La simulazione Monte Carlo è un metodo computazionale che stima la distribuzione di probabilità di un risultato incerto generando un numero molto elevato di scenari casuali basati su ipotesi statistiche sugli input (es. rendimento medio atteso, volatilità, correlazioni tra asset), e osservando come si distribuiscono gli esiti finali su tutte le simulazioni. Applicata alla pianificazione finanziaria, invece di calcolare 'quanto varrà il mio portafoglio tra 20 anni assumendo un rendimento costante dell'X%', la simulazione Monte Carlo genera migliaia di sequenze diverse di rendimenti annuali (rispettando le proprietà statistiche storiche o assunte del mercato) e mostra la gamma di esiti possibili: ad esempio, 'nel 90% delle simulazioni il capitale a 20 anni supera una certa soglia, nel 10% no'. Questo approccio è particolarmente utile per catturare l'effetto del rischio di sequenza dei rendimenti nella fase di prelievo o accumulo, che un calcolo basato su un singolo rendimento medio costante ignora completamente. Il metodo prende il nome dal celebre casinò di Monte Carlo per l'elemento di casualità alla base del processo, ed è impiegato in ambiti molto diversi della finanza: dal pricing di opzioni complesse (specialmente quelle americane, che permettono l'esercizio anticipato) alla stima del Value at Risk, fino alla pianificazione pensionistica personale. Il suo limite principale non è tecnico ma di input: la qualità dei risultati dipende interamente dalla plausibilità delle ipotesi statistiche usate per generare gli scenari (rendimento medio atteso, volatilità, correlazioni); simulazioni con ipotesi troppo ottimistiche o irrealistiche producono conclusioni fuorvianti indipendentemente dalla sofisticazione del metodo.