محاكاة مونت كارلو

menu icon

محاكاة مونت كارلو

تعرف على كل ما تحتاج معرفته حول محاكاة مونت كارلو، وهي نوع من الخوارزميات الحسابية التي تستخدم عينات عشوائية متكررة للحصول على احتمالية حدوث مجموعة من النتائج.

ما هي محاكاة مونت كارلو؟

تعد محاكاة مونت كارلو، المعروفة أيضا باسم طريقة مونت كارلو أو محاكاة الاحتمالات المتعددة، تقنية رياضية تستخدم لتقدير النتائج المحتملة لحدث غير مؤكد. تم ابتكار طريقة مونت كارلو من قبل جون فون نيومان وستانيسلاف أولام خلال الحرب العالمية الثانية لتحسين عملية صنع القرار في ظل ظروف غير مؤكدة. وقد سميت على اسم مدينة كازينو مشهورة، تسمى موناكو، حيث أن عنصر الفرصة هو جوهر نهج تكوين النماذج، على غرار لعبة الروليت.

ومنذ تقديمها، قامت محاكاة مونت كارلو بتقييم تأثير المخاطر في العديد من سيناريوهات الحياة الواقعية، مثل الذكاء الاصطناعي، وأسعار الأسهم، والتنبؤ بالمبيعات، وإدارة المشاريع، والتسعير. كما أنها توفر عددا من المزايا مقارنة بالنماذج التنبؤية ذات المدخلات الثابتة، مثل القدرة على إجراء تحليل الحساسية أو حساب ارتباط المدخلات. ويسمح تحليل الحساسية لصانعي القرار برؤية تأثير المدخلات الفردية على نتيجة معينة ويسمح لهم الارتباط بفهم العلاقات بين أي متغيرات إدخال.

كيف تعمل محاكاة مونت كارلو؟

على عكس نموذج التنبؤ العادي، تتنبأ محاكاة مونت كارلو بمجموعة من النتائج بناء على نطاق تقديري للقيم مقابل مجموعة من قيم المدخلات الثابتة. وبعبارة أخرى، تقوم محاكاة مونت كارلو ببناء نموذجا للنتائج المحتملة من خلال الاستفادة من توزيع الاحتمالات، مثل التوزيع المنتظم أو العادي، لأي متغير ينطوي على عدم يقين متأصل. ثم، تقوم بإعادة حساب النتائج مرارا وتكرارا، في كل مرة باستخدام مجموعة مختلفة من الأرقام العشوائية بين الحد الأدنى والحد الأقصى للقيم. في تجربة نموذجية لمحاكاة مونت كارلو، يمكن تكرار هذه الممارسة آلاف المرات لإنتاج عدد كبير من النتائج المحتملة.

تستخدم محاكاة مونت كارلو أيضا للتنبؤات طويلة المدى نظرا لدقتها. مع زيادة عدد المدخلات، يزداد عدد التوقعات أيضا، مما يسمح لك بتوقع نتائج أبعد في الوقت المناسب وبدقة أكبر. وعندما تكتمل محاكاة مونت كارلو، فإنها تنتج مجموعة من النتائج المحتملة مع احتمال حدوث كل نتيجة.

أحد الأمثلة البسيطة لمحاكاة مونت كارلو هو التفكير في حساب احتمال رمي نردين قياسيين. هناك 36 مجموعة من رميات النرد. بناء على ذلك، يمكنك حساب احتمالية نتيجة معينة يدويا. وباستخدام محاكاة مونت كارلو، يمكنك محاكاة تدحرج النرد 10,000 مرة (أو أكثر) لتحقيق تنبؤات أكثر دقة.

كيفية استخدام طرق مونت كارلو

بغض النظر عن الأداة التي تستخدمها، تتضمن تقنيات مونت كارلو ثلاث خطوات أساسية:

  1. إعداد النموذج التنبؤي، وتحديد كل من المتغير التابع الذي سيتم التنبؤ به والمتغيرات المستقلة (المعروفة أيضا باسم متغيرات المدخلات أو المخاطر أو التوقع) التي ستقود عملية التنبؤ.
  2. تحديد التوزيعات الاحتمالية للمتغيرات المستقلة. استخدام البيانات التاريخية و/أو الحكم الذاتي للمحلل لتحديد مجموعة من القيم المحتملة وتعيين أوزان احتمالية لكل منها.
  3. تشغيل عمليات المحاكاة بشكل متكرر، وتكوين قيم عشوائية للمتغيرات المستقلة. قم بذلك حتى يتم جمع ما يكفي من النتائج لتكوين عينة تمثيلية للعدد اللانهائي القريب من المجموعات المحتملة.

يمكنك تشغيل العديد من محاكاة مونت كارلو كما تريد عن طريق تعديل المعاملات الأساسية التي تستخدمها لمحاكاة البيانات. ومع ذلك، سترغب أيضا في حساب مدى التباين داخل عينة عن طريق حساب التباين والانحراف المعياري، وهما مقاييس شائعة الاستخدام للانتشار. تباين المتغير المحدد هو القيمة المتوقعة للفرق التربيعي بين المتغير وقيمته المتوقعة. الانحراف المعياري هو الجذر التربيعي للتباين. وعادة ما تعتبر الفروق الأصغر أفضل.

قم بقراءة المزيد حول كيفية إجراء محاكاة مونت كارلو هنا (الرابط موجود خارج IBM)

محاكاة مونت كارلو وIBM

على الرغم من أنه يمكنك إجراء محاكاة مونت كارلو باستخدام عدد من الأدوات، مثل Microsoft Excel، فمن الأفضل أن يكون لديك برنامج إحصائي متطور، مثل IBM SPSS Statistics، والذي تم تحسينه لتحليل المخاطر ومحاكاة مونت كارلو. تعد IBM SPSS Statistics منصة برمجية إحصائية قوية توفر مجموعة قوية من الخصائص التي تتيح لمؤسستك استخلاص رؤى قابلة للتنفيذ من بياناتها.

باستخدام SPSS Statistics يمكنك:

  • تحليل وفهم بياناتك بشكل أفضل وحل مشاكل الأعمال والبحث المعقدة من خلال واجهة سهلة الاستخدام.
  • فهم مجموعات البيانات الكبيرة والمعقدة بسرعة أكبر من خلال اجراءات احصائية متقدمة تساعد على ضمان الدقة العالية وجودة صنع القرارات.
  • استخدام الامتدادات وكود لغة البرمجة Python وR للتكامل مع البرامج مفتوحة المصدر.
  • تحديد وادارة البرامج الخاصة بك بمزيد من السهولة مع اختيارات النشر المرنة.

باستخدام وحدة المحاكاة في SPSS Statistics، يمكنك، على سبيل المثال، محاكاة مبالغ مختلفة من ميزانية الإعلان ومعرفة كيف يؤثر ذلك على إجمالي المبيعات. بناء على نتيجة المحاكاة، قد تقرر إنفاق المزيد على الإعلان لتحقيق هدف مبيعاتك الكلي. قم بقراءة المزيد حول كيفية استخدام IBM SPSS Statistics لمحاكاة مونت كارلو هنا (الرابط موجود خارج IBM).

كما يمكن أن تساعد IBM Cloud Functions أيضا في محاكاة مونت كارلو. تعد IBM Cloud Functions منصة وظائف كخدمة بدون وحدة خدمة تقوم بتنفيذ الأكواد استجابة للأحداث الواردة. باستخدام IBM Cloud Functions، تم إكمال محاكاة مونت كارلو بالكامل في 90 ثانية فقط مع 1,000 من الاستدعاءات المتزامنة. اقرأ المزيد حول كيفية إجراء محاكاة مونت كارلو باستخدام أدوات IBM، هنا.

للحصول على مزيد من المعلومات حول محاكاة مونت كارلو، قم بالتسجيل للحصول على IBMid وقم بتكوين حساب IBM Cloud الخاص بك.