㈠ 什麼是蒙特卡洛模擬( Monte Carlo simulation)
蒙特卡洛模擬又稱為隨機抽樣或統計試驗方法，屬於計算數學的一個分支，它是在上世紀四十年代中期為了適應當時原子能事業的發展而發展起來的。傳統的經驗方法由於不能逼近真實的物理過程，很難得到滿意的結果，而蒙特卡羅方法由於能夠真實地模擬實際物理過程，故解決問題與實際非常符合，可以得到很圓滿的結果。
蒙特卡洛隨機模擬法的原理是當問題或對象本身具有概率特徵時，可以用計算機模擬的方法產生抽樣結果，根據抽樣計算統計量或者參數的值；隨著模擬次數的增多，可以通過對各次統計量或參數的估計值求平均的方法得到穩定結論。
蒙特卡洛隨機模擬法 - 實施步驟抽樣計算統計量或者參數的值；隨著模擬次數的增多，可以通過對各次統計量或參數的估計值求平均的方法得到穩定結論。
(1)股票價格的蒙特卡洛模擬擴展閱讀
基本原理思想
當所要求解的問題是某種事件出現的概率，或者是某個隨機變數的期望值時，它們可以通過某種「試驗」的方法，得到這種事件出現的頻率，或者這個隨機變數的平均值，並用它們作為問題的解。這就是蒙特卡羅方法的基本思想。
蒙特卡羅方法通過抓住事物運動的幾何數量和幾何特徵，利用數學方法來加以模擬，即進行一種數字模擬實驗。它是以一個概率模型為基礎，按照這個模型所描繪的過程，通過模擬實驗的結果，作為問題的近似解。可以把蒙特卡羅解題歸結為三個主要步驟：構造或描述概率過程；實現從已知概率分布抽樣；建立各種估計量。
㈡ 什麼是蒙特卡羅模擬
蒙特卡羅模擬因摩納哥著名的賭場而得名。它能夠幫助人們從數學上表述物理、化學、工程、經濟學以及環境動力學中一些非常復雜的相互作用。數學家們稱這種表述為「模式」，而當一種模式足夠精確時，他能產生與實際操作中對同一條件相同的反應。但蒙特卡羅模擬有一個危險的缺陷：如果必須輸入一個模式中的隨機數並不像設想的那樣是隨機數，而卻構成一些微妙的非隨機模式，那麼整個的模擬（及其預測結果）都可能是錯的。
(2)股票價格的蒙特卡洛模擬擴展閱讀：
蒙特卡羅模擬在金融工程學，宏觀經濟學，生物醫學，計算物理學(如粒子輸運計算、量子熱力學計算、空氣動力學計算)等領域也應用廣泛。
計算機技術的發展，使得蒙特卡羅模擬在最近10年得到快速的普及。現代的蒙特卡羅模擬，已經不必親自動手做實驗，而是藉助計算機的高速運轉能力，使得原本費時費力的實驗過程，變成了快速和輕而易舉的事情。它不但用於解決許多復雜的科學方面的問題，也被項目管理人員經常使用。
㈢ 什麼是蒙特卡洛模擬( Monte Carlo simulation)
我們一直面對著不確定，不明確和變異。甚至我們無法獲得信息，我們不能准確的預測未來。蒙特卡洛模擬( Monte Carlo simulation)讓您看到了您決策的所有可能的輸出，並評估風險，允許在不確定的情況下制定更好的決策。蒙特卡洛模擬( Monte Carlo simulation)是一種計算機數學技術，允許人們在定量分析和決策制定過程中量化風險。這項技術被專家們用於各種不同的領域，比如財經，項目管理，能源，生產，工程，研究和開發，保險，石油&天然氣，物流和環境。蒙特卡洛模擬( Monte Carlo simulation)提供給了決策制定者大范圍的可能輸出和任意行動選擇將會發生的概率。它顯示了極端的可能性-最的輸出，最保守的輸出-以及對於中間路線決策的最可能的結果。這項技術首先被從事原子彈工作的科學家使用；它被命名為蒙特卡洛，摩納哥有名的娛樂旅遊勝地。它是在二戰的時候被傳入的，蒙特卡洛模擬( Monte Carlo simulation)現在已經被用於建模各種物理和概念系統。蒙特卡洛模擬( Monte Carlo simulation)是如何工作的蒙特卡洛模擬( Monte Carlo simulation)通過構建可能結果的模型-通過替換任意存在固有不確定性的因子的一定范圍的值(概率分布)-來執行風險分析。它一次又一次的計算結果，每次使用一個從概率分布獲得的不同隨機數集。根據不確定數和為他們制定的范圍，蒙特卡洛模擬( Monte Carlo simulation)能夠在它完成計算前調用成千上萬次的重復計算。蒙特卡洛模擬( Monte Carlo simulation)產生可能結果輸出值的分布。通過使用概率分布，變數能夠擁有不同結果發生的不同概率。概率分布是一種用來描述風險分析的變數中的不確定性的更加可行的方法。常用的概率分布包括：正態分布(Normal)-或"鍾型曲線".用戶簡單的定義均值或期望值和標准差來描述關於均值的變異。在中部靠近均值的值是最有可能發生的值。它是對稱的，可以用來描述多種自然現象，比如人的身高。可以通過正態分布描述的變數示例包括通貨膨脹率和能源價格。對數正態分布(Lognormal)-值是正偏的，不像正態分布那樣是對稱的。它被用來代表不會小於零但可能有無限大正值的結果。可以通過對數正態分布描述的變數示例包括房地產價值，股票價格和石油儲量。均勻分布(Uniform)-所有的值發生的機會相等，用戶只需制定最小和最大值。可以通過均勻分布描述的變數示例包括一個新產品的製造費用或未來銷售收入。三角分布(Triangular)-用戶指定最小，最可能和最大值。在最可能附近的值最可能發生。可以通過三角分布描述的變數示例包括每時間單位內的過去銷售歷史和庫存水平。PERT分布-用戶指定最小，最可能和最大值，類似三角分布。在最可能附近的值最可能發生。然而在最可能和極值之間的值比三角分布更有可能發生；那就是說，the extremes are not as emphasized. 可以通過三角分布描述的變數示例包括在項目管理模型中的一項任務的持續時間。離散分布(Discrete)-用戶指定最可能發生的值和每個值的可能性。比如關於訴訟結果的示例，20%的機會陪審團判決無罪，30%的機會陪審團判決有罪，40%的機會審批有效，10%的機會審批無效。在蒙特卡洛模擬( Monte Carlo simulation)過程中，值被從輸入概率分布中隨機抽取。每個樣本集被稱為一次迭代，從樣本獲得的結果被記錄。蒙特卡洛模擬( Monte Carlo simulation)執行這樣的操作成百上千次，可能結果形成一個概率分布。用這種方法，蒙特卡洛模擬( Monte Carlo simulation)生成了一個更加全面關於將會發生的結果的視圖。它不僅僅告訴什麼結果會發生，而且還有結果發生的可能性。蒙特卡洛模擬( Monte Carlo simulation)提供了許多超越確定性或"單點估計"分析的優勢：概率結果，結果不僅顯示會發生什麼，而且還有每個結果發生的可能性圖形化報告，因為蒙特卡洛模擬( Monte Carlo simulation)生成的數據，它很容易創建不同結果和他們發生機會的圖形。這對於和其他投資者溝通結果是很重要的。敏感性分析，如果只有很少的一些案例，確定性分許就很難發現哪個變數對結果影響最大。在蒙特卡洛模擬( Monte Carlo simulation)中，很容易發現哪個輸入對底線結果有最大的影響。情境分析，在確定性模型中，對於為不同輸入值的不同組合建模來真實的查看不同情境的效果是很困難的。使用蒙特卡洛模擬( Monte Carlo simulation)，分析員能夠正確的查看當確定的輸出發生時某個輸入對應的值。這對於進一步的分析來說是無價的。相關性輸入，在蒙特卡洛模擬( Monte Carlo simulation)中，可能要建模輸入變數之間的相關關系。它對於准確的描繪在某些因子增長時，其它的因子是如何增長或下降的情況時是重要的。
㈣ 蒙特卡洛 模擬法 計算var 的公式是什麼
更為確切的是指，在一定概率水平（置信度）下，某一金融資產或證券組合價值在未來特定時期內的最大可能損失。用公式表示為： Prob(△Ρ<VAR)=1-α 其中Prob表示：資產價值損失小於可能損失上限的概率。 △Ρ表示：某一金融資產在一定持有期△t的價值損失額。 VAR表示：給定置信水平α下的在險價值，即可能的損失上限。 α為：給定的置信水平。 VAR從統計的意義上講，本身是個數字，是指面臨「正常」的市場波動時「處於風險狀態的價值」。即在給定的置信水平和一定的持有期限內，預期的最大損失量（可以是絕對值，也可以是相對值）。例如，某一投資公司持有的證券組合在未來24小時內，置信度為95％，在證券市場正常波動的情況下，VaR 值為800萬元。其含義是指，該公司的證券組合在一天內（24小時），由於市場價格變化而帶來的最大損失超過800萬元的概率為5％，平均20個交易日才可能出現一次這種情況。或者說有95％的把握判斷該投資公司在下一個交易日內的損失在800萬元以內。5％的機率反映了金融資產管理者的風險厭惡程度，可根據不同的投資者對風險的偏好程度和承受能力來確定。 VAR的計算系數 由上述定義出發，要確定一個金融機構或資產組合的VAR值或建立VAR的模型，必須首先確定以下三個系數：一是持有期間的長短；二是置信區間的大小；三是觀察期間。 1、持有期。持有期△t，即確定計算在哪一段時間內的持有資產的最大損失值，也就是明確風險管理者關心資產在一天內一周內還是一個月內的風險價值。持有期的選擇應依據所持有資產的特點來確定比如對於一些流動性很強的交易頭寸往往需以每日為周期計算風險收益和VaR值，如G30小組在1993年的衍生產品的實踐和規則中就建議對場外OTC衍生工具以每日為周期計算其VaR，而對一些期限較長的頭寸如養老基金和其他投資基金則可以以每月為周期。 從銀行總體的風險管理看持有期長短的選擇取決於資產組合調整的頻度及進行相應頭寸清算的可能速率。巴塞爾委員會在這方面採取了比較保守和穩健的姿態，要求銀行以兩周即10個營業日為持有期限。 2、置信水平α。一般來說對置信區間的選擇在一定程度上反映了金融機構對風險的不同偏好。選擇較大的置信水平意味著其對風險比較厭惡，希望能得到把握性較大的預測結果，希望模型對於極端事件的預測准確性較高。根據各自的風險偏好不同，選擇的置信區間也各不相同。比如J.P. Morgan與美洲銀行選擇95％，花旗銀行選擇95.4％，大通曼哈頓選擇97.5％，Bankers Trust選擇99％。作為金融監管部門的巴塞爾委員會則要求採用99％的置信區間，這與其穩健的風格是一致的。 3、第三個系數是觀察期間(Observation Period)。觀察期間是對給定持有期限的回報的波動性和關聯性考察的整體時間長度，是整個數據選取的時間范圍，有時又稱數據窗口(Data Window)。例如選擇對某資產組合在未來6個月，或是1年的觀察期間內，考察其每周回報率的波動性(風險) 。這種選擇要在歷史數據的可能性和市場發生結構性變化的危險之間進行權衡。為克服商業循環等周期性變化的影響，歷史數據越長越好，但是時間越長，收購兼並等市場結構性變化的可能性越大，歷史數據因而越難以反映現實和未來的情況。巴塞爾銀行監管委員會目前要求的觀察期間為1年。 綜上所述，VaR實質是在一定置信水平下經過某段持有期資產價值損失的單邊臨界值，在實際應用時它體現為作為臨界點的金額數目。
㈤ 怎麼用 Excel 做蒙特卡洛模擬
Excel 做蒙特卡洛模擬的具體操作步驟如下：
1、打開Excel表格，填寫三個活動時間估算的樂觀值，最可能值和悲觀值。
㈥ 蒙特卡洛公式計算股價准確嗎
蒙特卡洛公式計算股價准確。蒙特卡羅方法是由馮諾依曼和烏拉姆等人發明的，蒙特卡羅這個名字是出自摩納哥的蒙特卡羅賭場，這個方法是一類基於概率的方法的統稱，不是特指一種方法。蒙特卡羅方法也成統計模擬方法，是指使用隨機數（或者更常見的偽隨機數）來解決很多計算問題的方法。工作原理就是兩件事：不斷抽樣、逐漸逼近。
㈦ 什麼是蒙特卡洛模擬，如何在R中應用，舉個例子
蒙特卡洛模擬法求解步驟應用此方法求解工程技術問題可以分為兩類:確定性問題和隨機性問題。解題步驟如下：根據提出的問題構造一個簡單、適用的概率模型或隨機模型，使問題的解對應於該模型中隨機變數的某些特徵（如概率、均值和方差等），所構造的模型在主要特徵參量方面要與實際問題或系統相一致 2 .根據模型中各個隨機變數的分布，在計算機上產生隨機數，實現一次模擬過程所需的足夠數量的隨機數。通常先產生均勻分布的隨機數，然後生成服從某一分布的隨機數，方可進行隨機模擬試驗。 3. 根據概率模型的特點和隨機變數的分布特性，設計和選取合適的抽樣方法，並對每個隨機變數進行抽樣（包括直接抽樣、分層抽樣、相關抽樣、重要抽樣等）。 4.按照所建立的模型進行模擬試驗、計算，求出問題的隨機解。 5. 統計分析模擬試驗結果，給出問題的概率解以及解的精度估計。在可靠性分析和設計中，用蒙特卡洛模擬法可以確定復雜隨機變數的概率分布和數字特徵，可以通過隨機模擬估算系統和零件的可靠度，也可以模擬隨機過程、尋求系統最優參數等。