二、蒙特卡罗方法 Z|K HF"
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: $N
CvF'
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。 \d:Q%S
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。 T4x%3-4;
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。 O+!4KNN.-
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。 s:{[Y7\?
5.利用该模型分析评估风险情况。 zFOtOz`9H
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: :{<|,3oNdR
.BxI~d^
m03dL^(
密度函数: WX Fm'5Vr
lLQcy
i0
8 n[(\f:
分布函数: |X{j^JP5
其中m U*nB=
=
为均值,σ为标准差。 k3&68
+
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。