README

蒙特卡洛模擬可以幫助分析在商業(yè)上一些復雜的場景, 包括了衡量風險以及計算某項目在特定條件下可產(chǎn)生的收益. 我們將通過一個簡化的例子表現(xiàn)蒙特卡洛模擬的應用.

Often, Monte Carlo simulation can come in handy to calculate risk or evaluate investments in projects. This is a simple demonstration.

背景

小象數(shù)據(jù)科學是剛成立不久的事業(yè)部. 主要針對9到12歲的兒童進行數(shù)據(jù)科學基礎培訓, 以促進培育國家未來數(shù)據(jù)人才的步伐. 經(jīng)過3個月的試點, 管理層希望對業(yè)務采集的數(shù)據(jù)進行分析, 衡量該業(yè)務的風險點與可持續(xù)性.

你作為商業(yè)分析組的一員, 將通過數(shù)據(jù)模擬優(yōu)先回答以下問題:

以【月】為單位的利潤是怎么樣的一個分布? 以百分之95的置信度而言, 利潤在什么范圍區(qū)間?

解答: 服從正太分布

library(tidyverse)

## ─ Attaching packages ─────────────────────────────────────── tidyverse 1.2.1 ─

## ? ggplot2 3.1.0 ? purrr 0.3.2

## ? tibble 2.0.0 ? dplyr 0.7.8

## ? tidyr 0.8.2 ? stringr 1.3.1

## ? readr 1.3.1 ? forcats 0.3.0

## ─ Conflicts ──────────────────────────────────────── tidyverse_conflicts() ─

## ? dplyr::filter() masks stats::filter()

## ? dplyr::lag() masks stats::lag()

library(ggthemes)

library(ggplot2)

library(rio)

library(infer)

set.seed(1212)

N=1000

R=rnorm(N, mean=0.4, sd=0.05)

M=runif(5,350,400)

L=runif(5,3000,4000)

S=L*R #收入

INCOME=M*S

Cpl=runif(5,8,10)

H=20000

Expenses=Cpl*L+H #成本

Profit=INCOME-Expenses

如果我們設置一個月的利潤目標為10萬元, 達成目標的概率是多少? 虧損風險 (利潤小于0的概率) 是多少?

利潤的累積分布函數(shù) (cumulative distribution)? (繪圖即可)

經(jīng)過第一輪的探索, 你與業(yè)務分享你的結(jié)果. 業(yè)務發(fā)現(xiàn)你的模擬出現(xiàn)了嚴重的漏洞. 以他們的業(yè)務經(jīng)驗, 單個栗子的成本與其轉(zhuǎn)化率是強關(guān)聯(lián)關(guān)系的. 你提取了以往投放的數(shù)據(jù) (見附帶表格 csv), 發(fā)現(xiàn)果真如此. 于是, 你更新了你的模型. 請以新模型回答以上3點問題.

data

cor_matr = cor(data) #相關(guān)矩陣

cor_matr

## cost_per_lead conversion_rate

## cost_per_lead 1.0000000 0.9882867

## conversion_rate 0.9882867 1.0000000

data %>%

ggplot(aes(cost_per_lead, conversion_rate)) +

geom_line(size = 1, color = "grey30") #數(shù)據(jù)實際分布圖

test_mod

test_mod

##

## Call:

## lm(formula = conversion_rate ~ cost_per_lead, data = data)

##

## Coefficients:

## (Intercept) cost_per_lead

## -0.18104 0.02456

predict(test_mod,newdata=data.frame(cost_per_lead=9.8),interval="confidence")

## fit lwr upr

## 1 0.05964785 0.0578207 0.06147499

knitr::opts_chunk$set(echo = FALSE)

如果業(yè)務提出一個產(chǎn)品方案, 在增加固定成本百分之25至30的前提下, 每天的栗子數(shù)量可以提升百分之15至25. 請問你會如何評估該方案?

管理層認為單個栗子的成本過高, 具有很大的優(yōu)化空間. 他們希望把虧損風險控制在百分之35之內(nèi). 請問根據(jù)該需求, 單個栗子成本的上線是多少?

業(yè)務信息

利潤 (Profit) = 收入 (Revenue) - 開銷 (Expenses)

注意: 這里所有指標均以【天】為單位

* 收入為個單毛利 (Profit margin, M) 乘與銷量 (Sales, S);

* 個單毛利為均勻 (uniform) 分布, 一單 350 元至 400 元;

* 銷量為栗子數(shù)量 (Number of leads, L) 乘與轉(zhuǎn)化率 (Conversion rate, R);

* 栗子數(shù)量為均勻分布, 一天 3000 個至 4000 個;

* 轉(zhuǎn)化率為正態(tài) (normal) 分布, 均值為 4%, 偏差為 0.5%;

* 開銷為固定成本 (Fixed overheads, H) 加上栗子成本;

* 固定成本 (研發(fā), 辦公) 平攤為每天 2 萬元;

* 栗子成本為栗子數(shù)量乘于單個栗子成本 (Cost per lead, Cpl);

* 單個栗子成本為均勻分布, 單個 8 元至 10 元;

Profit = Income - Expenses

Income = Profit Margin per Sale (M) * Sales (S)

M assumes an uniform dist. from $350 to $400

S = Number of Leads (L) * Conversion Rate (R)

L assumes an uniform dist. with from 3000 to 4000

R assumes a normal dist. with mean of 4% and sd of 0.5%

Expenses = Fixed Overhead (H) + Total Cost of the Leads (C)

H assumes a constant of $20000

C = Cost Per Lead (Cpl) * Number of Leads (L)

Cpl assumes an uniform dist. from $8 to $10

Profit = Leads * Conversion Rate * Profit Margin per Sale - (Cost per Lead * Leads + Fixed Overhead)

幫助

你可能會用到一下函數(shù)：

sample replicate which rnorm runif rbeta lm predict geom_point geom_line stat_ecdf

請設置隨機種子為 1212

總結(jié)

以上是生活随笔為你收集整理的c语言 随机种子 monte carlo,GitHub - LJY404/bizforecast-exercise: 商业化蒙特卡洛模拟练习...的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。