蒙特卡罗算法和matlab_精品教程.pdf

第一章：Monte Carlo 方法概述 讲课人：Xaero Chang | 课程主页: /notes/intro2mc 本章主要概述 Monte Carlo 的一些基础知识，另外包括一个最简单的用 Monte Carlo 方法计算数值积分的例子。 一、Monte Carlo 历史渊源 Monte Carlo方法的实质是通过大量随机试验，利用概率论解决问题的一种数值方法， 基本思想是基于概率和体积间的相似性。它和 Simulation 有细微区别。单独的 Simulation 只 是模拟一些随机的运动，其结果是不确定的；Monte Carlo 在计算的中间过程中出现的数是 随机的，但是它要解决的问题的结果却是确定的。 历史上有记载的 Monte Carlo 试验始于十八世纪末期（约 1777 年），当时布丰（Buffon ） 为了计算圆周率，设计了一个“投针试验”。（后文会给出一个更加简单的计算圆周率的例 子）。虽然方法已经存在了 200 多年，此方法命名为 Monte Carlo 则是在二十世纪四十年， 美国原子弹计划的一个子项目需要使用 Monte Carlo 方法模拟中子对某种特殊材料的穿透作 用。出于保密缘故，每个项目都要一个代号，传闻命名代号时，项目负责人之一 von Neumann 灵犀一点选择摩洛哥著名赌城蒙特卡洛作为该项目名称，自此这种方法也就被命名为Monte Carlo 方法广为流传。 十一、Monte Carlo方法适用用途 （一）数值积分 计算一个定积分，如 ，如果我们能够得到 f(x) 的原函数 F(x) ，那么直接由表 达式: F(x1)-F(x0)可以得到该定积分的值。但是，很多情况下，由于 f(x)太复杂，我们无法 计算得到原函数 F(x) 的显示解，这时我们就只能用数值积分的办法。如下是一个简单的数值 积分的例子。 数值积分简单示例 如图，数值积分的基本原理是在自变量 x 的区间上取多个离散的点，用单个点的值来代 替该小段上函数 f(x)值。 常规的数值积分方法是在分段之后，将所有的柱子（粉红色方块）的面积全部加起来， 用这个面积来近似函数 f(x) （蓝色曲线）与x 轴围成的面积。这样做当然是不精确的，但是 随着分段数量增加，误差将减小，近似面积将逐渐逼近真实的面积。 Monte Carlo 数值积分方法和上述类似。差别在于，Monte Carlo 方法中，我们不需要 将所有方柱的面积相加，而只需要随机地抽取一些函数值，将他们的面积累加后计算平均值 就够了。通过相关数学知识可以证明，随着抽取点增加，近似面积也将逼近真实面积。 在金融产品定价中，我们接触到的大多数求基于某个随机变量的函数的期望值。考虑一 个欧式期权，假定我们已经知道在期权行权日的股票服从某种分布（理论模型中一般是正态 分布），那么用期权收益在这种分布上做积分求期望即可。 （五）随机最优化 Monte Carlo 在随机最优化中的应用包括：模拟退火(Simulated Annealing)、进化策略 (Evolution strategy)等等。一个最简单的例子是，已知某函数，我们要求此函数的最大值，那 么我们可以不断地在该函数定义域上随机取点，然后用得到的最大的点作为此函数的最大 值。这个例子实质也是随机数值积分，它等价于求此函数的无穷阶范数（ -Norm）在定义 域上的积分。 由于在金融产品定价中，这部分内容用的相对较不常见，所以此课程就不介绍随机最优 化方法了。 十二、Monte Carlo形式与一般步骤 （一）积分形式 做 Monte Carlo 时，求解积分的一般形式是： X 为自变量，它应该是随机的，定义域为(x0, x1)，f(x)为被积函数，ψ(x)是 x 的概率密 度。在计算欧式期权例子中，x 为期权到期日股票价格，由于我们计算期权价格的时候该期 权还没有到期，所以此时 x 是不确定的（是一随机变量），我们按照相应的理论，假设 x 的概率密度为ψ(x)、最高可能股价为x1(可以是正无穷）、最低可能股价为 x0 （可以是0 ）， 另外，期权收益是到期日股票价格 x 和期权行权价