Kā izmantot Excel, lai modelētu akciju cenas

Daži aktīvi investori modelē krājuma vai cita aktīva variācijas, lai modelētu tā cenu un instrumentiem, uz kuriem balstās, piemēram, atvasinātie instrumenti. Aktīva vērtības simulēšana Excel izklājlapā var intuitīvāk atspoguļot tā portfeļa novērtējumu.

Taustiņu izņemšana

• Tirgotāji, kas vēlas atkārtoti pārbaudīt modeli vai stratēģiju, var izmantot modelētas cenas, lai apstiprinātu tā efektivitāti.
• Excel var palīdzēt veikt atkārtotu pārbaudi, izmantojot monte carlo simulāciju, lai ģenerētu nejaušas cenu izmaiņas.
• Excel var izmantot arī vēsturiskās nepastāvības aprēķināšanai, lai panāktu lielāku precizitāti modeļos.

Cenu modeļa simulācijas veidošana

Neatkarīgi no tā, vai apsveram finanšu instrumenta pirkšanu vai pārdošanu, lēmumu var palīdzēt, izpētot to gan skaitliski, gan grafiski. Šie dati var mums palīdzēt spriest par nākamo iespējamo pārvietošanos, ko aktīvs varētu veikt, un par darbībām, kuras ir mazāk ticamas.

Pirmkārt, modelim ir vajadzīgas dažas iepriekšējas hipotēzes. Mēs pieņemam, piemēram, ka šo aktīvu ikdienas ienesīgums jeb "r (t)" parasti tiek sadalīts ar vidējo lielumu "(μ)" un standarta novirzes sigmu "(σ)". Šie ir standarta pieņēmumi, kurus mēs šeit izmantosim, lai gan ir arī daudzi citi, kurus varētu izmantot, lai uzlabotu modeļa precizitāti.

Kas dod:

Rezultāts:

Visbeidzot:

Un tagad mēs varam izteikt šodienas noslēguma cenas vērtību, izmantojot iepriekšējās dienas noslēgumu.

• Μ aprēķināšana:

Lai aprēķinātu μ, kas ir dienas ienesīgumu vidējais lielums, mēs ņemam n secīgās pagātnes aizvērtās cenas un izmantojam n vidējo no n iepriekšējo cenu summas:

• Svārstīguma σ - nepastāvības aprēķins

φ ir nepastāvība ar vidējo izlases lieluma nulli un standartnovirzi.

Aprēķināt vēsturisko nepastāvību programmā Excel

Šajā piemērā mēs izmantosim Excel funkciju "= NORMSINV (RAND ())". Balstoties uz normālo sadalījumu, šī funkcija aprēķina izlases numuru ar vidējo nulli un standarta novirzi no vienas. Lai aprēķinātu μ, vienkārši iegūst vidējo ražu, izmantojot funkciju Ln (.): Log-normāls sadalījums.

Šūnā F4 ievadiet "Ln (P (t) / P (t-1)"

F19 šūnā meklēšana "= AVERAGE (F3: F17)"

Šūnā H20 ievadiet “= AVERAGE (GARA: G17)

Šūnā H22 ievadiet "= 365 * H20", lai aprēķinātu gada dispersiju

Šūnā H22 ievadiet "= SQRT (H21)", lai aprēķinātu gada standartnovirzi

Tātad mums tagad ir pagātnes ikdienas ienesīguma "tendence" un standarta novirze (nepastāvība). Mēs varam izmantot mūsu iepriekš atrodamo formulu:

Mēs veiksim simulāciju 29 dienu laikā, tāpēc dt = 1/29. Sākuma punkts ir pēdējā tuvākā cena: 95.

• Šūnā K2 ievadiet "0."
• Šūnā L2 ievadiet "95."
• Šūnā K3 ievadiet "1."
• Šūnā L3 ievadiet "= L2 * (1 + $ F $ 19 * (1/29) + $ H $ 22 * ​​SQRT (1/29) * NORMSINV (RAND ()))".

Tālāk mēs velciet formulu pa kolonnu, lai pabeigtu visu simulēto cenu sēriju.

Šis modelis ļauj mums atrast aktīvu simulāciju līdz dotajiem 29 datumiem ar tādu pašu nepastāvību kā iepriekšējām 15 cenām, kuras mēs izvēlējāmies, un ar līdzīgu tendenci.

Visbeidzot, mēs varam noklikšķināt uz "F9", lai sāktu vēl vienu simulāciju, jo modeļa sastāvdaļa ir Rand funkcija.