所以monte carlo simulation 是根据 MVO 算出权重后， 开始模拟出净值的路径， 看看未来的净值的一个分布是吧？如果效果不错 就保留这个MVO 方法得出的权重， 如果效果不好 就pass。 大概是 这个过程？
lynn_品职助教 · 2022年12月22日
嗨，努力学习的PZer你好：
所以monte carlo simulation 是根据 MVO 算出权重后， 开始模拟出净值的路径， 看看未来的净值的一个分布是吧？如果效果不错 就保留这个MVO 方法得出的权重， 如果效果不好 就pass。 大概是 这个过程？
同学讲得不完全正确，如果效果不错 就保留这个MVO 方法得出的权重， 如果效果不好 就pass。 大概是 这个过程？如果同学跑一次MCS数据就可以直截了当地明白，MSC的所有结果是同时出来的，它的目的是避免路径依赖，不是挑选。现在临近考试了，同学直接理解一下记住就行，考完如果同学有兴趣可以去搜一下MSC的程序跑一遍，也可以听李老师的编程课，遇上活动可以免费获得课程。
MSC本身是一种统计方法，由计算机按照设定的递推式发射随机数，产生不同的结果，比如，我们假定某只股票明天的价格Pt=Pt-1+ε，ε是随机扰动项，那么我们可以根据计算机程序发射10000个随机数，就得到10000个明天股票价格Pt，对这10000个价格可以画分布，求均值，求标准差等等。其实MSC我们学衍生品也是用过的，模拟布朗运动。
因为有MVO方法的缺点，我们引出了MSC方法与resample方法。
MSC方法是解决MVO的缺陷，single period framework，的一种工具。
因为我们用传统MVO方法，默认只能得到未来一期的资产配置方案（wi)，进而可以得到未来一期的组合收益（∑wiE(Ri))。二用MSC方法可以设定比如第3年末的组合收益公式Rp=△cash flow1+tax1+△cash flow2+tax1+△cash flow2+tax3+ε，这个公式中的△cash flow,tax，ε都是随机数，那么就可以用计算机来模拟这些随机数的分布，进而得到Rp的分布，这就解决了single period的问题或者说path dependent的问题（最终结果依赖期间的现金流以及tax等等）。
----------------------------------------------虽然现在很辛苦，但努力过的感觉真的很好，加油！