蒙特卡罗方法，又称随机模拟方法或统计模拟方法，是在20世纪40年代随着电子计算机的发明而提出的。它是以统计抽样理论为基础，利用随机数，经过对随机变数已有数据的统计进行抽样实验或随机模拟，以求得统计量的某个数字特徵并将其作为待解决问题的数值解。

蒙特卡洛模拟方法的基本原理是：假定随机变数X1、X2、X3……Xn、Y，其中X1、X2、X3……Xn的机率分布已知，且X1、X2、X3……Xn、Y有函式关係：Y=F（X1、X2、X3……Xn），希望求得随机变数Y的近似分布情况及数字特徵。通过抽取符合其机率分布的随机数列X1、X2、X3…Xn带入其函式关係式计算获得Y的值。当模拟的次数足够多的时候，我们就可以得到与实际情况相近的函式Y的机率分布和数字特徵。

蒙特卡洛法的特点是预测结果给出了预测值的最大值，最小值和最可能值，给出了预测值的区间範围及分布规律。

风险表现为损损益的不确定性，说明风险产生的结果可能带来损失、获利或是无损失也无获利，属于广义风险。正是因为未来的不确定性使得每一个项目都存在风险。对于一个公司而言，各种投资项目通常会具有不同程度的风险，这些风险对于一个公司的影响不可小视，小到一个项目投资资本的按时回收，大到公司的总风险、公司正常运营。因此，对于风险的测量以及控制是非常重要的一个环节。

风险评估就是量化测评某一事件或事物带来的影响的可能程度。根据“经济人”假设，收益最大化是投资者的主要追求目标，面对不可避免的风险时，降低风险，防止或减少损失，以实现预期最佳是投资的目标。

在定量分析法下，选取一个合适的量化指标是非常重要的。对于一般的项目投资而言，项目投资回报是否能按时收回，项目是否能够为公司带来利润是决策者需要考察的问题，也就是风险。在这种情况下，这一投资未来的收益（净现值或内部收益率）以及其相对于预期的偏离程度常常被用作衡量风险的指标。

针对一个投资项目，影响未来收益的因素很多，例如，随着时间的推移，需要追加投资数额可能会发生变化；在实业中，随着生产规模的扩大，可能出现规模经济或者规模不经济，使得成本有所下降或上升；由于受到资金量限制，追加投资的量会受到项目回报的影响，若项目已实现的收益率达到某一标準后才继续投资，否则就退出市场。

1.选取随机变数,即对净现值最敏感的变数。

2.确定随机变数的机率分布

3.为各随机变数抽取随机数

4.将抽得的随机数转化为各输入变数的抽样值

5.将抽样值构成一组项目评价基础数据

6.根据基础数据计算出一种随机状况下的评价指标值

7.重複上述过程，进行反覆多次模拟，得出多组评价指标值

8.整理模拟结果所得评价指标的期望值、方差、标準差、机率分布及累计机率分布，绘製累计机率图，同时，检验模拟次数是否满足预定的精度要求

根据上述结果，分析各随机变数对项目收益的影响。

蒙特卡洛模拟能够比较好的解决项目投资中现金流的随机性和不确定性，它能将财务分析人员和项目决策人员从繁琐的数学计算中解脱出来，还能够在比较短的时间内由计算机进行多次数值模拟实验，提高决策人员的决策效率。但是由于蒙特卡洛模拟要求变数服从一定的机率分布，但是由于实际机率的分布不一定是完全拟合某一分布律。这就要求市场调研人员在进行市场调查时能够获得儘量多、儘量準确的初始数据，这样在对数据进行初步处理时，就能够得到更精确拟合机率分布，从而提高蒙特卡洛模拟的效率。