Symulacja Monte Carlo jest metodą statystyczną. Służy do rozwiązywania złożonych problemów matematycznych poprzez generowanie zmiennych losowych.
Symulacja Monte Carlo, czyli metoda Monte Carlo, swoją nazwę zawdzięcza słynnemu kasynu w Księstwie Monako. Ruletka jest najbardziej znaną grą kasynową, a także najprostszym przykładem mechanizmu generowania liczb losowych.
Kluczem do tej metody jest zrozumienie terminu „symulacja”. Przeprowadzanie symulacji polega na powtarzaniu lub duplikowaniu cech i zachowań rzeczywistego systemu. Dlatego głównym celem symulacji Monte Carlo jest próba naśladowania zachowania rzeczywistych zmiennych w celu, w miarę możliwości, analizy lub przewidywania ich ewolucji.
Dzięki symulacji można je rozwiązywać od bardzo prostych problemów do bardzo złożonych problemów. Niektóre problemy można rozwiązać za pomocą długopisu i papieru. Jednak większość wymaga korzystania z programów komputerowych takich jak Excel, R Studio czy Matlab. Bez tych programów rozwiązanie niektórych problemów zajęłoby bardzo dużo czasu.
Do czego służy symulacja Monte Carlo?
Ważne jest, aby wiedzieć, do czego służy ta metoda. To znaczy konkretne przypadki, aby zrozumieć znaczenie metody.
Gotowy do inwestowania na rynkach?
Jeden z największych brokerów na świecie, eToro, sprawił, że inwestowanie na rynkach finansowych stało się bardziej dostępne. Teraz każdy może inwestować w akcje lub kupować ułamki akcji z prowizją 0%. Zacznij inwestować już teraz z depozytem w wysokości zaledwie 200 USD. Pamiętaj, że ważne jest szkolenie, aby inwestować, ale oczywiście dzisiaj każdy może to zrobić.
Twój kapitał jest zagrożony. Mogą obowiązywać inne opłaty. Aby uzyskać więcej informacji, odwiedź stocks.eToro.com
Chcę inwestować z EtoroW ekonomii symulacja Monte Carlo jest wykorzystywana zarówno w firmach, jak i inwestycjach. Bycie w świecie inwestycji, w którym jest on najczęściej używany.
Oto kilka przykładów symulacji Monte Carlo w inwestycjach:
- Twórz, wyceniaj i analizuj portfele inwestycyjne
- Wycena złożonych produktów finansowych, takich jak opcje finansowe
- Tworzenie modeli zarządzania ryzykiem
Ponieważ zwrot z inwestycji jest nieprzewidywalny, ten rodzaj metody służy do oceny różnych typów scenariuszy.
Prosty przykład można znaleźć na giełdzie. Nie można przewidzieć ruchów akcji. Można je oszacować, ale nie da się tego zrobić dokładnie. Dlatego za pomocą symulacji Monte Carlo podjęto próbę naśladowania zachowania akcji lub ich zbioru, aby przeanalizować, jak mogą ewoluować. Po przeprowadzeniu symulacji Monte Carlo wyodrębnia się bardzo dużą liczbę możliwych scenariuszy.
Generowanie liczb losowych
Kluczowym punktem w użyciu symulacji Monte Carlo jest generowanie liczb losowych. Jak generujemy liczby losowe? Z programami komputerowymi. Bo gdybyśmy użyli mechanizmu takiego jak ruletka, mogłoby to zająć nam wiele godzin.
Jeśli chcemy wygenerować 10 000 liczb losowych, wyobraź sobie, ile to zajmie. Dlatego do generowania tych liczb wykorzystywane są programy komputerowe. Nie są to liczby czysto losowe, ponieważ są tworzone przez program za pomocą formuły. Są jednak bardzo podobne do losowych zmiennych rzeczywistości. Nazywane są liczbami pseudolosowymi. Rozwiązując ten problem, pozostało tylko jedno zastosowanie metody.
Przykład symulacji Monte Carlo
Załóżmy, że chcemy zatrudnić menedżera, który będzie dla nas robił interesy na giełdzie.
Menedżer, którego chcemy zatrudnić, twierdzi, że w ciągu ostatniego roku osiągnął 50% zyskowności z rachunkiem papierów wartościowych o wartości 20 000 USD. Aby potwierdzić, że to, co mówisz, jest prawdą, prosimy o skontrolowane osiągnięcia. Oznacza to, że rejestr wszystkich twoich operacji zweryfikowany przez audytora (aby uniknąć oszustw i fałszywych kont). Kierownik przekazuje nam całą dokumentację i przystępujemy do oceny rachunku zysków i strat.
Załóżmy, że mamy 20 000 dolarów. Wprowadzamy odpowiednie zmienne w naszym programie komputerowym i wyodrębniamy następujący wykres:
Dzięki wynikom dostarczonym przez menedżera, którego chcemy zatrudnić, przeprowadzono 10 000 symulacji. Ponadto wyniki są prognozowane na cztery lata. Oznacza to 10 000 różnych scenariuszy dla tych wyników w ciągu czterech lat.
W zdecydowanej większości scenariuszy generowany jest dodatni zwrot, ale istnieje małe prawdopodobieństwo utraty pieniędzy. Symulacja Monte Carlo zapewnia nam nieskończoną liczbę kombinacji do oceny scenariuszy, których na pierwszy rzut oka nie jesteśmy świadomi.
