@RISK进行风险分析

从财务到科学，定量分析中面临不确定性的人都可以从@RISK中受益。这使可以缓冲，还可以识别和利用增长机会。

分析是系统地利用可用信息来确定时间的发生频率以及其后果的严重程度。

通常被定义为负面事件，例如，在合资中蒙受损失或暴风雨造成大量保险索赔。通过探索给定情况下可能结果出现的空间，良好的分析既可以确定陷阱，也可以发现新的机会。

分析可以定性或定量地进行。定性分析通常涉及通过本能或评估情况，其是诸如“这似乎太冒险”或“我们可能会因此获得回报”之类的陈述。定量分析通过使用经验数据或量化定性评估来为分配数值。

确定性分析——“Best Case，Worst Case ，Most Likely”

定量分析可以通过两种不同的方式进行。一种方法使用单点估计，或者本质上是确定性的。使用方法，分析人员可以为离散场景分配值，以查看场景的结果。例如，在财务模型中，分析师通常检查三种不同的结果：Best Case，Worst Case，Most Likely，结果定义如下：

这几种方法存在几个问题：

尽管存在缺陷和不之处，但组织还是使用这种类型的分析进行操作。

随机分析 —— 蒙特卡洛模拟

进行定量分析的更好的方法是使用蒙特卡洛模拟法。在蒙特卡洛模拟中，使用概率分布的可能值范围来表示模型中的不确定输入。通过使用概率分布，变量可以具有不同结果发生的不同概率。概率分布式描述反洗变量不确定性的更为现实的方法。常用的概率分布：

正常

“钟形曲线”。用户需定义平局值或期望值以及标准偏差即可描述平均值的变化。接近平均值的中间值很可能出现。它是对称的，描述了自然现象，例如人们的身高。正态分布描述的变量示例通货膨胀和能源价格。

对数正态

值正偏。不像正态分布那样对称。它用于表示不低于零但具有正电位的值。对数正态分布描述的变量示例房地产资产价值，股票价格和石油储量。

制服

值都有相等的机会出现，用户需要定义较大值和较小值即可。可以均匀分布的变量示例新产品的制造成本或未来销售收入。

三角形

用户定义小值，可能值和较大值。有可能出现的值附近。可以用三角分布描述的变量单位时间的过去销售历史和库存水平。

PERT

用户定义 Minimums，可能和 Maximum value ，就像三角形分布一样。有可能出现的值附近。但是，有可能出现的值和Maximum value 之间的值要比三角形大。也就是说，异常情况并未得到强调。使用PERT分布的示例是在项目管理模型中任务的持续时间。

离散的

用户定义出现定值的可能性。诉讼的结果可能是例子：正面判决的可能性为20%，负面判决的变化率为30%，和解的可能性为40%，误审的可能性为10%。

在蒙特卡洛模拟过程中，从输入概率分布中随机采样值。每组样本成为迭代，并记录该样本的结果。蒙特卡洛模拟执行了数百或数千次，结果可能的概率分布。这样，蒙特卡洛模拟提供了可能发生的情况的更广的视图。它告诉您可能发生的事情，而且还告诉您发生的可能性。

相对于确定性或“单点估计”分析，蒙特卡洛模拟功能：

概率结果 —— 结果不显示可能发生的情况，而且还显示结果的可能性
图形结果 —— 由于蒙特卡洛莫奈产生的数据，创建不同结果以及发生机会的图表。这对于将调查结果传达给利益相关者。
分析 —— 在少数情况下，确定性分析很难看到哪些变量对结果的影响。在蒙特卡洛模拟中，看出哪些输入对底线结果的影响。
情景分析 —— 在确定性模型中，很难对不同输入的值的不同组合进行建模，以查看真正不同场景的影响，使用蒙特卡洛模拟，分析人员可以看到发生某些结果时哪些输入具有哪些值并这进一步的分析。
输入的相关性 —— 在蒙特卡洛模拟中，可以对输入变量之间的相互依存关系进行建模。相关性当某些因素上升时，他的因素如何相应地上升或下降。