Natura stocastica della simulazione Monte Carlo
Nel precedente esercizio hai modellato le informazioni in modo deterministico. Ora proverai a stimare l’inflazione futura con un modello stocastico, usando una simulazione Monte Carlo.
Ricorda che i modelli stocastici simulano la casualità nelle variabili tramite campionamento. Questa casualità fa sì che ogni simulazione possa arrivare a un esito atteso diverso, anche con gli stessi input. Lo abbiamo visto nel video eseguendo simulazioni Monte Carlo con seed differenti.
In questo esercizio, supponi un’inflazione dell’8,6% nel 2022 e un aumento stocastico dell’1%, 2% o 3% ogni anno rispetto all’anno precedente (con uguale probabilità di 1%, 2% o 3%) per gli anni successivi. Come sarà il tasso di inflazione nel 2050 sotto queste ipotesi?
Il package random è già stato importato come random.
Questo esercizio fa parte del corso
Simulazioni Monte Carlo in Python
Esercizio pratico interattivo
Prova a risolvere questo esercizio completando il codice di esempio.
# 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)