Nous pouvons voir des simulations de Monte-Carlo dans de nombreux endroits, qui prédisent les prix des actions, prédisent les pertes les plus importantes des actions, prédisent les prix des obligations structurelles.
Tout d'abord, la simulation de Monte Carlo est une méthode statistique qui est utilisée pour simuler de grandes quantités de données. Si vous lisez cette phrase, vous serez immédiatement secoué, criant méthode statistique, pourquoi simuler de grandes quantités de données?
Premièrement, pourquoi est-ce qu'on appelle cela une simulation de Monte Carlo?
La simulation de Monte-Carlo est une méthode statistique proposée par les mathématiciens américains Benoit Neumann et Uram et d'autres pour résoudre le problème de la propagation aléatoire des neutrons dans les matières fissionnées lors du développement d'une bombe atomique pendant la Seconde Guerre mondiale.
Deuxièmement, pourquoi: qu'est-ce que la simulation de Monte Carlo et pourquoi est-elle utilisée dans la finance?
Si le prix de clôture de l'action de VANCO était de 10 dollars hier soir, ne voudriez-vous pas savoir le prix de l'action de VANCO dans 100 jours? Je suis sûr que vous voudriez savoir, si vous le saviez, vous n'auriez pas besoin de passer le CFA / FRM. Comment savoir?
Le cours des actions aujourd'hui est égal au cours des actions d'hier + 0.2
Ou si vous me permettez un peu d'être académique, en utilisant une formule, c'est-à-dire que St = St-1 + 0.2, cela signifie que je gagne deux fois plus aujourd'hui qu'hier, je sais le prix de clôture d'hier, je peux connaître le prix de clôture d'aujourd'hui, et je peux trouver le prix de clôture après 100 jours. Mais cette méthode est trop peu fiable, je n'ai pas besoin d'examiner le CFA / FRM, alors je peux acheter des actions de la société, gagner deux fois plus chaque jour.
N'oubliez pas que les actions sautent comme des lapins, donc chaque jour, il y a une surprise, une surprise que nous appelons les fluctuations des prix des actions.
Le prix des actions aujourd'hui est égal au prix des actions d'hier + les fluctuations des actions d'aujourd'hui
Le calcul est St = St-1 + e, et e représente la fluctuation quotidienne du cours des actions, c'est un nombre aléatoire, et le nombre aléatoire est un nombre indéterminé. Maintenant, nous n'avons qu'à utiliser une méthode statistique que nous comprenons le mieux, qui est la méthode de lancement du nombre aléatoire, et je peux aller de l'avant. Par exemple, si je lance le premier nombre aléatoire, e1 = 0.3, alors S1 = 10.3, je vais un peu plus loin, je lance un autre nombre aléatoire e2 = -0.4, S2 = 9.9, et de la même manière, je vais de l'avant et je peux trouver le prix des actions du million de jours plus tard.
Je pense que c'est mon estimation, c'est mon estimation, c'est mon estimation, c'est mon estimation. Donc un chemin qui n'est pas fiable, c'est bien, je fais la même simulation, je fais 100 ou 1000 chemins, par exemple, je fais 1000 chemins, et le 100e jour, je prends un couteau et je trouve que j'ai 1000 données, avec autant de données, le plus simple, je peux faire une moyenne, et cette estimation est relativement fiable. Bien sûr, il y a 1000 données, quoi que ce soit, je peux trouver cette distribution de 1000 données et examiner la qualité de ces données.
Bien sûr, la distribution des nombres aléatoires n'est pas complètement irrégulière, et les simulations de Monte Carlo supposent généralement une distribution des nombres aléatoires en fonction des caractéristiques des données historiques. Par exemple, si nous trouvons que les fluctuations des cours des actions sont conformes à la distribution la plus commune (la distribution normale), nous supposons généralement que e obéit également à la distribution normale, ce qui permet de dire à l'ordinateur comment distribuer les nombres aléatoires.
Troisièmement, pourquoi l'analogie de Monte Carlo est-elle aussi innovante dans la recherche financière?
Le plus grand avantage de la simulation de Monte Carlo est qu'elle rend un problème des sciences sociales comme celui des sciences naturelles. Les sciences naturelles, comme la chimie ou la physique, sont celles qui manquent le plus de temps pour étudier les données, parce que vous pouvez vous enfermer dans un laboratoire, vous pouvez faire bouler cette petite voiture 10 000 fois, vous avez 10 000 données, les changements subtils des variables peuvent être étudiés de manière complète.
Bien sûr, l'analyse ci-dessus montre qu'il y a un avantage à ne pas se limiter aux données historiques, car les données obtenues sont des simulations et non des données historiques réelles, ce qui rend l'analyse plus complète. Par exemple, si vous faites des recherches avec des données historiques uniquement, il est impossible de prédire une crise de prêt secondaire, car elle n'a jamais eu lieu dans l'histoire, mais vous pouvez obtenir beaucoup de données qui n'ont jamais eu lieu dans l'histoire, vous pouvez faire une prédiction plus complète.
Bien sûr, avec l'évolution des technologies de l'information et l'exhaustivité de la division du travail, nous, les analystes financiers, n'avons souvent pas besoin de modéliser nous-mêmes, mais nous avons besoin d'une certaine connaissance des principes du modèle pour savoir dans quelle mesure chaque modèle ne s'applique pas et quels sont les risques qu'il comporte, afin de mieux faire des prévisions pour l'avenir.
Transcrit par le directeur général