정의:몬테 카를로 시뮬레이션은 특정 시스템의 위험 또는 불확실성을 모델링하기 위해 확률 변수를 생성하는 수학적 기법입니다.
확률 변수 또는 입력은 정규,로그 정규 등과 같은 확률 분포를 기반으로 모델링됩니다. 경로를 생성하기 위해 다른 반복 또는 시뮬레이션이 실행되고 적절한 수치 계산을 사용하여 결과가 도착합니다.
몬테 카를로 시뮬레이션은 모델에 불확실한 매개 변수가 있거나 동적 복잡한 시스템을 분석해야 할 때 사용되는 가장 안정적인 방법입니다. 이 시스템의 위험을 모델링하기위한 확률 적 방법이다.
이 방법은 물리 과학,전산 생물학,통계,인공 지능 및 양적 금융과 같은 다양한 분야에서 광범위하게 사용됩니다. 몬테 카를로 시뮬레이션은 모델의 불확실성에 대한 확률 론적 추정치를 제공한다는 점에 유의하는 것이 적절합니다. 그것은 결코 결정적이지 않습니다. 그러나 시스템에 배어 든 불확실성이나 위험을 감안할 때 부동산의 근사치에 유용한 도구입니다.
기술:몬테 카를로 시뮬레이션 기술은 제 2 차 세계 대전 중에 도입되었습니다.오늘날 불확실한 상황을 모델링하는 데 광범위하게 사용됩니다.
우리는 많은 정보를 가지고 있지만,절대적인 정확성과 정확성으로 미래를 예측하기는 어렵다. 이는 행동 과정의 결과에 영향을 줄 수있는 동적 요인에 기인 할 수 있습니다. 몬테카를로 시뮬레이션을 통해 결정의 가능한 결과를 볼 수 있으므로 불확실성 하에서 더 나은 결정을 내리는 데 도움이 될 수 있습니다. 결과와 함께,그것은 또한 의사 결정자가 결과의 확률을 볼 수 있습니다.
몬테카를로 시뮬레이션은 확률 또는 확률 변수를 모델링하기 위해 확률 분포를 사용합니다. 정규,로그 정규,균일 및 삼각형과 같은 입력 변수를 모델링하는 데 다른 확률 분포가 사용됩니다. 입력 변수의 확률 분포에서 결과의 다른 경로가 생성됩니다.
결정 론적 분석에 비해 몬테카를로 방법은 위험의 우수한 시뮬레이션을 제공합니다. 그것은 뿐만 아니라 어떤 결과 기대 하지만 또한 그 결과의 발생 확률의 아이디어를 제공 합니다. 또한 상관된 입력 변수를 모델링할 수도 있습니다.
예를 들어,몬테카를로 시뮬레이션을 사용하여 포트폴리오의 위험에 처한 값을 계산할 수 있습니다. 이 방법은 지정된 기간 동안 특정 신뢰 구간이 주어지면 포트폴리오에서 예상되는 최악의 수익을 예측하려고합니다.
일반적으로 주가는 마르코프 과정인 기하학적 브라운 운동을 따르는 것으로 추정되는데,이는 특정 주가 임의의 도보를 따르고 그 미래 가치는 현재 가치에 의존한다는 것을 의미한다.
기하학적 브라운 운동의 일반화 된 형태는:
?이 문제를 해결하는 데 도움이되는 몇 가지 방법이 있습니다.티+세브?티
방정식의 첫 번째 항은 드리프트라고하고 두 번째 항은 충격입니다. 즉,주가가 예상 수익률에 의해 표류 할 것입니다. 충격은 표준 편차 및 무작위 충격의 산물입니다. 이 모델을 기반으로 몬테카를로 시뮬레이션을 실행하여 시뮬레이션 된 주가 경로를 생성합니다. 결과를 바탕으로,우리는 위험에 값을 계산할 수 있습니다(바르)주식의. 많은 자산의 포트폴리오에 대해 몬테카를로 시뮬레이션을 사용하여 상관 관계가있는 자산 가격을 생성 할 수 있습니다.