Olive_品职助教 · 2020年09月28日
原版书这里写的还挺清楚的，我放在这里你可以浏览一下。
翻译一下就是：
一般的MVO方法，是用风险、收益的数据，找到最优的组合。这个过程是静态的，不考虑中间现金流发生顺序的影响。可以简单理解成，期初我们有100块，E(R)是10%，那么10年后我们就能拥有100*（1+10%）^10这么多钱。
这种方法的前提是中间的现金流出出进进的先后顺序不会影响10%这个收益率。
但是现实中往往不是这样的。现实中往往中间是有复杂的现金流收支，是先支出100，还是先收入100会影响到E(R)，从而不同的现金流发生的顺序，会导致我们10年后的terminal value是不同的。
10年后的terminal value对我们决策又有很重要的影响，很多时候我们要根据terminal value要做出投资决策的。
现金流发生的顺序，会影响terminal value，这个现象叫做path dependent。path dependent就是一个现实客观存在的情况。
站在MVO的角度来说，MVO没有考虑path dependent，那么path dependent对于MVO方法来说就是MVO的缺点，因为这是现实中很常见的复杂问题，MVO无法模拟，所以是缺点。
站在蒙特卡罗模拟的角度，它考虑了path dependent 的影响，所以对于蒙特卡罗模拟来说考虑，或者说运用到了path dependent的思想，是它的优点。
Olive_品职助教 · 2020年09月27日
嗨，从没放弃的小努力你好：
同学你好，path dependent对数据预测来说是需要克服的问题，monte carlo simulation克服了这个问题。
可以参考一下下列相关问答，帮助你加深理解：
https://class.pzacademy.com/qa/12894
https://class.pzacademy.com/qa/34347
https://class.pzacademy.com/qa/44123
-------------------------------就算太阳没有迎着我们而来，我们正在朝着它而去，加油！
mario · 2020年09月28日
走路线这个过程就是path dependency，因为后一步站的位置取决于前一步站在哪里。mcs 难道不就是这样做出来的吗？为什么说克服了这个问题啊？
