การจำลองแบบ Monte Carlo

การจำลองแบบ Monte Carlo ใช้สำหรับสร้างแบบจำลองของความเป็นไปได้ในหลากหลายสถานการณ์

การจำลองแบบ Monte Carlo สามารถสร้างได้หลายวิธี แต่ทุกวิธีล้วนอาศัยการสร้างตัวแปรสุ่มจำนวนมากจากโมเดลที่กำหนด เพื่อวิเคราะห์การกระจายของเส้นทางที่เป็นไปได้อย่างกว้างขวาง วิธีนี้ช่วยให้สามารถสร้างการคาดการณ์ที่ครอบคลุมได้โดยไม่จำเป็นต้องมีข้อมูลในอดีตจำนวนมาก

สร้างการจำลองแบบ Monte Carlo จำนวน 100 ครั้งสำหรับ ETF น้ำมัน USO

พารามิเตอร์ mu, vol, T และ S0 มีให้แล้วจากแบบฝึกหัดก่อนหน้า

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

Python เบื้องต้นสำหรับการบริหารความเสี่ยงพอร์ตการลงทุน

ดูคอร์ส

คำแนะนำการฝึกหัด

วนลูปตั้งแต่ 0 ถึง 100 (ไม่รวม 100) โดยใช้ฟังก์ชัน range()
เรียกใช้ฟังก์ชันพล็อตกราฟสำหรับแต่ละการวนซ้ำด้วย plt.plot() โดยส่ง range(T) เป็นอาร์กิวเมนต์แรก และ forecasted_values เป็นอาร์กิวเมนต์ที่สอง

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

# 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()

แก้ไขและรันโค้ด