몬테카를로 시뮬레이션

몬테카를로 시뮬레이션(Monte-Carlo simulations)은 매우 다양한 가능성을 모형화할 때 사용합니다.

몬테카를로 방식은 여러 가지로 구성할 수 있지만, 공통점은 주어진 모형의 무작위 변형을 대량으로 생성해 가능한 경로의 넓은 분포를 분석한다는 점이에요. 이렇게 하면 많은 과거 데이터가 없더라도 표본으로 사용할 수 있는 포괄적인 가능성 예측을 구축할 수 있습니다.

USO 원유 ETF에 대해 몬테카를로 시뮬레이션 100개를 생성하세요.

매개변수 mu, vol, T, 그리고 S0는 이전 연습 문제에서 제공되었습니다.

이 연습은 강의의 일부입니다

Python으로 시작하는 포트폴리오 리스크 관리

강의 보기

연습 안내

range() 함수를 사용해 0부터 100까지(100은 제외) 반복하세요.
각 반복에서 plt.plot() 함수를 호출해 그래프를 그리세요. 첫 번째 인수로는 T의 범위(range(T))를, 두 번째 인수로는 forecasted_values를 전달합니다.

실습형 인터랙티브 연습

이 예제를 이 샘플 코드를 완성하여 풀어보세요.

# 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()

코드 편집 및 실행