http://d-ria.com/blog/2009/08/228 Альт-Инвест. Взгляд изнутри Sun, 10 Oct 2010 16:22:38 +0000 http://wordpress.org/?v=2.9.2 hourly 1 http://d-ria.com/blog/2009/08/228/comment-page-1#comment-68 Максим Штейгервальд Sat, 16 Jan 2010 02:42:03 +0000 http://d-ria.com/blog/?p=228#comment-68 Метод Монте-Карло - прекрасный инструмент, который может помочь когда планирование одного денежного потока практически не дает необходимой для принятия решения информации. В своей практике мне приходилось прибегать к данной методике прогнозирования в следующих проектах: 1. Анализ привлекательности приобретения элеватора в зоне рискованного земледелия. Здесь основной источник доходов был - перепродажа зерна по ценам более высоким нежели его закупка у местных фермеров. При этом стоимость зерна была фактически случайным значением. Статистики для определения распределения было достаточно. Все считали без учета инфляции. 2. Создание металлотрейдинговой компании. Цена на металл формируется в определенной корреляции с ценами на металл на бирже. При этом всегда возможен (практически в любой год с одинаковой вероятностью) на одну из 4-х равновесных цен со своим распределением, что и было учтено в модели. 3. Проект по переработке шин. Большая часть продукции является топочным мазутом. Для нас это означало существенную неопределенность в ценах. И так как затраты не зависят от стоимости нефти, а доходы зависят, то Монте-Карло был очень даже к стати. При этом также прогнозировали возможные переходы на разные равновесные цены. 4. Разработка целевого портфеля при создании фонда прямых инвестиций. Методом Монте-Карло тестировалось: при заданном объеме портфеля и накопленной статистике по успеху/доходам/банкротствам новых технологических компаний были сформированы и требуемой норме доходности за 3 года: максимальная сумма инвестиций в один проект, система страхования рисков при 1-7 портфелях в фонде. Основное, что можно сказать - не нужно себя обманывать. Не каждый параметр можно "прогнать" через этот метод. Не хватит статистики. Но когда можно привязаться к биржевой или экономической статистике и выявить значимые закономерности - пожалуйста. Метод Монте-Карло замечательно работает на сложных проектах, когда нужно учесть слишком много вариативных элементов. В своей работе пользуюсь CrystalBall. @Risk оказался слишком дорогим (9999$) и в нем слишком много функциональности. CrystalBall менее функционален, но стоит 2000$. Но данные инвестиции окупаются одним проектом. Метод Монте-Карло – прекрасный инструмент, который может помочь когда планирование одного денежного потока практически не дает необходимой для принятия решения информации.
В своей практике мне приходилось прибегать к данной методике прогнозирования в следующих проектах:
1. Анализ привлекательности приобретения элеватора в зоне рискованного земледелия. Здесь основной источник доходов был – перепродажа зерна по ценам более высоким нежели его закупка у местных фермеров. При этом стоимость зерна была фактически случайным значением. Статистики для определения распределения было достаточно. Все считали без учета инфляции.
2. Создание металлотрейдинговой компании. Цена на металл формируется в определенной корреляции с ценами на металл на бирже. При этом всегда возможен (практически в любой год с одинаковой вероятностью) на одну из 4-х равновесных цен со своим распределением, что и было учтено в модели.
3. Проект по переработке шин. Большая часть продукции является топочным мазутом. Для нас это означало существенную неопределенность в ценах. И так как затраты не зависят от стоимости нефти, а доходы зависят, то Монте-Карло был очень даже к стати. При этом также прогнозировали возможные переходы на разные равновесные цены.
4. Разработка целевого портфеля при создании фонда прямых инвестиций. Методом Монте-Карло тестировалось: при заданном объеме портфеля и накопленной статистике по успеху/доходам/банкротствам новых технологических компаний были сформированы и требуемой норме доходности за 3 года: максимальная сумма инвестиций в один проект, система страхования рисков при 1-7 портфелях в фонде.
Основное, что можно сказать – не нужно себя обманывать. Не каждый параметр можно «прогнать» через этот метод. Не хватит статистики. Но когда можно привязаться к биржевой или экономической статистике и выявить значимые закономерности – пожалуйста. Метод Монте-Карло замечательно работает на сложных проектах, когда нужно учесть слишком много вариативных элементов.
В своей работе пользуюсь CrystalBall. @Risk оказался слишком дорогим (9999$) и в нем слишком много функциональности. CrystalBall менее функционален, но стоит 2000$. Но данные инвестиции окупаются одним проектом.

]]>