क्या आप जानना चाहते हैं कि भविष्य की भविष्यवाणी कैसे की जाती है?

[अर्थशास्त्र] क्या आप जानना चाहते हैं कि भविष्य की भविष्यवाणी कैसे की जाती है?

हम कई जगहों पर मोंटे कार्लोस सिमुलेशन का चित्र देख सकते हैं, शेयरों की कीमतों का अनुमान लगाते हैं, शेयरों के सबसे बड़े नुकसान का अनुमान लगाते हैं, संरचनात्मक बांडों की कीमतों का अनुमान लगाते हैं। तो मोंटे कार्लोस सिमुलेशन क्या है?

• मोंटे कार्लो सिमुलेशन

  सबसे पहले, मोंटे कार्लो सिमुलेशन एक सांख्यिकीय विधि है जिसका उपयोग बड़े पैमाने पर डेटा का अनुकरण करने के लिए किया जाता है। यदि आप सीधे इस वाक्य को देखते हैं, तो आप सीधे सूख जाते हैं, और कहते हैं कि सांख्यिकीय विधि, आप बड़े पैमाने पर डेटा का अनुकरण क्यों करते हैं?

  पहला कारण: इसे मोंटे कार्लो सिमुलेशन क्यों कहा जाता है?

  मोंटे कार्लो सिमुलेशन द्वितीय विश्व युद्ध के दौरान परमाणु बम के विकास के काम में, फूट पदार्थों के न्यूट्रॉन के यादृच्छिक फैलाव की समस्या को हल करने के लिए, अमेरिकी गणितज्ञों डीनोइमैन और उलाम और अन्य द्वारा प्रस्तावित एक सांख्यिकीय विधि है। क्योंकि उस समय का काम गोपनीय था, इस विधि को मोंटे कार्लो नाम दिया गया था। मोंटे कार्लो मोनाको में, उस समय एक बहुत ही प्रसिद्ध कैसीनो था, और जुआ का सार संभावनाओं की गणना करना था, इसलिए इस विधि को मोंटे कार्लो के नाम से नामित किया गया था, और इसे याद रखना आसान था। यदि यह विधि कुछ साल बाद दिखाई देती है, तो अनुमान है कि इसे लास वेगास सिमुलेशन या मकाओ सिमुलेशन कहा जाएगा।

  दूसरा कारणः मोंटे कार्लोस सिमुलेशन क्या है और इसका उपयोग वित्त में क्यों किया जाता है?

  उदाहरण के लिए, मान लीजिए कि कल रात वानको के शेयरों का समापन मूल्य 10 डॉलर था, क्या आप जानना चाहते हैं कि 100 दिनों के बाद वानको के शेयरों का मूल्य क्या होगा? निश्चित रूप से जानना चाहते हैं, अगर आप जानते हैं, तो आपको CFA / FRM की आवश्यकता नहीं होगी। कैसे पता चलेगा? सबसे सरल विचार, अगर मैं एक प्रक्षेपण सूत्र पा सकता हूंः

  आज के शेयर की कीमत = कल के शेयर की कीमत + 0.2

  या मुझे थोड़ा अकादमिक होने की अनुमति दें, एक सूत्र का उपयोग करें, St = St-1 + 0.2, इसका मतलब है कि आज कल की तुलना में दो गुना अधिक है, मुझे पता है कि कल का समापन मूल्य, आज के समापन मूल्य को जानने के लिए, और फिर 100 दिनों के बाद समापन मूल्य का पता लगाने के लिए। लेकिन यह प्रक्षेपण बहुत ही अविश्वसनीय है, और मुझे CFA / FRM की परीक्षा की आवश्यकता नहीं है, तो मैं वानको के शेयरों को खरीद सकता हूं, हर दिन दो पैसा कमा सकता हूं।

  शेयरों को मत भूलो, वे एक पंक्ति में एक मुर्गा की तरह कूदते हैं, इसलिए हर दिन एक आश्चर्यजनक आश्चर्य होता है, जिसे हम शेयर मूल्य में उतार-चढ़ाव कहते हैं। मुझे नहीं पता कि शेयर मूल्य में दैनिक उतार-चढ़ाव कितना है, इसलिए यह यादृच्छिक है, इसलिए यह सोचने के लिए स्वाभाविक है कि इस प्रक्षेपण में एक यादृच्छिक आइटम होना चाहिएः

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

  गणित में, St = St-1 + e, और e एक दैनिक शेयर मूल्य में उतार-चढ़ाव को दर्शाता है, यह एक यादृच्छिक संख्या है, और यादृच्छिक संख्या का अर्थ है अनिश्चित संख्या। अब हमें केवल सबसे अच्छी तरह से समझने के लिए एक सांख्यिकीय विधि का उपयोग करने की आवश्यकता है, जो यादृच्छिक संख्याओं को जारी करने का तरीका है, और मैं आगे बढ़ सकता हूं। उदाहरण के लिए, यदि मैं पहले यादृच्छिक संख्या S0 = 10 के साथ शुरू करता हूं, तो e1 = 0.3, तो S1 = 10.3, मैं एक कदम आगे बढ़ता हूं, और मैं एक और यादृच्छिक संख्या e2 = -0.4, S2 = 9.9 को जारी करता हूं, और उसी तरीके से आगे बढ़ता हूं, और 100 दिनों के बाद, 100 मिलियन शेयरों का मूल्य मिल सकता है, और यह 100 मिलियन दिनों के शेयरों के आंदोलन का एक अच्छा तरीका है। क्या यह अंतराल नहीं है?

  यहाँ तक पहुँचने के लिए, आप निश्चित रूप से जानते हैं, केवल एक संभावित परिणाम का अनुकरण करना बहुत ही अविश्वसनीय है, मैं 100 दिनों के बाद वानको के शेयरों की कीमतों को बेतरतीब ढंग से प्राप्त करने के लिए एक यादृच्छिक संख्या का उपयोग कर रहा हूं, और मुझे लगता है कि यह मेरा अनुमान है, और मेरा अनुमान बहुत यादृच्छिक है। तो एक पथ अविश्वसनीय है, यह बहुत अच्छा है, मैं उसी विधि का उपयोग करके 100 और 1000 मार्गों का अनुकरण करता हूं, जैसे कि मैंने 1000 मार्गों का अनुकरण किया, और फिर जब मैं 100 वें दिन को उठाता हूं, तो एक चाकू काटता हूं, और मुझे पता चलता है कि 1000 डेटा हैं, इतने सारे डेटा हैं, सबसे सरल तरीका है, मैं एक औसत प्राप्त कर सकता हूं, इसलिए यह अनुमान लगाया गया है कि वानको के शेयरों की कीमतें अपेक्षाकृत विश्वसनीय हैं। बेशक, 1000 डेटा हैं, आप सोच सकते हैं, मैं 1000 डेटा वितरण का पता लगा सकता हूं और इस तरह के डेटा की गुणवत्ता का अध्ययन कर सकता हूं।

  निश्चित रूप से, यादृच्छिक संख्याओं का प्रक्षेपण पूरी तरह से अनियमित नहीं है, आमतौर पर मोंटे कार्लोस सिमुलेशन में यादृच्छिक संख्याओं के वितरण को ऐतिहासिक आंकड़ों की विशेषताओं के आधार पर माना जाता है। उदाहरण के लिए, यदि हम स्टॉक की कीमतों में उतार-चढ़ाव को सबसे आम वितरण (सामान्य वितरण) के अनुरूप पाते हैं, तो हम आमतौर पर यह मानते हैं कि e भी सामान्य वितरण का पालन करता है, ताकि कंप्यूटर को बताया जा सके कि यादृच्छिक संख्याओं का प्रक्षेपण कैसे किया जाए।

  तीसरा कारणः मोंटे कार्लोस एनालिटिक्स वित्तीय अनुसंधान में एक नवाचार क्यों है?

  मोंटे कार्लोस सिमुलेशन का सबसे अच्छा हिस्सा यह है कि यह एक सामाजिक विज्ञान समस्या को प्राकृतिक विज्ञान की तरह बनाता है। प्राकृतिक विज्ञान, जैसे कि रसायन विज्ञान, या भौतिकी, सबसे अधिक अध्ययन करने के लिए डेटा की आवश्यकता होती है, क्योंकि आप अपने आप को एक प्रयोगशाला में बंद कर सकते हैं, और आप उस ट्रक को 10,000 बार टक्कर देते हैं, आपके पास 10,000 डेटा हैं, और चर में सबसे छोटे परिवर्तनों का अध्ययन किया जा सकता है। लेकिन वित्तीय सामाजिक विज्ञान के लिए कोई तरीका नहीं है, यह 100 दिनों के लिए 100 डेटा है, और 100 दिनों के बाद, यह फिर से नहीं चल सकता है, क्योंकि समय फिर से नहीं चल सकता है। इसलिए वित्तीय बाजारों का अध्ययन करते समय, डेटा की मात्रा, छोटे नमूने सबसे बड़ी समस्या है, लेकिन मोंटे कार्लोस सिमुलेशन इस समस्या को हल कर सकता है, आप 1,000 पथों पर चलते हैं, 1,000 डेटा हैं, 10,000 पथों पर चलते हैं, 10,000 डेटा हैं, और यह बहुत अधिक है, जैसा कि आप एक प्रयोगशाला में करते 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 इससे प्राप्त होने वाले डेटा का अनुकरण किया जाता है, न कि ऐतिहासिक वास्तविकता का डेटा, ताकि विश्लेषण अधिक व्यापक हो सके। उदाहरण के लिए, यदि आप केवल ऐतिहासिक डेटा का उपयोग करके अध्ययन करते हैं, तो यह अनुमान लगाना असंभव है कि कोई ऋण संकट होगा, क्योंकि यह इतिहास में कभी नहीं हुआ है, लेकिन अनुकरण के तरीके से आप बहुत सारे डेटा प्राप्त कर सकते हैं जो इतिहास में नहीं हुए हैं, और एक अधिक व्यापक भविष्यवाणी कर सकते हैं।

  यह मोंटे कार्लोस सिमुलेशन के बारे में हमारा परिचय है, बेशक सूचना प्रौद्योगिकी के विकास और कार्य विभाजन की व्यापकता के साथ, हम वित्तीय विश्लेषकों को अक्सर अपने स्वयं के मॉडलिंग की आवश्यकता नहीं होती है, लेकिन मॉडल के सिद्धांतों के बारे में कुछ ज्ञान की आवश्यकता होती है ताकि हम यह जान सकें कि प्रत्येक मॉडल का उपयोग कहां नहीं किया जा सकता है, इसके जोखिम कहां हैं, ताकि भविष्य के बारे में बेहतर भविष्यवाणी की जा सके।

रिलायंस के द्वारा अनुप्रेषित