在金融工程和量化风险管理中，蒙特卡洛模拟（Monte Carlo Simulation）是一种广泛用于期权定价、风险价值（VaR）估算等任务的数值方法。标准蒙特卡洛方法通过随机抽样来估计期望值，而对偶变量法（Antithetic Variables）是一种方差减少技术，旨在提高模拟效率并降低估计误差。 ### 标准蒙特卡洛方法实现 以欧式看涨期权定价为例，假设资产价格服从几何布朗运动（Geometric Brownian Motion, GBM），其价格路径可以通过以下公式模拟： $$ S_T = S_0 \cdot e^{(r - \frac{1}{2} \sigma^2)T + \sigma W_T} $$ 其中： - $S_0$ 是初始资产价格 - $r$ 是无风险利率 - $\sigma$ 是波动率 - $T$ 是到期时间 - $W_T$ 是标准布朗运动的正态分布随机变量 以下是使用标准蒙特卡洛方法计算欧式看涨期权价格的 Python 实现： ```python import numpy as np def monte_carlo_call_option(S0, K, T, r, sigma, num_simulations): """ 使用标准蒙特卡洛方法计算欧式看涨期权价格 参数: S0 : float - 初始股价 K : float - 执行价 T : float - 到期时间（年） r : float - 无风险利率 sigma : float - 波动率 num_simulations : int - 模拟次数 返回: call_price : float - 期权价格 """ # 生成标准正态分布的随机数 Z = np.random.standard_normal(num_simulations) # 计算到期日的资产价格 ST = S0 * np.exp((r - 0.5 * sigma**2) * T + sigma * np.sqrt(T) * Z) # 计算期权支付 payoff = np.maximum(ST - K, 0) # 折现到当前时刻 call_price = np.exp(-r * T) * np.mean(payoff) return call_price ``` ### 对偶变量法实现 对偶变量法通过引入原始样本的“对偶”样本（即负的随机变量）来构造更有效的估计量，从而减少方差。例如，在上述模型中，若 $Z$ 是一个标准正态随机变量，则其对偶变量为 $-Z$。该方法可以有效减少模拟中的方差，提升收敛速度[^1]。 以下是结合对偶变量法的欧式看涨期权定价实现： ```python def antithetic_monte_carlo_call_option(S0, K, T, r, sigma, num_simulations): """ 使用对偶变量法的蒙特卡洛方法计算欧式看涨期权价格 参数: S0 : float - 初始股价 K : float - 执行价 T : float - 到期时间（年） r : float - 无风险利率 sigma : float - 波动率 num_simulations : int - 模拟次数（实际样本数为2*num_simulations） 返回: call_price : float - 期权价格 """ # 生成标准正态分布的随机数及其对偶 Z = np.random.standard_normal(num_simulations) Z_antithetic = -Z # 合并原始与对偶样本 Z_combined = np.concatenate([Z, Z_antithetic]) # 计算到期日的资产价格 ST = S0 * np.exp((r - 0.5 * sigma**2) * T + sigma * np.sqrt(T) * Z_combined) # 计算期权支付 payoff = np.maximum(ST - K, 0) # 折现到当前时刻 call_price = np.exp(-r * T) * np.mean(payoff) return call_price ``` ### 示例调用 以下是一个示例调用，展示如何使用上述函数进行期权定价： ```python # 参数设置 S0 = 100 # 初始股价 K = 105 # 执行价 T = 1 # 到期时间（年） r = 0.05 # 无风险利率 sigma = 0.2 # 波动率 num_simulations = 100000 # 模拟次数 # 标准蒙特卡洛方法 call_price_mc = monte_carlo_call_option(S0, K, T, r, sigma, num_simulations) # 对偶变量法 call_price_antithetic = antithetic_monte_carlo_call_option(S0, K, T, r, sigma, num_simulations // 2) print(f"标准蒙特卡洛方法期权价格: {call_price_mc:.4f}") print(f"对偶变量法期权价格: {call_price_antithetic:.4f}") ``` 通过对偶变量法，可以在不显著增加计算成本的情况下获得更稳定的期权价格估计。