Monte Carlo-simuleringen är en statistisk metod. Detta används för att lösa komplexa matematiska problem genom generering av slumpmässiga variabler.
Monte Carlo-simuleringen, eller Monte Carlo-metoden, har sitt namn till det berömda kasinot i Furstendömet Monaco. Roulette är det mest kända kasinospelet och också det enklaste exemplet på en mekanism för att generera slumptal.
Nyckeln till denna metod är att förstå termen "simulering". Genomföra en simulering består av att upprepa eller duplicera egenskaperna och beteenden hos ett riktigt system. Således är huvudmålet med Monte Carlo-simuleringen att försöka imitera beteendet hos verkliga variabler för att så långt det är möjligt analysera eller förutsäga hur de kommer att utvecklas.
Genom simulering kan de lösas från mycket enkla problem till mycket komplexa problem. Vissa problem kan lösas med penna och papper. De flesta kräver dock användning av datorprogram som Excel, R Studio eller Matlab. Utan dessa program skulle det ta mycket lång tid att lösa vissa problem.
Vad används Monte Carlo-simuleringen till?
Det viktiga är att veta vad denna metod används för. Det vill säga specifika fall för att förstå betydelsen av metoden.
Redo att investera på marknaderna?
En av de största mäklarna i världen, eToro, har gjort investeringen på de finansiella marknaderna mer tillgänglig. Nu kan vem som helst investera i aktier eller köpa fraktioner av aktier med 0% provision. Börja investera nu med en insättning på bara 200 dollar. Kom ihåg att det är viktigt att träna för att investera, men naturligtvis idag kan vem som helst göra det.
Ditt kapital är i fara. Andra avgif.webpter kan tillkomma. För mer information, besök stocks.eToro.com
Jag vill investera med EtoroI ekonomi används Monte Carlo-simuleringen i både företag och investeringar. Att vara i investeringsvärlden där den används mest.
Några exempel på Monte Carlo-simulering i investeringar är följande:
- Skapa, värdera och analysera investeringsportföljer
- Värdering av komplexa finansiella produkter som ekonomiska alternativ
- Skapande av riskhanteringsmodeller
Eftersom avkastningen på en investering är oförutsägbar, används denna typ av metod för att utvärdera olika typer av scenarier.
Ett enkelt exempel finns på aktiemarknaden. Ett aktiers rörelser kan inte förutsägas. De kan uppskattas, men det är omöjligt att göra det exakt. Därför görs ett försök att imitera beteendet hos en handling eller en uppsättning av dem för att analysera hur de kan utvecklas med hjälp av Monte Carlo-simuleringen. När Monte Carlo-simuleringen har genomförts extraheras ett mycket stort antal möjliga scenarier.
Slumpmässig nummergenerering
En viktig punkt i att använda Monte Carlo-simuleringen är genereringen av slumptal. Hur genererar vi slumptal? Med datorprogram. Eftersom om vi använde en mekanism som en roulette kan det ta många timmar.
Om vi vill generera 10 000 slumpmässiga nummer, föreställ dig hur lång tid det skulle ta. Således används datorprogram för att generera dessa nummer. De betraktas inte som helt slumpmässiga tal, eftersom de skapas av programmet med en formel. De liknar dock mycket verklighetens slumpmässiga variabler. De kallas pseudoslumpnummer. Löst detta problem, bara en tillämpning av metoden återstår att se.
Monte Carlo-simuleringsexempel
Antag att vi vill anställa en chef för att göra affärer för oss på aktiemarknaden.
Den chef som vi vill anställa anspråk på att ha fått 50% lönsamhet under det senaste året med ett värdepapperskonto på 20 000 $. För att bekräfta att det du säger är sant ber vi om din granskade track record. Det vill säga protokollet över all din verksamhet verifierad av en revisor (för att undvika bedrägerier och falska konton). Chefen ger oss all dokumentation och vi fortsätter att utvärdera resultaträkningen.
Låt oss anta att vi har 20 000 dollar. Vi introducerar motsvarande variabler i vårt datorprogram och extraherar följande graf:
Med resultaten från den chef som vi vill anställa har 10 000 simuleringar genomförts. Dessutom har resultaten projekterats i fyra år. Det vill säga 10 000 olika scenarier för dessa resultat under fyra år.
I de allra flesta scenarier genereras en positiv avkastning, men det är liten sannolikhet att förlora pengar. Monte Carlo-simuleringen ger oss en oändlighet av kombinationer för att utvärdera scenarier som vi inte känner till vid första anblicken.