Metody próbkowania w symulacji Monte Carlo

• Autorzy: Bozena Mielczarek

Warianty tytułu

Sampling Methods in Monte Carlo Simulation

• Języki publikacji: PL

Abstrakty

W artykule przedstawiono, omówiono i porównano wybrane podejścia do pozyskiwania losowych scenariuszy wejściowych w symulacji Monte Carlo: dopasowanie rozkładów teoretycznych, próbkowanie bootstrap (bootstrap resampling), próbkowanie przy użyciu przeciwnych zmiennych losowych, próbkowanie warstwowe (stratified sampling) oraz próbkowanie quasi-losowe. Wymienione metody zastosowano do symulacji stóp zwrotu wybranych akcji spółek notowanych na warszawskiej Giełdzie Papierów Wartościowych, a następnie porównano zbieżność wartości oszacowanych z zastosowaniem poszczególnych metod.(abstrakt oryginalny)

EN

The selected approaches to obtain the random input scenarios for Monte Carlo simulation were presented, discussed and compared: fitting the theoretical probability distributions, bootstrap resampling, antithetic variates sampling, stratified sampling and quasi-random sampling. The methods were applied to simulate investment returns of stock prices of exemplary companies quoted on Warsaw Stock Exchange. The convergence of the values received with the use of each method was then compared.(original abstract)

Słowa kluczowe

PL

Modelowanie symulacyjne; Symulacja Monte Carlo; Modele stochastyczne; Metody samowsporne

EN

Simulation modelling; Monte Carlo simulation; Stochastic models; Bootstrap

• Czasopismo: Prace Naukowe Instytutu Organizacji i Zarządzania Politechniki Wrocławskiej. Studia i Materiały
• Rocznik: 2007
• Tom: 25
• Numer: nr 83
• Strony: 187-199

Twórcy

autor

Bozena Mielczarek

Bibliografia

• BARTON R.R., SCHRUBEN L.W. 2001. Resampling methods for input modeling; [w:] Proceedings of the 2001 Winter Simulation Conference; ss. 372-378.
• BOYLE P., BROADIE M., GLASSERMAN P. 1997. Monte Carlo methods for security pricing; [w:] Journal of Economic Dynamics and Control (21); ss. 1267-1321.
• GENTLE J.E. 1998. Random number generation and Monte Carlo methods, Springer-Verlag, New York.
• GRUNKEMEIER G.L., WU YINGXING. 2004. Bootstrap resampling methods: something for nothing? [w:] The Society of Thoracic Surgeons (77); ss. 1142-1144.
• HAMMERSLEY J.M., MORTON K.W. 1956. A new Monte Carlo technique: antithetic variates; [w:] Proc. Camb. Phil. Soc. (52); ss. 449-475.
• JACKSON M., STAUNTON M. 2004. Zaawansowane modele finansowe z wykorzystaniem Excela i VBA. Helion, Gliwice.
• KUHL M.E., LADA E.K., STEIGER N.M., WAGNER M.A., WILSON J.R. 2006. Introduction to modeling and generating probabilistic input processes for simulation; [w:] Proceedings of the 2006 Winter Simulation Conference; ss. 19-35.
• LAW A.M., KELTON W.D. 1991. Simulation modeling and analysis; McGraw-Hill, Inc. USA.
• LIPTON J.W., SHAW W.D., HOLMES J., PATERSON A. 1995. Short communication: selecting input distributions for use in Monte Carlo simulations; [w:] Regulatory toxicology and pharmacology (21); ss. 192-198.
• MIELCZAREK B. 2005. Aspekty losowości w modelach symulacyjnych; [w:] Symulacja Systemów Gospodarczych. Prace Naukowe Instytutu Organizacji i Zarządzania Politechniki Wrocławskiej. Seria Studia i Materiały, Oficyna Wydawnicza Politechniki Wrocławskiej; ss. 133-141.
• MIELCZAREK B. 2006. Metoda Monte Carlo w nauczaniu symulacji - niesłusznie pomijane podejście? [w:] Modelowanie symulacyjne systemów społecznych i gospodarczych I. Prace Naukowe Instytutu Organizacji i Zarządzania Politechniki Wrocławskiej. Seria Studia i Materiały, Oficyna Wydawnicza Politechnik Wrocławskiej; ss. 11-20.
• MORO B. 1995. The Full Monte; [w:] Risk nr 8 (2); ss. 57-58.
• UZIAŁKO J. 2006. Istotne kwestie etapu pozyskiwania i analizy danych wejściowych w procesie budowania modelu symulacyjnego; [w:] Modelowanie symulacyjne systemów społecznych i gospodarczych I.. Prace Naukowe Instytutu Organizacji i Zarządzania Politechniki Wrocławskiej. Seria Studia i Materiały, Oficyna Wydawnicza Politechniki Wrocławskiej; ss. 21-32.