可。
(五)随机最优化
Mo
teCarlo在随机最优化中的应用包括:模拟退火SimulatedA
eali
g、进化策略Evolutio
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、Mo
teCarlo形式与一般步骤(一)积分形式
做Mo
teCarlo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x0x1,fx为被积函数,ψx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ψx、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和期权行权价格的函数,我们用fx来表示期权收益。
(二)一般步骤
我将Mo
teCarlo分为三加一个步骤:1.依据概率分布ψx不断生成随机数x并计算fx由于随机数性质,每次生成的x的值都是不确定的,为区分起见,我们可以给生成的x赋予下标。如xi表示生成的第i个x。生成了多少个x,就可以计算出多少个fx的值2.将这些fx的值累加,并求平均值例如我们共生成了N个x,这个步骤用数学式子表达就是
3.到达停止条件后退出常用的停止条件有两种,一种是设定最多生成N个x,数量达到后即退出,另一种是检测计算结果与真实结果之间的误差,当这一误差小到某个范围之内时退出。有趣的类比:积分表达式中的积分符合类比为上式中累加符号,dx类比为1N(数学知识告诉我们积分实质是极限意义下的累加;fx还是它自己,积分中的ψx可类比为依据ψx生成随机数4.误差分析
2
fMo
teCarlo方法得到的结果是随机变量,因此,在给出点估计后,还需要给出此估计值的波动程度及区间估计。严格的误差分析首先要从证明收敛性出发,再计算理论方差,最后用样本方差来替代理论方差。在本课程中我们假定此方法收敛,同时得到的结果服从正态分布,因此可以直接用样本方差作区间估计。详细过程在例子中解释。这个步骤的理论意义很重要,但在实际应用中,它的重要性有所淡化,倘若你的老板不太懂这些知识,你报告计算结果时可以只告诉他点估计即可。r