مونتي كارلو محاكاة ، و نظام التداول الشعبي

محاكاة مونت كارلو كسر محاكاة مونتي كارلو منذ الأعمال التجارية والمالية تعاني من المتغيرات العشوائية، والمحاكاة مونت كارلو لديها مجموعة واسعة من التطبيقات المحتملة في هذه المجالات. وهي تستخدم لتقدير احتمال تجاوز التكاليف في المشاريع الكبيرة واحتمال أن يتحرك سعر الأصول بطريقة معينة. تستخدمها الاتصالات لتقييم أداء الشبكة في سيناريوهات مختلفة، مما يساعدها على تحسين الشبكة. ويستخدم المحللون هذه المخاطر لتقييم المخاطر التي قد تتعرض لها المنشأة، وتحليل المشتقات مثل الخيارات. شركات التأمين وحفر آبار النفط أيضا استخدامها. تحتوي محاكيات مونت كارلو على عدد لا يحصى من التطبيقات خارج نطاق الأعمال والتمويل، كما هو الحال في الأرصاد الجوية وعلم الفلك و فيزياء الجسيمات. تتم تسمية محاكاة مونت كارلو بعد بقعة ساخنة للمقامرة في موناكو، حيث أن النتائج العشائرية والنتائج العشوائية مركزية في أسلوب النمذجة، كما هي الحال بالنسبة لألعاب مثل الروليت والنرد وآلات القمار. وقد تم تطوير هذه التقنية لأول مرة من قبل ستانيسلاو أولام، عالم الرياضيات الذي عمل على مشروع مانهاتن. بعد الحرب، في حين تعافى من جراحة الدماغ، علام مطلقا نفسه من خلال لعب مباريات لا تعد ولا تحصى من مآس. أصبح مهتما بتآمر نتائج كل من هذه الألعاب من أجل مراقبة توزيعها وتحديد احتمال الفوز. وذكر هذا إلى جون فون نيومان، وتعاون الاثنان لتطوير محاكاة مونت كارلو. نموذج تسعير الأصول طريقة واحدة لتوظيف محاكاة مونت كارلو هي نموذج تحركات محتملة لأسعار الأصول باستخدام إكسيل أو برنامج مماثل. هناك عنصران في حركة أسعار الأصول: الانجراف، وهو حركة اتجاهية ثابتة، ومدخلات عشوائية، تمثل تقلبات السوق. من خلال تحليل بيانات الأسعار التاريخية، يمكنك تحديد الانحراف، الانحراف المعياري. التباين ومتوسط ​​حركة السعر لأمن. هذه هي اللبنات الأساسية لمحاكاة مونت كارلو. ولتنفيذ مسار سعر محتمل واحد، استخدم بيانات الأسعار التاريخية للأصل لتوليد سلسلة من العائدات اليومية الدورية باستخدام اللوغاريتم الطبيعي (لاحظ أن هذه المعادلة تختلف عن المعادلة المعتادة لتغير النسبة المئوية): العائد اليومي الدوري لن (أيام الأيام السابقة للأيام السعر) بعد ذلك استخدم وظائف أفيراج و STDEV. P و VAR. P على السلسلة الناتجة بأكملها للحصول على متوسط ​​العائد اليومي والانحراف المعياري ومدخلات التباين، على التوالي. الانجراف يساوي: الانجراف المتوسط ​​اليومي العائد - (التباين 2) بدلا من ذلك، يمكن تعيين الانجراف إلى 0 هذا الاختيار يعكس توجها نظريا معين، ولكن الفرق لن تكون ضخمة، على الأقل لأطر زمنية أقصر. التالي الحصول على المدخلات عشوائي: قيمة عشوائية الانحراف المعياري نورمزينف (راند ()) معادلة لأيام الأيام التالية السعر: السعر في الأيام التالية السعر اليوم ه (قيمة عشوائية الانجراف) لاتخاذ e إلى قوة معينة x في إكسيل، استخدم إكس فونكتيون: إكس (x). كرر هذا الحساب العدد المطلوب من المرات (كل تكرار يمثل يوم واحد) للحصول على محاكاة حركة الأسعار في المستقبل. من خلال توليد عدد تعسفي من المحاكاة، يمكنك تقييم احتمال أن سعر الأمن سوف تتبع مسار معين. في ما يلي مثال يوضح حوالي 30 إسقاطا لمخزون تايم وارنر إينكس (توكس) للفترة المتبقية من نوفمبر 2015: سوف تشكل الترددات من النتائج المختلفة الناتجة عن هذه المحاكاة توزيع طبيعي. أي منحنى الجرس. العائد الأكثر احتمالا هو في منتصف المنحنى، وهذا يعني أن هناك فرصة متساوية أن العائد الفعلي سيكون أعلى أو أقل من تلك القيمة. احتمال أن يكون العائد الفعلي ضمن انحراف معياري واحد للمعدل الأكثر احتمالا (المتوقع) هو 68 أنه سيكون ضمن انحرافين معياريين 95 وأنه سيكون ضمن ثلاثة انحرافات معيارية هي 99.7. ومع ذلك، ليس هناك ما يضمن أن النتيجة الأكثر توقعا ستحدث، أو أن الحركات الفعلية لن تتجاوز أسوأ التوقعات. والأهم من ذلك أن محاكاة مونتي كارلو تتجاهل كل ما لا يكمن في حركة الأسعار (الاتجاهات الكلية، قيادة الشركة، الضجيج، العوامل الدورية) وبعبارة أخرى، فإنها تفترض أسواقا فعالة تماما. على سبيل المثال، حقيقة أن تايم وارنر خفضت توجيهاتها للسنة في 4 نوفمبر لا ينعكس هنا، إلا في حركة السعر لذلك اليوم، القيمة الأخيرة في البيانات إذا تم حساب هذه الحقيقة، فإن الجزء الأكبر من المحاكاة ربما لا يتوقع ارتفاع متواضع في price. by مايكل R. براينت تحليل مونت كارلو هو تقنية حسابية التي تجعل من الممكن لتشمل الخصائص الإحصائية لنماذج المعلمات في المحاكاة. وفي تحليل مونت كارلو، تمثل المتغيرات العشوائية للنموذج توزيعات إحصائية، يتم أخذ عينات عشوائية منها لإنتاج مخرجات النماذج. وبالتالي فإن الناتج هو أيضا توزيع إحصائي. وبالمقارنة مع أساليب المحاكاة التي لا تشمل أخذ العينات العشوائية، فإن طريقة مونت كارلو تنتج نتائج أكثر وضوحا، وهي أكثر تحفظا وتميل أيضا إلى أن تكون أكثر دقة عند استخدامها كتنبؤات. عند استخدام تحليل مونتي كارلو لمحاكاة التداول، يتم توزيع التوزيع التجاري، كما تمثله قائمة الصفقات، لتوليد تسلسل التجارة. يتم تحليل كل تسلسل من هذا القبيل، ويتم فرز النتائج لتحديد احتمال كل نتيجة. وبهذه الطريقة، يتم تعيين مستوى الاحتمال أو الثقة لكل نتيجة. دون تحليل مونت كارلو، فإن النهج القياسي لحساب معدل العائد التاريخي، على سبيل المثال، سيكون لتحليل تسلسل الحالي من الصفقات باستخدام، على سبيل المثال، ثابت التحجيم موقف كسور. وقد وجد أن معدل العائد على التسلسل كان 114. مع تحليل مونتي كارلو، من ناحية أخرى، يتم تحليل مئات أو الآلاف من سلاسل مختلفة من الصفقات، ويعبر عن معدل العائد مع مؤهل الاحتمال. على سبيل المثال، معدل العائد كما هو محدد من قبل تحليل مونت كارلو قد يكون 83 مع 95 الثقة. وهذا يعني أنه من بين آلاف التتابعات التي تم النظر فيها، كان 95 معدل عائد أكبر من أو يساوي 83. ويعد تحليل مونت كارلو مفيدا بشكل خاص في تقدير السحب الأقصى من الذروة إلى الوادي. وبقدر ما يكون السحب التدريبي مقياسا مفيدا للمخاطر، فإن تحسين حساب السحب سيجعل من الممكن إجراء تقييم أفضل لنظام أو طريقة تجارية. على الرغم من أننا لا يمكن التنبؤ كيف سوف تختلف السوق غدا من ما رأيناه في الماضي، ونحن نعلم أنه سيكون مختلفا. إذا قمنا بحساب الحد الأقصى للسحب على أساس التسلسل التاريخي للحرف، كانت تستند حساباتنا على سلسلة من الصفقات ونحن نعلم لن تتكرر بالضبط. حتى لو كان توزيع الصفقات (بالمعنى الإحصائي) هو نفسه في المستقبل، تسلسل تلك الصفقات هو إلى حد كبير مسألة الصدفة. حساب السحب على أساس تسلسل معين واحد هو تعسفي إلى حد ما. وعلاوة على ذلك، فإن تسلسل الصفقات له تأثير كبير جدا على السحب المحسوب. إذا اخترت سلسلة من الصفقات حيث تحدث خمس خسائر في صف واحد، يمكنك الحصول على سحب كبير جدا. نفس الصفقات مرتبة في ترتيب مختلف، بحيث تكون الخسائر موزعة بالتساوي، قد يكون لها انخفاض ضئيل. في استخدام نهج مونت كارلو لحساب السحب، والتسلسل التاريخي من الصفقات العشوائية، ويتم حساب معدل العائد والتخفيض للتسلسل العشوائي. ثم تكرر العملية عدة مئات أو ألف مرة. وعند النظر إلى النتائج في المجمل، قد نجد، على سبيل المثال، أنه في 95 من التتابعات، كان السحب أقل من 30 عندما تعرضت 4 من الأسهم لخطر على كل صفقة. سوف نفسر هذا على أنه يعني أن هناك فرصة 95 أن السحب سيكون أقل من 30 عندما 4 للخطر من كل التجارة. بشكل عام، هناك طريقتان لتوليد تسلسل من الصفقات في محاكاة مونت كارلو. خيار واحد هو بناء كل تسلسل من الصفقات عن طريق أخذ العينات العشوائية من نفس الصفقات كما هو الحال في التسلسل الحالي، مع كل تجارة شملت مرة واحدة. ويعرف هذا الأسلوب من أخذ العينات توزيع التجارة باسم اختيار عشوائي دون استبدال. طريقة أخرى ممكنة أخذ العينات هو اختيار عشوائي مع استبدال. إذا تم استخدام هذه الطريقة، سيتم اختيار الصفقات عشوائيا من القائمة الأصلية للصفقات بغض النظر عما إذا كانت التجارة قد تم اختيارها بالفعل أم لا. في الاختيار مع الاستبدال، يمكن أن تحدث التجارة أكثر من مرة في التسلسل الجديد. وفائدة الاختيار دون استبدال هي أنه يكرر بالضبط توزيع الاحتمالات لتتابع المدخلات، في حين أن الاختيار مع الاستبدال قد لا. والعيب إلى الاختيار دون استبدال هو أن تسلسل العينات عشوائيا يقتصر على عدد الصفقات في تسلسل المدخلات. إذا كان لديك سلسلة قصيرة من الصفقات (على سبيل المثال، أقل من 30 صفقة)، فإن هذا قد يحد من دقة بعض الحسابات، مثل السحب. ويرد أدناه مثال يستند إلى أخذ العينات بدون استبدال. يتم محاكاة التداول باستخدام ثابت التحجيم موقف نسبة ابتداء من حقوق المساهمين من 10،000. وتستخدم كل محاكاة 500 تسلسل تجاري (عينات). ويظهر قسم النتائج الأول في الشكل النتائج الرئيسية، مثل معدل العائد، على سلسلة من مستويات الثقة. لاحظ، على سبيل المثال، أنه من المتوقع انخفاض العائدات لمستويات ثقة أعلى. مثال على مونتي كارلو تحليل results. quot تشغيل مونتي كارلوس هو السبيل الوحيد لتحليل قرارات كبيرة غير مؤكدة. كوت كوت مكلفة في سونكور للقيام محاكاة مونت كارلو على جميع المشاريع الكبرى تقديرات التكاليف الرأسمالية. تحليل المخاطر هو جزء من كل قرار نقوم به. إننا نواجه باستمرار عدم اليقين والغموض والتفاوت. وعلى الرغم من أن لدينا وصول غير مسبوق إلى المعلومات، ونحن كانرسكوت التنبؤ بدقة المستقبل. محاكاة مونتي كارلو (المعروف أيضا باسم طريقة مونت كارلو) يتيح لك رؤية جميع النتائج المحتملة للقرارات الخاصة بك وتقييم تأثير المخاطر، مما يسمح لاتخاذ قرارات أفضل في ظل عدم اليقين. ما هو محاكاة مونت كارلو محاكاة مونت كارلو هي تقنية رياضية المحوسبة التي تسمح للناس لحساب المخاطر في التحليل الكمي وصنع القرار. يتم استخدام هذه التقنية من قبل المهنيين في مثل هذه المجالات المتباينة على نطاق واسع مثل التمويل، وإدارة المشاريع والطاقة والتصنيع والهندسة والبحث والتطوير والتأمين والغاز أمبير النفط والنقل والبيئة. وتوفر محاكاة مونتي كارلو لصانع القرار مجموعة من النتائج المحتملة والاحتمالات التي ستحدث عند اختيار أي إجراء. فإنه يدل على إمكانيات المتطرفةحجم النتائج من الذهاب لكسر و ديسيسمداشالونغ الأكثر تحفظا مع كل العواقب المحتملة لقرارات منتصف الطريق. تم استخدام هذه التقنية لأول مرة من قبل العلماء الذين يعملون على قنبلة ذرية كان اسمه مونتي كارلو، موناكو منتجع بلدة تشتهر الكازينوهات. منذ إدخاله في الحرب العالمية الثانية، تم استخدام محاكاة مونت كارلو لنموذج مجموعة متنوعة من النظم المادية والمفاهيمية. كيف محاكاة مونتي كارلو يعمل محاكاة مونتي كارلو يؤدي تحليل المخاطر من خلال بناء نماذج من النتائج المحتملة عن طريق استبدال مجموعة من القيممداشا توزيع الاحتمالات مداشفور أي عامل لديه عدم اليقين المتأصل. ثم يحسب النتائج مرارا وتكرارا، في كل مرة باستخدام مجموعة مختلفة من القيم العشوائية من وظائف الاحتمال. واعتمادا على عدد حالات عدم التيقن والنطاقات المحددة لها، يمكن أن تنطوي محاكاة مونتي كارلو على آلاف أو عشرات الآلاف من عمليات إعادة الحساب قبل اكتمالها. وتنتج محاكاة مونتي كارلو توزيعات لقيم النتائج المحتملة. باستخدام التوزيعات الاحتمالية، يمكن أن تكون للمتغيرات احتمالات مختلفة للنتائج المختلفة التي تحدث. والتوزيعات الاحتمالية هي طريقة أكثر واقعية لوصف عدم اليقين في متغيرات تحليل المخاطر. وتشمل التوزيعات الاحتمالية الشائعة: ندش عادي أو ldquobell curve. rdquo المستخدم ببساطة يحدد القيمة المتوسطة أو المتوقعة والانحراف المعياري لوصف الاختلاف عن المتوسط. من المرجح أن تحدث القيم في الوسط القريب من المتوسط. وهو متماثل ويصف العديد من الظواهر الطبيعية مثل مرتفعات بوبليرسكوس. ومن أمثلة المتغيرات الموصوفة في التوزيعات العادية معدلات التضخم وأسعار الطاقة. لدنورمال ندش القيم هي منحرفة إيجابيا، لا متماثلة مثل التوزيع الطبيعي. يتم استخدامه لتمثيل القيم التي دونرسكوت تذهب تحت الصفر ولكن لديها إمكانات إيجابية غير محدودة. ومن أمثلة المتغيرات التي توصفها التوزيعات اللوغورمالية قيم العقارات العقارية، وأسعار الأسهم، واحتياطيات النفط. وندورم نداش كل القيم لها فرصة متساوية بحدوثها، ويقوم المستخدم ببساطة بتحديد الحد الأدنى والحد الأقصى. ومن أمثلة المتغيرات التي يمكن توزيعها بشكل موحد تكاليف التصنيع أو إيرادات المبيعات المستقبلية لمنتج جديد. تريشانغولار نداش يحدد المستخدم الحد الأدنى، والأكثر احتمالا، والقيم القصوى. من المرجح أن تحدث القيم حول الأرجح. وتشمل المتغيرات التي يمكن وصفها من خلال التوزيع الثلاثي المبيعات السابقة التاريخ لكل وحدة من الوقت ومستويات المخزون. PERT - يحدد المستخدم الحد الأدنى، على الأرجح، والقيم القصوى، تماما مثل التوزيع الثلاثي. من المرجح أن تحدث القيم حول الأرجح. ولكن القيم بين الأرجح والأقصى هي الأكثر احتمالا أن تحدث من المثلث الذي هو، ليست متطرفة كما أكد. مثال على استخدام توزيع بيرت هو وصف مدة المهمة في نموذج إدارة المشروع. منفصلة نداش يحدد المستخدم القيم المحددة التي قد تحدث واحتمال كل منهما. على سبيل المثال قد تكون نتائج الدعوى: 20 فرصة الحكم الإيجابي، 30 تغيير الحكم السلبي، 40 فرصة للتسوية، و 10 فرصة لسوء المعاملة. خلال محاكاة مونت كارلو، يتم أخذ العينات عشوائيا من توزيعات احتمال الإدخال. وتسمى كل مجموعة من العينات التكرار، وتسجل النتيجة الناتجة عن تلك العينة. محاكاة مونت كارلو يفعل هذا مئات أو آلاف المرات، والنتيجة هي احتمال توزيع النتائج المحتملة. وبهذه الطريقة، توفر محاكاة مونتي كارلو نظرة أكثر شمولا عما يمكن أن يحدث. فهو يخبرك ليس فقط بما يمكن أن يحدث، ولكن مدى احتمال حدوثه. محاكاة مونت كارلو يوفر عددا من المزايا أكثر من حتمية، أو لدكوسينغل نقطة تحليل إستيماتيردكو: النتائج الاحتمالية. تظهر النتائج ليس فقط ما يمكن أن يحدث، ولكن مدى احتمال كل نتيجة. النتائج الرسومية. بسبب البيانات محاكاة مونتي كارلو يولد، إترسكوس سهلة لإنشاء الرسوم البيانية من نتائج مختلفة وفرص حدوثها. وهذا أمر مهم لتوصيل النتائج إلى أصحاب المصلحة الآخرين. تحليل الحساسية. مع عدد قليل من الحالات، والتحليل الحتمي يجعل من الصعب معرفة المتغيرات التي تؤثر على النتيجة أكثر من غيرها. في محاكاة مونتي كارلو، إترسكوس من السهل أن نرى المدخلات التي كان لها أكبر تأثير على نتائج الخط السفلي. تحليل السيناريو: في نماذج حتمية، إترسكوس من الصعب جدا لنموذج مجموعات مختلفة من القيم لمختلف المدخلات لمعرفة آثار سيناريوهات مختلفة حقا. باستخدام المحاكاة مونت كارلو، يمكن للمحللين معرفة بالضبط المدخلات التي القيم التي معا عند حدوث بعض النتائج. وهذا أمر لا يقدر بثمن لمواصلة إجراء المزيد من التحليل. ارتباط المدخلات. في محاكاة مونت كارلو، إترسكوس ممكن لنموذج العلاقات المترابطة بين المتغيرات المدخلات. إترسكوس مهمة لدقة لتمثيل كيف، في الواقع، عندما ترتفع بعض العوامل، والبعض الآخر صعودا أو هبوطا وفقا لذلك. تعزيز لمحاكاة مونت كارلو هو استخدام أخذ العينات هيبيركيوب اللاتينية، والتي عينات أكثر دقة من مجموعة كاملة من وظائف التوزيع. المنتجات محاكاة مونتي كارلو مونتي كارلو ظهور تطبيقات جداول البيانات لأجهزة الكمبيوتر الشخصية وفرت فرصة للمهنيين لاستخدام محاكاة مونتي كارلو في عمل التحليل اليومي. ميكروسوفت إكسيل هو أداة تحليل جداول البيانات المهيمنة و باليسادرسكوس ريسك هو محاكاة مونت كارلو الرائدة الإضافية ل إكسيل. قدم لأول مرة لوتس 1-2-3 ل دوس في عام 1987، ريسك لديه سمعة راسخة منذ فترة طويلة من الدقة الحسابية، والمرونة النمذجة، وسهولة الاستخدام. وأدى إدخال مشروع ميكروسوفت بروجيكت إلى تطبيق منطقي آخر لمحاكاة مونتي كارلو في تحليل أوجه عدم اليقين والمخاطر الكامنة في إدارة المشاريع الكبيرة. ويستخدم أيضا ريسك لإدارة المشروع. كوبيرايت كوبي 2017 باليسيد كوربوراتيون. كل الحقوق محفوظة. الولايات المتحدة الأمريكية 0800 783 5398 المملكة المتحدة 0800 90 80 32 فرنسا 0800 181 7449 ألمانيا 900 93 8916 إسبانيا 44 1895 425050 ساليسيماباليسيد ساليس سيندياباليسيد باليسيد لاتيناماكوتيريكا 1 607 277 8000 x318 54 (11) 5252 -8795 الأرجنتين 56 2581-3492 تشيلي 507 836-5675 بنماكاوت 52 55 5350 2852 ميكوتكسيكو 51 1 708-6781 بيرواكوت 57 1 508-5187 كولومبيا سيرفيسيوالكلينتيباليساد فينتاسباليساد باليسيد-لتا