미래를 예측하는 방법을 알고 싶으신가요?

[금융학] 미래를 예측하는 방법을 알고 싶으세요?

몬테카로 시뮬레이션은 주식 가격을 예측하고 주식의 최대 손실을 예측하고 구조적인 채권의 가격을 예측하는 여러 곳에서 볼 수 있습니다. 그렇다면 몬테카로 시뮬레이션이란 무엇입니까?

• 몬테카로 모형

  먼저 설명하자면, 몬테카로 모형은 많은 데이터를 모방하는 통계학적 방법이다. 만약 당신이 이 문장을 직접 읽으면, 바로 말살이 될 것입니다.

  첫 번째 이유는, 왜 몬테카로 모티브라고 하는 걸까요?

  몬테카로 시뮬레이션은 제2차 세계대전 당시 핵폭탄 개발 과정에서 핵분열물질의 중성자 무작위 확산 문제를 해결하기 위해 미국 수학자 노이먼과 울람 등이 제안한 통계 방법이다. 당시의 작업이 비밀이었기 때문에 이 방법에는 몬테카로라는 코드 이름이 붙었다. 몬테카로는 모나코에서 매우 유명한 시뮬레이션 도시였으며, 도박의 본질은 확률을 계산하는 것이므로 시뮬레이션 도시라는 이름을 붙였으며, 또한 기억하기 쉽다. 이 시뮬레이션 방법이 몇 년 후에 등장하면 라스베이거스 시뮬레이션 또는 마카오 시뮬레이션이라고 불릴 것으로 추정된다.

  두 번째 이유는: 몬테카로 모형은 무엇이며 왜 금융에 사용되나요?

  예를 들어, 만약 어제 밤 코 주가가 10달러로 닫혔다면, 100일 후에 코 주가가 어떻게 될지 알고 싶으십니까?

  오늘 주가는 어제 주가는 +0.2입니다.

  아니면 조금 학술적으로, St=St-1+0.2라는 공식을 사용해도 됩니다. 이것은 오늘 어제보다 두 배나 더 많은 돈을 벌었다는 것을 의미합니다. 어제의 폐쇄 가격을 알고 있다면, 오늘의 폐쇄 가격을 알 수 있고, 100일 후의 폐쇄 가격을 찾을 수 있습니다. 그러나 이 투영 방법은 너무 신뢰할 수 없습니다. CFA/FRM도 필요하지 않습니다.

  주식들이 오리처럼 올라가고 있다는 것을 잊지 말자, 그래서 매일에는 깜짝 놀랄만한 일이 있을 것입니다. 우리는 이 놀라움을 주식 가격 변동이라고 부릅니다. 주식 가격의 매일의 변동이 얼마나 큰지 모르겠습니다. 그래서 무작위적이기 때문에, 이 푸싱 식에는 무작위적인 항목이 있어야 한다는 것은 당연합니다.

  오늘 주식 가격 = 어제 주식 가격 + 오늘 주식 가격 변동

  수학적으로 St=St-1+e, e는 주식 가격의 일일 변동을 나타냅니다. 그것은 무작위 숫자입니다. 무작위 숫자라고 불리는 것은 부정한 값입니다. 이제 우리는 가장 잘 이해할 수 있는 통계 방법을 사용해야 합니다. 즉, 무작위 주식의 발매 방법을 사용하면 앞으로 나아갈 수 있습니다. 예를 들어, 초기 주식 S0=10, 만약 이 시점에서 내가 첫 번째 무작위 숫자를 발매하면, e1=0.3, 그러면 S1=10.3, 나는 한 단계 더 나아갑니다. 나는 또 다른 무작위 숫자를 발매합니다. e2=-0.4, S2=9.9, 같은 방법을 사용하면, 앞으로 나아갑니다.

  여기까지 와서, 여러분도 아시겠지만, 한 가지 결과를 모방하는 것만으로도 너무 신뢰할 수 없습니다. 저는 100일 후에 코의 주가를 무작위로 찾아내기 위해 무작위 숫자를 발사했습니다. 저는 이것이 제 추정이라고 생각합니다. 제 추정도 너무 무작위입니다. 그래서 무작위 경로 하나, 그건 좋습니다. 저는 같은 방법을 사용하여 100, 1000 경로를 모방했습니다. 예를 들어, 저는 1000 경로를 모방했습니다. 그래서 100일째를 가져가서, 칼을 깎아서, 1000개의 데이터를 입력하고, 많은 데이터를 가지고, 가장 간단한 방법은, 제가 평균을 얻을 수 있다는 것입니다.

  물론 무작위수 분포도 완전히 불규칙한 것은 아니며, 일반적으로 몬테카로 모형은 역사적 데이터의 특성에 따라 무작위수 분포를 가정합니다. 예를 들어, 주가 변동이 가장 일반적인 분포 (정형 분포) 에 일치하는지 발견하면 일반적으로 e도 정형 분포에 복종한다고 가정하고 컴퓨터가 어떻게 무작위수를 분포하는지 알려줍니다.

  세 번째 이유는: 왜 몬테카로 모형이 금융 연구의 혁신적 방법인가?

  몬테카로 시뮬레이션의 가장 큰 장점은 사회 과학의 문제를 자연과학처럼 만드는 것입니다. 자연과학, 예를 들어 화학, 물리학은 가장 많은 시간을 데이터에 투자합니다. 왜냐하면 여러분은 실험실에 자신을 감금할 수 있기 때문입니다. 그 작은 차를 10,000번 으면 10,000개의 데이터를 가지고 있고, 변수들의 미세한 변화도 연구할 수 있습니다. 하지만 금융은 사회 과학이 실험을 할 수 있는 방법이 거의 없습니다. 100일이 지나면 100개의 데이터가 지나고, 100일이 지나면 다시 돌아가지 못합니다. 왜냐하면 시간이 다시 돌아가지 않을 수 없기 때문입니다. 그래서 금융시장을 연구할 때, 데이터의 양, 작은 샘플은 가장 큰 문제입니다. 하지만 몬테카로 시뮬레이션은 이 문제를 해결할 수 있습니다. 당신은 1,000개의 길을 걸으면 1,000개의 데이터가 있고, 10,000개의 길을 걸으면 10,000개의 데이터가 있습니다. 그것은 마치 실험실에서 하는 것과 같습니다.

  물론, 위의 분석에서 우리는 또한 볼 수 있습니다. 그것은 또한 역사적 데이터에 국한되지 않는다는 장점이 있습니다. 왜냐하면 그것은 실제로 일어난 역사적 데이터가 아니라 모의화된 데이터이기 때문에 분석이 좀 더 포괄적일 수 있습니다. 예를 들어, 당신은 단지 역사적 데이터로 연구를 할 때, 부채 위기가 일어날 것이라고 예측하는 것은 불가능합니다. 왜냐하면 역사적으로 결코 발생하지 않았기 때문입니다. 그러나 모의적인 방법으로 많은 데이터를 얻을 수 있습니다.

  이것은 우리가 몬테카로 시뮬레이션에 대해 소개한 것입니다. 물론 정보 기술의 발전과 업무 분할의 포괄성으로, 우리 금융 분석가들은 종종 스스로 모델링을 할 필요가 없지만, 모델의 원리에 대한 약간의 이해가 여전히 필요합니다.

이 작품의 제목은