À PROPOS DU LOGICIEL @RISK 3.5
Le logiciel de simulation @Risk permet de réaliser
des simulations dites "de Monte-Carlo". Les simulations sont très
utilisées en finance car elles permettent d'obtenir entre autres
une très bonne approximation de l'espérance et de l'écart-type
de certaines variables endogènes d'un modèle ( la rentabilité
d'un projet mesurée par la VANA par exemple ). Le logiciel @Risk
est accompagné d'un "tutoriel" qui permet un apprentissage rapide
des principales commandes.
ÉTAPE 1: La conception du modèle sur Excel
Avant toute chose, vous devez réaliser le diagramme
d'influence qui correspond au problème posé. Une fois
les variables importantes ( inputs, variables intermédiaires et
outputs ) et les liens qui les unissent identifiés, vous pouvez
commencer à programmer votre modèle sur le tableur Excel,
compatible avec la version de @RISK utilisée dans les laboratoires
d'informatique.
Vous devez vous assurer que le modèle que vous
avez conçu est à la fois souple et correct ( il doit
vous donner de bons résultats si vous changez les variables de départ
). Pour cela, vous pouvez faire varier vos inputs et vérifier si
la valeur de votre output est correcte. Cette étape est très
importante, en effet, une simulation est inutile si le modèle de
départ contient des erreurs. De plus, ce modèle se doit
d'être le plus complet possible ( ce n'est pas une fois que vous
avez terminé les simulations que vous pouvez ajouter de nouveaux
critères de prise de décision ). Bien souvent, en finance
d'entreprise surtout, la simulation est un complément d'analyse
qui permet de capter la relation entre le risque et le rendement. C'est
pourquoi, votre modèle de départ doit être le plus
complet possible ( c'est lui qui présente le plus d'informations
au lecteur ).
Enfin, pour éviter les problèmes au cours
des simulations, il est très fortement recommandé de n'utiliser
qu'une seule feuille de calculs pour bâtir votre modèle.
ÉTAPE 2: La probabilisation des variables exogènes
( INPUTS )
Une simulation de type Monte-Carlo fonctionne selon un principe
fort simple: les variables exogènes du modèle ( inputs )
prennent différentes valeurs selon N tirages aléatoires et
des fonctions de probabilités spécifiées auparavant
( où N est le nombre d'itérations ).
Il s'agit ici de probabiliser les " inputs " de votre
modèle. Vous devez utiliser @RISK à cette étape.
Pour la syntaxe, vous devez vous reporter au manuel qui accompagne le logiciel
@Risk ou à l'aide en ligne. Les fonctions de probabilité
les plus couramment utilisées sont la loi Normale, la loi Triangulaire,
les Histogrammes et la Lognormale. Vous devez vous fier à l'énoncé
du problème, aux hypothèses que vous avez formulées
et à votre bon sens pour fixer les moyennes, écarts types
et probabilités.
Une fois les fonctions de probabilité saisies,
le logiciel @RISK identifie automatiquement les variables probabilisées
comme les " inputs " de votre modèle.
ÉTAPE 3: La sélection des variables endogènes
( OUTPUTS ).
Vous devez à cette étape-ci spécifier
quelles sont les variables endogènes ( outputs ) de votre modèle.
La variable endogène la plus évidente est le critère
de décision principal de votre diagramme d'influence. Toutefois,
vous pouvez sélectionner plusieurs " outputs ". Il peut être
judicieux de compléter votre critère principal ( avec les
flux monétaires de chaque période dans le cas d'une VAN par
exemple ). Vous devez sélectionner les cellules qui contiennent
vos " outputs " une par une et cliquer à chaque fois sur
l'icône ( flèche ) correspondante.
ÉTAPE 4: Les paramètres de la simulation.
Le nombre d'itérations sélectionné doit
être assez élevé si vous désirez des résultats
précis. Le type de la simulation peut permettre de réduire
la variance liée aux tirages aléatoires ( la simulation par
Hypercubes Latins converge plus rapidement que la simulation de Monte-Carlo
).
Vous pouvez " verrouiller " certaines des variables que
vous avez choisies comme " inputs " afin que celles-ci ne varient pas durant
la simulation ( avec l'icône qui représente un cadenas ).
Cela permet d'isoler l'effet de certains " inputs " seulement.
Enfin la " matrice de variance-covariance " permet de
fixer la corrélation entre deux paramètres ( prix et quantités
) par exemple.
ÉTAPE 5: Résultats de la simulation.
Vous pouvez sauvegarder les résultats des simulations
les plus intéressantes sous des noms différents. Vous devez
mettre au propre vos graphiques et interpréter vos résultats.
Il est possible de sauvegarder des graphiques sur des
fichiers à part ou sur une feuille Excel.
Ce site est un projet de Jean-Pierre
Frénois.
Vos commentaires
sont les bienvenus.