Monte Carlo 模擬

Monte-Carlo 模擬 用來建構各種可能性的模型。

Monte-Carlo 可以用許多方式建立，但它們都會針對某個既定模型產生大量隨機變體，讓你能分析廣泛分佈的可能路徑。這有助於在歷史資料不多的情況下，也能建立一個可供取樣的完整可能性預測。

為 USO 原油 ETF 產生 100 條 Monte-Carlo 模擬路徑。

參數 mu、vol、T 與 S0 已從上一個練習提供。

本練習屬於課程

Python 投資組合風險管理入門

練習說明

使用 range() 函式從 0 迴圈到 100（不包含 100）。
在每次迭代中呼叫繪圖函式 plt.plot()，將 T 的取值範圍（range(T)）作為第一個引數，並將 forecasted_values 作為第二個引數。

動手互動練習

試著完成這個範例程式碼，體驗一下這個練習。

# 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()

編輯並執行程式碼