FX Trading Master

Forenede Stater
Generiske vælgere
Kun nøjagtige kampe
Søg i titel
Søg i indhold
Monte Carlo simulering af aktiehandelssystem [dokumenteret vejledning] Udvalgt billede

Monte Carlo simuleringssystem for aktiehandel [dokumenteret vejledning]

Det er vigtigt at teste aktiehandelssystem. Dette giver handlende mulighed for at vurdere handelens risiko og konsistens. Hvad kan du bruge til denne proces? Du kan bruge Monte Carlo -lagersimuleringsværktøjet til dette. Monte Carlo -metoden er en simuleringsmetode. Metoden evaluerer muligheder gennem tilfældige tal og simulerer derefter alle mulige scenarier.

Opgaven er at bruge så mange tilfældige tal som muligt. Dette vil tillade handelssimulering afhængigt af tilfældige tal. Som et resultat vil du være i stand til at forstå ændringerne i handelsmuligheder, når variabler ændres.

Tjek det bedste aktiehandelsplatform for begyndere. Gennem hele artiklen vil vi se dybt ind i Monte Carlo -simuleringssystemet for aktiehandel. Vi vil se dens anvendelser, eksempler og systemerne i Monte Carlo -simuleringen.

En kort forståelse af Monte Carlo -simulering

Monte Carlo Simulation er den fulde form for MCS, og det er et system, der konverterer usikkerheder til sandsynlighedsfordelinger. Disse sandsynligheder er systemets input. Systemet kører sandsynlighedsimuleringen for at få output.

MCS opnår de statistiske egenskaber ved en given proces. Den bruger gentagne stikprøver til denne opgave. Det bruges meget i simuleringshandelssystemet. I handel evaluerer Monte Carlo -simuleringen de statistiske egenskaber ved handelssystemer. Den bruger randomiserede simulerede handelssekvenser til denne proces. Der er forskellige typer MCS, og de har forskellige funktioner.

Kender du det forskel mellem aktie og aktie?

Nogle MCS vil give dig handelssystemets robusthed. Og andre kan finde ud af mange forskellige statistiske egenskaber for en bedre handelsoplevelse.

Ellerigin af Monte Carlo -simuleringen

Monte Carlo er et meget berømt navn i Frankrig. Der er et kasino i Monaco, Frankrig, og kasinoets navn er Monte Carlo. Og alle kender Monaco som "spillehovedstaden".

Monte Carlo -simuleringen blev udviklet i Monaco i 1947. Den berømte matematiker, Sanislas Ulam, udviklede systemet. Ideen var at forbedre sit solospil med systemet.

Den mest grundlæggende form for metoden er ganske enkel. Matematikeren ønskede at udføre flere tests og tælle resultatets proportioner. Det er en meget hurtigere måde at forudsige resultatet end at beregne alle mulige kombinationer.

Tjek også: Bedste aktier til vedvarende energi at købe nu

Siden da har systemet gennemgået flere ændringer. I dag bruges den i mange forskellige sektioner. Det har stor anvendelse på arbejdsmarkedet og administrativ beslutningstagning.

4 Grundlæggende egenskaber ved Monte Carlo -simulering

Inden vi diskuterer sandsynlighedshandel, skal vi forstå MCS klart. Egenskaberne ved MCS gør det til et passende system at køre. Så her er 4 elementer i Monte Carlo -simuleringen.

  1. Du kan bruge flere indgange i MCS. Dette giver dig mulighed for at oprette sandsynlighedsfordelingen for mere end et output.
  2. Du kan bruge forskellige sandsynlighedsfordelinger til forskellige modeller. Dette giver dig mulighed for at finde den bedst passende distribution til de ukendte.
  3. Du kan bruge den stokastiske metode til at karakterisere MCS, når du bruger tilfældige tal. Men tilfældige tal bør følge nogle regler. De skal være uafhængige, og der bør ikke være nogen sammenhæng.
  4. Output genereret af MCS er et område. Det er ikke en fast værdi. Som et resultat vil du være i stand til at analysere sandsynligheden for profit.

5 Sandsynlighedsfordelinger brugt i MCS

MCS -systemet anvender 5 forskellige sandsynlighedsfordelingsmetoder. At kende dem vil give dig mulighed for bedre at bruge simuleringen til aktiehandel. Her er fem sandsynlighedsfordelinger i korte træk.

Normal/Gaussisk distribution

I dette distributionssystem kender du middelværdien og standardafvigelsen. Middelværdien er værdien af den variabel, der er mest sandsynlig. Variablen er symmetrisk omkring middelværdien. Og det er heller ikke bundet.

Lognormal distribution

Den lognormale fordeling kaldes også kontinuerlig distribution. Processen er at specificere variablerne med middelværdi og standardafvigelse. Værdien af variablen kan variere fra nul til uendelig.

Trekantet fordeling

Dette er også en kontinuerlig distribution. Der er en fast maksimum- og minimumsværdi, og disse værdier kan være symmetriske eller asymmetriske.

Ensartet distribution

Det er en anden kontinuerlig fordeling, der ganske ligner den trekantede fordeling. Det er også begrænset af maksimums- og minimumsværdierne, og der er kun en lille forskel. Værdierne mellem maksimum og minimum har en lignende sandsynlighed for forekomst.

Eksponentiel distribution

Denne fordeling er fantastisk til at vise tiden mellem hændelser, der er uafhængige. Men forekomsten er normalt kendt.

Monte Carlo -simulering af aktiehandelssystem: Sådan bruges

Brug af Monte Carlo Simulation i handel indebærer at tage tilfældige handelsserier. Konceptet er at bruge tidligere handler til at forudsige fremtidige ændringer. Du kan forstå flere handelspræstationsmålinger. Dette indebærer ødelæggelsesrisici, årlige rater, trækforhold og andre.

Du kan bruge forskellige metoder til at udføre MCS. Vi beskriver de to mest almindelige her.

Ellerigin og genprøve MCS -metode

Dette er den mest almindelige og enkleste MCS -metode. I denne metode skal du tage de historiske resultater af handlen. Og så kan du bruge den til at omorganisere deres ordre.

Du bliver nødt til at køre metoden 1000 gange for at få 1000 flere aktiekurver. Disse kurver giver dig risikoinformation for dine handelsstrategier.

Metoden fokuserer på at holde handelsresultaterne de samme hele tiden. Men resultatrækkefølgen skal være anderledes end før. Som et resultat heraf kan du bruge sandsynlighedsanalysen thinkorswim til bedre at implementere forex Algo -handelsstrategier.

En anden fordel er, at du får store insights i rentabilitetsforventninger. For eksempel kan du foretage handler tilfældigt og ikke tjene penge på 30 straight -strategier. Så du beslutter dig for at stoppe med at handle. Men MCS -metoden kan have fortalt dig anderledes. Du might har fået overskud efter 40 handler.

Den randomiserede MCS -metode

Denne metode finder ud af overmontering i handelsstrategierne. Et andet navn på denne metode er bootstrapping -metoden, og tanken er at udføre en stikprøveudtagning. Du kan gøre dette ved at genhandle backtest signals og erstatte dem med udgange for hver signal.

Hvis din strategi er stærk, kan du alligevel forvente at tjene penge, men der er to handelsejendomme at overveje. Den første er ændring af handelsordre, og den anden springer handlen over.

4 grundlæggende trin i Monte Carlo -simulering

Hvis du lige er begyndt, kan Monte Carlo Simulation være kompleks. Så vi har besluttet at diskutere fire trin for at begynde dit arbejde med Monte Carlo Simulation. Her er de:

Overførsel ligningsidentifikation

Det første trin er at identificere en kvantitativ model af processen. Det kaldes matematisk en "overførselsligning". Du kan generere ligningen fra regressionsanalyse eller designed -eksperimenter. Eller du kan også bruge softwaren.

Definere inputparametre

Herefter bestemmes parametrene for ligningsdataene. Fordelingen kan variere på tværs af forskellige data. For eksempel skal du finde ud af middelværdien og standardafvigelsen.

Opsætning af simulering

For hvert input skal du oprette et stort datasæt. Sættet skal også være gyldigt. De tilfældige datapunkter på dette sæt vil simulere værdierne. Alle disse arbejder kan let udføres med forskellige værktøjer som Workspace og Engage.

Analyse af output fra processen

Nu kan du bruge ligning til beregning af det simulerede resultat. Outputtet vil være pålideligt, når du bruger et stort datasæt. Endelig analyser output og placer dine strategier i overensstemmelse hermed.

Ofte stillede spørgsmål

Forsøger du at finde svar på spørgsmål relateret til Monte Carlo -analyse? Nå, du er ikke anderledes, mange mennesker står over for det samme problem. Bare rolig, vi har din ryg. Vi vil besvare alle dine spørgsmål. Uden at bruge et øjeblik, lad os tjekke det nu.

Spørgsmål: Hvad er det første trin i en Monte Carlo -analyse?

Svar: I det første trin i en Monte Carlo -analyse er din opgave at slukke for den beregnede og observerede datasammenligning. Som et resultat kan du generere tidligere sandsynlighedstæthedsprøver.

Spørgsmål: Hvad bruges Monte Carlo -simulering til?

Svar: Brugen af Monte Carlo Simulation er ret straight fremad. Et andet navn for Monte Carlo Simulation er simulering af flere sandsynligheder, og brugen af denne teknik er at forudsige mulige resultater af en usikker begivenhed.

Spørgsmål: Hvordan fungerer Monte Carlo -simulering?

Svar: Monte Carlo Simulation udfører risikoanalyse. Det genererer mulige resultater med en sandsynlighedsfordeling, og systemet kører beregninger igen og igen.

Spørgsmål: Hvad er Monte Carlo -simuleringseksempler?

Svar: Nogle eksempler på Monte Carlo -simulering kan være: 1) Bestemmelse af en modstanders bevægelse i skak, 2) Beregning af muligheden for at krydse budgettet, 3) Bestemme muligheden for snefald, 4) Bestemme rentabiliteten af handelsstrategier på forexmarkedet .

Spørgsmål: Hvorfor er Monte Carlo -simulation dårlig?

Svar: Den eneste ulempe ved Monte Carlo Simulation er, at den ikke kan overveje recessioner, bjørnemarkeder og enhver anden finanskrise.

Spørgsmål: Er det dyrt i Monte Carlo?

Svar: Hvis du vil bo i Monte Carlo, bliver det dyrt. Omkostningerne er higher end i de fleste byer. Luksus ferieboliger kan være dyre, men hotellerne kan være lidt billigere end forventet.

Konklusion

Monte Carlo Simulation -aktiehandelsanalysen er straightforward. Du kan også bruge denne metode fleksibelt. Konceptet med Monte Carlo -simuleringssystemet for aktiehandel er at simulere tendenser på handelsmarkedet.

Som et resultat heraf kan du indse dine risici og rentabilitet handelsstrategier. Du kan også bruge den til forex simulering. Men risikofaktoren og usikkerheden kan stadig forblive.

Alligevel kan sandsynlighedsmetoderne hjælpe dig med at finde input- og outputkarakteristika. Alle disse kan guide dig til at bestemme risiciene ved dine handelsstrategier. Så du kan nå frem til nøjagtige forudsigelser om dine handler.

da_DKDansk