MCarloRisk for Stocks & ETFs 17.8

acerca de MCarloRisk for Stocks & ETFs

Precio de la acción / analizador de riesgo de probabilidad y optimizador para el hombre común. Vea también nuestro nuevo soporte para las principales criptomonedas. Ahora con soporte de cartera, análisis de correlación/regresión por pares de rendimientos diarios y optimización de carteras. Calcula hacia delante (precio, probabilidad) para su cartera ponderada por acciones. A diferencia de otros optimizadores de publicaciones, este código no asume la normalidad de los retornos, ni requiere introducir estimaciones de volatilidad... estos se calculan a partir de datos de retorno históricos públicos, y se puede decir cuánto atrás para buscar para calcular la volatilidad. Pruebe algunas optimizaciones y comparar con los resultados de otros códigos! La fuente de datos principal es el innovador IEX. ¿Por qué confiar en las hojas de té de la lectura de gráficos cuando puede aplicar estadísticas reales y datos remuestesos históricos a su análisis? Mientras que las herramientas de gráficos como bandas de Bollinger, medias móviles, y velas se generan sólo en los datos históricos, esta aplicación toma datos pasados y remezcla a través de los métodos de Monte Carlo para generar miles de posibles paseos de precios futuros, a continuación, calcula las probabilidades de esos resultados de precios. También funciona para ETFs similares a las existencias y ETFs cortos (por ejemplo.SH espisó). Estima la distribución futura de los precios utilizando la teoría de paseos aleatorios, donde se eligen muestras aleatorias de la historia de la acción en cuestión. El usuario puede controlar hasta qué punto en el tiempo utilizar los datos históricos para capturar sólo la "época" actual o para tener en cuenta el comportamiento histórico a largo plazo. Herramientas integradas de backtesting, verificación y ajuste de modelos. -- Detalles -- Esta aplicación modela las devoluciones diarias de acciones como un proceso estocástico estable y estima una distribución futura de precios por Monte Carlo remuestreo de una "distribución empírica" de un subconjunto especificado por el usuario de retornos diarios anteriores (conocidos). Asegúrese de pulsar el botón Ejecutar Monte en la pestaña Monte Carlo después de cambiar la configuración o descargar un nuevo conjunto de datos. Esta aplicación descarga datos históricos de IEX como datos base para remuestrear. Los precios se convierten en devoluciones diarias [P(t)/P(t-1)] antes del remuestreo. El usuario puede elegir qué tan atrás se va a reducir la muestra. Al estimar una distribución de probabilidad de precios futuros en el horizonte de inversión especificado por el usuario de esta manera, podemos dar estimaciones de riesgo de pérdida en la manera de la regla general, a una primera aproximación. Informa de las estimaciones estimadas de precios y %pérdidas en los niveles de uso común del 1er percentil y el 5o percentil (1% y 5% de riesgo). También informa estimaciones medianas (percentil 50) en el número dado de días a adelante. Los cálculos se realizan en los datos diarios del precio de cierre. Se proporciona un filtro de choque artificial, que se puede utilizar para rechazar el remuestreo de rendimientos anteriores que son artificialmente grandes (debido a divisiones u otras revalorizaciones artificiales que no afectan al valor subyacente del activo). La teoría de la operación se describe en detalle en la pestaña Teoría. El modelo estocástico se puede ajustar o calibrar ajustando el número máximo de días hacia atrás para muestrear y/o un peso lineal atrás en el tiempo. Características de validación de modelo estocástico (backtest): En la pestaña Monte Carlo, puede retener cualquier número de días recientes del modelo y, a continuación, trazar los resultados de la previsión de riesgo estocástico como envolventes de menor encuadernado en el 1% y %5 y todos los demás niveles de probabilidad (riesgo) estimados dinámicamente una vez completada la ejecución del modelo. Ficha Validar: Esto le permite realizar una validación exhaustiva en el modelo reteniendo varios puntos, calculando el modelo, comparando la predicción directa del modelo frente a los datos reservados reales y repitiendo esto a lo largo del tiempo para todos los puntos retenidos. El proveedor de la aplicación no hace ninguna reclamación en cuanto a la idoneidad de esta aplicación para cualquier propósito, y el usuario debe consultar a un asesor de inversión antes de tomar decisiones de inversión.