స్టాక్ ధరలను అనుకరించడానికి ఎక్సెల్ ఎలా ఉపయోగించాలి

విషయ సూచిక

ధర అనుకరణను నిర్మించడం
కంప్యూటింగ్ హిస్టారికల్ అస్థిరత

కొంతమంది క్రియాశీల పెట్టుబడిదారులు దాని ధరను అనుకరించడానికి స్టాక్ లేదా ఇతర ఆస్తి యొక్క మోడల్ వైవిధ్యాలను మరియు దానిపై ఆధారపడిన పరికరాలైన ఉత్పన్నాలు వంటివి. ఎక్సెల్ స్ప్రెడ్‌షీట్‌లో ఆస్తి విలువను అనుకరించడం వల్ల పోర్ట్‌ఫోలియో కోసం దాని మదింపుకు మరింత స్పష్టమైన ప్రాతినిధ్యం లభిస్తుంది.

కీ టేకావేస్

ఒక మోడల్ లేదా వ్యూహాన్ని తిరిగి పరీక్షించడానికి చూస్తున్న వ్యాపారులు దాని ప్రభావాన్ని ధృవీకరించడానికి అనుకరణ ధరలను ఉపయోగించవచ్చు. యాదృచ్ఛిక ధరల కదలికలను ఉత్పత్తి చేయడానికి మాంటె కార్లో అనుకరణను ఉపయోగించి మీ బ్యాక్-టెస్టింగ్‌కు ఎక్సెల్ సహాయపడుతుంది.ఎక్సెల్ చారిత్రక అస్థిరతను లెక్కించడానికి కూడా ఉపయోగించవచ్చు ఎక్కువ ఖచ్చితత్వం కోసం మీ నమూనాలు.

ధర నమూనా అనుకరణను నిర్మించడం

మేము ఆర్థిక పరికరాన్ని కొనడం లేదా అమ్మడం గురించి ఆలోచిస్తున్నా, సంఖ్యాపరంగా మరియు గ్రాఫిక్‌గా అధ్యయనం చేయడం ద్వారా ఈ నిర్ణయానికి సహాయపడుతుంది. ఆస్తి చేయగల తదుపరి కదలికను మరియు తక్కువ అవకాశం ఉన్న కదలికలను నిర్ధారించడానికి ఈ డేటా మాకు సహాయపడుతుంది.

అన్నింటిలో మొదటిది, మోడల్‌కు కొన్ని ముందస్తు పరికల్పనలు అవసరం. ఉదాహరణకు, ఈ ఆస్తుల యొక్క రోజువారీ రాబడి లేదా "r (t)" సాధారణంగా సగటు, "(μ), " మరియు ప్రామాణిక విచలనం సిగ్మా, "(σ) తో పంపిణీ చేయబడుతుందని మేము అనుకుంటాము. మోడల్ యొక్క ఖచ్చితత్వాన్ని మెరుగుపరచడానికి ఇంకా చాలా మంది ఉన్నప్పటికీ, మేము ఇక్కడ ఉపయోగించే ప్రామాణిక అంచనాలు ఇవి.

$\begin{matrix} r (t) = \frac{S (t) - S (t - 1)}{S (t - 1)} ~ N (μ, σ) \\ ఎక్కడ: \\ S (t) = {దగ్గరగా}_{t} \\ S (t - 1) = {దగ్గరగా}_{t - 1} \end{matrix} \ begin {సమలేఖనం} & r (t) = \ frac {S (t) - S (t - 1)} {S (t - 1)} sim N ( mu, ig సిగ్మా) \ & \ textbf {ఎక్కడ:} \ & S (t) = \ text {close} _t \\ & S (t - 1) = \ text {close} _ {t - 1} \ \ end {సమలేఖనం}$ r (t) = S (t-1) S (t) -S (t-1) ~N (μ, σ) పేరు: S (t) = గదిలో S (t-1) = గదిలో -1

ఇది ఇస్తుంది:

$\begin{matrix} r (t) = \frac{S (t) - S (t - 1)}{S (t - 1)} = μ δ t + σ φ \sqrt{δ t} \\ ఎక్కడ: \\ δ t = 1 రోజు = \frac{1}{365} ఒక సంవత్సరం \\ μ = అర్థం \\ φ ≅ N (0, 1) \\ σ = వార్షిక అస్థిరత \end{matrix} \ begin {సమలేఖనం} & r (t) = \ frac {S (t) - S (t - 1)} {S (t - 1)} = \ mu \ delta t + \ sigma \ phi \ sqrt { delta t } \ & \ textbf {ఇక్కడ:} \ & \ డెల్టా టి = 1 \ \ టెక్స్ట్ {రోజు} = \ ఫ్రాక్ {1} {365} \ టెక్స్ట్ {ఒక సంవత్సరం} \ & \ ము = \ టెక్స్ట్ { సగటు} \ & \ ఫై \ కాంగ్ ఎన్ (0, 1) \ & \ సిగ్మా = \ టెక్స్ట్ {వార్షిక అస్థిరత} \ \ ముగింపు {సమలేఖనం}$ R (t) = S (t - 1) S (t) −S (t - 1) = μt + wheret where: = t = 1 day = సంవత్సరంలో 3651μ = meanϕ≅N (0, 1) Annual = వార్షిక అస్థిరత

దీని ఫలితం:

$\begin{matrix} \frac{S (t) - S (t - 1)}{S (t - 1)} = μ δ t + σ φ \sqrt{δ t} \end{matrix} \ begin {సమలేఖనం} & \ frac {S (t) - S (t - 1)} {S (t - 1)} = \ mu \ delta t + \ sigma \ phi \ sqrt { delta t} \ \ అంతం {సమలేఖనమైంది}$ S (t-1) S (t) -S (t-1) = μδt + σφδt

చివరిగా:

$\begin{matrix} S (t) - S (t - 1) = & S (t - 1) μ δ t + S (t - 1) σ φ \sqrt{δ t} \\ S (t) = & S (t - 1) + S (t - 1) μ δ t + \\ S (t - 1) σ φ \sqrt{δ t} \\ S (t) = & S (t - 1) (1 + μ δ t + σ φ \sqrt{δ t}) \end{matrix} \ begin {సమలేఖనం} S (t) - S (t - 1) = & \ S (t - 1) mu \ delta t + S (t - 1) సిగ్మా \ phi \ sqrt { delta t} \ S (t) = & \ S (t - 1) + S (t - 1) mu \ delta t \ + \\ & \ S (t - 1) sigma \ phi \ sqrt { delta t} \ S (t) = & \ S (t - 1) (1 + \ mu \ delta t + \ sigma \ phi \ sqrt { delta t}) \ \ end {సమలేఖనం}$ S (t) −S (t - 1) = S (t) = S (t) = S (t - 1) μt + S (t - 1) σϕδt S (t - 1) + S (t− 1) + t + S (t - 1) σϕδt S (t - 1) (1 + μδt +) t)

మునుపటి రోజు క్లోజ్ ఉపయోగించి నేటి ముగింపు ధర యొక్క విలువను ఇప్పుడు మనం వ్యక్తీకరించవచ్చు.

Of యొక్క గణన:

రోజువారీ రాబడి యొక్క సగటు అయిన comp ను లెక్కించడానికి, మేము వరుసగా గత దగ్గరి ధరలను తీసుకొని వర్తింపజేస్తాము, ఇది n గత ధరల మొత్తం యొక్క సగటు:

$\begin{matrix} μ = \frac{1}{n} Σ_{t = 1}^{n} r (t) \end{matrix} \ begin {సమలేఖనం} & \ mu = \ frac {1} {n} sum_ {t = 1} ^ {n} r (t) \ \ end {సమలేఖనం}$ μ = N1 t = 1Σn r (t)

అస్థిరత యొక్క గణన σ - అస్థిరత

random అనేది యాదృచ్ఛిక వేరియబుల్ సున్నా మరియు ప్రామాణిక విచలనం యొక్క సగటుతో అస్థిరత.

ఎక్సెల్ లో చారిత్రక అస్థిరతను కంప్యూటింగ్

ఈ ఉదాహరణ కోసం, మేము ఎక్సెల్ ఫంక్షన్ "= NORMSINV (RAND ()) ను ఉపయోగిస్తాము." సాధారణ పంపిణీ నుండి ఒక ప్రాతిపదికన, ఈ ఫంక్షన్ యాదృచ్ఛిక సంఖ్యను సున్నా సగటుతో మరియు ఒకటి యొక్క ప్రామాణిక విచలనాన్ని లెక్కిస్తుంది. Comp ను లెక్కించడానికి, Ln (.) ఫంక్షన్‌ను ఉపయోగించి దిగుబడిని సగటున: లాగ్-సాధారణ పంపిణీ.

సెల్ F4 లో, "Ln (P (t) / P (t-1)" ఎంటర్ చెయ్యండి

F19 సెల్ శోధనలో "= AVERAGE (F3: F17)"

సెల్ H20 లో, “= AVERAGE (G4: G17) ఎంటర్ చెయ్యండి

సెల్ H22 లో, వార్షిక వ్యత్యాసాన్ని లెక్కించడానికి "= 365 * H20" ను నమోదు చేయండి

సెల్ H22 లో, వార్షిక ప్రామాణిక విచలనాన్ని లెక్కించడానికి "= SQRT (H21)" ను నమోదు చేయండి

కాబట్టి మనకు ఇప్పుడు గత రోజువారీ రాబడి యొక్క "ధోరణి" మరియు ప్రామాణిక విచలనం (అస్థిరత) ఉన్నాయి. పైన కనుగొన్న మా సూత్రాన్ని మేము వర్తింపజేయవచ్చు:

మేము 29 రోజులలో అనుకరణ చేస్తాము, కాబట్టి dt = 1/29. మా ప్రారంభ స్థానం చివరి దగ్గరి ధర: 95.

సెల్ K2 లో, "0" ఎంటర్ చేయండి. సెల్ L2 లో, "95 ను ఎంటర్ చేయండి." సెల్ K3 లో, "1" ఎంటర్ చేయండి. సెల్ L3 లో, "= L2 * (1 + $ F $ 19 * (1 / 29) + $ H $ 22 * SQRT (1/29) * NORMSINV (RAND ()). "

తరువాత, అనుకరణ ధరల యొక్క మొత్తం శ్రేణిని పూర్తి చేయడానికి మేము సూత్రాన్ని కాలమ్ క్రిందకి లాగండి.

ఈ మోడల్ మాకు ఇచ్చిన 29 తేదీల వరకు ఆస్తుల అనుకరణను కనుగొనటానికి అనుమతిస్తుంది, మేము ఎంచుకున్న మునుపటి 15 ధరల మాదిరిగానే మరియు అదే విధమైన ధోరణితో.

చివరగా, మోడల్‌లో భాగంగా రాండ్ ఫంక్షన్ ఉన్నందున మరొక అనుకరణను ప్రారంభించడానికి "F9" పై క్లిక్ చేయవచ్చు.

విషయ సూచిక:

స్టాక్ ధరలను అనుకరించడానికి ఎక్సెల్ ఎలా ఉపయోగించాలి

కీ టేకావేస్

ధర నమూనా అనుకరణను నిర్మించడం

ఎక్సెల్ లో చారిత్రక అస్థిరతను కంప్యూటింగ్

సంపాదకుని ఎంపిక