Ziel einer umfassenden quantitativen Analyse mittels Monte-Carlo Simulation ist eine objektiv begründbare Entscheidungsempfehlung unter Berücksichtigung von Unsicherheit, etwa bei den Absatzmengen oder Anzahl Cyberangriffe, welches ein Unternehmen ausgesetzt ist. Für diejenigen Personen, die eine quantitative Analyse schätzen, die Resultate davon aber in einer Risikomatrix abzubilden haben, stehen in MC FLO nun die geeigneten Instrumente bereit.
Die Verwendung von Korrelationen bei der Simulation ist essentiell. In diesem Exkurs vertiefen wir das Thema anhand von Copulas und zeigen anhand der Finanz - Bankenkrise (2008) auf, welche Schlussfolgerungen zu ziehen sind.
Ganz nach dem Motto: "All models are wrong, but some are useful".
Gestalten Sie Simulationen mit MC FLO und Microsoft Excel kinderleicht - für bessere Entscheidungen / Make easily simulations with MC FLO and Microsoft Excel - for better decisions / Con MC FLO y Microsoft Excel la simulación es más fácil - tome así mejoras decisiones
Projekte, Unternehmen oder andere Investitionen mit negativen Kapitalwert sind per se nicht schlecht, wenn Sie die Möglichkeit einer Real-Option in Betracht ziehen. In Kombination mit Simulationen bilden diese eine vielseitiges Gespann. Beides bedingt jedoch einen Kulturwandel.
Anhand des Zentralen Grenzwertsatz zeigen wir Ihnen, warum klassische Punktberechnungen zu Fehlschlüssen und somit zu falschen Entscheidungen führen können.
Neben dem auto-regressiven Modell gehört auch das moving-average Modell zu den von MC FLO unterstützten Zeitreihenprozessen. Hier zeigen wir Ihnen anhand eines einfachen Beispiels in Excel die Logik.
Mittels des Iman-Conover Ansatzes werden Korrelationen in Simulationen effizient umgesetzt. Hier zeigen wir Ihnen die Grundzüge dieses Ansatzes und warum er in MC FLO implementiert ist. Zudem zeigen wir auf, wie Korrelationen bei Zeitreihen gebildet werden.