n this paper we discuss the importa

n this paper we discuss the importance sampling Monte Carlo methods for pricing options. The classical importance sampling method is used to eliminate the variance caused by the linear part of the logarithmic function of payoff. The variance caused by the quadratic part is reduced by stratified sampling. We eliminate both kinds of variances just by importance sampling. The corresponding space for the eigenvalues of the Hessian matrix of the logarithmic function of payoff is enlarged. Computational Simulation shows the high efficiency of the new method.

ผลลัพธ์ (ไทย) 1:

n กระดาษนี้เจรจาสำคัญราคา Carlo มอนวิธีการสุ่มตัวอย่างตัวเลือก ใช้วิธีการสุ่มตัวอย่างความสำคัญคลาสสิกเพื่อขจัดผลต่างที่เกิดจากเส้นตรงส่วนของฟังก์ชันลอการิทึมของผลตอบแทน ผลต่างที่เกิดจากกำลังสองส่วนจะลดลง โดยการสุ่มตัวอย่าง stratified เรากำจัดทั้งสองชนิดต่าง โดยสุ่มตัวอย่างความสำคัญ ขยายพื้นที่ที่สอดคล้องกันของเวกเตอร์ที่เมทริกซ์กระสอบของฟังก์ชันลอการิทึมของผลตอบแทน จำลองการคำนวณแสดงประสิทธิภาพสูงของวิธีการใหม่

ผลลัพธ์ (ไทย) 2:

n บทความนี้เราหารือถึงความสำคัญการสุ่มตัวอย่างวิธีมอนติคาร์สำหรับตัวเลือกการกำหนดราคา วิธีการสุ่มตัวอย่างสำคัญคลาสสิกที่จะใช้ในการขจัดความแปรปรวนที่เกิดจากการมีส่วนร่วมเชิงเส้นของฟังก์ชั่นลอการิทึมของผลตอบแทน ความแปรปรวนที่เกิดจากการมีส่วนร่วมเป็นกำลังสองจะลดลงโดยการสุ่มตัวอย่างแบบแบ่งชั้น เรากำจัดทั้งสองชนิดของความแปรปรวนเพียงแค่การสุ่มตัวอย่างสำคัญ พื้นที่ที่สอดคล้องกันสำหรับค่าลักษณะเฉพาะของเมทริกซ์รัฐของฟังก์ชันลอการิทึมของผลตอบแทนที่ถูกขยาย การจำลองการคำนวณแสดงให้เห็นถึงประสิทธิภาพสูงของวิธีการใหม่

ผลลัพธ์ (ไทย) 3:

กระดาษนี้เรากล่าวถึงความสำคัญและพระมหากษัตริย์สำหรับตัวเลือกการกำหนดราคา ความสำคัญของการสุ่มตัวอย่างใช้วิธีคลาสสิกเพื่อขจัดความแปรปรวนที่เกิดจากส่วนหนึ่งของฟังก์ชันเชิงเส้นลอการิทึมของการจ่ายเงิน ความแปรปรวนที่เกิดจากส่วนยอดจะลดลง โดยสุ่มแบบแบ่งเป็นชั้นภูมิ เรากำจัดทั้งสองชนิดของความแปรปรวน โดยการสุ่มตัวอย่างสำคัญพื้นที่ที่สอดคล้องกันในค่าของ Hessian matrix ของฟังก์ชันลอการิทึมของผลตอบแทนคือการขยาย . แบบจำลองคอมพิวเตอร์แสดงให้เห็นถึงประสิทธิภาพของวิธีการใหม่