Montekarlo simulācija ir matemātisks modelis konkrēta rezultāta varbūtības aprēķināšanai, nejauši pārbaudot vai atlasot dažādus scenārijus un mainīgos. Simulācijas, ko pirmo reizi izmantoja matemātiķis Staņilavs Ulams, kurš Otrā pasaules kara laikā strādāja pie Manhetenas projekta, sniedz analītiķiem iespēju pieņemt sarežģītus lēmumus un atrisināt sarežģītas problēmas, kurām ir vairākas nenoteiktības jomas. Montekarlo simulācija, kas nosaukta par godu Monako kazino apdzīvotajam kūrortam, izmanto vēsturiskos statistikas datus, lai ģenerētu miljoniem dažādu finanšu rezultātu, katrā piegājienā nejauši ievietojot komponentus, kas var ietekmēt gala rezultātu, piemēram, konta atdevi, nepastāvību vai korelācijas. Kad scenāriji ir formulēti, metode aprēķina izredzes sasniegt konkrētu rezultātu. Atšķirībā no standarta finanšu plānošanas analīzēm, kurās izmanto ilgtermiņa vidējos rādītājus un nākotnes izaugsmes vai ietaupījumu aplēses, Montekarlo simulācija, kas pieejama programmatūrā un tīmekļa lietojumprogrammās, var nodrošināt reālistiskāku līdzekli mainīgo lielumu apstrādei un finanšu riska vai atlīdzības iespējamības mērīšanai.
Montekarlo metodes bieži tiek izmantotas personīgo finanšu plānošanā, portfeļa novērtēšanā, obligāciju un obligāciju opciju vērtēšanā, kā arī uzņēmumu vai projektu finansēšanā. Lai gan varbūtības aprēķini nav jauni, Deivids B. Hercs pirmo reizi tos ieviesa finanšu jomā 1964. gadā ar savu rakstu “Riska analīze kapitālieguldījumos”, kas publicēts Harvard Business Review. Felims Boils izmantoja šo metodi atvasināto instrumentu vērtēšanai 1977. gadā, publicējot savu rakstu “Options: A Monte Carlo Approach” Journal of Financial Economics. Šo paņēmienu ir grūtāk izmantot ar amerikāņu opcijām, un, tā kā rezultāti ir atkarīgi no pamatā esošajiem pieņēmumiem, ir daži notikumi, kurus Montekarlo simulācija nevar paredzēt.
Simulācija piedāvā vairākas atšķirīgas priekšrocības salīdzinājumā ar citiem finanšu analīzes veidiem. Papildus noteiktas stratēģijas iespējamo galapunktu varbūtību ģenerēšanai datu formulēšanas metode atvieglo grafiku un diagrammu izveidi, veicinot labāku rezultātu saziņu ar investoriem un akcionāriem. Montekarlo simulācija izceļ katra mainīgā relatīvo ietekmi uz apakšējo līniju. Izmantojot šo simulāciju, analītiķi var arī precīzi redzēt, kā noteiktas ievades kombinācijas ietekmē un mijiedarbojas viena ar otru. Izpratne par pozitīvām un negatīvām savstarpēji atkarīgām attiecībām starp mainīgajiem lielumiem ļauj veikt precīzāku jebkura instrumenta riska analīzi.
Riska analīze ar šo metodi ietver varbūtības sadalījumu izmantošanu, lai aprakstītu mainīgos. Labi zināms varbūtības sadalījums ir normālā vai zvana līkne, kurā lietotāji norāda paredzamo vērtību un standarta novirzes līkni, kas nosaka variāciju. Enerģijas cenas un inflācijas līmeni var attēlot ar zvanu līknēm. Lognormālie sadalījumi attēlo pozitīvus mainīgos lielumus ar neierobežotu pieauguma potenciālu, piemēram, naftas rezerves vai akciju cenas. Vienveidīgs, trīsstūrveida un diskrēts ir citu iespējamo varbūtības sadalījumu piemēri. Vērtības, kas nejauši atlasītas no varbūtības līknēm, tiek iesniegtas kopās, ko sauc par iterācijām.