[[वित्तशास्त्र] भविष्य की भविष्यवाणी कैसे करें? मोंटे कार्लो सिमुलेशन के बारे में आपको क्या जानना चाहिए

हम कई जगहों पर मोंटे कार्लो सिमुलेशन देख सकते हैं, स्टॉक की कीमतों की भविष्यवाणी, स्टॉक के अधिकतम नुकसान की भविष्यवाणी, संरचनात्मक बॉन्ड की कीमतों की भविष्यवाणी। तो मोंटे कार्लो सिमुलेशन क्या है? मोंटे कार्लो सिमुलेशन का सबसे अच्छा स्थान कहाँ है?

• मोंटे कार्लो अनुकरण

  सबसे पहले, मोंटे कार्लो सिमुलेशन एक सांख्यिकीय पद्धति है, जो बड़ी मात्रा में डेटा को सिमुलेट करने के लिए है। यदि आप सीधे इस वाक्य को देखते हैं, तो आप सीधे सांख्यिकीय पद्धति को रोक देंगे, क्योंकि आप बड़ी मात्रा में डेटा को सिमुलेट करना चाहते हैं। इसलिए, एक अपरिचित समस्या को समझने का पहला कदम यह पूछना है कि क्यों, जो सभी की सोचने की आदतों के अनुरूप है, और हम आपको कुछ कारणों के बारे में बताएंगे।

  पहला, क्योंः इसे मोंटे कार्लो सिमुलेशन क्यों कहा जाता है?

  मोंटे कार्लो सिमुलेशन द्वितीय विश्व युद्ध के दौरान, परमाणु बम के विकास के काम में, न्यूट्रॉन के यादृच्छिक फैलाव की समस्या को हल करने के लिए, अमेरिकी गणितज्ञ नोएमन और उलम आदि द्वारा प्रस्तावित एक सांख्यिकीय विधि है। इस विधि को मोंटे कार्लो नाम दिया गया था क्योंकि उस समय काम गोपनीय था। मोंटे कार्लो मोनाको में, उस समय एक बहुत प्रसिद्ध जुआ शहर था, जुआ की प्रकृति संभावना है, इसलिए इस विधि को जुआ शहर का नाम दिया गया था, और इसे याद रखना आसान था। यदि यह सिमुलेशन विधि कुछ और वर्षों बाद दिखाई देती है, तो यह अनुमान है कि इसे लास वेगास सिमुलेशन जुआ या मकाओ सिमुलेशन जुआ कहा जाएगा।

  दूसरा कारण: मोंटे कार्लो सिमुलेशन क्या है और यह वित्त में क्यों प्रयोग किया जाता है?

  एक उदाहरण के लिए, मान लीजिए कि कल रात वैंको के शेयरों का समापन मूल्य 10 डॉलर था, तो क्या आप जानना चाहेंगे कि 100 दिन बाद वैंको के शेयरों का मूल्य क्या होगा? निश्चित रूप से जानना चाहते हैं, और अगर आप जानते हैं, तो आपको सीएफए / एफआरएम की परीक्षा की आवश्यकता नहीं होगी। यह कैसे पता चलेगा? सबसे सरल विचार, अगर मुझे एक रेसिपी मिल जाएः

  आज का शेयर मूल्य = कल का शेयर मूल्य + 0.2

  या मुझे थोड़ा सा शैक्षिक होने की अनुमति दें, एक छोटे से सूत्र का उपयोग करें, अर्थात्, St = St-1 + 0.2, यह दर्शाता है कि आज कल की तुलना में दो क्विंटल कमाते हैं, मुझे पता है कि कल का समापन मूल्य, आज के समापन मूल्य को जान सकता है, और फिर 100 दिनों के बाद समापन मूल्य पा सकता है। लेकिन यह पुनरावृत्ति बहुत विश्वसनीय नहीं है, आपको सीएफए / एफआरएम की परीक्षा लेने की आवश्यकता नहीं है, बस वैंको स्टॉक खरीदें, हर दिन दो क्विंटल कमाते हैं।

  शेयरों के बारे में मत भूलना, क्योंकि वे एक-दूसरे के ऊपर-नीचे उछलते हैं, जैसे चूहे, इसलिए हर दिन एक और आश्चर्य होता है, जिसे हम शेयरों की कीमतों में उतार-चढ़ाव कहते हैं। शेयरों की कीमतों में हर दिन कितना उतार-चढ़ाव होता है, मुझे नहीं पता, इसलिए यह यादृच्छिक है, इसलिए यह बहुत स्वाभाविक है कि इस क्रम में एक और यादृच्छिक तत्व है:

  आज का शेयर मूल्य = कल का शेयर मूल्य + आज का शेयर मूल्य उतार-चढ़ाव

  गणितीय रूप से, St = St-1 + e, e प्रति दिन शेयर की कीमतों में उतार-चढ़ाव को दर्शाता है, यह एक यादृच्छिक संख्या है, यादृच्छिक संख्या एक अनिश्चित संख्या है। अब हम केवल सबसे अच्छी तरह से समझने के लिए एक सांख्यिकीय विधि का उपयोग करने की जरूरत है, यादृच्छिक संख्या का प्रक्षेपण है, और मैं आगे जा सकते हैं। उदाहरण के लिए, पहले यूनिवर्स के शेयर की कीमत S0 = 10, अगर मैं इस समय पहले यादृच्छिक संख्या प्रक्षेपण, e1 = 0.3, तो S1 = 10.3, मैं एक कदम आगे जाना, मैं एक और यादृच्छिक संख्या प्रक्षेपण e2 = -0.4, S2 = 9.9, उसी तरीके से, 100 कदम आगे जाना, 100 दिनों के बाद यूनिवर्स के शेयर की कीमतों को खोजने के लिए, तो 100 दिनों के बाद यूनिवर्स के शेयर की कीमतों में उतार-चढ़ाव का एक मार्ग मिल गया है। यह अच्छा है, 100 दिनों के बाद यूनिवर्स के शेयरों की कीमतों में उतार-चढ़ाव का एक मार्ग नहीं है। मैं केवल इस मार्ग का अनुमान लगा सकता हूं? जाहिर है

  यहाँ आकर, आप जानते हैं, केवल एक संभावित परिणाम का अनुकरण करना बहुत ही अविश्वसनीय है, मैंने यादृच्छिक संख्याओं को भेजने के तरीके से यादृच्छिक रूप से 100 दिनों के बाद वानको के शेयरों का मूल्य पाया, मुझे लगता है कि यह मेरा अनुमान है, मेरा अनुमान भी बहुत यादृच्छिक है। तो एक पथ अविश्वसनीय है, तो ठीक है, मैं उसी तरीके से 100 या 1000 पथों का अनुकरण करता हूं, जैसे कि मैंने 1,000 पथों का अनुकरण किया है, तो मैं 100 वें दिन में, चाकू से कटौती करता हूं, तो मुझे 1000 डेटा मिलेंगे, इतना डेटा है, सबसे सरल, मैं औसत प्राप्त कर सकता हूं, इसलिए अनुमानित वानको के शेयरों का मूल्य अपेक्षाकृत विश्वसनीय है। बेशक 1000 डेटा है, आप जो चाहें कर सकते हैं, मैं इस तरह के 1000 डेटा का वितरण पा सकता हूं, और अधिक गुणवत्ता की जांच कर सकते हैं। इस तरह के अनुकरण के लिए आगे बढ़ें, इस तरह के अनुकरण के उद्देश्य से बहुत सारे डेटा प्राप्त करने के लिए एक मार्ग मोंट्रो कार्टा है।

  निश्चित रूप से यादृच्छिक संख्याओं का प्रक्षेपण पूरी तरह से अनियमित नहीं है, आमतौर पर मोंटे कार्लो सिमुलेशन में ऐतिहासिक डेटा की विशेषताओं के आधार पर यादृच्छिक संख्याओं का अनुमान लगाया जाता है। उदाहरण के लिए, यदि हम पाते हैं कि शेयरों की कीमतों में उतार-चढ़ाव सबसे आम वितरण के अनुरूप है (नॉर्मल वितरण), तो हम आमतौर पर मान लेते हैं कि e भी एक सामान्य वितरण का पालन करता है, ताकि कंप्यूटर को यह बताया जा सके कि यादृच्छिक संख्याओं को कैसे प्रक्षेपित किया जाए।

  तीसरा कारणः मोंटे कार्लो सिमुलेशन वित्तीय अनुसंधान में एक नवाचार क्यों है?

  मोंटे कार्लो सिमुलेशन की सबसे बड़ी बात यह है कि यह एक सामाजिक विज्ञान की समस्या को प्राकृतिक विज्ञान की तरह बदल देता है। प्राकृतिक विज्ञान, जैसे कि रसायन विज्ञान, भौतिकी, जब सबसे ज्यादा अध्ययन किया जाता है तो सबसे कम डेटा होता है, क्योंकि आप अपने आप को प्रयोगशाला में बंद कर सकते हैं, आप उस छोटी गाड़ी को 10,000 बार टक्कर मारते हैं, आपके पास 10,000 डेटा होते हैं, और छोटे-छोटे परिवर्तनों का अध्ययन बहुत व्यापक रूप से किया जा सकता है। लेकिन वित्त के इस सामाजिक विज्ञान का कोई प्रयोग नहीं है, यह 100 दिन बीत जाते हैं, तो केवल 100 डेटा होते हैं, और 100 दिन बीत जाते हैं तो आप फिर से नहीं जा सकते, क्योंकि समय फिर से करने का कोई तरीका नहीं है। इसलिए जब वित्तीय बाजारों का अध्ययन किया जाता है, तो डेटा की मात्रा छोटी होती है, नमूने छोटे होते हैं, लेकिन मोंटे कार्लो सिमुलेशन इस समस्या को हल करता है, आप 1000 पथों से 1000 डेटा ले सकते हैं, 10,000 पथों से 10,000 डेटा ले सकते हैं, जैसे कि आप इसे प्रयोगशाला में बंद कर सकते हैं, और आप बहुत सारे डेटा प्राप्त कर सकते हैं।

  बेशक, उपरोक्त विश्लेषण से हम यह भी देख सकते हैं कि इसका एक और लाभ यह है कि यह ऐतिहासिक डेटा तक सीमित नहीं है, क्योंकि यह डेटा प्राप्त करता है जो कि वास्तविक इतिहास में हुआ है, इसलिए विश्लेषण अधिक व्यापक हो सकता है। उदाहरण के लिए, यदि आप केवल ऐतिहासिक डेटा का उपयोग करके शोध करते हैं, तो यह भविष्यवाणी करना असंभव है कि एक ऋण संकट होगा, क्योंकि इतिहास में कभी नहीं हुआ है, लेकिन सिमुलेशन का उपयोग करके आप बहुत सारे डेटा प्राप्त कर सकते हैं जो इतिहास में कभी नहीं हुआ है, और एक अधिक व्यापक भविष्यवाणी कर सकते हैं।

  यह हमारे मोंटे कार्लो सिमुलेशन के बारे में है, और निश्चित रूप से सूचना प्रौद्योगिकी के विकास और काम की विभाजन के साथ, हम वित्तीय विश्लेषकों को अक्सर खुद को मॉडल बनाने की आवश्यकता नहीं होती है, लेकिन मॉडल के सिद्धांतों के बारे में कुछ ज्ञान की आवश्यकता होती है, ताकि हम जान सकें कि प्रत्येक मॉडल किस हद तक लागू नहीं होता है, इसके जोखिम कहां हैं ताकि भविष्य के बारे में बेहतर भविष्यवाणी की जा सके।

"अभी तक, मैंने कभी नहीं सोचा था कि मैं इसे देख सकता हूं।