Monte Carlo simulations

Monte-Carlo simulations का उपयोग व्यापक संभावनाओं को मॉडल करने के लिए किया जाता है.

Monte-Carlo कई तरीकों से बनाए जा सकते हैं, लेकिन सभी में एक दिए गए मॉडल की बड़ी संख्या में रैंडम वैरिएंट्स बनाना शामिल होता है, जिससे संभावित रास्तों के विस्तृत वितरण का विश्लेषण किया जा सके. इससे आप बिना बहुत अधिक ऐतिहासिक डेटा के संभावनाओं का एक समग्र पूर्वानुमान बना सकते हैं, जिससे सैंपल लिया जा सके.

USO oil ETF के लिए 100 Monte-Carlo simulations जनरेट करें.

पिछले अभ्यास से mu, vol, T, और S0 पैरामीटर्स उपलब्ध हैं.

यह अभ्यास पाठ्यक्रम का हिस्सा है

Python में पोर्टफोलियो जोखिम प्रबंधन का परिचय

पाठ्यक्रम देखें

अभ्यास निर्देश

range() फंक्शन का उपयोग करके 0 से 100 तक (100 शामिल नहीं) लूप करें.
हर iteration पर plt.plot() फंक्शन कॉल करें. पहला आर्ग्युमेंट T के मानों की रेंज (range(T)) दें और दूसरा आर्ग्युमेंट forecasted_values दें.

इंटरैक्टिव व्यावहारिक अभ्यास

इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।

# 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()

कोड संपादित करें और चलाएँ