Weighted Monte Carlo with least squares and randomized extended Kaczmarz for option pricing
我们提出了一种计算单一和多资产欧式期权价格的方法,以及更一般的(多变量)随机变量的标量函数的期望。这种新方法结合了蒙特卡罗模拟处理高维问题的能力和函数逼近的效率。具体来说,我们首先将最近开发的多元积分方法[arXiv:1806.05492]推广到概率测度的积分。该方法基于“近似和积分”的原理,分三步进行:i)在积分域中的点处对被积函数进行采样,ii)通过求解最小二乘问题来近似被积函数,iii)对近似函数进行积分。在高维应用中,由于步骤ii)中的大存储需求,我们面临内存限制。结合加权抽样和随机扩展Kaczmarz算法,我们得到了一个新的有效的方法来解决大规模的最小二乘问题。我们的收敛性和成本分析以及数值实验表明,该方法在低维和高维的有效性,并在有限数量的可用模拟的假设。
2019-10-16 cs.CE q-fin.CP
Efficient ISDA Initial Margin Calculations Using Least Squares Monte-Carlo
两家金融公司或具有系统重要性的非金融实体之间的非清算双边场外衍生工具须遵守规定,要求提供初始和变动保证金。ISDA标准方法(SIMM)提供了一种计算初始保证金的方法。它涉及计算合同对几个市场因素的敏感性。在本文中,作者扩展了著名的LSMC技术,有效地估计ISDA SIMM方法所需的灵敏度。
2021-10-25 q-fin.CP q-fin.RM
Beyond Monte Carlo: Harnessing Diffusion Models to Simulate Financial Market Dynamics
Baruch College(巴鲁克学院)
提出基于扩散模型的合成金融市场数据生成方法,利用数值积分训练算法,生成的数据在分布和尾部特征上与真实数据一致,且协方差矩阵条件数更低,可作为正则化版本。
2025-02-02 cs.AI cs.CE q-fin.CP
Efficient Monte Carlo Valuation of Corporate Bonds in Financial Networks
The Chinese University of Hong Kong(香港中文大学);Columbia University(哥伦比亚大学)
本文提出双层重要性采样与分裂方法,用于金融网络中企业债券的高效蒙特卡洛估值,解决了传统方法在处理稀有违约事件和网络效应方面的不足。
2026-11-03 q-fin.CP q-fin.PR q-fin.RM
fintech-kMC: Agent based simulations of financial platforms for design and testing of machine learning systems
Cash App, Block(Cash App,Block);Vector Institute for Artificial Intelligence(向量人工智能研究所);University of Ottawa(渥太华大学);University of Victoria(维多利亚大学)
我们讨论了我们的仿真工具fintech-kMC,它旨在为机器学习模型开发和测试生成合成数据。fintech-kMC是一种基于代理的模型,由动力学蒙特卡罗(又名连续时间蒙特卡洛)引擎,其模拟使用在线数字金融平台的客户的行为。该工具提供了一种可解释、可再现和现实的方式来生成合成数据,这些数据可用于验证和测试AI/ML模型和管道,以用于现实世界中面向客户的金融应用程序。
2023-01-04 cs.LG cs.MA q-fin.CP
Optimal randomized multilevel Monte Carlo for repeatedly nested expectations
本文针对重复嵌套期望估计计算成本随嵌套深度急剧增长的问题,提出递归估计量READ,利用问题递归结构和随机化多层蒙特卡洛方法,在固定深度下实现最优计算成本。
2023-05-31 q-fin.CP stat.CO stat.ME
$L_0$ Feature Selection via Monte Carlo Tree Search in High-Dimensional Financial Regression
LAMSADE, Université Paris Dauphine-PSL, CNRS(LAMSADE,巴黎多芬大学-PSL,法国国家科学研究中心)
本研究针对高维金融回归的特征选择问题,提出基于蒙特卡洛树搜索与GNRPA的框架,在纳斯达克100指数周度收益解释任务上,其样本外$R^2$优于Lasso,为金融领域稀疏解释性特征选择提供了实用替代方案。
2026-10-12 cs.LG q-fin.CP q-fin.ST
Sample Recycling Method -- A New Approach to Efficient Nested Monte Carlo Simulations
嵌套随机建模在金融业的许多领域都得到了广泛的应用。当一个随机模型的某些组成部分由其他模型随机确定时,就会出现这种建模。至少有两个主要的应用领域,包括(1)银行业的投资组合风险管理和(2)保险业基于原则的准备金和资本要求。由于金融工具的价值经常随着基本经济要素而变化,因此投资组合(外环)的风险管理经常需要评估在不久的将来会受到风险因素变化影响的财务状况。财务状况估值(内环)是基于对未来现金流量和风险因素的预测。这种随机建模的嵌套可能在计算上具有挑战性。现有的大多数加速嵌套仿真的技术都是基于曲线拟合的。其主要思想是通过运行一组有限的经济情景来建立内环估计量与风险因素之间的函数关系,并且通过将其他情景输入拟合曲线来进行内环估计,而不是运行内环模拟。本文提出了一种非传统的方法的基础上的概念,样品回收。其本质是运行内环估计的一小组外环的情况下,并找到其他外环的情况下,通过回收这些已知的内环路径的内环估计。当传统技术难以在实践中实现时,这种新方法可以更加有效。
2021-06-10 q-fin.CP q-fin.RM
A short introduction to quasi-Monte Carlo option pricing
本文介绍期权定价方法,并展示如何利用准蒙特卡洛方法简化计算过程,通过实例说明其应用。
2017-07-17 cs.NA math.NA q-fin.CP
Randomisation and recursion methods for mixed-exponential Levy models, with financial applications
我们发展了一种新的蒙特卡罗方差缩减方法来估计两个常见的路径依赖泛函的期望:第一次通过时间和占领时间的集合。该方法是基于一个递归近似的第一次通过时间概率和预期的占用时间套的利维桥过程,部分依赖于随机化的时间参数。我们建立了一般Levy过程的递推关系,并导出了混合指数跳扩散过程的显式形式,混合指数跳扩散过程是Levy过程的一个稠密子类(弱近似意义下),它包括带漂移的布朗运动、Kou双指数模型和超指数跳扩散模型.我们提出了一个高度精确的数值实现,并获得误差估计。作为例子,该方法被应用到范围应计和障碍期权的指数Levy模型和贝茨型随机波动率模型下的指数跳跃的估值。与标准的蒙特卡罗方法相比,我们发现,该方法是显着更有效的。
2014-10-27 math.PR q-fin.CP
Bayesian Inference of Stochastic Volatility Model by Hybrid Monte Carlo
将混合蒙特卡罗(HMC)算法应用于随机波动率(SV)模型的贝叶斯推断。我们使用HMC算法的SV模型的波动率变量的马尔可夫链蒙特卡罗更新。首先,我们使用人工金融数据计算SV模型的参数,并将HMC算法的结果与Metropolis算法的结果进行比较。我们发现,HMC算法去相关的波动率变量比大都会算法。其次,我们利用HMC算法对日经225指数的时间序列进行了实证研究。我们发现样本数据与人工金融数据的结果具有相似的相关性行为,并得到了接近1的$ϕ$值($ϕ\approx 0.977$),这意味着时间序列具有较强的波动持续性。
2009-12-30 physics.comp-ph physics.data-an q-fin.CP
Optimized Multi-Level Monte Carlo Parametrization and Antithetic Sampling for Nested Simulations
Milliman R&D;Laboratoire de Probabilités, Statistique et Modélisation (LPSM)(概率、统计与建模实验室)
针对金融风险估计中嵌套蒙特卡洛计算量大、MLMC处理指示函数等不规则函数时效率下降的问题,提出优化的MLMC参数化方法并证明对偶抽样的效率提升作用,经人寿保险经济资本计算实验验证了实用价值。
2025-10-21 q-fin.CP q-fin.RM
Semi-Closed Form Cubature and Applications to Financial Diffusion Models
立方方法,由于Kusuoka的贡献,它是蒙特卡罗的强大替代方案~[Adv.~数学~经济~ 6,69- 83,2004]和Lyons-Victoir ~[Proc.~ R.~ Soc. Lond.~ Ser.~ A 460,169- 198,2004],涉及许多辅助常微分方程的解。重点介绍了二宫-Victoir算法~[Appl.~数学~鳍。~ 15,107--121,2008],它对应于一个具体的水平$5$体积方法,我们研究了一些参数扩散模型的金融应用,并展示了结构条件下,所有涉及的常微分方程可以显式和有效地解决.然后,我们扩大了这一技术适用的模型类,通过引入一个(依赖于模型)的二宫Victoir方法的变化。我们的方法仍然很容易实现;数值例子说明了计算时间的节省。
2010-09-24 math.PR q-fin.CP
Solving the optimal stopping problem with reinforcement learning: an application in financial option exercise
Universidade de São Paulo(圣保罗大学);Fundacao Getulio Vargas(瓦加斯基金会)
最优停时问题是一类具有特定约束配置的决策问题。它与金融和管理等各种现实应用相关。为了解决最优停时的问题,国家的最先进的动态规划算法,如最小二乘蒙特卡罗(LSMC),采用。这种类型的算法依赖于仅使用标的资产的最后价格作为状态表示的路径模拟。此外,LSMC正在考虑期权估值,其中风险中性概率可以用来解释不确定性。然而,一般的最优停时问题的目标可能不适合的LSMC显示自相关价格的要求。我们采用数据驱动的方法,使用蒙特卡罗模拟训练和测试人工神经网络(ANN)来解决最优停时的问题。使用人工神经网络解决决策问题并不是全新的。我们提出了一种不同的架构,使用卷积神经网络(CNN)来处理当我们将整个价格历史转换为马尔可夫状态时出现的维数问题。我们目前的实验表明,我们提出的架构改善了在特定的模拟时间序列函数集的结果比以前的实现。最后,我们使用我们的方法来比较金融期权问题的最优执行与LSMC算法。我们的实验表明,我们的方法可以捕捉更准确的运动机会相比,LSMC。我们有显著更高的(974\%以上的改善)预期回报,从这些行使政策下的许多蒙特卡罗模拟,使用真实世界的回报数据库的样本(测试)数据。
2022-07-21 cs.AI q-fin.CP
Some Contributions to Sequential Monte Carlo Methods for Option Pricing
期权定价是金融工程中的一个重要问题。在许多具有实际意义的场景中,与标的资产相关的金融期权价格简化为计算w.r.t.~扩散过程。一般来说,这些期望值无法通过分析计算,而近似这些数量的一种方法是通过蒙特卡罗方法;蒙特卡罗方法至少从20世纪70年代开始就被用于期权定价。在Del Moral,P.\& Shevchenko,P.V.(2014)"Valuation of barrier options using序贯蒙特卡罗"和Jasra,A. \& Del Moral,P.(2011)"期权定价的序贯蒙特卡罗",序贯蒙特卡罗(SMC)方法是应用于这种情况的自然工具,可以大大改善标准蒙特卡罗。在本文中,本着类似的精神,Del Moral,P.\& Shevchenko,P.V.(2014)"Valuation of barrier options using序贯蒙特卡罗"和Jasra,A. \& Del Moral,P.(2011)"期权定价的序贯蒙特卡罗"我们表明,通过构建一系列人工目标密度随时间的推移使用SMC方法可以实现显着收益。特别是,我们近似的最佳重要性抽样分布的SMC算法,通过使用一系列的加权函数。这是证明了两个例子,障碍期权和目标应计赎回票据(TARN的)。我们还提供了我们的SMC估计的无偏性的证明。
2016-08-11 q-fin.CP q-fin.PR stat.CO
Monte Carlo methods via a dual approach for some discrete time stochastic control problems
本文考虑一类离散时间随机控制问题,其研究背景是金融应用。我们使用路径随机控制的方法来提供一个双重制定的问题。这使我们能够开发一种数值技术,以获得一个估计的价值函数,提高了纯粹的回归为基础的方法。我们证明了竞争力的方法上的例子,天然气储存的估值问题。
2011-12-19 math.PR q-fin.CP
A framework for adaptive Monte-Carlo procedures
自适应蒙特卡罗方法是最近的方差缩减技术。在这项工作中,我们提出了一个数学设置,大大放宽了自适应重要性抽样技术提出的巴斯克斯-阿巴德和Dufresne,傅和苏,和Arouna所需的假设。我们建立了自适应蒙特卡罗估计的收敛性和渐近正态性的局部假设下,很容易在实践中验证。我们提出了一种方法来近似的最佳重要性抽样参数使用随机截断的随机算法。最后,我们将这种技术应用于金融衍生品的估值的一些例子。
2010-07-08 math.PR q-fin.CP
Path Shadowing Monte-Carlo
提出Path Shadowing Monte-Carlo方法,通过匹配历史路径的生成模型预测未来,在波动率预测和S&P500期权定价上优于现有模型和市场。
2023-08-03 q-fin.CP q-fin.MF q-fin.PR
A Monte Carlo method for exponential hedging of contingent claims
基于效用的方法为不完全金融市场中的证券定价和套期保值提供了一种非常普遍的理论上一致的方法。在基于效用的框架中解决问题通常涉及动态规划,这在实践中可能难以实现。本文提出了一种求解基于指数型效用函数U(x)=-exp(-x)的动态规划最优投资组合问题的蒙特卡罗方法。该算法的灵感来自于Longstaff-Schwartz的方法定价的美国期权的蒙特卡洛模拟,涉及学习最优的投资组合选择策略的模拟蒙特卡洛数据。它与LS框架共享直观性、简单性和灵活性。
2002-11-25 math.OC math.PR q-fin.CP