ANALIZA MONTE CARLO

Definiie Analiza Monte Carlo, Elaborat n anii 1940, reprezint o metod informatizat care utilizeaz tehnici statistice de eantionare pentru obinerea unei aproximri probabilistice la soluia unui model. n acest context, simularea const n procesul de aproximare a rezultatului unui model prin aplicarea aleatoare repetitiv a algoritmului unui model. Relevan Simularea Monte Carlo combin distribuiile de probabilitate n conformitate cu relaiile existente n modele, prin ncercarea mai multor combinaii de variabile de intrare i stocarea rezultatelor pentru afiare. Relevana acestei metode const n faptul c rezultatele sunt deseori grafice ale distribuiilor de probabilitate sau distribuii de probabilitate cumulative ale variabilelor de ieire, precum costul total sau datele de finalizare. Aceste rezultate permit msurarea complet i obiectiv a diferitelor riscuri. n plus fa de Analiza Multi - criterial (MCA), o serie de tehnici statistice pot fi utilizate pentru evaluarea riscurilor proiectului, precum PERT4 (tehnica evalurii repetate a programului), analiza de senzitivitate, analiza arborilor decizionali. Analiza PERT este utilizat n general pentru programarea graficelor de lucru, pe baza valorilor i a probabilitii duratelor necesare pentru realizarea sarcinilor proiectului. Avnd n vedere c duratele aferente sarcinilor proiectului pot fi o gam de valori, este posibil ca valorile duratei efective c determine o direcie critic diferit de cea anticipat de valorile cele mai probabile. n aceast situaie, MCA completeaz analiza PERT de estimare a graficelor de lucru i evalueaz aceste posibiliti, oferind linii directoare statistice pentru graficul programului. Analiza arborilor decizionali evalueaz riscurile multiple interdependente i riscuri cu rezultate multip le. Aceast tehnic este util deoarece un anumit eveniment neplanificat poate conduce deseori la rezultate multiple cu grade diferite de severitate. Datorit prezentrii sale expresive i succesiunii logice a deciziilor, analiza arborilor decizionali poate fi neleas mai uor n comparaie cu MCA, ns are cteva dezavantaje, precum: estimrile de risc pot fi uor influenate i dificil de aproximat cu exactitate; modelul nu este flexibil ; punctele de decizie apar n mod continuu i nu ntotdeauna la jonciuni discrete. Metoda de simulare Monte Carlo ofer avantaje multiple comparativ cu celelalte tehnici aplicate n cadrul analizei riscurilor Distribuiile variabilelor modelului nu trebuie aproximate n nici un fel. Nivelul de matematic necesar pentru realizarea MCS este elementar. Computerul efectueaz toate sarcinile necesare pentru determinarea distribuiei rezultatelor. Programele informatice specifice pot fi achiziionate, pentru automatizarea sarcinilor implicate n simulare5. Simularea Monte Carlo este unanim recunoscut drept o tehnic valid, astfel nct probabilitatea acceptrii rezultatelor este mai ridicat. Modelul poate fi uor modificat, iar rezultatele pot fi comparate cu modelele precedente. Aplicarea analizei Monte Carlo Analiza Monte Carlo poate fi util n numeroase situaii. De exemplu, o analiz Monte Carlo poate fi util atunci cnd calculele care utilizeaz estimri punctuale nu se ncadreaz n nivelurile de ngrijorare. Aceast analiz este de asemenea util atunci cnd costurile aciunilor de reglementare sau remediere sunt ridicate sau atunci cnd consecinele estimrilor simpliste ale riscurilor sunt inacceptabile. Avnd n vedere aceste aspecte, simularea Monte Carlo aplicat n cadrul analizei riscurilor este recomandat pentru proiectele sau investiiile de anvergur. Subliniem faptul c n cadrul Documentului de lucru nr. 2 (Rolul indicatorilor de performan) se recomand utilizarea ACB doar pentru investiiile relevante6 cu o valoare care depete 5 milioane de euro (pentru proiectele de anvergur care depesc 50 de milioane de euro, utilizarea analizei cost-beneficiu este obligatorie). n acest sens, recomandm aplicarea MCS tuturor proiectelor cu o valoare care depete 5 milioane de euro. n consecin, analiza Monte Carlo este important pentru gestionarea proiectelor deoarece permite managerului de proiect calcularea unui cost total probabil al proiectului i identificarea unui in terval sau a unei date posibile de finalizare a proiectului. Alte rezultate ale aplicrii metodei pot include lista elementelor de cost care prezint riscuri majore (contribuia cea mai ridicat la valoarea medie a costului total) sau activiti planificate (activiti n direcii critice n cel mai mare numr de iteraii n timpul simulrii). n general, o abordare gradual poate fi util pentru a stabili dac analiza Monte Carlo poate aduga valoare evalurii i procesului decizional. n cazul abordrii graduale se ncepe cu un nivel de selecie relativ simplu, evolund apoi la modele mai sofisticate i mai realiste (i, n general, mai complexe) doar n msura

justificat de constatri i valoare adugat deciziei7. Solicitarea de informaii din partea fiecrei pri interesate este recomandat pe parcursul fiecrei etape a abordrii graduale. n definitiv, efectuarea unei analiza Monte Carlo este o chestiune de judecat, lund n considerare destinaia, importana analizei expunerii la risc valoarea acesteia, precum i perspectivele pe care le ofer evaluatorului, managerului de risc sau oricror alte persoane sau grupuri afectate. Trebuie de asemenea acceptat faptul c nu toate evalurile necesit sau garanteaz o caracterizare cantitativ a variabilitii i incertitudinii. De exemplu, efectuarea unei analize Monte Carlo poate fi inutil atunci cnd calculele de selecie indic expuneri sau riscuri care se ncadreaz n mod clar n nivelurile de ngrijorare (tehnica de selecie este recunoscut ca supra-estimnd n mod semnificativ expunerea). De asemenea, efectuarea unei analize Monte Carlo poate fi nejustificat atunci cnd costurile de remediere sunt sczute. Etapele analizei Monte Carlo Etapele parcurse n cadrul analizei Monte Carlo sunt enumerate mai jos: a. Stabilirea problemei care trebuie soluionat. b. Elaborarea unui model. c. Definirea variabilelor de risc ale modelului. d. Realizarea simulrilor pe baza variabilelor identificate. e. Analizarea rezultatelor simulrilor n termeni statistici. Fiecare dintre etapele simulrii Monte Carlo enumerate mai sus sunt detaliate mai jos. a. Stabilirea problemei care trebuie soluionat Stabilirea problemei care trebuie soluionat const n rspunsul la ntrebarea: De ce este necesar, care este scopul analizei cantitative a riscurilor? Solicitantul poate fi interesat de un tip de expunere la riscuri, precum riscuri legate de costuri, grafic, niveluri de resurse, profitabilitate sau flux de numerar. n unele cazuri este necesar o viziune integrat a expunerii totale la diferite tipuri de riscuri. n orice caz, este important ca ntrebrile care necesit rspuns s fie stabilite n mod clar de la nceput. b. Elaborarea modelului Modelul de risc este o relaie matematic ntre variabilele de intrare, avnd drept rezultat generarea variabilei de risc analizat. O variabil de risc este un parametru esenial pentru succesul proiectului , iar o variaie nesemnificativ n ceea ce privete rezultatul acesteia poate avea un impact negativ asupra proiectului. Astfel cum s-a observat mai sus, variabilele de risc ale proiectului sunt n general izolate prin utilizarea analizei de senzitivitate. Modelul de risc poate fi elaborat pornind de la o baz existent, precum un plan de proiect sau buget, cu riscuri adugate sau poate analiza doar riscurile proiectului. c. Definirea variabilelor de risc ale modelului Variabilele incluse n modelul de risc trebuie s reflecte riscurile relevante. Definirea variabilelor de risc ale proiectului presupune determinarea valorilor maxime i minime pentru fiecare variabil identificat. n cazul n care sunt disponibile date istorice, sarcina legat de distribuia de frecven este mai facil. n caz contrar, n situaia n care nu sunt disponibile date istorice complete, solicitantul proiectului trebuie s se bazeze pe opinia experilor pentru a determina valorile cele mai probabile. n plus, etapa urmtoare presupune alocarea probabilitii de apariie pentru variabila de risc a proiectului. n acest caz vor fi utilizate distribuii de probabilitate Cteva distribuii de probabilitate utilizate n mod frecven te pentru analizarea riscurilor sunt descrise n seciunea urmtoare. n unele cazuri, dependenele dintre riscuri trebuie identificate prin utilizarea corelaiei ntr e variabilele de risc ale proiectului. Corelaia reprezint relaia dintre dou sau mai multe variabile n care modificarea uneivariabile provoac o modificare simultan a celeilalte variabile. n cadrul simulrii Monte Carlo, valorile de intrare pentru variabilele de risc ale proiectului sunt selectate aleatoriu pentru efectuarea simulrilor. n consecin, n cazul n care sunt generate anumite variabile de risc de intrare care ncalc corelaia dintre variabile, este posibil ca rezultatul s nu se ncadreze n valorile ateptate. Prin urmare, este important stabilirea corelaiei dintre variabile i aplicarea corespunztoare a limitrilor la simulri pentru a se asigura c selecia aleatoare a datelor de intrare nu ncalc n nici un fel corelaia determinat. Acest lucru se realizeaz prin specificarea unui coeficient de corelaie care definete relaia dintre dou sau mai multe variabile. Atunci cnd rundele de simulare sunt executate de computer, specificarea unui coeficient de corelaie asigur respectarea relaiei specificate fr nicio nclcare. Disponibilitatea datelor i identificare a corelaiilor posibile ntre variabile constituie dou limitri majore n momentul realizrii unei simulri Monte Carlo8. d. Realizarea simulrilor pe baza variabilelor identificate Simularea se realizeaz cu ajutorul unui program software de simulare i, n mod ideal, 500 1000 de runde de simulare constituie un eantion bun. n timpul efecturii rundelor de simulare, valorile aleatorii ale variabilelor de risc sunt selectate mpreun cu distribuia de probabilitate i corelaiile specificate. e. Analizarea rezultatelor simulrilor n termeni statistici Analiza Monte Carlo poate oferi detalii utile asupra expunerii la riscuri, incluznd seria de rezultate posibile, probabilitate realizrii obiectivelor i elurilor, riscurile cu impactul cel mai puternic, prin cipalii factori de risc

i aciunile cele mai eficiente. Fiecare rund de simulare reprezint probabilitatea de apariie a uniui eveniment de risc. O distribuie de probabilitate cumulativ a tuturor rundelor de simulare poate fi trasat, fiind utilizat ulterior pentru interpretarea probabilitii rezultatului proiectului ca fiind inferioar sau superioar unei valori specificate. Aceast distribuie de probabilitate cumulativ poate fi utilizat pentru evaluarea riscului global al proiectului.
5