Monte Carlo Simulation

Wenn viele den Begriff Monte Carlo hören, denken viele an Casino oder an die Formel  1. Im weitesten Sinne hat der Begriff auch etwas mit Glückspiel zu tun. Denn überall dort, wo wir von Glück reden, spielt auch der Zufall eine Rolle und schnell landet man bei Statistik und Wahrscheinlichkeiten.  Der Grundsatz der Monte Carlo Simulation ist folgender: Einzelne Parameter (in unserem Falle Patientenanzahl, Preis des Medikamentes, Wachstumsrate der Patienten, Kosten, Marktanteil) , die für sich eigene Wahrscheinlichkeitsverteilungen haben, werden 10.000x zufällig in unterschiedlichen Kombinationen variiert, und ergeben in der Summe einen Barwert (engl. Net present value). Dies sind alles Faktoren, die wir heute noch nicht wissen, sondern nur schätzen können. Nun schaut man sich die Häufigkeitsverteilung der einzelnen Barwerte an, um eine Idee des wahrscheinlichsten Szenarios (Schätzwert) zu erhalten. Eine maßgebliche Rolle spielt hier der Grenzwertsatz der großen Zahlen.  Dieser besagt, dass bei einer mehrfachen Wiederholung eines Zufallsexperiments sich der Schätzwert mit zunehmender Anzahl der Wiederholungsexperimente sich seinem wahren Wert nähert. 

Workflow für die DCF Berechnung
Workflow für die DCF Berechnung

Hier seht ihr ein typisches Histogramm für eine risikojustierte DCF-Berechnung. Die simulierten Barwerte sind in so genannten Klassen eingeteilt (ein Rechteck), die unterschiedlich oft vorkommen. Je häufiger diese Barwertklasse berechnet wurde, desto größer ist der Balken und damit wahrscheinlicher (engl. probability). Eine Wahrscheinlichkeit bzw. Häufigkeit mit dem Wert von 0,1 heißt, dass in den 10.000 Berechnungen dieser Wert (Bereich) tausend mal auftrat. Die zweite rote ansteigende Kurve sind kummulative (addierte) Wahrscheinlichkeiten. Markiert ist hier das 79,99% Percentil. Das heißt, dass knapp 80% der berechneten Werte kleiner als 1,2 Mrd Euro Barwert betragen.

Histogramm einer Monte Carlo Simulation
Histogramm einer Monte Carlo Simulation (eigene Darstellung).