Stochastische Natur der Monte-Carlo-Simulation
In der vorherigen Übung hast du Informationen deterministisch modelliert. Jetzt versuchst du, die zukünftige Inflation mit einem stochastischen Modell mithilfe einer Monte-Carlo-Simulation zu schätzen.
Erinnere dich: Stochastische Modelle simulieren Zufälligkeit in Variablen durch Stichprobenziehung. Diese Zufälligkeit bedeutet, dass jede Simulation wahrscheinlich zu einem anderen erwarteten Ergebnis kommt – selbst wenn die Eingaben identisch sind. Das haben wir im Video gesehen, als wir Monte-Carlo-Simulationen mit unterschiedlichen Seeds ausgeführt haben.
In dieser Übung nehmen wir 8,6 % Inflation im Jahr 2022 an und einen stochastischen Anstieg von 1 %, 2 % oder 3 % pro Jahr gegenüber dem Vorjahr (mit gleichen Wahrscheinlichkeiten von 1 %, 2 % oder 3 %) für die folgenden Jahre. Wie sieht die Inflationsrate im Jahr 2050 unter diesen Annahmen aus?
Das Paket random wurde bereits als random importiert.
Diese Übung ist Teil des Kurses
Monte-Carlo-Simulationen in Python
Interaktive Übung
Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.
# Complete the function definition by defining the yearly_increase variable
def monte_carlo_inflation(year, seed):
random.seed(seed)
inflation_rate = 8.6
yearly_increase = ____
for i in range(year - 2022):
inflation_rate = inflation_rate*((100 + yearly_increase)/100)
return(inflation_rate)