以赌场著名的摩纳哥的一个城区,蒙特卡洛,连接了数学里互相瞧不起的numeric和 stochastic方向。
蒙特卡洛方法在金融衍生品定价的应用,不言而喻,以致人们淡化了数学里追求的解析解。
这里,苟胆也说说我的硕士论文——蒙特卡洛的一种优化,复习下多层次蒙特卡洛(multilevel monte carlo),以及其中的一个扩展adaptive的mlmc。前者,由牛津大牛 giles得以发展弘扬,后者发表于之前斯德哥尔摩大学的一个小组(Håkon Hoel, Erik von Schwerin, Anders Szepessy, Raúl Tempone)。自适应多层次可以把欧式障碍期权的计算成本从普通的
且不受多障碍、多维度的影响。
在金融里面,会对标的价格(比如股票价格,spot rate)假设到某些stochastic process,所以有很多模型的名字,经典的black scholes, heston, HJM, Vasicek, Hull-white模型,而蒙特卡洛方法,就是模拟这些标的物(路径path)价格的,目的是求期末payoff的期望值
其中g是payoff的functional函数,
比如,假设股票价格服从
Euler-Maruyama离散方法对上面的SDE有弱收敛性convergence order 1。
假如我们利用ito公式继续对上面展开,会有milstein schema,以及general的taylor展开式离散方式,感兴趣的同学可以看看大牛P. Kloeden, E. Platen的Numerical Solution of Stochastic Differential Equations。(上过Kloeden的2门课,目前他退休后在华中科大捞钱)。
用Euler-Maruyama离散方式的蒙特卡洛方法称之为euler monte carlo。我们现在要用euler mc模拟期末的payoff,其实就是模拟N条path,对每个path的期末的payoff值求均值:
对任何的数值分析,判断好坏的标准当然是误差与收敛级数。这里,误差有
他可以拆为因为离散而造成的离散误差