Monte Karlo modeliavimas yra matematinis modelis, skirtas konkretaus rezultato tikimybei apskaičiuoti atsitiktinai išbandant arba atimant įvairius scenarijus ir kintamuosius. Pirmą kartą panaudojo Stanilovas Ulamas, matematikas, Antrojo pasaulinio karo metais dirbęs Manheteno projekte. Modeliavimas suteikia analitikams galimybę priimti sudėtingus sprendimus ir išspręsti sudėtingas problemas, kurios turi daugybę neapibrėžtumo sričių. Monte Karlo modeliavimas, pavadintas kazino apgyvendinto kurorto Monake vardu, naudoja istorinius statistinius duomenis, kad generuotų milijonus skirtingų finansinių rezultatų, atsitiktinai įterpiant komponentus, kurie gali turėti įtakos galutiniam rezultatui, pvz., sąskaitos grąžą, nepastovumą ar koreliacijas. Suformulavus scenarijus, metodas apskaičiuoja tikimybę pasiekti tam tikrą rezultatą. Skirtingai nuo standartinių finansinio planavimo analizių, kuriose naudojami ilgalaikiai vidurkiai ir būsimo augimo ar taupymo įverčiai, Monte Karlo modeliavimas, prieinamas programinėje įrangoje ir žiniatinklio programose, gali suteikti realesnį būdą valdyti kintamuosius ir įvertinti finansinės rizikos ar atlygio tikimybę.
Monte Karlo metodai dažnai naudojami asmeniniam finansiniam planavimui, portfelio vertinimui, obligacijų ir obligacijų opcionų vertinimui bei įmonių ar projektų finansavimui. Nors tikimybių skaičiavimai nėra naujiena, David B. Hertz pirmą kartą pradėjo juos finansų srityje 1964 m. savo straipsniu „Rizikos analizė kapitalo investicijose“, paskelbtu Harvardo verslo apžvalgoje. Phelimas Boyle’as pritaikė šį metodą išvestinių finansinių priemonių vertinimui 1977 m., paskelbdamas savo straipsnį „Options: A Monte Carlo Approach“ žurnale „Journal of Financial Economics“. Šią techniką sunkiau naudoti su Amerikos parinktimis, o rezultatai priklauso nuo pagrindinių prielaidų, todėl yra tam tikrų įvykių, kurių Monte Karlo modeliavimas negali numatyti.
Modeliavimas turi keletą aiškių pranašumų, palyginti su kitomis finansinės analizės formomis. Duomenų formulavimo metodas ne tik generuoja galimų tam tikros strategijos galutinių taškų tikimybes, bet ir palengvina grafikų ir diagramų kūrimą, skatinant geresnį informavimą apie išvadas investuotojams ir akcininkams. Monte Karlo modeliavimas išryškina santykinį kiekvieno kintamojo poveikį apatinei eilutei. Naudodamiesi šiuo modeliavimu, analitikai taip pat gali tiksliai matyti, kaip tam tikri įvesties deriniai veikia ir sąveikauja tarpusavyje. Teigiamų ir neigiamų kintamųjų tarpusavio priklausomybių supratimas leidžia atlikti tikslesnę bet kurios priemonės rizikos analizę.
Rizikos analizė šiuo metodu apima tikimybių skirstinių naudojimą kintamiesiems apibūdinti. Gerai žinomas tikimybių pasiskirstymas yra normalioji arba varpelio kreivė, kai vartotojai nurodo numatomą vertę, o standartinio nuokrypio kreivė apibrėžia variaciją. Energijos kainos ir infliacijos tempai gali būti pavaizduoti varpų kreivėmis. Lognormalūs pasiskirstymai vaizduoja teigiamus kintamuosius, turinčius neribotą didėjimo potencialą, pvz., naftos atsargas ar akcijų kainas. Vienodas, trikampis ir diskretinis yra kitų galimų tikimybių skirstinių pavyzdžiai. Vertės, kurios atsitiktinai atrenkamos iš tikimybių kreivių, pateikiamos rinkiniuose, vadinamuose iteracijomis.