شبیه سازی مونت کارلو و تکنیک های کاهش واریانس

چکیده و 1. مقدمه

1.1 قیمت گذاری گزینه

1.2 نماد مجانبی (O بزرگ)

1.3 تفاوت محدود

1.4 مدل بلک شول

1.5 شبیه سازی مونت کارلو و تکنیک های کاهش واریانس

1.6 مشارکت ما

  1. بررسی ادبیات
  2. روش شناسی

3.1 فرض مدل

3.2 قضایا و بحث مدل

  1. تجزیه و تحلیل نتایج
  2. نتیجه گیری و مراجع

1.5 شبیه سازی مونت کارلو و تکنیک های کاهش واریانس

شبیه سازی مونت کارلو یک تکنیک محاسباتی قدرتمند است که در زمینه های مختلف از جمله مالی، مهندسی، فیزیک و آمار برای تقریب سیستم ها و فرآیندهای پیچیده از طریق نمونه گیری تصادفی مکرر استفاده می شود. برای تخمین مقادیر ناشناخته یا شبیه‌سازی رفتار سیستم‌هایی که ممکن است برای مدل‌سازی تحلیلی بیش از حد پیچیده باشند، بر اصول تصادفی و استنتاج آماری متکی است. در هسته خود، شبیه‌سازی مونت کارلو شامل تولید نمونه‌های تصادفی زیادی از یک توزیع احتمال مشخص، استفاده از این نمونه‌ها برای شبیه‌سازی سیستم مورد نظر، و سپس تجزیه و تحلیل نتایج برای نتیجه‌گیری یا پیش‌بینی است. [6].

یکی از چالش‌های کلیدی در شبیه‌سازی مونت کارلو، دستیابی به تخمین‌های دقیق و کارآمد در حالی که هزینه‌های محاسباتی قابل مدیریت است. [7]. تکنیک های کاهش واریانس استراتژی هایی هستند که برای بهبود …

Source link