几种方差缩减方法效率的实证比较.docx

几种方差缩减方法效率的实证比较智冬晓摘要:在蒙特卡罗模拟中,方差缩减方法是提高模拟效率的重要手段。本文对几种常见的方差缩减方法进行了对比,结果发现,控制变量法不论是在计算精度还是在收敛速度上均优于其他方法,而且该方法操作简单,易于编程,是一种首选的计算方法。关键词:蒙特卡罗模拟;方差缩减;效率EmpiricalComparisonamongWaysofVarianceReductionZhiDongxiaoAbstract:InthesimulationbyMonteCarlo,theVarianceReductionisanimportantwaytoraisesimulationefficiency.Inthepaper,severalcommonVarianceReductiontechniquesarecompared.ResultsshowthatControlVariantstech-niqueexcelsotherwaysnotonlyoncalculationprecisionbutalsoonconvergencespeed,andthatitiseasytobeoper-atedandrealizedbyprogramming,soitisapreferredcalculationmethod.Keywords:MonteCarloSimulation;VarianceReduction;EfficiencyX!是A的一个无偏估计,方差为σ2/n。这也表明,蒙特卡罗的计算精度主要是由模拟次数所决定,因为σ2一般都是固定的。但由于某些实际问题较为复杂,即使是在高性能计算机辅助之下,其模拟过程一般都比较费时。此外,当σ2相对较大时,估计精度是很难保证的。例如,我们想要模拟估计一个小概率事件,它出现的概率是十万分之一或更小,这时即便是百万次的模拟结果都不能保证其计算精度。因此,控制估计值的方差、提高计算效率是蒙特卡罗方法的重要内容。方差缩减是通过改进原始的粗(raw)模拟方法,使用新的、方差较小的无偏估计量,以达到提高模拟效率的目的。针对实际中所遇到的问题,众多学者提出了不同的方差缩减方法,每种方法都有其应用特点和适用范围。但这些方法横向比较的研究较少,使得不同方法在应用中缺乏参考依据。因此,本文将对几种成熟的、被广泛使用的方差缩减方法做一比较,希望研究结果对方差缩减方法在实践中的应用能有一定的指导和借鉴作用。1前言蒙特卡罗方法(MonteCarlo,又称统计模拟方法)是现代科学计算中的一种重要方法,其基本思想是通过模拟随机数或随机过程来近似计算所要求解的真值。随着计算机技术的进步,蒙特卡罗方法也得到了长足的发展,应用领域十分广泛,在物理学、生物学、计算机科学、经济学和金融等学科中它都被作为一种重要的计算方法。蒙特卡罗方法的数学机理非常简单,假设A是我们所要求解的值,如它是一个随机变量X的期望值,则A的一个近似解就是对X重复抽样得到的一系列独立随机变量的算术平均值,即:nX!=1xni=1i由强大数定理可知P(limX!=A)=1∞作者简介:智冬晓,山西太原人,中国人民大学统计学院博士研究生,研究方向为应用统计、风险管理。21第10期智冬晓:几种方差缩减方法效率的实证比较其中c*为X对Y理论回归系数的相反数。在模拟多个随机变量时还可以引入多个不同的控制变量。2常用方差缩减方法简介目前常见的方差缩减方法主要有,对偶变量法2.3条件期望法条件期望法也被称为Rao-Blackwellization法。设(AntitheticVariables)、分层抽样法(StratifiedSam-pling)、控制变量法(ControlVariates)、条件期望法(Conditioning)、重要性抽样法(ImportanceSampling)等,这些方法中,有些是对估计量的改进,有些是使用的新的抽样方式。综合考虑方法流行性和通用性之后,本文将对对偶变量方法、控制变量法和条件期望法进行比较,这三种方法都是使用新的估计量代替原始的简单算术平均估计量。2.1对偶变量法设估计参数为A=E[X],X1和X2是期望为A的同分布随机变量,则待估参数A=E[X],X为随机变量;设另一个随机变量为Y,如E[X|Y]已知,则使用E[X|Y]作为新的估计量,可知E[E[X|Y]]=E[X]=A即E[X|Y]也是A的无偏估计量。同时由条件方差公式,Va(rX)=E[Va(rX|Y)]+Va(rE[X|Y])可知Va(rX)≥Va(rE[X|Y])因此使用这个新的估计量估计A所得方差较小。Va(rX1+X2)=1[Va(rX1)+Va(rX2)+2cov(X1,X2)]3实证比较考察蒙特卡罗方法的模拟效率主要考虑精度和24当X1和X2是负相关时,Var