Kita boleh melihat model Monte Carlo di banyak tempat, meramalkan harga saham, meramalkan kerugian terbesar saham, meramalkan harga bon struktural.
Pertama, simulasi Monte Carlo adalah satu kaedah statistik yang digunakan untuk mensimulasikan sejumlah besar data. Jika anda melihat ayat ini secara langsung, anda akan langsung tersedak, menjerit kaedah statistik, mengapa mensimulasikan sejumlah besar data?
Pertama, mengapa ia dipanggil simulasi Monte Carlo?
Simulasi Monte Carlo adalah satu kaedah statistik yang dikemukakan oleh ahli matematik Amerika Syarikat, Donoyman dan Ulam dan lain-lain untuk menyelesaikan masalah penyebaran netron secara rawak dalam kerja-kerja pembangunan bom atom semasa Perang Dunia II. Oleh kerana kerja-kerja ketika itu adalah rahsia, kaedah ini diberi nama Monte Carlo. Monte Carlo di Monaco, sebuah bandar yang sangat terkenal pada masa itu, adalah bandar yang sangat terkenal, dan sifat perjudian adalah perhitungan kebarangkalian, jadi ia dinamakan dengan nama bandar tersebut, dan juga mudah diingat.
Kedua, mengapa: Apakah sebenarnya simulasi Monte Carlo dan mengapa ia digunakan dalam kewangan?
Jika harga penutupan saham Wanco semalam adalah 10 ringgit, adakah anda ingin tahu harga saham Wanco 100 hari kemudian? Pasti ingin tahu, jika anda tahu, anda tidak perlu mengambil peperiksaan CFA / FRM. Bagaimana anda tahu?
Harga saham hari ini = harga saham semalam + 0.2
Atau jika anda membenarkan saya sedikit akademik, menggunakan satu rumus, iaitu St = St-1 + 0.2, ini bermakna hari ini lebih banyak daripada semalam, saya tahu harga penutupan semalam, maka saya dapat mengetahui harga penutupan hari ini, dan kemudian saya dapat mencari harga penutupan 100 hari kemudian.
Jangan lupa bahawa saham melonjak seperti kelinci, jadi setiap hari akan ada satu kejutan yang mengejutkan, yang kita sebut sebagai turun naik harga saham. Saya tidak tahu berapa banyak turun naik harga saham setiap hari, jadi ia adalah rawak, jadi wajar untuk memikirkan bahawa terdapat juga satu perkara rawak dalam bentuk penghantaran ini:
Harga saham hari ini = harga saham semalam + turun naik harga saham hari ini
Dalam matematiknya, St = St-1 + e, dan e mewakili turun naik harga saham setiap hari, ia adalah nombor rawak, yang dipanggil nombor rawak adalah nilai yang tidak pasti. Sekarang kita hanya perlu menggunakan satu kaedah statistik yang paling baik untuk memahami, iaitu cara melancarkan nombor rawak, dan saya boleh bergerak ke hadapan. Sebagai contoh, jika saya melancarkan nombor rawak pertama pada masa ini, e1 = 0.3, maka S1 = 10.3, saya akan bergerak ke hadapan satu langkah, saya melancarkan nombor rawak lain e2 = -0.4, S2 = 9.9, dengan cara yang sama, melangkah ke hadapan, anda boleh mencari harga saham juta selepas 100 hari, dan itu adalah satu jalan yang baik untuk mencari pergerakan saham 100 hari ini.
Jadi, satu laluan yang tidak boleh dipercayai, itu bagus, saya menggunakan kaedah yang sama untuk membuat 100 laluan, 1000 laluan, contohnya, saya membuat 1000 laluan, maka pada hari ke-100, saya mengambil pisau, dan saya akan mendapati bahawa terdapat 1000 data, dengan jumlah data yang banyak, yang paling mudah, saya boleh membuat purata, jadi anggaran harga saham Vancouvert adalah agak dipercayai. Sudah tentu terdapat 1000 data, apa yang anda mahu lakukan, saya boleh mencari pembahagian 1000 data ini, anda boleh melihat sifat data ini.
Sudah tentu, pembebasan bilangan rawak juga tidak sepenuhnya tidak teratur, biasanya simulasi Monte Carlo mengandaikan pembahagian nombor rawak berdasarkan ciri data sejarah. Sebagai contoh, kita mendapati bahawa turun naik harga saham masih sesuai dengan pembahagian yang paling biasa (pembagian normal), maka kita biasanya mengandaikan e juga mematuhi pembahagian normal, sehingga memberitahu komputer bagaimana untuk mengeluarkan nombor rawak.
Ketiga, mengapa simulasi Monte Carlo adalah satu inovasi dalam penyelidikan kewangan?
Satu perkara yang paling hebat dalam simulasi Monte Carlo ialah ia menjadikan masalah sains sosial seperti sains semula jadi. Sains semula jadi, seperti kimia, fizik, yang paling diperlukan untuk kajian adalah data, kerana anda boleh mengunci diri anda di dalam makmal, anda membuat kereta kecil itu tergelincir 10,000 kali, anda mempunyai 10,000 data, perubahan kecil dalam pembolehubah boleh dikaji secara menyeluruh. Tetapi sains sosial kewangan tidak dapat melakukan eksperimen, dan 100 hari berlalu, dan hanya 100 data, dan 100 hari berlalu, dan tidak mungkin untuk berjalan lagi, kerana masa tidak dapat berulang.
Sudah tentu, dari analisis di atas, kita juga dapat melihat bahawa ia mempunyai kelebihan lain yang tidak terhad kepada data sejarah, kerana ia mendapat data yang dimodelkan, bukan data sejarah yang sebenarnya berlaku, sehingga analisis dapat lebih menyeluruh. Sebagai contoh, jika anda melakukan kajian hanya dengan data sejarah, adalah mustahil untuk meramalkan krisis pinjaman sekunder akan berlaku, kerana sejarah tidak pernah berlaku, tetapi dengan kaedah analog, anda boleh mendapatkan banyak data yang tidak pernah berlaku dalam sejarah, yang boleh membuat ramalan yang lebih menyeluruh.
Ini adalah perkenalan kita kepada model Monte Carlo, tentu saja dengan perkembangan teknologi maklumat dan penyebaran kerja, kita penganalisis kewangan sering tidak perlu membuat model sendiri, tetapi kita masih memerlukan pengetahuan mengenai prinsip-prinsip model untuk mengetahui tahap tidak sesuai setiap model, di mana risiko yang terkandung, untuk membuat ramalan masa depan yang lebih baik.
Dibaharui oleh: