আমরা অনেক জায়গায় মন্টে কার্লো সিমুলেশন দেখতে পাচ্ছি, যা শেয়ারের দাম, শেয়ারের সর্বাধিক ক্ষতি এবং কাঠামোগত বন্ডের দামের পূর্বাভাস দেয়। তাহলে মন্টে কার্লো সিমুলেশন কী?
প্রথমত, মন্টে কার্লো সিমুলেশন হল একটি পরিসংখ্যান পদ্ধতি যা প্রচুর পরিমাণে তথ্য সিমুলেট করার জন্য ব্যবহৃত হয়। যদি আপনি এই বাক্যটি সরাসরি দেখেন, আপনি সরাসরি শুকিয়ে যাবেন, "সংখ্যানের পদ্ধতি, কেন আপনি প্রচুর পরিমাণে তথ্য সিমুলেট করবেন?
প্রথমত, কেন এটিকে মন্টেকার্লো সিমুলেশন বলা হয়?
মন্টকার্লো অনুকরণ হল দ্বিতীয় বিশ্বযুদ্ধের সময় পারমাণবিক বোমা তৈরির কাজ, ফিক্সিং পদার্থের নিউট্রন এলোমেলোভাবে ছড়িয়ে পড়া সমস্যা সমাধানের জন্য আমেরিকান গণিতবিদ ডনয়মান এবং উলামের মত অন্যান্যদের দ্বারা প্রস্তাবিত একটি পরিসংখ্যান পদ্ধতি। যেহেতু সেই সময়ের কাজটি গোপনীয় ছিল, তাই এই পদ্ধতিটিকে মন্টকার্লো নামকরণ করা হয়েছিল। মন্টকার্লো মোনাকোতে ছিল একটি খুব বিখ্যাত ম্যাক্সিমুন শহর, জুয়া খেলার মূলত সম্ভাব্যতা গণনা ছিল, তাই এই পদ্ধতিটি ম্যাক্সিমুন শহরের নাম দিয়ে নামকরণ করা হয়েছিল এবং এটি মনে রাখা সহজ ছিল। যদি এই অনুকরণটি কয়েক বছর পরে আবির্ভূত হয় তবে অনুমান করা হয় যে এটি লাস ভেগাস অনুকরণ বা ম্যাক্সিমুন অনুকরণ নামে পরিচিত হবে।
দ্বিতীয়ত, কেনঃ মন্টে কার্লো মডেল কি এবং কেন এটি আর্থিক ক্ষেত্রে ব্যবহার করা হয়?
উদাহরণস্বরূপ, যদি গত রাতে ওয়ানকোর শেয়ারের বন্ধের মূল্য ছিল ১০ ডলার, আপনি কি জানতে চান যে ওয়ানকোর শেয়ারের দাম ১০০ দিনের মধ্যে হবে? অবশ্যই জানতে চান, যদি আপনি জানেন, তাহলে আপনাকে সিএফএ / এফআরএম পরীক্ষা দিতে হবে না। কিভাবে জানবেন?
আজকের শেয়ারের দাম = গতকালের শেয়ারের দাম + 0.2
অথবা আমাকে একটু একাডেমিক হতে দিন, একটি সূত্র ব্যবহার করুন, যে St = St-1 + 0.2, যা বলে যে আজকে গতকালের তুলনায় দ্বিগুণ লাভ হয়েছে, আমি গতকালের বন্ধের মূল্য জানি, তাই আমি আজকের বন্ধের মূল্য জানতে পারি, এবং তারপর 100 দিন পরে বন্ধের মূল্য খুঁজে পেতে পারি। কিন্তু এই প্রসারণ খুব নির্ভরযোগ্য নয়, এবং আমি CFA / FRM পরীক্ষা করতে হবে না, তাই ভার্কো স্টক কিনতে ভাল, প্রতিদিন দুই মুদ্রা উপার্জন।
মনে রাখবেন যে শেয়ারগুলি শঙ্কুর মতো উপরে থেকে নীচে ঝাঁপিয়ে পড়ে, তাই প্রতিদিন একটি চমকপ্রদ চমক থাকবে, আমরা এই চমককে স্টক মূল্যের ওঠানামা বলি। স্টক মূল্যের দৈনিক ওঠানামা কত বড় আমি জানি না, তাই এটি এলোমেলো, তাই এটি স্বাভাবিক যে এই প্রসারণে একটি এলোমেলো পদ থাকবেঃ
আজকের শেয়ারের দাম = গতকালের শেয়ারের দাম + আজকের শেয়ারের দাম।
গাণিতিকভাবে, St = St - 1 + e, e হ'ল দৈনিক শেয়ারের দামের পরিবর্তন, এটি একটি এলোমেলো সংখ্যা, এবং এলোমেলো সংখ্যা হ'ল অনিশ্চিত মানের সংখ্যা। এখন আমাদের কেবলমাত্র একটি পরিসংখ্যান পদ্ধতি ব্যবহার করতে হবে যা আমরা সবচেয়ে ভালভাবে বুঝতে পারি, যা এলোমেলো সংখ্যা প্রেরণ করার পদ্ধতি, এবং আমি এগিয়ে যেতে পারি। উদাহরণস্বরূপ, যদি আমি প্রথমে এক মিলিয়ন বিভাগের স্টক S0 = 10 প্রেরণ করি, তবে আমি প্রথম এলোমেলো সংখ্যাটি প্রেরণ করি, e1 = 0.3, তাহলে S1 = 10.3, আমি এক ধাপ এগিয়ে যাই, আমি আবার একটি এলোমেলো সংখ্যা প্রেরণ করি e2 = -0.4, S2 = 9.9, একই পদ্ধতিতে, এগিয়ে যাওয়া, এক মিলিয়ন বিভাগের শেয়ারের দাম খুঁজে পাওয়া যায়, 100 দিন পরে, এটি 100 দিনের স্টক মুভিংয়ের জন্য একটি ভাল পথ খুঁজে পাওয়া যায়। এটি কি সেই মধ্যবর্তী এক মিলিয়ন বিভাগের স্টক নয় যা আমি কেবল এই পথটি ব্যবহার করে অনুমান করি? এটি অসম্ভব নয়, এটি একটি দুর্দান্ত ভবিষ্যত?
এখানে এসে, আপনারা নিশ্চয়ই জানেন, শুধুমাত্র একটি সম্ভাব্য ফলাফলের সিমুলেশন করা খুব অস্থির, আমি র্যান্ডম সংখ্যা প্রেরণ করে 100 দিনের পরে র্যান্ডমভাবে ভ্যানকোর শেয়ারের দাম পেয়েছি, আমি মনে করি এটি আমার অনুমান, আমার অনুমানটিও খুব এলোমেলো। সুতরাং একটি পথটি অস্থির, এটি ভাল কাজ, আমি একই পদ্ধতি ব্যবহার করে 100 বা 1000 পথ সিমুলেট করেছি, যেমন আমি 1000 পথ সিমুলেট করেছি, এবং আমি 100 দিনের সময়, একটি ছুরি নিয়েছিলাম, এবং আমি দেখতে পেলাম যে আমি 1000 ডেটা ইনপুট করেছি, এত বড় পরিমাণে ডেটা আউটপুট করেছি, সবচেয়ে সহজ উপায়টি আমি একটি গড় পেতে পারি, যা ভ্যানকোর শেয়ারের দামের অনুমান তুলনামূলকভাবে নির্ভরযোগ্য। অবশ্যই 1000 ডেটা আছে, আপনি কী করতে পারেন, আমি এই 1000 ডেটা বন্টন খুঁজে পেতে পারি এবং এই ধরণের ডেটা বিশ্লেষণ করতে পারি। আরও অনেক উপায় আছে যা আমি ব্যবহার করেছি, এটি হ'ল মন্ট্রিলো সিমুলেট।
অবশ্যই, এলোমেলো সংখ্যার উৎপত্তিও সম্পূর্ণ অনিয়মিত নয়, সাধারণত মন্টকার্লো মডেলটি একটি ঐতিহাসিক তথ্যের বৈশিষ্ট্যগুলির উপর ভিত্তি করে এলোমেলো সংখ্যার বিতরণ অনুমান করে। উদাহরণস্বরূপ, যদি আমরা দেখি যে শেয়ারের দামের ওঠানামা সর্বাধিক সাধারণ বিতরণের সাথে সামঞ্জস্যপূর্ণ (সত্যিকারের বিতরণ), তবে আমরা সাধারণত অনুমান করি যে eও একটি সত্যিকারের বিতরণ মেনে চলে, যাতে কম্পিউটারকে বলা যায় কিভাবে এলোমেলো সংখ্যা উৎপন্ন করা যায়।
এবং তৃতীয় কারণঃ কেন মন্টে কার্লো মডেলটি আর্থিক গবেষণায় উদ্ভাবনী?
মন্টেকার্লো সিমুলেশন এর সবচেয়ে বড় সুবিধা হল যে এটি একটি সামাজিক বিজ্ঞান সমস্যাকে প্রকৃতির মতো করে তোলে। প্রকৃতির বিজ্ঞান, যেমন রসায়ন, পদার্থবিজ্ঞান, সবচেয়ে বেশি গবেষণা করার সময় ডেটা, কারণ আপনি নিজেকে একটি ল্যাবরেটরিতে আটকে রাখতে পারেন এবং আপনি সেই ছোট্ট গাড়িটিকে ১০,০০০ বার আঘাত করতে পারেন, আপনার কাছে ১০,০০০ ডেটা আছে, এবং ভেরিয়েবলের ক্ষুদ্রতম পরিবর্তনগুলি অধ্যয়ন করা যেতে পারে। কিন্তু আর্থিক এই ধরনের সামাজিক বিজ্ঞান খুব কমই পরীক্ষা করতে পারে, যা ১০০ দিন পরে চলে যায়, এবং ১০০ দিন পরে চলে যায়, এবং আপনি আর একবার যেতে পারবেন না, কারণ সময়ের পুনরাবৃত্তি করার কোন উপায় নেই। সুতরাং আর্থিক বাজারের গবেষণা করার সময়, ডেটা পরিমাণ, ছোট নমুনা সবচেয়ে বড় সমস্যা, কিন্তু মন্টেকার্লো সিমুলেশন এই সমস্যাটি সমাধান করতে পারে, আপনি ১০,০০০ পথ হাঁটলে ১০,০০০ ডেটা আছে, ১০,০০০ পথ হাঁটলে ১০,০০০ ডেটা আছে, এবং এটি ল্যাবরেটরিতে কাজ করার মতো, আপনি অনেক বই পেতে পারেন।
অবশ্যই, উপরের বিশ্লেষণ থেকে আমরা দেখতে পাচ্ছি যে এর আরও একটি সুবিধা হল এটি ঐতিহাসিক তথ্যের মধ্যে সীমাবদ্ধ নয়, কারণ এটি এমন একটি তথ্য যা প্রকৃতপক্ষে ঘটেছে তা নয়, বরং এটি একটি সম্পূর্ণ বিশ্লেষণ করতে পারে। উদাহরণস্বরূপ, আপনি যদি কেবলমাত্র ঐতিহাসিক তথ্য দিয়ে গবেষণা করেন, তবে এটি ভবিষ্যদ্বাণী করা অসম্ভব যে একটি সাবক্রেডিট সংকট ঘটবে, কারণ এটি ইতিহাসে কখনও ঘটেনি, তবে এটি একটি সম্পূর্ণ পূর্বাভাস দিতে পারে যে আপনি অনেক তথ্য পেতে পারেন যা ইতিহাসে কখনও ঘটেনি।
অবশ্যই, তথ্য প্রযুক্তির বিকাশ এবং কাজের বিভাজনের সাথে সাথে, আমাদের আর্থিক বিশ্লেষকদের প্রায়শই তাদের নিজস্ব মডেলিংয়ের প্রয়োজন হয় না, তবে মডেলের নীতি সম্পর্কে কিছুটা জ্ঞান থাকা দরকার যাতে প্রতিটি মডেলের অপ্রাসঙ্গিকতা এবং এর ঝুঁকিগুলি জানতে পারে যাতে ভবিষ্যতের আরও ভাল ভবিষ্যদ্বাণী করা যায়।
এখান থেকে অনুবাদ করা হয়েছে