方法进阶概率论与随机变量
蒙特卡洛模拟
也叫：Monte Carlo Simulation
假定风险因子分布并反复抽样，模拟资产终值的概率分布。
核心讲解
蒙特卡洛模拟面对的是历史上没有发生过、无法用历史数据推演的情景，例如欧元诞生后欧洲股市相关性骤升。它的思路是：先假定与资产组合相关的风险因子服从某个特定的概率分布，再据此分布反复抽样，用抽样值计算资产最终价值。
以1000万元投资上证50ETF为例：假定日收益率r服从正态分布，从中抽出一个r算出终值1000(1+r)，并重复N次；当N足够大时，就能画出资产终值在各区间的直方图，得到完整的概率分布。与只给出一个点的传统方法相比，它给出的是分布，因而能做情景分析。
它的两条局限是：计算复杂，模拟次数N很大时对算力要求高；结论准确性极度依赖假设分布，若分布假设不准，结果同样不可靠。因此考试只要求理解思想与缺点，不涉及具体计算。
费曼版：用大白话再讲一遍
想知道明天小店能赚多少钱，与其凭经验报一个数，不如掷很多次“运气骰子”：每次随机抽出天气、客流、进价，各算一个结果，掷上成千上万次后，把钱数的分布画出来，就能看清最好和最糟大概是什么样。
要点
- 思路是假定风险因子分布，再反复抽样计算资产终值。
- 重复N次后得到资产终值的概率分布，而非单一数值。
- 可用于情景分析，处理历史未发生的情形。
- 局限是计算量大且极度依赖假设分布。
常见误区
- 以为蒙特卡洛模拟用的是真实历史数据，其实分布由分析师假设。
- 把模拟结果当成精确解，忽略它依赖于所设分布是否正确。
- 认为结果只与模拟次数有关，忽略分布假设才是准确性的关键。