Simulations de Monte Carlo
Les simulations de Monte Carlo servent à modéliser un large éventail de possibilités.
On peut construire des Monte Carlo de différentes façons, mais toutes consistent à générer un grand nombre de variantes aléatoires d'un modèle donné, ce qui permet d'analyser une vaste gamme de trajectoires possibles. Vous pouvez ainsi établir une prévision complète de scénarios à échantillonner sans disposer d'une grande quantité de données historiques.
Générez 100 simulations de Monte Carlo pour le FNB pétrolier USO.
Les paramètres mu, vol, T et S0 sont disponibles depuis l'exercice précédent.
Cette activité fait partie du cours
Introduction à la gestion du risque de portefeuille en Python
Instructions de l’exercice
- Faites une boucle de 0 à 100 (sans inclure 100) à l'aide de la fonction
range(). - Appelez la fonction de traçage à chaque itération avec
plt.plot(), en passant l'intervalle de valeurs T (range(T)) comme premier argument etforecasted_valuescomme deuxième argument.
Exercice interactif pratique
Essayez cet exercice en complétant ce code d’exemple.
# 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()