期权定价的蒙特卡罗模拟方差缩减技术研究

蒙特卡罗模拟的方差缩减技术作为模拟效率改进的重要途径,在金融衍生证券的定价分析中得到了广泛的应用和发展,特别是在控制变量、对偶变量、分层抽样、拉丁超立方抽样、矩匹配和重要性抽样技术方面。从方差缩减的效率来看,所有的蒙特卡罗模拟方差缩减技术都能显著地提高期权定价的模拟效率,其中基于最优漂移率的重要性抽样技术与沿着最优分层抽样方向进行的分层抽样技术的组合,要比普通的蒙特卡罗模拟具有极其明显的效率提高效果。

泛化的规模缩减技术

规模缩减技术是一种常用的算法设计思想,文章在此基础上提出了泛化的规模缩减技术,建立了相应的数学模型,并应用这一技术重建了方程求根的牛顿法模型和数值积分的逐次二分梯形法模型。

PEEC结合有理缩减技术分析高速集成电路中同步开关噪声

利用部分元件等效电路 ( PEEC)方法分析高速集成电路系统中同步开关噪声 ,该方法相比其它等效电路方法及全波分析方法 ,具有简单、效率高 ,并可以和无源电路阶数缩减方法结合 ,进行大规模缩减 ,从而进一步提高计算速度。通过对电路中两种典型结构体 (电源 /接地板 ,电源板 /信号线 /接地板 )上同步开关噪声的分析 ,表明这种方法是分析高速集成电路中同步开关噪声的高效方法。

ADSL系统PAR缩减技术研究

PAR即信号峰值与平均值的比率 ,在 ADSL 系统中 ,由于采用 DMT调制 ,随机相位的正弦信号累加可能在某一位置使这些信号同相相加 ,产生幅度非常大的尖峰信号 ,因此 ADSL 系统 PAR值很高 ,PAR值高将给系统性能带来损害 ,本文研究 PAR消减问题 ,通过仿真得到有益的参数 ,为实际设计实现提供了参考。

基于方差缩减技术的LSM方法的美式期权定价

本文主要探讨美式期权定价问题中的LSM方法。美式期权可以提前执行的特点导致其定价问题在偏微分方程的结构内,无法得到明确的解析解,需要通过各种数值方法,如蒙特卡罗模拟法,叉树法和有限差分法来求解。本文提出了使用MATLAB来编写函数,基于LSM方法求解美式期权价值。LSM方法作为美式期权定价的标准方法之一,理论严谨,结果比较准确,但是需要很大的计算量以及储存空间。因此本文的第三部分给出了基于方差缩减技术的LSM方法的改进。

基于超材料的宽带二维随机表面RCS缩减技术

介绍利用反射阵天线理论实现对电磁波的非定向散射,设计基于超材料的超薄宽带二维随机表面,并通过电磁仿真,验证其在电磁波正入射以及小角度入射时有效的隐身效果。该随机表面具有厚度薄、质量轻、易加工、对极化不敏感和隐身频带宽等特点,在电磁隐身领域有着广阔的应用前景。

RFLP缩减杂交技术的改良与水稻雄性不育细胞质基因组差异片段的克隆

对基因组RFLP缩减杂交技术进行了改良,即用连接成大分子的DriverDNA与TesterDNA杂交,再利用PCR纯化试剂盒对大片段DNA回收率低的原理去除大部分DriverDNA以及与之杂交的非特异性TesterDNA片段.经过PCR扩增和克隆,获得多态性片段,可快速获得在亲本间有差异的分子标记.用该技术对水稻野败型雄性不育细胞质和正常细胞质DNA进行RFLP缩减杂交,获得了2个在不育系细胞质DNA与保持系细胞质DNA间的差异片段.

基于方差缩减的高维美式期权Monte Carlo模拟定价

美式期权给予持有者在到期日之前任何时刻的权利,因涉及最佳执行时刻问题定价较为复杂.Monte Carlo方法其估计误差及收敛速度与问题的维数独立,可较好地处理高维衍生证券问题,且方法灵活易于实现.利用最小二乘蒙特卡洛方法(LSM),结合存储量减小技术与方差缩减技术,将Monte Carlo模拟方法应用于多标的资产的美式期权定价,并比较、分析了不同方差缩减技术的效果及适用范围.

以固态硬盘为缓存的存储技术研究

在传统数据存储技术的基础上提出以固态硬盘为缓存的存储技术,结合固态硬盘的写缩减技术,实现热点数据与冷数据在内存-固态硬盘-机械磁盘之间的分级缓存与存储机制,从而能充分利用内存资源,增强与CPU的数据交互能力,进而有效提升大数据环境下的数据处理速度.

基于缩减基有限元法的灭弧室快速优化

针对高压电气设备电场逆问题的快速求解,将缩减基技术和有限元法有效结合,提出了一种用于快速求解电气设备电场逆问题的新方法,即缩减基有限元方法(reduced basis finite element method,RBFEM),分析了RBFEM的基本原理,并以气体绝缘开关设备(gas insulated switchgear,GIS)灭弧室的触头优化为例,详细介绍了基于RBFEM的快速优化算法的实现过程,包括建立数学模型、目标函数和设计变量的选定、给出优化策略、样本参数采样策略的选择、子域的分解以及样本参数N值的取值等关键问题。并对优化后的灭弧室触头形状利用ANSYS求解计算,得到的计算结果与RBFEM求得的计算结果相比误差为1.3%,可知RBFEM算法是有效的。

混凝土裂缝与“减缩”技术

水泥混凝土路面的裂缝一直是困扰混凝土工程稳定性、耐久性的一个难题。通过对水泥混凝土路面裂缝产生的原因及机理的分析,结合我省水泥混凝土路面的施工试验,介绍了在水泥混凝土路面增设缩缝传力杆与冷轧带肋钢筋网的缩减新技术及相关施工工艺,实践证明增设传力杆与钢筋网可以显著减少裂缝的产生,是一项应用前景广泛的新技术。

激光高效加工支撑太阳能技术蓝图

由于多种太阳能电池技术在相互争夺市场份额，人们研究各种方案降低最终模块对消费者的每瓦特成本（$/W），因此取决于所研究的终端使用物的类型不同（晶体硅或薄膜）。设备供应商们可能面临着非常不同的需求。一般终端使用物专用的设备由这些类别的子集来驱动，受到特定的电池技术及其成本缩减技术蓝图的综合作用。

基于改进近似动态规划的安全约束机组组合算法

针对电力系统的安全约束机组组合问题,提出了一种基于改进近似动态规划的求解算法。考虑到安全约束机组组合是一个多时段混合整数非线性规划问题,难以直接求解,所提算法将其建模成马尔可夫决策过程,并利用近似动态规划实现解耦求解。为了处理近似动态规划决策空间过大的问题,所提算法通过决策空间缩减技术提前获得大部分机组的开停机状态,有效提高求解效率。在IEEE 39节点系统和一个实际系统上进行了算例分析,验证了所提算法的有效性。

结构动力可靠度的重要抽样法

重要抽样法是蒙特卡洛数值模拟方法中的一种重要的方差缩减技术 ,目前重要抽样法在工程结构可靠度计算中的应用主要集中于静力问题。本文分析了动力可靠度蒙特卡洛方法的特点 ,提出了在结构动力可靠度问题中应用重要抽样法的方法 ,并针对白噪声荷载 ,给出了选择重要抽样函数的方法和重要抽样函数的具体表达式。理论和数值分析表明 。

带有二次约束二次规划问题的全局最优化

根据带有二次约束二次规划模型的特殊结构,利用乘积的凸包络和凹包络,给出带有二次约束二次规划问题的松弛线性规划问题,以确定全局最优值的下界,使用超矩形缩减技术以加快分支定界算法的收敛速度,从而提出一个求解带有二次约束二次规划问题的全局最优化算法,证明该算法的收敛性,这个新算法实际上是把分支定界方法与外逼近方法有机地结合起来.数值算例表明所提出的算法是可行的.

一种高速FIR数字滤波器的VLSI设计与实现

讨论了一种快速的FIR数字滤波器在VLSI中实现的设计方法。采用基于快速滤波算法(FFAs)的并行滤波器结构,提高了滤波器的工作速度;并结合算法强度缩减技术,降低了硬件面积占用和功率消耗。实验结果表明,采用这种方法可以灵活处理综合的硬件面积占用和速度的约束关系,使设计达到最优。该方法适用于高速和硬件面积要求下的数字滤波模块的VLSI实现。

一种12位80MS/s CMOS流水线ADC设计

介绍了一种12 bit 80 MS/s流水线ADC的设计,用于基带信号处理,其中第一级采用了2.5 bit级电路,采样保持级采用了自举开关提高线性,后级电路采用了缩减技术,节省了芯片面积。采用了折叠增益自举运放,优化了运放的建立速度,节省了功耗。芯片采用HJTC0.18μm标准CMOS工艺,1.8 V电压供电,版图面积2.3 mm×1.4 mm。版图后仿真表明,ADC在8 MHz正弦信号1 V峰值输入下,可以达到11.10 bit有效精度,SFDR达到80.16 dB,整个芯片的功耗为155 mW。

控制变量对蒙特卡罗法期权定价的改进

期权定价是一种价值最大化过程，根据不同时期不同股价的路径获取收益的最大值，并且考虑资产的时间价值。基本假设是股价波动符合几何布朗运动（Geometric Brownian Motion），这些波动可以用偏微分方程来描述。对于欧式期权来说，存在偏微分方程的解析解，通过Black-Scholes模型可以得到。期权定价可以运用蒙特卡罗法进行模拟估算，均值与解析解比较接近。尽管如此，模拟估算的过程仍存在比较大的缺陷，比如价格方差过大，置信区间无效等。这些缺陷可以通过改良蒙特卡洛方法来进行弥补。

多目标布谷鸟搜索算法

解决多目标优化问题,并得到精确的、高质量的Pareto前沿解是非常具有挑战性的。将CS算法运用于多目标问题解的迭代更新过程,对传统的基于Pareto支配关系的适应度函数进行了改进,并提出基于小生境技术的逐步档案缩减法用于档案解的缩减与维护过程,设计出了多目标布谷鸟搜索算法(MOCS)。通过仿真实验验证以及相关性能指标的测试结果得出,MOCS算法与经典的NSGAII算法相比,在所得解的收敛性、多样性和均匀性方面均有所改善。

简讯

2010年天线与微波技术国际研讨会12月2日在我校举行．与会人员就超宽带天线、时域计算技术、RFID技术、双带及多带滤波器技术、天线RCS缩减技术等热门研究领域进行了深入探讨和交流．