31蒙特卡罗算法与matlab.pdfVIP

一章：Monte Carlo 方法概述 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 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 ，假定我们已经知道在期 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 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, x 1)，f(x)为被积函数，ψ(x)是x 的概率密 度。在计算欧式期 例子中，x 为期 到期日股票价格，由于我们计算期 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x 1(可以是正无穷）、最低可能股价为x0 （可以是0 ）， 另外，期 收益是到期日股票价格x 和期 行 价格的函数，我们用f(x)来表示期 收益。 （二）一般步骤 我将Monte Carlo 分为三加一个步骤： 1．依据概率分布ψ(