<?xml version="1.0" encoding="utf-8" standalone="yes"?><rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom"><channel><title>Monte Carlo on Antoine Boucher</title><link>https://antoineboucher.info/CV/blog/fr/tags/monte-carlo/</link><description>Recent content in Monte Carlo on Antoine Boucher</description><generator>Hugo</generator><language>fr</language><lastBuildDate>Tue, 14 May 2024 09:00:00 -0400</lastBuildDate><atom:link href="https://antoineboucher.info/CV/blog/fr/tags/monte-carlo/index.xml" rel="self" type="application/rss+xml"/><item><title>Prévoir des cours boursiers avec des simulations Monte Carlo</title><link>https://antoineboucher.info/CV/blog/fr/posts/predicting-stock-prices-monte-carlo/</link><pubDate>Tue, 14 May 2024 09:00:00 -0400</pubDate><guid>https://antoineboucher.info/CV/blog/fr/posts/predicting-stock-prices-monte-carlo/</guid><description>&lt;h2 id="introduction"&gt;Introduction&lt;/h2&gt;
&lt;p&gt;En finance, on raisonne rarement sur un seul prix « prévu » : il s’agit plutôt de &lt;strong&gt;fourchettes&lt;/strong&gt;, de &lt;strong&gt;risque de queue&lt;/strong&gt; et de &lt;strong&gt;mesurer à quel point&lt;/strong&gt; les modèles simples peuvent se tromper. Cet article déroule une &lt;strong&gt;simulation Monte Carlo de trajectoires&lt;/strong&gt; en Python : on estime dérive et volatilité à partir des clôtures historiques, on simule de nombreux chemins de prix futurs (pas discret façon brownien géométrique), et on résume le tout par une &lt;strong&gt;distribution&lt;/strong&gt; — l’objet adapté aux questions de risque (bandes, quantiles, recouvrement par rapport à une période tenue hors échantillon).&lt;/p&gt;</description></item></channel></rss>