所以monte carlo simulation 是根据 MVO 算出权重后, 开始模拟出净值的路径, 看看未来的净值的一个分布是吧?如果效果不错 就保留这个MVO 方法得出的权重, 如果效果不好 就pass。 大概是 这个过程?
lynn_品职助教 · 2022年12月22日
嗨,努力学习的PZer你好:
所以monte carlo simulation 是根据 MVO 算出权重后, 开始模拟出净值的路径, 看看未来的净值的一个分布是吧?如果效果不错 就保留这个MVO 方法得出的权重, 如果效果不好 就pass。 大概是 这个过程?
同学讲得不完全正确,如果效果不错 就保留这个MVO 方法得出的权重, 如果效果不好 就pass。 大概是 这个过程?如果同学跑一次MCS数据就可以直截了当地明白,MSC的所有结果是同时出来的,它的目的是避免路径依赖,不是挑选。现在临近考试了,同学直接理解一下记住就行,考完如果同学有兴趣可以去搜一下MSC的程序跑一遍,也可以听李老师的编程课,遇上活动可以免费获得课程。
MSC本身是一种统计方法,由计算机按照设定的递推式发射随机数,产生不同的结果,比如,我们假定某只股票明天的价格Pt=Pt-1+ε,ε是随机扰动项,那么我们可以根据计算机程序发射10000个随机数,就得到10000个明天股票价格Pt,对这10000个价格可以画分布,求均值,求标准差等等。其实MSC我们学衍生品也是用过的,模拟布朗运动。
因为有MVO方法的缺点,我们引出了MSC方法与resample方法。
MSC方法是解决MVO的缺陷,single period framework,的一种工具。
因为我们用传统MVO方法,默认只能得到未来一期的资产配置方案(wi),进而可以得到未来一期的组合收益(∑wiE(Ri))。二用MSC方法可以设定比如第3年末的组合收益公式Rp=△cash flow1+tax1+△cash flow2+tax1+△cash flow2+tax3+ε,这个公式中的△cash flow,tax,ε都是随机数,那么就可以用计算机来模拟这些随机数的分布,进而得到Rp的分布,这就解决了single period的问题或者说path dependent的问题(最终结果依赖期间的现金流以及tax等等)。
----------------------------------------------虽然现在很辛苦,但努力过的感觉真的很好,加油!