Metodyczne podstawy symulacji stochastycznej Monte Carlo

• Autorzy: Damian Mitrenga

Warianty tytułu

Methodological Basis of the Monte Carlo Stochastic Simulation

• Języki publikacji: PL

Abstrakty

Wiele zjawisk będących przedmiotem analiz, w tym również te odnoszące się do dziedziny finansów, cechuje się stochastyczną naturą. Charakterystyka ta oznacza, że jednoznaczne wskazanie ostatecznego wyniku rozpatrywanego zagadnienie jest niemożliwe. Znany jest tylko rozkład prawdopodobieństwa możliwych stanów końcowych, co w konsekwencji powoduje, że każdemu wynikowi towarzyszy odpowiednia szansa jego realizacji. W tym kontekście, by odpowiedzieć na pytanie o możliwy rezultat zjawiska, konieczne staje się poszukiwanie najbardziej prawdopodobnego rezultatu. Jedną z metod pozwalających na częściowe skwantyfikowanie inkorporowanej w istotę zjawisk ekonomicznych stochastyczności jest symulacja Monte Carlo, która stanowi przedmiot rozważań w niniejszym artykule.(fragment tekstu)

EN

The aim of these paper is to present the genesis and methodical basis of the Monte Carlo simulation, which allows to incorporate in studies the stochastic nature of economic variables. Additionally this article considers the connection between the mentioned method and the concepts of determinism and indeterminism.(original abstract)

Słowa kluczowe

PL

Modele stochastyczne; Metoda Monte Carlo; Symulacja Monte Carlo; Zmienne ekonomiczne

EN

Stochastic models; Monte Carlo method; Monte Carlo simulation; Economic variables

• Czasopismo: Studia Ekonomiczne / Uniwersytet Ekonomiczny w Katowicach
• Rocznik: 2014
• Numer: nr 204 Inwestycje i nieruchomości: wybrane zagadnienia
• Strony: 164--180

Twórcy

autor

Damian Mitrenga

• Uniwersytet Ekonomiczny w Katowicach

Bibliografia

• Arystoteles, Metafizyka, Wyd. Naukowe PWN, Warszawa 2009.
• Cieciura M., Zacharski J., Metody probabilistyczne w ujęciu praktycznym, Vizja Press & IT, Warszawa 2007.
• Gątarek D., Maksymiuk R., Krysiak M., Witkowski Ł., Nowoczesne metody zarządzania ryzykiem finansowym, WIG-Press, Warszawa 2001.
• Halton J., A Retrospective and Prospective Survey of the Monte Carlo Method, "SIAM Review" 1970, Vol. 12, No. 1.
• Hawking S., Mlodinow L., Wielki projekt, Wyd. Albatros, Warszawa 2011.
• Jäckel P., Monte Carlo Methods in Finance, John Wiley & Sons, West Sussex 2002.
• James F., Monte Carlo Theory and Practice, "Reports on Progress in Physics" 1980, Vol. 43.
• Jermakow S., Metoda Monte Carlo i zagadnienia pokrewne, PWN, Warszawa 1976.
• Krysicki W., Bartos J., Dyczka W., Królikowska K., Wasilewski M., Rachunek prawdopodobieństwa i statystyka matematyczna w zadaniach, część I, Wyd. Naukowe PWN, Warszawa 1999.
• Leclerc G.L., Essays on Moral Arithmetic, LSF Research Working Paper Series No. 10-06, Luksemburg 2010.
• Metropolis N., The Beginning of the Monte Carlo Method, "Los Alamos Science" 1987, Special Issue No. 15.
• Metropolis N., Ulam S., The Monte Carlo Method, "Journal of the American Statistical Association" 1949, Vol. 44, No. 247.
• Nadie W., Drijard D., James F., Roos M., Sadoulet B., Metody statystyczne w fizyce doświadczalnej, PWN, Warszawa 1989.
• Powszechna Encyklopedia Filozofii, t. 2, red. A. Maryniarczyk, Polskie Towarzystwo Tomasza z Akwinu, Lublin 2001.
• Powszechna Encyklopedia Filozofii, t. 4, red. A. Maryniarczyk, Polskie Towarzystwo Tomasza z Akwinu, Lublin 2001.
• Reichenbach H., The Direction of Time, University of California Press, Berkeley 1999.
• Rogowski W., Rachunek efektywności przedsięwzięć inwestycyjnych, Oficyna Ekonomiczna, Kraków 2006.
• Sobol I., The Monte Carlo Method, Mir Publisher, Moskwa 1975.