Nature stochastique de la simulation de Monte Carlo
Dans l’exercice précédent, vous avez modélisé des informations de façon déterministe. Vous allez maintenant essayer d’estimer l’inflation future avec un modèle stochastique, en utilisant une simulation de Monte Carlo.
Rappelez-vous que les modèles stochastiques simulent l’aléa des variables par échantillonnage. Cette part de hasard implique que chaque simulation aboutira probablement à un résultat attendu différent, même si les entrées sont identiques. Nous l’avons vu dans la vidéo en exécutant des simulations de Monte Carlo avec différentes graines.
Dans cet exercice, supposez une inflation de 8,6 % en 2022 et une hausse stochastique de 1 %, 2 % ou 3 % chaque année par rapport à l’année précédente (avec des probabilités égales de 1 %, 2 % ou 3 %) pour les années suivantes. À quoi ressemblera le taux d’inflation en 2050 dans ces conditions ?
Le package random a déjà été importé pour vous sous le nom random.
Cet exercice fait partie du cours
Simulations de Monte Carlo en Python
Exercice interactif pratique
Essayez cet exercice en complétant cet exemple de code.
# 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)