En muchos lugares podemos ver figuras de simulación de Monte Carlo, predicción de precios de acciones, predicción de pérdidas máximas de acciones, predicción de precios de bonos estructurales. Entonces, ¿qué es la simulación de Monte Carlo?
En primer lugar, el modelo de Monte Carlo es un método estadístico que se utiliza para simular grandes cantidades de datos. Si usted lee directamente esta frase, se quedará inmediatamente deshidratado y gritará: ¿Por qué simular grandes cantidades de datos?
Primero, ¿por qué se llama simulación de Montecarlo?
El modelo de Montecarlo fue un método estadístico propuesto durante la Segunda Guerra Mundial por los matemáticos estadounidenses John Newman y Ulam para resolver el problema de la dispersión aleatoria de neutrones en el trabajo de desarrollo de la bomba atómica. Debido a que el trabajo era confidencial en ese momento, se le dio el nombre de Montecarlo. Montecarlo, en Mónaco, era una ciudad de apuestas muy famosa en ese momento, y el juego de apuestas era una probabilidad, por lo que se le dio el nombre de Ciudad de la Azufre y era fácil de recordar.
Y el segundo por qué: ¿Qué es realmente la simulación de Monte Carlo y por qué se usa en finanzas?
Por ejemplo, si el precio de cierre de las acciones de VANCO fue de 10 dólares anoche, ¿no querrías saber el precio de las acciones de VANCO en 100 días?
El precio de las acciones de hoy es igual al precio de las acciones de ayer + 0.2
O permítanme un poco académico, con un poco de fórmula, que St = St-1 + 0.2, lo que significa que hoy ganamos dos veces más que ayer, y sé que el precio de cierre de ayer, se puede saber el precio de cierre de hoy, y luego se puede encontrar el precio de cierre después de 100 días. Pero este método de propulsión es muy poco fiable, no hay necesidad de examinar CFA / FRM, es mejor comprar acciones de la empresa, ganar dos dólares al día.
No hay que olvidar que las acciones saltan como un cone, así que cada día hay una sorpresa, que llamamos fluctuación del precio de las acciones.
El precio de las acciones de hoy es igual al precio de las acciones de ayer + las fluctuaciones de las acciones de hoy
La representación matemática es St = St-1 + e, e representa la fluctuación diaria del precio de las acciones, que es un número aleatorio, el número aleatorio es el valor indefinido. Ahora solo necesitamos usar el método estadístico que mejor se entiende, el método de lanzamiento de números aleatorios, y puedo avanzar. Por ejemplo, si la primera acción de la división de millones de dólares S0 = 10, si en este momento lanzo el primer número aleatorio, e1 = 0.3, entonces S1 = 10.3, voy un paso adelante, lanzo un número aleatorio más e2 = -0.4, S2 = 9.9, y siguiendo el mismo método, avanzando un millón de dólares, se puede encontrar el precio de la división de millones de dólares después de 100 días, así que hay una mejor manera de encontrar el movimiento de las acciones de 100 días.
Al llegar aquí, todos deben saber que es muy poco fiable solo simular un resultado probable, y al lanzar el método de números aleatorios, encuentro al azar el precio de las acciones de VANCO después de 100 días, y creo que es mi estimación, y mi estimación es muy aleatoria. Así que un camino no es fiable, que está bien, y uso el mismo método para simular 100 o 1000 caminos, por ejemplo, si hago un simulacro de 1000 caminos, entonces al día 100, cuando tomo un cuchillo, descubro que hay 1000 datos, con tanta cantidad de datos, lo más simple es que puedo obtener un promedio, así que la estimación del precio de las acciones de VANCO es relativamente fiable.
Por supuesto, la distribución de los números aleatorios no es completamente irregular, por lo general, los modelos de Monte Carlo suponen una distribución de números aleatorios según las características de los datos históricos. Por ejemplo, si encontramos que las fluctuaciones de los precios de las acciones siguen siendo las más comunes (distribución normal), entonces generalmente suponemos que e también obedece a la distribución normal, para así poder decirle al ordenador cómo emitir números aleatorios.
Y el tercero: ¿Por qué la simulación de Monte Carlo es tan innovadora en investigación financiera?
Lo mejor de los simuladores de Monte Carlo es que hacen que un problema de las ciencias sociales se parezca a una ciencia natural. Las ciencias naturales, como la química o la física, son las que más necesitan tiempo para estudiar los datos, porque puedes encerrarte en un laboratorio y hacer que ese coche choque 10.000 veces, y tienes 10.000 datos, cambios mínimos en las variables que pueden ser estudiados. Pero las ciencias sociales financieras no pueden hacer experimentos, que pasan 100 días y son sólo 100 datos.
Por supuesto, desde el análisis anterior, también podemos ver que tiene la ventaja de no limitarse a datos históricos, ya que obtiene datos simulados, no datos históricos reales, por lo que el análisis puede ser más completo. Por ejemplo, si haces un estudio con solo datos históricos, es imposible predecir que ocurrirá una crisis de subpréstamos, ya que nunca ha ocurrido en la historia, pero con el método de simulación puedes obtener muchos datos que no han ocurrido en la historia, y puedes hacer un pronóstico más completo.
Por supuesto, con el desarrollo de la tecnología de la información y la integración de la división del trabajo, los analistas financieros a menudo no necesitan modelarse a sí mismos, pero todavía se necesita un cierto conocimiento de los principios del modelo para saber el alcance de cada modelo y los riesgos que conlleva para hacer mejores predicciones sobre el futuro.
Traducido por el administrador