Monte Carlo-simuleringen er en statistisk metode. Dette brukes til å løse komplekse matematiske problemer gjennom generering av tilfeldige variabler.
Monte Carlo-simuleringen, eller Monte Carlo-metoden, skylder navnet sitt til det berømte kasinoet i fyrstedømmet Monaco. Roulette er det mest berømte kasinospillet og også det enkleste eksemplet på en mekanisme for å generere tilfeldige tall.
Nøkkelen til denne metoden er å forstå begrepet "simulering". Å gjennomføre en simulering består i å gjenta, eller duplisere, egenskapene og oppførselen til et ekte system. Dermed er hovedmålet med Monte Carlo-simuleringen å prøve å etterligne virkemåten til virkelige variabler for å så langt som mulig analysere eller forutsi hvordan de vil utvikle seg.
Gjennom simulering kan de løses fra veldig enkle problemer til svært komplekse problemer. Noen problemer kan løses med penn og papir. Imidlertid krever de fleste bruk av dataprogrammer som Excel, R Studio eller Matlab. Uten disse programmene vil det ta veldig lang tid å løse visse problemer.
Hva brukes Monte Carlo-simuleringen til?
Det viktige er å vite hva denne metoden brukes til. Det vil si spesifikke tilfeller for å forstå viktigheten av metoden.
Klar til å investere i markedene?
En av de største meglerne i verden, eToro, har gjort investering i finansmarkedene mer tilgjengelig. Nå kan alle investere i aksjer eller kjøpe brøkdeler av aksjer med 0% provisjon. Begynn å investere nå med et innskudd på bare $ 200. Husk at det er viktig å trene for å investere, men selvfølgelig i dag kan alle gjøre det.
Kapitalen din er i fare. Andre avgif.webpter kan påløpe. For mer informasjon, besøk stocks.eToro.com
Jeg vil investere med EtoroI økonomi brukes Monte Carlo-simuleringen i både selskaper og investeringer. Å være i investeringsverdenen der den brukes mest.
Noen eksempler på Monte Carlo-simulering i investering er følgende:
- Lag, verdsett og analyser investeringsporteføljer
- Verdsettelse av komplekse finansielle produkter som økonomiske alternativer
- Opprettelse av risikostyringsmodeller
Siden avkastningen på en investering er uforutsigbar, brukes denne typen metoder til å evaluere forskjellige typer scenarier.
Et enkelt eksempel finnes på aksjemarkedet. Bevegelsene til en aksje kan ikke forutsies. De kan estimeres, men det er umulig å gjøre det nøyaktig. Derfor, ved hjelp av Monte Carlo-simuleringen, blir det forsøkt å etterligne oppførselen til en handling eller et sett av dem for å analysere hvordan de kan utvikle seg. Når Monte Carlo-simuleringen er utført, blir et veldig stort antall mulige scenarier hentet ut.
Tilfeldig antallgenerering
Et viktig poeng i å bruke Monte Carlo-simuleringen er genereringen av tilfeldige tall. Hvordan genererer vi tilfeldige tall? Med dataprogrammer. Siden hvis vi brukte en mekanisme som en rulett, kan dette ta oss mange timer.
Hvis vi ønsker å generere 10.000 tilfeldige tall, kan du forestille deg hvor lang tid det vil ta. Dermed brukes dataprogrammer til å generere disse tallene. De betraktes ikke som tilfeldige tall, da de er opprettet av programmet med en formel. Imidlertid er de veldig lik de tilfeldige variablene i virkeligheten. De kalles pseudo-tilfeldige tall. Løst dette problemet, bare en anvendelse av metoden gjenstår å se.
Monte Carlo simuleringseksempel
Anta at vi ønsker å ansette en leder for å gjøre forretninger for oss på aksjemarkedet.
Lederen vi ønsker å ansette, hevder å ha oppnådd 50% lønnsomhet det siste året med en verdipapirkonto på $ 20.000. For å bekrefte at det du sier er sant, ber vi om din reviderte track record. Det vil si registreringen av all din virksomhet som er verifisert av en revisor (for å unngå svindel og falske kontoer). Lederen gir oss all dokumentasjon, og vi fortsetter å vurdere resultatregnskapet.
La oss anta at vi har $ 20.000. Vi introduserer de tilsvarende variablene i dataprogrammet vårt og trekker ut følgende graf:
Med resultatene gitt av lederen vi ønsker å ansette, er det blitt utført 10.000 simuleringer. I tillegg har resultatene blitt anslått i fire år. Det vil si 10 000 forskjellige scenarier for disse resultatene over fire år.
I de aller fleste scenarier genereres en positiv avkastning, men det er liten sannsynlighet for å tape penger. Monte Carlo-simuleringen gir oss en uendelig kombinasjon for å evaluere scenarier som vi ikke er klar over ved første øyekast.