Monte carlo simulasi berkorelasi variabel unggul

Mengingat bahwa korelasi memiliki dampak yang sangat besar pada jawaban dan analisis yang kami lakukan, oleh karena itu sangat masuk akal untuk membahas bagaimana menerapkan korelasi dalam berbagai alat simulasi. Korelasi juga merupakan rumah petak utama peramalan deret waktu… tapi itu cerita lain

Pada artikel ini, kita akan membangun model pengembalian berkorelasi sederhana menggunakan tersangka (,, dan) yang biasa kita gunakan. Tujuan dari model pengembalian berkorelasi adalah untuk memperhitungkan hubungan (korelasi) tentang bagaimana kelas aset yang dipilih bergerak bersama. Apakah aset B naik atau turun saat aset A naik – dan seberapa banyak?

Bagaimana kita mengatur model

Memuat pemain

Kami adalah investor yang berupaya mengevaluasi risiko dalam portofolionya. Kami memiliki $250.000 untuk diinvestasikan dan kami ingin memastikan bahwa kami memiliki peluang yang lebih baik untuk menghasilkan uang daripada kehilangannya. Distribusi dipasang menggunakan pengembalian historis yang disertakan dalam lembar uji (Untuk informasi lebih lanjut tentang cara menyesuaikan distribusi, silakan lihat Pertunjukan Simulasi Excel Bagian 2. Pemasangan Distribusi)
Untuk tujuan latihan, kami telah mengalokasikan investasi kami secara merata di antara setiap kelas aset sebesar 25% per bagian. Kami menganalisis korelasi peringkat (menggunakan metode berbasis Excel yang disajikan dalam Copulas Vs. Correlation) dan menyiapkan matriks korelasi yang digunakan untuk mengkorelasikan distribusi pengembalian untuk setiap kelas. Kami telah menyiapkan video tentang cara melakukannya dengan setiap paket
Banyak yang akan menyadari bahwa langkah alami selanjutnya untuk model ini adalah mengoptimalkan alokasi, tetapi sekali lagi Anda harus terus memantau karena ini direncanakan untuk posting mendatang

Jelas, perbedaan antara nilai persentil berkorelasi dan tidak berkorelasi meningkat saat kita menjauh dari persentil ke-50 atau Median. Jika kita menjalankan model ini tanpa memperhitungkan korelasinya, kita akan meremehkan batas bawah (kerugian) hampir $30.000 dan batas atas hampir $50.000. Konsekuensinya adalah kita membuat keputusan pada kisaran dan profil risiko yang salah – yang berpotensi sangat baik tetapi sebagian besar sangat buruk karena kita meremehkan risiko penurunan.

Oracle Crystal Ball dan Korelasi

Memuat pemain

Korelasi dalam Bola Kristal dilakukan dengan menggunakan Metode Iman-Connover yang dimodifikasi yang diterjemahkan ke dalam Kopula Normal. Korelasi diungkapkan dan dihitung menggunakan metodologi Rank Order Spearman. Oracle Crystal Ball sedikit berbeda dari pemain lain karena telah membuat korelasi sebagai urusan tunjuk dan klik. Namun demikian jika Anda ingin berkorelasi secara manual, Anda perlu menghitung korelasi peringkat seperti yang telah saya uraikan sebelumnya atau menggunakan alat otomatis di Crystal Ball.

Misalnya, Anda dapat, seperti di @RISK dan Solver, membuat matriks korelasi tertaut atau menggunakan Alat Batch Fit (di menu Crystal Ball Tools). Alat BatchFit keren karena akan menyesuaikan distribusi ke setiap baris atau kolom data… sehingga dapat mengulang seluruh kumpulan data. Alat Batch Fit kemudian mulai menghitung matriks korelasi pasti positif, mengkorelasikan distribusi bersama dan menyematkannya ke dalam model untuk modifikasi pengguna. Ini adalah penghemat waktu nyata… terkadang menghemat hingga 30 hingga 60 menit pekerjaan bernilai rendah. Satu-satunya kekhawatiran saya, seperti kebanyakan alat pemasangan, adalah alat ini akan selalu memilih kecocokan empiris terbaik dan tidak selalu yang paling logis. Akibatnya, Anda mungkin harus mengedit parameter distribusi untuk mencerminkan kecocokan lainnya. Untungnya Anda mendapatkan laporan yang sesuai dengan semua data peringkat untuk analisis lebih lanjut, termasuk parameternya. Mengonfigurasi ulang distribusi secara manual tidaklah bagus, tetapi lebih baik daripada tidak sama sekali

Dari sudut pandang grafik, Crystal Ball menawarkan plot pencar dan 2 jenis analisis sensitivitas – Urutan Peringkat dan Kontribusi terhadap Varians. Secara keseluruhan, Crystal Ball adalah salah satu alat korelasi yang paling fleksibel dan mudah digunakan untuk Pendekatan Urutan Peringkat Spearman. Orang-orang yang baru saja memasuki simulasi dan analisis harus secara serius mempertimbangkan Crystal Ball sebagai titik awal mereka

Palisade @RISK

Memuat pemain

Saya menyarankan siapa pun yang ingin menggunakan alat matriks korelasi dari Paket Alat Analisis sebagai pengganti melakukan pekerjaan korelasi peringkat – Jangan. Alat korelasi melakukan koefisien korelasi Pearson… jadi menggunakan angka yang dihasilkan dalam tabel ini akan menyebabkan kesalahan dalam korelasi karena konversi ganda (Pearson --> Pearson vs. Spearman --> Pearson). Perlu disebutkan bahwa Anda memiliki fitur untuk memastikan bahwa matriksnya adalah Positive Definite (atau masuk akal secara matematis. )

@RISK menawarkan 3 jenis grafik korelasi, termasuk Koefisien Regresi, Korelasi Peringkat, Nilai yang Dipetakan. Seperti semua alat lainnya, Anda dapat membuat plot pencar terhadap beberapa distribusi. Pada awalnya pendekatan tunjuk dan klik yang digunakan oleh @RISK sedikit membingungkan, tetapi Anda akan terbiasa

Secara keseluruhan, @RISK menawarkan pendekatan korelasi yang solid, lugas, dan tanpa embel-embel. Saya pasti akan menghargai beberapa otomatisasi seputar pemasangan / penghitungan Korelasi Urutan Peringkat dalam kumpulan data. Entah formula atau wizard sederhana akan menyelesaikan pekerjaan dan menghemat banyak waktu pengguna

Vose ModelRisk

Memuat pemain

Salah satu area di mana Perangkat Lunak Vose membedakan dirinya dari paket adalah korelasi. ModelRisk menggunakan pendekatan korelasi yang dikenal sebagai Copulas (Kami membahasnya lebih detail di Copulas Vs. Korelasi). Intinya Copulas, seperti halnya distribusi, dimaksudkan untuk memodelkan perilaku tertentu dalam sebuah model. Dalam kasus Copulas, perilaku yang dimodelkan adalah hubungan antara variabel versus variabilitas atau ketidakpastian dalam susunan angka – seperti halnya dengan distribusi

ModelRisk, seperti paket lainnya, menawarkan Copula normal untuk menghubungkan 2 distribusi atau lebih secara bersamaan. Tapi tunggu, Anda memiliki akses ke 4 pola korelasi lain untuk dikerjakan. Mengingat Anda dihadapkan pada serangkaian opsi baru untuk membangun korelasi ke dalam model Anda, Vose telah memperluas penerapan Kriteria Informasinya (Dicakup dalam Pertunjukan Simulasi Excel Bagian 2. Distribusi Fitting) pas untuk korelasi. Ini akan cocok dan memberi peringkat korelasi yang sesuai untuk membantu Anda memilih yang paling cocok. Opsi ini hanya tersedia dalam versi profesional dan industri. Selain itu, Anda dapat menambahkan ketidakpastian pada Copula Anda, yang secara dinamis mengintegrasikan risiko urutan kedua ke dalam model Anda

ModelRisk menawarkan 7 bagan korelasi yang berbeda dan kemampuan untuk memvisualisasikan korelasi dalam kumpulan data menggunakan Penampil Data Ad Hoc. Visualisasi adalah hal besar dengan Perangkat Lunak Vose sehingga mereka telah meningkatkan kegunaan dan penyesuaian bagannya. Kami menjelajahi ini di video

ModelRisk menawarkan banyak fungsi berguna yang akan merampingkan perhitungan korelasi dalam kumpulan data. Untuk pengaruh ini, mereka menawarkan Kendall's Tau dan Spearman's Rho sebagai fungsi sederhana, sehingga menghilangkan kebutuhan untuk membuat lembar kerja yang rumit. Tetapi mengingat cara Copulas digunakan, ini lebih untuk analisis dan pembuatan formula daripada berkorelasi. Faktanya, tidak ada cara untuk menggunakan koefisien korelasi Spearman untuk berkorelasi di ModelRisk

Tetapi pertimbangkan bahwa Perangkat Lunak Vose seperti Genie dalam botol yang mengabulkan keinginan untuk perangkat lunak yang lebih kuat kepada analis risiko. Seperti biasa, jin akan mematok harga untuk kebaikannya. Sudah menjadi fakta lama bahwa lebih banyak kekuatan, setidaknya di bidang analisis risiko, membutuhkan lebih banyak kecanggihan. Jadi, Anda perlu memperkuat pemahaman Anda tentang dasar-dasar korelasi. File bantuan sangat lengkap dalam hal ini. Pengalaman panjang saya dengan Perangkat Lunak Vose adalah mereka cukup serius dan teliti dalam matematika dan algoritme. Namun, beberapa matematika yang digunakan untuk menyesuaikan dan menghasilkan Copulas adalah rahasia dagang dan mengharuskan analis untuk percaya pada metode yang digunakan.
Untuk risalah lebih rinci tentang Copulas dan manfaatnya, lihat artikel kami sebelumnya Copulas Vs. Korelasi

Pemecah Risiko Garis Depan

Memuat pemain

Fitur lain yang menarik adalah jika Anda sudah menghitung matriks, itu akan mengimpor nilai-nilai pada Simpan dan kemudian menghasilkan Matriks Grafis / Korelasi campuran. Jika Anda mengklik dua kali pada matriks, seperti Bola Kristal, Anda akan dapat mengubah korelasinya dengan penggeser. Satu-satunya ketidaknyamanan adalah bahwa nama-nama distribusi tidak terdaftar di kotak penggeser sehingga menimbulkan kebingungan. Perbaikan charting kecil untuk memastikan

Dari perspektif pembuatan bagan, mereka menawarkan plot sensitivitas dan pencar. Data sensitivitas disajikan dalam Koefisien Korelasi Pearson dan Spearman. Hal yang sangat mudah

Frontline dengan jelas telah merombak alat korelasi mereka menjadi sesuatu yang jauh lebih baik. Seperti halnya @RISK , alat atau fungsi pemasangan korelasi akan menjadi tambahan yang sangat disambut baik dan akan menghemat banyak waktu bagi analis risiko. Pada tingkat pribadi, saya berharap Anda dapat mengatur cara segitiga matriks korelasi diatur… saat ini Anda hanya bisa mendapatkan segitiga atas… Ini adalah masalah preferensi pengguna, tetapi masalah yang akan membuat hidup saya lebih mudah

Pada akhirnya, Frontline telah berhasil membuat alat mereka lebih baik dan lebih bermanfaat

Kesimpulan

Bisakah seorang ayah benar-benar memiliki anak kesayangan? . Saya cenderung merasa seperti ini tentang keempat alat yang kami lihat, namun memang benar bahwa keempat alat itu berbeda dan perbedaan itu mungkin penting bagi Anda

Anda mungkin memperhatikan jumlahnya sedikit berbeda di rekap kami daripada di film… kami memeriksa ulang beberapa fakta dan membuat beberapa pembaruan

Harga

Untuk membangun model pengembalian berkorelasi yang disajikan di atas, Anda akan menghabiskan antara $1200-1500 - Periode. Anda dapat membelanjakan lebih banyak untuk mendapatkan edisi kakak laki-laki (yang secara pribadi saya sukai dan sering saya rekomendasikan) untuk mendapatkan keuntungan dari fitur gratis lainnya yang membuat simulasi menjadi alat analisis yang lebih menarik

Pola Korelasi

Semua 4 paket termasuk beberapa versi Copula "Normal" untuk menggabungkan 2 distribusi bersama. Seringkali didasarkan pada karya mani Iman-Connover (1982), paket-paket ini berbagi sejumlah sejarah dan filosofi seputar korelasi. Itu tidak berarti mereka telah menerapkan matematika dengan cara yang sama, hanya saja mereka bekerja dari seperangkat aturan yang sama

Perangkat Lunak Vose memiliki keunggulan di sini karena ini adalah satu-satunya paket yang memungkinkan Anda memilih atau menyesuaikan pola korelasi selain Normal Copula. Ini adalah fitur yang kuat dan esoteris, terutama bagi yang belum tahu. Bagaimanapun, membangun hal-hal ini adalah neraka mutlak di excel dan memiliki fungsi semacam ini dalam antarmuka yang digerakkan oleh wizard sangat bagus bagi mereka yang membutuhkannya. Satu-satunya gangguan saya adalah saya tidak dapat mengkorelasikan cara lama menggunakan Spearman's Rho dan Normal (like) Copula seperti yang saya bisa di paket lain. Sayangnya hal ini meningkatkan kurva pembelajaran dan kebutuhan untuk membaca buku karena apa yang dilakukan Vose Software sangat berbeda

Mengutip teman, terkadang Anda tidak membutuhkan Mercedes;

Fungsi korelasi

Baik ModelRisk dan Crystal Ball menawarkan banyak cara untuk menerapkan korelasi pada model. Dalam kasus ModelRisk, Anda memiliki fungsi perhitungan korelasi, alat matriks, dan pemasangan kopula. Anda bahkan memiliki kemampuan untuk menghitung kovarians, Spearman's Rho dan Kendall's tau menggunakan fungsi keren, menghemat banyak pekerjaan membosankan pengguna untuk model risiko tingkat lanjut

Crystal Ball menawarkan kemampuan untuk menyesuaikan dan mengkorelasikan data dalam satu gerakan kosong menggunakan batch fit. Anda juga dapat menggunakan matriks korelasi tersemat atau sementara untuk mengkorelasikan kumpulan distribusi yang lebih besar. Tidak seperti penggunaan fungsi kreatif ModelRisk, Crystal Ball menggunakan penyihir yang sederhana dan efektif

Adapun @RISK dan RiskSolver, keduanya menggunakan matriks korelasi tertanam seperti yang diusulkan oleh Crystal Ball. Dalam hal menyematkan korelasi untuk rangkaian distribusi, kedua alat ini sangat bersih dan efisien. Sayangnya, mereka tidak menawarkan fungsi atau dukungan apa pun untuk menghitung atau menyesuaikan korelasi dalam kumpulan data. Ini masih menjadi ruang lingkup analis dan metodenya

Grafik Korelasi

Semua alat pada dasarnya menawarkan cara yang sama untuk menganalisis korelasi dalam model – Analisis Sensitivitas dan Plot Sebar. Vose ModelRisk memiliki cara paling banyak dalam melihat data sensitivitas dengan 7 jenis grafik. Beberapa di antaranya sangat ilmiah dan terspesialisasi… tetapi tersedia

Semua alat lain menawarkan 2 atau 3 cara untuk melihat sensitivitas serta plot pencar. Ini cukup untuk sebagian besar aplikasi tetapi mungkin membuat pengguna yang mahir/geek super menginginkan lebih atau mencurangi jimmy lebih banyak

Pemasangan Korelasi

Hanya ModelRisk dan Crystal Ball yang memungkinkan pemasangan korelasi dalam kumpulan data. Saya harap fitur ini akan segera ditambahkan ke dua lainnya karena Anda dapat menghemat banyak waktu dan kesedihan

Kegunaan

Kami telah memeriksa ulang paket dan semuanya memerlukan jumlah langkah yang sama untuk berkorelasi dengan item secara bersamaan. Perlu disebutkan bahwa ModelRisk memaksa Anda untuk menyesuaikan diri, sehingga menghasilkan beberapa langkah tambahan. Jika Anda mengabaikan pemasangan, itu hanya masalah menambahkan parameter yang tepat ke rumus

Crystal Ball jelas memiliki antarmuka yang paling grafis dan intuitif untuk mengkorelasikan asumsi di seluruh buku kerja. Ini memungkinkan pemodelan berulang dan korelasi item di seluruh lembar kerja dalam proses yang mudah diikuti. Alat Pemasangan Batch itu keren, unik, dan menghemat waktu… selama Anda memastikannya memilih yang pas

RiskSolver dan @RISK mengambil lebih sedikit langkah untuk menghubungkan item secara bersamaan, tetapi hanya menawarkan satu cara untuk melakukannya. Kegunaan yang efisien adalah keunggulan yang pasti dari paket-paket ini tetapi mereka dapat menambahkan lebih banyak daging pada tulang untuk memotong waktu pemodelan untuk tugas-tugas biasa yang berkaitan dengan korelasi

Saya ingin berterima kasih kepada orang-orang di sistem Vose Software, Palisade, Oracle, dan Frontline atas dukungan dan ketersediaan mereka yang berkelanjutan untuk menjawab pertanyaan kami serta memberikan wawasan.  

Jika Anda memiliki pertanyaan atau komentar, jangan ragu untuk menghubungi saya di 1-888-879-8440 atau mengirim pesan kepada saya di  [email protected] . .

Jumlah penayangan (8159) / Komentar (0)

Tag. Bola Kristal Excel Monte-Carlo @Risk Simulation ModelRisk Simulation ShowDown Correlation Distribution Fitting Solver

Apa itu korelasi dalam simulasi Monte Carlo?

Mengapa perlu menghasilkan input berkorelasi saat melakukan simulasi model keuangan Monte Carlo?

Bagaimana cara menghasilkan data berkorelasi di Excel?

Bisakah simulasi Monte Carlo dilakukan di Excel?