モンテカルロ 取引におけるシミュレーション 数学が市場の結果を予測する方法
要約:モンテカルロシミュレーションは,株の数千のランダム化された価格経路を実行し,将来の収益の確率分布を計算する. "株が上昇する"という予測の代わりに,計算する"この株が5取引日以内にXドル以上を閉じる確率は72%である".
モンテカルロシミュレーションとは?
モンテカルロシミュレーションは,数値の結果を得るための繰り返しランダムサンプリングを使用する統計技術である.モナコの有名なカジノ地区にちなんで命名され,原則的に決定的かもしれないが,分析的に解決するには複雑すぎる問題を解決するためにランダム性に依拠する.
取引において,モンテカルロシミュレーションは,歴史的な波動性,漂流,関連パラメータに基づいて数千 (または数百万) のランダム化された価格経路を実行することによって,将来の株式価格の確率分布をモデル化するために使用されます.
株式取引 の 仕組み
このプロセスは次のステップに従います.
- 推定パラメータ:株式の歴史的波動性 (返済の標準偏差),漂移 (平均返済) と他の資産との関連を計算する.
- ランダムな経路を生成する:ゲオメトリックなブラウニアンモーションモデルを使って 目標時間軸に何千もの可能な将来の価格経路を生成します
- 結果を分析する各経路の最終価格,最大引き算, ストップロスまたは テイクプロフィットレベルに達するかどうか計算します.
- 確率を計算する目標に衝突する確率は ストップロスに衝突する確率は 取引の予想値を決定するために結果をまとめます
例: For a stock trading at $100 with 30% annual volatility, running 10,000 Monte Carlo simulations over 5 trading days might show: 68% probability of closing above $100, 12% probability of exceeding $110, 8% probability of dropping below $90. This gives you a probability-weighted exit window — not a guess.
なぜ 単身 の 予測 が 失敗 する か
伝統 的 な 技術 的 分析 に よる 分析 に よる と",株価 は 120 ドル に 上がる"あるいは"サポート は 95 ドル に 上がる"という バイナリー 予測 が 多い.これらの 予測 は,金融 市場 の 根本 的 な 不確実性 を 無視 する.
モンテカルロシミュレーションは不確実性を取り入れます.一つの予測の代わりに,確率分布を与えます.確率効果が大きくなり 効果が大きくなり
GemStox は モンテカルロ をどのように使用する
GemStoxは,モンテカルロシミュレーションを自主 戦略クラス10のうちの1つとして実行します.初期スクリーニングを通過するすべてのストックについては:
- GARCHファミリーモデルを使って現在の波動率を推定します
- 何千もの価格経路シミュレーションを複数の時間平線で実行する
- 確率重量による出口窓を計算する (ストップロス, テイクプロフィット, 確信度スコア)
- モンテカルロが有利な確率分布を確認する信号だけが生き残る
モンテカルロ vs その他の方法
| メソッド | 輸出 | 優勢 | 弱点 |
|---|---|---|---|
| 技術分析 | バイナリー信号 | シンプルで広く使われています | 偽陽性の高い割合 |
| DCF評価 | 単一の価格目標 | 基本的には | タイミングと変動を無視する |
| モンテカルロ | 確率分布 | 不確実性を捉える | コンピューティングに集中する |
| GemStox (複数の戦略) | 合意の可能性 | 多型認証 | 登録が必要です |
参考文献 & 続きを読む
- グラサーマン,P. (2003).モンテカルロ 金融技術における方法スプリンガー
- Hull, J.C. (2018).オプション,フューチャー,その他の衍生品ピアソン
- ジャケル,P. (2002).モンテカルロ 金融における方法ウィリー