Почему метод Монте-Карло – это плохо
Периодически разные клиенты и партнеры спрашивают нас – когда же Альт-Инвест станет проводить оценку инвестиционных проектов с применением каких-нибудь статистических методов, чтобы можно было учитывать нечеткие исходные данные. Чаще всего называют метод Монте-Карло.
Может быть такой метод у нас появится. Это будет означать одно из двух – либо нам заплатили за его разработку, либо нам его подарили. Но никогда мы не станем по собственной инициативе встраивать метод Монте-Карло, как и любой другой статистический метод, в программу Альт-Инвест в качестве инструмента, предлагаемого нашим пользователям. Почему? Попробую рассказать.
Возьмем в качестве примера работу метода Монте-Карло в бесплатной программе Simular (да-да, те, кто спрашивает о реализации метода Монте-Карло в Альт-Инвесте обычно не знают о том, что такие программы уже есть и могут быть использованы для любых моделей Excel). Эта программа не делает ничего кроме моделирования по методу Монте-Карло и вывода результатов. Руководство пользователя, описывающее принципы настройки модели, занимает 90 страниц. Среди ее параметров есть, например, такие (это выбор способа распределения):
Simular: Выбор способа распределения
или вот такие (это характеристики корреляционной матрицы):
Simular: Корреляционная матрица
Не то, чтобы люди, интересующиеся статистическим анализом в оценке проектов, совсем не понимают о чем здесь речь. Дело в другом. Я, например, различаю нормальное и логнормальное распределение, но затрудняюсь выбрать для конкретного параметра оптимальный вариант. А уж вопрос об источнике данных для корреляционной матрицы и вовсе ставит меня в тупик. И примерно в таком же положении окажется любой человек, который постарается на практике применять эти методы. Увы, но в работе с реальными инвестиционными проектами почти никогда нет данных для корректного статистического анализа.
В результате, 99% всех попыток применения метода Монте-Карло и подобных ему являются профанацией, слепо игнорирующей все вопросы и проблемы, связанные со статистическим анализом. Остаётся 1% людей, которые всё же потратили время и силы на полноценное применение статистических методов. Но они обычно не спрашивают о встраивании этих методов в наши программы, потому что давно знают, что такое Cristal Ball, продукты серии @Risk и тому подобные решения. Статистический анализ инвестиционных проектов давно доступен. Проблема просто в том, что в условиях реальных проектов применение его слишком затруднительно и такие инструменты просто не нужны.
Но если вдруг это очень интересно, то в дополнение к уже упомянутому Simular’у можно познакомиться с двухнедельной trial-версией от Lumenaut или бесплатной программой YASAI – обе они позволяют проводить анализ методом Монте-Карло в Альт-Инвесте.
Март 19th, 2009 at 18:14
Думаю, ноги растут из нашей ВУЗовской системы образования. Стат. методы в анализе рисков в обязательном порядке изучаются в экономических ВУЗах. И чаще всего именно преподаватели ратуют за использование стат. методов в программах АИ. Ведь важно проиллюстрировать студентом теор. положения курса.
Но поскольку программы обучения в ВУЗах сильно теоретизированы, оторваны от реальной жизни, и преподаватели сами редко имеют опыт практической работы, получается то, что получается. Многие помнят, что есть такая фишка – Монте-Карло. А зачем, почему…
Март 20th, 2009 at 17:59
@Andrey Senov
Скорее дело даже вообще не в системе образования. Среди законов Мерфи есть такой: «Любая сложная проблема имеет простое, доступное для понимания неправильное решение». Он как раз об этом случае.