Каково Моделирование Монте Карло?
Моделирование Монте Карло - математическая модель для того, чтобы вычислить вероятность определенного результата, беспорядочно проверяя или пробуя большое разнообразие сценариев и переменных. Сначала используемый Stanilaw Ulam, математик, который работал над манхэттенским Проектом во время Второй мировой войны, моделирования, предоставляет аналитикам авеню для того, чтобы они приняли трудные решения и решили сложные проблемы, у которых есть многократные области неуверенности. Названный в честь населенного казино курорта в Монако, моделирование Монте Карло использует исторические статистические данные, чтобы произвести миллионы различных финансовых результатов, беспорядочно вставляя компоненты в каждый пробег, который может влиять на исход, такой как счет возвращается, изменчивость, или корреляции. Как только сценарии сформулированы, метод вычисляет разногласия достижения особого результата. В отличие от стандартных исследований финансового планирования, которые используют долгосрочные средние числа и оценки будущего роста или сбережений, моделирование Монте Карло, доступное в программном обеспечении и веб-приложениях, может обеспечить более реалистическое средство обработки с переменными и измерения вероятностей финансового риска или награды.
методы Монте Карло часто используются для личного финансового планирования, оценки портфеля, оценки облигаций и опционов облигации, и в корпоративном или проектном финансировании. Хотя вычисления вероятности не новы, Дэвид Б. Херц сначала вел их в финансах в 1964 с его статьей, Анализ степени риска в Капиталовложении, І опубликованный в Harvard Business Review. Фелим Бойл применял метод к производной оценке в 1977, публикуя его работу, Опционы: Подход Монте Карло, І в Журнале Финансовой Экономики. Технику более трудно использовать с Американскими опционами, и с результатами, являющимися зависящим от базовых предположений, есть некоторые события, которые не может предсказать моделирование Монте Карло.
Моделирование предлагает несколько явных преимуществ по другим формам финансового анализа. В дополнение к производству вероятностей возможных конечных точек данной стратегии метод формулировки данных облегчает создание графов и диаграмм, способствуя лучшей коммуникации результатов инвесторам и акционерам. Моделирование Монте Карло выдвигает на первый план относительное воздействие каждой переменной к практическому результату. Используя это моделирование, аналитики могут также видеть точно как определенные комбинации входного аффекта и взаимодействия друг с другом. Понимание положительных и отрицательных взаимозависимых отношений между переменными предоставляет более точный анализ степени риска любого инструмента.
Анализ степени риска этим методом вовлекает использование распределений вероятности, чтобы описать переменные. Известное распределение вероятности - нормальное или кривая нормального распределения, с пользователями, указывающими математическое ожидание и кривую стандартного отклонения, определяющую изменение. Стоимости энергии и рост инфляции могут быть изображены кривыми нормального распределения. Распределения Lognormal изображают положительные переменные с неограниченным потенциалом, чтобы увеличиться, такие как запасы нефти или курсы акций. Однородный, треугольный, и дискретный примеры других возможных распределений вероятности. Ценности, которые беспорядочно выбраны от кривых вероятности, представлены в наборах, названных повторениями.