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

kukuku026 · 2024年01月17日

老师可以对比一下,蒙特卡洛模拟和这个 resample mean-variance 的方法吗

 08:57 (2X) 



老师可以对比一下,蒙特卡洛模拟和这个 resample mean-variance 的方法吗,

感觉都是有很多数据,很多重复实验

两者的相同和不同是什么呀,谢谢

1 个答案

lynn_品职助教 · 2024年01月17日

嗨,从没放弃的小努力你好:


MSC相当于是resampled MVO的一个工具,一个步骤。


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。


我们看一下同学的讲义,其实可以从MVO的缺点出发,

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。


因为有MVO方法的缺点,我们引出了MSC方法与resample方法。


MSC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))。


而用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)。


Resampled解决第二个问题。resampled MVO 可以通过蒙特卡洛方法,使得每一组随机数都可以画出一条有效前沿,最后我们得到的就是一组有效前沿,再求最优解,这样得出更稳定的有效前沿,也就能构建更分散的资产配置。它只是在MVO过程画EF这一步用到了MSC。


所以它们既是平行关系(都是对MVO的改进方法),又是包含关系(Resampled用了MSC方法)。

----------------------------------------------
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
  • 0

    关注
  • 171

    浏览
相关问题