[[Finance] ¿Quieres saber cómo predecir el futuro?

Podemos ver simulaciones de Montecarlo en muchos lugares, para predecir el precio de las acciones, para predecir la máxima pérdida de acciones, para predecir el precio de los bonos estructurales. ¿Qué son las simulaciones de Montecarlo?

• #### Simulación de Montecarlo

En primer lugar, la simulación de Monte Carlo es un método estadístico que se utiliza para simular grandes cantidades de datos. Si usted mira directamente a esta frase, será inmediatamente secado, gritando métodos estadísticos, ¿por qué quieres simular grandes cantidades de datos?

La primera es por qué: ¿por qué se llama la simulación de Monte Carlo?

La simulación de Montecarlo es un método estadístico propuesto por los matemáticos estadounidenses John Neumann y Ullam para resolver el problema de la dispersión aleatoria de neutrones de la materia fisible en el desarrollo de la bomba atómica durante la Segunda Guerra Mundial. Debido a que el trabajo era confidencial en ese momento, el método recibió el nombre de Montecarlo.

El segundo porqué: ¿qué es la simulación de Monte Carlo y por qué se usa en finanzas?

Si el precio de venta de las acciones de Wanko ayer por la noche fuera de 10 dólares, ¿no querrías saber cuál sería el precio de las acciones de Wanko 100 días después? Seguro que si lo supieras, no tendrías que tomar el examen CFA/FRM.

El precio de hoy = el precio de ayer + 0,2

O permítanme ser un poco académico, con una fórmula, es decir, St = St-1 + 0.2, esto significa que hoy gané dos centavos más que ayer, sé que el precio de cierre de ayer, se puede saber el precio de cierre de hoy, y luego se puede encontrar el precio de cierre después de 100 días. Pero esta deducción es demasiado poco fiable, no tiene que examinarse CFA / FRM, es mejor comprar acciones de WANCO, ganar dos centavos por día.

No hay que olvidar que las acciones se mueven como si fueran palos, así que cada día hay una sorpresa, la llamada fluctuación del precio de las acciones. No sé cuánto puede fluctuar el precio de las acciones cada día, por lo que es aleatorio, por lo que es natural pensar que hay un elemento aleatorio en la recursividad:

El precio de las acciones de hoy = el precio de las acciones de ayer + el precio de las acciones de hoy

La expresión matemática es St = St-1 + e, e representa la fluctuación diaria del precio de la acción, es un número aleatorio, el llamado número aleatorio es un número que no se valora. Ahora solo necesitamos usar el método estadístico mejor entendido, que es el método de emisión de números aleatorios, y puedo avanzar. Por ejemplo, el precio de la acción de la universidad inicial S0 = 10, si en este momento emito el primer número aleatorio, e1 = 0.3, entonces S1 = 10.3, doy un paso adelante, y emito otro número aleatorio e2 = -0.4, S2 = 9.9, siguiendo el mismo método, doy 100 pasos hacia adelante, y puedo encontrar el precio de la acción de la universidad después de 100 días, así que encuentro un camino para el precio de la acción de la universidad después de 100 días.

Llegando aquí, todos saben que solo simular un posible resultado es muy poco fiable, he encontrado al azar el precio de las acciones de Comet 100 días después de emitir números aleatorios, creo que es mi estimación, es mi estimación también es muy arbitraria. Así que un camino no es fiable, muy bien, me gustaría usar el mismo método para simular 100 o 1000 caminos, por ejemplo, cuando simularé 1000 caminos, entonces en el día 100, tomar un cuchillo y cortar, encontraré que hay 1000 datos, con esta cantidad de datos, lo más simple, puedo pedir el promedio, así que el precio de las acciones de Comet estimado es relativamente fiable.

Por supuesto, la emisión de números aleatorios no es completamente irregular, por lo general, hacer una simulación de Montecarlo primero se supone la distribución de números aleatorios en función de las características de los datos históricos. Por ejemplo, si encontramos que la fluctuación de los precios de las acciones se ajusta a la distribución más común (distribución normal), entonces generalmente asumimos que e también obedece a la distribución normal, para así poder decirle a la computadora cómo emitir números aleatorios.

El tercer porqué: ¿por qué la simulación de Montecarlo es una innovación en la investigación financiera?

Lo mejor de la simulación de Montecarlo es que hace que un problema de ciencias sociales se parezca a las ciencias naturales. Ciencias naturales, como la química, la física, cuando más se estudia, lo que más se necesita son datos, porque puedes encerrarte en el laboratorio, puedes hacer que ese coche choque 10.000 veces, tienes 10.000 datos, las variables pueden ser cambiadas de manera muy completa.

Por supuesto, de los análisis anteriores también podemos ver que tiene una ventaja que no se limita a los datos históricos, porque los datos que obtiene son simulados, no los datos de la historia real, por lo que el análisis puede ser más completo. Por ejemplo, si usted hace un estudio con datos históricos, es imposible predecir que habrá una crisis de préstamos secundarios, porque la historia nunca ha ocurrido, pero con el método de la simulación se puede obtener muchos datos históricos que nunca han ocurrido, se puede hacer una predicción más completa.

Esto es lo que decimos de las simulaciones de Montecarlo, y por supuesto, con el desarrollo de la tecnología de la información y la división de la mano de obra, los analistas financieros a menudo no necesitamos crear nuestros propios modelos, pero necesitamos tener un cierto conocimiento de los principios de los modelos para saber en qué medida cada modelo no es aplicable, dónde está el riesgo que conlleva, para poder hacer mejores predicciones sobre el futuro.

La casa de la directora