Simulaciones de Monte Carlo
Las simulaciones de Monte Carlo se usan para modelar un amplio abanico de posibilidades.
Se pueden construir de muchas formas, pero todas implican generar un gran número de variantes aleatorias de un modelo dado, lo que permite analizar una amplia distribución de trayectorias posibles. Esto te permite crear una previsión completa de posibilidades de las que muestrear sin necesidad de grandes cantidades de datos históricos.
Genera 100 simulaciones de Monte Carlo para el ETF de petróleo USO.
Los parámetros mu, vol, T y S0 están disponibles del ejercicio anterior.
Este ejercicio forma parte del curso
Introducción a la gestión del riesgo de cartera en Python
Instrucciones del ejercicio
- Itera de 0 a 100 (sin incluir 100) usando la función
range(). - Llama a la función de graficado en cada iteración con
plt.plot(), pasando como primer argumento el rango de valores T (range(T)) y como segundo argumento losforecasted_values.
Ejercicio interactivo práctico
Prueba este ejercicio y completa el código de muestra.
# 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()