Да, я запустила несколько моделей Монте-Карло для стресс-тестирования портфеля. Всегда начинаю с чистого набора предположений, аккуратно дискретизирую доходность, и провожу достаточное количество сценариев — десятки тысяч — чтобы поведение в экстремальных ситуациях было стабильным. Как только получаю результаты, проверяю чувствительность к волатильности и корреляциям, чтобы наверняка не упустила какой-нибудь скрытый риск. Что у тебя не получается?

Сделай сначала быстрый тест на диагональное доминирование: если у тебя в матрице корреляций значения вне главной диагонали слишком велики по сравнению с дисперсиями на главной диагонали, матрица может стать плохо обусловленной. Вычисли собственные значения; если есть отрицательные или близкие к нулю — это повод для беспокойства. И ещё, перед добавлением нового актива, запусти модель только со старым набором данных, чтобы убедиться, что базовая матрица в порядке. Если базовая матрица стабильна, то, скорее всего, виноваты новые корреляции. Можно также немного уменьшить новые оценки корреляций, приблизив их к среднему значению выборки, или воспользоваться оценщиком Ледоя-Вольфа для регуляризации. Обычно это помогает сохранить матрицу положительно определенной, не вызывая проблем с дискретизацией.

Звучит отлично—только посмотри на разброс собственных чисел после сжатия; у хорошо обусловленной матрицы все собственные значения должны быть положительными и с достаточным зазором. Удачи с расчетом.