مدل قیمت گذاری با شبیه سازی تصادفی (Stochastic Simulation Pricing Model)، در ریاضیات (Mathematics)
انواع مدل های قیمت گذاری (Pricing Models) را در آموزش زیر شرح دادیم :
مدل قیمت گذاری با شبیه سازی تصادفی (Stochastic Simulation Pricing Model) :
مدل قیمت گذاری با شبیه سازی تصادفی (Stochastic Simulation) یک رویکرد کلی است که از تکنیک های شبیه سازی کامپیوتری برای مدل سازی رفتار تصادفی قیمت ها و سایر متغیرهای مالی استفاده می کند. این رویکرد شامل روش هایی مانند مونت کارلو، شبیه سازی با درخت دوجمله ای و روش های تفاضلات محدود می شود. هدف اصلی، تخمین ارزش دارایی ها و مشتقات در شرایط عدم قطعیت و با در نظر گرفتن ماهیت تصادفی بازارهاست.
روش های رایج شبیه سازی تصادفی:
شبیه سازی مونت کارلو: تولید تعداد زیادی مسیر تصادفی (همان مدل 121).
شبیه سازی با درخت دوجمله ای (Binomial Tree): یک روش گسسته که مسیرهای قیمت را به صورت یک درخت تولید می کند و برای اختیارهای آمریکایی مناسب است.
شبیه سازی با روش های تفاضلات محدود (Finite Difference): حل عددی معادلات دیفرانسیل با مشتقات جزئی (PDE) با گسسته سازی دامنه.
شبیه سازی با روش های شبکه ای (Lattice Methods): مشابه درخت دوجمله ای اما با شبکه های پیچیده تر.
مراحل کلی شبیه سازی تصادفی:
انتخاب مدل تصادفی مناسب (مانند GBM، واسیچک، پرش-دیفیوژن).
برآورد پارامترهای مدل از داده های تاریخی (نوسان، نرخ بازگشت به میانگین و ...).
گسسته سازی زمان و تولید متغیرهای تصادفی.
اجرای شبیه سازی برای تولید تعداد زیادی سناریوی ممکن برای قیمت و سایر متغیرها.
محاسبه ارزش دارایی در هر سناریو.
تحلیل آماری نتایج (میانگین، واریانس، چندک ها).
🔑 تفاوت با تحلیل قطعی:
در تحلیل قطعی (مانند DCF با یک نرخ رشد ثابت)، تنها یک سناریو برای آینده در نظر گرفته می شود. در شبیه سازی تصادفی، هزاران سناریوی احتمالی بررسی می شود که تصویر کامل تری از ریسک و بازده ارائه می دهد.
مثال: شبیه سازی قیمت نفت با مدل بازگشت به میانگین:
📘 مثال:
قیمت نفت را با یک مدل بازگشت به میانگین (مانند مدل واسیچک) شبیه سازی می کنیم:
\[ dP_t = \kappa(\theta - P_t)dt + \sigma dW_t \]. با استفاده از داده های تاریخی،
\[ \kappa, \theta, \sigma \]را تخمین می زنیم. سپس مسیرهای احتمالی قیمت نفت را برای ۵ سال آینده شبیه سازی می کنیم. این شبیه سازی ها برای ارزیابی ریسک پروژه های نفتی استفاده می شود.
کاربردها:
ارزیابی ریسک پروژه های سرمایه گذاری (تحلیل NPV احتمالی).
قیمت گذاری مشتقات با ویژگی های پیچیده.
مدیریت ریسک و تعیین سرمایه مورد نیاز.
تحلیل سناریو و تنش (Stress Testing).
