α:

Είναι ωφέλιμο να καινοτομούμε οικονομικά μοντέλα και τεχνικές που χρησιμοποιούνται στην ποσοτική ανάλυση για τη βελτίωση των επιδόσεων και την προσαρμογή στις μεταβαλλόμενες συνθήκες της αγοράς. Η ποσοτική ανάλυση χρησιμοποιεί σύνθετα στατιστικά και μαθηματικά μοντέλα για διάφορους σκοπούς, όπως η αξιολόγηση της χρηματοοικονομικής απόδοσης ενός περιουσιακού στοιχείου, η διαχείριση κινδύνου ή η αποτίμηση χρηματοοικονομικών παραγώγων.

Οι τράπεζες και άλλες ασφαλιστικές εταιρείες χρησιμοποιούν συχνά ποσοτική μοντελοποίηση στη διαχείριση κινδύνων. Εντούτοις, τα γεγονότα της χρηματοπιστωτικής κρίσης του 2008 έδειξαν πώς οι διαδικασίες και οι διαδικασίες διαχείρισης κινδύνων έσπασε σε περιόδους υψηλής μεταβλητότητας. Οι τράπεζες και οι ασφαλιστικές εταιρείες διαπραγματεύονταν εξαιρετικά μεγάλα ποσά σε δολάρια τίτλων που καλύπτονταν από ενυπόθηκα στεγαστικά δάνεια (MBS), συμπεριλαμβανομένων των εξασφαλισμένων χρεωστικών υποχρεώσεων (CDO). Οι τράπεζες και οι ασφαλιστικές εταιρείες δεν κατάφεραν να αντιληφθούν το ύψος του κινδύνου που ανέλαβαν με το εμπόριο αυτών των πολύ ισχυρών και πολύπλοκων παραγώγων. Τα μοντέλα κινδύνου τους ήταν ανεπαρκή για να αντιμετωπίσουν την επακόλουθη μαζική κατάρρευση της αγοράς. Πρόκειται για ένα συγκεκριμένο παράδειγμα του τρόπου με τον οποίο η καινοτομία στην ποσοτική μοντελοποίηση είναι ζωτικής σημασίας για τη βελτίωση των επιδόσεων και την κατάλληλη διαχείριση του κινδύνου.

Υπάρχουν πολλοί διαφορετικοί τύποι μοντέλων που χρησιμοποιούνται στην ποσοτική ανάλυση. Η ανάλυση Monte Carlo εκτελεί πολλαπλές προσομοιώσεις πιθανών αποτελεσμάτων χρησιμοποιώντας τυχαίες μεταβλητές για να προσδιοριστεί η πιθανότητα αυτών των αποτελεσμάτων. Αρχικά χρησιμοποιήθηκε στην κατασκευή της πρώτης ατομικής βόμβας. Μια ανάλυση Monte Carlo παρέχει μια τελική κατανομή πιθανότητας για ορισμένα αποτελέσματα. Για παράδειγμα, οι μεταβλητές στις προσομοιώσεις μπορεί να είναι η τιμή των στοιχείων του ενεργητικού ή των παραγώγων. Μια ανάλυση Monte Carlo μπορεί να εκτελέσει εκατοντάδες ή χιλιάδες προσομοιώσεις για να δημιουργήσει μια τελική κατανομή πιθανότητας. Αυτός ο τύπος ανάλυσης είναι εύκολος με τις εξελίξεις στην υπολογιστική ισχύ. Η ανάλυση Monte Carlo χρησιμοποιήθηκε για τη διαχείριση του κινδύνου των CDO και ορισμένοι κατηγορούν τα μοντέλα για το ότι δεν επισημαίνουν τον κίνδυνο μιας ακραίας μετακίνησης στην αγορά, όπως συνέβη το 2008.