Финансовый менеджмент. Старкова Н.А. - 133 стр.

UptoLike

ВУЗ: 

РГАТУ им. Соловьева | Рыбинск

Составители: 

Рубрика: 

133
Имитационное моделирование по методу Монте-Карло (Monte-Carlo
Simulation) позволяет построить математическую модель с неопределен-
ными значениями параметров, и, зная вероятностные распределения па-
раметров денежных потоков фирмы, а также связь между изменениями
параметров (корреляцию) получить распределение целевого остатка де-
нежных средств.
Блок-схема, представленная на рис. 7.12 отражает укрупненную схе-
му работы с моделью.
Первый шаг при применении метода имитации состоит в определе-
нии функции распределения каждой переменной, которая оказывает влия-
ние на формирование потока наличности. Как правило, предполагается,
что функция распределения являются нормальной, и, следовательно, для
того, чтобы задать ее необходимо определить только два момента (мате-
матическое ожидание и дисперсию).
Как только функция распределения
определена, можно применять
процедуру Монте-Карло.
Алгоритм метода имитации Монте-Карло.
Шаг 1.Опираясь на использование статистического пакета, случай-
ным образом выбирают, основываясь на вероятностной функции распре-
деления значение переменной, которая является одним из параметров оп-
ределения потока наличности.
Шаг 2. Выбранное значение случайной величины наряду со значе-
ниями переменных, которые являются
экзогенными переменными исполь-
зуется при подсчете целевого остатка денежных средств.
Шаги 1 и 2 повторяются большое количество раз, например 1000, и
полученные 1000 значений целевого остатка денежных средств использу-
ются для построения плотности распределения величины целевого остатка
со своим собственным математическим ожиданием и стандартным откло-
нением.
Используя значения математического ожидания и стандартного от-
клонения, можно
вычислить коэффициент вариации целевого остатка де-
нежных средств.
Теперь необходимо определить минимальное и максимальное значе-
ния критической переменной, а для переменной с пошаговым распределе-
нием помимо этих двух еще и остальные значения, принимаемые ею. Гра-
ницы варьирования переменной определяются, просто исходя из всего
спектра возможных значений. 
                                                                    133

      Имитационное моделирование по методу Монте-Карло (Monte-Carlo
Simulation) позволяет построить математическую модель с неопределен-
ными значениями параметров, и, зная вероятностные распределения па-
раметров денежных потоков фирмы, а также связь между изменениями
параметров (корреляцию) получить распределение целевого остатка де-
нежных средств.
      Блок-схема, представленная на рис. 7.12 отражает укрупненную схе-
му работы с моделью.
      Первый шаг при применении метода имитации состоит в определе-
нии функции распределения каждой переменной, которая оказывает влия-
ние на формирование потока наличности. Как правило, предполагается,
что функция распределения являются нормальной, и, следовательно, для
того, чтобы задать ее необходимо определить только два момента (мате-
матическое ожидание и дисперсию).
      Как только функция распределения определена, можно применять
процедуру Монте-Карло.
      Алгоритм метода имитации Монте-Карло.
      Шаг 1.Опираясь на использование статистического пакета, случай-
ным образом выбирают, основываясь на вероятностной функции распре-
деления значение переменной, которая является одним из параметров оп-
ределения потока наличности.
      Шаг 2. Выбранное значение случайной величины наряду со значе-
ниями переменных, которые являются экзогенными переменными исполь-
зуется при подсчете целевого остатка денежных средств.
      Шаги 1 и 2 повторяются большое количество раз, например 1000, и
полученные 1000 значений целевого остатка денежных средств использу-
ются для построения плотности распределения величины целевого остатка
со своим собственным математическим ожиданием и стандартным откло-
нением.
      Используя значения математического ожидания и стандартного от-
клонения, можно вычислить коэффициент вариации целевого остатка де-
нежных средств.
      Теперь необходимо определить минимальное и максимальное значе-
ния критической переменной, а для переменной с пошаговым распределе-
нием помимо этих двух еще и остальные значения, принимаемые ею. Гра-
ницы варьирования переменной определяются, просто исходя из всего
спектра возможных значений.

Страницы