モンテカルロ・シミュレーション

モンテカルロ・シミュレーションは、さまざまな可能性をモデル化するために使われます。

モンテカルロ法には多くの実装方法がありますが、いずれも共通して、あるモデルの多数のランダムなバリエーションを生成し、取りうる経路の広い分布を分析できるようにします。これにより、十分な過去データがなくても、サンプリング可能な包括的な予測分布を構築できます。

USO 原油 ETF について、100 本のモンテカルロ・シミュレーションを生成してください。

パラメータ mu、vol、T、S0 は前の演習で用意されています。

この演習はコースの一部です

Pythonで学ぶポートフォリオ・リスク管理入門

コースを見る

演習の手順

range() 関数を使って、0 から 100（100 は含まない）までループします。
各イテレーションで plt.plot() 関数を呼び出し、最初の引数に T の範囲（range(T)）、2 つ目の引数に forecasted_values を渡してプロットします。

実践的なインタラクティブ演習

このサンプルコードを完成させて、この演習に挑戦してみましょう。

# 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()

コードを編集して実行