Anda hanya sedikit pada atas apa yang Anda harapkan dan porto Anda hanya sedikit lebih tinggi, merupakan bisnis yang menjanjikan Anda sebenarnya lebih cenderung keputusan sebagai bencana kerugian?

Dan apa asumsi lainnya – prakiraan produksi, perkiraan populasi, perkiraan ekonomi, bahkan ramalan cuaca? Bagaimana Anda membawa keacakan semata-mata kedalam kehidupan sehari-hari?

Salah satu cara buat melakukan hal ini secara kuantitatif adalah menggunakan Monte Carlo Analisis, sebuah keputusan krusial & teknik analisis resiko.

Memahami Perangkat :

Nama "Monte Carlo Analisis" mengacu ke kasino di Monte Carlo di Monaco, di mana ratusan peristiwa kebetulan terjadi setiap hari.

Metode Monte Carlo adalah suatu teknik yang melibatkan penggunaan angka acak dan probabilitas untuk memecahkan masalah. Istilah Metode Monte Carlo diciptakan oleh S. Ulam dan Nicholas Metropolis dalam referensi untuk permainan kesempatan, atraksi yang populer di Monte Carlo, Monako (Hoffman, 1998; Metropolis dan Ulam, 1949).

Ide pada pulang teknik ini adalah bahwa Anda berikan angka acak yg merepresentasikan input niscaya (pendapatan dan harga komoditas pada contoh di atas) ke dalam contoh peramalan Anda, & lalu melacak apa yg keluar di ujung lain.

Ini tidak akan membuat Anda kemana saja apabila Anda beri pada jumlah yang sahih-sahih acak, atau jika Anda menggunakan hanya satu set input. Tetapi, jika Anda membentuk pseudo-acak masukan menurut distribusi probabilitas yang sinkron, dan pakan relatif menurut mereka ke dalam model Anda, Anda membentuk distribusi yg berguna & sangat informatif hasil buat dicatat.

Sebelum PC menjadi umum pada loka kerja, ini tidak simpel. Hanya menyiapkan satu run dari perkiraan arus kas (dengan satu set input) akan memakan waktu perhitungan manual & inspeksi satu hari . Tetapi menggunakan personal komputer , Anda bisa menjalankan ratusan atau ribuan set input melalui contoh Anda hanya dalam beberapa menit.

Untuk melakukan ini, Anda wajib Analisis Risiko MS Excel plug-in seperti Risiko @, RiskAmp atau Crystal Ball, atau Anda akan memerlukan beberapa bentuk akhir depan Simulasi Monte Carlo untuk pemodelan sistem yang Anda pakai.

Cara Menggunakan nya :

Simulasi komputer harus dilakukan dengan menggunakan model komputer untuk meniru kehidupan nyata atau membuat prediksi. Bila Anda membuat model yang spreadsheet seperti Excel, Anda memiliki sejumlah parameter input dan beberapa persamaan yang menggunakan input mereka untuk memberikan satu set output (atau variabel respon). Jenis model biasanya deterministik, yang berarti bahwa Anda mendapatkan hasil yang sama tidak peduli berapa kali Anda menghitung ulang.

[ Contoh 1: Sebuah Model deterministik untuk Kepentingan Majemuk ]

Gambar 1: Sebuah peta model parametrik deterministik satu set variabel input untuk satu set variabel output.

Simulasi Monte Carlo adalah metode untuk mengevaluasi iteratif model deterministik menggunakan set nomor acak sebagai masukan. Metode ini sering digunakan ketika model adalah kompleks, nonlinier, atau melibatkan lebih dari sekedar beberapa parameter yang tidak pasti. Sebuah simulasi biasanya dapat melibatkan lebih dari 10.000 evaluasi model, tugas yang di masa lalu hanya praktis menggunakan komputer super.

Contoh 2: Sebuah Model Stochastic

Dengan menggunakan input acak, Anda pada dasarnya mengubah model deterministik menjadi model stokastik. Contoh 2 menunjukkan konsep ini dengan masalah yang sangat sederhana.

[ Contoh 2: Sebuah Model stokastik untuk Majelis Engsel ]

Pada Contoh 2, kita menggunakan nomor acak sederhana seragam sebagai input untuk model. Namun, distribusi seragam bukan satu-satunya cara untuk mewakili ketidakpastian. Sebelum menjelaskan langkah-langkah simulasi MC umum secara rinci, kata sedikit tentang propagasi ketidakpastian:

Metode Monte Carlo adalah salah satu dari banyak metode untuk menganalisis propagasi ketidakpastian, di mana tujuannya adalah untuk menentukan bagaimana variasi acak, kurangnya pengetahuan, atau kesalahan mempengaruhi sensitivitas, kinerja, atau keandalan dari sistem yang sedang dimodelkan. Simulasi Monte Carlo dikategorikan sebagai metode sampling karena input acak dari distribusi probabilitas untuk mensimulasikan proses sampling dari populasi sebenarnya. Jadi, kita mencoba untuk memilih distribusi input yang paling sesuai dengan data yang sudah kita miliki, atau paling mewakili keadaan saat ini pengetahuan kita. Data yang dihasilkan dari simulasi dapat digambarkan sebagai distribusi probabilitas (atau histogram) atau dikonversi ke bar kesalahan, prediksi kehandalan, zona toleransi, dan interval kepercayaan. (Lihat Gambar 2).

Ketidakpastian Propagasi

Gambar 2: Skema menunjukkan propagasi ketidakpastian utama stokastik. (Prinsip dasar di balik simulasi Monte Carlo.)

Jika Anda telah membuat sejauh ini, selamat! Sekarang untuk bagian yang menyenangkan! Langkah-langkah dalam simulasi Monte Carlo sesuai dengan propagasi ketidakpastian yang ditunjukkan pada Gambar 2 adalah cukup sederhana, dan dapat dengan mudah diimplementasikan di Excel untuk model sederhana. Yang kita perlu lakukan adalah mengikuti lima langkah sederhana yang tercantum di bawah ini:

Langkah 1: Membuat model parametrik, y = f (x 1, x 2, …, x q).

Langkah 2: Menghasilkan set input acak, x i 1, x i 2, …, x iq.

Langkah 3: Evaluasi model dan menyimpan hasil sebagai y i.

Langkah 4: Ulangi langkah 2 dan 3 untuk i = 1 sampai n.

Langkah 5: Menganalisis hasil menggunakan histogram, ringkasan statistik, interval keyakinan, dll

Sebuah contoh model deterministik adalah perhitungan untuk menentukan laba atas investasi 5 tahun dengan tingkat bunga tahunan sebesar 7%, diperparah bulanan. Model ini hanya persamaan di bawah ini:

Input

investasi awal (P = $ 1000), tingkat bunga tahunan (r = 7% = 0,07), periode peracikan (m = 12 bulan), dan jumlah tahun (Y = 5).

Top of Form

Bunga Majemuk Model

Hadir nilai, P

Tingkat tahunan, r

Periode / Tahun, m

Tahun, Y

Nilai masa depan, F

Bottom of Form

Salah satu tujuan dari model seperti ini adalah untuk membuat prediksi dan mencoba “Bagaimana jika?” skenario. Anda dapat mengubah input dan menghitung ulang model dan Anda akan mendapatkan jawaban baru. Anda bahkan mungkin ingin plot grafik dari nilai masa depan (F) vs tahun (Y). Dalam beberapa kasus, Anda mungkin memiliki tingkat bunga tetap, tetapi apa yang Anda lakukan jika tingkat bunga diperbolehkan untuk mengubah?

Untuk persamaan sederhana, Anda mungkin hanya mau tahu skenario kasus terburuk / terbaik, di mana Anda menghitung nilai masa depan berdasarkan tingkat suku bunga terendah dan tertinggi yang Anda harapkan.

Tentu saja, Anda nir ingin melakukan ini secara manual. Itulah sebabnya ada begitu banyak software (termasuk Excel add-in) buat Bab Selanjutnya

Home | Bab Sebelumnya | Menu | Bab Selanjutnya

  • Share

Leave a Reply

Your email address will not be published.

19 − five =