准蒙特卡罗模拟
准蒙特卡罗模拟是使用准随机序列（而不是伪随机数）的蒙特卡罗模拟。准随机序列也称为低差异序列，是一种确定性的均匀分布序列，专门用于尽可能均匀地放置采样点。在许多情况下，这种均匀分布序列能够提升蒙特卡罗模拟的性能，加快计算速度，有时还能获得更高的精度。
使用伪随机数的标准蒙特卡罗模拟的收敛速度仅为 O(N-1/2)，而准蒙特卡罗模拟在最佳情况下的收敛速度则要快得多，误差可达 O(N-1)。例如，对于标准蒙特卡罗模拟，需要将模拟次数 NTrials 增加 100 倍才能将误差减少 90%，而准蒙特卡罗模拟只需少于甚至远少于 100 次的模拟就能实现同样的目标。
准蒙特卡罗模拟产生的是完全确定性结果。因此，在计算方差和构造估计值的置信区间时，随机准蒙特卡罗模拟非常有用，因为它的计算速度更快，有时还能获得更高的精度。您还可以使用随机准蒙特卡罗模拟为低差异序列引入随机化。
蒙特卡罗模拟的起点是构造一个布朗运动样本路径（或维纳路径）。此类路径使用标准离散化、布朗桥构造或主成分构造方法，基于一组独立的高斯变量构建而成。
要执行准蒙特卡罗模拟，请使用以下 SDE 对象支持的方法，为 MonteCarloMethod、QuasiSequence 和 BrownianMotionMethod 指定名称-值参量。例如，[paths,time,z] = simByEuler(cir_obj,10,'ntrials',4096,'method','basic','montecarlomethod','quasi','quasisequence','sobol','brownianmotionmethod','principal-components') 使用主成分构造方法，在 cir 模型下执行准蒙特卡罗模拟。
另请参阅
sde | bm | gbm | merton | bates | drift | diffusion | sdeddo | sdeld | cev | cir | heston | hwv | sdemrd | rvm | roughbergomi | roughheston | ts2func | simulate | simByEuler | simBySolution | simByQuadExp | simBySolution | simByMilstein | simByMilstein | simByMilstein | simByMilstein | simByMilstein2 | simByMilstein2 | simByMilstein2 | simByMilstein2 | simByMilstein2 | interpolate
主题
- Simulating Equity Prices
- Simulating Interest Rates
- Price American Basket Options Using Standard Monte Carlo and Quasi-Monte Carlo Simulation
- Improving Performance of Monte Carlo Simulation with Parallel Computing
- 基础 SDE 模型
- 漂移和扩散模型
- 线性漂移模型
- Parametric Models
- SDEs
- SDE Models
- SDE Class Hierarchy
- Performance Considerations
