蒙特卡洛

蒙特卡洛方法 (Monte Carlo Method)

蒙特卡洛方法→计算数学/统计学/金融工程核心数值技术→通过随机抽样近似确定性量→核心依赖大数定律(LLN)保证样本均值收敛→对复杂高维问题(解析困难/维数灾难)高效求解。命名源于摩纳哥赌城蒙特卡洛→1940s由Stanislaw Ulam、John von Neumann在曼哈顿计划中发展→现代贝叶斯统计/金融衍生品定价/机器学习基石。

基本原理与收敛性

设目标量$\theta=E[h(X)]$，$X\sim P$→蒙特卡洛估计$\hat{\theta}_n=\frac{1}{n}\sum_{i=1}^n h(X_i)$→大数定律保证$\hat{\theta}_n\overset{p}{\to}\theta$→中心极限定理(CLT)给出$\sqrt{n}(\hat{\theta}_n-\theta)\overset{d}{\to}N(0,\sigma^2)$→可构造近似置信区间$\hat{\theta}_n\pm z_{\alpha/2}\cdot\hat{\sigma}/\sqrt{n}$。误差$O(1/\sqrt{n})$与维数无关→这是蒙特卡洛在高维积分中碾压确定性数值积分的关键优势（后者误差随维数指数增长）。

核心四步：①将问题表述为期望形式→②生成伪随机样本(逆变换法/接受-拒绝采样)→③计算统计量→④评估精度(标准误/置信区间)。

蒙特卡洛积分与方差缩减

定积分$I=\int_a^b g(x)dx$→写为$I=(b-a)E[g(U)]$，$U\sim\text{Uniform}(a,b)$→估计$\hat{I}=(b-a)\frac{1}{n}\sum g(U_i)$。三大方差缩减技术：

对偶变量：生成配对样本$(U,1-U)$→利用负相关降方差→常用于金融衍生品定价。

控制变量：引入已知期望的变量$W$→$\hat{\theta}_{CV}=\hat{\theta}_n-c(\bar{W}-E[W])$→最优$c^*=\mathrm{Cov}(h(X),W)/\mathrm{Var}(W)$。

重要性采样：从提议分布$q$采样→$E_f[h(X)]=E_q[h(X)f(X)/q(X)]$→选$q$使更多样本集中于$h$值大的区域→大幅降低方差。

马尔可夫链蒙特卡洛(MCMC)

贝叶斯统计核心计算工具→目标：从后验分布$\pi(\theta|x)$采样(解析不可得)→构造遍历马尔可夫链→平稳分布=目标后验。两大经典算法：

Metropolis-Hastings：当前$\theta_t$→提议$\theta^*\sim q(\cdot|\theta_t)$→接受概率$\alpha=\min(1,\frac{\pi(\theta^*|x)q(\theta_t|\theta^*)}{\pi(\theta_t|x)q(\theta^*|\theta_t)})$→以概率$\alpha$接受$\theta_{t+1}=\theta^*$，否则$\theta_{t+1}=\theta_t$。调优：接受率25-50\%为佳。

Gibbs采样：高维$\theta$→逐分量从满条件分布$\pi(\theta_j|\theta_{-j},x)$采样→MH特例(接受率恒为1)→计量经济学面板数据随机效应/DSGE模型贝叶斯估计常用。

诊断收敛：迹图(trace plot)、Gelman-Rubin $\hat{R}$统计量($\hat{R}<1.1$收敛)、有效样本量(ESS)。

金融经济学应用

期权定价：Black-Scholes框架→标的资产模拟$S_T=S_0\exp((r-\sigma^2/2)T+\sigma\sqrt{T}Z)$，$Z\sim N(0,1)$→欧式看涨$C=e^{-rT}E[\max(S_T-K,0)]$→模拟$N$条路径求均值。美式期权需Longstaff-Schwartz(最小二乘蒙特卡洛)处理提前行权决策→比较持有价值与立即行权价值。

风险度量：VaR(风险价值)模拟损益分布→取$\alpha$-分位数；CVaR(条件风险价值)取尾部条件期望→信用组合违约相关性的蒙特卡洛评估。

宏观经济学：贝叶斯DSGE估计→MCMC后验采样→脉冲响应函数/方差分解的不确定性量化→随机一般均衡模型的全局非线性解。

伪随机数与拟蒙特卡洛

线性同余生成器$X_{n+1}=(aX_n+c)\mod m$→现代标准Mersenne Twister(R/Python默认)。拟蒙特卡洛(QMC)：低差异序列(Sobol'/Halton)→收敛率$O((\log n)^k/n)$优于MC的$O(1/\sqrt{n})$→高维优势减弱。

记忆：蒙特卡洛=大数定律的计算化身→"用随机逼近确定"→维数无关$O(1/\sqrt{n})$收敛→MCMC扩展至贝叶斯后验→金融定价/风险/DSGE广泛应用→方差缩减+QMC提升效率。