开发者:上海品职教育科技有限公司 隐私政策详情

应用版本:4.2.11(IOS)|3.2.5(安卓)APP下载

gogogo · 2022年12月25日

MCS



请问这个例子中 monte carlo simulation 方法 的output 就是terminal value 的分布对吧? 那input 呢??

除了 expected return of each asset class, correlation, standard deviation of each asset class ,权重也应该是input 把??

1 个答案

lynn_品职助教 · 2022年12月26日

嗨,从没放弃的小努力你好:


MSC的input和MVO是一样的,MVO的是输入变量E(r), σ, ρ,再求解最优化,权重是最优化的结果。MSC区别在于蒙特卡洛模拟是一种统计方法,可以得到不止一期的值,并且得到一个分布。


MSC是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。

 

在AA中,MCS方法是针对MVO的改进,回顾一下MVO方法两个缺陷,

 

一是只能用于single period预测;does not consider trading/rebalancing cost and taxes.

 

二是efficient frontier highly sensitive to small changes in the input especially expected return.MVO画出的有效前沿对输入变量(尤其是expected return)高度敏感。

  

在这里,MCS方法解决第一个缺陷,single period framework。

 

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))。并且用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)。

----------------------------------------------
就算太阳没有迎着我们而来,我们正在朝着它而去,加油!

  • 1

    回答
  • 1

    关注
  • 170

    浏览
相关问题