การจำลอง Monte Carlo

โดย Jarosław Wasiński (EN) • เผยแพร่: 23 ตุลาคม 2569

กลุ่มวิธีที่ใช้การจำลองสุ่มเพื่อตรวจผลภายใต้แบบจำลองที่ระบุชัด ในการวิเคราะห์กลยุทธ์ เส้นทางรายการหรือผลตอบแทนจำลองสร้างการกระจาย equity, drawdown หรือการข้ามเกณฑ์ แทนกราฟอดีตเส้นเดียว การสุ่มซ้ำเป็นทางเลือกหนึ่ง ผลประมาณความเสี่ยงภายในแบบจำลอง ไม่ใช่ความเสี่ยงหมดทุนโลกจริงทั้งหมด คุณภาพข้อมูล ความพึ่งพากัน ต้นทุน และอคติเลือกยังชี้ขาด

ตัวอย่าง. ใช้รายการสมมติเดิม −1R, −1R และ +2R ลำดับหนึ่งเริ่มด้วย drawdown 2R อีกลำดับเริ่มกำไร 2R ก่อนกลับศูนย์ การสลับเปลี่ยนเส้นทางแต่คงผลรวม การสุ่มแบบใส่คืนอาจเปลี่ยนผลรวมด้วย

ทำความเข้าใจแนวคิด

ประกาศข้อมูล รูปแบบสุ่ม กฎขนาดสถานะ ต้นทุน จำนวนจำลอง และเมล็ดสุ่ม แยกการสลับข้อสังเกตคงที่จากการสุ่มซ้ำและแรงกระทบที่สร้างด้วยแบบจำลอง หากขาดทุนเป็นกลุ่ม การสุ่มอิสระอาจลบความพึ่งพาสำคัญ แบบจำลองบล็อกหรือมีเงื่อนไขที่เหมาะแก้ปัญหาบางส่วนได้

ข้อผิดพลาดที่พบบ่อย

การจำลองหลายพันครั้งไม่ซ่อม overfitting หรือสร้างวิกฤตที่ไม่เคยเห็นโดยอัตโนมัติ รายงานว่าเปอร์เซ็นไทล์ที่อ้างอธิบาย drawdown สูงสุด equity สิ้นสุด หรือสถิติอื่น พร้อมข้อจำกัด

เรียนรู้เพิ่มเติม

ในหลักสูตร: 9.2 คณิตศาสตร์ขาดทุน: ความไม่สมมาตรการฟื้นและความเสี่ยงหมดทุน; 15.10 การตรวจสอบกลยุทธ์ — เมื่อใดควรแก้ระบบ เมื่อใดควรแก้ตัวเอง. แหล่งข้อมูล: SciPy: การจำลองสุ่มและการสุ่มซ้ำ.

เปอร์เซ็นไทล์และความคลาดเคลื่อนจำลอง

ระบุว่าเปอร์เซ็นไทล์อธิบาย drawdown, equity สิ้นสุด หรือการข้ามขอบ ตรวจความเสถียรข้ามเมล็ดและจำนวนเส้นทาง แยกสัญญาณรบกวนจำลองจากความไม่แน่นอนแบบจำลอง เส้นทางเพิ่มลดอย่างแรกได้โดยไม่ซ่อมการกระจายผิดหรือประวัติไม่ครบ

คำถามที่พบบ่อย

ความเสี่ยงหมดทุนจำลองคือโอกาสบัญชีล้มเหลวจริงหรือไม่?

ไม่ เป็นค่าประมาณมีเงื่อนไขตามแบบจำลอง ประโยชน์ขึ้นอยู่กับสมมติฐานและความเป็นตัวแทนข้อมูลขาเข้า

การสลับกับการสุ่มแบบใส่คืนเท่ากันหรือไม่?

ไม่ การสลับคงผลลัพธ์และผลรวม ส่วนใส่คืนเปลี่ยนได้ทั้งสอง ขนาดที่ขึ้นกับเส้นทางยังเปลี่ยนผลเงินสดเพิ่มอีก

← กลับไปยังอภิธานศัพท์ทั้งหมด