Naturaleza estocástica de la simulación Montecarlo
En el ejercicio anterior, modelaste la información de forma determinista. Ahora intentarás estimar la inflación futura con un modelo estocástico, utilizando una simulación de Montecarlo.
Recuerda que los modelos estocásticos simulan la aleatoriedad de las variables mediante muestreo. Esta aleatoriedad significa que es probable que cada simulación llegue a un resultado esperado diferente, aunque las entradas sean las mismas. Lo vimos en el vídeo realizando simulaciones de Montecarlo con diferentes semillas.
En este ejercicio, supón una inflación del 8,6% en 2022 y un aumento estocástico del 1 %, 2 % o 3 % cada año respecto al año anterior (con probabilidades iguales del 1 %, 2 % o 3 %) para los años siguientes. ¿Cómo será la tasa de inflación en 2050 con estos supuestos?
El paquete random ya se ha importado como random.
Este ejercicio forma parte del curso
Simulaciones Montecarlo en Python
Ejercicio interactivo práctico
Pruebe este ejercicio completando este código de muestra.
# 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)