Model Simulasi ALM: Monte Carlo vs. Berasaskan Senario

Dalam pengurusan aset-liabiliti (ALM), model simulasi meramalkan bagaimana pergerakan kadar faedah mempengaruhi nilai ekonomi aset dan liabiliti dari masa ke masa. Dua pendekatan utama ialah simulasi Monte Carlo dan simulasi berasaskan senario. Simulasi Monte Carlo menggunakan teknik laluan stokastik—juga dikenali sebagai simulasi stokastik—untuk menghasilkan ratusan atau ribuan laluan kadar faedah masa depan yang berkemungkinan berdasarkan andaian probabilistik (contoh: pemulangan purata, volatiliti). Sebaliknya, simulasi berasaskan senario membina set terhad bagi laluan yang selaras secara ekonomi dan berpandangan ke hadapan—sering kali berasaskan episod sejarah, peristiwa tekanan, atau ramalan makroekonomi—untuk menilai alternatif strategik diskret atau hasil kecukupan modal.

Simulasi Monte Carlo dalam ALM bergantung kepada Penjana Senario Ekonomi (ESG) untuk mensimulasikan sejumlah besar laluan kadar faedah stokastik, biasanya menggunakan model struktur terma dinamik. Setiap laluan mewakili evolusi yang berkemungkinan bagi kadar jangka pendek, bentuk lengkung hasil, dan volatiliti sepanjang horizon unjuran. Model ALM kemudian menilai semula aset dan liabiliti di bawah setiap laluan, menghasilkan taburan hasil bagi metrik seperti nilai ekonomi ekuiti (EVE) atau pendapatan bersih faedah (NII). Taburan ini membolehkan pengiraan selang keyakinan, Nilai pada Risiko (VaR), atau kerugian dijangka (expected shortfall) bagi risiko kadar faedah.

• Asas pemodelan stokastik: Menggunakan ESG yang telah dikalibrasi untuk mensimulasikan laluan yang konsisten dengan data pasaran yang diperhatikan dan teori ekonomi (contoh: model Cox-Ingersoll-Ross atau Hull-White).
• Taburan hasil: Menghasilkan output probabilistik penuh, menyokong metrik risiko yang mengukur pendedahan ekor dan kerugian dijangka.
• Penggunaan dalam amalan: Selalunya digunakan dalam pengesahan model dalaman, peruntukan modal, dan pemodelan EAR dinamik untuk penyediaan belanjawan serta perancangan strategik.

Simulasi berasaskan senario membina set kecil—biasanya 3 hingga 10—bagi laluan makroekonomi dan kadar faedah yang munasabah serta konsisten secara dalaman. Senario-senario ini boleh bersifat sejarah (contoh: pengetatan 1979‑1982), hipotesis (contoh: kebangkitan inflasi yang cepat), atau berasaskan ramalan (contoh: prospek makro konsensus). Setiap senario diterapkan secara deterministik kepada model ALM, menghasilkan anggaran titik bagi EVE atau NII di bawah setiap laluan. Pendekatan ini menekankan kebolehfasihan dan koherensi naratif berbanding ketepatan statistik.

• Reka bentuk berasaskan naratif: Senario dipilih untuk mencerminkan tekanan atau titik perubahan strategik yang boleh dipercayai, selalunya selaras dengan jangkaan pengawasan atau kerangka selera risiko dalaman.
• Sokongan keputusan: Digunakan untuk menilai pertukaran strategik—seperti penempatan semula aset atau keputusan lindungan—di bawah rejim makroekonomi tertentu.
• Integrasi dengan tadbir urus: Memudahkan penerimaan daripada pihak berkepentingan yang bukan teknikal dengan menempatkan analisis pada andaian yang jelas dan berasaskan cerita.

Simulasi Monte Carlo dan simulasi berasaskan senario memainkan peranan pelengkap dalam ALM, masing‑masing dengan kekuatan dan kelemahan yang berbeza.

• Liputan vs. kejelasan: Monte Carlo memberikan liputan kebarangkalian yang luas, menangkap risiko ekor dan ketidakpastian statistik, tetapi hasilnya boleh menjadi abstrak dan sukar dipetakan kepada tindakan khusus. Simulasi berasaskan senario menawarkan pandangan yang jelas dan boleh dilaksanakan, namun mungkin kurang mewakili peristiwa berprobabiliti rendah tetapi impak tinggi yang tidak terkandung dalam senario terpilih.
• Risiko model: Monte Carlo sensitif terhadap penentukuran ESG dan andaian taburan; kesilapan dalam volatiliti atau parameter pemulangan kepada purata boleh mengubah anggaran risiko. Simulasi berasaskan senario terdedah kepada bias pemilihan—mengabaikan laluan yang munasabah atau terlalu bergantung pada analogi sejarah yang mungkin tidak berulang.
• Penyelarasan peraturan: Pengawas (contoh, OCC) mengakui kedua‑dua pendekatan, tetapi kaedah berasaskan senario selalunya dipilih untuk ujian tekanan pengawasan dan pelaporan strategik, manakala Monte Carlo menyokong pengesahan model dalaman serta pengukuran risiko dinamik.

Andaikan sebuah institusi ingin menilai impak kenaikan kadar selari sebanyak 200 mata asas selama dua tahun. Dalam simulasi Monte Carlo, ESG menghasilkan 5,000 laluan di mana kadar pendek mengikuti proses pemulangan kepada purata dengan volatiliti yang ditentukur; taburan perubahan EVE yang terhasil mungkin menunjukkan kerugian pada peratus ke‑5 sebanyak $120 juta dan keuntungan pada peratus ke‑95 sebanyak $45 juta. Dalam simulasi berasaskan senario, satu laluan deterministik—menyamakan kenaikan 200 mata asas dan dinamik lengkung hasil yang terimplikasi—digunakan, menghasilkan anggaran titik penurunan EVE sebanyak $90 juta. Output Monte Carlo menyokong pengiraan modal dan VaR; output senario menyokong perbincangan peringkat lembaga mengenai tindak balas strategik, seperti mempercepat penetapan harga aset atau menyesuaikan sasaran durasi.

• Gunakan simulasi Monte Carlo apabila menganggarkan metrik risiko yang memerlukan ketelitian statistik—contohnya, modal ekonomi, VaR, atau kerugian jangkaan—atau apabila menilai impak ketidakpastian ke atas hasil strategik jangka panjang melalui set laluan yang luas.
• Gunakan simulasi berasaskan senario apabila menyampaikan risiko kepada badan tadbir urus, menguji keputusan strategik di bawah rejim makroekonomi tertentu, atau menyelaraskan dengan rangka kerja ujian tekanan pengawasan di mana koherensi naratif dan kebolehaksesan tindakan diutamakan berbanding kelengkapan kebarangkalian.

Kedua‑dua kaedah sering digunakan secara serentak: Monte Carlo untuk pengesahan model dalaman dan pengkuantifikasian risiko, serta analisis berasaskan senario untuk pembuatan keputusan strategik dan pelaporan peraturan.