MCarloRisk3D 11.9

Sobre MCarloRisk3D

Não basta multiplicar a volatilidade por raiz(t), fazer um estudo monte carlo e cobrir as bases extremas. Dê aos traficantes de símbolos uma corrida pelo seu dinheiro. Sua equação pode jogar em aleatório, fora dos choques comuns de diferentes magnitudes e probabilidades? Bem, este aplicativo pode. MCarloRisk3D: com opções de visualização 3D para melhor compreensão da superfície de probabilidade estimada. Agora com os feeds de dados de preços para as criptomoedas de maior capitalização de mercado: BTC, Ethereum, Ripple, Litecoin, ADA, EOS, BitcoinCash. Aplicativo de análise de risco de preço de estoque para o homem comum. Agora, com eventos opcionais do Cisne Negro e volatilidade para a frente. Estima a distribuição de preços futuros usando a teoria da caminhada aleatória. 
Discussão de fundo: Artigo de E. Fama sobre os primeiros estudos de caminhada aleatória da década de 1960:

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

 Novo tutorial de calibração de modelos:

 http://diffent.com/tuning1.pdf

 O exemplo de caso de uso e guia de treinamento para estudar "AAPL a $320" pode ser encontrado em:

 http://diffent.com/AAPL320arialP.pdf

 O aplicativo usa dados prévios das ações em questão para estimativas de volatilidade. 

Usuário pode controlar o quão longe no tempo para usar dados históricos para capturar apenas a "época" atual de uma empresa ou do mercado como um todo, se desejar. 
Ferramentas incorporadas de backtesting, verificação e ajuste de modelos.

 - Detalhes - 

Este aplicativo modela o retorno diário das ações como um processo estocástico estável e estima uma distribuição futura de preços por Monte Carlo re-amostragem de uma "distribuição empírica" de um subconjunto especificado pelo usuário de retornos diários anteriores (conhecidos). 

Certifique-se de pressionar o botão Run Monte na guia Monte Carlo depois de alterar as configurações ou baixar um novo conjunto de dados. 

Este aplicativo baixa dados históricos do Google Finance como dados básicos para reamosplelar. Os preços são convertidos em retornos diários [P(t)/P(t-1)] antes de resamplagem. O usuário pode escolher o quão longe para trás para resample. Ao estimar uma distribuição de probabilidade de preços futuros no horizonte de investimento especificado pelo usuário desta maneira, podemos dar estimativas de risco de perda de forma regra-polegar. 

Reporta estimativas de preços e % de perda nos níveis comumente utilizados de 1º percentil e 5º percentil (1% e 5% de risco). Também informa as estimativas medianas (50% de percentil) no determinado número de dias adiante. Os cálculos são realizados nos dados diários de preço de fechamento. É fornecido um filtro de choque artificial, que pode ser usado para rejeitar a resamplagem de retornos anteriores que são artificialmente grandes (devido a rachaduras ou outras reavaliações artificiais que não afetam o valor subjacente do ativo). O modelo estocástico pode ser ajustado ou calibrado apenas ajustando o número máximo de dias para trás para amostrar ou ajustar os parâmetros do cisne negro. Recursos de validação de modelos: 

Na aba Monte Carlo, você pode reter qualquer número de dias recentes do modelo e, em seguida, traçar os resultados da previsão de risco estocástico como envelopes mais baixos em 1% e %5 níveis estimados de probabilidade (risco). 

 Validar guia:

 Isso permite que você realize uma validação exaustiva em seu modelo retendo vários pontos, computando o modelo, comparando a previsão para a frente do modelo versus os dados reais reservados, e repetindo isso em crescente sequência de tempo para todos os pontos retidos.

 Um "Feixe de Cursor" vertical é fornecido que você pode arrastar através das novas parcelas na guia Monte Carlo e na guia Validar para mostrar os valores plotados de várias curvas ao mesmo tempo, com os valores codificados por cores para as curvas.

 Mostre o gráfico de probabilidade de preço total ligado à configuração de dias para a frente do gráfico de Monte Carlo. Trata-se de uma fatia através da superfície de probabilidade gerada pelo procedimento de Monte Carlo.
 O provedor de aplicativos não faz nenhuma reivindicação quanto à adequação deste aplicativo para qualquer finalidade, e o usuário deve consultar um consultor de investimento antes de tomar decisões de investimento.