Python für Finanzen, 2. Auflage

Kapitel 18. Simulation von Finanzmodellen

Diese Arbeit wurde mithilfe von KI übersetzt. Wir freuen uns über dein Feedback und deine Kommentare: [e-mail]

Der Zweck der Wissenschaft besteht nicht darin, die Welt zu analysieren oder zu beschreiben, sondern nützliche Modelle der Welt zu erstellen.

Edward de Bono

Kapitel 12 stellt die Monte-Carlo-Simulation von stochastischen Prozessen mit Python und NumPy ausführlich vor. Dieses Kapitel wendet die dort vorgestellten grundlegenden Techniken an, um Simulationsklassen als zentralen Bestandteil des Pakets DX zu implementieren. Die Menge der stochastischen Prozesse ist auf drei weit verbreitete Prozesse beschränkt. Das Kapitel umfasst insbesondere die folgenden Abschnitte:

"Zufallszahlengenerierung"

In diesem Abschnitt wird eine Funktion entwickelt, die standardnormalverteilte Zufallszahlen mit Hilfe von Varianzreduktionstechniken erzeugt.¹

"Generische Simulationsklasse"

In diesem Abschnitt wird eine generische Simulationsklasse entwickelt, von der die anderen spezifischen Simulationsklassen grundlegende Attribute und Methoden erben.

"Geometrische Brownsche Bewegung"

In diesem Abschnitt geht es um die geometrische Brownsche Bewegung (GBM), die durch die bahnbrechenden Werke von Black und Scholes (1973) und Merton (1973) in die Optionspreisliteratur eingeführt wurde. Sie wird in diesem Buch mehrfach verwendet und stellt trotz ihrer bekannten Mängel und angesichts der zunehmenden empirischen Beweise gegen sie ...