MCarloRisk3D 11.9

Lesen: Percuma ‎Saiz fail: 2.31 MB
‎Penarafan Pengguna: 0.0/5 - ‎0 ‎Undi

Tentang MCarloRisk3D

Jangan hanya membiak turun naik mengikut akar, lakukan kajian monte carlo dan tutup asas yang melampau. Berikan simbol-pushers larian untuk wang mereka. Bolehkah persamaan anda membuang secara rawak, daripada kejutan biasa magnitud dan kebarangkalian yang berbeza? Nah, aplikasi ini boleh. MCarloRisk3D: dengan pilihan tontonan 3D untuk pemahaman yang lebih baik mengenai permukaan kebarangkalian yang dianggarkan. Sekarang dengan suapan data harga untuk duit syiling kripto cap pasaran tertinggi: BTC, Ethereum, Ripple, Litecoin, ADA, EOS, BitcoinCash. Risiko harga saham menganalisis aplikasi untuk orang biasa. Sekarang dengan acara Black Swan pilihan dan turun naik ke hadapan yang boleh ditala. Menganggarkan pengagihan harga masa depan menggunakan teori berjalan kaki secara rawak. 
Latar belakang: E. Fama artikel mengenai kajian berjalan secara rawak awal dari tahun 1960-#8232;
 http://www.ifa.com/Media/Images/PDF%20files/FamaRandomWalk.pdf

 Tutorial penentukuran model baru:

 http://diffent.com/tuning1.pdf

 Contoh penggunaan kes & panduan latihan untuk belajar "AAPL ke $ 320" boleh didapati di:

 http://diffent.com/AAPL320arialP.pdf

 Aplikasi ini menggunakan data terlebih dahulu daripada stok yang dipersoalkan untuk anggaran turun naik. 

Pengguna boleh mengawal sejauh mana kembali masa untuk menggunakan data sejarah untuk menangkap hanya "epoch" semasa syarikat atau pasaran secara keseluruhan jika dikehendaki. 
Terbina dalam, pengesahan, dan alat penalaan model.

 -- Butiran -- 

Aplikasi ini memodelkan pulangan stok harian sebagai proses stochastic yang stabil dan menganggarkan pengagihan harga masa depan oleh Monte Carlo persampelan semula daripada "pengedaran empirikal" subset yang dinyatakan pengguna pulangan harian sebelum (diketahui). 

Pastikan anda menekan butang Jalankan Monte pada tab Monte Carlo selepas menukar tetapan atau memuat turun set data baru. 

Apl ini memuat turun data sejarah daripada Google Finance sebagai data asas untuk dilengkapkan semula. Harga ditukar kepada pulangan harian [P(t)/P(t-1)] sebelum disambung semula. Pengguna boleh memilih sejauh mana untuk resample. Dengan menganggarkan pengagihan kebarangkalian harga masa depan di ufuk pelaburan yang ditetapkan pengguna dengan cara ini, kita boleh memberi risiko anggaran kerugian dalam fesyen peraturan ibu jari. 

Laporkan anggaran harga dan %anggaran kerugian pada tahap yang biasa digunakan percentile pertama dan percentile ke-5 (risiko 1% dan 5%). Juga melaporkan anggaran harga median (percentile ke-50) pada bilangan hari yang diberikan ke hadapan. Pengiraan dilakukan pada data harga penutupan harian. Penapis kejutan tiruan disediakan, yang boleh digunakan untuk menolak pengemukaan semula pulangan sebelumnya yang secara buatan besar (kerana perpecahan atau penilaian semula tiruan lain yang tidak menjejaskan nilai asas aset). Model stochastic boleh ditala atau ditentukur hanya dengan menyesuaikan bilangan hari maksimum ke belakang untuk mencuba atau menyesuaikan parameter angsa hitam. Ciri Pengesahan Model: 

Pada tab Monte Carlo, anda boleh menahan sebarang beberapa hari kebelakangan ini dari model dan kemudian plot keputusan ramalan risiko stochastic sebagai sampul surat terikat rendah pada tahap 1% dan %5 anggaran kebarangkalian (risiko). 

 Sahkan tab:

 Ini membolehkan anda melakukan pengesahan lengkap pada model anda dengan menahan beberapa mata, mengira model, membandingkan ramalan hadapan model berbanding data rizab sebenar, dan mengulangi ini dalam meningkatkan urutan masa untuk semua mata ditahan.

 "Rasuk Kursor" menegak disediakan bahawa anda boleh menyeret merentasi plot baru dalam tab Monte Carlo dan tab Sah untuk menunjukkan nilai-nilai yang diplot dari beberapa lengkung sekaligus, dengan nilai-nilai warna yang dikodkan ke lengkung.

 Tunjukkan plot kebarangkalian harga penuh yang dikaitkan dengan tetapan hari-hari ke hadapan graf Monte Carlo. Ini adalah kepingan melalui permukaan kebarangkalian yang dihasilkan oleh prosedur Monte Carlo.
 Pembekal aplikasi tidak membuat tuntutan tentang kesesuaian aplikasi ini untuk apa-apa tujuan sekalipun, dan pengguna harus berunding dengan penasihat pelaburan sebelum membuat keputusan pelaburan.