随机建模

什么是随机建模?

在金融领域,随机模型被用来估计随机性或潜在的结果不确定性是礼物。通过允许输入的随机变化,随机模型被用来估计各种后果的概率。

随机建模允许金融机构包括不确定性的估计,占已知情况下的结果可能不是100%。例如,一家银行可能有兴趣分析投资组合如何执行在一个动荡和不确定的市场。创建一个随机模型包括一组方程,表示时间不确定性的输入。因此,随机模型将每次运行模型,产生不同的结果。

理解随机模型

模型是随机的,它必须有一个随机变量的不确定性存在的地方。由于不确定性存在于一个随机模型,结果提供一个估计的各种结果的概率。

估计每个结果的概率,一个或多个输入必须允许随时间随机变化。它在概率分布的估计结果,这是数学函数显示不同结果的可能性。

例如,如果你的投资回报分析,随机模型将提供估计的概率不同的返回基于不确定的输入(例如,市场波动)。随机变量通常使用时间序列数据,显示历史数据中观察到的差异。最后的概率分布结果从许多随机预测,反映了随机性的输入。

随机模型必须满足几个条件,区别于其他概率模型。首先,随机模型必须包含一个或多个输入反映预测的不确定性情况。一般来说,该模型必须反映情况,项目的所有方面正确概率分布。

概率模型中的相关事件,这反映了随机性的输入。然后使用概率进行预测或提供相关信息。

随机性与确定性模型

正如前面提到的,不确定性的随机模型包含一个元素,这是建立到模型通过输入。当计算一个随机模型,结果每次都可能有所不同,内在的随机性模型。模型会导致很多不同的结果取决于输入以及它们是如何影响的解决方案。这个过程可以重复多次在不同的场景来估计概率分布。

与随机模型,确定性模型是完全相反的,不涉及任何不确定性或随机性。确定性模型的定义特征是,无论多少次模型来看,结果始终是相同的。

这是因为没有一个输入是随机的,和只有一个解决方案来一组特定的值。在确定性模型,任何不确定性和外部模型中的不影响结果。

随机投资模型

在财务分析、随机模型可以用来评估涉及的不确定性情况下,如投资收益、市场波动、通货膨胀率。与完整的准确性,无法预测的因素模型为金融机构提供了一种方法来估计投资条件根据不同的输入。

随机模型是基于一组随机变量,预测和计算重复实现概率分布。模型可以重复上千次,每次一套新的随机变量。

由此产生的分布提供了一个估算结果最有可能发生的潜在范围的结果。它通常是由一个表示分布曲线。由于随机模型包含输入的不确定性和可变性,它提供了一个更好的表现现实生活中。

更多的资源

感谢您阅读CFI指南随机建模。继续推进你的事业,以下额外的资源将是有用的:

• 时间序列数据分析
• 随机变量
• 总概率规则
• 技术分析——一个初学者的指南