name: monte-carlo-financial-simulator description: 用于金融建模的概率分布与风险量化的随机模拟技能 allowed-tools:
- Read
- Write
- Glob
- Grep
- Bash metadata: specialization: finance-accounting domain: business category: financial-modeling priority: medium shared: true
蒙特卡洛金融模拟器
概述
蒙特卡洛金融模拟器技能通过随机模拟实现概率金融建模。它基于概率分布生成数千种情景，以量化财务预测和估值中的风险和不确定性。
能力
概率分布拟合
- 正态分布拟合
- 正值对数正态分布
- 专家估计三角分布
- PERT分布建模
- 自定义分布创建
- 基于历史数据的拟合
相关性矩阵处理
- 变量相关性指定
- 用于相关抽样的Cholesky分解
- Copula实现
- 秩相关（Spearman）
- 相关性稳定性测试
- 偏相关分析
收敛性分析
- 样本量确定
- 收敛性测试
- 精度指标计算
- 停止标准实施
- 结果稳定性验证
- 计算效率优化
风险价值（VaR）计算
- 参数法VaR
- 历史模拟VaR
- 蒙特卡洛VaR
- 预期损失（CVaR）
- 边际VaR
- 增量VaR
置信区间生成
- 基于百分位的区间
- 自助法置信区间
- 预测区间
- 容忍区间
- 单侧边界
- 联合置信区域
Crystal Ball/ModelRisk集成
- @RISK兼容性
- Crystal Ball公式支持
- 模型导出能力
- 模拟结果导入
- 假设同步
- 报告生成
使用方法
风险量化
输入：关键不确定变量、概率分布、相关性
处理：运行模拟、汇总结果、计算风险指标
输出：结果概率分布、VaR、置信区间
情景概率
输入：模型结构、变量范围、目标结果
处理：模拟情景、识别达成目标的条件
输出：达成目标的概率、关键驱动因素敏感性
集成
被以下流程使用
- 财务建模与情景规划
- 现金流预测与流动性管理
- 外汇风险管理
工具与库
- numpy
- scipy.stats
- 蒙特卡洛库
- Crystal Ball
- @RISK
跨专业使用
- 数据科学/机器学习：风险分析
- 保险：精算建模
- 工程：项目风险评估
最佳实践
- 根据历史数据验证分布假设
- 测试不同市场条件下的相关性稳定性
- 确保足够的迭代次数以实现收敛
- 记录分布选择的理由
- 对分布参数进行敏感性分析
- 在可能的情况下与解析解进行比较