Ano ang isang Monte Carlo Simulation?
Ang mga simulation ng Monte Carlo ay ginagamit upang modelo ng posibilidad ng iba't ibang mga kinalabasan sa isang proseso na hindi madaling mahulaan dahil sa interbensyon ng mga random variable. Ito ay isang pamamaraan na ginamit upang maunawaan ang epekto ng panganib at kawalan ng katiyakan sa mga modelo ng hula at pagtataya.
Ang simulation ng Monte Carlo ay maaaring magamit upang matugunan ang iba't ibang mga problema sa halos lahat ng larangan tulad ng pananalapi, engineering, supply chain, at science.
Ang kunwa ng Monte Carlo ay tinutukoy din bilang maramihang pagkakatulad na posibilidad.
Simulasi ng Monte Carlo
Nagpapaliwanag ng mga Monte Carlo Simulation
Kung nahaharap sa makabuluhang kawalan ng katiyakan sa proseso ng paggawa ng isang pagtataya o pagtantya, sa halip na palitan lamang ang hindi tiyak na variable na may isang solong average na numero, ang Monte Carlo Simulation ay maaaring patunayan na isang mas mahusay na solusyon. Dahil ang negosyo at pananalapi ay nasaktan ng mga random na variable, ang mga simulation ng Monte Carlo ay may malawak na hanay ng mga potensyal na aplikasyon sa mga larangan na ito. Ginagamit ang mga ito upang matantya ang posibilidad ng mga overrun ng gastos sa malalaking proyekto at ang posibilidad na ang isang presyo ng asset ay lilipat sa isang tiyak na paraan. Ginagamit sila ng mga telecom upang masuri ang pagganap ng network sa iba't ibang mga senaryo, na tumutulong sa kanila na ma-optimize ang network. Ginagamit ng mga analista ang mga ito upang masuri ang panganib na mai-default ang isang entidad at pag-aralan ang mga derivatives tulad ng mga pagpipilian. Ginagamit din ang mga ito ng mga tagaseguro at driller ng langis. Ang mga simulation ng Monte Carlo ay may hindi mabilang na mga aplikasyon sa labas ng negosyo at pananalapi, tulad ng meteorology, astronomiya at pisika ng tinga.
Ang mga simulation ng Monte Carlo ay pinangalanan matapos ang mainit na lugar sa pagsusugal sa Monaco, dahil ang pagkakataon at random na mga kinalabasan ay pangunahing sa diskarte sa pagmomolde, katulad ng sa mga larong tulad ng roulette, dice, at slot machine. Ang pamamaraan ay unang binuo ni Stanislaw Ulam, isang dalub-agbilang na nagtrabaho sa Manhattan Project. Matapos ang digmaan, habang nakabawi mula sa operasyon ng utak, inaliw ni Ulam ang kanyang sarili sa pamamagitan ng paglalaro ng hindi mabilang na mga laro ng solitaryo. Naging interesado siya sa pagplano ng kinalabasan ng bawat isa sa mga larong ito upang ma-obserbahan ang kanilang pamamahagi at matukoy ang posibilidad na manalo. Matapos ibinahagi niya ang kanyang ideya kay John Von Neumann, nagtulungan ang dalawa upang mabuo ang kunwa ng Monte Carlo.
Halimbawa ng mga Simulasyon ng Monte Carlo: Ang Pagmomodelo ng Presyo ng Presyo
Ang isang paraan upang gumamit ng isang kunwa sa Monte Carlo ay ang modelo ng mga posibleng paggalaw ng mga presyo ng asset gamit ang Excel o isang katulad na programa. Mayroong dalawang mga bahagi sa mga paggalaw ng presyo ng isang asset: naaanod, na kung saan ay isang palaging direksyon ng paggalaw, at isang random na pag-input, na kumakatawan sa pagkasumpungin ng merkado. Sa pamamagitan ng pagsusuri ng data sa presyo ng kasaysayan, maaari mong matukoy ang pag-anod, karaniwang paglihis, pagkakaiba-iba, at average na paggalaw ng presyo para sa isang seguridad. Ito ang mga bloke ng gusali ng isang kunwa ng Monte Carlo.
Upang maglagay ng isang posibleng trajectory ng presyo, gamitin ang data ng data sa presyo ng pag-aari upang makabuo ng isang serye ng pana-panahong araw-araw na pagbabalik gamit ang natural na logarithm (tandaan na ang ekwasyong ito ay naiiba sa karaniwang formula ng pagbabago ng porsyento):
Pana-panahong Pang-araw-araw na Pagbabalik = ln (Presyo ng Presyo ng Naunang Araw)
Susunod na gamitin ang AVERAGE, STDEV.P, at VAR.P function sa buong nagreresultang serye upang makuha ang average araw-araw na pagbabalik, karaniwang paglihis, at mga pagkakaiba-iba ng mga input, ayon sa pagkakabanggit. Ang pagbabarena ay katumbas ng:
Drift = Average Daily Return − 2Variance kung saan: Average Daily Return = Nagawa mula sa pagpapaandar ng Excel'sAVERAGE mula sa pana-panahong pang-araw-araw na serye ng pagbabalikVariance = Nagawa mula sa pagpapaandar ng Excel'sVAR.P mula sa pana-panahong pang-araw-araw na serye ng pagbabalik
Bilang kahalili, ang pag-drift ay maaaring itakda sa 0; ang pagpipiliang ito ay sumasalamin sa isang tiyak na teoretikal na oryentasyon, ngunit ang pagkakaiba ay hindi magiging malaki, hindi bababa sa mas maikling mga frame ng oras.
Susunod makakuha ng isang random na input:
Random na Halaga = σ × NORMSINV (RAND ()) kung saan: σ = Pamantayang paglihis, na ginawa mula sa Excel'sSTDEV.P function mula sa pana-panahong pang-araw-araw na pagbabalik seryeNORMSINV at RAND = Excel function
Ang equation para sa presyo ng sumusunod na araw ay:
Susunod na Presyo ng Araw = Presyo Ngayon × e (Drift + Random Halaga)
Upang dalhin e sa isang naibigay na kapangyarihan x sa Excel, gamitin ang pagpapaandar ng EXP: EXP (x). Ulitin ang pagkalkula na ito ng nais na bilang ng beses (bawat pag-uulit ay kumakatawan sa isang araw) upang makakuha ng isang kunwa ng kilusan ng presyo sa hinaharap. Sa pamamagitan ng pagbuo ng isang di-makatwirang bilang ng mga simulation, maaari mong masuri ang posibilidad na ang presyo ng isang seguridad ay susunod sa ibinigay na tilapon. Narito ang isang halimbawa, na nagpapakita ng halos 30 na mga projection para sa stock ng Time Warner Inc (TWX) para sa nalalabi ng Nobyembre 2015:
Ang mga dalas ng iba't ibang mga kinalabasan na nabuo sa pamamagitan ng simulation na ito ay bubuo ng isang normal na pamamahagi, iyon ay, isang curve ng kampanilya. Ang pinaka-malamang na pagbabalik ay nasa gitna ng curve, nangangahulugang mayroong isang pantay na pagkakataon na ang aktwal na pagbabalik ay mas mataas o mas mababa kaysa sa halagang iyon. Ang posibilidad na ang aktwal na pagbabalik ay nasa loob ng isang karaniwang paglihis ng pinaka-malamang na rate na "" inaasahan ") ay 68%; na ito ay sa loob ng dalawang karaniwang paglihis ay 95%; at na ito ay sa loob ng tatlong karaniwang mga paglihis ay 99.7%. Gayunpaman, walang garantiya na ang pinakahihintay na kinalabasan ay magaganap, o na ang aktwal na paggalaw ay hindi lalampas sa mga wildest projections.
Nang walang pasubali, binabalewala ng mga Monte simulation ang lahat na hindi binuo sa paggalaw ng presyo (mga kalakaran ng macro, pamunuan ng kumpanya, hype, mga kadahilanan ng siklo); sa madaling salita, ipinapalagay nila ang perpektong merkado. Halimbawa, ang katotohanan na ang Time Warner ay nagpababa ng gabay nito para sa taon sa Nobyembre 4 ay hindi makikita dito, maliban sa kilusan ng presyo para sa araw na iyon, ang huling halaga sa data; kung ang katotohanang iyon ay accounted, ang karamihan ng mga simulation ay marahil ay hindi mahuhulaan ang isang katamtaman na pagtaas ng presyo.
