二、蒙特卡罗方法 8q58H[/c
蒙特卡罗方法是一种随机模拟数学方法。该方法用来分析评估风险发生可能性、风险的成因、风险造成的损失或带来的机会等变量在未来变化的概率分布。具体操作步骤如下： z%Pbs [*C
1．量化风险。将需要分析评估的风险进行量化，明确其度量单位，得到风险变量，并收集历史相关数据。 BG\g`NK}Z
2．根据对历史数据的分析，借鉴常用建模方法，建立能描述该风险变量在未来变化的概率模型。建立概率模型的方法很多，例如：差分和微分方程方法，插值和拟合方法等。这些方法大致分为两类：一类是对风险变量之间的关系及其未来的情况作出假设，直接描述该风险变量在未来的分布类型（如正态分布），并确定其分布参数；另一类是对风险变量的变化过程作出假设，描述该风险变量在未来的分布类型。 z~i=\/~tZ
3．计算概率分布初步结果。利用随机数字发生器，将生成的随机数字代入上述概率模型，生成风险变量的概率分布初步结果。 $k5mI1~
4．修正完善概率模型。通过对生成的概率分布初步结果进行分析，用实验数据验证模型的正确性，并在实践中不断修正和完善模型。 U
bUl ]
5．利用该模型分析评估风险情况。 p~1!O ]qLt
正态分布是蒙特卡罗风险方法中使用最广泛的一类模型。通常情况下，如果一个变量受很多相互独立的随机因素的影响，而其中每一个因素的影响都很小，则该变量服从正态分布。在自然界和社会中大量的变量都满足正态分布。描述正态分布需要两个特征值：均值和标准差。其密度函数和分布函数的一般形式如下： C]59@z;+bN
zGjf7VV2a
o&g- 0!"
密度函数： ,1J+3ugp&
+n_`*@SE
>G(M&
分布函数：
)GhM M
其中m 1iyd{r7|
为均值，σ为标准差。 mF7T=pl
由于蒙特卡罗方法依赖于模型的选择，因此，模型本身的选择对于蒙特卡罗方法计算结果的精度影响甚大。蒙特卡罗方法计算量很大，通常借助计算机完成。
