数据分析、模拟建模、预测和最优化神器crystalball功能简介

Oracle Crystal Ball （也叫甲骨文水晶球，是甲骨文公司旗下的一款功能强大的风险管理软件）是基于excel表格的出色应用，用于预测式建模、预测、数据模拟和最优化，可帮助您深入了解影响风险的关键因素。

CB是基于excel的一款插件工具，学习成本低，功能智能化设置，学习效率高，是全球众多商学院的必学工具。

CB有十分强大强大的功能，比如20多种定义数据分布、自定义批量拟合、十分多样的报表可视化、数据分析工具、决策表工具、龙卷风工具等，满足多样化的分析、建模、模拟、预测和最优化求解的需求。

我也开发了crystalball相关课程：

本文就简单介绍一些CB中常用的工具

1、BOOTSTRAP TOOL

Bootstrap工具的工作原理是随机抽样预测数据，然后从每个抽样中创建统计数据的分布。用于估计预测统计的准确性。（就是看看预测得到的数据是否准确，拿这个工具进行测试）

1、打开更多工具->BOOTSTRAP

2、选择目标：IRR

3、两种方法：第一种方法模拟模型一次(创建原始样本)，然后重复对这些模拟试验(原始样本值)进行重新采样。这种更快的方法只假设原始模拟数据准确地描绘了真实的预测分布，如果样本足够大，这是可能的。第二种方法反复模拟模型，生成完全不同的样本。这种方法比第一种方法更准确，但运行时间长得多。

4、确定样本数量和实验次数。

5、运行结果，分析输出：Bootstrap工具在预测图表中显示均值、中位数、标准差、方差、偏度、峰度和变异统计系数的抽样分布。预测图表直观地显示了每个统计数据的准确性。窄而对称的分布通常比宽而倾斜的分布好，因为紧凑的分布意味着大多数值都集中在抽样分布的平均值，或统计量的近似“真实”值周围。

2、敏感度图

敏感度图用来看一个给定的假设对结果有多大的影响，换句话说，你要确定预测对每个假设的敏感性。敏感度图表使您能够快速、轻松地判断每个假设单元对特定预测单元的影响。

打开操作：在运行完一次模型后，在查看图表->敏感度图处可以看到相应的图。

特性：敏感度图表对模型中从最重要到最不重要的假设进行了排序。如果假设和预测具有较高的相关系数，这意味着假设对预测具有显著的影响(通过其不确定性和模型敏感性)。正系数表示假设的增加与预测的增加相关。负系数意味着相反的情况。相关系数绝对值越大，说明敏感性越大。即敏感性分析的好处之一是可以帮助重新评估模型的有效性。

敏感性图的作用：

敏感度图表功能提供了三个关键好处:

你可以发现哪些假设对你的预测影响最大，减少了改进估计所需的时间。

你可以找出哪些假设对你的预测影响最小，这样你就可以忽略或完全抛弃它们。

因此，你可以构建更真实的电子表格模型，并大大提高结果的准确性，因为你将知道你所有的假设是如何影响你的模型的。

3、覆盖图和趋势图

创建叠加图：叠加图将选定的预报的频率数据叠加在一起，以便您可以比较差异或相似点，否则可能不明显。

1、选择查看图表中的叠加图

2、点击新建，选择未来五年的收入。

如图所示：我们可以很清晰的看到，在未来的五年中，净收入逐年增高。

创建趋势图：趋势图显示了一系列概率带中的确定性范围，同样的方式创建趋势图

如图所示：图中代表第1年90%确定性范围的浅蓝色带显示了预测有90%几率在大约55万到85万美元的值的范围。

4、预测图表

预测图：查看预测图的前提是先运行一次实验，保存相关图表。

1、选择预测图

2、选择要显示的数据

3、结果：预测图为交互式图表，可以移动左下方、右下方的三角或者可以在左下角或者右下角的输入框中输入一个值，输入回车，就可以看到相应的频率变化。

预测图总结：预测图将输出值分组到一定数量的间隔中，以便于容易读取。下面的轴显示输出值的范围。图表右侧的频率标度上的最高值是包含最多预测值的组区间的频率——即频率分布的模态。图表左侧的比例显示了任何特定区间的概率，最大值为0.04或4%。

注意，在图表的顶部，运行的试验数量和显示的试验都显示出来了。默认情况下，水晶球不会显示极端的异常值，以避免为了可读性而扭曲图表。虽然这些极端值可能没有显示在图表上，但它们包含在所有统计计算中。

您可以使用预测图表顶部的Preferences菜单中的Chart Axis选项更改视图设置，以显示这些异常值。您还可以通过视图菜单选择以累积(s曲线)或反向累积图表的方式查看相同的数据。

5、2D模拟工具

将假设变量进行进一步的区分，分为不确定性变量（没有足够信息来判断一个值是多少）和可变性变量（会变的变量）。

使用：选择更多工具中的二维模拟，在假设类型这里将假设变量分为不确定性变量和变异性（可变性）变量。

区分假设变量：在例子中，不确定变量是水中污染物的浓度和CFP(癌症潜能因子)。虽然每一个都有一个固定的值，但它们是不确定的，因为不能直接测量它们。每个人的体重和每天的水量在人口中自然地不同，所以这两个假设被认定为可变性。

开始运行的最后一步——确定内外循环：最后一步允许定义希望运行多少个外部循环和内部循环，以及希望如何查看输出。对于这个模型，可决定分别运行1000次试验(内循环)的100次模拟(外循环)。单击Run运行该工具。

水晶球首先单步一次试验(随机值集)的两个不确定假设(外环)。然后，冻结这些假设值，Crystal Ball在两个可变性假设(内循环)上运行1000次试验。水晶球保存结果，重复这个过程99次以上。

结果：在完成模拟之后，该工具将创建一个包含2D模拟结果的单独工作簿。模拟结果显示在一个表格中，表格中包含每个模拟的预测均值、不确定性假设值和预测分布的统计数据(包括百分位数)。

6、OptQuest最优化：在不确定的条件下寻找最佳解决方案

基础案例：一个投资者有10万美元可以投资于四种资产。这个问题的不确定性来源是每种资产的年回报率。较保守的资产具有相对稳定的年收益，而最不保守的资产具有较高的波动性。决策问题是确定在每种资产上投资多少，以使总预期年收益最大化，同时将风险保持在可接受的水平，并保持在每种投资的最小和最大限度内。

资产介绍：下面列出了这些资产的预期年回报率，以及投资者可以放心配置到每项投资上的最低和最高金额。

结果：这里我们固定决策变量为1、1、1、7，即上下限相等，开始运行。

从图中可以得知我们挣到1万以上的概率大于百分之50，但是我们亏1万以上的概率也有7%

定义：OptQuest是一个与水晶球一起运行的优化工具。作为水晶球的一个插件，OptQuest通过自动搜索和寻找最佳解决方案增强了仿真模型。（两个重要特性：约束、需求。约束是对输入或决策变量的限制，而需求是对输出或预测统计数据的限制。）

例如，如果您是一个供应链经理，您可以使用Crystal Ball来模拟不确定的需求和库存短缺的可能性(给定特定的库存水平)。对于同样的问题，OptQuest可以帮助你确定足够的库存水平，降低持有成本，优化潜在利润，同时仍然考虑到需求的不确定性。

作用：模拟模型本身只能为某种情形提供一组可能的结果。利用 OptQuest，可以确定能获得您需要的结果的最佳决策变量组合。（可以理解为一个过滤器，对各个变量加需求，例如最大化、最小化、平均值、约束条件、模拟次数等等，并且得到最佳的一个决策组合！）总结来说，就是当你需要一组确切的决策组合时，OptQuest工具值得拥有！

相关设定：

1、目标：这里我们选择最大化投资组合的收益。也可以设置要求，比如说让标准差偏小来降低个人的风险。

2、决策变量：决策变量都是按照下限1万，上限五万来决定的（根据实际个人情况决定）。

3、约束：总的投资额度要小于10万。

4、选项：设置运行的模拟次数。

优化过程：OptQuest为每个决策变量选择一个值，将这些值输入到您的在excel表格上运行蒙特卡洛模拟，记录结果，并重复。在运行解决方案时，OptQuest还检查是否符合约束和要求。此外，OptQuest应用自适应和神经网络技术来帮助它从过去的优化中学习，这样可以在更短的时间内获得更好的结果。

结果输出：在输出结果中，我们可以看到在最优化的目标下，决策变量分别是多少。

7、相关性假设——投资组合分配模型

相关性概述：在水晶球中，概率分布(称为“假设”)通常是相互独立计算的。水晶球为每个假设生成随机数，而不考虑其他假设是如何生成随机数的。然而，由于在被建模的系统中变量之间经常存在依赖关系，Crystal Ball有一个相关假设功能，可以在模型中构建这些依赖关系。当两个变量的值以任何方式相互依赖时，应该将它们关联起来以提高模拟的准确性。

上文的例子中，我们设置了4项投资项目，并且把它们的年回报率设置为假设变量，虽然每项投资的年回报率都是不确定的，但这些假设并不是独立的，因为它们具有相似的市场影响

相关性定义：相关性是通过定义假设对话框定义的。水晶球使用相关系数将对假设进行关联，该系数衡量了对假设之间关系的强度。在-1到1的范围内，系数可以是正的(0到1)，它们在同一方向上增加或减少，也可以是负的(0到-1)，其中一个增加而另一个减少。越接近-1到1，关系越强。相关设置如下所示。

假设：在本例中，假设知道增长（Growth and income fund）与收入基金（Income fund）和积极增长基金（Aggressive Growth fund）具有一些共同的市场影响，并且它们具有正相关关系(0.5)。在这两种假设中，都可以通过选择对话框右下方的correlation按钮来定义相关性。定义一些系数之后，我们可以在右边的小图中看到相关性关系图。

更多内容欢迎和我联系：