[[Финансовая наука] Хотите узнать, как предсказать будущее?

Мы можем видеть моделирование Монте-Карло во многих местах, прогнозируя цены акций, прогнозируя максимальные потери акций, прогнозируя цены структурных облигаций. Что же такое моделирование Монте-Карло?

• #### Модель Монте-Карло

Начнем с того, что моделирование Монте-Карло - это метод статистики, который используется для моделирования большого количества данных. Если вы посмотрите на это прямо, то сразу же отстанете от методов статистики, которые вы называете методами статистики, зачем моделировать большое количество данных?

Во-первых, почему это называется “модель Монте-Карло”?

Модельный метод Монте-Карло - это статистический метод, предложенный американскими математиками Ф. Нойманом и У. Уламом, для решения проблемы случайного распространения нейтронов в процессе разработки атомной бомбы во время Второй мировой войны. Поскольку работа была секретной, метод получил кодовое имя Монте-Карло. Монте-Карло в Монако, который был очень известным в то время городом-кузином, сущность азартных игр заключалась в вычислении вероятности, поэтому метод был назван в честь города-кузины, и его легко запомнить.

Во-вторых, что такое моделирование Монте-Карло и почему оно используется в финансах?

Например, предположим, что вчерашний конечный курс акций Ванко составляет 10 долларов, и вы хотите знать, какой будет цена акций Ванко через 100 дней? Если бы вы знали, то не нужно было бы сдавать экзамен по CFA/FRM.

Сегодняшняя цена акции = вчерашняя цена акции + 0,2

Или позвольте мне быть немного академичным, используйте формулу, St = St-1 + 0.2, это означает, что сегодня я заработал 2 копейки больше, чем вчера, я знаю, что закрытие вчера, чтобы узнать сегодняшнюю закрытую цену, а затем найти закрытую цену через 100 дней. Но эта обратная связь не очень надежная, и вам не нужно сдавать экзамен CFA / FRM, просто купите акции Ванко, чтобы заработать 2 копейки в день.

Не стоит забывать, что акции подпрыгивают, как муравьи, поэтому каждый день мы получаем неожиданные ощущения, которые мы называем колебаниями цен на акции. Я не знаю, насколько сильно цены на акции колеблются каждый день, поэтому они случайны, поэтому вполне естественно, что в этой формуле есть еще один случайный элемент:

Сегодняшняя цена акций = вчерашняя цена акций + сегодняшние колебания цен акций

Математически St = St-1 + e, e означает ежедневные колебания цен на акции, это случайное число, так называемое случайное число - это неопределенное число. Теперь нам нужно использовать только один из наиболее понятных методов статистики, который является методом выброса случайных чисел, и я могу двигаться вперед. Например, первоначальная цена на акции в Университете S0 = 10, если я выброшу первое случайное число, e1 = 0.3, то S1 = 10.3, я сделаю шаг вперед, я выброшу еще одно случайное число e2 = -0.4, S2 = 9.9, по тому же методу, пройдя 100 шагов вперед, можно найти цену на акции в Университете через 100 дней, и таким образом найти путь к 100-дневной колебаниям цен на акции в Университете.

Например, если я смоделирую 1000 маршрутов, то на 100 день я возьму нож и вырежу его, и увижу, что есть 1000 данных, и это такое большое количество данных, и самое простое, что я могу сделать, - это обратиться к среднему значению, и получить оценку стоимости акций миллионов компаний. Конечно, есть 1000 данных, и все, что вы хотите, я могу найти распределение этих 1000 данных, чтобы больше изучить их природу.

Конечно, выброс случайных чисел не является полностью нерегулярным. Обычно в моделировании Монте-Карло сначала необходимо предположить распределение случайных чисел в соответствии с характеристиками исторических данных. Например, если мы обнаружим, что колебания цен на акции соответствуют наиболее распространенному распределению (правильному распределению), то мы предположим, что e также подчиняется нормальному распределению, чтобы сказать компьютеру, как выбросить случайные числа.

Третья причина: почему моделирование Монте-Карло является инновационным в финансовых исследованиях?

Модель Монте-Карло отличается тем, что она превращает социальную науку в естественную науку. В естественных науках, например, в химии, физике, когда нужно больше всего исследовать, нужны данные, потому что вы можете запереть себя в лаборатории, вы можете заставить машину столкнуться 10 000 раз, и у вас будет 10 000 данных, и незначительные изменения могут быть изучены очень широко.

Разумеется, из вышеизложенного анализа мы можем видеть, что он также имеет преимущество в том, что он не ограничивается историческими данными, потому что полученные данные моделируются, а не фактически происходящие в истории данные, таким образом, анализ может быть более полным. Например, если вы используете только исторические данные для исследования, невозможно предсказать, что произойдет кризис в кредитовании, потому что в истории никогда не было, но с помощью моделирования можно получить много исторических данных, которые никогда не происходили, можно сделать более полный прогноз.

Конечно, с развитием информационных технологий и разделения труда, нам, финансовым аналитикам, часто не нужно создавать свои собственные модели, но нам нужно знать принципы моделей, чтобы знать, в каком объеме каждая модель не применима, где она содержит риски, чтобы лучше прогнозировать будущее.

Смотреть онлайн