bust_probability / goal_probability
前者是模拟路径中跌破 bust 阈值的比例，后者是达到 goal 阈值的比例。它们反映的是「在历史收益分布假设下」的风险暴露，不是对未来的确定性预言；分布一旦变化，结果可能明显偏移。
Parameters
蒙特卡洛参数对照表
依据官方 README Monte Carlo Simulations 段落；参数默认值以官方实现为准。
| 参数 / 属性 | 含义 | 如何取值 | 注意点 |
|---|---|---|---|
| returns | 收益序列（输入） | qs.utils.download_returns('META') 或自备 pandas Series | 需日/周/月收益序列，非原始价格 |
| sims | 模拟路径次数 | 官方示例 1000；次数越大越稳定 | 次数越大耗时越长，需权衡精度与时间 |
| bust | 破产阈值（亏损比例） | 官方示例 -0.20；按可承受亏损设负数 | 阈值越接近 0 越容易触发「破产」 |
| goal | 目标阈值（盈利比例） | 官方示例 0.50；按目标收益设正数 | 阈值越高越难达到，概率越低 |
| mc.bust_probability | 破产概率（输出） | 直接读属性，返回 0~1 或百分比 | 模拟路径中跌破 bust 阈值的比例 |
| mc.goal_probability / mc.plot() | 目标概率 / 分布绘图 | 读属性 + 调 mc.plot() 可视化 | plot() 生成模拟分布图，辅助直观判断 |
Steps
蒙特卡洛分步用法
1. 导入库：import quantstats as qs —— 引入 stats/plots/reports 三模块。
2. 取收益序列：stock = qs.utils.download_returns('META') —— 得到 Meta 的日收益序列，也可换自备 Series。
3. 运行模拟：mc = qs.stats.montecarlo(stock, sims=1000, bust=-0.20, goal=0.50) —— 生成 1000 条模拟路径，破产阈值 -20%、目标阈值 +50%。
4. 查看结果：mc.bust_probability、mc.goal_probability 返回两个百分比；mc.plot() 绘制模拟分布。
Related
相关蒙特卡洛方法对照表
除主方法外，stats 与 plots 还提供按指标拆分的蒙特卡洛方法。
| 方法 | 用途 | 适用场景 |
|---|---|---|
| montecarlo（主方法） | 模拟破产/目标概率 | 整体风险画像，看「爆仓 vs 达标」概率 |
| montecarlo_cagr | 模拟 CAGR（年化复合增长率）分布 | 看长期收益的不确定区间 |
| montecarlo_drawdown | 模拟最大回撤分布 | 看未来可能遭遇多深的回撤 |
| montecarlo_sharpe | 模拟夏普比率分布 | 看风险调整收益的稳定性 |
| montecarlo_distribution（plots） | 绘制模拟分布图 | 直观展示模拟结果分布形态 |
Interpretation
结果解读：概率怎么读、sims 怎么选
sims 次数的权衡
sims 越大，模拟结果越稳定（方差越小），但耗时线性上升。官方示例取 1000；对长收益序列或需要更精细尾部概率时，可适当提高，但要接受更长计算时间。
关键局限：蒙特卡洛基于「历史收益分布」随机重采样，隐含假设未来分布与历史相似。若未来出现分布漂移、结构性突变或尾部事件（黑天鹅），模拟概率可能低估真实风险，不构成收益保证或投资建议。
Compare
蒙特卡洛 vs 确定性指标：什么时候用哪个
两类指标回答不同的问题：确定性指标描述「历史发生了什么」，蒙特卡洛描述「在假设分布下未来可能发生什么」。
| 维度 | 确定性指标（历史最大回撤等） | 蒙特卡洛模拟 |
|---|---|---|
| 回答的问题 | 历史最大回撤是多少 | 未来回撤超过某阈值的概率多大 |
| 输出形态 | 单一数值（点估计） | 概率分布 / 百分比 |
| 依赖假设 | 仅历史数据 | 历史收益分布 + 随机模拟 |
| 适用场景 | 复盘历史、对比策略 | 前瞻风险画像、仓位压力测试 |
建议：两者配合使用——用历史指标做复盘基准，用蒙特卡洛补充「如果未来按历史分布重演」的概率视角；不把模拟概率当成保证。
FAQ
常见问题
蒙特卡洛模拟是什么？
按收益序列的历史分布随机生成大量路径，估算达到破产/目标阈值的概率，做概率化风险分析。具体算法与默认参数以官方 README/实现为准。
sims 设多少合适？
官方示例用 sims=1000；次数越多越稳定但越慢，需权衡精度与耗时，以官方文档为准。
破产/目标阈值怎么定？
按你的风险偏好设 bust（亏损比例，负数）与 goal（盈利比例，正数），官方示例用 -0.20 / 0.50；阈值设定会直接影响概率结果。
结果能预测未来吗？
不能。它基于历史收益分布模拟，隐含「未来分布与历史相似」的假设，不构成收益保证或投资建议。
蒙特卡洛和 EasyClaw 的量化分析有什么关系？
QuantStats 与 EasyClaw 无已证实集成。EasyClaw 的 quant-analyst（量化分析师）技能也涉及风险分析/回测，但实现与输出形式不同；两者是独立路线，选择前以各自官方说明为准。