S rostoucím výkonem osobních počítačů se dostává do všeobecného povědomí simulační metoda Monte Carlo. Její název byl inspirován městem Monte Carlo v Monaku, které je proslulé svými luxusními kasiny, a evokuje tak náhodu či nejisté situace a využití náhodných čísel k simulaci jejich důsledků. V reálném světě totiž existuje mnoho případů, které nelze popsat matematickým vzorcem, jelikož vyjádření některých proměnných je možné pouze aproximacemi. Právě v těchto a dalších situacích, kdy by matematická analýza byla příliš komplexní či její reprodukce komplikovaná, je výhodné využít simulací. Praxe navíc ukazuje, že, pokud je model navržen správně, získané aproximace jsou velmi blízké hodnotám vypočteným pomocí matematických vzorců, přičemž ke zpřesňování výstupu stačí pouze zvyšovat počet iterací.
V popisu historie využití metody Monte Carlo se zdroje poněkud liší. Jedním z nejstarších popsaných případů je zřejmě problém Buffonovy jehly nazvaný po francouzském matematikovi Georges-Louis Leclerc, Comte de Buffonovi, který se snažil odhadnout hodnotu pí náhodným vrháním jehly na linkovaný papír. Pravděpodobně první systematické využití metody Monte Carlo s reálnými výsledky je však datováno až k roku 1930, kdy Nobelovou cenou oceněný italský fyzik Enrico Fermi tento přístup využíval ke generování náhodných čísel k výpočtu vlastností v té době nově objevené částice – neutronu. Metoda Monte Carlo hrála klíčovou roli při simulacích, kterými se odhadoval průběh štěpné reakce při vývoji atomové bomby v rámci Projektu Manhattan. Dodnes jsou tak počátky rozvoje metody Monte Carlo spojovány se jmény Stanislaw Marcin Ulam, John von Neumann, Nicholas Metropolis nebo již zmíněný Enrico Fermi.
V dalších letech se metoda Monte Carlo nejdříve využívala v Los Alamos při vývoji vodíkové bomby. Postupně se však začala uplatňovat i v jiných oblastech fyziky a operačního výzkumu. Především US Air Force a společnost Rand Corporation mají hlavní podíl na vývoji a šíření informací ohledně této metody, která již v dnešní době nachází široká uplatnění v různých oborech včetně finančního modelování.
V přípravě modelu na simulaci Monte Carlo se chování nejistých veličin aproximuje prostřednictvím pravděpodobnostních rozdělení. Během simulace se pak generují náhodná čísla způsobem, který reprodukuje tvar těchto rozdělení. Postupně se sestavují stovky až tisíce náhodných scénářů, přičemž každý z nich představuje jedno z možných vyústění problému. Výstupem pak je opět pravděpodobnostní rozdělení naší nejistoty ohledně skutečného vývoje sledované veličiny.