期權(quán)定價中的蒙特卡洛模擬方法new

編號：時間：2021年x月x日書山有路勤為徑，學(xué)海無涯苦作舟頁碼：第頁期權(quán)定價中的蒙特卡洛模擬方法期權(quán)作為最基礎(chǔ)的金融衍生產(chǎn)品之一，為其定價一直是金融工程的重要研究領(lǐng)域，主要使用的定價方法有偏微分方程法、鞅方法和數(shù)值方法。而數(shù)值方法又包括了二叉樹方法、有限差分法和蒙特卡洛模擬方法。蒙特卡洛方法的理論基礎(chǔ)是概率論與數(shù)理統(tǒng)計，其實質(zhì)是通過模擬標(biāo)的資產(chǎn)價格路徑預(yù)測期權(quán)的平均回報并得到期權(quán)價格估計值。蒙特卡洛方法的最大優(yōu)勢是誤差收斂率不依賴于問題的維數(shù)，從而非常適宜為高維期權(quán)定價?！?.預(yù)備知識◆兩個重要的定理：柯爾莫哥洛夫(Kolmogorov)強(qiáng)大數(shù)定律和萊維一林德貝格(Levy-Lindeberg)中心極限定理。大數(shù)定律是概率論中用以說明大量隨機(jī)現(xiàn)象平均結(jié)果穩(wěn)定性的一系列極限定律。在蒙特卡洛方法中用到的是隨機(jī)變量序列同分布的Kolmogorov強(qiáng)大數(shù)定律：設(shè)為獨立同分布的隨機(jī)變量序列，若則有顯然，若是由同一總體中得到的抽樣，那么由此大數(shù)定律可知樣本均值當(dāng)n很大時以概率1收斂于總體均值。中心極限定理是研究隨機(jī)變量之和的極限分布在何種情形下是正態(tài)的，并由此應(yīng)用正態(tài)分布的良好性質(zhì)解決實際問題。設(shè)為獨立同分布的隨機(jī)變量序列，若則有其等價形式為?！鬊lack-Scholes期權(quán)定價模型模型的假設(shè)條件：1、標(biāo)的證券的價格遵循幾何布朗運動其中，標(biāo)的資產(chǎn)的價格是時間的函數(shù)，為標(biāo)的資產(chǎn)的瞬時期望收益率，為標(biāo)的資產(chǎn)的波動率，是維納過程。2、證券允許賣空、證券交易連續(xù)和證券高度可分。3、不考慮交易費用或稅收等交易成本。4、在衍生證券的存續(xù)期內(nèi)不支付紅利。5、市場上不存在無風(fēng)險的套利機(jī)會。6、無風(fēng)險利率為一個固定的常數(shù)。下面，通過構(gòu)造標(biāo)的資產(chǎn)與期權(quán)的資產(chǎn)組合并根據(jù)無套利定價原理建立期權(quán)定價模型。首先，為了得到期權(quán)的微分形式，先介紹隨機(jī)微積分中的最重要的伊藤公式。伊藤Ito公式：設(shè)，是二元可微函數(shù)，若隨機(jī)過程滿足如下的隨機(jī)微分方程則有根據(jù)伊藤公式，當(dāng)標(biāo)的資產(chǎn)的運動規(guī)律服從假設(shè)條件中的幾何布朗運動時，期權(quán)的價值的微分形式為現(xiàn)在構(gòu)造無風(fēng)險資產(chǎn)組合，即有，經(jīng)整理后得到這個表達(dá)式就是表示期權(quán)價格變化的Black-Scholes偏微分方程。它同時適合歐式看漲期權(quán)、歐式看跌期權(quán)、美式看漲期權(quán)和美式看跌期權(quán)，只是它們的終值條件和邊界條件不同，其價值也不相同。歐式看漲期權(quán)的終邊值條件分別為，通過求解帶有終邊值條件的偏微分方程，得出歐式看漲期權(quán)的的解析解：其中，，，，為期權(quán)的執(zhí)行日期，為期權(quán)的執(zhí)行價格。歐式看跌期權(quán)的終邊值條件分別為，此外，美式看漲期權(quán)的終值條件為，美式看跌期權(quán)的終值條件為。然而，美式期權(quán)的價值沒有解析解，我們一般可通過數(shù)值方法（蒙特卡洛模擬、有限差分法等）求得其近似解。◆風(fēng)險中性期權(quán)定價模型如果期權(quán)的標(biāo)的資產(chǎn)價格服從幾何布朗運動即標(biāo)的資產(chǎn)的瞬時期望收益率取為無風(fēng)險利率。同理，根據(jù)伊藤公式可以得到對數(shù)正態(tài)分布的概率密度函數(shù)：設(shè)，，則的密度函數(shù)為根據(jù)上述公式，得到標(biāo)的資產(chǎn)的密度函數(shù)如下在風(fēng)險中性概率測度下，歐式看漲期權(quán)定價為：接下來，求解以上風(fēng)險中性期望。首先，對上式的右邊第一個廣義積分分別作變量替換和，可以得到再對等式的右邊的第二個無窮積分，令，可求得將以上的計算結(jié)果代入期望等式中，得到歐式看漲期權(quán)的價格公式為：其中，，?？梢钥闯觯瑢τ跉W式看漲期權(quán)的風(fēng)險中性定價方法的結(jié)果與基于資產(chǎn)復(fù)制的偏微分方程定價方法的結(jié)果是一致的。基于風(fēng)險中性的期權(quán)定價原理在于：任何資產(chǎn)在風(fēng)險中性概率測度下，對于持有者來說都是風(fēng)險偏好中性的，便可用風(fēng)險中性概率求取期權(quán)的期望回報再將其進(jìn)行無風(fēng)險折現(xiàn)便是初始時刻的期權(quán)價值。蒙特卡洛模擬方法就是一種基于風(fēng)險中性原理的期權(quán)數(shù)值定價方法?！?.蒙特卡洛模擬方法及其效率假設(shè)所求量是隨機(jī)變量的數(shù)學(xué)期望，那么近似確定的蒙特卡洛方法是對進(jìn)行n次重復(fù)抽樣，產(chǎn)生獨立同分布的隨機(jī)變量序列，并計算樣本均值。那么根據(jù)Kolmogorov強(qiáng)大數(shù)定律有。因此，當(dāng)n充分大時，可用作為所求量的估計值。由中心極限定理可得到估計的誤差。設(shè)隨機(jī)變量的方差，對于標(biāo)準(zhǔn)正態(tài)分布的上分位數(shù)，有這表明，置信水平對應(yīng)的漸近置信區(qū)間是。實際上，由此可確定蒙特卡洛方法的概率化誤差邊界，其誤差為，誤差收斂速度是。不難看出，蒙特卡洛方法的誤差是由和決定的。在對同一個進(jìn)行抽樣的前提下，若想將精度提高一位數(shù)字，要么固定，將n增大100倍；要么固定n將減小10倍。若兩個隨機(jī)變量的數(shù)學(xué)期望，，那么無論從或中抽樣均可得到的蒙特卡洛估計值。比較其誤差，設(shè)獲得的一個抽樣所需的機(jī)時為，那么在時間T內(nèi)生成的抽樣數(shù)，若使，則需使。因而，若要提高蒙特卡羅方法的效率，不能單純考慮增加模擬的次數(shù)n或是減小方差，應(yīng)當(dāng)在減小方差的同時兼顧抽取一個樣本所耗費的機(jī)時，使方差與機(jī)時t的乘積盡量的小?！?.蒙特卡洛模擬方法為期權(quán)定價的實現(xiàn)步驟期權(quán)定價的蒙特卡洛方法的理論依據(jù)是風(fēng)險中性定價原理：在風(fēng)險中性測度下，期權(quán)價格能夠表示為其到期回報的貼現(xiàn)的期望值，即，其中的表示風(fēng)險中性期望，r為無風(fēng)險利率，T為期權(quán)的到期執(zhí)行時刻，是關(guān)于標(biāo)的資產(chǎn)價格路徑的預(yù)期收益。由此可知，計算期權(quán)價格即就是計算一個期望值，蒙特卡洛方法便是用于估計期望值，因此可以得到期權(quán)定價的蒙特卡洛方法。一般地，期權(quán)定價的蒙特卡洛模擬方法包含以下幾步（以歐式看漲期權(quán)為例）:(l)在風(fēng)險中性測度下模擬標(biāo)的資產(chǎn)的價格路徑將時間區(qū)間分成n個子區(qū)間，標(biāo)的資產(chǎn)價格過程的離散形式是，(2)計算在這條路徑下期權(quán)的到期回報，并根據(jù)無風(fēng)險利率求得回報的貼現(xiàn)(3)重復(fù)前兩步，得到大量期權(quán)回報貼現(xiàn)值的抽樣樣本(4)求樣本均值，得到期權(quán)價格的蒙特卡洛模擬值另外，我們還可以得到蒙特卡洛模擬值與真值的概率化誤差邊界，這也是蒙特卡洛方法為期權(quán)定價的優(yōu)勢之一。由于，m條路徑的收益均值為，m條路徑的方差為，則可得95%的置信區(qū)間為。例1：假設(shè)無紅利的股票A，初始價格為￥6，價格過程服從幾何布朗運動，年預(yù)期收益率為10%，收益率的波動率為每年25%，時間步長為0.01年（1年為100時間步），給定數(shù)據(jù)，，以及＝100，用蒙特卡洛方法模擬資產(chǎn)的價格路徑如下：（1）（2）圖（1）蒙特卡洛方法模擬股票A價格路徑，圖（2）蒙特卡洛方法模擬股票B價格路徑。若無紅利的股票B、C、D，其價格均為￥6，股票B的期望收益率為0.1，波動率為0.6；股票C的期望收益率為0.5，波動率為0.25；股票D的期望收益率為0.5，波動率為0.6，分別用蒙特卡洛方法模擬該三種股票在一年內(nèi)的價格路徑如下：（3）（4）圖（3）蒙特卡洛方法模擬股票C價格路徑，圖（4）蒙特卡洛方法模擬股票D價格路徑。從圖中可以看出，股票C和股票D的價格上升速度較快，而股票B和股票D的價格波動比較大。這是與股票C和股票D價格的期望收益率較高，股票B和股票D價格的波動率較高相對應(yīng)的。歐式看漲期權(quán)，通過Black-Scholes公式計算得的精確值為，蒙特卡洛模擬的價格為，其蒙特卡洛模擬圖如下：（5）上述同樣的條件，路徑由100逐漸增加到1000000條，對應(yīng)地分別得到的期權(quán)價值的模擬值和置信區(qū)間，結(jié)果如下表所示：各種路徑下蒙特卡洛方法模擬的95%置信區(qū)間N模擬值置信區(qū)間1004.3146[4.0112,4.6180]5004.2262[4.0962,4.3563]10004.2213[4.1287,4.3139]20004.1633[4.0984,4.2281]50004.1695[4.1280,4.2111]100004.1787[4.1490,4.2083]500004.1960[4.1826,4.2094]1000004.1886[4.1791,4.1980]10000004.1914[4.1884,4.1944]§4.蒙特卡洛模擬方法為我國權(quán)證定價權(quán)證是一種合同，權(quán)證投資者在約定時間內(nèi)有權(quán)按約定價格向發(fā)行人購入或者出售合同規(guī)定的標(biāo)的證券。權(quán)證發(fā)行人可以是標(biāo)的證券的發(fā)行人或其之外的第三方。權(quán)證主要具有價格發(fā)現(xiàn)和風(fēng)險管理的功能，它是一種有效的風(fēng)險管理和資源配置工具?，F(xiàn)選取我國認(rèn)股權(quán)證中的五糧YGC1、馬鋼CWB1、伊利CWB1為例，以2006年的價格作為樣本區(qū)間模擬認(rèn)股權(quán)證的價值，并將這些權(quán)證的蒙特卡洛模擬價值和由wind數(shù)據(jù)庫給出的理論值進(jìn)行比較。本例采用一年期短期利率2.52%作為無風(fēng)險利率，用這些權(quán)證的正股股票價格序列來計算波動率?，F(xiàn)實中用等時間間隔觀測股票價格序列，股票投資的連續(xù)復(fù)利收益率，（），則的樣本標(biāo)準(zhǔn)差。如果用日數(shù)據(jù)計算波動率，則年度波動率按下式計算：年度波動率＝日波動率*（每年的交易日數(shù)）1/2將時間區(qū)間取為2006年12月1日－2006年12月29日，則由蒙特卡洛方法模擬的認(rèn)股權(quán)證價格與Black-Scholes模型的精確值和市場價格比較的結(jié)果如下：蒙特卡洛方法對五糧YGC1認(rèn)股權(quán)證的模擬（）日期實際值蒙特卡洛模擬值理論值日期實際值蒙特卡洛模擬值理論值12-110.16410.0669.82112-1812.10013.52413.35112-410.12010.35710.12112-1912.08013.57413.40112-59.88010.63010.40112-2012.21013.77113.60112-69.39510.38610.15112-2111.90013.37613.20112-79.1479.9989.75112-2211.42012.68712.50112-89.0509.7859.53112-2512.03813.74213.57112-119.8509.2258.95112-2611.97813.40613.23112-129.82510.60010.37112-2713.00114.36414.20112-139.76610.26010.02112-2813.05014.61214.45112-1410.58911.33211.12112-2914.50016.19816.05112-1510.84912.02811.831－－－－蒙特卡洛方法對馬鋼CWB1認(rèn)股權(quán)證的模擬（）日期實際值蒙特卡洛模擬值理論值日期實際值蒙特卡洛模擬值理論值12-11.1431.2440.56912-181.7751.7091.05212-41.2091.1880.51712-191.8031.7091.05212-51.2411.2230.54912-201.7301.7561.10312-61.3491.2230.54912-211.6411.7091.05212-71.6331.4160.74312-221.7001.5420.77812-81.7501.6180.95212-251.7071.4530.84812-111.9191.4160.74312-261.8351.5201.05212-121.8741.6180.95212-271.7761.7091.05212-131.7941.7481.09412-281.6441.8111.16312-141.7941.6330.96912-291.7081.7481.09412-151.8301.6330.969－－－－蒙特卡洛方法對伊利CWB1認(rèn)股權(quán)證的模擬（）日期實際值蒙特卡洛模擬值理論值日期實際值蒙特卡洛模擬值理論值12-113.32413.53312.62912-1814.76014.81813.98812-413.25013.94713.06912-1915.47915.54114.74812-513.29613.95713.07912-2015.48716.63015.88812-612.91113.95713.07912-2115.59416.44915.69812-712.85313.28812.36912-2215.16816.57315.82812-812.73412.76311.80912-2516.61615.81715.03812-1112.92012.57611.60912-2616.61917.75417.05812-1214.05912.94111.99912-2717.67317.87917.18812-1313.52814.10813.23912-2817.67319.72619.09812-1414.28113.81512.92912-2917.67319.72619.09812-1514.34914.61913.778－－－－從表可看出，由蒙特卡洛方法模擬的認(rèn)購權(quán)證價格的模擬值比由Black-Scholes公式計算的理論值更接近實際值。為了更直觀的比較，由蒙特卡洛方法模擬的認(rèn)股權(quán)證價格與Black-Scholes模型的精確值和市場價格比較的結(jié)果如下圖。其中SJ代表實際值，MC代表蒙特卡洛方法求得的模擬值，BS代表由Black-Scholes公式計算出的理論值。五糧YGC1價格模擬比較圖馬鋼CWB1價格模擬比較圖伊利CWB1價格模擬比較圖從圖中明顯看出，五糧YGC1和伊利CWB1的模擬結(jié)果比較好，蒙特卡洛模擬值和Black-Scholes模型的理論值均與實際值吻合；而馬鋼CWB1的實證結(jié)果不理想，但是三種結(jié)果的走勢圖有共同的趨勢。從比較分析中發(fā)現(xiàn)蒙特卡洛方法模擬的價格比Black-Scholes模型更接近實際價格。對于這些認(rèn)股權(quán)證價格的模擬結(jié)果的好壞，受諸多因素影響，主要與選取的波動率和中國權(quán)證市場的發(fā)展特點有關(guān)等等?！綦[含波動率及其數(shù)值計算方法隱含波動率是一個在市場上無法觀察到的波動率，是通過Black-Scholes期權(quán)定價公式計算出來的波動率。由于我們無法給出它的解析解，因此，只能借助于數(shù)值計算給出近似解。下面介紹牛頓迭代法計算隱含波動率。牛頓迭代法是牛頓在17世紀(jì)提出的一種在實數(shù)域上近似求解方程根的方法。步驟1.將函數(shù)在點附近展開成泰勒級數(shù)步驟2.取泰勒級數(shù)的前兩項作為假設(shè)，求解方程，并令其解為，得，這樣得到迭代公式，經(jīng)過n次迭代后，可以求出的近似解。根據(jù)牛頓迭代法，隱含波動率的計算步驟如下：1.假設(shè)其他變量保持不變，認(rèn)為函數(shù)是隱含波動率的一元函數(shù)，其中的是市場上觀察到的期權(quán)價格。2.求函數(shù)的導(dǎo)數(shù)3.由迭代公式計算波動率，直至（是期望達(dá)到的精度）。此外，為了計算隱含波動率，經(jīng)濟(jì)學(xué)家和理財專家曾做過種種努力試圖尋找一個計算波動率的公式。如Brenner和Subrahmanyam于1988年，Chance于1993年分別提出計算隱含波動率的公式，雖然這些公式對于持有平價期權(quán)的波動率的計算還算準(zhǔn)確，但是基礎(chǔ)資產(chǎn)的價格一旦偏離期權(quán)的執(zhí)行價格的現(xiàn)值，其準(zhǔn)確性就會喪失。1996年，Corrado和Miller在前人研究的基礎(chǔ)上建立了如下公式，大大提高了隱含波動率的計算的準(zhǔn)確性：§5最小二乘蒙特卡洛模擬與美式期權(quán)定價運用最小二乘蒙特卡洛模擬方法為美式期權(quán)定價的基本原理與蒙特卡洛模擬方法基本相同，并且用最小二乘回歸同時還可解決各樣本時點上繼續(xù)持有期權(quán)價值的確定和各樣本路徑的最優(yōu)停時的確定。其基本思路是：在期權(quán)的有效期內(nèi)，將其標(biāo)的資產(chǎn)價格過程離散化，隨機(jī)模擬出標(biāo)的資產(chǎn)價格的多條樣本路徑，從而得到每個時刻資產(chǎn)價格的截面數(shù)據(jù)。選取以某時刻資產(chǎn)價格為變量的一組基函數(shù)作為解釋變量，下一時刻期權(quán)價值的貼現(xiàn)值作為被解釋變量，進(jìn)行最小二乘法回歸求得該時刻期權(quán)的持有價值，并與該時刻期權(quán)的內(nèi)在價值作比較，若后者較大，則應(yīng)該立即執(zhí)行期權(quán)，否則，就應(yīng)繼續(xù)持有期權(quán)。最小二乘蒙特卡洛模擬方法定價的基本實現(xiàn)步驟：首先，隨機(jī)生成標(biāo)的資產(chǎn)價格的多條樣本路徑；然后，從到期時刻逆向求解，比較期權(quán)的內(nèi)在價值與持有價值，確定出各時刻期權(quán)價值和每條樣本路徑的最優(yōu)停時；最后，將所有樣本的的期權(quán)價值求取按無風(fēng)險利率貼現(xiàn)的算數(shù)平均值便是模擬的期權(quán)價值。下面，我們運用最小二乘蒙特卡洛模擬方法對單個標(biāo)的資產(chǎn)的美式看跌期權(quán)進(jìn)行定價，其算法實現(xiàn)步驟如下：第一步：隨機(jī)生成標(biāo)的資產(chǎn)價格過程的多條樣本路徑現(xiàn)設(shè)一單個標(biāo)的資產(chǎn)美式看跌期權(quán)的持有到期日為，期權(quán)的執(zhí)行時刻為，，標(biāo)的資產(chǎn)價格為，期權(quán)的執(zhí)行價格為。在風(fēng)險中性條件下，該期權(quán)的初始時刻價值為：其中，為標(biāo)的資產(chǎn)價格的路徑，是在最優(yōu)執(zhí)行時刻的期權(quán)價值。上式定義的便是將要運用最小二乘蒙特卡洛方法進(jìn)行模擬的期權(quán)價值。將期權(quán)的存續(xù)區(qū)間均分為個子區(qū)間，則每個子區(qū)間的長度為，標(biāo)的資產(chǎn)價格過程的離散形式：其中，，隨機(jī)變量服從標(biāo)準(zhǔn)正態(tài)分布。因此，利用生成隨機(jī)數(shù)模擬得到標(biāo)的資產(chǎn)價格的一條樣本路徑，重復(fù)執(zhí)行次模擬，我們可得到資產(chǎn)價格的總樣本。第二步：計算各個樣本的最優(yōu)停時及各時刻的期權(quán)價值對于美式看跌期權(quán)，在期權(quán)的有效時刻，樣本路徑上的內(nèi)在價值為，持有價值為。由于美式期權(quán)在有效期的任何時候都可行權(quán)，所以必須比較該時刻期權(quán)的內(nèi)在價值與持有價值的大小，以確定該時刻的期權(quán)價值以及是否執(zhí)行期權(quán)，即由期權(quán)的持有價值表達(dá)式可知它依賴于下一步期權(quán)決策的價值，需通過逆向求解這個期望價值，這正是普通的蒙特卡洛模擬法為美式期權(quán)定價的難點所在。最小二乘蒙特卡洛模擬方法通過建立一個當(dāng)前時刻標(biāo)的資產(chǎn)價格與下一時刻期權(quán)價值貼現(xiàn)值的線性回歸計量模型：上述模型以所有樣本路徑在時刻的價格和作為解釋變量，對應(yīng)的下一時刻期權(quán)價值的現(xiàn)值作為被解釋變量。采用普通最小二乘法進(jìn)行回歸，求得回歸系數(shù)的估計值和樣本回歸方程；再將各個資產(chǎn)價格樣本代入到回歸方程分別可以得到其期權(quán)的持有價值估計值，根據(jù)計量經(jīng)濟(jì)學(xué)的理論，這個估計值就是在標(biāo)的資產(chǎn)價格下的期權(quán)持有價值的無偏估計值。另外，本例中選取基函數(shù)作為解釋變量，根據(jù)實際情況中也可以選取其他形式的基函數(shù)：。作為解釋變量?，F(xiàn)在，我們從到期日開始倒推計算求解每條樣本路徑上的最優(yōu)停時和每個樣本點的期權(quán)價值。在到期日，執(zhí)行看跌期權(quán)的價值為。接著，判斷在時刻是否行權(quán)。若期權(quán)處于實值狀態(tài)，即，則與繼續(xù)持有期權(quán)的價值相比較，若內(nèi)在價值大于持有價值，則應(yīng)立即執(zhí)行期權(quán)；否則，繼續(xù)持有期權(quán)?？紤]在該時刻期權(quán)處于實值的樣本子集，近似期權(quán)持有價值的回歸方程為：其中，，是時刻所有期權(quán)處于實值狀態(tài)的標(biāo)的資產(chǎn)價格樣本集。在時刻的資產(chǎn)價格信息下，比較內(nèi)在價值與繼續(xù)持有期權(quán)的價值就可做出是否執(zhí)行期權(quán)的決策。同理，我們可倒推繼續(xù)求得時刻的期權(quán)持有價值。對于每條樣本路徑，期權(quán)或是在最優(yōu)停時執(zhí)行，或是永不執(zhí)行。具體設(shè)計程序時，令初值，在時刻，如果繼續(xù)持有期權(quán)，則不變；如果執(zhí)行期權(quán)，則，依此類推。每個樣本上就只有一個最優(yōu)停時，每次更新，最后便求得每條樣本路徑上的最優(yōu)停時。第三步：對各條樣本路徑上的期權(quán)價值按無風(fēng)險利率貼現(xiàn)并求其均值經(jīng)過次模擬后，得到條標(biāo)的資產(chǎn)價格的樣本路徑，以及每條樣本路徑上的最優(yōu)停時和在該時刻的期權(quán)價值：由于每條樣本路徑上的最優(yōu)執(zhí)行時間不同，期權(quán)價值的貼現(xiàn)因子也不同，所以應(yīng)分別進(jìn)行貼現(xiàn)求均值，最終得到初始時刻期權(quán)價值的最小二乘蒙特卡洛模擬值：例3：已知股票價格為50，美式看跌期權(quán)執(zhí)行價為50到期日為5個月，股票年收益率的標(biāo)準(zhǔn)差為0.4，無風(fēng)險利率為10%，用最小二乘蒙特卡洛模擬其價格。編制最小二乘蒙特卡洛模擬的MATLAB程序如下：functionprice=AmericanOptLSM(S0,K,r,T,sigma,N,M)dt=T/N;R=exp((r-sigma^2/2)*dt+sigma*sqrt(dt)*randn(N,M));S=cumprod([S0*ones(1,M);R]);ExTime=N*ones(M,1);CF=zeros(size(S));CF(end,:)=max(K-S(end,:),0);forii=N:-1:2Idx=find(S(ii,:)<K);X=S(ii,Idx)';X1=X/S0;Y=CF(ii+1,Idx)'*exp(-r*dt);R=[ones(size(X1))(1-X1)1/2*(2-4*X1+X1.^2)];a=R\Y;C=R*a;Jdx=max(K-X,0)>C;nIdx=setdiff((1:M),Idx(Jdx));CF(ii,Idx(Jdx))=max(K-X(Jdx)',0);ExTime(Idx(Jdx))=ii;CF(ii,nIdx)=exp(-r*dt)*CF(ii+1,nIdx);endPrice=mean(CF(2,:))*exp(-r*dt)%%%%%繪制標(biāo)的股票價格模擬圖%%%%%x1=[0:N];y1=S';y2=mean(S');subplot(2,1,1)plot(x1,y1)subplot(2,1,2)plot(x1,y2)xlabel('期權(quán)存續(xù)期間')ylabel('股價的模擬路徑')%%%%%繪制期權(quán)價值模擬圖%%%%%figure;x2=[1:N];y3=CF(2:end,:)';fori=1:My4(i)=y3(i,ExTime(i));endplot(x2,y3,ExTime,y4,'*')xlabel('期權(quán)的最優(yōu)停止時間')ylabel('期權(quán)價值的模擬路徑')模擬的美式看跌期權(quán)的價格路徑如下圖所示：模擬的期權(quán)價值路徑及其最優(yōu)停時如下圖：本例中的美式看跌期權(quán)價格為：price=AmericanOptLSM(50,50,0.1,5/12,0.4,50,100000)Price=4.2654§6改進(jìn)蒙特卡洛方法計算效率的常用幾種方差減少技術(shù)方差減少技術(shù)的共性是利用模型特點，調(diào)整或修正模擬的輸出變量，從而降低估計值的方差。在采用方差減少技術(shù)時，要具體問題具體分析，針對不同期權(quán)類型的特點應(yīng)用相關(guān)的方差減少技術(shù)，從而取得效率的最大改進(jìn)?！魧ε甲兞?Antitheticvariates)技術(shù)對偶變量技術(shù)是最簡單和最常用的方差減少技術(shù)。以標(biāo)準(zhǔn)歐式看漲期權(quán)為例，其標(biāo)準(zhǔn)蒙特卡洛估計值為標(biāo)的股票的股價終值抽樣為由概率論的知識可知也是標(biāo)準(zhǔn)正態(tài)分布中相互獨立的抽樣值，那么用代替得到的也是股票價格終值的抽樣，從而由的平均值也能得到期權(quán)價格的無偏估計量。因此，由對偶變量技術(shù)得到的期權(quán)價格蒙特卡洛估計值為。對偶變量技術(shù)的有效性：由于，所以；并且，令，對于標(biāo)準(zhǔn)歐式看漲期權(quán)，是單調(diào)遞增函數(shù)。由不等式，可知，從而，對偶變量技術(shù)有效。顯然，標(biāo)準(zhǔn)歐式看跌期權(quán)和亞式期權(quán)對應(yīng)的必也是單調(diào)函數(shù)，所以對偶變量技術(shù)對這兩種期權(quán)也適用，而障礙期權(quán)和回望期權(quán)則反之。對偶變量技術(shù)置信區(qū)間的估計：由于并不獨立，而才是獨立同分布的抽樣，故采用n個而非2n個來計算樣本標(biāo)準(zhǔn)差。以上對偶變量技術(shù)采用的輸入變量Z服從標(biāo)準(zhǔn)正態(tài)分布，實際上使用更廣泛的輸入變量是隨機(jī)數(shù)。顯然，與具有相同分布且兩者負(fù)相關(guān)，從而只要輸入變量與輸出變量存在單調(diào)關(guān)系，對應(yīng)的輸出變量與對應(yīng)的輸出變量也存在負(fù)相關(guān)關(guān)系，對偶變量技術(shù)有效?！艨刂谱兞?Controlvariates)技術(shù)一元控制變量：若是期權(quán)到期回報貼現(xiàn)的n次獨立模擬值，那么期權(quán)價格的蒙特卡羅估計值是。假設(shè)得到的同時能得到另一個輸出變量且己知，獨立同分布，則對于確定的數(shù)b有期權(quán)價格的控制變量估計值即為所謂的“控制”是指。由下式可知控制變量估計值是無偏估計量。若令，則有對上式關(guān)于b求導(dǎo)數(shù)，解得能夠使最小化的b值應(yīng)為。因此，。由此可見，只要X與Y的相關(guān)性越強(qiáng)，那么控制變量估計的方差減少越顯著，所以控制變量技術(shù)的關(guān)鍵是選擇與Y關(guān)系密切且期望值已知的控制變量。另外，由于計算的兩個量和未知，故實踐中采用的是的估計值。多元控制變量：控制變量技術(shù)也可以推廣到多元情形，假設(shè)得到的同時能得到d維向量并且已知，獨立同分布，的協(xié)方差矩陣為是矩陣，是矩陣，且是非奇異矩陣。則對于確定的向量b有。多元控制變量估計值為。由于經(jīng)過推導(dǎo)可知最優(yōu)控制系數(shù)向量，相應(yīng)的最小化方差為，其中。下面介紹在一種特殊情形下的推導(dǎo)過程：若多元控制變量之間彼此獨立，即，則有由多元函數(shù)的極值理論，可解得使最小化的向量的第i個分量應(yīng)為將代入可得。關(guān)于偏差的討論：由于未知，實踐中采用的是其估計值，由與的相關(guān)性，可知控制變量估計值將是有偏的，并且也將是有偏的。解決如上問題的方法有兩個：一是增加模擬的次數(shù)，當(dāng)n增大時，偏差的響將會變??；另一個方法是將模擬分為兩個部分，先用次模擬得到結(jié)果生成，再用次模擬的結(jié)果計算，這樣得到的估計值將是無偏。不過，現(xiàn)實情形下，的偏差并不大，從而采用復(fù)雜的分步運算獲取無偏估的作法并不吸引人?？刂谱兞康念愋停浩跈?quán)定價中常采用的三種控制變量有標(biāo)的資產(chǎn)價格、定價已解決的期權(quán)以及為模擬標(biāo)的資產(chǎn)價格所需的正態(tài)隨機(jī)變量。（1）標(biāo)的資產(chǎn)價格在期權(quán)定價的蒙特卡羅模擬中，標(biāo)的資產(chǎn)價格是來源最廣的一類控制變量。在風(fēng)險中性測度下，假設(shè)無風(fēng)險利率為常數(shù)r，資產(chǎn)價格的貼現(xiàn)為鞅，即。而待定價的期權(quán)價格是標(biāo)的資產(chǎn)價格的函數(shù)，兩者具有相關(guān)性，因此可以采用標(biāo)的資產(chǎn)價格(或其貼現(xiàn))作為控制變量。若待定價的是標(biāo)準(zhǔn)歐式看漲期權(quán)，，那么將作為控制變量，相應(yīng)的控制變量估計值為實驗證明，當(dāng)K=0時，控制變量與Y的相關(guān)性最強(qiáng)，從而方差減少效果顯著，而當(dāng)K很大時情況相反。若待定價的是亞式期權(quán)，，N為一年中交易的總天數(shù)，那么可將作為控制變量，由于相應(yīng)的控制變量估計值為（2）定價己解決的期權(quán)如果兩種期權(quán)的回報函數(shù)具有相似性，并且其中一種期權(quán)的定價公式已知，那么可將此期權(quán)作為控制變量為另一種期權(quán)定價。最著名的例子是Kemna和Vorst使用幾何平均亞式期權(quán)作為控制變量為算術(shù)平均亞式期權(quán)定價，顯然這兩種期權(quán)的回報具有很強(qiáng)的相關(guān)性，從而方差減少效果顯著。再比如仍是對算術(shù)平均資產(chǎn)價亞式期權(quán)定價，由于與其具有相同到期日與敲定價格的標(biāo)準(zhǔn)歐式看漲期權(quán)的價格可以由B-S公式得到，故可將作為控制變量。（3）正態(tài)隨機(jī)變量模擬標(biāo)的資產(chǎn)價格路徑要用到正態(tài)隨機(jī)變量，因此可考慮將正態(tài)隨機(jī)變量(或其線性組合)作為控制變量。比如為算術(shù)平均執(zhí)行價亞式期權(quán)定價，模擬的過程需要獨立的、均值為、方差為的正態(tài)隨機(jī)變量，從而將作為多元控制變量可得相應(yīng)的控制變量估計值為?！艟仄ヅ?MomentMatching)技術(shù)為了模擬標(biāo)的資產(chǎn)樣本路徑需要從正態(tài)分布中抽樣，考慮最簡單的情形，標(biāo)準(zhǔn)歐式看漲股票期權(quán)的蒙特卡洛估計值需要m個獨立且服從標(biāo)準(zhǔn)正態(tài)分布的抽樣。由于的樣本矩不一定與總體矩匹配，故而矩匹配技術(shù)的思想就是對這些樣本進(jìn)行調(diào)整，使其一階矩、二階矩乃至高階矩與總體矩匹配，再利用調(diào)整后的樣本得到蒙特卡洛估計值。定義是樣本均值，通過如下調(diào)整可達(dá)到一階矩匹配，，由生成的股票價格終值為，從而期權(quán)到期回報貼現(xiàn)的一次模擬值為，利用矩匹配技術(shù)得到的蒙特卡洛估計量為。和對偶變量技術(shù)一樣，應(yīng)用矩匹配技術(shù)會給置信區(qū)間的估計帶來變化，因為并不獨立，導(dǎo)致也不獨立，所以不能直接應(yīng)用中心極限定理估計誤差。一個解決方案是將抽樣分隔為不同批次，對每個批次分別應(yīng)用矩匹配技術(shù)得到彼此獨立的期權(quán)價格估計，再將批均值作為蒙特卡羅估計值，由批方差得到誤差估計。例如可采用10000個相互獨立的批次，每個批次對100個標(biāo)準(zhǔn)正態(tài)分布抽樣應(yīng)用矩匹配技術(shù)，即總共采用100萬個標(biāo)準(zhǔn)正態(tài)分布抽樣。如果定義為樣本標(biāo)準(zhǔn)，通過如下的調(diào)整可達(dá)到前兩階矩匹配：。需注意由上式得到的不再服從標(biāo)準(zhǔn)正態(tài)分布，故相應(yīng)的將是期權(quán)價格的有偏估計。這個偏差在極端情況下可能會很大，由此致的復(fù)雜性使得矩匹配技術(shù)的效率改進(jìn)沒有一個通用的量化標(biāo)準(zhǔn)。如果待匹配的抽樣其總體均值，總體方差，作如下變換可分別達(dá)到一階矩匹配和前兩階矩匹配：其中與的定義同上。仍以標(biāo)準(zhǔn)歐式看漲股票期權(quán)為例，若股價服從風(fēng)險中性的幾何布朗運動，則股價終值的均值與方差已知，故可采用上式對運用矩匹配技術(shù)。◆分層抽樣(StratifiedSampling)技術(shù)分層抽樣技術(shù)使樣本的經(jīng)驗概率與理論概率相一致，其本質(zhì)是為了使輸入變量分布得更為均勻，這一點與對偶變量技術(shù)相同?？紤]簡單情形下分層樣本的獲取。在計算標(biāo)準(zhǔn)歐式看漲期權(quán)的價格時，需要標(biāo)準(zhǔn)正態(tài)分布中m個相互獨立的抽樣，其經(jīng)驗分布不會完全與總體分布相吻合，尤其是尾部表現(xiàn)可能較差。通過下述分層抽樣方法可以對樣本的經(jīng)驗分布加以改進(jìn)。是在[0，1]上均勻分布的隨機(jī)數(shù)，以的長度對區(qū)間進(jìn)行分層，可以得到n個分層區(qū)間段，令。顯然，落在第j層上，從而落在標(biāo)準(zhǔn)正態(tài)分布的上分位數(shù)與上分位數(shù)之間，故由可得標(biāo)準(zhǔn)正態(tài)分布的一個分層抽樣。需要注意的是的高度相關(guān)性使得標(biāo)準(zhǔn)誤差的估計復(fù)雜化，為此用批處理的方法對其進(jìn)行估計，具體過程同上一節(jié)介紹。在高維情形下，采用拉丁超立方抽樣技術(shù)(LatinHypercubeSampling)較為簡便。假設(shè)是上均勻分布隨機(jī)向量序列，是d個獨立抽取的上的隨機(jī)排列。令其中是第k個排列的第j個元素。那么由得到的仍然是上服勻分布的隨機(jī)向量，并且的第k個坐標(biāo)落入第k個[0，l]區(qū)間的m個不同分層內(nèi)，從而也是一種分層抽樣樣本。同樣地，由于不獨立，故而要改變誤差估計的方法。◆重要性抽樣(ImportanceSampling)技術(shù)重要性抽樣技術(shù)的思想是用一種概率測度下的期望值代替另一種概率測度下的期望值，這種概率測度的轉(zhuǎn)換是通過似然比(Likelihood-Ratio)或Radon-Nikodym導(dǎo)數(shù)實現(xiàn)的。金融工程中的風(fēng)險中性定價即為此思想的一個應(yīng)用。在期權(quán)定價中，這種方法被用來對小概率事件進(jìn)行模擬以獲得更有效的估計。首先介紹這種技術(shù)的一般化理論：假設(shè)X是概率密度為f的d維隨機(jī)向量，h是到R上的函數(shù)，待求值為若均為服從f的獨立隨機(jī)向量，那么的蒙特卡洛估計值是。令g是另一個上的概率密度，并且滿足條件，則有將上述積分寫成關(guān)于密度g的期望形式，可以得到若是服從g的獨立隨機(jī)向量，那么基于測度g的重要性抽樣蒙特卡洛估計值即為。舊的概率密度與新的概率密度的比值稱為似然比或Radon-Nikodym導(dǎo)數(shù)，并且，是的無偏估計量。重要性抽樣技術(shù)的方差減少效果：由于，所以選擇合適的重要性抽樣密度g可以獲得方差減少，g的選擇是重要性抽樣技術(shù)成功與否的關(guān)鍵。當(dāng)重要性抽樣技術(shù)應(yīng)用于期權(quán)定價時，X可被視為標(biāo)的資產(chǎn)價格，也可以被視為正態(tài)隨機(jī)變量(向量)。比如，定價對象是深度虛值的歐式看漲期權(quán)，直接采用標(biāo)準(zhǔn)蒙特卡羅方法得到的到期回報單次模擬值大多為0，從而為得到一個估計值需要次數(shù)龐大的模擬。應(yīng)用重要性抽樣技術(shù)可以使單次模擬所得回報大于0的概率增大，從而減小了模擬次數(shù)，提高了估計效率。考慮標(biāo)的資產(chǎn)服從風(fēng)險中性幾何布朗運動的下敲入看漲障礙期權(quán)，假設(shè)障礙在離散時間點監(jiān)測，，障礙，敲定價格，。那么由下式可得到期權(quán)價格的標(biāo)準(zhǔn)蒙特卡洛估計：其中，示性函數(shù)的定義為已知，是獨立同分布且均值為，方差為的正態(tài)隨機(jī)變量。若b,c的值很大，那么由標(biāo)準(zhǔn)蒙特卡洛方法模擬得到的情形居多。應(yīng)采用重要性抽樣技術(shù)，使從均值為，方差仍為的正態(tài)分布中抽樣，那么令似然比，在新的概率測度g下得到標(biāo)的資產(chǎn)價格的重要性抽樣路徑模擬，若在某次模擬中障礙被跨越，那么由此次模擬得到的回報就是，反之，模擬回報值為0。多次模擬得到的回報平均值貼現(xiàn)即為期權(quán)價格的重要性抽樣蒙特卡洛估計量。研究證明，一個有效的p值為◆條件蒙特卡洛技術(shù)條件蒙特卡羅技術(shù)的理論依據(jù)是概率論中的著名等式，由此式知條件期望是的無偏估計。由條件方差公式，可知，故由條件期望估計量可以帶來方差減少效應(yīng)。值得注意的是，使用這種技術(shù)模擬的是變量Y而非X。仍以上一節(jié)的下敲入障礙期權(quán)為例，期權(quán)價格的標(biāo)準(zhǔn)蒙特卡洛估計由得到。如果在第個時刻障礙首次被跨越，那么由障礙期權(quán)的定義，自此時起期權(quán)可被視為標(biāo)準(zhǔn)歐式看漲期權(quán)，應(yīng)用B-S公式，有其中，是由B-S公式給出的初始價格為，敲定價格為K，到日為的標(biāo)準(zhǔn)歐式看漲期權(quán)價格。由于，故對于給定的標(biāo)的資產(chǎn)價格的一條模擬路徑，期權(quán)到期回貼現(xiàn)的條件蒙特卡洛模擬值為。在此例中，應(yīng)用條件蒙特卡洛技術(shù)模擬的量是，而非期權(quán)的到期回報。與標(biāo)準(zhǔn)蒙特卡洛方法相比，我們只需模擬到停止即可，而不必模擬出標(biāo)的資產(chǎn)價格的全部路徑，故減少了模擬工作量，提高了效率。如果對此期權(quán)綜合應(yīng)用條件蒙特卡洛與重要性抽樣兩種方差減少技術(shù)，則有那么結(jié)合了重要性抽樣的標(biāo)的資產(chǎn)服從風(fēng)險中性幾何布朗運動的下敲入看漲期權(quán)的到期回報貼現(xiàn)的條件蒙特卡洛模擬值即為附錄資料：不需要的可以自行刪除Word常用快捷鍵由于Word有定義快捷鍵的功能，在重新指定快捷鍵后，不能再使用該組合完成以前的操作。例如，按快捷鍵Ctrl+B可將選定文本改為加粗格式，如果將Ctrl+B重新指定給一個新的命令或其他命令，則不能通過按Ctrl+B為文本應(yīng)用加粗格式，除非將快捷鍵指定恢復(fù)到初始設(shè)置。下面的列表使用說明如下：（1）表中出現(xiàn)的（F）、（E）、（V）、（I）、（O）、（T）、（A）、（W）：分別代表文件、編輯、視圖、插入、格式、工具、表格和窗口菜單。（2）（切換方式）：表示重復(fù)按該鍵還原操作。（3）Num？：表示小鍵盤上的數(shù)字鍵。（4）Ctrl＋A：表示Ctrl鍵和A鍵的組合，其余類推。A.1常規(guī)快捷鍵Ctrl＋A（E）選取整篇文檔（Ctrl＋Num5）Ctrl+R可使段落右對齊Ctrl＋B（E）加粗文本（Ctrl＋Shift＋B）Ctrl＋]（O）按磅值增加所選定內(nèi)容的字號Ctrl＋C（E）復(fù)制所選內(nèi)容Ctrl＋[（O）按磅值縮小所選定內(nèi)容的字號Ctrl＋D（O）修改選定字符格式Ctrl＋=（O）將選定內(nèi)容設(shè)為下標(biāo)(切換方式)Ctrl＋E（O）段落居中Ctrl＋＋（O）將選定內(nèi)容設(shè)為上標(biāo)(切換方式)Ctrl＋H（E）查找并修改指定文字或格式Ctrl＋＊（V）顯示/隱藏所有非打印字符Ctrl＋I(xiàn)（O）傾斜所選文字（切換方式）Ctrl＋Tab（A）在單元格中插入制表符Ctrl＋M（F）調(diào)整整段縮進(jìn)Ctrl+L（O）段落左對齊Ctrl＋N（F）創(chuàng)建新文檔或模板Ctrl＋Enter（O）在插入點插入一個分頁符Ctrl＋O（F）打開已有的文檔或模板Ctrl＋Up（E）將插入點上移一個段落Ctrl＋P（F）打印文檔（=Ctrl＋Shift＋F12）Ctrl＋Down（E）將插入點下移一個段落Ctrl+Q（O）刪除段落格式Ctrl＋Home（E）將插入點移到文檔開始Ctrl＋S（F）保存當(dāng)前活動文檔Ctrl＋End（E）將插入點移到文檔結(jié)尾Ctrl＋T（O）設(shè)置懸掛式縮進(jìn)Alt＋/（A）快速選定整個表格Ctrl＋U（O）給所選內(nèi)容添加下劃線Shift＋F1（W）有關(guān)命令、屏幕區(qū)域的幫助信息或文字屬性Ctrl＋V（E）在插入點插入剪貼板內(nèi)容Ctrl+Alt+I打印預(yù)覽Ctrl+W關(guān)閉文檔Ctrl+K（E）插入超級鏈接Ctrl＋X（E）剪切所選內(nèi)容并將其放入剪貼板Ctrl+Shift+Space-bar創(chuàng)建不間斷空格Ctrl＋Y（E）重復(fù)上一步操作（=F4=Alt＋Enter）Ctrl+連字符創(chuàng)建不間斷連字符Ctrl＋Z（E）取消上一步操作（=Alt＋Backspace）Ctrl+Spacebar刪除字符格式A.2Ctrl與光標(biāo)鍵聯(lián)合使用的快捷鍵Ctrl+←可將插入點移到上一個英文單詞或中文詞Ctrl+→可將插入點移到下一個英文單詞或中文詞Ctrl+↑可將插入點移到上一個段落Ctrl+↓可將插入點移到下一個段落A.3Ctrl與部分?jǐn)?shù)字聯(lián)合使用的快捷鍵Ctrl+0可迅速在段前增加或刪除12磅的行距Ctrl+1改變段落的行距為單倍行距Ctrl+5改變段落的行距為1.5倍行距Ctrl+2改變段落的行距為雙倍行距A.4Ctrl與Shift+字母鍵聯(lián)合使用的快捷鍵Ctrl+Shift+P再通過按“↑”和“↓”鍵改變字號Ctrl+Shift+>增大所選文字的字號Ctrl+Shift+<減小所選文字的字號Ctrl+Shift+A將所有選定的字母設(shè)為大寫Ctrl+Shift+C復(fù)制選定內(nèi)容的格式Ctrl+Shift+D段落最后一行文字占滿全行Ctrl+Shift+E打開或關(guān)閉任務(wù)欄上的“修訂”標(biāo)記Ctrl+Shift+F再通過按“↑”和“↓”鍵改變字體Ctrl+Shift+H應(yīng)用隱藏文字格式Ctrl+Shift+K將所選字母中的小寫字母設(shè)成大寫，但字母字體大小不變Ctrl+Shift+L應(yīng)用“列表”樣式Ctrl+Shift+M取消左側(cè)段落縮進(jìn)Ctrl+Shift+N選定段落變?yōu)椤罢摹睒邮紺trl+Shift+Q將所選英文字母變?yōu)镾ymbol字體Ctrl+Shift+S再通過按“↑”和“↓”鍵改變樣式Ctrl+Shift+T減小懸掛縮進(jìn)量Ctrl+Shift+V對選定內(nèi)容粘貼格式Ctrl+Shift+W只給字、詞加下劃線，不給空格加下劃線Ctrl+Shift+*顯示非打印字符Alt+Shift+D插入“日期”域Alt+Ctrl+L插入ListNum域Alt+Shift+P插入頁數(shù)域Alt+Shift+T插入時間域A.5Ctrl與Alt+字母鍵聯(lián)合使用的快捷鍵Ctrl+Alt+D在文章末尾插入尾注Ctrl+Alt+F在當(dāng)前頁插入尾注Ctrl+Alt+K啟動“自動套用格式”Ctrl+Alt+LListnum域Ctrl+Alt+M創(chuàng)建批注Ctrl+Alt+N切換到普通視圖Ctrl+Alt+O切換到大綱視圖Ctrl+Alt+P切換到頁面視圖Ct