محاكاة مونت كارلو.
ما هو "محاكاة مونت كارلو"
وتستخدم المحاكاة مونت كارلو لنمذجة احتمال نتائج مختلفة في عملية لا يمكن التنبؤ بها بسهولة بسبب تدخل المتغيرات العشوائية. وهي تقنية تستخدم لفهم تأثير المخاطر وعدم اليقين في نماذج التنبؤ والتنبؤ.
ويمكن استخدام محاكاة مونت كارلو لمعالجة مجموعة من المشاكل في كل مجال تقريبا مثل التمويل والهندسة وسلسلة التوريد والعلوم.
يشار إلى محاكاة مونتي كارلو أيضا باسم محاكاة الاحتمال.
انهيار "محاكاة مونت كارلو"
وعند مواجهة عدم اليقين الكبير في عملية وضع توقعات أو تقديرات، بدلا من مجرد استبدال المتغير غير المؤكد مع رقم متوسط واحد، قد يكون محاكاة مونتي كارلو حلا أفضل. وبما أن الأعمال التجارية والمالية تعاني من متغيرات عشوائية، فإن محاكاة مونتي كارلو لديها مجموعة واسعة من التطبيقات المحتملة في هذه المجالات. وهي تستخدم لتقدير احتمال تجاوز التكاليف في المشاريع الكبيرة واحتمال أن يتحرك سعر الأصول بطريقة معينة. تستخدمها الاتصالات لتقييم أداء الشبكة في سيناريوهات مختلفة، مما يساعدها على تحسين الشبكة. ويستخدم المحللون هذه المخاطر لتقييم المخاطر التي قد تتعرض لها المنشأة، وتحليل المشتقات مثل الخيارات. شركات التأمين وحفر آبار النفط أيضا استخدامها. تحتوي محاكيات مونت كارلو على عدد لا يحصى من التطبيقات خارج نطاق الأعمال والتمويل، كما هو الحال في الأرصاد الجوية وعلم الفلك و فيزياء الجسيمات.
تتم تسمية عمليات محاكاة مونت كارلو بعد بقعة ساخنة للمقامرة في موناكو، حيث أن الصدفة والنتائج العشوائية أساسية في أسلوب النمذجة، كما هي الحال بالنسبة لألعاب مثل الروليت والنرد وآلات القمار. وقد تم تطوير هذه التقنية لأول مرة من قبل ستانيسلاو أولام، عالم الرياضيات الذي عمل على مشروع مانهاتن. بعد الحرب، في حين تعافى من جراحة الدماغ، علام مطلقا نفسه من خلال لعب مباريات لا تعد ولا تحصى من مآس. أصبح مهتما بتآمر نتائج كل من هذه الألعاب من أجل مراقبة توزيعها وتحديد احتمال الفوز. بعد أن شارك فكرته مع جون فون نيومان، تعاون الاثنان لتطوير محاكاة مونت كارلو.
[مونتي كارلو المحاكاة هي نماذج قوية في الفضاء المالي يمكن استخدامها للتنبؤ حركة سعر الأصول وإبلاغ أفضل القرارات الاستثمار والأعمال. إذا كنت تريد أن تعرف عن محاكاة مونت كارلو وكيفية بناء نماذج مالية أخرى، تحقق من دورة النمذجة المالية أكاديمية إنفستوبيديا الأكاديمية. ساعات من الطلب على المحتوى الطبقة واليد على ممارسة النمذجة بعد مجرد الدرس الأول.]
نموذج تسعير الأصول.
إحدى الطرق لاستخدام محاكاة مونتي كارلو هي وضع نموذج لحركات محتملة لأسعار الأصول باستخدام برنامج إكسيل أو برنامج مماثل. هناك مكونان لتحركات سعر الأصول: الانجراف، وهو حركة اتجاهية ثابتة، ومدخل عشوائي، والذي يمثل تقلبات السوق. من خلال تحليل بيانات الأسعار التاريخية، يمكنك تحديد الانحراف، والانحراف المعياري، والتباين، ومتوسط حركة السعر لأمن. هذه هي اللبنات الأساسية لمحاكاة مونت كارلو.
ولتنفيذ مسار سعر محتمل واحد، استخدم بيانات الأسعار التاريخية للأصل لتوليد سلسلة من العائدات اليومية الدورية باستخدام اللوغاريتم الطبيعي (لاحظ أن هذه المعادلة تختلف عن المعادلة المعتادة لتغير النسبة المئوية):
العائد اليومي الدوري = لن (سعر اليوم ÷ سعر اليوم السابق)
بعد ذلك استخدم الدالات أفيراج و STDEV. P و VAR. P على السلسلة الناتجة بالكامل للحصول على متوسط العائد اليومي والانحراف المعياري ومدخل التباين، على التوالي. الانجراف يساوي:
الانحراف = متوسط العائد اليومي - (التباين ÷ 2)
بدلا من ذلك، يمكن تعيين الانجراف إلى 0؛ وهذا الاختيار يعكس توجها نظريا معين، ولكن الفرق لن تكون ضخمة، على الأقل لأطر زمنية أقصر.
التالي الحصول على إدخال عشوائي:
قيمة عشوائية = الانحراف المعياري * نورمزينف (راند ())
معادلة سعر اليوم التالي هي:
سعر اليوم التالي = سعر اليوم * ه ^ (الانجراف + قيمة عشوائية)
لاتخاذ e إلى قوة معينة x في إكسيل، استخدم الدالة إكس: إكس (x). كرر هذا الحساب العدد المطلوب من المرات (كل تكرار يمثل يوم واحد) للحصول على محاكاة حركة الأسعار في المستقبل. من خلال توليد عدد تعسفي من المحاكاة، يمكنك تقييم احتمال أن سعر الأمن سوف تتبع مسار معين. في ما يلي مثال يوضح حوالي 30 إسقاطا لمخزون شركة تايم وارنر إنك للفترة المتبقية من نوفمبر 2018:
وسوف تشكل الترددات من النتائج المختلفة الناتجة عن هذه المحاكاة توزيع طبيعي، وهذا هو، منحنى الجرس. العائد الأكثر احتمالا هو في منتصف منحنى، وهذا يعني أن هناك فرصة متساوية أن العائد الفعلي سيكون أعلى أو أقل من تلك القيمة. احتمال أن يكون العائد الفعلي ضمن انحراف معياري واحد للمعدل الأكثر احتمالا ("المتوقع") هو 68٪. أنه سيكون ضمن اثنين من الانحرافات المعيارية هو 95٪. وأنه سيكون ضمن ثلاثة انحرافات معيارية هو 99.7٪. ومع ذلك، ليس هناك ما يضمن أن النتيجة الأكثر توقعا سوف تحدث، أو أن الحركات الفعلية لن تتجاوز أسوأ التوقعات.
والأهم من ذلك، أن محاكاة مونتي كارلو تتجاهل كل ما لا يدمج في حركة الأسعار (الاتجاهات الكلية، قيادة الشركة، الضجيج، العوامل الدورية)؛ وبعبارة أخرى، فإنها تفترض أسواقا فعالة تماما. على سبيل المثال، حقيقة أن تايم وارنر خفضت توجيهاتها للسنة في 4 نوفمبر لا ينعكس هنا، إلا في حركة السعر لذلك اليوم، القيمة الأخيرة في البيانات؛ إذا تم حساب هذه الحقيقة، فإن معظم عمليات المحاكاة ربما لن تتوقع ارتفاعا طفيفا في السعر.
محاكاة مونت كارلو وتداول النظام بدف
إذا كنت لا تزال تبحث عن حافة في الأسواق، وأنظمة التداول الميكانيكية هي أفضل وسيلة للحصول عليه. أعرف أكثر.
إجراء تحليل مونت كارلو على نظام التداول الخاص بك القائمة أو طريقة لتحسين دقة اختبار النظام الخاص بك، والمساعدة في منع منحنى المناسب. محلل نظام السوق (مسا) هو تطبيق ويندوز مستقل يتضمن ميزة سهلة الاستخدام مونتي كارلو محاكاة. يمكن تطبيق البرنامج على أي نظام تداول أو طريقة بغض النظر عن السوق أو الإطار الزمني. عندما يقترن ذلك مع ميزات التحجيم الموقف من مسا، يمكن تحليل مونتي كارلو تحسين كبير في تقدير معدل العائد المحتمل للنظام الخاص بك وانسحاب.
ما هو تحليل مونت كارلو؟
تحليل مونت كارلو هو تقنية حسابية لتقييم تأثير التباين العشوائي في معلمات نموذج المحاكاة. وفي تحليل مونت كارلو، تمثل المتغيرات العشوائية للنموذج توزيعات إحصائية، يتم أخذ عينات عشوائية منها لإنتاج ناتج النموذج. عند استخدام تحليل مونت كارلو لمحاكاة التداول، يتم توزيع التوزيع التجاري، كما هو موضح في قائمة الصفقات، لتوليد تسلسل التجارة. يتم تحليل كل تسلسل من هذا القبيل، ويتم فرز النتائج لتحديد احتمال كل نتيجة. وبهذه الطريقة، يتم تعيين مستوى الاحتمال أو الثقة لكل نتيجة.
إن تحليل مونت كارلو مفيد بشكل خاص في تقدير الحد الأقصى من السحب من الذروة إلى الوادي. توليد تقدير أفضل للتخفيض يجعل من الممكن لتقييم أفضل لخطر نظام التداول أو الطريقة. في استخدام نهج مونت كارلو لحساب السحب، والتسلسل التاريخي من الصفقات العشوائية، ويتم حساب معدل العائد والتخفيض للتسلسل العشوائي. ثم تكرر العملية عدة مئات أو ألف مرة. وعند النظر إلى النتائج في المجموع، قد نجد، على سبيل المثال، أنه في 95٪ من التتابعات، كان السحب أقل من 30٪ عندما تعرض 4٪ من الأسهم لخطر على كل صفقة. وسوف نفسر ذلك على أنه يعني أن هناك فرصة بنسبة 95٪ بأن يكون السحب أقل من 30٪ عندما يكون هناك خطر بنسبة 4٪ على كل صفقة.
تحليل مونت كارلو سهل التطبيق في محلل نظام السوق.
في محلل نظام السوق، يتم إجراء تحليل مونت كارلو عند تحديد الأمر مونت كارلو أناليسيس من القائمة تحليل.
تحتوي القائمة تحليل على الأمر تحليل مونت كارلو.
يتم إجراء التحليل على التسلسل الحالي من الصفقات باستخدام أي خيارات التحليل والإعداد تم تطبيقها على التسلسل الحالي، بما في ذلك إعدادات التحجيم الموقف وقواعد التبعية، وهلم جرا. يمكن إدخال عدد العينات للتحليل في علامة التبويب خيارات من مربع الحوار إعداد التحليل. في هذا السياق، & كوت؛ عينة & كوت؛ يعني تسلسل تم اختياره عشوائيا من الصفقات. الافتراضي هو 500 عينة، مما يعني أن نتائج مونت كارلو سوف تستند إلى 500 تسلسل التجارة العشوائية. سيتم عرض النتائج في نافذة النتائج مونت كارلو على مستوى الثقة المدخلة في علامة التبويب خيارات. ويرد أدناه مثال على ذلك.
مثال لنتائج تحليل مونت كارلو التي تم إنشاؤها بواسطة محلل نظام السوق.
في هذا المثال، كان حساب رأس المال المبدئي 10،000 $، وتم تطبيق طريقة ثابتة لتحجيم الموضع بمعدل دلتا بقيمة 3000 دولار أمريكي. القسم المسمى & كوت؛ النتائج الرئيسية عند تحديد مستويات الثقة & كوت؛ يسرد معدل العائد، أسوأ حالة تراجع، نسبة عودة السحب، ونسبة شارب معدلة في مجموعة من مستويات الثقة. لاحظ، على سبيل المثال، أنه إذا كنت تطالب بمستوى ثقة أعلى، فإن معدل العائد المتوقع سيكون أقل وسوف يكون السحب الأسوأ من ذلك أعلى. القسم السفلي (غير موضح) يسرد نتائج محاكاة مونت كارلو عند مستوى الثقة المحدد من قبل المستخدم من 95٪. على سبيل المثال، قد تظهر النتائج عائد على بداية الأسهم 900٪ مع ثقة 95٪ وعامل ربح 1.60 مع ثقة 95٪.
لمعرفة كيفية تحليل واستغلال التبعية التجارية باستخدام محلل نظام السوق، انقر على الزر التالي في أسفل الصفحة أو انتقل إلى المتجر الإلكتروني أدناه لشراء نسختك الخاصة من مسا.
تحميل نسخة تجريبية تعمل بكامل طاقتها من محلل نظام السوق. تقييم مسا لمدة تصل إلى 30 يوما. انقر هنا لتحميل الآن دون التزام.
للاطلاع على مقالة عامة حول تحليل مونت كارلو، انقر هنا. للحصول على قائمة كاملة بالمقالات التجارية المتاحة، حدد الرابط مكتبة المادة في اليسار.
إذا كنت ترغب في أن تكون على علم بالتطورات الجديدة، والأخبار، والعروض الخاصة من أدابتريد البرمجيات، يرجى الانضمام إلى قائمة البريد الإلكتروني لدينا. شكرا لكم.
حقوق الطبع والنشر © 2004-2018 أدابتريد البرمجيات. كل الحقوق محفوظة.
محاكاة مونت كارلو وتداول النظام بدف
يوفر هذا البرنامج التعليمي على الويب مقدمة على مستوى الدخول في التحليل الاحتمالي، ويظهر كيف محاكاة مونت كارلو وغيرها من التقنيات يمكن تطبيقها على تحليل الأعمال اليومية الخاصة بك. باستخدام محاكاة مونت كارلو،RISK يحلل العديد من السيناريوهات المختلفة في وقت واحد، مما يتيح لك المزيد من التبصر في ما يمكن أن يحدث. سوف ننظر إلى نماذج نموذجية بما في ذلك نموذج الإيرادات / التكلفة / الأرباح الأساسية، ونموذج القيمة الحالية، ونموذج تقدير التكلفة، لإعطائك فكرة عن مدى السرعة التي يمكن أن تبدأ في النمذجة الاحتمالية في إكسيل. إذا كنت بناء نماذج في إكسيل، حلول باليسيد يمكن أن تساعدك على اتخاذ قرارات أكثر استنارة، والحق من سطح المكتب.
تحليل المخاطر هو جزء من كل قرار نقوم به. إننا نواجه باستمرار عدم اليقين والغموض والتفاوت. وعلى الرغم من وصولنا غير المسبوق إلى المعلومات، إلا أننا لا نستطيع التنبؤ بالمستقبل بدقة. محاكاة مونتي كارلو (المعروف أيضا باسم طريقة مونت كارلو) يتيح لك رؤية جميع النتائج المحتملة للقرارات الخاصة بك وتقييم تأثير المخاطر، مما يسمح لاتخاذ قرارات أفضل في ظل عدم اليقين.
ما هو محاكاة مونت كارلو؟
محاكاة مونتي كارلو هي تقنية رياضية محوسبة تسمح للناس بحساب المخاطر في التحليل الكمي وصنع القرار. يتم استخدام هذه التقنية من قبل المهنيين في مثل هذه المجالات متباينة على نطاق واسع مثل التمويل، وإدارة المشاريع والطاقة والتصنيع والهندسة والبحوث والتطوير والتأمين والزيت & أمب؛ والغاز، والنقل، والبيئة.
محاكاة مونتي كارلو توفر صانع القرار مع مجموعة من النتائج المحتملة والاحتمالات أنها ستحدث لأي خيار من العمل .. فإنه يدل على الاحتمالات القصوى و [مدش]؛ نتائج الذهاب للكسر وللمقرر الأكثر تحفظا و [مدش]؛ جنبا إلى جنب مع كل ممكن النتائج المترتبة على قرارات منتصف الطريق.
تم استخدام هذه التقنية لأول مرة من قبل العلماء الذين يعملون على قنبلة ذرية؛ كان اسمه مونتي كارلو، موناكو منتجع بلدة تشتهر الكازينوهات. منذ إدخاله في الحرب العالمية الثانية، استخدمت محاكاة مونتي كارلو لنمذجة مجموعة متنوعة من الأنظمة المادية والمفاهيمية.
كيف يعمل محاكاة مونت كارلو.
تجري محاكاة مونتي كارلو تحليل المخاطر من خلال بناء نماذج للنتائج المحتملة عن طريق استبدال مجموعة من القيم و [مدش]؛ توزيع الاحتمالات & مداش؛ لأي عامل له عدم اليقين المتأصل. ثم يحسب النتائج مرارا وتكرارا، في كل مرة باستخدام مجموعة مختلفة من القيم العشوائية من وظائف الاحتمال. واعتمادا على عدد حالات عدم التيقن والنطاقات المحددة لها، يمكن أن تنطوي محاكاة مونتي كارلو على آلاف أو عشرات الآلاف من عمليات إعادة الحساب قبل اكتمالها. وتنتج محاكاة مونتي كارلو توزيعات لقيم النتائج المحتملة.
باستخدام التوزيعات الاحتمالية، يمكن أن تكون للمتغيرات احتمالات مختلفة للنتائج المختلفة التي تحدث. والتوزيعات الاحتمالية هي طريقة أكثر واقعية لوصف عدم اليقين في متغيرات تحليل المخاطر. وتشمل التوزيعات الاحتمالية الشائعة:
عادي & نداش؛ أو & لدكو؛ منحنى الجرس. & رديقو؛ ويعرف المستخدم ببساطة القيمة المتوسطة أو المتوقعة والانحراف المعياري لوصف التغير عن المتوسط. من المرجح أن تحدث القيم في الوسط القريب من المتوسط. وهو متماثل ويصف العديد من الظواهر الطبيعية مثل ارتفاع الناس. ومن أمثلة المتغيرات الموصوفة في التوزيعات العادية معدلات التضخم وأسعار الطاقة.
لورنورمال & نداش؛ القيم هي منحرفة بشكل إيجابي، وليس متماثلة مثل التوزيع الطبيعي. يتم استخدامه لتمثيل القيم التي لا تذهب تحت الصفر ولكن لديها إمكانات إيجابية غير محدودة. ومن أمثلة المتغيرات التي توصفها التوزيعات اللوغورمالية قيم العقارات العقارية، وأسعار الأسهم، واحتياطيات النفط.
موحدة & نداش؛ جميع القيم لديها فرصة متساوية من حدوث، والمستخدم ببساطة يحدد الحد الأدنى والحد الأقصى. ومن أمثلة المتغيرات التي يمكن توزيعها بشكل موحد تكاليف التصنيع أو إيرادات المبيعات المستقبلية لمنتج جديد.
الثلاثي & نداش؛ يحدد المستخدم الحد الأدنى، والأكثر احتمالا، والقيم القصوى. من المرجح أن تحدث القيم حول الأرجح. وتشمل المتغيرات التي يمكن وصفها من خلال التوزيع الثلاثي المبيعات السابقة التاريخ لكل وحدة من الوقت ومستويات المخزون.
PERT - يحدد المستخدم الحد الأدنى، على الأرجح، والقيم القصوى، تماما مثل التوزيع الثلاثي. من المرجح أن تحدث القيم حول الأرجح. ولكن القيم بين الأرجح والأقصى هي أكثر احتمالا أن تحدث من الثلاثي. أي أن الحدود القصوى ليست كما أكد. مثال على استخدام توزيع بيرت هو وصف مدة المهمة في نموذج إدارة المشروع.
منفصلة & نداش؛ يحدد المستخدم القيم المحددة التي قد تحدث واحتمال كل منها. ومن الأمثلة على ذلك نتائج الدعوى: احتمال 20٪ من الحكم الإيجابي، و 30٪ تغيير الحكم السلبي، و 40٪ فرصة الاستيطان، و 10٪ فرصة للسوء.
خلال محاكاة مونت كارلو، يتم أخذ العينات عشوائيا من توزيعات احتمال الإدخال. وتسمى كل مجموعة من العينات التكرار، وتسجل النتيجة الناتجة عن تلك العينة. محاكاة مونت كارلو يفعل هذا مئات أو آلاف المرات، والنتيجة هي احتمال توزيع النتائج المحتملة. وبهذه الطريقة، توفر محاكاة مونتي كارلو نظرة أكثر شمولا عما يمكن أن يحدث. فهو يخبرك ليس فقط بما يمكن أن يحدث، ولكن مدى احتمال حدوثه.
محاكاة مونت كارلو يوفر عددا من المزايا أكثر من حتمية، أو لدكو؛ تقدير نقطة واحدة و رديقو؛ تحليل:
النتائج الاحتمالية. تظهر النتائج ليس فقط ما يمكن أن يحدث، ولكن مدى احتمال كل نتيجة. النتائج الرسومية. وبسبب البيانات المحاكاة مونتي كارلو يولد، فإنه من السهل لخلق الرسوم البيانية من نتائج مختلفة وفرص حدوثها. وهذا أمر مهم لتوصيل النتائج إلى أصحاب المصلحة الآخرين. تحليل الحساسية. مع عدد قليل من الحالات، والتحليل الحتمي يجعل من الصعب معرفة المتغيرات التي تؤثر على النتيجة أكثر من غيرها. في محاكاة مونت كارلو، فإنه من السهل أن نرى المدخلات التي كان لها أكبر تأثير على نتائج الخط السفلي. تحليل السيناريو: في النماذج الحتمية، فإنه من الصعب جدا لنماذج مختلفة من القيم لمختلف المدخلات لمعرفة آثار سيناريوهات مختلفة حقا. باستخدام المحاكاة مونت كارلو، يمكن للمحللين معرفة بالضبط المدخلات التي القيم التي معا عند حدوث بعض النتائج. وهذا أمر لا يقدر بثمن لمواصلة إجراء المزيد من التحليل. ارتباط المدخلات. في محاكاة مونت كارلو، فإنه من الممكن لنموذج العلاقات المترابطة بين المتغيرات الإدخال. ومن الأهمية بمكان أن تكون الدقة هي التي تمثل، في الواقع، عندما ترتفع بعض العوامل، بينما ترتفع عوامل أخرى أو تنخفض تبعا لذلك.
تعزيز لمحاكاة مونت كارلو هو استخدام أخذ العينات هيبيركيوب اللاتينية، والتي عينات أكثر دقة من مجموعة كاملة من وظائف التوزيع.
منتجات محاكاة مونتي كارلو مونتي كارلو.
ظهور تطبيقات جداول البيانات لأجهزة الكمبيوتر الشخصية وفرت فرصة للمهنيين لاستخدام محاكاة مونت كارلو في عمل التحليل اليومي. ميكروسوفت إكسيل هو أداة تحليل جداول البيانات المهيمنة و ريسكو؛ s ريسك هو الرائدة مونتي كارلو محاكاة إضافة في إكسيل. لأول مرة ل لوتس 1-2-3 ل دوس في عام 1987،RISK لديه سمعة راسخة منذ فترة طويلة من الدقة الحسابية، والمرونة النمذجة، وسهولة الاستخدام. أدى إدخال مشروع ميكروسوفت بروجيكت إلى تطبيق منطقي آخر لمحاكاة مونت كارلو و [مدش]؛ وتحليل الشكوك والمخاطر الكامنة في إدارة المشاريع الكبيرة. RISK يستخدم أيضا لإدارة المشاريع.
يوم التداول & # 8216؛ التوقعات & # 8217؛ محاكاة.
'مونتي كارلو & أمب؛ مرسين الإعصار "
المحاكاة التجارية.
محاكاة التداول.
وهنا آخر 'جدول التداول الحرة التي قد تجدها مفيدة؛
A 'مونت كارلو محاكي المتوقع.' منذ عدة سنوات تعثرت عبر بسيطة "إكسل مونت كارلو محاكي التداول" في منتدى التداول. قررت إنشاء نسختي الخاصة التي كانت أكثر قليلا قليلا في ردود الفعل الإحصائية، ولكن على أساس "كيس" عقلية. "أبق الأمور بسيطة يا غبي."
كلمة رئيسية & أمب؛ مفهوم أن نلاحظ هنا هو كلمة "المتوقع". هذا النوع من "جدول التداول حاسبة حاسبة" يحمل بعض القيمة في تصور النتائج المحتملة "المحتملة" المستمدة من بعض المقاييس التداول دخلت الخاص بك. وهي:
مقاييس التداول المحددة من قبل المستخدم.
معدل الربح معدل المخاطرة٪ في التجارة كدالة على حقوق الملكية متوسط العائد لمقدار المخاطر التي أخذت اللجان / الانزلاق المتكبدة في رحلة ذهابا وإيابا.
1 من كل شيء، هذا 'مونتي كارلو الحرة جدول البيانات' ليست الرائد في أي حال، على الرغم من أن "أفقي توزيع التردد الرسم البياني" لقد تمكنت من دمج (شكرا لك مرة أخرى تيلين) في هذا إكسيل جدول البيانات التجارية ليست شيئا رأيت في أي مكان آخر؛ حسنا، لا يصور أو مهيأ بهذه الطريقة على الأقل.
كمذكرة، ميزة واحدة لطيفة من هذا البرنامج هو وظيفة (تخليط البيانات) فيما يتعلق بتوليد بيانات الأسعار الاصطناعية على أساس البيانات التاريخية الأصلية (التخلص من الذخائر المتفجرة، خلال اليوم الخ) يستحق نلقي نظرة.
فان ثارب & أمب؛ 'R' مضاعفات.
يكاد يكون من المستحيل التحدث عن التداول فيما يتعلق بالمخاطر & أمب؛ موقف التحجيم دون ذكر ديميغود في هذا المجال؛ وربما خبير كبير في موقف التحجيم & أمب؛ إدارة الأموال؛ وهي د. فان ثارب ف. مفهومه مفيد جدا من R، R - مضاعفات & أمبير؛ التوقعات التجارية. أنا لا أشعر بالحاجة. ولا أحاول إعادة اختراع العجلة هنا؛ لذلك هنا رابط إلى الدكتور فان ثارب & # 8217؛ s تفسير ما هو 'توقع'.
أنا أفضل أن تقودك هنا من مجرد تكرار أو إعادة صياغة تفسيره.
على الرغم من أن فان ثارب يتحدث من حيث؛
'R' (أساسا في خطر في التجارة.) 'R مولتيبلز' (وهناك طريقة رائعة لتقييم أداء تجارتك فيما يتعلق بالمخاطر الأولية الخاصة بك.) 'التوقعات' (نظام التداول الخاص بك "متوسط أو متوسط R متعددة ولدت . ")
"توقعات يخبرك صافي الربح أو الخسارة التي يمكن أن تتوقع على عدد كبير من وحدة واحدة الصفقات".
الدكتور فان ثارب؛ (صفحة 135 - التجارة طريقك إلى الحرية المالية).
أود أن أشير إلى أن بلدي 'مونت كارلو محاكي التداول' يولد النتائج باستخدام ثابت 'R' لجميع الصفقات.
وتستمد جميع الصفقات الفائزة من خطر ثابت٪ في التجارة التي لا تختلف أبدا. وتستمد جميع الخسائر أيضا من نفس النسبة المئوية من المخاطر الأولية. وهناك عامل محدد رئيسي لكل تجارة هو أنه يقوم على النظم الخاصة بك 'بايوف راتيو' (ببساطة النظم الخاصة بك أفيراج الربح لكل التجارة مقسوما على النظم الخاصة بك أفيراج الخسارة في التجارة) كما يأخذ في الاعتبار جميع.
"مقاييس التداول المحددة من قبل المستخدم" المذكورة سابقا.
لذلك، هذا لا يظهر الاختلافات العشوائية في العوائد التي سيناريو واقع الحياة التداول. لذا فإن أهمية 'R' كمقياس تقييم أو مؤشر الأداء الرئيسي لمقارنة أداء 1 تجارة ضد آخر هو حقا غير قابل للتطبيق هنا.
'المنحدر؛ مضاعفات أو 'R' هي في غاية الأهمية. قيمتها الحقيقية يجري في القياس، تقييم & أمب؛ في نهاية المطاف تكون قادرة على مقارنة كل من الصفقات الخاصة بك ضد بعضها البعض. هذا يؤدي ثم إلى "R - مضاعفات" أقول لك كفاءة النظام الخاص بك. القلم في نهاية المطاف 'المتوقع' من النظام الخاص بك على 'x' كمية من الصفقات.
فقط لإضافة. ربما الكأس المقدسة للتجارة يستخدم 'R' ل؛
"حافظ على الخسائر الخاصة بك إلى 1R كما في كثير من الأحيان ممكن.
وأمبير. الصفقات المربحة الخاصة بك مضاعفات عالية من R. "
لماذا أنا خلقت هذه جداول التداول محاكاة؟
لماذا قمت بإنشاء جدول البيانات هذا؟
حقا كان لمساعدة التجار عن طريق التفاعل غامرة. لحث & أمب؛ زراعة عقلية التي توجه ليس نحو الفوز & أمب؛ عقلية فقدان، ولكن واحد أن يغذي & أمب؛ يعزز حالة ذهنية أن & # 8217؛ s تأسست ضمن مفهوم التوقعات الإيجابية. وبالتالي؛ التفكير & أمب؛ التداول من حيث نسب مكافآت المخاطر، التداول مع الموضوعية؛ والسعي إلى توقع إيجابي كنتيجة نهائية؛ يجب على المرء أن يتداول في حين يلتقط في عين الاعتبار صورة أكبر / أكبر لنجاح التداول. لا يمكن الحصول على نجاح التداول من منظور ماكرو ثابت.
انها التداول من وجهات نظر متعددة التي تشمل التفكير من حيث الربحية. أظن أن بعضكم، إن لم يكن كل منكم يتوقعون مني أن أقول "يجب أن تتداول في شروط الاحتمالات". أنت تسعى إلى "توقع إيجابي" أنه ضمن "سلة" من الصفقات على 'س' كم من الوقت كنت الفائز الصافي. كنت تتداول من أجل الربحية على المدى الطويل، وهو ما يعني التداول إلى أهداف محددة سلفا التي تصور توقعات إيجابية.
"سوبر التداول هو ليس حول احتمال. انها عن الربحية! "
أرجوك تذكر:
التداول هو عن وجود نظام مربح. وهو نظام تداول له توقعات إيجابية على المدى الطويل.
وجود معدل ربح مرتفع عادة ما يرتبط بأرباح صغيرة (وخسائر كبيرة عادة).
أفضل أنظمة التداول هي في كثير من الأحيان قليلا أكثر من كسر حتى على معدل الفوز٪.
السعي إلى توقع إيجابي في نظام التداول الخاص بك.
التجارة من أجل الربحية المحددة & أمب؛ تتماشى مع أهدافك.
الاحتمالات تلعب دورا في التداول الفعلي؛ ولكن محافظها هو بروفيتابيليتي!
يوم التداول محاكي معرض.
محاكي التداول تحميل المنطقة.
(جدول عشوائي تحديث 13/07/2017، تعمل الآن مرة أخرى.
فيكس & # 8211؛ تم تغيير الترميز في فبا في كيفية طلب جدول البيانات البيانات عبر طلب خادم هتب).
ميزات محاكاة التداول.
هناك 3 إصدارات مختلفة للتحميل.
المتغير الوحيد هو في كيفية توليد الأرقام العشوائية.
يستخدم الإصدار "مونت كارلو" إكسيل يحمل في ثناياه عوامل "راند () 'وظيفة.
الإصدار "ميرسين الإعصار" يستخدم مجانا التفوق الوظيفة الإضافية عبر ريسكامب، (شكرا مرة أخرى دنكان ويرنر للرد على طلبي للعمل بشكل كامل إكسيل نسخة 64BIT 2018). في الأساس هذا لا يزال مولد عدد كاذب "وقد تم تصميم هذا خصيصا لتصحيح العديد من العيوب الموجودة في الخوارزميات القديمة" (مونتي كارلو على وجه التحديد) على الأقل هذا هو ما ويكيبيديا الدول، لذلك يجب أن يكون صحيحا! 🙂
أخيرا؛ و "عشوائية" الإصدار. أداة استيراد أنيق جدا (من باب المجاملة نوري؛ إكسل الترميز غورو) التي تسمح لاستيراد أرقام عشوائية عشوائية.
"العشوائية تأتي من الضوضاء الجوية، والتي لأغراض كثيرة هي أفضل من خوارزميات عدد شبه عشوائي تستخدم عادة في برامج الكمبيوتر."
(مأخوذة من موقع راندومز).
وهناك عدد قليل من الميزات الجدير بالذكر أن لقد تمكنت من الاندماج في جميع 3 من هذه المحاكاة التداول "المتوقع".
الرسم البياني توزيع التردد، التي لم أر في مكان آخر يصور بهذه الطريقة في شكل اكسل. (شكرا مرة أخرى تيلن). "الاحتمال الاحصائي" من وينس المتتالية & أمبير؛ لوسس الجدول مع إدخال المستخدم مخصص. تراجع الانتعاش (٪). معظم انتصارات متتالية & أمبير؛ الخسائر (المبلغ العددي و جنيه استرليني). أكبر خسارة نتائج الانتصارات (£ 'ق). أكبر خسارة التجارة (جنيه استرليني 'ق) & أمب؛ موقع الخلية المرجعية ضمن 500 محاكاة التداول العشوائي. أدنى الأسهم منخفضة (£ 's). إجمالي مرات الفوز & أمب؛ إجمالي الخسائر (العددية والجنيه الإسترليني). متوسط الربح وين & أمب؛ خسارة في (جنيه استرليني 'ق) & أمب؛ ك (٪). بيك غين (£ £).
كما ذكر من قبل؛ ليس هناك شيء رائد هنا؛ وأمبير. يمكنك عرض كافة التعليمات البرمجية داخل كل هذه جداول التداول الحرة. أنا عمدا لم يكن كلمة السر المحمية أي جزء من هذه التداول جداول البيانات إكسل. هذا قد يساعد / دفع بعض منكم لمحاولة & أمب؛ 'قرص' أو إنشاء الإصدارات الخاصة بك. كن مبدعا!
"لكي نعيش حياة إبداعية، يجب أن نفقد خوفنا من الخطأ".
(جوزيف شيلتون بيرس)
لماذا استخدام محاكي؟
في كتاب مالكولم غلادويل "أوتليرس" غلادويل يدعي أنه يأخذ 10،000 ساعة من الالتزام لتصبح ناجحة للغاية في أي مسعى.
K. أندرس اريكسون في كتابه "الطريق إلى التميز"، ويقدر الرقم من 10 عاما. لماذا هذا مهم، & أمب؛ ماذا فعلت ذلك مع محاكاة التداول؟
النقاط المذكورة أعلاه نحو إتقان ضمن "واعية نموذج التعلم مصفوفة الكفاءة."
إلى سوبر تريد، يجب على المرء أن يحقق مستوى من التفكير / السلوك الذي يتطابق مع "الكفاءة اللاواعية" (على الرغم من أن نموذج التعلم "الكفاءة الواعية" هو معروف جيدا باسم نموذج مصفوفة مربع 4، وأنا أطلب منكم أن تنظر، وأنا 'م في الاتفاق مع دمج عنصر 5، حلقة ردود الفعل صورة: "ويل تايور & # 8217؛ - مصفوفة الكفاءة." من باب المجاملة: بوسينسبالز.
وأذكر الكفاءة لأن هذا هو الشريك؛ وأمبير. وهو عنصر أساسي لشركة سوبر تريد. الشريك لما قد تسأل؟
"موضوعيا، سوبر التداول يبدو أن يكون السلوك المهارة، والتجارة في حالة من الكفاءة اللاواعية. ذي إيروني إس ثات سوبر ترادينغ إس 100٪ يسيكولوجيكال! "
إذا سوبر التداول هو 100٪ النفسية، كيف علم النفس تلعب دورها عند استخدام محاكاة التداول؟
يمكنك التعامل مع يسيكولوجيكالي الرقم التخطيطي المتوقع محاكاة السحب؟ يمكنك التعامل مع يسيكولوجيكالي السلاسل / مجموعات من الخسائر مع مرور الوقت؟ يمكنك التعامل مع يسيكولوجيكالي معتدلة (على سبيل المثال: 50٪) فوز معدل؛ مع العلم أنك على خطأ 50٪ من الوقت؟ هل أنت منضبطة من الناحية النفسية لتلتزم باستمرار بتخصيص المخاطر المحددة مسبقا٪، حتى بعد سلسلة من الخسائر؟ يمكنك أن تلتزم نفسيا النظام الخاص بك في ظروف السوق المختلفة؟
ذي تاويس أويس.
حسنا. ماذا يمكنك أن تأخذ بعيدا عن هذا المنصب & أمب؛ بلدي "جداول التداول محاكي التداول يوم؟"
أعطانا باريتو القاعدة 80/20. وبالتالي؛ 'باريتو ستايل،' ماذا يمكنني أن أقدم لكم باختصار من شأنها أن تعطيك معظم الانفجار لباك الخاص بك حول هذه التجارة محاكاة جداول البيانات؟
3 كلمات؛ الأهداف، المخاطر، التردد.
دائما التجارة مع أهداف محددة مسبقا. وبالتالي محاولة البحث عن المعلمات داخل هذه "المتوقع" المحاكاة التي سوف تطابق & أمبير؛ تكون متوافقة مع أهداف التداول الخاصة بك. فهم موقف التحجيم. تخصيص الخاص بك من المخاطر في جنيه استرليني في التجارة لتلبية الأهداف الخاصة بك. انها حاسمة. تكرر . كن على علم بأن وجود المبلغ المطلوب (جنيه استرليني) لتحقيق بينما يتم دمج التحجيم الموقف الصحيح لا يمكن أن يتحقق إلا إذا كان لديك ما يكفي من الصفقات لتلبية النتيجة المرجوة (£). و فريكونسي من الصفقات الخاصة بك يلعب دورا كبيرا في كيفية بسرعة يمكنك الحصول على النتيجة المرجوة. ابحث عن استراتيجية (أو الجمع بين الاستراتيجيات) التي تولد ما يكفي من إشارات الشراء / البيع التي من شأنها تحقيق أهدافك مع مرور الوقت.
مغالطة مقامر.
#Side ملاحظة: هناك شيء أود أن أذكره لأنه يحصد الكثير، وهو "المغامرة المغامرة". وهناك "الاعتقاد" المشترك هو أنه بعد سلسلة من الصفقات الخاسرة، احتمالات فوزك على التجارة القادمة يبدو أكثر احتمالا ، والانحدار إلى المتوسط؛ لذلك يجب زيادة حجم الموقف الخاص بك على التجارة المقبلة. (مارتينغال).
لاري ويليامز يقول: & # 8220؛ بعد أن كنت قد 3 أو 4 فقدان الصفقات في صف واحد، واحتمال من التجارة المقبلة كونها ليس فقط الفائز ولكن الفائزين كبير هو الطريق في صالحك. & # 8221؛
والنتيجة هنا هي أن احتمال الفوز في كل صفقة يتأثر بطريقة أو بأخرى نتيجة الصفقات السابقة. ليس صحيحا لعملة القذف & أمب؛ معظم الأحداث العشوائية الأخرى. عملات معدنية ليس لها ذاكرة من ما جاء الجانب الأخير. كل إرم مستقلة تماما عن سابقتها.
يقول مؤيدو "استراتيجيات مارتينغال" أنه في التداول الحقيقي، كل تجارة ليست مستقلة عن التجارة السابقة.
مثال: إذا قمت بتداول نظام الاختراق، ربما بعد نجاح عدة فشل أكثر احتمالا. والمشكلة هي، نحن دون & # 8217؛ ر نعرف مقدما التي المحاكمة سوف تستفيد من زيادة حجم. لذلك زيادة حجم الموقف يمكن أن أترك لكم مع خسارة كبيرة. خاصة إذا كنت تزيد من المخاطر لكل صفقة حيث إن حسابك يقلل من قيمة (£).
في حين يمكنك تصور حيث يأتي لاري من مع فكرة "الاحتمالات الرابحة"، استراتيجيات مارتينغال من المحتمل أن تكون خطيرة جدا إذا ما استخدمت بشكل مستمر كموقف استراتيجية التحجيم على المدى الطويل.
أنا لا أتحدث هنا المبلغ 'المتوسط' في على التجارة تدريجيا. ما يقوله لاري هو؛ إذا فقدت القول 4 مرات على التوالي، التجارة 5TH الخاص بك هو وسيلة لصالحك أن يكون الفائز. "بوتنتيالي خطيرة جدا، إن لم يكن كارثة. رجاء؛ لا تقع خطأ لهذه المنهجية.
# بعض المعلومات تكييفها من موقع لاري ساندر. tradelabstrategies.
# الحدث الأخير 2018: التاجر برونو إكسيل & # 8211؛ $ 2bn الخسارة؛ J. P. مورغان،
#Also ملاحظة: بلدي جداول التداول محاكاة لديها لا يتجزأ "الاحتمالات الاحصائية الفوز / الخسارة حاسبة، حتى تتمكن من رؤية إحصائيا كم من الفائزين أو الخاسرين في صف يمكنك أن تتوقع أكثر من 500 الصفقات محاكاة عشوائية، أو عدد المستخدم المعرفة من الصفقات، مع الأخذ بعين الاعتبار معدل الفوز الخاص بك.
هذا أمر مهم لأنه إذا كان لديك نظام مع معدل الفوز الذي هو قليلا على كسر حتى، هل يمكن أن نتوقع أن يكون هناك عدد كبير من الخسائر في صف واحد، (التي توقعي آلة حاسبة سوف تصور). إذا كنت تستخدم استراتيجية مارتينغال نظرا لانخفاض رصيد حسابك، فقد يكون هذا كارثيا. عبارة "نداء الهامش" يتبادر إلى الذهن!
"مارتينغال" استراتيجيات للتجارة هي خطرة-أنها مجرد لا تعمل.
'مكافحة مارتينغال' استراتيجيات ليست خطيرة & أمبير؛ دو وورك & # 8211؛ إذا نفذت بشكل صحيح!
"استراتيجيات مكافحة مارتينغال، والتي تدعو لمخاطر أكبر خلال سلسلة متتالية، هل العمل - سواء في القمار الساحة & أمبير؛ In The Investment Arena.”
Page 285 – Trade Your Way To Financial Freedom. & # 8211؛ Dr. Van Tharp, PhD.
A Trading metaphor;
“Envision in your mind’s eye an artist; one of the greats.
He’s standing in front of his easel that’s gently cradling his canvas; his vision.
He’s totally engaged; in a ‘FLOW’ state; nurturing his creative process.
His brush commands his right hand; an extension of his mind.
His palette is awash with his unique concept of colours that await in his left.
His canvas; his vision requires depth to convey greater clarity; to crystallize his perspective.
He chooses a colour from his subjective palette to instigate change; small light strokes enhance his landscape.”
A Trading Simulator is but 1 colour in your palette of trading tools that can be accessed at any time to enhance & illuminate your ideal canvas.
This 1 ‘colouring’ tool might seem at 1st glance to play a small part in your ‘artwork;’ but importantly it can ‘Change Your Perspective’ in how you view your future outcomes.
Used wisely, a trading simulator helps paint a different picture that can instigate a new positive belief; وأمبير. We Trade Our Beliefs!
أخيرا؛ I leave you with a quote by Richard Bandler (Co-NLP creator)
“The way we lead our lives is a direct result of how we view the future.
It’s only through having a perspective that you get to do things differently.”
Assimilate your trading with a mind-set that has a clear pre-determined ‘OBJECTIVE;’ integrate a trading system with a ‘POSITIVE EXPECTANCY.’ Control your ‘RISK,’ & ensure ‘FREQUENCY ‘ is your friend; but most importantly;
Learn In Time To Master Thy Self!
“The one certainty we know about the markets; It’s their uncertainty!”
“I wish you well in your journey & in your trading.”
5 thoughts on “Day Trading ‘Expectancy’ Simulation”
This is the second time I’ve been to your website. Thank you for posting more details.
Not what I was expecting but awesome anyway! هذا لطيف!
Stumbling across the work you have put up for free has been inspiring. Thank you for what you have shared!
Awesome, Awesome, Awesome, Super Awesome, – شكرا.
Introduction to Monte Carlo simulation.
Last updated 2017-8-21.
This article was adapted from Microsoft Office Excel 2007 Data Analysis and Business Modeling by Wayne L. Winston. Visit Microsoft Learning to learn more about this book.
This classroom-style book was developed from a series of presentations by Wayne Winston, a well known statistician and business professor who specializes in creative, practical applications of Excel. So be prepared — you may need to put your thinking cap on.
في هذه المقالة.
Who uses Monte Carlo simulation?
What happens when I type =RAND() in a cell?
How can I simulate values of a discrete random variable?
How can I simulate values of a normal random variable?
How can a greeting card company determine how many cards to produce?
We would like to accurately estimate the probabilities of uncertain events. For example, what is the probability that a new product’s cash flows will have a positive net present value (NPV)? What is the risk factor of our investment portfolio? Monte Carlo simulation enables us to model situations that present uncertainty and then play them out on a computer thousands of times.
Note: The name Monte Carlo simulation comes from the computer simulations performed during the 1930s and 1940s to estimate the probability that the chain reaction needed for an atom bomb to detonate would work successfully. The physicists involved in this work were big fans of gambling, so they gave the simulations the code name Monte Carlo .
In the next five chapters, I’ll provide some examples of how you can use Microsoft Office Excel 2007 to perform Monte Carlo simulations.
Who uses Monte Carlo simulation?
تستخدم العديد من الشركات محاكاة مونتي كارلو كجزء هام من عملية صنع القرار. وهنا بعض الأمثلة.
General Motors, Proctor and Gamble, Pfizer, Bristol-Myers Squibb, and Eli Lilly use simulation to estimate both the average return and the risk factor of new products. At GM, this information is used by the CEO to determine which products come to market.
GM uses simulation for activities such as forecasting net income for the corporation, predicting structural and purchasing costs, and determining its susceptibility to different kinds of risk (such as interest rate changes and exchange rate fluctuations).
Lilly uses simulation to determine the optimal plant capacity for each drug.
Proctor and Gamble uses simulation to model and optimally hedge foreign exchange risk.
Sears uses simulation to determine how many units of each product line should be ordered from suppliers—for example, the number of pairs of Dockers trousers that should be ordered this year.
Oil and drug companies use simulation to value "real options," such as the value of an option to expand, contract, or postpone a project.
Financial planners use Monte Carlo simulation to determine optimal investment strategies for their clients’ retirement.
What happens when I type =RAND() in a cell?
When you type the formula =RAND() in a cell, you get a number that is equally likely to assume any value between 0 and 1. Thus, around 25 percent of the time, you should get a number less than or equal to 0.25; around 10 percent of the time you should get a number that is at least 0.90, and so on. To demonstrate how the RAND function works, take a look at the file Randdemo. xlsx, shown in Figure 60-1.
Note: When you open the file Randdemo. xlsx, you will not see the same random numbers shown in Figure 60-1. The RAND function always automatically recalculates the numbers it generates when a worksheet is opened or when new information is entered into the worksheet.
I copied from cell C3 to C4:C402 the formula =RAND() . I named the range C3:C402 Data . Then, in column F, I tracked the average of the 400 random numbers (cell F2) and used the COUNTIF function to determine the fractions that are between 0 and 0.25, 0.25 and 0.50, 0.50 and 0.75, and 0.75 and 1. When you press the F9 key, the random numbers are recalculated. Notice that the average of the 400 numbers is always approximately 0.5, and that around 25 percent of the results are in intervals of 0.25. These results are consistent with the definition of a random number. Also note that the values generated by RAND in different cells are independent. For example, if the random number generated in cell C3 is a large number (for example, 0.99), it tells us nothing about the values of the other random numbers generated.
How can I simulate values of a discrete random variable?
Suppose the demand for a calendar is governed by the following discrete random variable:
How can we have Excel play out, or simulate, this demand for calendars many times? The trick is to associate each possible value of the RAND function with a possible demand for calendars. The following assignment ensures that a demand of 10,000 will occur 10 percent of the time, and so on.
Random number assigned.
Greater than or equal to 0.10, and less than 0.45.
Greater than or equal to 0.45, and less than 0.75.
Greater than or equal to 0.75.
To demonstrate the simulation of demand, look at the file Discretesim. xlsx, shown in Figure 60-2 on the next page.
The key to our simulation is to use a random number to initiate a lookup from the table range F2:G5 (named lookup ). Random numbers greater than or equal to 0 and less than 0.10 will yield a demand of 10,000; random numbers greater than or equal to 0.10 and less than 0.45 will yield a demand of 20,000; random numbers greater than or equal to 0.45 and less than 0.75 will yield a demand of 40,000; and random numbers greater than or equal to 0.75 will yield a demand of 60,000. I generated 400 random numbers by copying from C3 to C4:C402 the formula RAND() . I then generated 400 trials, or iterations, of calendar demand by copying from B3 to B4:B402 the formula VLOOKUP(C3,lookup,2) . This formula ensures that any random number less than 0.10 generates a demand of 10,000, any random number between 0.10 and 0.45 generates a demand of 20,000, and so on. In the cell range F8:F11, I used the COUNTIF function to determine the fraction of our 400 iterations yielding each demand. When we press F9 to recalculate the random numbers, the simulated probabilities are close to our assumed demand probabilities.
How can I simulate values of a normal random variable?
If you type in any cell the formula NORMINV(rand(),mu, sigma) , you will generate a simulated value of a normal random variable having a mean mu and standard deviation sigma . I’ve illustrated this procedure in the file Normalsim. xlsx, shown in Figure 60-3.
Let’s suppose we want to simulate 400 trials, or iterations, for a normal random variable with a mean of 40,000 and a standard deviation of 10,000. (I typed these values in cells E1 and E2, and named these cells mean and sigma , respectively.) Copying the formula =RAND() from C4 to C5:C403 generates 400 different random numbers. Copying from B4 to B5:B403 the formula NORMINV(C4,mean, sigma) generates 400 different trial values from a normal random variable with a mean of 40,000 and a standard deviation of 10,000. When we press the F9 key to recalculate the random numbers, the mean remains close to 40,000 and the standard deviation close to 10,000.
Essentially, for a random number x , the formula NORMINV(p, mu, sigma) generates the p th percentile of a normal random variable with a mean mu and a standard deviation sigma . For example, the random number 0.77 in cell C4 (see Figure 60-3) generates in cell B4 approximately the 77th percentile of a normal random variable with a mean of 40,000 and a standard deviation of 10,000.
How can a greeting card company determine how many cards to produce?
In this section, I’ll demonstrate how Monte Carlo simulation can be used as a decision-making tool. Suppose that the demand for a Valentine’s Day card is governed by the following discrete random variable:
The greeting card sells for $4.00, and the variable cost of producing each card is $1.50. Leftover cards must be disposed of at a cost of $0.20 per card. How many cards should be printed?
Basically, we simulate each possible production quantity (10,000, 20,000, 40,000, or 60,000) many times (for example, 1000 iterations). Then we determine which order quantity yields the maximum average profit over the 1000 iterations. You can find the data for this section in the file Valentine. xlsx, shown in Figure 60-4. I’ve assigned the range names in cells B1:B11 to cells C1:C11. I’ve assigned the cell range G3:H6 the name lookup . Our sales price and cost parameters are entered in cells C4:C6.
I then enter a trial production quantity (40,000 in this example) in cell C1. Next I create a random number in cell C2 with the formula =RAND() . As previously described, I simulate demand for the card in cell C3 with the formula VLOOKUP(rand, lookup,2) . (In the VLOOKUP formula, rand is the cell name assigned to cell C3, not the RAND function.)
The number of units sold is the smaller of our production quantity and demand. In cell C8, I compute our revenue with the formula MIN(produced, demand)*unit_price . In cell C9, I compute total production cost with the formula produced*unit_prod_cost .
If we produce more cards than are in demand, the number of units left over equals production minus demand; otherwise no units are left over. We compute our disposal cost in cell C10 with the formula unit_disp_cost*IF(produced>demand, produced–demand,0) . Finally, in cell C11, we compute our profit as revenue – total_var_cost-total_disposing_cost .
We would like an efficient way to press F9 many times (for example, 1000) for each production quantity and tally our expected profit for each quantity. This situation is one in which a two-way data table comes to our rescue. (See Chapter 15, "Sensitivity Analysis with Data Tables," for details about data tables.) The data table I used in this example is shown in Figure 60-5.
In the cell range A16:A1015, I entered the numbers 1–1000 (corresponding to our 1000 trials). One easy way to create these values is to start by entering 1 in cell A16. Select the cell, and then on the Home tab in the Editing group, click Fill, and select Series to display the Series dialog box. In the Series dialog box, shown in Figure 60-6, enter a Step Value of 1 and a Stop Value of 1000. In the Series In area, select the Columns option, and then click OK. The numbers 1–1000 will be entered in column A starting in cell A16.
Next we enter our possible production quantities (10,000, 20,000, 40,000, 60,000) in cells B15:E15. نحن نريد لحساب الربح لكل رقم محاكمة (1 إلى 1000) وكل كمية الإنتاج. We refer to the formula for profit (calculated in cell C11) in the upper-left cell of our data table (A15) by entering =C11 .
We are now ready to trick Excel into simulating 1000 iterations of demand for each production quantity. Select the table range (A15:E1014), and then in the Data Tools group on the Data tab, click What If Analysis, and then select Data Table. To set up a two-way data table, choose our production quantity (cell C1) as the Row Input Cell and select any blank cell (we chose cell I14) as the Column Input Cell. After clicking OK, Excel simulates 1000 demand values for each order quantity.
To understand why this works, consider the values placed by the data table in the cell range C16:C1015. For each of these cells, Excel will use a value of 20,000 in cell C1. In C16, the column input cell value of 1 is placed in a blank cell and the random number in cell C2 recalculates. The corresponding profit is then recorded in cell C16. Then the column cell input value of 2 is placed in a blank cell, and the random number in C2 again recalculates. The corresponding profit is entered in cell C17.
By copying from cell B13 to C13:E13 the formula AVERAGE(B16:B1015) , we compute average simulated profit for each production quantity. By copying from cell B14 to C14:E14 the formula STDEV(B16:B1015) , we compute the standard deviation of our simulated profits for each order quantity. Each time we press F9, 1000 iterations of demand are simulated for each order quantity. Producing 40,000 cards always yields the largest expected profit. Therefore, it appears that producing 40,000 cards is the proper decision.
The Impact of Risk on Our Decision If we produced 20,000 instead of 40,000 cards, our expected profit drops approximately 22 percent, but our risk (as measured by the standard deviation of profit) drops almost 73 percent. Therefore, if we are extremely averse to risk, producing 20,000 cards might be the right decision. Incidentally, producing 10,000 cards always has a standard deviation of 0 cards because if we produce 10,000 cards, we will always sell all of them without any leftovers.
Note: In this workbook I set the Calculation option to Automatic Except For Tables. (Use the Calculation command in the Calculation group on the Formulas tab.) This setting ensures that our data table will not recalculate unless we press F9, which is a good idea because a large data table will slow down your work if it recalculates every time you type something into your worksheet. Note that in this example, whenever you press F9, the mean profit will change. This happens because each time you press F9, a different sequence of 1000 random numbers is used to generate demands for each order quantity.
Confidence Interval for Mean Profit A natural question to ask in this situation is, into what interval are we 95 percent sure the true mean profit will fall? This interval is called the 95 percent confidence interval for mean profit . A 95 percent confidence interval for the mean of any simulation output is computed by the following formula:
In cell J11, I computed the lower limit for the 95 percent confidence interval on mean profit when 40,000 calendars are produced with the formula D13–1.96*D14/SQRT(1000) . In cell J12, I computed the upper limit for our 95 percent confidence interval with the formula D13+1.96*D14/SQRT(1000) . These calculations are shown in Figure 60-7.
We are 95 percent sure that our mean profit when 40,000 calendars are ordered is between $56,687 and $62,589.
A GMC dealer believes that demand for 2005 Envoys will be normally distributed with a mean of 200 and standard deviation of 30. His cost of receiving an Envoy is $25,000, and he sells an Envoy for $40,000. Half of all the Envoys not sold at full price can be sold for $30,000. He is considering ordering 200, 220, 240, 260, 280, or 300 Envoys. How many should he order?
A small supermarket is trying to determine how many copies of People magazine they should order each week. They believe their demand for People is governed by the following discrete random variable:
The supermarket pays $1.00 for each copy of People and sells it for $1.95. Each unsold copy can be returned for $0.50. How many copies of People should the store order?
يوفر هذا البرنامج التعليمي على الويب مقدمة على مستوى الدخول في التحليل الاحتمالي، ويظهر كيف محاكاة مونت كارلو وغيرها من التقنيات يمكن تطبيقها على تحليل الأعمال اليومية الخاصة بك. باستخدام محاكاة مونت كارلو،RISK يحلل العديد من السيناريوهات المختلفة في وقت واحد، مما يتيح لك المزيد من التبصر في ما يمكن أن يحدث. سوف ننظر إلى نماذج نموذجية بما في ذلك نموذج الإيرادات / التكلفة / الأرباح الأساسية، ونموذج القيمة الحالية، ونموذج تقدير التكلفة، لإعطائك فكرة عن مدى السرعة التي يمكن أن تبدأ في النمذجة الاحتمالية في إكسيل. إذا كنت بناء نماذج في إكسيل، حلول باليسيد يمكن أن تساعدك على اتخاذ قرارات أكثر استنارة، والحق من سطح المكتب.
تحليل المخاطر هو جزء من كل قرار نقوم به. إننا نواجه باستمرار عدم اليقين والغموض والتفاوت. وعلى الرغم من وصولنا غير المسبوق إلى المعلومات، إلا أننا لا نستطيع التنبؤ بالمستقبل بدقة. محاكاة مونتي كارلو (المعروف أيضا باسم طريقة مونت كارلو) يتيح لك رؤية جميع النتائج المحتملة للقرارات الخاصة بك وتقييم تأثير المخاطر، مما يسمح لاتخاذ قرارات أفضل في ظل عدم اليقين.
ما هو محاكاة مونت كارلو؟
محاكاة مونتي كارلو هي تقنية رياضية محوسبة تسمح للناس بحساب المخاطر في التحليل الكمي وصنع القرار. يتم استخدام هذه التقنية من قبل المهنيين في مثل هذه المجالات متباينة على نطاق واسع مثل التمويل، وإدارة المشاريع والطاقة والتصنيع والهندسة والبحوث والتطوير والتأمين والزيت & أمب؛ والغاز، والنقل، والبيئة.
محاكاة مونتي كارلو توفر صانع القرار مع مجموعة من النتائج المحتملة والاحتمالات أنها ستحدث لأي خيار من العمل .. فإنه يدل على الاحتمالات القصوى و [مدش]؛ نتائج الذهاب للكسر وللمقرر الأكثر تحفظا و [مدش]؛ جنبا إلى جنب مع كل ممكن النتائج المترتبة على قرارات منتصف الطريق.
تم استخدام هذه التقنية لأول مرة من قبل العلماء الذين يعملون على قنبلة ذرية؛ كان اسمه مونتي كارلو، موناكو منتجع بلدة تشتهر الكازينوهات. منذ إدخاله في الحرب العالمية الثانية، استخدمت محاكاة مونتي كارلو لنمذجة مجموعة متنوعة من الأنظمة المادية والمفاهيمية.
كيف يعمل محاكاة مونت كارلو.
تجري محاكاة مونتي كارلو تحليل المخاطر من خلال بناء نماذج للنتائج المحتملة عن طريق استبدال مجموعة من القيم و [مدش]؛ توزيع الاحتمالات & مداش؛ لأي عامل له عدم اليقين المتأصل. ثم يحسب النتائج مرارا وتكرارا، في كل مرة باستخدام مجموعة مختلفة من القيم العشوائية من وظائف الاحتمال. واعتمادا على عدد حالات عدم التيقن والنطاقات المحددة لها، يمكن أن تنطوي محاكاة مونتي كارلو على آلاف أو عشرات الآلاف من عمليات إعادة الحساب قبل اكتمالها. وتنتج محاكاة مونتي كارلو توزيعات لقيم النتائج المحتملة.
باستخدام التوزيعات الاحتمالية، يمكن أن تكون للمتغيرات احتمالات مختلفة للنتائج المختلفة التي تحدث. والتوزيعات الاحتمالية هي طريقة أكثر واقعية لوصف عدم اليقين في متغيرات تحليل المخاطر. وتشمل التوزيعات الاحتمالية الشائعة:
عادي & نداش؛ أو & لدكو؛ منحنى الجرس. & رديقو؛ ويعرف المستخدم ببساطة القيمة المتوسطة أو المتوقعة والانحراف المعياري لوصف التغير عن المتوسط. من المرجح أن تحدث القيم في الوسط القريب من المتوسط. وهو متماثل ويصف العديد من الظواهر الطبيعية مثل ارتفاع الناس. ومن أمثلة المتغيرات الموصوفة في التوزيعات العادية معدلات التضخم وأسعار الطاقة.
لورنورمال & نداش؛ القيم هي منحرفة بشكل إيجابي، وليس متماثلة مثل التوزيع الطبيعي. يتم استخدامه لتمثيل القيم التي لا تذهب تحت الصفر ولكن لديها إمكانات إيجابية غير محدودة. ومن أمثلة المتغيرات التي توصفها التوزيعات اللوغورمالية قيم العقارات العقارية، وأسعار الأسهم، واحتياطيات النفط.
موحدة & نداش؛ جميع القيم لديها فرصة متساوية من حدوث، والمستخدم ببساطة يحدد الحد الأدنى والحد الأقصى. ومن أمثلة المتغيرات التي يمكن توزيعها بشكل موحد تكاليف التصنيع أو إيرادات المبيعات المستقبلية لمنتج جديد.
الثلاثي & نداش؛ يحدد المستخدم الحد الأدنى، والأكثر احتمالا، والقيم القصوى. من المرجح أن تحدث القيم حول الأرجح. وتشمل المتغيرات التي يمكن وصفها من خلال التوزيع الثلاثي المبيعات السابقة التاريخ لكل وحدة من الوقت ومستويات المخزون.
PERT - يحدد المستخدم الحد الأدنى، على الأرجح، والقيم القصوى، تماما مثل التوزيع الثلاثي. من المرجح أن تحدث القيم حول الأرجح. ولكن القيم بين الأرجح والأقصى هي أكثر احتمالا أن تحدث من الثلاثي. أي أن الحدود القصوى ليست كما أكد. مثال على استخدام توزيع بيرت هو وصف مدة المهمة في نموذج إدارة المشروع.
منفصلة & نداش؛ يحدد المستخدم القيم المحددة التي قد تحدث واحتمال كل منها. ومن الأمثلة على ذلك نتائج الدعوى: احتمال 20٪ من الحكم الإيجابي، و 30٪ تغيير الحكم السلبي، و 40٪ فرصة الاستيطان، و 10٪ فرصة للسوء.
خلال محاكاة مونت كارلو، يتم أخذ العينات عشوائيا من توزيعات احتمال الإدخال. وتسمى كل مجموعة من العينات التكرار، وتسجل النتيجة الناتجة عن تلك العينة. محاكاة مونت كارلو يفعل هذا مئات أو آلاف المرات، والنتيجة هي احتمال توزيع النتائج المحتملة. وبهذه الطريقة، توفر محاكاة مونتي كارلو نظرة أكثر شمولا عما يمكن أن يحدث. فهو يخبرك ليس فقط بما يمكن أن يحدث، ولكن مدى احتمال حدوثه.
محاكاة مونت كارلو يوفر عددا من المزايا أكثر من حتمية، أو لدكو؛ تقدير نقطة واحدة و رديقو؛ تحليل:
النتائج الاحتمالية. تظهر النتائج ليس فقط ما يمكن أن يحدث، ولكن مدى احتمال كل نتيجة. النتائج الرسومية. وبسبب البيانات المحاكاة مونتي كارلو يولد، فإنه من السهل لخلق الرسوم البيانية من نتائج مختلفة وفرص حدوثها. وهذا أمر مهم لتوصيل النتائج إلى أصحاب المصلحة الآخرين. تحليل الحساسية. مع عدد قليل من الحالات، والتحليل الحتمي يجعل من الصعب معرفة المتغيرات التي تؤثر على النتيجة أكثر من غيرها. في محاكاة مونت كارلو، فإنه من السهل أن نرى المدخلات التي كان لها أكبر تأثير على نتائج الخط السفلي. تحليل السيناريو: في النماذج الحتمية، فإنه من الصعب جدا لنماذج مختلفة من القيم لمختلف المدخلات لمعرفة آثار سيناريوهات مختلفة حقا. باستخدام المحاكاة مونت كارلو، يمكن للمحللين معرفة بالضبط المدخلات التي القيم التي معا عند حدوث بعض النتائج. وهذا أمر لا يقدر بثمن لمواصلة إجراء المزيد من التحليل. ارتباط المدخلات. في محاكاة مونت كارلو، فإنه من الممكن لنموذج العلاقات المترابطة بين المتغيرات الإدخال. ومن الأهمية بمكان أن تكون الدقة هي التي تمثل، في الواقع، عندما ترتفع بعض العوامل، بينما ترتفع عوامل أخرى أو تنخفض تبعا لذلك.
تعزيز لمحاكاة مونت كارلو هو استخدام أخذ العينات هيبيركيوب اللاتينية، والتي عينات أكثر دقة من مجموعة كاملة من وظائف التوزيع.
منتجات محاكاة مونتي كارلو مونتي كارلو.
ظهور تطبيقات جداول البيانات لأجهزة الكمبيوتر الشخصية وفرت فرصة للمهنيين لاستخدام محاكاة مونت كارلو في عمل التحليل اليومي. ميكروسوفت إكسيل هو أداة تحليل جداول البيانات المهيمنة و ريسكو؛ s ريسك هو الرائدة مونتي كارلو محاكاة إضافة في إكسيل. لأول مرة ل لوتس 1-2-3 ل دوس في عام 1987،RISK لديه سمعة راسخة منذ فترة طويلة من الدقة الحسابية، والمرونة النمذجة، وسهولة الاستخدام. أدى إدخال مشروع ميكروسوفت بروجيكت إلى تطبيق منطقي آخر لمحاكاة مونت كارلو و [مدش]؛ وتحليل الشكوك والمخاطر الكامنة في إدارة المشاريع الكبيرة. RISK يستخدم أيضا لإدارة المشاريع.
يوم التداول & # 8216؛ التوقعات & # 8217؛ محاكاة.
'مونتي كارلو & أمب؛ مرسين الإعصار "
المحاكاة التجارية.
محاكاة التداول.
وهنا آخر 'جدول التداول الحرة التي قد تجدها مفيدة؛
A 'مونت كارلو محاكي المتوقع.' منذ عدة سنوات تعثرت عبر بسيطة "إكسل مونت كارلو محاكي التداول" في منتدى التداول. قررت إنشاء نسختي الخاصة التي كانت أكثر قليلا قليلا في ردود الفعل الإحصائية، ولكن على أساس "كيس" عقلية. "أبق الأمور بسيطة يا غبي."
كلمة رئيسية & أمب؛ مفهوم أن نلاحظ هنا هو كلمة "المتوقع". هذا النوع من "جدول التداول حاسبة حاسبة" يحمل بعض القيمة في تصور النتائج المحتملة "المحتملة" المستمدة من بعض المقاييس التداول دخلت الخاص بك. وهي:
مقاييس التداول المحددة من قبل المستخدم.
معدل الربح معدل المخاطرة٪ في التجارة كدالة على حقوق الملكية متوسط العائد لمقدار المخاطر التي أخذت اللجان / الانزلاق المتكبدة في رحلة ذهابا وإيابا.
1 من كل شيء، هذا 'مونتي كارلو الحرة جدول البيانات' ليست الرائد في أي حال، على الرغم من أن "أفقي توزيع التردد الرسم البياني" لقد تمكنت من دمج (شكرا لك مرة أخرى تيلين) في هذا إكسيل جدول البيانات التجارية ليست شيئا رأيت في أي مكان آخر؛ حسنا، لا يصور أو مهيأ بهذه الطريقة على الأقل.
كمذكرة، ميزة واحدة لطيفة من هذا البرنامج هو وظيفة (تخليط البيانات) فيما يتعلق بتوليد بيانات الأسعار الاصطناعية على أساس البيانات التاريخية الأصلية (التخلص من الذخائر المتفجرة، خلال اليوم الخ) يستحق نلقي نظرة.
فان ثارب & أمب؛ 'R' مضاعفات.
يكاد يكون من المستحيل التحدث عن التداول فيما يتعلق بالمخاطر & أمب؛ موقف التحجيم دون ذكر ديميغود في هذا المجال؛ وربما خبير كبير في موقف التحجيم & أمب؛ إدارة الأموال؛ وهي د. فان ثارب ف. مفهومه مفيد جدا من R، R - مضاعفات & أمبير؛ التوقعات التجارية. أنا لا أشعر بالحاجة. ولا أحاول إعادة اختراع العجلة هنا؛ لذلك هنا رابط إلى الدكتور فان ثارب & # 8217؛ s تفسير ما هو 'توقع'.
أنا أفضل أن تقودك هنا من مجرد تكرار أو إعادة صياغة تفسيره.
على الرغم من أن فان ثارب يتحدث من حيث؛
'R' (أساسا في خطر في التجارة.) 'R مولتيبلز' (وهناك طريقة رائعة لتقييم أداء تجارتك فيما يتعلق بالمخاطر الأولية الخاصة بك.) 'التوقعات' (نظام التداول الخاص بك "متوسط أو متوسط R متعددة ولدت . ")
"توقعات يخبرك صافي الربح أو الخسارة التي يمكن أن تتوقع على عدد كبير من وحدة واحدة الصفقات".
الدكتور فان ثارب؛ (صفحة 135 - التجارة طريقك إلى الحرية المالية).
أود أن أشير إلى أن بلدي 'مونت كارلو محاكي التداول' يولد النتائج باستخدام ثابت 'R' لجميع الصفقات.
وتستمد جميع الصفقات الفائزة من خطر ثابت٪ في التجارة التي لا تختلف أبدا. وتستمد جميع الخسائر أيضا من نفس النسبة المئوية من المخاطر الأولية. وهناك عامل محدد رئيسي لكل تجارة هو أنه يقوم على النظم الخاصة بك 'بايوف راتيو' (ببساطة النظم الخاصة بك أفيراج الربح لكل التجارة مقسوما على النظم الخاصة بك أفيراج الخسارة في التجارة) كما يأخذ في الاعتبار جميع.
"مقاييس التداول المحددة من قبل المستخدم" المذكورة سابقا.
لذلك، هذا لا يظهر الاختلافات العشوائية في العوائد التي سيناريو واقع الحياة التداول. لذا فإن أهمية 'R' كمقياس تقييم أو مؤشر الأداء الرئيسي لمقارنة أداء 1 تجارة ضد آخر هو حقا غير قابل للتطبيق هنا.
'المنحدر؛ مضاعفات أو 'R' هي في غاية الأهمية. قيمتها الحقيقية يجري في القياس، تقييم & أمب؛ في نهاية المطاف تكون قادرة على مقارنة كل من الصفقات الخاصة بك ضد بعضها البعض. هذا يؤدي ثم إلى "R - مضاعفات" أقول لك كفاءة النظام الخاص بك. القلم في نهاية المطاف 'المتوقع' من النظام الخاص بك على 'x' كمية من الصفقات.
فقط لإضافة. ربما الكأس المقدسة للتجارة يستخدم 'R' ل؛
"حافظ على الخسائر الخاصة بك إلى 1R كما في كثير من الأحيان ممكن.
وأمبير. الصفقات المربحة الخاصة بك مضاعفات عالية من R. "
لماذا أنا خلقت هذه جداول التداول محاكاة؟
لماذا قمت بإنشاء جدول البيانات هذا؟
حقا كان لمساعدة التجار عن طريق التفاعل غامرة. لحث & أمب؛ زراعة عقلية التي توجه ليس نحو الفوز & أمب؛ عقلية فقدان، ولكن واحد أن يغذي & أمب؛ يعزز حالة ذهنية أن & # 8217؛ s تأسست ضمن مفهوم التوقعات الإيجابية. وبالتالي؛ التفكير & أمب؛ التداول من حيث نسب مكافآت المخاطر، التداول مع الموضوعية؛ والسعي إلى توقع إيجابي كنتيجة نهائية؛ يجب على المرء أن يتداول في حين يلتقط في عين الاعتبار صورة أكبر / أكبر لنجاح التداول. لا يمكن الحصول على نجاح التداول من منظور ماكرو ثابت.
انها التداول من وجهات نظر متعددة التي تشمل التفكير من حيث الربحية. أظن أن بعضكم، إن لم يكن كل منكم يتوقعون مني أن أقول "يجب أن تتداول في شروط الاحتمالات". أنت تسعى إلى "توقع إيجابي" أنه ضمن "سلة" من الصفقات على 'س' كم من الوقت كنت الفائز الصافي. كنت تتداول من أجل الربحية على المدى الطويل، وهو ما يعني التداول إلى أهداف محددة سلفا التي تصور توقعات إيجابية.
"سوبر التداول هو ليس حول احتمال. انها عن الربحية! "
أرجوك تذكر:
التداول هو عن وجود نظام مربح. وهو نظام تداول له توقعات إيجابية على المدى الطويل.
وجود معدل ربح مرتفع عادة ما يرتبط بأرباح صغيرة (وخسائر كبيرة عادة).
أفضل أنظمة التداول هي في كثير من الأحيان قليلا أكثر من كسر حتى على معدل الفوز٪.
السعي إلى توقع إيجابي في نظام التداول الخاص بك.
التجارة من أجل الربحية المحددة & أمب؛ تتماشى مع أهدافك.
الاحتمالات تلعب دورا في التداول الفعلي؛ ولكن محافظها هو بروفيتابيليتي!
يوم التداول محاكي معرض.
محاكي التداول تحميل المنطقة.
(جدول عشوائي تحديث 13/07/2017، تعمل الآن مرة أخرى.
فيكس & # 8211؛ تم تغيير الترميز في فبا في كيفية طلب جدول البيانات البيانات عبر طلب خادم هتب).
ميزات محاكاة التداول.
هناك 3 إصدارات مختلفة للتحميل.
المتغير الوحيد هو في كيفية توليد الأرقام العشوائية.
يستخدم الإصدار "مونت كارلو" إكسيل يحمل في ثناياه عوامل "راند () 'وظيفة.
الإصدار "ميرسين الإعصار" يستخدم مجانا التفوق الوظيفة الإضافية عبر ريسكامب، (شكرا مرة أخرى دنكان ويرنر للرد على طلبي للعمل بشكل كامل إكسيل نسخة 64BIT 2018). في الأساس هذا لا يزال مولد عدد كاذب "وقد تم تصميم هذا خصيصا لتصحيح العديد من العيوب الموجودة في الخوارزميات القديمة" (مونتي كارلو على وجه التحديد) على الأقل هذا هو ما ويكيبيديا الدول، لذلك يجب أن يكون صحيحا! 🙂
أخيرا؛ و "عشوائية" الإصدار. أداة استيراد أنيق جدا (من باب المجاملة نوري؛ إكسل الترميز غورو) التي تسمح لاستيراد أرقام عشوائية عشوائية.
"العشوائية تأتي من الضوضاء الجوية، والتي لأغراض كثيرة هي أفضل من خوارزميات عدد شبه عشوائي تستخدم عادة في برامج الكمبيوتر."
(مأخوذة من موقع راندومز).
وهناك عدد قليل من الميزات الجدير بالذكر أن لقد تمكنت من الاندماج في جميع 3 من هذه المحاكاة التداول "المتوقع".
الرسم البياني توزيع التردد، التي لم أر في مكان آخر يصور بهذه الطريقة في شكل اكسل. (شكرا مرة أخرى تيلن). "الاحتمال الاحصائي" من وينس المتتالية & أمبير؛ لوسس الجدول مع إدخال المستخدم مخصص. تراجع الانتعاش (٪). معظم انتصارات متتالية & أمبير؛ الخسائر (المبلغ العددي و جنيه استرليني). أكبر خسارة نتائج الانتصارات (£ 'ق). أكبر خسارة التجارة (جنيه استرليني 'ق) & أمب؛ موقع الخلية المرجعية ضمن 500 محاكاة التداول العشوائي. أدنى الأسهم منخفضة (£ 's). إجمالي مرات الفوز & أمب؛ إجمالي الخسائر (العددية والجنيه الإسترليني). متوسط الربح وين & أمب؛ خسارة في (جنيه استرليني 'ق) & أمب؛ ك (٪). بيك غين (£ £).
كما ذكر من قبل؛ ليس هناك شيء رائد هنا؛ وأمبير. يمكنك عرض كافة التعليمات البرمجية داخل كل هذه جداول التداول الحرة. أنا عمدا لم يكن كلمة السر المحمية أي جزء من هذه التداول جداول البيانات إكسل. هذا قد يساعد / دفع بعض منكم لمحاولة & أمب؛ 'قرص' أو إنشاء الإصدارات الخاصة بك. كن مبدعا!
"لكي نعيش حياة إبداعية، يجب أن نفقد خوفنا من الخطأ".
(جوزيف شيلتون بيرس)
لماذا استخدام محاكي؟
في كتاب مالكولم غلادويل "أوتليرس" غلادويل يدعي أنه يأخذ 10،000 ساعة من الالتزام لتصبح ناجحة للغاية في أي مسعى.
K. أندرس اريكسون في كتابه "الطريق إلى التميز"، ويقدر الرقم من 10 عاما. لماذا هذا مهم، & أمب؛ ماذا فعلت ذلك مع محاكاة التداول؟
النقاط المذكورة أعلاه نحو إتقان ضمن "واعية نموذج التعلم مصفوفة الكفاءة."
إلى سوبر تريد، يجب على المرء أن يحقق مستوى من التفكير / السلوك الذي يتطابق مع "الكفاءة اللاواعية" (على الرغم من أن نموذج التعلم "الكفاءة الواعية" هو معروف جيدا باسم نموذج مصفوفة مربع 4، وأنا أطلب منكم أن تنظر، وأنا 'م في الاتفاق مع دمج عنصر 5، حلقة ردود الفعل صورة: "ويل تايور & # 8217؛ - مصفوفة الكفاءة." من باب المجاملة: بوسينسبالز.
وأذكر الكفاءة لأن هذا هو الشريك؛ وأمبير. وهو عنصر أساسي لشركة سوبر تريد. الشريك لما قد تسأل؟
"موضوعيا، سوبر التداول يبدو أن يكون السلوك المهارة، والتجارة في حالة من الكفاءة اللاواعية. ذي إيروني إس ثات سوبر ترادينغ إس 100٪ يسيكولوجيكال! "
إذا سوبر التداول هو 100٪ النفسية، كيف علم النفس تلعب دورها عند استخدام محاكاة التداول؟
يمكنك التعامل مع يسيكولوجيكالي الرقم التخطيطي المتوقع محاكاة السحب؟ يمكنك التعامل مع يسيكولوجيكالي السلاسل / مجموعات من الخسائر مع مرور الوقت؟ يمكنك التعامل مع يسيكولوجيكالي معتدلة (على سبيل المثال: 50٪) فوز معدل؛ مع العلم أنك على خطأ 50٪ من الوقت؟ هل أنت منضبطة من الناحية النفسية لتلتزم باستمرار بتخصيص المخاطر المحددة مسبقا٪، حتى بعد سلسلة من الخسائر؟ يمكنك أن تلتزم نفسيا النظام الخاص بك في ظروف السوق المختلفة؟
ذي تاويس أويس.
حسنا. ماذا يمكنك أن تأخذ بعيدا عن هذا المنصب & أمب؛ بلدي "جداول التداول محاكي التداول يوم؟"
أعطانا باريتو القاعدة 80/20. وبالتالي؛ 'باريتو ستايل،' ماذا يمكنني أن أقدم لكم باختصار من شأنها أن تعطيك معظم الانفجار لباك الخاص بك حول هذه التجارة محاكاة جداول البيانات؟
3 كلمات؛ الأهداف، المخاطر، التردد.
دائما التجارة مع أهداف محددة مسبقا. وبالتالي محاولة البحث عن المعلمات داخل هذه "المتوقع" المحاكاة التي سوف تطابق & أمبير؛ تكون متوافقة مع أهداف التداول الخاصة بك. فهم موقف التحجيم. تخصيص الخاص بك من المخاطر في جنيه استرليني في التجارة لتلبية الأهداف الخاصة بك. انها حاسمة. تكرر . كن على علم بأن وجود المبلغ المطلوب (جنيه استرليني) لتحقيق بينما يتم دمج التحجيم الموقف الصحيح لا يمكن أن يتحقق إلا إذا كان لديك ما يكفي من الصفقات لتلبية النتيجة المرجوة (£). و فريكونسي من الصفقات الخاصة بك يلعب دورا كبيرا في كيفية بسرعة يمكنك الحصول على النتيجة المرجوة. ابحث عن استراتيجية (أو الجمع بين الاستراتيجيات) التي تولد ما يكفي من إشارات الشراء / البيع التي من شأنها تحقيق أهدافك مع مرور الوقت.
مغالطة مقامر.
#Side ملاحظة: هناك شيء أود أن أذكره لأنه يحصد الكثير، وهو "المغامرة المغامرة". وهناك "الاعتقاد" المشترك هو أنه بعد سلسلة من الصفقات الخاسرة، احتمالات فوزك على التجارة القادمة يبدو أكثر احتمالا ، والانحدار إلى المتوسط؛ لذلك يجب زيادة حجم الموقف الخاص بك على التجارة المقبلة. (مارتينغال).
لاري ويليامز يقول: & # 8220؛ بعد أن كنت قد 3 أو 4 فقدان الصفقات في صف واحد، واحتمال من التجارة المقبلة كونها ليس فقط الفائز ولكن الفائزين كبير هو الطريق في صالحك. & # 8221؛
والنتيجة هنا هي أن احتمال الفوز في كل صفقة يتأثر بطريقة أو بأخرى نتيجة الصفقات السابقة. ليس صحيحا لعملة القذف & أمب؛ معظم الأحداث العشوائية الأخرى. عملات معدنية ليس لها ذاكرة من ما جاء الجانب الأخير. كل إرم مستقلة تماما عن سابقتها.
يقول مؤيدو "استراتيجيات مارتينغال" أنه في التداول الحقيقي، كل تجارة ليست مستقلة عن التجارة السابقة.
مثال: إذا قمت بتداول نظام الاختراق، ربما بعد نجاح عدة فشل أكثر احتمالا. والمشكلة هي، نحن دون & # 8217؛ ر نعرف مقدما التي المحاكمة سوف تستفيد من زيادة حجم. لذلك زيادة حجم الموقف يمكن أن أترك لكم مع خسارة كبيرة. خاصة إذا كنت تزيد من المخاطر لكل صفقة حيث إن حسابك يقلل من قيمة (£).
في حين يمكنك تصور حيث يأتي لاري من مع فكرة "الاحتمالات الرابحة"، استراتيجيات مارتينغال من المحتمل أن تكون خطيرة جدا إذا ما استخدمت بشكل مستمر كموقف استراتيجية التحجيم على المدى الطويل.
أنا لا أتحدث هنا المبلغ 'المتوسط' في على التجارة تدريجيا. ما يقوله لاري هو؛ إذا فقدت القول 4 مرات على التوالي، التجارة 5TH الخاص بك هو وسيلة لصالحك أن يكون الفائز. "بوتنتيالي خطيرة جدا، إن لم يكن كارثة. رجاء؛ لا تقع خطأ لهذه المنهجية.
# بعض المعلومات تكييفها من موقع لاري ساندر. tradelabstrategies.
# الحدث الأخير 2018: التاجر برونو إكسيل & # 8211؛ $ 2bn الخسارة؛ J. P. مورغان،
#Also ملاحظة: بلدي جداول التداول محاكاة لديها لا يتجزأ "الاحتمالات الاحصائية الفوز / الخسارة حاسبة، حتى تتمكن من رؤية إحصائيا كم من الفائزين أو الخاسرين في صف يمكنك أن تتوقع أكثر من 500 الصفقات محاكاة عشوائية، أو عدد المستخدم المعرفة من الصفقات، مع الأخذ بعين الاعتبار معدل الفوز الخاص بك.
هذا أمر مهم لأنه إذا كان لديك نظام مع معدل الفوز الذي هو قليلا على كسر حتى، هل يمكن أن نتوقع أن يكون هناك عدد كبير من الخسائر في صف واحد، (التي توقعي آلة حاسبة سوف تصور). إذا كنت تستخدم استراتيجية مارتينغال نظرا لانخفاض رصيد حسابك، فقد يكون هذا كارثيا. عبارة "نداء الهامش" يتبادر إلى الذهن!
"مارتينغال" استراتيجيات للتجارة هي خطرة-أنها مجرد لا تعمل.
'مكافحة مارتينغال' استراتيجيات ليست خطيرة & أمبير؛ دو وورك & # 8211؛ إذا نفذت بشكل صحيح!
"استراتيجيات مكافحة مارتينغال، والتي تدعو لمخاطر أكبر خلال سلسلة متتالية، هل العمل - سواء في القمار الساحة & أمبير؛ In The Investment Arena.”
Page 285 – Trade Your Way To Financial Freedom. & # 8211؛ Dr. Van Tharp, PhD.
A Trading metaphor;
“Envision in your mind’s eye an artist; one of the greats.
He’s standing in front of his easel that’s gently cradling his canvas; his vision.
He’s totally engaged; in a ‘FLOW’ state; nurturing his creative process.
His brush commands his right hand; an extension of his mind.
His palette is awash with his unique concept of colours that await in his left.
His canvas; his vision requires depth to convey greater clarity; to crystallize his perspective.
He chooses a colour from his subjective palette to instigate change; small light strokes enhance his landscape.”
A Trading Simulator is but 1 colour in your palette of trading tools that can be accessed at any time to enhance & illuminate your ideal canvas.
This 1 ‘colouring’ tool might seem at 1st glance to play a small part in your ‘artwork;’ but importantly it can ‘Change Your Perspective’ in how you view your future outcomes.
Used wisely, a trading simulator helps paint a different picture that can instigate a new positive belief; وأمبير. We Trade Our Beliefs!
أخيرا؛ I leave you with a quote by Richard Bandler (Co-NLP creator)
“The way we lead our lives is a direct result of how we view the future.
It’s only through having a perspective that you get to do things differently.”
Assimilate your trading with a mind-set that has a clear pre-determined ‘OBJECTIVE;’ integrate a trading system with a ‘POSITIVE EXPECTANCY.’ Control your ‘RISK,’ & ensure ‘FREQUENCY ‘ is your friend; but most importantly;
Learn In Time To Master Thy Self!
“The one certainty we know about the markets; It’s their uncertainty!”
“I wish you well in your journey & in your trading.”
5 thoughts on “Day Trading ‘Expectancy’ Simulation”
This is the second time I’ve been to your website. Thank you for posting more details.
Not what I was expecting but awesome anyway! هذا لطيف!
Stumbling across the work you have put up for free has been inspiring. Thank you for what you have shared!
Awesome, Awesome, Awesome, Super Awesome, – شكرا.
Introduction to Monte Carlo simulation.
Last updated 2017-8-21.
This article was adapted from Microsoft Office Excel 2007 Data Analysis and Business Modeling by Wayne L. Winston. Visit Microsoft Learning to learn more about this book.
This classroom-style book was developed from a series of presentations by Wayne Winston, a well known statistician and business professor who specializes in creative, practical applications of Excel. So be prepared — you may need to put your thinking cap on.
في هذه المقالة.
Who uses Monte Carlo simulation?
What happens when I type =RAND() in a cell?
How can I simulate values of a discrete random variable?
How can I simulate values of a normal random variable?
How can a greeting card company determine how many cards to produce?
We would like to accurately estimate the probabilities of uncertain events. For example, what is the probability that a new product’s cash flows will have a positive net present value (NPV)? What is the risk factor of our investment portfolio? Monte Carlo simulation enables us to model situations that present uncertainty and then play them out on a computer thousands of times.
Note: The name Monte Carlo simulation comes from the computer simulations performed during the 1930s and 1940s to estimate the probability that the chain reaction needed for an atom bomb to detonate would work successfully. The physicists involved in this work were big fans of gambling, so they gave the simulations the code name Monte Carlo .
In the next five chapters, I’ll provide some examples of how you can use Microsoft Office Excel 2007 to perform Monte Carlo simulations.
Who uses Monte Carlo simulation?
تستخدم العديد من الشركات محاكاة مونتي كارلو كجزء هام من عملية صنع القرار. وهنا بعض الأمثلة.
General Motors, Proctor and Gamble, Pfizer, Bristol-Myers Squibb, and Eli Lilly use simulation to estimate both the average return and the risk factor of new products. At GM, this information is used by the CEO to determine which products come to market.
GM uses simulation for activities such as forecasting net income for the corporation, predicting structural and purchasing costs, and determining its susceptibility to different kinds of risk (such as interest rate changes and exchange rate fluctuations).
Lilly uses simulation to determine the optimal plant capacity for each drug.
Proctor and Gamble uses simulation to model and optimally hedge foreign exchange risk.
Sears uses simulation to determine how many units of each product line should be ordered from suppliers—for example, the number of pairs of Dockers trousers that should be ordered this year.
Oil and drug companies use simulation to value "real options," such as the value of an option to expand, contract, or postpone a project.
Financial planners use Monte Carlo simulation to determine optimal investment strategies for their clients’ retirement.
What happens when I type =RAND() in a cell?
When you type the formula =RAND() in a cell, you get a number that is equally likely to assume any value between 0 and 1. Thus, around 25 percent of the time, you should get a number less than or equal to 0.25; around 10 percent of the time you should get a number that is at least 0.90, and so on. To demonstrate how the RAND function works, take a look at the file Randdemo. xlsx, shown in Figure 60-1.
Note: When you open the file Randdemo. xlsx, you will not see the same random numbers shown in Figure 60-1. The RAND function always automatically recalculates the numbers it generates when a worksheet is opened or when new information is entered into the worksheet.
I copied from cell C3 to C4:C402 the formula =RAND() . I named the range C3:C402 Data . Then, in column F, I tracked the average of the 400 random numbers (cell F2) and used the COUNTIF function to determine the fractions that are between 0 and 0.25, 0.25 and 0.50, 0.50 and 0.75, and 0.75 and 1. When you press the F9 key, the random numbers are recalculated. Notice that the average of the 400 numbers is always approximately 0.5, and that around 25 percent of the results are in intervals of 0.25. These results are consistent with the definition of a random number. Also note that the values generated by RAND in different cells are independent. For example, if the random number generated in cell C3 is a large number (for example, 0.99), it tells us nothing about the values of the other random numbers generated.
How can I simulate values of a discrete random variable?
Suppose the demand for a calendar is governed by the following discrete random variable:
How can we have Excel play out, or simulate, this demand for calendars many times? The trick is to associate each possible value of the RAND function with a possible demand for calendars. The following assignment ensures that a demand of 10,000 will occur 10 percent of the time, and so on.
Random number assigned.
Greater than or equal to 0.10, and less than 0.45.
Greater than or equal to 0.45, and less than 0.75.
Greater than or equal to 0.75.
To demonstrate the simulation of demand, look at the file Discretesim. xlsx, shown in Figure 60-2 on the next page.
The key to our simulation is to use a random number to initiate a lookup from the table range F2:G5 (named lookup ). Random numbers greater than or equal to 0 and less than 0.10 will yield a demand of 10,000; random numbers greater than or equal to 0.10 and less than 0.45 will yield a demand of 20,000; random numbers greater than or equal to 0.45 and less than 0.75 will yield a demand of 40,000; and random numbers greater than or equal to 0.75 will yield a demand of 60,000. I generated 400 random numbers by copying from C3 to C4:C402 the formula RAND() . I then generated 400 trials, or iterations, of calendar demand by copying from B3 to B4:B402 the formula VLOOKUP(C3,lookup,2) . This formula ensures that any random number less than 0.10 generates a demand of 10,000, any random number between 0.10 and 0.45 generates a demand of 20,000, and so on. In the cell range F8:F11, I used the COUNTIF function to determine the fraction of our 400 iterations yielding each demand. When we press F9 to recalculate the random numbers, the simulated probabilities are close to our assumed demand probabilities.
How can I simulate values of a normal random variable?
If you type in any cell the formula NORMINV(rand(),mu, sigma) , you will generate a simulated value of a normal random variable having a mean mu and standard deviation sigma . I’ve illustrated this procedure in the file Normalsim. xlsx, shown in Figure 60-3.
Let’s suppose we want to simulate 400 trials, or iterations, for a normal random variable with a mean of 40,000 and a standard deviation of 10,000. (I typed these values in cells E1 and E2, and named these cells mean and sigma , respectively.) Copying the formula =RAND() from C4 to C5:C403 generates 400 different random numbers. Copying from B4 to B5:B403 the formula NORMINV(C4,mean, sigma) generates 400 different trial values from a normal random variable with a mean of 40,000 and a standard deviation of 10,000. When we press the F9 key to recalculate the random numbers, the mean remains close to 40,000 and the standard deviation close to 10,000.
Essentially, for a random number x , the formula NORMINV(p, mu, sigma) generates the p th percentile of a normal random variable with a mean mu and a standard deviation sigma . For example, the random number 0.77 in cell C4 (see Figure 60-3) generates in cell B4 approximately the 77th percentile of a normal random variable with a mean of 40,000 and a standard deviation of 10,000.
How can a greeting card company determine how many cards to produce?
In this section, I’ll demonstrate how Monte Carlo simulation can be used as a decision-making tool. Suppose that the demand for a Valentine’s Day card is governed by the following discrete random variable:
The greeting card sells for $4.00, and the variable cost of producing each card is $1.50. Leftover cards must be disposed of at a cost of $0.20 per card. How many cards should be printed?
Basically, we simulate each possible production quantity (10,000, 20,000, 40,000, or 60,000) many times (for example, 1000 iterations). Then we determine which order quantity yields the maximum average profit over the 1000 iterations. You can find the data for this section in the file Valentine. xlsx, shown in Figure 60-4. I’ve assigned the range names in cells B1:B11 to cells C1:C11. I’ve assigned the cell range G3:H6 the name lookup . Our sales price and cost parameters are entered in cells C4:C6.
I then enter a trial production quantity (40,000 in this example) in cell C1. Next I create a random number in cell C2 with the formula =RAND() . As previously described, I simulate demand for the card in cell C3 with the formula VLOOKUP(rand, lookup,2) . (In the VLOOKUP formula, rand is the cell name assigned to cell C3, not the RAND function.)
The number of units sold is the smaller of our production quantity and demand. In cell C8, I compute our revenue with the formula MIN(produced, demand)*unit_price . In cell C9, I compute total production cost with the formula produced*unit_prod_cost .
If we produce more cards than are in demand, the number of units left over equals production minus demand; otherwise no units are left over. We compute our disposal cost in cell C10 with the formula unit_disp_cost*IF(produced>demand, produced–demand,0) . Finally, in cell C11, we compute our profit as revenue – total_var_cost-total_disposing_cost .
We would like an efficient way to press F9 many times (for example, 1000) for each production quantity and tally our expected profit for each quantity. This situation is one in which a two-way data table comes to our rescue. (See Chapter 15, "Sensitivity Analysis with Data Tables," for details about data tables.) The data table I used in this example is shown in Figure 60-5.
In the cell range A16:A1015, I entered the numbers 1–1000 (corresponding to our 1000 trials). One easy way to create these values is to start by entering 1 in cell A16. Select the cell, and then on the Home tab in the Editing group, click Fill, and select Series to display the Series dialog box. In the Series dialog box, shown in Figure 60-6, enter a Step Value of 1 and a Stop Value of 1000. In the Series In area, select the Columns option, and then click OK. The numbers 1–1000 will be entered in column A starting in cell A16.
Next we enter our possible production quantities (10,000, 20,000, 40,000, 60,000) in cells B15:E15. نحن نريد لحساب الربح لكل رقم محاكمة (1 إلى 1000) وكل كمية الإنتاج. We refer to the formula for profit (calculated in cell C11) in the upper-left cell of our data table (A15) by entering =C11 .
We are now ready to trick Excel into simulating 1000 iterations of demand for each production quantity. Select the table range (A15:E1014), and then in the Data Tools group on the Data tab, click What If Analysis, and then select Data Table. To set up a two-way data table, choose our production quantity (cell C1) as the Row Input Cell and select any blank cell (we chose cell I14) as the Column Input Cell. After clicking OK, Excel simulates 1000 demand values for each order quantity.
To understand why this works, consider the values placed by the data table in the cell range C16:C1015. For each of these cells, Excel will use a value of 20,000 in cell C1. In C16, the column input cell value of 1 is placed in a blank cell and the random number in cell C2 recalculates. The corresponding profit is then recorded in cell C16. Then the column cell input value of 2 is placed in a blank cell, and the random number in C2 again recalculates. The corresponding profit is entered in cell C17.
By copying from cell B13 to C13:E13 the formula AVERAGE(B16:B1015) , we compute average simulated profit for each production quantity. By copying from cell B14 to C14:E14 the formula STDEV(B16:B1015) , we compute the standard deviation of our simulated profits for each order quantity. Each time we press F9, 1000 iterations of demand are simulated for each order quantity. Producing 40,000 cards always yields the largest expected profit. Therefore, it appears that producing 40,000 cards is the proper decision.
The Impact of Risk on Our Decision If we produced 20,000 instead of 40,000 cards, our expected profit drops approximately 22 percent, but our risk (as measured by the standard deviation of profit) drops almost 73 percent. Therefore, if we are extremely averse to risk, producing 20,000 cards might be the right decision. Incidentally, producing 10,000 cards always has a standard deviation of 0 cards because if we produce 10,000 cards, we will always sell all of them without any leftovers.
Note: In this workbook I set the Calculation option to Automatic Except For Tables. (Use the Calculation command in the Calculation group on the Formulas tab.) This setting ensures that our data table will not recalculate unless we press F9, which is a good idea because a large data table will slow down your work if it recalculates every time you type something into your worksheet. Note that in this example, whenever you press F9, the mean profit will change. This happens because each time you press F9, a different sequence of 1000 random numbers is used to generate demands for each order quantity.
Confidence Interval for Mean Profit A natural question to ask in this situation is, into what interval are we 95 percent sure the true mean profit will fall? This interval is called the 95 percent confidence interval for mean profit . A 95 percent confidence interval for the mean of any simulation output is computed by the following formula:
In cell J11, I computed the lower limit for the 95 percent confidence interval on mean profit when 40,000 calendars are produced with the formula D13–1.96*D14/SQRT(1000) . In cell J12, I computed the upper limit for our 95 percent confidence interval with the formula D13+1.96*D14/SQRT(1000) . These calculations are shown in Figure 60-7.
We are 95 percent sure that our mean profit when 40,000 calendars are ordered is between $56,687 and $62,589.
A GMC dealer believes that demand for 2005 Envoys will be normally distributed with a mean of 200 and standard deviation of 30. His cost of receiving an Envoy is $25,000, and he sells an Envoy for $40,000. Half of all the Envoys not sold at full price can be sold for $30,000. He is considering ordering 200, 220, 240, 260, 280, or 300 Envoys. How many should he order?
A small supermarket is trying to determine how many copies of People magazine they should order each week. They believe their demand for People is governed by the following discrete random variable:
The supermarket pays $1.00 for each copy of People and sells it for $1.95. Each unsold copy can be returned for $0.50. How many copies of People should the store order?
Comments
Post a Comment