Monte Carlo-simuleringen er en statistisk metode. Dette bruges til at løse komplekse matematiske problemer gennem generering af tilfældige variabler.
Monte Carlo-simuleringen eller Monte Carlo-metoden skylder sit navn det berømte casino i Fyrstendømmet Monaco. Roulette er det mest berømte casinospil og også det enkleste eksempel på en mekanisme til at generere tilfældige tal.
Nøglen til denne metode er at forstå udtrykket 'simulering'. Udførelse af en simulering består i at gentage eller duplikere karakteristika og adfærd i et ægte system. Således er hovedformålet med Monte Carlo-simuleringen at forsøge at efterligne virkningen af virkelige variabler for så vidt muligt at analysere eller forudsige, hvordan de vil udvikle sig.
Gennem simulering kan de løses fra meget enkle problemer til meget komplekse problemer. Nogle problemer kan løses med en pen og papir. De fleste kræver dog brug af computerprogrammer som Excel, R Studio eller Matlab. Uden disse programmer ville det tage meget lang tid at løse visse problemer.
Hvad bruges Monte Carlo-simuleringen til?
Det vigtige er at vide, hvad denne metode bruges til. Det vil sige specifikke tilfælde for at forstå metodens betydning.
Klar til at investere i markederne?
En af de største mæglere i verden, eToro, har gjort investering i de finansielle markeder mere tilgængelig. Nu kan alle investere i aktier eller købe brøkdele af aktier med 0% provision. Begynd at investere nu med et depositum på kun $ 200. Husk at det er vigtigt at træne for at investere, men selvfølgelig kan enhver i dag gøre det.
Din kapital er i fare. Andre gebyrer kan forekomme. For mere information, besøg stocks.eToro.com
Jeg vil investere med EtoroI økonomi bruges Monte Carlo-simuleringen i både virksomheder og investeringer. At være i en investeringsverden, hvor den bruges mest.
Nogle eksempler på Monte Carlo-simulering i investering er følgende:
- Opret, værdi og analyser investeringsporteføljer
- Værdiansættelse af komplekse finansielle produkter såsom økonomiske muligheder
- Oprettelse af risikostyringsmodeller
Da afkastet på en investering er uforudsigeligt, bruges denne type metode til at evaluere forskellige typer scenarier.
Et simpelt eksempel findes på aktiemarkedet. Aktiens bevægelser kan ikke forudsiges. De kan estimeres, men det er umuligt at gøre det nøjagtigt. Derfor forsøges der ved hjælp af Monte Carlo-simuleringen at efterligne adfærden for en handling eller et sæt af dem for at analysere, hvordan de kunne udvikle sig. Når Monte Carlo-simuleringen er udført, udvindes et meget stort antal mulige scenarier.
Tilfældig talgenerering
Et nøglepunkt i brugen af Monte Carlo-simuleringen er genereringen af tilfældige tal. Hvordan genererer vi tilfældige tal? Med computerprogrammer. Da hvis vi brugte en mekanisme som en roulette, kunne dette tage os mange timer.
Hvis vi vil generere 10.000 tilfældige tal, forestil dig hvor lang tid det vil tage. Således bruges computerprogrammer til at generere disse numre. De betragtes ikke som tilfældige tal, da de oprettes af programmet med en formel. De ligner dog meget virkelighedens tilfældige variabler. De kaldes pseudo-tilfældige tal. Løst dette problem, kun én anvendelse af metoden er tilbage at se.
Monte Carlo-simuleringseksempel
Antag, at vi vil ansætte en manager til at drive forretning for os på aktiemarkedet.
Den manager, vi ønsker at ansætte, hævder at have opnået 50% rentabilitet i løbet af det sidste år med en værdipapirkonto på $ 20.000. For at bekræfte, at det, du siger, er sandt, beder vi om din reviderede track record. Det vil sige registreringen af alle dine operationer, der er verificeret af en revisor (for at undgå svindel og falske konti). Lederen giver os al dokumentation, og vi fortsætter med at vurdere resultatopgørelsen.
Lad os antage, at vi har $ 20.000. Vi introducerer de tilsvarende variabler i vores computerprogram og udtrækker følgende graf:
Med resultaterne fra den manager, vi ønsker at ansætte, er der udført 10.000 simuleringer. Derudover er resultaterne projiceret i fire år. Det vil sige 10.000 forskellige scenarier for disse resultater over fire år.
I langt de fleste scenarier genereres et positivt afkast, men der er en lille sandsynlighed for at tabe penge. Monte Carlo-simuleringen giver os et uendeligt af kombinationer til at evaluere scenarier, som vi ikke er opmærksomme på ved første øjekast.
