Рассмотрим теперь дискретную случайную величину ξ, распределение которой имеет вид:
Х 1 Х 2 … Хп |
Р1 Р2 … Х п |
Для моделирования случайной величины ξ промежуток [0, 1) разделим на участки ∆ i так, чтобы длина промежутка ∆ i равнялась Рi, i = 1, 2, . , п. Новая
случайная величина ξ^определяемая равенством:
ξ^ = Х I, если δ Є ∆ I , I – 1, 2, … , п,
где δ – случайное число, имеет такое же распределение, что и случайная величина ξ.
Предыдущее равенство позволяет каждому случайному числу приписать определенное значение случайной величине ξ. Такой процесс приписывания значений случайной величине ξ часто называют разыгрыванием этой случайной величины.
Предположим, что даны две случайные величины ξ и η совместное распределение которых имеет вид:
η ξ |
Y1 |
. |
Yi |
… |
Yn |
Х1 |
Р11 |
… |
Р1j |
… |
Р1n |
… |
… |
… |
… |
… |
… |
X i |
Р i1 |
… |
Рij |
Рin | |
… |
… | ||||
P m |
P mi |
… |
Рmj |
Рmn |
Для моделирования пары случайных величин ξ и η промежуток [0, 1) разделим на части ∆ ij так, чтобы длина полуинтервала ∆ ij равнялась Р ij, I =1, 2 ., m; j = 1, 2, ., n.
В этом случае пара случайных величин ξ ^,η ^, где
ξ ^ = Х i, η ^ = y j, при δ Є ∆ ij.
имеет такое же распределение, что и пара ξ и η.
Предыдущее равенство позволяет каждому случайному числу приписать определенную пару значений случайных величин ξ и η. Такой процесс приписывания значений паре случайных величин ξ и η азывают разыгрыванием этой пары.
Если случайные величины ξ и η независимы, то для разыгрывания пары ξ и η достаточно разыграть каждую случайную величину в отдельности. Для разыгрывания непрерывной случайной величины можно вначале найти дискретную случайную величину, близкую к данной случайной величине, а затем разыграть эту дискретную случайную величину.
Метод Монте-Карло позволяет численно находить различные вероятностные характеристики случайной величины η, зависящей от большого числа других случайных величин ξ1, ξ2, …, ξ n. Этот метод сводится к следующему: разыгрывается последовательность случайных величин ξ1, ξ2, …, ξ n для каждого розыгрыша определяется соответствующее значение случайной величины η, а по найденным значениям строится эмпирическое распределение вероятностей этой случайной величины.
Рассмотрим пример. Инвестор владеет портфелем, состоящим из одной казначейской облигации и двух корпоративных облигаций одного и того же кредитного рейтинга. Основные параметры портфеля указаны в таблице:
Таблица 2
Облигация |
Срок до погашения, лет |
Купонная ставка, % |
Номинал, млн. долл. |
Доходность к погашению, % |
Казначейская |
5,5 |
6,0 |
5 |
6,0 |
Корпоративная |
15,5 |
9,0 |
4 |
9,0 |
Корпоративная |
25,5 |
10,5 |
6 |
10,5 |
Инвестора интересует реализуемая доходность портфеля облигаций за 6 месяцев. По его мнению, реализуемая доходность портфеля будет определяться следующими двумя факторами: кривой доходностей казначейских облигаций через 6 месяцев и спредом между доходностями корпоративных и казначейских облигаций. Предположим, что инвестор располагает еще и следующей информацией:
Доходности казначейских облигаций, % |
Вероятность |
Разбиение промежутка [0,1) | |||||
5 лет |
15 лет |
25 лет | |||||
4 |
6 |
7 |
0,20 |
[0; 0,20) | |||
5 |
8 |
9 |
0,15 |
[0,20; 0,35) | |||
6 |
7 |
7 |
0,10 |
[0,35; 0,45) | |||
7 |
8 |
8 |
0,10 |
[0,45; 0,55) | |||
9 |
9 |
9 |
0,20 |
[0,55; 0,75) | |||
10 |
8 |
8 |
0,25 |
[0,75; 1,00) | |||
Величина спреда между доходностями, б, п.* |
Вероятность |
Разбиение промежутка [0,1) | |||||
75 |
0,10 |
[0; 0,10) | |||||
100 |
0,20 |
[0,10; 0,30) | |||||
125 |
0,25 |
[0,30; 0,55) | |||||
150 |
0,25 |
[0,55; 0,80) | |||||
175 |
0,15 |
[0,80; 0,95) | |||||
200 |
0,05 |
[0,95; 1,00) | |||||