Monte Carlo simulace

Monte Carlo simulace slouží k modelování širokého spektra možností.

Monte Carlo simulace lze sestavit mnoha různými způsoby, ale všechny mají jedno společné: generují velké množství náhodných variant daného modelu, čímž umožňují analyzovat širokou škálu možných scénářů. Díky tomu lze sestavit komplexní prognózu možných výsledků i bez velkého množství historických dat.

Vygeneruj 100 Monte Carlo simulací pro ETF na ropu USO.

Parametry mu, vol, T a S0 jsou dostupné z předchozího cvičení.

Toto cvičení je součástí kurzu

Úvod do řízení portfoliového rizika v Pythonu

Zobrazit kurz

Pokyny k cvičení

Projdi iterací od 0 do 100 (bez hodnoty 100) pomocí funkce range().
Pro každou iteraci zavolej vykreslovací funkci plt.plot() a předej jí rozsah hodnot T (range(T)) jako první argument a forecasted_values jako druhý argument.

Interaktivní cvičení na vyzkoušení si v praxi

Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.

# Loop through 100 simulations
for i in ____:

    # Generate the random returns
    rand_rets = np.random.normal(mu, vol, T) + 1
    
    # Create the Monte carlo path
    forecasted_values = S0*(rand_rets).cumprod()
    
    # Plot the Monte Carlo path
    plt.plot(____, ____)

# Show the simulations
plt.show()

Upravit a spustit kód