ANALIZA MONTE CARLO – ORIGINEA SI DESCRIEREA CONCEPTULUI

Modelul Monte Carlo, cunoscut si sub denumirea de simularea Monte Carlo, a fost conceput de echipa
oamenilor de stiinta implicati in proiectul bombei atomice in anii ’40. Totul a plecat de la ideea lui
Stanislaw Ulam de a utiliza combinatii aleatorii de variabile si valori ale acestora pentru analiza
comportamentului unor sisteme sau procese complexe. Ajutat de colegul sau John Von Neumann,
acestia au dezvoltat primul model Monte Carlo. Avand in vedere caracterul secret al proiectului in care
initiatorii sai erau implicati, metoda a primit un nume codificat, fiind inspirat de celebrul oras din statul
Monaco si de asemanarile existente intre jocurile de noroc si procesele analizate prin aceasta metoda.

Conceptul a cunoscut multiple dezvoltari si utilizari, astazi existand o diversitate de simulari Monte Carlo,
utilizate in cele mai variate domenii, de la fizica particulelor pana la astronomie, inteligenta artificiala,
finante, previziuni meteorologice si multe altele.

Simularea Monte Carlo este o metoda cantitativa ce anticipeaza rezultatul in urma analizei sanselor ca
variabilele introduse in model sa se comporte intr-un anume fel.

Spre deosebire de legile fizicii, care sunt usor de previzionat (ex.: vom afla exact unde si in cat timp va
ajunge un obiect aruncat, daca stim forta cu care a fost aruncat si directia exacta), in lumea afacerilor – in
special in conditiile socio-economice actuale – ne desfasuram activitatea in conditii de maxima
incertitudine. Pentru gestionarea numarului mare de variabile si previzionarea in conditii de
incertitudine, au fost dezvoltate diferite modele computerizate Monte Carlo, care preiau datele aleatorii
pe care le aveti la dispozitie (venitul, vanzarile, preturile etc.) sau genereaza propriile date aleatorii,
oferind in schimb previziuni.

Cu ajutorul calculatoarelor, puteti rula sute si mii de seturi de intrari in modelul dumneavoastra in doar
cateva minute. Rezultatele obtinute vor arata ce se poate intampla in cazul fiecarui scenariu si care va fi
rezultatul fiecarei actiuni. In plus, se vor oferi reprezentari grafice, analiza impactului si alte informatii
importante.

ANALIZA MONTE CARLO – UTILIZAREA CONCEPTULUI LA SIMULARI IN AFACERI

Simularea deciziilor economice poate fi aplicata tuturor claselor de probleme: previziuni financiare,
reguli de functionare, politici si proceduri, si mai concret, adaptarea deciziilor, controlul deciziilor, politica
de preturi etc.
Rezolvarea problemelor cu ajutorul tehnicilor de simulare presupune utilizarea unor algoritmi interactivi
si existenta unor pasi bine determinati in vederea atingerii obiectivului presupus. Desi metodele Monte
Carlo variaza, acestea urmeaza acelasi traseu:

Definirea domeniului (variabilelor) care se doreste studiat;

Generarea aleatorie a valorilor aferente variabilelor;

Calculul deterministic;

Agregarea rezultatelor.

Metodele folosesc in mod necesar tehnica de calcul, iar algoritmul metodei este prezentat in
succesiunea etapelor sale interactive.

MOD DE ABORDARE IN APLICAREA CONCEPTULUI LA EVALUAREA DECIZIILOR ALTERNATIVE

Cei noua pasi necesari implementarii metodei Monte Carlo sunt:

1. Dezvoltarea intrebarii de interes, bazata pe teoria statistica, in vederea testarii unor ipoteze, este pasul
care determina calitatea intregului proces.

2. Crearea unor modele de ecuatii reprezentative, testate si publicate de alti practicieni, pentru a asigura
validitatea rezultatelor in lumea reala.

3. Proiectarea conditiilor specifice ale experimentului, adica a variabilelor in functie de care se vor realiza
simularile. Una dintre conditii este ca esantionul sa aiba mai putin de 100 de inregistrari.

4. Selectarea valorilor parametrilor astfel incat sa corespunda valorilor intalnite frecvent in realitate, dar
si unor conditii statistice.

5. Selectarea software-ului potrivit, in functie de punctele lor forte si slabe si in functie de problema de
cercetat.

6. Executarea simularilor, crearea matricelor de covarianta a populatiei.

7. Depozitarea datelor rezultate din analiza poate ridica probleme din cauza spatiului mare ce il va ocupa.

8. Evaluarea corectitudinii statistice a procesului.

9. Rezumarea rezultatelor: descriptiv, grafic etc.

CONCLUZII

Metoda Monte Carlo poate fi utilizata pentru a descrie aproximarea solutiilor la problemele cantitative,
cu ajutorul esantionarii statistice. Simularea Monte Carlo este utilizata in special ca metoda de a propaga
(translata) incertitudinile legate de datele de intrare ale modelelor, construite in incertitudini aferente
rezultatelor asteptate, pentru a calcula probabilitatea distributiei perfomantei previzionate. Simularea
Monte Carlo este cea mai utilizata tehnica pentru propagarea incertitudinii legata de variate aspecte ale
unui sistem, catre performanta previzionata.

Simularea Monte Carlo creeaza avantaje pentru managerii de proiect – in special in magementul
riscurilor – prin simularea combinatiilor posibile diverse ale variabilelor predictibile in cadrul plajelor de
valori specifice. Managerii de proiect pot utiliza simularea Monte Carlo pentru a lua decizii cat mai
documentate, crescand astfel performanta in implementarea proiectelor.

BIBLIOGRAFIE

Christopher Z. Mooney, Monte Carlo Simulation, SAGE, 1997

Richard Razgaitis, Dealmaking: Using Real Options and Monte Carlo Analysis, John Wiley & Sons, 2004

Reuven Y. Rubinstein, Dirk P. Kroese, Simulation and the Monte Carlo Method, John Wiley & Sons, 2016

George Fishman, Monte Carlo: Concepts, Algorithms, and Applications, Springer Science & Business
Media, 2013

Nick T. Thomopoulos, Essentials of Monte Carlo Simulation: Statistical Methods for Building Simulation
Models, Springer Science & Business Media, 2012

David Vose, Quantitative risk analysis: a guide to Monte Carlo simulation modelling, Wiley, 1996

Enrico Zio, The Monte Carlo Simulation Method for System Reliability and Risk Analysis, Springer Science
& Business Media, 2012

Ding-Geng Chen, John Dean Chen, Monte-Carlo Simulation-Based Statistical Modeling, Springer, 2017