The generally accepted financial objective of a firm is to maximize its shareholders’ wealth and a firm’s strategy should aim to achieve that objective. Investing in capital projects is a key part of a firm’s strategy. Thus, carefully selecting investment projects is crucial for achieving a firm’s financial objective. Analytical methods have been proposed to appraise such projects, of which the most widely used is the calculation of a proposed project’s Net Present Value (NPV). The method assumes precise input values to calculate a single-valued NPV, which serves as the decision criterion: accept the project if its NPV is greater than zero. However, the assumption of precise input values does not hold, because of the inherent risk and uncertainty in estimating them. To address this issue, variations of the method have been developed, which still return a single-valued NPV. In contrast, a stochastic approach suggests returning, not a single-valued NPV, but the full range of its probability distribution based on estimated probability distributions for the inputs. This forms the basis for using the Monte Carlo method in risk analysis for investment projects. This dissertation implements the Monte Carlo method, using free and open-source tools written in the Python programming language, to explore the method’s suitability for risk analysis in investment projects. Its findings conclude that the method is not only suitable but also superior to traditional methods. Furthermore, implementing the method using free and open-source tools is superior to using proprietary software, as it provides the ability to construct any model, irrespective of its complexity, eliminates all costs associated with proprietary software, and leads to a better understanding of the method’s inner workings.

Ο χρηματοοικονομικός στόχος μιας επιχείρησης είναι η μεγιστοποίηση του πλούτου των μετόχων της, και η στρατηγική της επιχείρησης αποσκοπεί στην επίτευξη αυτού του στόχου. Οι κεφαλαικές επενδύσεις αποτελούν κεντρικό μέρος της στρατηγικής της επιχείρησης. Κατά συνέπεια, η προσεκτική επιλογή κεφαιλαιακών επενδύσεων είναι καθοριστικής σημασίας για την επίτευξη του χρηματοοικονομικού στόχου της επιχείρησης. Διάφορες αναλυτικές μέθοδοι έχουν αναπτυχθεί για την αποτίμηση του κεφαλαιακού κόστους αυτών των επεδύσεων. Η πιο ευρέως χρησιμοποιούμενη είναι η Καθαρή Παρούσα Αξία (ΚΠΑ). Η μέθοδος προϋποθέτει τη χρήση των σωστών τιμών για τις μεταβλητές εισόδου και υπολογίζει μια αριθμητική τιμή ως την ΚΠΑ της επένδυσης. Ο εγγενής κίνδυνος και η αβεβαιότητα αναφορικά με την εκτίμηση των σωστών τιμών των μεταβλητών εισόδου, οδήγησε στην ανάπτυξη παραλλαγών της μεθόδου για τη διαχείριση αυτού του κινδύνου. Οι παραλλαγές αυτές εξακολουθούν να επιστρέφουν μια μονότιμη ΚΠΑ. Σε πλήρη αντίθεση με αυτή την παραδοσιακή προσέγγιση στη διαχείριση του κινδύνου των κεφαλαιακών επενδύσεων, η στοχαστική προσέγγιση προτείνει τη χρήση ολόκληρης της κατανομής πιθανοτήτων της ΚΠΑ, η οποία υπολογίζεται με χρήση των κατ’ εκτίμηση ή εμπειρικών κατανομών πιθανοτήτων των μεταβλητών εισόδου. Η προσέγγιση αυτή, αποτελεί τη βάση για τη χρήση της μεθόδου Monte Carlo στην ανάλυση του κινδύνου των κεφαλαιακών επενδύσεων. Αυτή η διατριβή υλοποιεί τη μέθοδο Monte Carlo, χρησιμοποιώντας εργαλεία ανοιχτού κώδικα γραμμένα στη γλώσσα προγραμματισμού Python, για να εξετάσει την καταλληλότητα της μεθόδου στην ανάλυση του κινδύνου των κεφαλαιακών επενδύσεων. Το συμπέρασμά της είναι ότι η μέθοδος Monte Carlo όχι μόνο είναι κατάλληλη, αλλά είναι και ανώτερη από τις παραδοσιακές μεθόδους ανάλυσης κινδύνου. Επιπλέον, η εφαρμογή της μεθόδου χρησιμοποιώντας εργαλεία ανοιχτού κώδικα είναι προτιμότερη από τη χρήση εμπορικού λογισμικού, καθώς οδηγεί σε καλύτερη κατανόησή της, δίνει τη δυνατότητα υλοποίησης οποιουδήποτε μοντέλου, ανεξαρτήτως της πολυπλοκότητάς του, και εξαλείφει όλα τα κόστη που σχετίζονται με το εμπορικό λογισμικό.