opc r参数 ua_R语言非参时间序列（一）：Metropolis-Hastings算法——不同转移核的思考...

MCMC在金融工程中有着重要作用，它可以用来仿真产品价格分布以及波动，可以用来求解模型中的参数。Metropolis-Hastings算法是一种常用的MCMC算法，本文是我在使用MCMC时候的一些思考，和大家一起分享。阅读本文需要对MCMC有一定的认识，本文默认读者熟悉MCMC，并在此基础上对一些技术细节给出了自己的思考。文中算例采用R语言实现，每一个算例都非常简单，但是很具有代表性，如有不正确的地方，希望大家多多批评，多多指正。

---

0、Metropolis-Hastings算法回顾

算法的作用，是在已知某种概率密度函数（pdf）的情况下，生成一族服从这种概率密度函数的随机数。这里的概率分布函数应该是比较奇葩的，不然我们也不会用到MH算法。或者，是在已知某种函数的情况下，生成一族随机数，这族随机数的直方图的中点连线就是这个函数。说白了，这个函数就是非正则pdf。我这里说的pdf，可以是连续的，也可以是离散的。

转移核Q： 这个转移核的作用可以以某一个概率把i变为j，这个概率我们表示为Q（i，j）。例如某一个转移核能够以3/14的概率把7变成12.8，那么Q（7，12.8）=3/14。如果是离散的转移核，那我们很好理解，它可以是马尔科夫过程，Q就是马氏链的转移矩阵。如果是连续的转移核，那Q就应该是概率密度函数。

仿真目标P：算法的任务是生成一组随机数{

,t=0,1,2,3,4,......}，是的这一组随机数服从某一个我们需要的概率分布，这里P就是我们的目标概率密度函数，它可以是连续的，也可以是离散的。

为了统一符号的需要，本文的Metropolis-Hastings算法（MH算法，henceforth）如下：

Step1：我们需要选取一个转移核Q，这个转移核的作用是输入数A的时候能够以一定的概率变为数B；

Step2：选取一个初始

；

Step3：把

放入转移核Q使得它以某一种概率变为

，这个

到底是什么，我们提前不能知道，也不需要知道，我们只能知道转移出来的结果。我们只需要知道转移核会以某个概率把把

变为

；

Step4：生成一个随机数u~U（0,1），如果

那么

=

，否则

=

；

Step5：重复Step3-4，生成大量序列。

1、对（非正则）离散分布仿真，采用随机游走的转移核

假设我们要随机生成的随机变量X，需要满足如下的离散分布：