MCarloRisk3D 11.9

Về MCarloRisk3D

Không chỉ nhân biến động của gốc (t), làm một nghiên cứu monte carlo và bao gồm các cơ sở cực đoan. Cung cấp cho các biểu tượng-pushers một chạy cho tiền của họ. Phương trình của bạn có thể ném ngẫu nhiên, ra khỏi những cú sốc bình thường của cường độ và xác suất khác nhau? Vâng, ứng dụng này có thể. MCarloRisk3D: với các tùy chọn xem 3D để hiểu rõ hơn về bề mặt xác suất ước tính. Bây giờ với nguồn cấp dữ liệu giá cho các đồng tiền điện tử vốn hóa thị trường cao nhất: BTC, Ethereum, Ripple, Litecoin, ADA, EOS, BitcoinCash. Ứng dụng phân tích rủi ro giá cổ phiếu cho người đàn ông thông thường. Bây giờ với các sự kiện Black Swan tùy chọn và biến động về phía trước có thể điều chỉnh. Ước tính phân phối giá trong tương lai bằng cách sử dụng lý thuyết đi bộ ngẫu nhiên. 
Thảo luận nền tảng: E. Fama bài viết về các nghiên cứu đi bộ ngẫu nhiên sớm từ những năm 1960:

 http://www.ifa.com/Media/Images/PDF%20files/FamaRandomWalk.pdf

 Hướng dẫn hiệu chuẩn mô hình mới:

 http://diffent.com/tuning1.pdf

 Ví dụ sử dụng trường hợp & hướng dẫn đào tạo để nghiên cứu "AAPL đến $ 320" có thể được tìm thấy tại:

 http://diffent.com/AAPL320arialP.pdf

 Ứng dụng sử dụng dữ liệu trước đó từ cổ phiếu được đề cập cho các ước tính biến động. 

Người dùng có thể kiểm soát thời gian sử dụng dữ liệu lịch sử để chỉ nắm bắt "kỷ nguyên" hiện tại của một công ty hoặc của toàn bộ thị trường nếu muốn. 
Công cụ kiểm tra, xác minh và điều chỉnh mô hình tích hợp.

 -- Chi tiết -- 

Ứng dụng này mô hình hóa lợi nhuận hàng ngày của cổ phiếu dưới dạng một quá trình ngẫu nhiên ổn định và ước tính phân phối giá trong tương lai của Monte Carlo lấy mẫu lại từ "phân phối thực nghiệm" của một tập hợp con do người dùng chỉ định trước đó (đã biết) lợi nhuận hàng ngày. 

Đảm bảo nhấn nút Chạy Monte trên tab Monte Carlo sau khi thay đổi thiết đặt hoặc tải xuống tập dữ liệu mới. 

Ứng dụng này tải xuống dữ liệu lịch sử từ Google Finance dưới dạng dữ liệu cơ sở để làm mẫu lại. Giá được chuyển đổi thành lợi nhuận hàng ngày [P(t)/P(t-1)] trước khi lấy mẫu lại. Người dùng có thể chọn cách xa trở lại để resample. Bằng cách ước tính phân phối xác suất giá trong tương lai tại chân trời đầu tư do người dùng chỉ định theo cách này, chúng tôi có thể đưa ra ước tính rủi ro mất mát theo cách quy tắc ngón tay cái. 

Báo cáo ước tính giá và %loss ước tính ở mức phân vị 1 và phân vị thứ 5 thường được sử dụng (rủi ro 1% và 5%). Cũng báo cáo ra ước tính giá trung bình (phân vị thứ 50) tại số ngày nhất định về phía trước. Tính toán được thực hiện trên dữ liệu giá đóng cửa hàng ngày. Một bộ lọc sốc nhân tạo được cung cấp, có thể được sử dụng để từ chối lấy mẫu lại lợi nhuận trước đó lớn giả tạo (do chia tách hoặc định giá lại nhân tạo khác không ảnh hưởng đến giá trị cơ bản của tài sản). Mô hình ngẫu nhiên có thể được điều chỉnh hoặc hiệu chuẩn chỉ bằng cách điều chỉnh số ngày tối đa về phía sau để lấy mẫu hoặc điều chỉnh các thông số thiên nga đen. Tính năng Xác thực Mô hình: 

Trên tab Monte Carlo, bạn có thể giữ lại bất kỳ số ngày gần đây nào từ mô hình và sau đó vẽ kết quả của dự báo rủi ro ngẫu nhiên dưới dạng phong bì bị ràng buộc thấp hơn ở mức 1% và %5 xác suất ước tính (rủi ro). 

 Tab Xác thực:

 Điều này cho phép bạn thực hiện một xác nhận đầy đủ về mô hình của bạn bằng cách giữ lại một số điểm, tính toán mô hình, so sánh dự đoán về phía trước của mô hình so với dữ liệu dự trữ thực tế và lặp lại điều này trong chuỗi thời gian tăng cho tất cả các điểm được giữ lại.
 amp;
 "Chùm Con trỏ" dọc được cung cấp là bạn có thể kéo qua các lô mới trong tab Monte Carlo và tab Xác thực để hiển thị các giá trị được vẽ từ nhiều đường cong cùng một lúc, với các giá trị được mã hóa màu cho các đường cong.

 Hiển thị lô xác suất giá đầy đủ được liên kết với cài đặt ngày chuyển tiếp của đồ thị Monte Carlo. Đây là một lát thông qua bề mặt xác suất được tạo ra bởi các thủ tục Monte Carlo.
 Nhà cung cấp ứng dụng không đưa ra tuyên bố về sự phù hợp của ứng dụng này cho bất kỳ mục đích nào và người dùng nên tham khảo ý kiến cố vấn đầu tư trước khi đưa ra quyết định đầu tư.