SIMULAREA MONTE CARLO

Metoda Monte Carlo s-a nascut prin lucrarile lui J. von Neumann, S. Ulam si E. Fermi, legate de realizarea bombei atomice n timpul celui de-al doilea razboi mondial. Von Neumann si Ulam au dat numele codificat Monte Carlo studiului lor privind comportarea neutronilor. Prin utilizarea unui model probabilist si prin generarea de valori ntmplatoare pentru variabilele aleatoare implicate n acest model, cercetatorii respectivi au reusit sa ajunga la un raspuns aplicabil problemei lor. n management, metoda Monte Carlo este folosita ndeosebi pentru evaluarea alternativelor decizionale. n acest scop, un model probabilist (n care cel putin o variabila de intrare este o variabila aleatoare data prin distributia ei) este atasat problemei decizionale respective. Apoi, fiecare alternativa este evaluata prin realizarea unui set de experiente asupra modelului, prin agregarea si interpretarea rezultatelor acestor experiente. n modelele de simulare determinista, variabilele si relatiile dintre ele sunt complet explicitate si nu lasa loc nici ntr-un fel ntmplarii. Totusi, n multe situatii decizionale de management hazardul joaca un rol important, iar modelele care le reprezinta trebuie sa l ia n considerare. Abordarea cu un minimum de rationalitate a unei astfel de situatii complexe impune ca anumiti factori de influenta, considerati mai putin importanti, sa fie omisi n mod deliberat din analiza, efectele lor fiind asimilate cu unele evenimente a caror aparitie este pur ntmplatoare. Aceste evenimente sunt integrate ntr-un model de simulare nu prin ansamblul cauzelor care le produc, ci prin probabilitatile lor de aparitie n anumite conditii date. Metoda de simulare bazata pe un astfel de model se numeste Monte Carlo. n simularea Monte Carlo, fiecarei variabile aleatoare de intrare n model i se atribuie o valoare ntmplatoare (din multimea valorilor posibile ale variabilei respective), pornind de la un numar aleator uniform distribuit pe intervalul [0,1], dar lund n considerare distributia de probabilitate a acelei variabilei. Apoi se executa (rezolva) modelul, calculnd valorile corespunzatoare ale variabilelor de iesire. Repetnd experientele de simulare de un numar de ori suficient de mare, se obtin distributii de probabilitate ale variabilelor de iesire din model, pe baza carora pot fi facute estimatii mult mai pertinente privind rezultatele viitoare ale solutiei studiate. n management, simularea Monte Carlo de tip static este utilizata cu predilectie n analiza riscului decisional. n general, riscul unei solutii pentru o anumita situatie

decizionala reflecta masura n care implementarea acelei solutii poate genera rezultate nesatisfacatoare din punct de vedere al criteriilor de performanta stabilite. n esenta, analiza riscului nsemna orice metoda calitativa si/sau cantitativa utilizata pentru evaluarea impactului riscului asupra deciziilor potentiale ntr-o situatie data. Scopul unui astfel de demers este acela de a ghida decidentul pentru a solutiona mai bine probleme decizionale marcate de un anumit grad de incertitudine. n acest sens, analiza riscului ajuta la: testarea sensibilitatii performantelor asteptate n diferite ipoteze privind evolutia factorilor controlabili si necontrolabil dintr-o situatie decizionala data; identificarea principalilor factori necontrolabili cu o evolutie incerta care au un efect determinant asupra succesului sau esecului solutiilor considerate; evaluarea limitelor unor solutii prin evidentierea circumstantelor care ar putea conduce la consecinte grave n cazul implementarii acelor solutii; asigurarea unei perceptii mai bune a diferitelor riscuri si a interactiunii dintre ele ; conceperea unor mijloace de reducere a expunerii la risc (de exemplu, prin intermediul unor instrumente de acoperire). Dintre metodele cantitative de analiza a riscului, cele mai importante sunt: analiza sensibilitatii, analiza scenariilor, analiza decizionala (metoda arborilor de decizie) si simularea Monte Carlo. Analiza sensibilitatii este punctul de plecare n orice tip de analiza cantitativa a riscului. Ea este, de fapt, o forma de simulare determinista, care permite identificarea factorilor necontrolabili cu cel mai mare impact asupra performantelor solutiilor considerate. Analiza scenariilor este o sintagma cu semnificatii diferite n literatura de management, n functie de context. n analiza riscului, scenariile pot fi ntelese ca fiind viziuni coerente asupra lumii viitoare, care pot fi alese si investigate pentru a li se asocia ansambluri pertinente de efecte posibile. Analiza scenariilor presupune formularea unor viziuni optimiste si pesimiste asupra viitorului, dupa care sunt estimate consecintele solutiilor posibile n functie de aceste ipoteze formulate. Se obtine, n felul acesta, o gama de rezultate posibile pentru fiecare solutie testata, ceea ce permite decidentului sa reflecteze asupra actiunilor ce trebuie ntreprinse pentru a face fata unei eventuale conjuncturi nefavorabile. Att analiza scenariilor, ct si analiza sensibilitatii sunt metode care beneficiaza din plin de utilizarea unor instrumente software de tipul programelor de calcul tabelar. Analiza decizionala (metoda arborilor de decizie). n evaluarea riscului prin analiza

sensibilitatii si analiza scenariilor nu sunt luate n considerare probabilitatile de aparitie a diferitelor stari ale naturii. Analiza scenariilor, de exemplu, nu ofera dect o marja de variatie a rezultatelor posibile, fara a sugera nimic n legatura cu probabilitatile relative ale valorilor din aceasta marja. Aceasta lacuna este acoperita, n maniere specifice, prin utilizarea analizei decizionale si a metodei de simulare Monte Carlo. Simularea Monte Carlo este cea mai performanta metoda cantitativa de analiza a riscului. Utilizarea ei efectiva presupune parcurgerea ctorva etape mai importante: 1. dezvoltarea unui model simulabil de tip determinist, n care sunt specificate variabilele de intrare (factorii de influenta controlabili si necontrolabili), variabilele de iesire (rezultatele, din punctual de vedere al criteriilor de performanta retinute) si relatiile dintre variabilele de iesire si cele de intrare, relatii care pot fi exprimate direct sau indirect, cu ajutorul unor variabile intermediare; 2. transformarea modelului determinist construit anterior ntr-unul probabilist, prin asignarea unor distributii de probabilitate variabilelor de intrare care reflecta factori necontrolabili marcati de incertitudine; 3. precizarea relatiilor dintre variabilele de intrare probabiliste interdependente (cum ar fi, de exemplu, pretul viitor al unui produs si cota de piata previzibila). De regula , astfel de relatii sunt modelate cu ajutorul unor matrice de corelatie ntre variabilele aleatoare respective; 4. efectuarea simularii; 5. analiza rezultatelor simularii si interpretarea lor pentru aprecierea riscului. Analiza riscului prin simularea Monte Carlo are o larga aplicabilitate n management. Cele mai frecvente situatii decizionale abordate n aceasta maniera sun cele legate de: alegerea proiectelor de investitii, operatiuni cu devize, plasamente n valori mobiliare, analiza costurilor, operatiuni n domeniul asigurarilor, evaluarea resurselor miniere si de hidrocarburi, evaluarea riscului de accidente si boli profesionale si altele.