Глава 3 Метод Монте - Карло

Метод Монте-Карло можно определить как метод моделирования случайных величин с целью вычисления характеристик их распределений.

Возникновение идеи использования случайных явлений в области приближённых вычислений принято относить к 1878 году, когда появилась работа Холла об определении числа p с помощью случайных бросаний иглы на разграфлённую параллельными линиями бумагу. Существо дела заключается в том, чтобы экспериментально воспроизвести событие, вероятность которого выражается через число p, и приближённо оценить эту вероятность. Отечественные работы по методу Монте-Карло появились в 1955-1956 годах. С того времени накопилась обширная библиография по методу Монте-Карло. Даже беглый просмотр названий работ позволяет сделать вывод о применимости метода Монте-Карло для решения прикладных задач из большого числа областей науки и техники.

Первоначально метод Монте-Карло использовался главным образом для решения задач нейтронной физики, где традиционные численные методы оказались мало пригодными. Далее его влияние распространилось на широкий класс задач статистической физики, очень разных по своему содержанию.

Метод Монте-Карло оказал и продолжает оказывать существенное влияние на развитие методов вычислительной математики (например, развитие методов численного интегрирования) и при решении многих задач успешно сочетается с другими вычислительными методами и дополняет их. Его применение оправдано в первую очередь в тех задачах, которые допускают теоретико-вероятностное описание. Это объясняется как естественностью получения ответа с некоторой заданной вероятностью в задачах с вероятностным содержанием, так и существенным упрощением процедуры решения.

3.1. Общая схема метода Монте-Карло.

Сущность метода Монте-Карло состоит в следующем: требуется найти значение а некоторой изучаемой величины. Для этого выбирают такую случайную величину Х, математическое ожидание которой равно а: М(Х)=а.

Практически же поступают так: производят n испытаний, в результате которых получают n возможных значений Х; вычисляют их среднее арифметическое и принимают x в качестве оценки (приближённого значения) a^* искомого числа a:

.

Поскольку метод Монте-Карло требует проведения большого числа испытаний, его часто называют методом статистических испытаний. Теория этого метода указывает, как наиболее целесообразно выбрать случайную величину Х, как найти её возможные значения. В частности, разрабатываются способы уменьшения дисперсии используемых случайных величин, в результате чего уменьшается ошибка, допускаемая при замене искомого математического ожидания а его оценкой а^*.

3.2. Оценка погрешности метода Монте-Карло.

Пусть для получения оценки a^* математического ожидания а случайной величины Х было произведено n независимых испытаний (разыграно n возможных значений Х) и по ним была найдена выборочная средняя , которая принята в качестве искомой оценки: . Ясно, что если повторить опыт, то будут получены другие возможные значения Х, следовательно, другая средняя, а значит, и другая оценка a^*. Уже отсюда следует, что получить точную оценку математического ожидания невозможно. Естественно возникает вопрос о величине допускаемой ошибки. Ограничимся отысканием лишь верхней границы d допускаемой ошибки с заданной вероятностью (надёжностью) g: .

Интересующая нас верхняя грань ошибки d есть не что иное, как «точность оценки» математического ожидания по выборочной средней при помощи доверительных интервалов. Рассмотрим следующие три случая.

1. Случайная величина Х распределена нормально и её среднее

квадратичное отклонение d известно.

В этом случае с надёжностью g верхняя граница ошибки

, (*)

где n число испытаний (разыгранных значений Х); t – значение аргумента функции Лапласа, при котором , s - известное среднее квадратичное отклонение Х.

2. Случайная величина Х распределена нормально, причём её среднее квадратическое отклонение s неизвестно.

В этом случае с надёжностью g верхняя граница ошибки

, (**)

где n – число испытаний; s – «исправленное» среднее квадратическое отклонение, находят по таблице приложения 3.

3. Случайная величина Х распределена по закону, отличному от нормального.

В этом случае при достаточно большом числе испытаний (n>30) с надёжностью, приближённо равной g, верхняя граница ошибки может быть вычислена по формуле (*), если среднее квадратическое отклонение s случайной величины Х известно; если же s неизвестно, то можно подставить в формулу (*) его оценку s – «исправленное» среднее квадратическое отклонение либо воспользоваться формулой (**). Заметим, что чем больше n, тем меньше различие между результатами, которые дают обе формулы. Это объясняется тем, что при распределение Стьюдента стремится к нормальному.

Из изложенного следует, что метод Монте-Карло тесно связан с задачами теории вероятностей, математической статистики и вычислительной математики. В связи с задачей моделирования случайных величин (в особенности равномерно распределённых) существенную роль играют также методы теории чисел.

Среди других вычислительных методов, метод Монте-Карло выделяется своей простотой и общностью. Медленная сходимость является существенным недостатком метода, однако, могут быть указаны его модификации, которые обеспечивают высокий порядок сходимости при определённых предположениях. Правда, вычислительная процедура при этом усложняется и приближается по своей сложности к другим процедурам вычислительной математики. Сходимость метода Монте-Карло является сходимостью по вероятности. Это обстоятельство вряд ли следует относить к числу его недостатков, ибо вероятностные методы в достаточной мере оправдывают себя в практических приложениях. Что же касается задач, имеющих вероятностное описание, то сходимостью по вероятности является даже в какой-то мере естественной при их исследовании.

Заключение

Рассмотренная в данном реферате тема является очень актуальной, так как инвестиционная деятельность представляет собой один из наиболее важных аспектов функционирования любой коммерческой организации. Причинами, обусловливающими необходимость инвестиций, являются обновление имеющейся материально-технической базы, наращивание объемов производства, освоение новых видов деятельности.

Весьма часто предприятие сталкивается с ситуацией, когда имеется ряд альтернативных (взаимоисключающих) инвестиционных проектов. Естественно, возникает необходимость в сравнении этих проектов и выборе наиболее привлекательных из них по каким-либо критериям.

В условиях рыночной экономики возможностей для инвестирования довольно много. Вместе с тем объем финансовых ресурсов, доступных для инвестирования, у любого предприятия ограничен. Поэтому особую актуальность приобретает задача оптимизации бюджета капиталовложений.

В связи с этим в работе были рассмотрены следующие вопросы:

ü основные принципы, положенные в основу анализа инвестиционных проектов;

ü критерии оценки экономической эффективности инвестиционных проектов;

ü классификация инвестиционных проектов;

Используемая литература:

1. Игонина Л.Л. Инвестиции: Учеб. пособие / Под ред. д-ра экон. наук, проф. В.А. Слепова. – М.: Экономистъ, 2003. – 478 с.

2. Идрисов А. Б., Картышев С.В., Постников А.В. Стратегическое планирование и анализ эффективности инвестиций. - М.: Информационно-издательский дом “Филинъ”, 2007. – с. 99.

3. Крушвиц Л., Инвестиционные расчёты / Пер. с нем. под общей редакцией В.В. Ковалёва и З.А. Сабова. – СПб: Питер, 2001. – 432 с.: ил. – (Серия “Базовый курс”);

4. Финансы предприятий: Учебник / Рук. авт. кол. и науч. ред.проф. А.М. Поддерёгин. – 4-е изд., перераб. и доп. – К.: КНЕУ, 2005. – 571 с.

5. Балабанов И. Т. Инновационный менеджмент. – СПб: Питер, 2000. – 208 с.

6. Морозов В. Методы оценки качества инвестиционных проектов // Экономист. – 2004. - № 6.

7. Крылов Э.И. Анализ эффективности инвестиционной и инновационной деятельности предприятия: Учебное пособие/ Э.И. Крылов, В.М. Власова, И.В. Журавкова. – 2-е изд., перераб. и доп. – М: Финансы и Статистика, 2003. – 608 с.;

9. Бузова И.А. Коммерческая оценка инвестиций/ И.А. Бузова, Г.А. Маховикова, В.В. Терехова; Под ред. В.Е. Есипова. – СПб: Питер, 2003. – 432 с.;

10. Сорокин Б.А. Оценка эффективности инвестиционных проектов на уровне региона/ Б.А. Сорокин, В.М. Беро, А.Н. Салов// Економiка промисловостi. – Донецк, 2004. – C. 87 – 94.

11. Виленский П.Л. Оценка эффективности инвестиционных проектов: Теория и практика/ П.Л. Виленский, В.Н. Лившиц, С.А. Смоляк. – 2-е изд., перераб. и доп. – М.: Дело, 2007. – 888 с.;

12. Иванов Г.И. Инвестиции: сущность, виды, механизмы функционирования: Учебное пособие. – Ростов н/Д: Феникс, 2002. – 352 с.;

13. Игошин Н.В. Инвестиции. Организация управления и финансирование: Учебник. – Изд. 2-е, перераб. и доп. – М.: ЮНИТИ-ДАНА, 2002. – 542 сазено

14. www.wikipedia