Monte Carlon simulaatio on matemaattinen malli tietyn tuloksen todennäköisyyden laskemiseksi testaamalla satunnaisesti tai ottamalla näytteitä monista skenaarioista ja muuttujista. Simulaatiot käyttivät ensimmäisen kerran Manhattan -projektin parissa työskentelevää matemaatikkoa Stanilaw Ulamia toisen maailmansodan aikana ja tarjoavat analyytikoille keinon tehdä vaikeita päätöksiä ja ratkaista monimutkaisia ongelmia, joilla on useita epävarmuusalueita. Monte Carlon simulaatio, joka on nimetty Monacon kasinon asuttaman lomakohteen mukaan, tuottaa historiallisia tilastotietoja miljoonien erilaisten taloudellisten tulosten luomiseksi lisäämällä satunnaisesti jokaiseen ajon aikana komponentteja, jotka voivat vaikuttaa lopputulokseen, kuten tilin tuotot, volatiliteetti tai korrelaatiot. Kun skenaariot on muotoiltu, menetelmä laskee kertoimet tietyn tuloksen saavuttamiseksi. Toisin kuin tavanomaiset taloussuunnittelua koskevat analyysit, joissa käytetään pitkän aikavälin keskiarvoja ja arvioita tulevasta kasvusta tai säästöistä, Monte Carlo -simulaatio, joka on saatavana ohjelmistoissa ja verkkosovelluksissa, voi tarjota realistisemman tavan käsitellä muuttujia ja mitata taloudellisten riskien tai palkkioiden todennäköisyyttä.
Monte Carlon menetelmiä käytetään usein henkilökohtaiseen rahoitussuunnitteluun, salkun arviointiin, joukkovelkakirjojen ja joukkovelkakirjaoptioiden arvostamiseen sekä yritys- tai projektirahoitukseen. Vaikka todennäköisyyslaskutoimitukset eivät ole uusia, David B. Hertz aloitti ne ensimmäisen kerran rahoituksessa vuonna 1964 artikkelillaan ”Risk Analysis in Capital Investment”, joka julkaistiin Harvard Business Review -lehdessä. Phelim Boyle sovelsi menetelmää johdannaisten arvostamiseen vuonna 1977 julkaisemalla paperinsa “Options: A Monte Carlo Approach” Journal of Financial Economicsissa. Tekniikkaa on vaikeampi käyttää amerikkalaisten vaihtoehtojen kanssa, ja koska tulokset riippuvat taustalla olevista oletuksista, on joitakin tapahtumia, joita Monte Carlon simulaatio ei voi ennustaa.
Simulointi tarjoaa useita selviä etuja muihin taloudellisiin analyyseihin verrattuna. Sen lisäksi, että tietyn strategian mahdollisten päätepisteiden todennäköisyydet luodaan, tietojen muotoilumenetelmä helpottaa kaavioiden ja kaavioiden luomista ja edistää havaintojen parempaa viestintää sijoittajille ja osakkeenomistajille. Monte Carlon simulointi korostaa kunkin muuttujan suhteellista vaikutusta lopputulokseen. Käyttämällä tätä simulaatiota analyytikot voivat myös nähdä tarkalleen, miten tietyt panosyhdistelmät vaikuttavat toisiinsa. Muuttujien välisten positiivisten ja negatiivisten keskinäisten riippuvuussuhteiden ymmärtäminen antaa tarkemman riskianalyysin mistä tahansa instrumentista.
Riskianalyysi tällä menetelmällä sisältää todennäköisyysjakaumien käytön muuttujien kuvaamiseen. Tunnettu todennäköisyysjakauma on normaali- tai kellokäyrä, jossa käyttäjät määrittävät odotetun arvon ja keskihajontakäyrä määrittelee vaihtelun. Energian hintoja ja inflaatiota voidaan kuvata kellokäyrillä. Lognormaaliset jakaumat kuvaavat positiivisia muuttujia, joilla on rajattomat mahdollisuudet kasvaa, kuten öljyvarannot tai osakekurssit. Yhtenäinen, kolmiomainen ja diskreetti ovat esimerkkejä muista mahdollisista todennäköisyysjakaumista. Arvot, jotka otetaan satunnaisesti todennäköisyyskäyristä, toimitetaan iteraatioina kutsuttuina sarjoina.