[[অর্থনীতি] ভবিষ্যতের ভবিষ্যদ্বাণী করতে চান? মন্টে কার্লো সিমুলেশন যা আপনার জানা উচিত

মন্টে কার্লো সিমুলেশন আমরা অনেক জায়গায় দেখতে পাচ্ছি, শেয়ারের দামের পূর্বাভাস, শেয়ারের সর্বোচ্চ ক্ষতির পূর্বাভাস, স্ট্রাকচারাল বন্ডের দামের পূর্বাভাস। তাহলে মন্টে কার্লো সিমুলেশন কি? মন্টে কার্লো সিমুলেশন সবচেয়ে ভাল কোথায়?

• #### মন্টে কার্লো সিমুলেশন

প্রথমত, মন্টে কার্লো মডেলিং একটি পরিসংখ্যানগত পদ্ধতি যা প্রচুর পরিমাণে ডেটা মডেলিংয়ের জন্য ব্যবহৃত হয়। আপনি যদি এই বাক্যটি সরাসরি দেখেন তবে আপনি অবিলম্বে শুকিয়ে যাবেন, পরিসংখ্যানগত পদ্ধতিগুলিকে কল করুন, কেন আপনি প্রচুর পরিমাণে ডেটা মডেলিং করবেন? সুতরাং, একটি অদ্ভুত প্রশ্ন বোঝার প্রথম পদক্ষেপটি কেন জিজ্ঞাসা করা হয়, যা প্রত্যেকের চিন্তাভাবনা অভ্যাসের সাথে সামঞ্জস্যপূর্ণ, এবং আমরা আপনাকে কয়েকটি কারণের উত্তর দিতে যাচ্ছি।

প্রথমত, কেন এটাকে মন্টে কার্লো সিমুলেশন বলা হয়?

মন্টে কার্লো সিমুলেশন দ্বিতীয় বিশ্বযুদ্ধের সময়, পারমাণবিক বোমা তৈরির কাজ চলাকালীন, নিউট্রনের এলোমেলো ছড়িয়ে পড়ার সমস্যা সমাধানের জন্য, আমেরিকান গণিতবিদ নওম্যান এবং উলাম ইত্যাদির একটি পরিসংখ্যানগত পদ্ধতি, কারণ তখনকার কাজটি গোপন ছিল, এই পদ্ধতিটির জন্য একটি কোড নাম মন্টে কার্লো দেওয়া হয়েছিল। মন্টে কার্লো মোনাকোতে একটি খুব বিখ্যাত জুজু শহর ছিল, এবং জুয়ার মূলত সম্ভাব্যতা ছিল, তাই এই পদ্ধতিটি জুজু শহরের নাম অনুসারে নামকরণ করা হয়েছিল এবং এটি মনে রাখা সহজ ছিল। এই সিমুলেশন পদ্ধতিটি যদি কয়েক বছর পরে উপস্থিত হয় তবে এটি অনুমান করা হয় যে এটি লাস ভেগাস সিমুলেশন বা ম্যাকাওয়ার সিমুলেশন জুজু নামে পরিচিত হবে।

দ্বিতীয় কারণঃ মন্টে কার্লো মডেলিং কি এবং কেন এটি আর্থিক ক্ষেত্রে ব্যবহৃত হয়?

যদি গতকাল রাত্রে ওয়ানকোর শেয়ারের মূল্য ১০ ডলার হয়, তাহলে আপনি কি জানতে চান যে ১০০ দিন পর ওয়ানকোর শেয়ারের মূল্য কত হবে? যদি আপনি তা জানতেন, তাহলে আপনার সিএফএ/এফআরএম পরীক্ষা নেওয়ার দরকার পড়ত না। আপনি কি জানেন? সবচেয়ে সহজ ধারণা, যদি আমি একটি পুনরাবৃত্ত ফর্মুলা খুঁজে পাইঃ

আজকের শেয়ারের দাম = গতকালের শেয়ারের দাম +0.2

অথবা আমাকে একটু শিক্ষিত হতে দিন, একটি সূত্র ব্যবহার করুন, অর্থাৎ St = St-1 + 0.2, এটি বলে যে আমি গতকালের তুলনায় আজ দুই কিলো লাভ করেছি, আমি জানি গতকালের সমাপ্তির মূল্য, তাই আমি আজকের সমাপ্তির মূল্য জানতে পারি, এবং তারপর আমি 100 দিন পরে সমাপ্তির মূল্য খুঁজে পেতে পারি। কিন্তু এই পুনরাবৃত্তিটি খুব নির্ভরযোগ্য নয়, আপনাকে আর সিএফএ / এফআরএম পরীক্ষা দিতে হবে না, ভ্যানকো স্টক কিনতে হবে, প্রতিদিন দুই কিলো উপার্জন করুন।

এবং ভুলে যাবেন না যে শেয়ারের দাম একটি কাকের মত ঝাঁপিয়ে পড়ে, তাই প্রতিদিন একটি চমক থাকে, আমরা এই চমককে শেয়ারের দামের অস্থিরতা বলে থাকি। শেয়ারের দাম প্রতিদিন কতটুকু ঝাঁপিয়ে পড়ে আমি জানি না, তাই এটি এলোমেলো, তাই স্বাভাবিকভাবেই এই রেসিপিটিতে একটি এলোমেলো উপাদান রয়েছেঃ

আজকের শেয়ারের দাম = গতকালের শেয়ারের দাম + আজকের শেয়ারের দামের পরিবর্তন

গাণিতিকভাবে, St=St-1+e, e মানে প্রতিদিনের শেয়ারের দামের ওঠানামা, এটি একটি র্যান্ডম সংখ্যা, এবং একটি র্যান্ডম সংখ্যা হল একটি অনিশ্চিত সংখ্যা। এখন আমাদের কেবলমাত্র একটি পরিসংখ্যানগত পদ্ধতি ব্যবহার করতে হবে যা আমরা সবচেয়ে ভাল বুঝতে পারি, যা র্যান্ডম সংখ্যা প্রেরণ করার পদ্ধতি, এবং আমি এগিয়ে যেতে পারি। উদাহরণস্বরূপ, যদি আমি প্রথম ক্যালকুলেটর শেয়ারের দাম S0 = 10 প্রেরণ করি, e1 = 0.3, তাহলে S1 = 10.3, আমি একটি পদক্ষেপ এগিয়ে যাই, আমি একটি র্যান্ডম সংখ্যা প্রেরণ করি e2 = -0.4, S2 = 9.9, একই পদ্ধতিতে, 100 টি পদক্ষেপ এগিয়ে যাই, এবং 100 দিনের পরে ক্যালকুলেটর শেয়ারের দাম খুঁজে পাই, এবং এইভাবে 100 দিনের পরে ক্যালকুলেটর শেয়ারের দামের একটি পথ খুঁজে পাই। এটি ভাল, এটি 100 মিলিয়ন ক্যালকুলেটর শেয়ারের দাম নয়। আমি কেবল এই পথটি দিয়ে অনুমান করেছি? স্পষ্টত, ভবিষ্যতের রোমানদের কোনও পথ নেই, ভবিষ্যতের ক্যালকুলেটর মডেলিংয়ের সম্ভাবনা রয়েছে, এটি সম্ভবত

এখানে এসে, আপনারা নিশ্চয়ই জানেন যে, কেবলমাত্র একটি সম্ভাব্য ফলাফলের মডেলিং করা খুব অস্বাভাবিক, আমি এলোমেলোভাবে এলোমেলোভাবে এলোমেলোভাবে এলোমেলোভাবে এলোমেলোভাবে এলোমেলোভাবে এলোমেলোভাবে এলোমেলোভাবে এলোমেলোভাবে এলোমেলোভাবে এলোমেলোভাবে এলোমেলোভাবে এলোমেলোভাবে এলোমেলোভাবে এলোমেলোভাবে এলোমেলোভাবে এলোমেলোভাবে এলোমেলোভাবে এলোমেলোভাবে এলোমেলোভাবে এলোমেলোভাবে এলোমেলোভাবে এলোমেলোভাবে এলোমেলোভাবে এলোমেলোভাবে এলোমেলোভাবে এলোমেলোভাবে এলোমেলোভাবে এলোমেলোভাবে এলোমেলোভাবে এলোমেলোভাবে এলোমেলোভাবে এলোমেলোভাবে এলোমেলোভাবে এলোমেলোভাবে এলোমেলোভাবে এলোমেলোভাবে এলোমেলোভাবে এলো

অবশ্যই এলোমেলো সংখ্যার প্রেরণ সম্পূর্ণরূপে অনিয়মিত নয়, সাধারণত মন্টে কার্লো সিমুলেশনটি ঐতিহাসিক তথ্যের বৈশিষ্ট্য অনুসারে এলোমেলো সংখ্যার বিতরণ অনুমান করা হয়। উদাহরণস্বরূপ, যদি আমরা দেখি যে শেয়ারের দামের অস্থিরতা সর্বাধিক সাধারণ বিতরণের সাথে সামঞ্জস্যপূর্ণ (অনুসঙ্গতিপূর্ণ বন্টন), তাহলে আমরা সাধারণত e কেও অনুমান করি যা একটি আনুসঙ্গতিপূর্ণ বন্টন মেনে চলে, যাতে কম্পিউটারকে বলতে পারি কিভাবে এলোমেলো সংখ্যা প্রেরণ করা যায়।

তৃতীয় কারণঃ কেন মন্টে কার্লো সিমুলেশন আর্থিক গবেষণায় একটি উদ্ভাবন?

মন্টে কার্লো সিমুলেশন এর সবচেয়ে বড় গুণ হল যে এটি একটি সামাজিক বিজ্ঞান সমস্যাকে প্রাকৃতিক বিজ্ঞানের মত করে তুলেছে। প্রাকৃতিক বিজ্ঞান, যেমন রসায়ন, পদার্থবিজ্ঞান, যখন সবচেয়ে বেশি গবেষণা করা হয়, তখন সবচেয়ে বেশি প্রয়োজন হয় তথ্য, কারণ আপনি নিজেকে ল্যাবরেটরিতে বন্ধ করতে পারেন, আপনি সেই ছোট্ট গাড়িটিকে ১০,০০০ বার ধাক্কা দিতে পারেন, আপনার কাছে ১০,০০০ তথ্য থাকে, সামান্য পরিবর্তনগুলিও গবেষণা করা যেতে পারে। কিন্তু আর্থিক সমাজবিজ্ঞানের এই ধরনের পরীক্ষা করার উপায় নেই, এই ১০০ দিন পার হয়ে গেছে, তাহলে মাত্র ১০০ তথ্য, ১০০ দিন পার হয়ে গেলে আর একবার যেতে পারবেন না, কারণ সময় পুনরাবৃত্তি করার উপায় নেই। তাই যখন আর্থিক বাজার নিয়ে গবেষণা করা হয়, তখন তথ্যের পরিমাণ ছোট, নমুনা ছোটই সবচেয়ে বড় সমস্যা, কিন্তু মন্টে কার্লো সিমুলেশন এই সমস্যার সমাধান করে, আপনি ১০,০০০ রাস্তা হাঁটতে পারেন তাহলে ১০,০০০ তথ্য থাকে, ১০,০০০ রাস্তা হাঁটতে পারেন তাহলে ১০,০০০ তথ্য থাকে, ঠিক যেমন আপনি ল্যাবরেটরিতে এটি বন্ধ করে দিয়ে পরীক্ষা করতে পারেন, এবং আপনি প্রচুর পরিমাণে তথ্য পেতে পারেন

অবশ্যই, উপরের বিশ্লেষণ থেকে আমরা দেখতে পাচ্ছি যে এটির আরও একটি সুবিধা হ’ল এটি historicalতিহাসিক ডেটাতে সীমাবদ্ধ নয়, কারণ এটি যে ডেটা পেয়েছে তা মডেল করা হয়েছে, ইতিহাসের সত্যিকারের ঘটনার ডেটা নয়, তাই বিশ্লেষণটি আরও ব্যাপক হতে পারে। উদাহরণস্বরূপ, আপনি যদি কেবল historicalতিহাসিক ডেটা দিয়ে গবেষণা করেন তবে এটি ভবিষ্যদ্বাণী করা অসম্ভব যে একটি ঋণ সংকট ঘটবে, কারণ ইতিহাসে এটি কখনও ঘটেনি, তবে মডেলিংয়ের পদ্ধতিতে অনেক historicalতিহাসিক ডেটা পাওয়া যায় যা ইতিহাসে ঘটেনি, আরও ব্যাপক ভবিষ্যদ্বাণী করা যেতে পারে।

অবশ্যই, তথ্য প্রযুক্তির বিকাশ এবং কাজের বিভাজনের সাথে সাথে, আমাদের আর্থিক বিশ্লেষকদের নিজেদের মডেলিং করার প্রয়োজন হয় না, তবে মডেলের নীতি সম্পর্কে কিছু জ্ঞান থাকা দরকার, যাতে আমরা জানতে পারি যে প্রতিটি মডেলের কোন ক্ষেত্রেই প্রযোজ্য নয়, এর মধ্যে কী ঝুঁকি রয়েছে, যাতে ভবিষ্যতের জন্য আরও ভাল ভবিষ্যদ্বাণী করা যায়।

ছবিঃ ম্যানেজার হাউস