Documente Academic
Documente Profesional
Documente Cultură
consecinelor
evenimentelor
pozitive
minimizarea
consecinelor
evenimentelor defavorabile care pot s apar pe durata ciclului de via al unui proiect.
Simulari de analize de risc prin metoda Monte Carlo
Termenul "Monte Carlo" a fost introdus pentru prima dat de ctre von Neumann i Ulam
n timpul celui de al doilea rzboi mondial, ca nume de cod pentru munca secret de la Los
Alamos, unde forele aliate au ncercat s descopere bomba atomic. Acesta a fost sugerat de
ctre cazinourile de jocuri de noroc din oraul Monte Carlo, n Monaco, pentru a
obine "publicitate". Munca depus la Los Alamos a implicat simulri directe cu privin la
difuzia aleatoare a neutronului in materialul fisionabil.
Metoda Monte Carlo este acum una dintre cele mai puternice i utilizate tehnici de
analiz a problemelor complexe. Diferitele tipuri de aplicaii pot fi gsite n multe domenii de
activitate ncepnd de la transportul radiaiilor pn la modelarea bazinului unui ru. n
plus, simularea Monte Carlo nu este aplicabil doar pe procese stocastice, ci i pe probleme
deterministe.
Exist trei puncte importante care difereniaz metoda Monte Carlo de metodele
tradiionale de simulare:
stocastic MCS s-a dovedit a fi util. Simularea stocastic este, de fapt, o metod de
eantionare statistic pentru un model real. Pentru c generarea de rezultate la o anumit
distribuie implic utilizarea de numere aleatoare, aceste tipuri de simulri este numit MCS.
Metoda Monte Carlo a fost iniial considerat a fi o metod care folosete numere aleatoare
sau pseudo-aleatoare alese dintr-un interval de distribuie uniform [0, 1](Law i Kelton,2000).
Principiul din spatele MCS este ilustrat n Figura 12, unde sunt prezentate principiile care stau
la baza metodei de simulare a planificrii investiiilor.
3. Determinarea ratei de rentabilitate pentru fiecare combinaie pentru toi cei 9 factori cu grad incertitudine.
piaa
cota de piaa
preuri
Costuri curente
Figura 12. Exemplu de principu de simulare n cazul unei strategii de investiii.(Hertz i Thomas, 1984)
5. Distribuii probabilist
3. Determinarea ratei de rentabilitate pentru fiecare combinaie pentru toi cei 9 factori cu grad incertitudine
piaa
cota de piaa
preuri
investiia necesar
rata de cretere
a pieii
val.rezidual
a investiiei
Costuri curente
Costuri fixe
Durata de via
8. costurile fixe
9. durata de via
Fiecare parametru are atribuit o distribuie probabilistic dup cum este indicat n
Figura 2. Prin utilizarea simulrii Monte Carloeste posibil ca toate cele 9 distribuii s fie
comasate ntr-un singur grafic, aa cum se poate vedea la Etapa 5.(aici, o rat
total derentabilitate).
Mai jos este prezentat o imagine de ansamblu a simulrii Monte Carlo, n 7 pai, care
conine dou metode de generare de rezultate: Monte Carlo(Pasul3):
Pasul 1: Determinarea parametrilor/valorilor cu grad de incertitudine.
Pasul
2:Adugarea
unei
distribuii
probabilistice
corespunztoare
pentru
fiecareparametruselectat.
Pasul 3: Generarea unei valori aleatoare pentru fiecare distribuie.
Pasul
4: Pentrufiecareiteraie(Pasul
1,
ilustratn
Figura
2),
este
calculat
rata
create,
de
exemplu:
programul
@Risk,
generez
astfel
de
histograme
cazul
de
fa
analiza
riscului este
o parte a analizei
de
sensitivitate care ia n calcul c incertitudinea evolueaz ntre anumite intervale de date sau
parametri ai impactului.
O procedura
complet
de evaluare
riscului
este
alctuit
din(Vose, 2002):
3.
analiz
cantitativ
riscului,
precum
i opiunile
de gestionare
riscurilor asociate, care sunt disponibile pentru a determina sau a gsi o strategie optim
pentru controlul i implicit rezolvarea problemei cauzat de risc.
4. Implementarea, n urma aprobrii, strategiei de gestionare a riscurilor.
5. Comunicareaiargumentareamsurilor propuse factorilor de decizie.
Esena abordriitradiionale a analizei riscului este de a oferifactorilor de decizie o
valoare medie care sajute la creareauneiimagini de ansablucuprivire la rezultateleateptate.
Avantajul de a folosi analiza bazat pe risc este posibilitatea de difereniere a
caracteristicilorinformaiilor
de
risc n ceea
ce
priveterezultatale
cum
ar
fi:
probabila
ipoteza
cu
privire
la
determinarea
de
rezultatarputea varia
de
la punctul
de estimare
de
tipul:
calculat mai
"ce s-ar
ntmpla
cadrulmodelului,
continuedeprobabilitate.Fiecareparametru/variabila
probabilistic,n diferitescenarii,caresunt
prinutilizareadistribuiilor
are
analizate
atribuitunrezultat
mpreun
de
distribuie
funcie
de
probabilitateadeapariie.
Structura principal
a unui
model RA
amodeluluideterminist,cuexcepiacfiecarevariabil
modelul
RA estereprezentatdeofuncieprobabilisticdedistribuie(PDF).Obiectivuleste
cu
cea
de
care implic
metoda
aleatoarede generare
de
rezultate. Deoareceacestedistribuii cuprind sute sau chiar mii de scenariidiferite, ele mai sunt
cunoscute i sub numele de iteraii.
prima
ctrevonNeumanniUlamntimpul celui
de
al
dat de
doilearzboimondial, ca nume
ncercats descoperebombaatomic.Acestaafostsugeratde
ctre cazinourile de
de
au
jocuri
de
materialulfisionabil.
Metoda Monte Carlo esteacum unadintre celemaiputernice i utilizatetehnici
de
Monte
Carlo
nu
esteaplicabildoar pe procesestocastice, ci
difereniazmetoda
Monte
Monte
manierdirectprinfuncii
Carlo esteposibils
simple
ale
se
exprimerspunsurilentr-o
variabilelor
de
intrarestocastice.
Monte
Carlo
esteacelacpoate
fi
aplicatfoarteuor. Atuncicndsuntcombinatemaimultevaloriincerte,
determinareaincertitudiniiprivindrezultatulpoate fi
foartecomplex. De exemplu, cndsuntadugatedouvaloriincerte,
incertitudineaprivindrezultatuleste oarecum maimicdectsumaincertitudinilororiginale.
Folosind MCS, acestlucrui alteefectesimilare sunt calculate n mod automat, astfelnct nu
suntnecesare cunotine de statistic pentru a obinerezultate precise.
Unuldintre factorii cheien creareaunui
model de
simulare este
de
vedea dacmodelulcunoate
de
fapt, o
metod de
de
eantionarestatistic pentru
rezultate
un
la o
Principiul din spatele MCS este ilustratn Figura 12, undesunt prezentate principiile care stau
1.Valori probabilistice/distribuii-factori importani/parametri.
3. Determinarea ratei de rentabilitate pentru fiecare combinaie pentru toi cei 9 factori cu grad incertitudine.
piaa
cota de piaa
preuri
Figura 12. Exemplu de principu de simulare n cazul unei strategii de investiii.(Hertz i Thomas, 19
2:Adugarea
unei
distribuii
probabilistice
corespunztoare
pentru
fiecareparametruselectat.
Pasul 3: Generarea unei valori aleatoare pentru fiecare distribuie.
Pasul
4: Pentrufiecareiteraie(Pasul
1,
ilustratn
Figura
2),
este
calculat
rata
create,
de
exemplu:
programul
@Risk,
generez
astfel
de
histograme