Monte Carlo-simuleringens stokastiska natur
I den föregående övningen modellerade du information deterministiskt. Nu ska du försöka uppskatta framtida inflation med en stokastisk modell och en Monte Carlo-simulering.
Kom ihåg att stokastiska modeller simulerar slumpmässighet i variabler genom sampling. Den här slumpmässigheten innebär att varje simulering sannolikt ger ett annat förväntat utfall, även om indata är desamma. Vi såg detta i videon genom att köra Monte Carlo-simuleringar med olika seeds.
I den här övningen antar vi 8,6% inflation år 2022 och en stokastisk ökning på 1%, 2% eller 3% per år jämfört med föregående år (med lika stor sannolikhet för 1%, 2% eller 3%) för de följande åren. Hur kommer inflationstakten att se ut år 2050 under dessa antaganden?
Paketet random har redan importerats åt dig som random.
Den här övningen är en del av kursen
Monte Carlo-simuleringar i Python
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
# 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)