مدل‌های شبیه‌سازی ALM: مونت کارلو در مقابل مبتنی بر سناریو

در مدیریت دارایی‑بدهی (ALM)، مدل‌های شبیه‌سازی پیش‌بینی می‌کنند که حرکات نرخ بهره چگونه بر ارزش اقتصادی دارایی‌ها و بدهی‌ها در طول زمان تأثیر می‌گذارد. دو رویکرد غالب، شبیه‌سازی مونت کارلو و شبیه‌سازی مبتنی بر سناریو هستند. شبیه‌سازی مونت کارلو از تکنیک‌های مسیرهای تصادفی‑که به‌عنوان شبیه‌سازی‌های تصادفی نیز شناخته می‌شوند‑استفاده می‌کند تا صدها یا هزاران مسیر ممکن آینده نرخ بهره را بر پایه فرضیات احتمالی (مانند بازگشت به میانگین، نوسان) تولید کند. در مقابل، شبیه‌سازی مبتنی بر سناریو مجموعه‌ای محدود از مسیرهای هم‌ساز اقتصادی و پیش‌بینی‌شده‑که اغلب به دوره‌های تاریخی، رویدادهای استرس یا پیش‌بینی‌های کلان‌اقتصادی متصل هستند‑را برای ارزیابی گزینه‌های استراتژیک گسسته یا نتایج توانایی پرداخت (solvency) می‌سازد.

شبیه‌سازی مونت کارلو در ALM بر پایه یک تولیدکننده سناریوی اقتصادی (ESG) برای شبیه‌سازی تعداد زیادی مسیر تصادفی نرخ بهره متکی است که معمولاً از مدل‌های ساختار مدت‌زمانی پویا استفاده می‌کند. هر مسیر نمایانگر یک تحول ممکن در نرخ‌های کوتاه‌مدت، شکل منحنی بازده و نوسانات در طول افق پیش‌بینی است. سپس مدل ALM دارایی‌ها و بدهی‌ها را تحت هر مسیر بازار‌سازی (ارزش‌گذاری) مجدد می‌کند و توزیعی از نتایج برای معیارهایی مانند ارزش اقتصادی سهام (EVE) یا درآمد خالص بهره (NII) تولید می‌نماید. این توزیع امکان محاسبه بازه‌های اطمینان، ارزش در معرض خطر (VaR) یا زیان مورد انتظار برای ریسک نرخ بهره را فراهم می‌کند.

• پایه مدل‌سازی تصادفی: از ESGهای کالیبره‌شده برای شبیه‌سازی مسیرهایی که با داده‌های بازار مشاهده‌شده و نظریه اقتصادی سازگار هستند (مانند مدل‌های Cox‑Ingersoll‑Ross یا Hull‑White) استفاده می‌کند.
• توزیع نتایج: خروجی احتمالی کامل تولید می‌کند و از معیارهای ریسک که میزان مواجهه با دم توزیع و زیان‌های مورد انتظار را مقداردهی می‌کنند، پشتیبانی می‌نماید.
• کاربرد در عمل: به‌طور معمول در اعتبارسنجی مدل داخلی، تخصیص سرمایه و مدل‌سازی دینامیک EAR برای بودجه‌بندی و برنامه‌ریزی استراتژیک به کار می‌رود.

شبیه‌سازی مبتنی بر سناریو مجموعه‌ای کوچک—اغلب ۳ تا ۱۰—از مسیرهای محتمل و داخلی‌سازگار اقتصاد کلان و نرخ بهره را می‌سازد. این سناریوها می‌توانند تاریخی (مثلاً سفت‌کردن ۱۹۷۹‑۱۹۸۲)، فرضی (مثلاً بازگشت سریع تورم) یا مبتنی بر پیش‌بینی (مثلاً چشم‌انداز توافقی اقتصاد کلان) باشند. هر سناریو به‌صورت قطعی بر مدل ALM اعمال می‌شود و برآوردهای نقطه‌ای از EVE یا NII را تحت هر مسیر ارائه می‌دهد. این رویکرد بر قابلیت تفسیر و انسجام روایت نسبت به دقت آماری تأکید دارد.

• طراحی مبتنی بر روایت: سناریوها برای بازتاب نقاط فشار یا نقاط عطف استراتژیک قابل‌اعتماد انتخاب می‌شوند و اغلب با انتظارات نظارتی یا چارچوب‌های اشتهای ریسک داخلی هم‌راستا هستند.
• پشتیبانی تصمیم‌گیری: برای ارزیابی تعادل‌های استراتژیک—مانند بازآرایی دارایی یا تصمیمات هجینگ—در چارچوب‌های اقتصاد کلان خاص به کار می‌رود.
• یکپارچگی با حاکمیت: پذیرش نظرات ذینفعان غیر فنی را با استوار کردن تحلیل بر پایه فرضیات واضح و مبتنی بر روایت تسهیل می‌کند.

شبیه‌سازی مونت کارلو و شبیه‌سازی مبتنی بر سناریو در مدیریت دارایی‑پاسخ‌گویی (ALM) نقش‌های تکمیلی ایفا می‌کنند و هر کدام دارای قوت‌ها و محدودیت‌های خاص خود هستند.

• پوشش در مقابل وضوح: مونت کارلو پوشش احتمالی گسترده‌ای فراهم می‌کند، ریسک دم‌دست و عدم قطعیت آماری را می‌گیرد، اما خروجی‌های آن می‌توانند انتزاعی بوده و تبدیل به اقدامات مشخص دشوار باشد. شبیه‌سازی مبتنی بر سناریو بینش‌های واضح و قابل اجرا ارائه می‌دهد، اما ممکن است رویدادهای کم‌احتمال ولی با اثر بالا که در سناریوهای انتخابی گنجانده نشده‌اند، را کم‌ارزش‌گذاری کند.
• ریسک مدل: مونت کارلو به تنظیمات ESG و فرضیات توزیعی حساس است؛ خطا در پارامترهای نوسان یا میانگین‑بازگشت می‌تواند برآوردهای ریسک را تحریف کند. شبیه‌سازی مبتنی بر سناریو در معرض سوگیری انتخابی است—به‌گونه‌ای که مسیرهای محتمل را حذف یا بیش از حد به نمونه‌های تاریخی که ممکن است تکرار نشوند، وابسته باشد.
• هم‌راستایی نظارتی: ناظران (مانند OCC) هر دو رویکرد را می‌شناسند، اما روش‌های مبتنی بر سناریو معمولاً برای تست فشار نظارتی و گزارش‌گیری استراتژیک ترجیح داده می‌شوند، در حالی که مونت کارلو از اعتبارسنجی مدل داخلی و اندازه‌گیری ریسک پویا پشتیبانی می‌کند.

فرض کنید یک مؤسسه می‌خواهد اثر یک تغییر موازی ۲۰۰ نقطه پایه به سمت بالا در نرخ‌ها را در طول دو سال ارزیابی کند. در شبیه‌سازی مونت کارلو، ESG ۵,۰۰۰ مسیر تولید می‌کند که در آن نرخ کوتاه‌مدت تحت یک فرآیند میانگین‑بازگشت با نوسان‌پذیری تنظیم‌شده حرکت می‌کند؛ توزیع حاصل از تغییرات EVE ممکن است نشان‌دهنده ضرر در صدک ۵ با مقدار ۱۲۰ میلیون دلار و سود در صدک ۹۵ با مقدار ۴۵ میلیون دلار باشد. در شبیه‌سازی مبتنی بر سناریو، یک مسیر تک‌مقداری و قطعی—مطابق با تغییر ۲۰۰ نقطه پایه و دینامیک‌های منحنی بازدهی ناشی از آن—به کار گرفته می‌شود که برآورد نقطه‌ای کاهش ۹۰ میلیون دلاری EVE را تولید می‌کند. خروجی مونت کارلو از محاسبات سرمایه و VaR پشتیبانی می‌کند؛ خروجی سناریو برای بحث‌های سطح هیئت مدیره درباره واکنش‌های استراتژیک، مانند تسریع بازنگری قیمت دارایی‌ها یا تنظیم اهداف مدت‌زمان، به کار می‌رود.

• از شبیه‌سازی مونت کارلو استفاده کنید زمانی که نیاز به برآورد معیارهای ریسک با دقت آماری دارید—مثلاً سرمایه اقتصادی، VaR یا زیان‌انتظاری—یا هنگام ارزیابی اثر عدم قطعیت بر نتایج استراتژیک بلندمدت در مجموعه‌ای گسترده از مسیرهای ممکن.
• از شبیه‌سازی مبتنی بر سناریو استفاده کنید زمانی که ریسک را به نهادهای حاکمیتی منتقل می‌کنید، تصمیمات استراتژیک را تحت رژیم‌های کلان‌اقتصادی خاص آزمون می‌کنید، یا با چارچوب‌های تست فشار نظارتی هم‌راستا می‌شوید که در آن انسجام روایت و قابلیت اجرا نسبت به تکمیل احتمالی اولویت دارد.

هر دو روش اغلب به‌صورت همزمان به کار گرفته می‌شوند: مونت کارلو برای اعتبارسنجی مدل داخلی و کمی‌سازی ریسک، و تحلیل مبتنی بر سناریو برای تصمیم‌گیری استراتژیک و گزارش‌گری نظارتی.