Monte Carlo simulatsioon on statistiline meetod. Seda kasutatakse keeruliste matemaatiliste probleemide lahendamiseks juhuslike muutujate genereerimise kaudu.
Monte Carlo simulatsioon ehk Monte Carlo meetod võlgneb oma nime kuulsale kasiinole Monaco Vürstiriigis. Rulett on kõige kuulsam kasiinomäng ja ka lihtsaim näide juhuslike arvude genereerimise mehhanismist.
Selle meetodi võti on mõista mõistet "simulatsioon". Simulatsiooni teostamine seisneb reaalse süsteemi omaduste ja käitumise kordamises või dubleerimises. Seega on Monte Carlo simulatsiooni peamine eesmärk proovida jäljendada reaalsete muutujate käitumist, et analüüsida või ennustada nende arengut nii palju kui võimalik.
Simulatsiooni abil saab neid lahendada väga lihtsatest probleemidest väga keerukateni. Mõningaid probleeme saab lahendada pliiatsi ja paberiga. Kuid enamik nõuab arvutiprogrammide kasutamist, näiteks Excel, R Studio või Matlab. Ilma nende programmideta võtaks teatud probleemide lahendamine väga kaua aega.
Milleks kasutatakse Monte Carlo simulatsiooni?
Oluline on teada, milleks seda meetodit kasutatakse. See tähendab konkreetseid juhtumeid, et mõista meetodi olulisust.
Kas olete valmis turgudele investeerima?
Üks maailma suurimaid maaklereid, eToro, on muutnud finantsturgudele investeerimise kättesaadavamaks. Nüüd saab igaüks aktsiatesse investeerida või aktsiate murdosa osta 0% vahendustasuga. Alustage investeerimist kohe 200 dollari suuruse sissemaksega. Pidage meeles, et investeerimiseks on oluline treenida, kuid muidugi saab seda täna teha igaüks.
Teie kapital on ohus. Võivad kehtida muud tasud. Lisateavet leiate aadressilt stock.eToro.com
Ma tahan investeerida EtorogaMajanduses kasutatakse Monte Carlo simulatsiooni nii ettevõtetes kui ka investeeringutes. Investeerimismaailmas viibimine seal, kus seda kõige rohkem kasutatakse.
Mõned näited Monte Carlo investeerimissimulatsioonist on järgmised:
- Looge, väärtustage ja analüüsige investeerimisportfelle
- Väärtustades keerulisi finantstooteid, näiteks finantsvõimalusi
- Riskijuhtimismudelite loomine
Kuna investeeringu tasuvus on ettearvamatu, kasutatakse seda tüüpi meetodit erinevat tüüpi stsenaariumide hindamiseks.
Börsil on lihtne näide. Varude liikumist ei saa ennustada. Neid saab hinnata, kuid seda on võimatu täpselt teha. Seetõttu püütakse Monte Carlo simulatsiooni abil jäljendada tegevuse või nende kogumi käitumist, et analüüsida, kuidas nad saaksid areneda. Kui Monte Carlo simulatsioon on läbi viidud, võetakse välja väga palju võimalikke stsenaariume.
Juhuslike arvude genereerimine
Monte Carlo simulatsiooni kasutamise põhipunkt on juhuslike arvude genereerimine. Kuidas genereerime juhuslikke arve? Arvutiprogrammidega. Kuna kui kasutaksime sellist mehhanismi nagu rulett, võib see meil võtta mitu tundi.
Kui tahame genereerida 10 000 juhuslikku arvu, kujutage ette, kui kaua see aega võtab. Seega kasutatakse nende numbrite genereerimiseks arvutiprogramme. Neid ei peeta puhtjuhuslikeks arvudeks, kuna need on loodud programmi abil valemiga. Kuid need on väga sarnased reaalsuse juhuslike muutujatega. Neid nimetatakse pseudojuhuslikeks numbriteks. Selle probleemi lahendas, veel on oodata ainult ühte meetodi rakendust.
Monte Carlo simulatsiooni näide
Oletame, et tahame palgata juhi, kes börsil meie eest äri ajab.
Haldur, kelle soovime palgata, on 20 000 dollari väärtpaberikontoga viimase aasta jooksul saavutanud 50% kasumlikkuse. Kinnitamaks, et teie öeldu vastab tõele, palume teie auditeeritud andmed. See tähendab, et audiitor on kontrollinud kõigi teie toimingute arvestust (pettuste ja valearvestuste vältimiseks). Juht esitab meile kogu dokumentatsiooni ja me hindame kasumiaruannet.
Oletame, et meil on 20 000 dollarit. Tutvustame oma arvutiprogrammis vastavad muutujad ja eraldame järgmise graafiku:
Juhi poolt pakutavate tulemuste põhjal on läbi viidud 10 000 simulatsiooni. Lisaks on tulemusi prognoositud neli aastat. See tähendab nelja aasta jooksul nende tulemuste jaoks 10 000 erinevat stsenaariumi.
Valdavas enamikus stsenaariumides tekib positiivne tootlus, kuid on väike tõenäosus raha kaotada. Monte Carlo simulatsioon pakub meile lõpmatut kombinatsioone, et hinnata stsenaariume, millest me esmapilgul teadlikud pole.