Symulacje Monte Carlo

Symulacje Monte Carlo służą do modelowania szerokiego zakresu możliwych scenariuszy.

Można je konstruować na wiele sposobów, ale wszystkie opierają się na generowaniu dużej liczby losowych wariantów danego modelu, co pozwala przeanalizować szeroką dystrybucję możliwych ścieżek. Dzięki temu możesz zbudować kompleksową prognozę możliwości do próbkowania bez potrzeby posiadania dużej ilości danych historycznych.

Wygeneruj 100 symulacji Monte Carlo dla funduszu ETF na ropę naftową USO.

Parametry mu, vol, T i S0 są dostępne z poprzedniego ćwiczenia.

To ćwiczenie jest częścią kursu

Wprowadzenie do zarządzania ryzykiem portfela w Pythonie

Zobacz kurs

Instrukcje do ćwiczenia

Przejdź pętlą od 0 do 100 (bez wartości 100), używając funkcji range().
Dla każdej iteracji wywołaj funkcję rysującą plt.plot(), przekazując zakres wartości T (range(T)) jako pierwszy argument, a forecasted_values jako drugi argument.

Interaktywne ćwiczenie praktyczne

Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.

# 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()

Edytuj i uruchom kod