Ano ang kunwa ng Monte Carlo?

Ang isang simulation ng Monte Carlo ay isang modelo ng matematika para sa pagkalkula ng posibilidad ng isang tiyak na kinalabasan sa pamamagitan ng random na pagsubok o pag -sampol ng isang iba't ibang mga sitwasyon at variable.Una nang ginamit ni Stanilaw Ulam, isang matematiko na nagtrabaho sa proyekto ng Manhattan sa panahon ng World War II, ang mga simulation ay nagbibigay ng mga analyst ng isang paraan para sa paggawa ng mga mahihirap na pagpapasya at paglutas ng mga kumplikadong problema na maraming mga lugar ng kawalan ng katiyakan.Pinangalanan pagkatapos ng casino-populated resort sa Monaco, ang kunwa ng Monte Carlo ay gumagamit ng makasaysayang data ng istatistika upang makabuo ng milyun-milyong iba't ibang mga kinalabasan sa pananalapi sa pamamagitan ng random na pagpasok ng mga sangkap sa bawat pagtakbo na maaaring maka-impluwensya sa resulta, tulad ng pagbabalik ng account, pagkasumpungin, o mga ugnayan.Kapag nabuo ang mga sitwasyon, kinakalkula ng pamamaraan ang mga logro na maabot ang isang partikular na kinalabasan.Hindi tulad ng karaniwang pag-aaral sa pagpaplano sa pananalapi na gumagamit ng mga pangmatagalang average at mga pagtatantya ng paglago o pag-iimpok sa hinaharap, ang kunwa ng Monte Carlo, na magagamit sa mga aplikasyon ng software at web, ay maaaring magbigay ng isang mas makatotohanang paraan ng paghawak ng mga variable at pagsukat ng mga posibilidad ng peligro sa pananalapi o gantimpala.

Ang mga pamamaraan ng Monte Carlo ay madalas na ginagamit para sa personal na pagpaplano sa pananalapi, pagsusuri sa portfolio, pagpapahalaga sa mga bono at mga pagpipilian sa bono, at sa pananalapi sa korporasyon o proyekto.Bagaman ang mga pagkalkula ng posibilidad ay hindi bago, unang pinasimunuan sila ni David B. Hertz sa pananalapi noong 1964 kasama ang kanyang artikulo, "Risk Analysis in Capital Investment," na inilathala sa Harvard Business Review.Inilapat ni Phelim Boyle ang pamamaraan sa derivative valuation noong 1977, na naglathala ng kanyang papel, "Mga Pagpipilian: Isang Diskarte sa Monte Carlo," sa Journal of Financial Economics.Ang pamamaraan ay mas mahirap gamitin sa mga pagpipilian sa Amerikano, at sa mga resulta na nakasalalay sa pinagbabatayan na mga pagpapalagay, mayroong ilang mga kaganapan na hindi mahuhulaan ng kunwa ng Monte Carlo.Bilang karagdagan sa pagbuo ng mga posibilidad ng mga posibleng pagtatapos ng isang naibigay na diskarte, ang pamamaraan ng pagbabalangkas ng data ay nagpapadali sa paglikha ng mga graph at tsart, na nagpapalakas ng mas mahusay na komunikasyon ng mga natuklasan sa mga namumuhunan at shareholders.Itinampok ng simulation ng Monte Carlo ang kamag -anak na epekto ng bawat variable sa ilalim na linya.Gamit ang kunwa na ito, ang mga analyst ay maaari ring makita nang eksakto kung paano nakakaapekto ang ilang mga kumbinasyon ng mga input at makipag -ugnay sa bawat isa.Ang pag -unawa sa positibo at negatibong magkakaugnay na ugnayan sa pagitan ng mga variable ay nagbibigay ng isang mas tumpak na pagsusuri ng peligro ng anumang instrumento.Ang isang kilalang pamamahagi ng posibilidad ay ang normal o curve ng kampanilya, kasama ang mga gumagamit na tinukoy ang inaasahang halaga at isang karaniwang curve ng paglihis na tumutukoy sa pagkakaiba-iba.Ang mga presyo ng enerhiya at mga rate ng inflation ay maaaring ilarawan ng mga curves ng kampanilya.Ang mga pamamahagi ng lognormal ay naglalarawan ng mga positibong variable na may walang limitasyong potensyal na madagdagan, tulad ng reserbang langis o mga presyo ng stock.Ang uniporme, tatsulok, at discrete ay mga halimbawa ng iba pang posibleng mga pamamahagi ng posibilidad.Ang mga halaga, na random na naka -sample mula sa mga curves ng posibilidad, ay isinumite sa mga set na tinatawag na mga iterations.