Метод Монте-Карло

Метод Монте-Карло применяется для моделирования широкого спектра возможных сценариев.

Симуляции Монте-Карло можно строить по-разному, однако все они основаны на генерации большого числа случайных вариантов заданной модели, что позволяет анализировать широкое распределение возможных траекторий. Это даёт возможность строить комплексный прогноз сценариев даже при небольшом объёме исторических данных.

Сгенерируйте 100 симуляций Монте-Карло для нефтяного ETF USO.

Параметры mu, vol, T и S0 доступны из предыдущего упражнения.

Это упражнение является частью курса

Введение в управление портфельными рисками на Python

Посмотреть курс

Инструкции к упражнению

Организуйте цикл от 0 до 100 (не включая 100) с помощью функции range().
Для каждой итерации вызовите функцию построения графика plt.plot(), передав диапазон значений T (range(T)) первым аргументом, а forecasted_values — вторым.

Интерактивное практическое упражнение

Попробуйте выполнить это упражнение, дополнив этот пример кода.

# 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()

Редактировать и запускать код