meghatározás: a Monte Carlo szimuláció egy matematikai technika, amely véletlenszerű változókat generál egy bizonyos rendszer kockázatának vagy bizonytalanságának modellezésére.
a véletlen változókat vagy bemeneteket a valószínűségi eloszlások alapján modellezzük, mint pl normál, log normalstb. Különböző iterációkat vagy szimulációkat futtatnak az útvonalak létrehozásához, és az eredmény megfelelő numerikus számításokkal érhető el.
a Monte Carlo szimuláció a legtartósabb módszer, amelyet akkor alkalmaznak, ha egy modellnek bizonytalan paraméterei vannak, vagy dinamikus komplex rendszert kell elemezni. Ez egy valószínűségi módszer a kockázat modellezésére egy rendszerben.
a módszert széles körben használják olyan területeken, mint a fizikai tudomány, a számítási biológia, a statisztika, a mesterséges intelligencia és a kvantitatív finanszírozás. Fontos megjegyezni, hogy a Monte Carlo szimuláció valószínűségi becslést ad a modell bizonytalanságáról. Soha nem determinisztikus. Azonban, mivel a bizonytalanság vagy kockázat beleivódott a rendszer, ez egy hasznos eszköz közelítése ingatlan.
Leírás: A Monte Carlo szimulációs technikát a második világháború alatt vezették be.ma széles körben használják bizonytalan helyzetek modellezésére.
bár rengeteg információ áll rendelkezésünkre, nehéz megjósolni a jövőt abszolút pontossággal. Ez annak a dinamikus tényezőnek tulajdonítható, amely befolyásolhatja a cselekvés kimenetelét. A Monte Carlo szimuláció lehetővé teszi számunkra, hogy meglássuk egy döntés lehetséges kimenetelét, amely ezáltal segíthet abban, hogy jobb döntéseket hozzunk bizonytalanság mellett. Az eredményekkel együtt lehetővé teheti a döntéshozó számára az eredmények valószínűségének megtekintését is.
a Monte Carlo szimuláció valószínűségi eloszlást használ sztochasztikus vagy véletlen változó modellezésére. Különböző valószínűségi eloszlásokat használnak a bemeneti változók modellezéséhez, mint például a normál, lognormális, egyenletes és háromszög. A bemeneti változó valószínűségi eloszlásából különböző kimenetelű utak keletkeznek.
a determinisztikus elemzéshez képest a Monte Carlo módszer kiváló szimulációt nyújt a kockázatról. Ez ad egy ötlet nem csak, hogy milyen eredmény várható, hanem a valószínűsége, hogy az eredmény. Lehetséges a korrelált bemeneti változók modellezése is.
például a Monte Carlo szimuláció használható a Portfólió kockázatnak kitett értékének kiszámításához. Ez a módszer megpróbálja megjósolni a portfóliótól elvárt legrosszabb hozamot, adott konfidencia intervallumot egy meghatározott időszakra.
általában úgy gondolják, hogy a részvényárak Geometriai Brown-mozgást (GMB) követnek, ami egy Markov-folyamat, ami azt jelenti, hogy egy bizonyos Állapot Véletlenszerű sétát követ, és jövőbeli értéke az aktuális értéktől függ.
a geometriai Brown-mozgás általános formája:
?S / s=ons?t + sev?t
az egyenlet első kifejezését sodródásnak, a második pedig sokknak nevezzük. Ez azt jelenti, hogy a részvényárfolyam a várt hozammal sodródik. A sokk a szórás és a véletlenszerű sokk eredménye. A modell alapján egy Monte Carlo szimulációt futtatunk a szimulált részvényárak útvonalainak létrehozására. Az eredmény alapján kiszámolhatjuk az állomány kockázati értékét (VAR). A portfolió sok eszköz, tudjuk generálni Korrelált eszközárak segítségével Monte Carlo szimuláció.