Wstęp do rajdu z Monte Carlo

Pierwszym etapem będzie przedstawienie podstawowych założeń metody Monte Carlo i schematu przebiegu symulacji. Metodę tę opracował zespół kierowany przez jednego z najwybitniejszych matematyków okresu II wojny światowej Johna von Neumanna. Po raz pierwszy Monte Carlo zostało wykorzystane w celu opisu losowej natury ruchu cząstek. Natomiast nazwa tej metody nawiązuje do losowego oraz przypadkowego charakteru prezentowanych zjawisk. Posiada ona szerokie zastosowanie w rozmaitych działach matematyki numerycznej. Głównym zastosowaniem Monte Carlo jest matematyczne modelowanie procesów o nadmiernym stopniu złożoności, których wyniki jest trudno przewidzieć za pomocą podejścia analitycznego. Zakres jej zastosowania jest szeroki, jednak spełniony musi być warunek, że podlegający analizie problem musi dać się opisać teoretycznie w ujęciu stochastycznym, pomimo tego, że sam problem może mieć charakter ściśle deterministyczny. Znaczącą rolę pełni w tej metodzie przypadkowa randomizacja wielkości określających proces, która to odnosi się w podobny sposób do rozkładów procesów prostych, jak i złożonych. Najistotniejszymi częściami składowymi tej metody są: przedstawienie modeli stochastycznych analizowanych procesów realnych, modelowania zmiennych losowych o danym rozkładzie prawdopodobieństwa, rozwiązywania problemu statystycznego z zakresu teorii estymacji.

Monte Carlo jest kwalifikowane do metod symulacyjnych.

Najistotniejszymi zaletami stosowania symulacji Monte Carlo jest możliwość:
1) określenia wysokości spodziewanego P/L;
2) doboru optymalnego poziomu udziału akcji w portfelu;
3) ustalenia wielkości oszczędności, które pozwolą na realizację celu finansowego.

Wśród najważniejszych wad symulacji wymienić można:
1) trudności z ustaleniem prawdopodobieństwa występowania dowolnych zdarzeń;
2) trudności ze zdefiniowaniem wartości oczekiwanych zmiennych losowych .