MCarloRisk for Stocks & ETFs 17.8

Sur MCarloRisk for Stocks & ETFs

Analyseur de risque de prix/probabilité d’actions et optimiseur pour l’homme commun. Voir aussi notre nouveau support pour les cryptomonnaies haut de la technologie. Maintenant, avec le support de portefeuille, l’analyse de corrélation/régression pairwise des rendements quotidiens, et l’optimisation de portefeuille. Calcule à l’avance (prix, probabilité) pour votre portefeuille pondéré en actions. Contrairement à d’autres optimiseurs folio, ce code n’assume pas la normalité des rendements, ni ne vous oblige à entrer des estimations de volatilité... ceux-ci sont calculés à partir de données de rendement historique public, et vous pouvez lui dire jusqu’où chercher à calculer la volatilité. Essayez quelques optimisations et comparez aux résultats d’autres codes ! Le flux de données principal est l’IEX innovant. Pourquoi s’appuyer sur les feuilles de thé de la lecture graphique quand vous pouvez appliquer des statistiques réelles et des données historiques rééchantillonnées à votre analyse? Alors que les outils de cartographie tels que les bandes Bollinger, les moyennes mobiles et les chandeliers ne sont générés que sur des données historiques, cette application prend des données passées et les remixe via les méthodes de Monte Carlo pour générer des milliers de futures promenades possibles sur les prix, puis calcule les probabilités de ces résultats de prix. Fonctionne également pour les FNB stock-like et les FNB courts (p. ex.SH = short SPY). Estime la distribution future des prix à l’aide de la théorie de la marche aléatoire, où des échantillons aléatoires sont choisis à partir de l’histoire du stock en question. L’utilisateur peut contrôler jusqu’à quel point dans le temps d’utiliser des données historiques pour capturer seulement l’époque actuelle ou de prendre en compte le comportement historique à long terme. Outils intégrés de backtesting, de vérification et de réglage des modèles. -- Détails -- Cette application modèle les rendements quotidiens des stocks comme un processus stochastique stable et estime une distribution future des prix par Monte Carlo ré-échantillonnage à partir d’une « distribution empirique » d’un sous-ensemble spécifié par l’utilisateur des retours quotidiens antérieurs (connus). N’oubliez pas d’appuyer sur le bouton Run Monte sur l’onglet Monte Carlo après avoir changé les paramètres ou téléchargé un nouvel ensemble de données. Cette application télécharge des données historiques d’IEX sous forme de données de base à rééchantillonner. Les prix sont convertis en retours quotidiens [P(t)/P(t-1)] avant le rééchantillon. L’utilisateur peut choisir jusqu’où revenir pour rééchantillonner. En estimant ainsi une répartition des probabilités des prix futurs à l’horizon d’investissement spécifié par l’utilisateur, nous pouvons donner des estimations du risque de perte de façon empirique, à une première approximation. Indique les estimations de prix et de pertes en %, aux niveaux couramment utilisés du 1er percentile et du 5e percentile (risque de 1 % et de 5 %). Indique également les estimations médianes (50e percentile) des prix au nombre donné de jours à l’avance. Les calculs sont effectués sur les données quotidiennes sur les prix de clôture. Un filtre de choc artificiel est fourni, qui peut être utilisé pour rejeter le rééchantillonnement des rendements antérieurs qui sont artificiellement importants (en raison de scissions ou d’autres réévaluations artificielles qui n’affectent pas la valeur sous-jacente de l’actif). La théorie du fonctionnement est décrite en détail sous l’onglet Théorie. Le modèle stochastique peut être réglé ou calibré en ajustant le nombre maximum de jours à l’envers pour échantillonner et/ou une pondération linéaire dans le temps. Caractéristiques stochastic Model Validation (backtest) : Sur l’onglet Monte Carlo, vous pouvez retenir n’importe quel nombre de ces derniers jours du modèle, puis tracer les résultats de la prévision de risque stochastique comme enveloppes à limite inférieure à 1% et %5 et tous les autres niveaux estimés de probabilité (risque) dynamiquement après la course du modèle est terminée. Valider l’onglet: Cela vous permet d’effectuer une validation exhaustive sur votre modèle en retenant plusieurs points, en calculant le modèle, en comparant la prédiction avant du modèle par rapport aux données réservées réelles, et en répétant cela au fil du temps pour tous les points retenus. Le fournisseur d’applications ne prétend absolument pas à l’adéquation de cette application à quelque fin que ce soit, et l’utilisateur doit consulter un conseiller en placement avant de prendre des décisions d’investissement.