- Trang chủ
- Hướng dẫn nghiên cứu
- Hướng dẫn phân tích mô phòng Monte Carlos bằng Crystal ball
Hướng dẫn phân tích mô phòng Monte Carlos bằng Crystal ball
Admin| 22/10/2017
Hướng dẫn phân tích mô phòng Monte Carlos bằng Crystal ball
Tên tác giả: luanhay.vn
Từ khóa: NPV, IRR, WACC, phân tích độ nhạy, phân tích kịch bản, phân tích mô phỏng, Monte Carlo, Crystal ball, phân tích rủi ro, kỹ thuật thẩm định rủi ro, phân tích xác suất.
1. Phương pháp phân tích Monte Carlo,
Phân tích rủi ro trên bảng tính sử dụng cả mô hình bảng tính và mô phỏng để phân tích tác động của các đại lượng biến đổi ở đầu vào lên các đại lượng ở đầu ra của mô hình hệ thống. Mô phỏng Monte Carlo cũng là một loại của mô phỏng trên bảng tính, nó tạo ra các giá trị ngẫu nhiên cho các yếu tố (biến) không chắc chắn dùng để mô phỏng một mô hình. Phương pháp phân tích mô phỏng Monte Carlo là một phương pháp phân tích rủi ro định lượng sử dụng các kỹ thuật toán học để xác định tất cả các kết quả có thể có của một sự kiện không mong muốn và xác suất họ sẽ xảy ra.
Nhìn chung, mô phỏng Monte Carlo yêu cầu cần có các phân bố xác suất đã được chỉ định cho mỗi đầu vào và sử dụng chúng để tạo ra sự phân bố xác suất của các kết quả. Mô phỏng Monte Carlo được bắt đầu với việc tạo ra sự phân bố xác suất cho mỗi đầu vào vốn có sự không chắc chắn vốn có. Đối với mỗi đầu vào, Monte Carlo chọn các giá trị từ phân phối thích hợp như ngẫu nhiên; Mỗi bộ giá trị lấy mẫu được gọi là một sự lặp lại. Mô phỏng Monte Carlo xử lý hàng trăm hoặc hàng nghìn mốc thời gian khác nhau do người dùng xác định và cho kết quả là sự phân bố xác suất của các kết quả có thể xảy ra tương ứng. Các biến có thể có các xác suất khác nhau của các kết quả khác nhau bằng cách sử dụng các bản phân phối, đó là thực tế hơn so với phương pháp xác định sử dụng giá trị một điểm cho các biến.
Mô phỏng Monte Carlo về cơ bản chỉ là một thử nghiệm lấy mẫu với mục đích ước tính sự phân phối của một biến kết quả mà biến này lại phụ thuộc vào một số biến biến đổi ở đầu vào. Thuật ngữ mô phỏng Monte Carlo đầu tiên được dùng trong suốt thời kỳ phát triển bom nguyên tử dưới tên gọi mô phỏng máy tính của quá trình phân chia hạt nhân. Các nhà nghiên cứu đặt tên thuật ngữ này cho mô phỏng vì nó tương tự như việc lấy mẫu ngẫu nhiên trong các trò chơi ở sòng bạc nổi tiếng của thành phố Monte Carlo.
Lợi thế của phân tích Monte Carlo là nó có thể được sử dụng để ước tính chi phí dự án dựa trên phân phối chi phí có thể xảy ra, cũng như thời gian của dự án dựa trên đầu vào của một sự phân bố thời gian có thể xảy ra. Hình bên dưới đây minh họa cách mô phỏng quy trình phân tích Monte Carlo cho quá trình phân tích rủi ro trong thẩm định
Vì tính chính xác của đầu ra chỉ dựa trên tính toàn vẹn của dữ liệu đầu vào nên phương pháp phân tích rủi ro này chỉ phù hợp nếu phương pháp thu thập dữ liệu thông thạo được áp dụng.
2. Ứng dụng Crystal ball trong phân tích mô phỏng Monte Carlo
Crystal Ball, là một phần mềm trợ giúp quá trình thiết lập mô hình mô phỏng cho nhiều lĩnh vực khác nhau, dựa trên nguyên lý mô phỏng Monte Carlo và trên nền phần mềm Excel. Crystal Ball cho phép những người sử dụng định nghĩa các phân bố xác suất trên một tập các biến số ngẫu nhiên của mô hình. Sau khi chạy chương trình mô phỏng, những người thiết lập mô hình bảng tính có thể thiết lập và phân tích hàng nghìn các viễn cảnh khác nhau có thể xảy ra trong thực tế và xác định mức rủi ro cho các viễn cảnh nhận được này dựa trên các kết quả thu được từ quá trình mô phỏng. Những tiện ích bổ xung bởi Crystal Ball không làm thay đổi các công thức hoặc các chức năng trong mô hình bảng tính truyền thống. Crystal Ball có nhiều công cụ khác nhau trợ giúp cho người sử dụng trong việc thiết lập và phân tích các mô hình (Bootstrap, phân tích Tornado, phân tích viễn cảnh, mô phỏng 2D, và Batch Fit).
Trong Crystal ball chúng ta lưu ý một số thuật ngữ khi sử dụng như sau:
Bước 1: Lập mô hình bài toán trên Excel (ví dụ bài toán về dự tính tổng mức đầu tư cho 1 dự án sản xuất, sau đó tính toán NPV, IRR của dự án này đi kèm với các giả định để tính toán về WACC, Giá bán, Sản lưởng, Chi phí ...)
Bước 2: Phân tích độ nhạy của các yếu tố đưa vào tính toán và từ đó xem xét các yếu tố nào có ảnh hưởng mạnh (làm cho NPV, IRR biến động mạnh..)
Bước 3: Phân tích kịch bản, từ các biến có độ nhạy cảm nhất, tính toán theo các kịch bản (chẳng hạn cơ sở, tối ưu, tồi tệ..) cho các kết quả đầu ra (ví dụ: NPV, IRR..)
Bước 4: Từ đó xác định, lựa chọn các biến nhạy cảm và không chắc chắn; lưu ý cần làm rõ được quy luật phân phối xác suất, thông thường nhất là: Phân phối xác xuất chuẩn, phân phối xác suất tam giác, phân phối xác suất đều, phân phối xác suất bậc thang
Bước 5: Xác định và định nghĩa các biến có tương quan: Tương quan đồng biến hoặc nghịch biến, Độ mạnh của tương quan..
Bước 6: Định nghĩa các dự báo, ở đây là các chỉ tiêu cần phân tích trong bài toán (ví dụ NPV, IRR)
Bước 7: Thiết lập các thông số chạy mô phỏng: số lần thử, chọn phương pháp lấy mẫu, tuỳ chọn chạy phân tích độ nhạy, tùy chọn chạy Macro của người dùng trong khi mô phỏng,...(Thường tùy vào cấu hình của máy tính mà: số yếu tố được lựa chọn đưa vào; biên độ biến động của các yếu tố này, các thiết lập tương quan phức tạp, số lần lặp chạy kết quả, thường là 1000 lần... Lưu ý: các thiết lập nhiều và phức tạp, việc xử lý kết quả càng lâu, có khi mất cả ½ ngày...)
Bước 8: Tạo các báo cáo: đồ thị, bảng thống kê mô tả, các biểu đồ xác suất..
Bước 9: Đọc và bình luận các kết quả
4. Minh họa việc phân tích mô phỏng Monte Carlo bằng Crytal ball
- Thiết lập quy luật phân phối, biên độ biến động, tương quan biến của các yếu tố cần phân tích mô phỏng
- Thiết lập việc dự báo các yếu tố đầu ra (ví dụ; NPV, IRR)
- Kết quả xử lý (ví dụ: xác suất đạt các giá trị NPV của dự án sản xuất bia..)
- Tổng hợp kết quả và kết luận
Xem thêm lý thuyết về: Hướng dẫn hồi quy FEM/REM với Stata, Mô hình hồi quy tuyến tính, FEM và REM, phân tích Tương quan và Đa cộng tuyến; phương sai sai số thay đổi ; tự tương quan, Hausman test; kiểm định phi tham số, VAR, MDS; EFA, VECM, CFA, SEM, PMG. Xem thêm một số bài nghiên cứu ứng dụng lý thuyết Tra cứu giá trị thống kê qua bảng tính sẵn giá trị, hồi quy, kiểm định, eview, stata, spss
Để có thêm thông tin chi tiết liên hệ:Mr.Quân – Luanhay.vn - 0127 800 1762/ 097 9696 222 – hoặc email: luanhay@luanhay.com – luanvanhay@gmail.com – Add: Tầng 8, tòa nhà Sáng tạo, số 1 Lương Yên, Hai Bà Trưng, Hà Nội
Tên tác giả: luanhay.vn
Từ khóa: NPV, IRR, WACC, phân tích độ nhạy, phân tích kịch bản, phân tích mô phỏng, Monte Carlo, Crystal ball, phân tích rủi ro, kỹ thuật thẩm định rủi ro, phân tích xác suất.
1. Phương pháp phân tích Monte Carlo,
Phân tích rủi ro trên bảng tính sử dụng cả mô hình bảng tính và mô phỏng để phân tích tác động của các đại lượng biến đổi ở đầu vào lên các đại lượng ở đầu ra của mô hình hệ thống. Mô phỏng Monte Carlo cũng là một loại của mô phỏng trên bảng tính, nó tạo ra các giá trị ngẫu nhiên cho các yếu tố (biến) không chắc chắn dùng để mô phỏng một mô hình. Phương pháp phân tích mô phỏng Monte Carlo là một phương pháp phân tích rủi ro định lượng sử dụng các kỹ thuật toán học để xác định tất cả các kết quả có thể có của một sự kiện không mong muốn và xác suất họ sẽ xảy ra.
Nhìn chung, mô phỏng Monte Carlo yêu cầu cần có các phân bố xác suất đã được chỉ định cho mỗi đầu vào và sử dụng chúng để tạo ra sự phân bố xác suất của các kết quả. Mô phỏng Monte Carlo được bắt đầu với việc tạo ra sự phân bố xác suất cho mỗi đầu vào vốn có sự không chắc chắn vốn có. Đối với mỗi đầu vào, Monte Carlo chọn các giá trị từ phân phối thích hợp như ngẫu nhiên; Mỗi bộ giá trị lấy mẫu được gọi là một sự lặp lại. Mô phỏng Monte Carlo xử lý hàng trăm hoặc hàng nghìn mốc thời gian khác nhau do người dùng xác định và cho kết quả là sự phân bố xác suất của các kết quả có thể xảy ra tương ứng. Các biến có thể có các xác suất khác nhau của các kết quả khác nhau bằng cách sử dụng các bản phân phối, đó là thực tế hơn so với phương pháp xác định sử dụng giá trị một điểm cho các biến.
Mô phỏng Monte Carlo về cơ bản chỉ là một thử nghiệm lấy mẫu với mục đích ước tính sự phân phối của một biến kết quả mà biến này lại phụ thuộc vào một số biến biến đổi ở đầu vào. Thuật ngữ mô phỏng Monte Carlo đầu tiên được dùng trong suốt thời kỳ phát triển bom nguyên tử dưới tên gọi mô phỏng máy tính của quá trình phân chia hạt nhân. Các nhà nghiên cứu đặt tên thuật ngữ này cho mô phỏng vì nó tương tự như việc lấy mẫu ngẫu nhiên trong các trò chơi ở sòng bạc nổi tiếng của thành phố Monte Carlo.
Lợi thế của phân tích Monte Carlo là nó có thể được sử dụng để ước tính chi phí dự án dựa trên phân phối chi phí có thể xảy ra, cũng như thời gian của dự án dựa trên đầu vào của một sự phân bố thời gian có thể xảy ra. Hình bên dưới đây minh họa cách mô phỏng quy trình phân tích Monte Carlo cho quá trình phân tích rủi ro trong thẩm định
Vì tính chính xác của đầu ra chỉ dựa trên tính toàn vẹn của dữ liệu đầu vào nên phương pháp phân tích rủi ro này chỉ phù hợp nếu phương pháp thu thập dữ liệu thông thạo được áp dụng.
2. Ứng dụng Crystal ball trong phân tích mô phỏng Monte Carlo
Crystal Ball, là một phần mềm trợ giúp quá trình thiết lập mô hình mô phỏng cho nhiều lĩnh vực khác nhau, dựa trên nguyên lý mô phỏng Monte Carlo và trên nền phần mềm Excel. Crystal Ball cho phép những người sử dụng định nghĩa các phân bố xác suất trên một tập các biến số ngẫu nhiên của mô hình. Sau khi chạy chương trình mô phỏng, những người thiết lập mô hình bảng tính có thể thiết lập và phân tích hàng nghìn các viễn cảnh khác nhau có thể xảy ra trong thực tế và xác định mức rủi ro cho các viễn cảnh nhận được này dựa trên các kết quả thu được từ quá trình mô phỏng. Những tiện ích bổ xung bởi Crystal Ball không làm thay đổi các công thức hoặc các chức năng trong mô hình bảng tính truyền thống. Crystal Ball có nhiều công cụ khác nhau trợ giúp cho người sử dụng trong việc thiết lập và phân tích các mô hình (Bootstrap, phân tích Tornado, phân tích viễn cảnh, mô phỏng 2D, và Batch Fit).
Trong Crystal ball chúng ta lưu ý một số thuật ngữ khi sử dụng như sau:
- Mô hình bảng tính (Spreadsheet model): Là bảng tính biểu diễn một hệ thống thực tế hoặc giả thuyết hay tập các quan hệ.
- Giả thuyết (Assumption): Là giá trị ước lượng hoặc giá trị đầu vào được ước lượng cho một mô hình bảng tính.
- Mô phỏng Monte Carlo (Monte Carlo simulation): Hệ thống sử dụng các số ngẫu nhiên để đo lường ảnh hưởng của sự không chắc chắn trong mô hình bảng tính.
- Dự đoán (Forecast): Tóm tắt thống kê của những giả thuyết trong một mô hình bảng tính, trình bày dưới dạng đồ thị và các thông số.
- Xác suất (Probability): Khả năng sự việc xảy ra.
- Số ngẫu nhiên (Random number): Giá trị được chọn một cách toán học, được phát sinh (theo công thức) hoặc được chọn (từ bảng) tuân theo một phân phối xác suất.
- Bộ phát số ngẫu nhiên (Random number generator): Là phương pháp theo đó chương trình máy tính thực thi để sinh ra một chuỗi số ngẫu nhiên độc lập.
- Phân phối xác suất (Probability Distribution): Tập hợp tất cả các sự kiện có thể có và xác suất của chúng
- Độ lệch chuẩn (Standard Deviation): căn bậc hai của bình phương của phương sai đối với một phân phối. Đại lượng đo độ phân tán của các giá trị nằm xung quanh trị trung bình.
- Giá trị trung bình (Mean): trung bình số học của một tập các giá trị quan sát (tổng của các giá trị quan sát chia cho số quan sát).
- Phương sai (Variance): bình phương của độ lệch chuẩn, tức là trung bình của bình phương độ lệch của giá trị quan sát so với giá trị trung bình.
Bước 1: Lập mô hình bài toán trên Excel (ví dụ bài toán về dự tính tổng mức đầu tư cho 1 dự án sản xuất, sau đó tính toán NPV, IRR của dự án này đi kèm với các giả định để tính toán về WACC, Giá bán, Sản lưởng, Chi phí ...)
Bước 2: Phân tích độ nhạy của các yếu tố đưa vào tính toán và từ đó xem xét các yếu tố nào có ảnh hưởng mạnh (làm cho NPV, IRR biến động mạnh..)
Bước 3: Phân tích kịch bản, từ các biến có độ nhạy cảm nhất, tính toán theo các kịch bản (chẳng hạn cơ sở, tối ưu, tồi tệ..) cho các kết quả đầu ra (ví dụ: NPV, IRR..)
Bước 4: Từ đó xác định, lựa chọn các biến nhạy cảm và không chắc chắn; lưu ý cần làm rõ được quy luật phân phối xác suất, thông thường nhất là: Phân phối xác xuất chuẩn, phân phối xác suất tam giác, phân phối xác suất đều, phân phối xác suất bậc thang
Bước 5: Xác định và định nghĩa các biến có tương quan: Tương quan đồng biến hoặc nghịch biến, Độ mạnh của tương quan..
Bước 6: Định nghĩa các dự báo, ở đây là các chỉ tiêu cần phân tích trong bài toán (ví dụ NPV, IRR)
Bước 7: Thiết lập các thông số chạy mô phỏng: số lần thử, chọn phương pháp lấy mẫu, tuỳ chọn chạy phân tích độ nhạy, tùy chọn chạy Macro của người dùng trong khi mô phỏng,...(Thường tùy vào cấu hình của máy tính mà: số yếu tố được lựa chọn đưa vào; biên độ biến động của các yếu tố này, các thiết lập tương quan phức tạp, số lần lặp chạy kết quả, thường là 1000 lần... Lưu ý: các thiết lập nhiều và phức tạp, việc xử lý kết quả càng lâu, có khi mất cả ½ ngày...)
Bước 8: Tạo các báo cáo: đồ thị, bảng thống kê mô tả, các biểu đồ xác suất..
Bước 9: Đọc và bình luận các kết quả
4. Minh họa việc phân tích mô phỏng Monte Carlo bằng Crytal ball
- Thiết lập quy luật phân phối, biên độ biến động, tương quan biến của các yếu tố cần phân tích mô phỏng
- Thiết lập việc dự báo các yếu tố đầu ra (ví dụ; NPV, IRR)
- Kết quả xử lý (ví dụ: xác suất đạt các giá trị NPV của dự án sản xuất bia..)
- Tổng hợp kết quả và kết luận
Xem thêm lý thuyết về: Hướng dẫn hồi quy FEM/REM với Stata, Mô hình hồi quy tuyến tính, FEM và REM, phân tích Tương quan và Đa cộng tuyến; phương sai sai số thay đổi ; tự tương quan, Hausman test; kiểm định phi tham số, VAR, MDS; EFA, VECM, CFA, SEM, PMG. Xem thêm một số bài nghiên cứu ứng dụng lý thuyết Tra cứu giá trị thống kê qua bảng tính sẵn giá trị, hồi quy, kiểm định, eview, stata, spss
Để có thêm thông tin chi tiết liên hệ:Mr.Quân – Luanhay.vn - 0127 800 1762/ 097 9696 222 – hoặc email: luanhay@luanhay.com – luanvanhay@gmail.com – Add: Tầng 8, tòa nhà Sáng tạo, số 1 Lương Yên, Hai Bà Trưng, Hà Nội