基于有效Monte Carlo模拟的外汇期权组合非线性VaR模型

为了克服极小概率事件发生概率估计的困难,提出了把重要抽样技术发展到外汇期权组合非线性VaR模型中,估计出组合损失概率。为了进一步达到减少模拟估计误差目的,在重要抽样技术基础上使用分层抽样技术,进行更有效的Monte Carlo模拟。数值结果表明,重要抽样技术算法比常用Monte Carlo模拟法的计算效率更有效;而重要抽样技术和分层抽样技术相结合算法比重要抽样技术算法更有效地减少模拟所要估计的组合损失概率的方差,有着更高的计算效率。

基于重要抽样技术的外汇期权组合非线性VaR模型

为了克服极小概率事件发生概率估计的困难,提出了把重要抽样技术发展到外汇期权组合非线性VaR模型中,通过改变市场变量回报分布的期望向量和协方差矩阵,在相应区域产生更多的样本,使得该情形下不再是稀有事件Monte Carlo模拟,从而减少Monte Carlo模拟计算工作量,更精确地估计出组合的损失概率,而组合的损失概率是计算组合损失分布的分位点(VaR值)的必备条件。模拟结果表明,该算法比常用Monte Carlo模拟法的计算效率更有效,且能很大程度上减少所要估计的损失概率的方差。