MonteCarlo(蒙特卡洛法)簡(jiǎn)介.ppt

1、Monte Carlo Simulation 簡(jiǎn)介,概述,蒙特卡羅(Monte Carlo)方法，或稱計(jì)算機(jī)隨機(jī)模擬方法或隨機(jī)抽樣方法或統(tǒng)計(jì)試驗(yàn)方法 ，屬于計(jì)算數(shù)學(xué)的一個(gè)分支。是一種基于“隨機(jī)數(shù)”的計(jì)算方法。,起源,Monte Carlo方法的基本思想很早以前就被人們所發(fā)現(xiàn)和利用。早在17世紀(jì)，人們就知道用事件發(fā)生的“頻率”來(lái)決定事件的“概率”。19世紀(jì)人們用投針試驗(yàn)的方法來(lái)決定圓周率。,成型,這一方法成型于美國(guó)在第一次世界大戰(zhàn)進(jìn)研制原子彈的“曼哈頓計(jì)劃”。 該計(jì)劃的主持人之一、數(shù)學(xué)家馮諾伊曼用馳名世界的賭城摩納哥的Monte Carlo來(lái)命名這種方法，為它蒙上了一層神秘色彩。,發(fā)展,本世紀(jì)4

2、0年代電子計(jì)算機(jī)的出現(xiàn)，特別是近年來(lái)高速電子計(jì)算機(jī)的出現(xiàn)，使得用數(shù)學(xué)方法在計(jì)算機(jī)上大量、快速地模擬這樣的試驗(yàn)成為可能。,實(shí)質(zhì),Monte Carlo 方法也稱為統(tǒng)計(jì)模擬方法，是二十世紀(jì)四十年代中期由于科學(xué)技術(shù)的發(fā)展和電子計(jì)算機(jī)的發(fā)明，而被提出的一種以概率統(tǒng)計(jì)理論為指導(dǎo)的一類非常重要的數(shù)值計(jì)算方法。是指使用隨機(jī)數(shù)（或更常見的偽隨機(jī)數(shù)）來(lái)解決很多計(jì)算問(wèn)題的方法。與它對(duì)應(yīng)的是確定性算法。 把一些復(fù)雜的東西用大量的模擬實(shí)驗(yàn)來(lái)做，最后得到一些結(jié)論。,基本思想和原理,基本思想：當(dāng)所要求解的問(wèn)題是某種事件出現(xiàn)的概率，或者是某個(gè)隨機(jī)變量的期望值時(shí)，它們可以通過(guò)某種“試驗(yàn)”的方法，得到這種事件出現(xiàn)的頻率，或者這

3、個(gè)隨機(jī)變數(shù)的平均值，并用它們作為問(wèn)題的解。 原理：抓住事物運(yùn)動(dòng)的幾何數(shù)量和幾何特征，利用數(shù)學(xué)方法來(lái)加以模擬，即進(jìn)行一種數(shù)字模擬實(shí)驗(yàn)。 它是以一個(gè)概率模型為基礎(chǔ)，按照這個(gè)模型所描繪的過(guò)程，通過(guò)模擬實(shí)驗(yàn)的結(jié)果，作為問(wèn)題的近似解。,步驟,可以把蒙特卡羅解題歸結(jié)為三個(gè)主要步驟： 構(gòu)造或描述概率過(guò)程； 實(shí)現(xiàn)從已知概率分布抽樣； 建立各種估計(jì)量,構(gòu)造或描述概率過(guò)程,對(duì)于本身就具有隨機(jī)性質(zhì)的問(wèn)題，主要是正確描述和模擬這個(gè)概率過(guò)程，對(duì)于本來(lái)不是隨機(jī)性質(zhì)的確定性問(wèn)題，比如計(jì)算定積分，就必須事先構(gòu)造一個(gè)人為的概率過(guò)程，它的某些參量正好是所要求問(wèn)題的解。即要將不具有隨機(jī)性質(zhì)的問(wèn)題轉(zhuǎn)化為隨機(jī)性質(zhì)的問(wèn)題。,實(shí)現(xiàn)從已知概

4、率分布抽樣,構(gòu)造了概率模型以后， 按照這個(gè)概率分布抽取隨機(jī)變量 （或隨機(jī)向量），這一般可以直接由軟件包調(diào)用，或抽取均勻分布的隨機(jī)數(shù)構(gòu)造。這樣，就成為實(shí)現(xiàn)蒙特卡羅方法模擬實(shí)驗(yàn)的基本手段，這也是蒙特卡羅方法被稱為隨機(jī)抽樣的原因。,建立各種估計(jì)量,一般說(shuō)來(lái)，構(gòu)造了概率模型并能從中抽樣后，即實(shí)現(xiàn)模擬實(shí)驗(yàn)后，我們就要確定一個(gè)隨機(jī)變量，作為所要求的問(wèn)題的解，我們稱它為無(wú)偏估計(jì)。建立各種估計(jì)量，相當(dāng)于對(duì)模擬實(shí)驗(yàn)的結(jié)果進(jìn)行考察和登記，從中得到問(wèn)題的解。,例子,考慮平面上的一個(gè)邊長(zhǎng)為1的正方形及其內(nèi)部的一個(gè)形狀不規(guī)則的“圖形”，如何求出這個(gè)“圖形”的面積呢？Monte Carlo方法是這樣一種“隨機(jī)化”的方法：

5、向該正方形“隨機(jī)地”投擲N個(gè)點(diǎn)落于“圖形”內(nèi)，則該“圖形”的面積近似為M/N。,比喻,可用民意測(cè)驗(yàn)來(lái)作一個(gè)不嚴(yán)格的比喻。民意測(cè)驗(yàn)的人不是征詢每一個(gè)登記選民的意見，而是通過(guò)對(duì)選民進(jìn)行小規(guī)模的抽樣調(diào)查來(lái)確定可能的民意。其基本思想是一樣的。,應(yīng)用,科技計(jì)算中的問(wèn)題比這要復(fù)雜得多。但Monte Carlo 方法廣泛地應(yīng)用于許多應(yīng)用領(lǐng)域，如計(jì)算物理學(xué) 、粒子輸運(yùn)計(jì)算、量子熱力學(xué)計(jì)算、量子化學(xué)、分子動(dòng)力學(xué)與 。特別在金融計(jì)算中，各方法有不可取代的優(yōu)勢(shì)。,金融中的應(yīng)用,金融衍生產(chǎn)品（期權(quán)、期貨、掉期等）的定價(jià)及交易風(fēng)險(xiǎn)估算，問(wèn)題的維數(shù)（即變量的個(gè)數(shù)）可能高達(dá)數(shù)百甚至數(shù)千。對(duì)這類問(wèn)題，難度隨維數(shù)的增加呈指數(shù)增

6、長(zhǎng)，這就是所謂的“維數(shù)的災(zāi)難”(Course Dimensionality)，傳統(tǒng)的數(shù)值方法難以對(duì)付（即使使用速度最快的計(jì)算機(jī)）。,Monte Carlo方法的優(yōu)勢(shì),Monte Carlo方法能很好地用來(lái)對(duì)付維數(shù)的災(zāi)難，因?yàn)樵摲椒ǖ挠?jì)算復(fù)雜性不再依賴于維數(shù)。以前那些本來(lái)是無(wú)法計(jì)算的問(wèn)題現(xiàn)在也能夠計(jì)算。為提高方法的效率，科學(xué)家們提出了許多所謂的“方差縮減”技巧。 Monte Carlo模擬適用于研究復(fù)雜體系。研究具有多得數(shù)不清的結(jié)構(gòu)、狀態(tài)的體系，對(duì)此我們可以采用蒙特卡洛模擬，以統(tǒng)計(jì)的方法尋找出現(xiàn)幾率最高的結(jié)構(gòu)、狀態(tài)，或相應(yīng)的有關(guān)數(shù)據(jù)。,Monte Carlo 方法處理的問(wèn)題,Monte Carl

7、o 方法處理的問(wèn)題可以分兩類 確定性的數(shù)學(xué)問(wèn)題 多重積分、求逆矩陣、解線性代數(shù)方程組、解積分方程、解某些偏微分方程邊值問(wèn)題和計(jì)算代數(shù)方程組、計(jì)算微分算子的特征值等等 隨機(jī)性問(wèn)題,方法,在解決實(shí)際問(wèn)題的時(shí)候應(yīng)用Monte Carlo方法主要有兩部分工作：1、用此方法模擬某一過(guò)程時(shí)，需要產(chǎn)生各種概率分布的隨機(jī)變量。 2、用統(tǒng)計(jì)方法把模型的數(shù)字特征估計(jì)出來(lái)，從而得到實(shí)際問(wèn)題的數(shù)值解。,用Monte Carlo 計(jì)算定積分,考慮積分 假定隨機(jī)變量具有密度函數(shù) 則,用Monte Carlo 計(jì)算定積分-,抽取密度為e-x的隨機(jī)數(shù)X_1,X_n 構(gòu)造統(tǒng)計(jì)數(shù) 則,用Monte Carlo 計(jì)算定積分-,且

8、即,用Monte Carlo 計(jì)算定積分-,例如 =1.9 取 (1.9)=0.96176 模擬結(jié)果不好！ 如果要達(dá)到0.001的精確度，要4X5302=1123600計(jì)算！,用Monte Carlo 計(jì)算定積分-,例子說(shuō)明分析和設(shè)計(jì)是重要的。 重寫積分 取兩個(gè)隨機(jī)數(shù),用Monte Carlo 計(jì)算定積分-,取8個(gè)隨機(jī)數(shù) 大大改善了結(jié)果！,隨機(jī)數(shù)的產(chǎn)生,隨機(jī)數(shù)是我們實(shí)現(xiàn)蒙特卡羅模擬的基本工具。 隨機(jī)數(shù)的產(chǎn)生就是抽樣問(wèn)題?？梢杂梦锢矸椒óa(chǎn)生隨機(jī)數(shù)，但價(jià)格昂貴，不能重復(fù)，使用不便。另一種方法是用數(shù)學(xué)遞推公式產(chǎn)生。這樣產(chǎn)生的序列，與真正的隨機(jī)數(shù)序列不同，所以稱為偽隨機(jī)數(shù)，或偽隨機(jī)數(shù)序列。不過(guò)，經(jīng)過(guò)多

9、種統(tǒng)計(jì)檢驗(yàn)表明，它與真正的隨機(jī)數(shù)，或隨機(jī)數(shù)序列具有相近的性質(zhì)，因此可把它作為真正的隨機(jī)數(shù)來(lái)使用。,隨機(jī)數(shù)的取得,如果你對(duì)隨機(jī)數(shù)有更高的要求，需要自己編輯“隨機(jī)數(shù)生成器” 最簡(jiǎn)單、最基本、最重要的一個(gè)概率分布是(0,1)上的均勻分布（或稱矩形分布） 例如在Matlab中，命令“rand()”將產(chǎn)生一個(gè)(0,1)中均勻分布的隨機(jī)數(shù) 你可以根據(jù)需要給隨機(jī)數(shù)一個(gè)“種子”，以求不同的數(shù),Matlab 的隨機(jī)數(shù)函數(shù),均勻分布 R=unidrnd(N)，-產(chǎn)生1到N間的均勻分布隨機(jī)數(shù) R=unidrnd(N,n,m),產(chǎn)生1到N間的均勻分布隨機(jī)數(shù)矩陣 連續(xù)均勻分布 R=unifrnd(A,B) -產(chǎn)生(A,

10、B)間的均勻分布隨機(jī)數(shù) R=unifrnd(A,B,m,n)產(chǎn)生(A,B)間的均勻分布隨機(jī)數(shù)矩陣,Matlab 的隨機(jī)數(shù)函數(shù)-,正態(tài)分布隨機(jī)數(shù) R=normrnd(mu,sigma) R=normrnd(mu,sigma,m) R=normrnd(mu,sigma,m,n) 特定分布隨機(jī)數(shù)發(fā)生器 R=random(name,A1,A2,A3,m,n),例,a=random(Normal,0,1,3,2) a= .-0.4326 0.2877 -1.6656 -1.1465 0.1253 1.1909,精確性,由于Monte Carlo 方法的隨機(jī)性，精確性建立在大量的重復(fù)模擬上，最后去平均值。

11、 對(duì)確定值的計(jì)算，要估計(jì)出樣本的個(gè)數(shù)與精確度之間的關(guān)系。 對(duì)隨機(jī)過(guò)程的模擬，有置信區(qū)域的估算等,方差削減技術(shù),對(duì)偶變量技術(shù)(適用正態(tài)分布函數(shù)） 取一組隨機(jī)數(shù)Z_i，可得模擬值C_i ,i=1,2,.n 估計(jì)值為期平均C 再取Z_i 的對(duì)偶Z_i=-Z_i,再生成估計(jì)值C 然后去新的平均值C*=（C+C)/2 則 varC*=1/2varC+1/2cov(C,C) 1/2varC+ 該技術(shù)使計(jì)算更穩(wěn)定,一個(gè)例子,問(wèn)題 下圖是一個(gè)中子穿過(guò)用于中子屏蔽的鉛墻示意圖。鉛墻的高度遠(yuǎn)大于左右厚度。設(shè)中子是垂直由左端進(jìn)入鉛墻，在鉛墻中運(yùn)行一個(gè)單位距離然后與一個(gè)鉛原子碰撞。碰撞后，任意改變方向，并繼續(xù)運(yùn)行一個(gè)

12、單位后與另一個(gè)鉛原子碰撞。這樣下去，如果中子在鉛墻里消耗掉所有的能量或者從左端逸出就被視為中子被鉛墻擋住，如果中子穿過(guò)鉛墻由右端逸出就視為中子逸出。如果鉛墻厚度為5個(gè)單位，中子運(yùn)行7個(gè)單位后能量耗盡，求中子逸出的幾率。 x 這個(gè)問(wèn)題并不復(fù)雜，但不容易找到一個(gè)解析表達(dá)式。而用模擬的方法求解卻可以有滿意的結(jié)果。,一個(gè)例子 -,這個(gè)問(wèn)題并不復(fù)雜，但不容易找到一個(gè)解析表達(dá)式。 而用模擬的方法求解卻可以有滿意的結(jié)果。,一個(gè)例子 -,建模 下面我們給出這個(gè)問(wèn)題的模擬程序。我們關(guān)心的是一次碰撞后，中子在x軸方向行進(jìn)了多少，所以行進(jìn)方向是正負(fù)的結(jié)果是一樣的，我們就只考慮是正的情形。由于中子運(yùn)行的方向是隨機(jī)的，

13、我們用計(jì)算機(jī)抽取在0到間均衡分布的隨機(jī)數(shù)，模擬1000000個(gè)中子在鉛墻里行進(jìn)的情形，看看這些中子與鉛原子碰撞7次后，有多少超過(guò)了鉛墻的右端。,一個(gè)例子 -,n=1000000; m=0; t=1; for i=1:n x=1; for k=1:7 ang=pi*rand; x=x+cos(ang); if x5 end m/n,一個(gè)例子 -,解模 我們運(yùn)行程序得出逸出鉛墻的中子的可能性約為1.5%。 應(yīng)用 有了這個(gè)數(shù)字，我們可以報(bào)告安全部門，如果數(shù)字不能達(dá)到安全要求，我們則要加厚鉛墻。,Monte Carlo 模擬二叉樹期權(quán)定價(jià),二叉樹定價(jià)模型是從構(gòu)造好的二叉樹中隨機(jī)選擇一條路徑樣本，從二叉

14、樹的末端開始倒推計(jì)算出衍生證券的價(jià)格，但是采用了Monte Carlo后，是順著二叉樹往后計(jì)算的。 基本方法： 在第一個(gè)節(jié)點(diǎn)（根節(jié)點(diǎn)），隨機(jī)產(chǎn)生一個(gè)0到1間的隨機(jī)數(shù)，如果這個(gè)數(shù)小于p，就選擇當(dāng)前的上升分支，反之選擇下降分支。這樣就產(chǎn)生了一個(gè)新節(jié)點(diǎn)，繼續(xù)上面的過(guò)程，直到二叉樹的末端。一條路徑產(chǎn)生了，衍生證券的最終價(jià)值就可以計(jì)算出來(lái)了（可以看作是全部可能終值集合中的一個(gè)隨機(jī)樣本），這樣完成了第一次模擬。 更多的樣本路徑得到更多的樣本終值。進(jìn)行多次模擬，用平均值來(lái)估計(jì)衍生證券的價(jià)格,Monte Carlo 模擬連續(xù)過(guò)程的歐式期權(quán)定價(jià),歐式期權(quán)定價(jià)的期望公式為 如果標(biāo)的資產(chǎn)服從幾何布朗運(yùn)動(dòng) 則風(fēng)險(xiǎn)中性測(cè)度下，標(biāo)的資產(chǎn)的過(guò)程為,Monte Carlo 模擬連續(xù)過(guò)程的歐式期權(quán)定價(jià)-,所以Call Option 到期日的現(xiàn)金流為 抽一個(gè)正態(tài)分布的隨機(jī)數(shù)，算得上式再貼現(xiàn)，就可以得到一個(gè)結(jié)果 重復(fù)上面的過(guò)程（如計(jì)算10000次） 將所有的結(jié)果取平均,附表:Matlab隨機(jī)數(shù)生成器,betarnd貝塔分布 binornd 二項(xiàng)分布chi2rnd卡方分