Ⅰ 用Python中的蒙特卡洛模拟两支股票组成的投资组合的价格趋势分析
蒙特卡洛模拟是一种模拟把真实系统中的概率过程用计算机程序来模拟的方法。对于投资组合的价格趋势分析，可以使用Python中的蒙特卡洛模拟。首先，回顾投资组合的价格趋势。投资组合中的股票价格的趋势是受多种因素影响的，可分为经济、政治和技术因素，其中经济因素最重要。因此，蒙特卡洛模拟可以模拟这些因素对投资组合价格趋势的影响，并通过计算机绘制投资组合价格趋势的曲线。
Python中的蒙特卡洛模拟首先需要计算投资组合中各股票价格的每一期的收益率，其次，计算出投资组合的收益率；随后，计算预测投资组合的期权价格，并将所有的期权价格叠加起来，从而绘制投资组合的价格曲线。最后，在投资组合的价格曲线的基础上，可以分析投资组合在不同时期的价格走势，并进行投资组合结构的调整，从而获得最优投资组合。
Ⅱ 怎么用 Excel 做蒙特卡洛模拟
Excel 做蒙特卡洛模拟的具体操作步骤如下：
1、打开Excel表格，填写三个活动时间估算的乐观值，最可能值和悲观值。
Ⅲ 什么是蒙特卡洛模拟( Monte Carlo simulation)
我们一直面对着不确定，不明确和变异。甚至我们无法获得信息，我们不能准确的预测未来。蒙特卡洛模拟( Monte Carlo simulation)让您看到了您决策的所有可能的输出，并评估风险，允许在不确定的情况下制定更好的决策。蒙特卡洛模拟( Monte Carlo simulation)是一种计算机数学技术，允许人们在定量分析和决策制定过程中量化风险。这项技术被专家们用于各种不同的领域，比如财经，项目管理，能源，生产，工程，研究和开发，保险，石油&天然气，物流和环境。蒙特卡洛模拟( Monte Carlo simulation)提供给了决策制定者大范围的可能输出和任意行动选择将会发生的概率。它显示了极端的可能性-最的输出，最保守的输出-以及对于中间路线决策的最可能的结果。这项技术首先被从事原子弹工作的科学家使用；它被命名为蒙特卡洛，摩纳哥有名的娱乐旅游胜地。它是在二战的时候被传入的，蒙特卡洛模拟( Monte Carlo simulation)现在已经被用于建模各种物理和概念系统。蒙特卡洛模拟( Monte Carlo simulation)是如何工作的蒙特卡洛模拟( Monte Carlo simulation)通过构建可能结果的模型-通过替换任意存在固有不确定性的因子的一定范围的值(概率分布)-来执行风险分析。它一次又一次的计算结果，每次使用一个从概率分布获得的不同随机数集。根据不确定数和为他们制定的范围，蒙特卡洛模拟( Monte Carlo simulation)能够在它完成计算前调用成千上万次的重复计算。蒙特卡洛模拟( Monte Carlo simulation)产生可能结果输出值的分布。通过使用概率分布，变量能够拥有不同结果发生的不同概率。概率分布是一种用来描述风险分析的变量中的不确定性的更加可行的方法。常用的概率分布包括：正态分布(Normal)-或"钟型曲线".用户简单的定义均值或期望值和标准差来描述关于均值的变异。在中部靠近均值的值是最有可能发生的值。它是对称的，可以用来描述多种自然现象，比如人的身高。可以通过正态分布描述的变量示例包括通货膨胀率和能源价格。对数正态分布(Lognormal)-值是正偏的，不像正态分布那样是对称的。它被用来代表不会小于零但可能有无限大正值的结果。可以通过对数正态分布描述的变量示例包括房地产价值，股票价格和石油储量。均匀分布(Uniform)-所有的值发生的机会相等，用户只需制定最小和最大值。可以通过均匀分布描述的变量示例包括一个新产品的制造费用或未来销售收入。三角分布(Triangular)-用户指定最小，最可能和最大值。在最可能附近的值最可能发生。可以通过三角分布描述的变量示例包括每时间单位内的过去销售历史和库存水平。PERT分布-用户指定最小，最可能和最大值，类似三角分布。在最可能附近的值最可能发生。然而在最可能和极值之间的值比三角分布更有可能发生；那就是说，the extremes are not as emphasized. 可以通过三角分布描述的变量示例包括在项目管理模型中的一项任务的持续时间。离散分布(Discrete)-用户指定最可能发生的值和每个值的可能性。比如关于诉讼结果的示例，20%的机会陪审团判决无罪，30%的机会陪审团判决有罪，40%的机会审批有效，10%的机会审批无效。在蒙特卡洛模拟( Monte Carlo simulation)过程中，值被从输入概率分布中随机抽取。每个样本集被称为一次迭代，从样本获得的结果被记录。蒙特卡洛模拟( Monte Carlo simulation)执行这样的操作成百上千次，可能结果形成一个概率分布。用这种方法，蒙特卡洛模拟( Monte Carlo simulation)生成了一个更加全面关于将会发生的结果的视图。它不仅仅告诉什么结果会发生，而且还有结果发生的可能性。蒙特卡洛模拟( Monte Carlo simulation)提供了许多超越确定性或"单点估计"分析的优势：概率结果，结果不仅显示会发生什么，而且还有每个结果发生的可能性图形化报告，因为蒙特卡洛模拟( Monte Carlo simulation)生成的数据，它很容易创建不同结果和他们发生机会的图形。这对于和其他投资者沟通结果是很重要的。敏感性分析，如果只有很少的一些案例，确定性分许就很难发现哪个变量对结果影响最大。在蒙特卡洛模拟( Monte Carlo simulation)中，很容易发现哪个输入对底线结果有最大的影响。情境分析，在确定性模型中，对于为不同输入值的不同组合建模来真实的查看不同情境的效果是很困难的。使用蒙特卡洛模拟( Monte Carlo simulation)，分析员能够正确的查看当确定的输出发生时某个输入对应的值。这对于进一步的分析来说是无价的。相关性输入，在蒙特卡洛模拟( Monte Carlo simulation)中，可能要建模输入变量之间的相关关系。它对于准确的描绘在某些因子增长时，其它的因子是如何增长或下降的情况时是重要的。
Ⅳ 什么是蒙特卡洛模拟( Monte Carlo simulation)
蒙特卡洛模拟又称为随机抽样或统计试验方法，属于计算数学的一个分支，它是在上世纪四十年代中期为了适应当时原子能事业的发展而发展起来的。传统的经验方法由于不能逼近真实的物理过程，很难得到满意的结果，而蒙特卡罗方法由于能够真实地模拟实际物理过程，故解决问题与实际非常符合，可以得到很圆满的结果。
蒙特卡洛随机模拟法的原理是当问题或对象本身具有概率特征时，可以用计算机模拟的方法产生抽样结果，根据抽样计算统计量或者参数的值；随着模拟次数的增多，可以通过对各次统计量或参数的估计值求平均的方法得到稳定结论。
蒙特卡洛随机模拟法 - 实施步骤抽样计算统计量或者参数的值；随着模拟次数的增多，可以通过对各次统计量或参数的估计值求平均的方法得到稳定结论。
(4)蒙特卡洛模拟股票价格扩展阅读
基本原理思想
当所要求解的问题是某种事件出现的概率，或者是某个随机变量的期望值时，它们可以通过某种“试验”的方法，得到这种事件出现的频率，或者这个随机变数的平均值，并用它们作为问题的解。这就是蒙特卡罗方法的基本思想。
蒙特卡罗方法通过抓住事物运动的几何数量和几何特征，利用数学方法来加以模拟，即进行一种数字模拟实验。它是以一个概率模型为基础，按照这个模型所描绘的过程，通过模拟实验的结果，作为问题的近似解。可以把蒙特卡罗解题归结为三个主要步骤：构造或描述概率过程；实现从已知概率分布抽样；建立各种估计量。
Ⅳ 为什么美式期权不能直接用蒙特卡洛模拟
以执行价 K=98 的美式看跌期权为例，蒙特卡洛模拟的结果是一条确定的价格路径，比如下面这样：
T | t=0 | t=1 | t=2 | t=3
路径1 | 100 | 97 | 103 | 105
如果你对照着这条路径，就应该在t=1时行权。但这样就相当于，你在t=1时，就已经知道未来的价格走势了。
这种预知未来，在现实中是不被允许的。你可以回归数据，得到映射关系（或者说 规律），但不可以翻剧本、直接用未来的结果。所以考虑引入最小二乘蒙特卡洛模拟，E(Y|X）=g(X)，其中Y是继续持有、不提前行权、所带来的未来收益贴现值（即内在价值），而X是标的物在t时刻的价格。
作为加深理解，你考虑下欧式期权，由于不依赖路径，不会提前行权，只关注到期日 T 这一个时间点上的标的物价格，所以可以直接用蒙特卡洛模拟。
Ⅵ 下面的问题用蒙特卡洛模拟如何实现啊，想了解个基本过程
蒙特卡洛的基本原理就是通过计算机的计算能力进行大量实验。实验样本到达一定数量后，能得出接近结果的数值解。这个题目可以通过计算直接得出结果接近于正态分布，但可以用excel简单的说明下蒙特卡洛方法。
用excel的步骤基本如下：
1、第一列拉出各周期编号1至1000。（假设都是从第一行开始）
2、第二列作为随机种子，B1输入=rand()
3、第三列为根据既定价格及概率p值（回答里写的p值，但输入时应该是具体数值）判断购买与否，C1输入=if(B1<p,1,0)
4、第四列、五列展示周期开始、结束时剩余货物，即D1为50，E1输入=max(D1-C1,0)，而后D2输入=E1，E2输入=max(D1-C1,0)。
5、每一列对应下拉（四、五列从第二行开始下拉）。
按这个步骤的话，就得出一个既定价格下，剩余产品数量随时间变化的表。
至于最后的利润也是可以根据这个算的。
不过以上的过程是基于对每个周期买的概率进行1000次蒙特卡洛模拟。
如果模拟的是这1000次周期的结果，那就直接用一列到位，对多列的结果进行统计。
第1列仍然编号，第2列直接整合上述234步，表示该周期初始货物存货，第1行50，第二行B2输入=IF(RAND()<p,MAX(B1-1,0),B1)，这里用的p仍然是数值的表示，比如说概率是0.7，实际应该输入=IF(RAND()<0.7,MAX(B1-1,0),B1)
下拉，出现到1000步的初始货物存货，根据要求实际上是1000步后的结果，可以拉到1001行。这就用单列表示了整个货物变化过程，如果想要更多1000步的不同结果，把整个b列右拉即有更多结果。