蒙特卡洛模型方法.pdfVIP

蒙特卡罗方法（ Monte Carlo method ） 蒙特卡罗方法概述 蒙特卡罗方法又称统计模拟法、 随机抽样技术， 是一种随机模拟方法， 以概率和统计理 论方法为基础的一种计算方法， 是使用随机数 （或更常见的伪随机数） 来解决很多计算问题 的方法。 将所求解的问题同一定的概率模型相联系， 用电子计算机实现统计模拟或抽样， 以 获得问题的近似解。为象征性地表明这一方法的概率统计特征，故借用赌城蒙特卡罗命名。 蒙特卡罗方法的提出 蒙特卡罗方法于 20 世纪 40 年代美国在第二次世界大战中研制原子弹的“曼哈顿计划” 计划的成员 S．M．乌拉姆和 J ．冯·诺伊曼首先提出。数学家冯·诺伊曼用驰名世界的赌城 —摩纳哥的 Monte Carlo —来命名这种方法，为它蒙上了一层神秘色彩。在这之前，蒙特卡 罗方法就已经存在。 1777 年，法国 Buffon 提出用投针实验的方法求圆周率∏。这被认为是 蒙特卡罗方法的起源。 蒙特卡罗方法的基本思想 Monte Carlo 方法的基本思想很早以前就被人们所发现和利用。早在 17 世纪，人们就 知道用事件发生的“频率”来决定事件的“概率”。 19 世纪人们用投针试验的方法来决定 圆周率 π。本世纪 40 年代电子计算机的出现，特别是近年来高速电子计算机的出现，使得 用数学方法在计算机上大量、快速地模拟这样的试验成为可能。 考虑平面上的一个边长为 1 的正方形及其内部的一个形状不规则的 “图形”，如何求出 这个“图形”的面积呢 ?Monte Carlo 方法是这样一种“随机化”的方法：向该正方形“随 机地”投掷 N 个点，有 M个点落于“图形”内，则该“图形”的面积近似为 M/N。可用民意 测验来作一个不严格的比喻。 民意测验的人不是征询每一个登记选民的意见， 而是通过对选 民进行小规模的抽样调查来确定可能的优胜者。其基本思想是一样的。 科技计算中的问题比这要复杂得多。比如金融衍生产品（期权、期货、掉期等）的定价及交 易风险估算，问题的维数（即变量的个数）可能高达数百甚至数千。对这类问题，难度随维 数的增加呈指数增长，这就是所谓的“维数的灾难”（ Curse of Dimensionality ），传统 的数值方法难以对付（即使使用速度最快的计算机）。 Monte Carlo 方法能很好地用来对付 维数的灾难， 因为该方法的计算复杂性不再依赖于维数。 以前那些本来是无法计算的问题现 在也能够计算量。为提高方法的效率，科学家们提出了许多所谓的“方差缩减”技巧。 另一类形式与 Monte Carlo 方法相似，但理论基础不同的方法—“拟蒙特卡罗方法” （Quasi －Monte Carlo 方法）—近年来也获得迅速发展。我国数学家华罗庚、王元提出的 “华—王”方法即是其中的一例。这种方法的基本思想是 “用确定性的超均匀分布序列 （数 学上称为 Low Discrepancy Sequences ）代替 Monte Carlo 方法中的随机数序列。对某些问 题该方法的实际速度一般可比 Monte Carlo 方法提出高数百倍，并可计算精确度。 蒙特卡罗方法的基本原理 由概率定义知， 某事件的概率可以用大量试验中该事件发生的频率来估算， 当样本容量 足够大时， 可以认为该事件的发生频率即为其概率。 因此， 可以先对影响其可靠度的随机变 量进行大量的随机抽样， 然后把这些抽样值一组一组地代入功能函数式，