Definisjon: Monte Carlo Simulering er en matematisk teknikk som genererer tilfeldige variabler for modellering av risiko eller usikkerhet for et bestemt system.
de tilfeldige variablene eller inngangene er modellert på grunnlag av sannsynlighetsfordelinger som normal, log normal, etc. Ulike iterasjoner eller simuleringer kjøres for å generere baner og utfallet er ankommet ved hjelp av egnede numeriske beregninger.
Monte Carlo-Simulering er den mest holdbare Metoden som brukes når en modell har usikre parametere eller et dynamisk komplekst system må analyseres. Det er en probabilistisk metode for modellering av risiko i et system.
metoden brukes mye i en rekke felt som fysisk vitenskap, beregningsbiologi, statistikk, kunstig intelligens og kvantitativ finans. Det er viktig å merke Seg At Monte Carlo-Simulering gir et probabilistisk estimat av usikkerheten i en modell. Det er aldri deterministisk. Men gitt usikkerhet eller risiko inngrodd i et system, er det et nyttig verktøy for tilnærming av realty.
Beskrivelse: Monte Carlo Simuleringsteknikk ble introdusert under Andre Verdenskrig. I Dag brukes Den mye for modellering av usikre situasjoner.
Selv om vi har et vell av informasjon til rådighet, er det vanskelig å forutsi fremtiden med absolutt presisjon og nøyaktighet. Dette kan tilskrives de dynamiske faktorene som kan påvirke utfallet av et handlingsforløp. Monte Carlo-Simulering gjør oss i stand til å se mulige utfall av en beslutning, noe som dermed kan hjelpe oss med å ta bedre beslutninger under usikkerhet. Sammen med resultatene kan det også gjøre det mulig for beslutningstakeren å se sannsynlighetene for utfall.
Monte Carlo Simulering bruker sannsynlighetsfordeling for modellering av en stokastisk eller en tilfeldig variabel. Ulike sannsynlighetsfordelinger brukes til modellering av inngangsvariabler som normal, lognormal, uniform og trekantet. Fra sannsynlighetsfordeling av inngangsvariabel genereres forskjellige baner av utfall.
Sammenlignet Med Deterministisk analyse, Gir Monte Carlo-metoden en overlegen simulering av risiko. Det gir en ide om ikke bare hvilket utfall du kan forvente, men også sannsynligheten for forekomst av det resultatet. Det er også mulig å modellere korrelerte inngangsvariabler.
For Eksempel Kan Monte Carlo-Simulering brukes til å beregne verdien som er utsatt for en portefølje. Denne metoden forsøker å forutsi den verste avkastningen som forventes fra en portefølje, gitt et bestemt konfidensintervall for en bestemt tidsperiode.
Normalt antas aksjekursene å følge En Geometrisk Brunisk bevegelse (GMB), som Er En Markov-prosess, noe som betyr at en viss tilstand følger en tilfeldig tur og dens fremtidige verdi er avhengig av dagens verdi.
den generaliserte formen av Den Geometriske Bruniske bevegelsen er:
?S / S=µ?t + sev?t
den første termen i ligningen kalles drift og den andre er sjokk. Dette betyr at aksjekursen kommer til å drive med forventet avkastning. Sjokk er et produkt av standardavvik og tilfeldig sjokk. Basert på modellen kjører Vi En Monte Carlo-Simulering for å generere baner med simulerte aksjekurser. Basert på utfallet kan vi beregne verdien I Risiko (Var) av aksjen. For en portefølje av mange eiendeler kan vi generere korrelerte formuespriser ved Hjelp Av Monte Carlo-Simulering.