Ставка умнее с моделированием Монте-Карло

Wadim | Просмотров: 513




--- Каково значение кредитного рейтинга ААА? (СОМ)


--- Это УСАА Фонд денежного рынка стоит? (USAXX)

В финансах, существует изрядное количество неопределенности и риска при оценке будущей стоимости цифр или сумм в связи с многообразием возможных решений. Моделирование по методу Монте-Карло (MCS) в один прием, помогающий уменьшить неопределенность в оценке будущих результатов. ГКС могут применяться для сложных, нелинейных моделей или использованы для оценки точности и производительности других моделей. Он также может быть реализован в области управления рисками, управления портфелем, ценообразование производных, стратегическое планирование, планирование проекта, моделирование стоимости и других областях.
Определение
MCS-это метод, который преобразует неопределенность входных переменных модели на распределение вероятностей. Объединив распределения и случайного выбора значений из них, он пересчитывает имитационной модели много раз и выявляет вероятность выхода.
Основные Характеристики
МКН позволяет нескольких материалов, которые будут использованы в то же время, чтобы создать распределение вероятностей один или несколько выходов.
Различные типы распределений вероятностей могут быть назначены на входы модели. Когда распределение неизвестно, что представляет лучшее прилегание может быть выбран.
Использование случайных чисел характеризует МКН как стохастический метод. Случайные числа должны быть независимыми; не должны существовать корреляции между ними.
МКН генерирует Выходные данные в виде диапазона, а не фиксированное значение и показывает, насколько вероятно, что выходное значение будет происходить в диапазоне.
Некоторые часто используемые распределения вероятностей в МКН
Нормальный/Гауссово распределение – непрерывное распределение применяется в ситуациях, когда среднее значение и стандартное отклонение и средняя представляет собой наиболее вероятное значение переменной. Она является симметричной вокруг средней и не ограничена.
Логарифмически нормальное распределение – непрерывное распределение, заданное среднее значение и стандартное отклонение. Это подходит для переменной в диапазоне от нуля до бесконечности, с положительной асимметрией и с нормально распределенной натуральный логарифм.
Треугольное распределение – непрерывное распределение с фиксированными минимальными и максимальными значениями. Она ограничена минимальными и максимальными значениями и могут быть либо симметричными (наиболее вероятное значение = средний = средний) или асимметричный.
Равномерное распределение – непрерывное распределение, ограниченное известны минимальное и максимальное значения. В отличие от треугольного распределения, вероятность появления значений между минимальным и максимальным такая же.
Экспоненциальное распределение – непрерывное распределение, используемое для иллюстрации времени между независимыми явлениями, при условии, скорость вхождения известна.
Математика за МКН
Считаю, что у нас есть вещественная функция G(х) с вероятностью частоты функция p(х) (если x-дискретная), или функцией плотности вероятности F(х) (если x-непрерывная). Тогда мы можем определить ожидаемое значение Г(Х) в дискретных и непрерывных условиях, соответственно:


Далее делаем N случайных рисунков х (х1, .... ,хп), называемых пробных запусков и запусков моделирования, расчета г(х1),.... г(xn) и найти среднее значение Г(х) образца:



В примере используется простая будет неопределенность в цена за единицу, продажи и переменные затраты влияют на EBITD?

Блок Авторского Права Продажи)-(Переменные Затраты + Постоянные Затраты)
Поясним неопределенности во входных данных – цена единицы продукции, продаж и переменными затратами – используя треугольное распределение, указанных соответствующими минимальным и максимальным значениями входных данных из таблицы.



Авторское право

Авторское право

Авторское право

Авторское право


График Чувствительности
Диаграмма чувствительности может быть очень полезно, когда дело доходит до анализа влияния входных данных на выходе. То, что он говорит, что продажи подразделения составляют 62% дисперсии моделируемой EBITD, переменные затраты на 28. 6% и цена за единицу 9. 4%. Корреляция между продажами подразделения и EBITD и между ценой единицы продукции и EBITD положительное или увеличение продаж или цена единицы продукции приведет к увеличению EBITD. Переменные затраты и EBITD, с другой стороны, имеют отрицательную корреляцию и за счет снижения переменных затрат мы будем увеличивать EBITD.
Помните, что определение неопределенности входного значения распределения вероятностей, которая не соответствует реальному и выборки из нее будут давать неверные результаты. Кроме того, предположение о том, что входные переменные являются независимыми не могут быть действительны. Сообщают результаты могут быть данные, которые не являются взаимоисключающими или если значительная корреляция между двумя или более распределений входных.
Нижняя Линия
Техника MCS является простым и гибким. Он не может уничтожить неопределенность и риск, но он может сделать их легче понять с точки зрения вероятностных характеристик входов и выходов модели. Это может быть очень полезно для определения различных рисков и факторов, которые влияют на прогнозируемых переменных, и, следовательно, это может привести к более точные прогнозы. Также обратите внимание, что количество испытаний не должен быть слишком маленьким, поскольку это может не быть достаточно, чтобы смоделировать модель, в результате кластеризации значений происходят.

Авторское право




Комментарии


Ваше имя:

Комментарий:

ответьте цифрой: дeвять + пять =



Ставка умнее с моделированием Монте-Карло Ставка умнее с моделированием Монте-Карло
все вопросы на admin@gggt.ru