بهینه سازی مدیریت ریسک تحت دنباله های شبه تصادفی و مقایسه کارایی آن با روش مونت کارلوی زنجیرهای مارکف

ریسک به عنوان یک عامل تاثیرگذار در حیات سازمان ها و موسسات همواره مطرح بوده و از سوی دیگر پرداختن به هر امری بی شک در مراحلی عدم قطعیت هایی را به دنبال خواهد داشت. از دیدگاه نظری، هر فعالیت اقتصادی توام با درجه ای از ریسک بوده که آن را نمی توان حذف نمود. بنابراین نگرش علمی و منطقی به مسئله ریسک چیزی جز مدیریت آن نبوده است. ضرورت مدیریت و کنترل بهینه ریسک در بنگاه های بزرگ اقتصادی و تجاری موجب شده است که مطالعات گسترده ای در این زمینه صورت گیرد که به سرعت نیز در حال رشد و شکوفایی بوده است. یکی از ابزارهای قوی و مهم در مدیریت ریسک، اندازه گیری و کمی سازی ریسک بوده است.در این مقاله یک روش شبه مونت کارلو را بر مبنای توالی های دنباله های کم پراکنده نظیر هالتون و سوبول برای تخمین ارزش در معرض خطر در پیش بینی قیمت ریسک معرفی کرده و عملکرد آن را با شبیه سازی استاندارد مونت کارلو مورد مقایسه قرار داده ایم. در بررسی های انجام شده، روش شبه مونت کارلو بین ۲ تا ۹ برابر سریعتر از شبیه سازی مونت کارلوی زنجیر مارکف می باشد. در نهایت ملاحظه می شود که روشهای شبه مونت کارلو باعث بهبودی بارز و چشمگیری در عملکرد شبیه سازی سهام شده و بنابراین زمان مورد نیاز برای دستیابی به اندازه گیری های قابل اعتماد و معتبر ریسک کاهش می یابد.

کلیدواژه ها:

روش تصادفی مونت کارلو ، روش تصادفی شبه مونت کارلو ، دنباله سوبول ، اندازه گیری ریسک ، ارزش در معرض خطر