σμimplied vol · KKmax(S−K,0)udβρᵢⱼfat tailsPnL · drawdownyield · TdSₜ = μSₜ dt + σSₜ dWₜC = S·N(d₁) − K·e⁻ʳᵀ·N(d₂)σₚ² = wᵀΣwd₁ = [ln(S/K) + (r + σ²⁄2)T] ⁄ σ√T∂V/∂t + ½σ²S²·∂²V/∂S² + rS·∂V/∂S − rV = 0Sharpe = (Rₚ − R_f) ⁄ σₚVaR₉₉ = μ − 2.33σρ = Cov(X,Y) ⁄ σₓσᵧE[Rₚ] = Σ wᵢ·E[Rᵢ]φ(x) = e^(−x²/2) ⁄ √2πE[Rᵢ] = R_f + βᵢ(E[Rₘ] − R_f)dXₜ = θ(μ − Xₜ)dt + σ dWₜσ²ₜ = ω + α·ε²ₜ₋₁ + β·σ²ₜ₋₁C − P = S − K·e⁻ʳᵀΔ = ∂V/∂S Γ = ∂²V/∂S²p = (e^(rΔt) − d) ⁄ (u − d)rₜ = ln(Pₜ ⁄ Pₜ₋₁)E[Xₜ₊₁ | ℱₜ] = Xₜf* = (bp − q) ⁄ bz = (x − μ) ⁄ σP(N=k) = λᵏe^(−λ) ⁄ k!Θ = −∂V/∂Tν = S·φ(d₁)·√Tmin wᵀΣw s.t. wᵀμ = μ*∫Σ∂∞λ
uantCraft Academyخرائط الطريقالمسارات
Ctrl K
AO
+1.2k متعلّم
تسجيل الدخولانضم ↗
خرائط الطريقالمسارات
AO
+1.2k متعلّم
تسجيل الدخول
  • English
  • Français
  • Español
  • العربية
  • Português
  • Deutsch
  • 日本語
  • 中文
σμimplied vol · KKmax(S−K,0)udβρᵢⱼfat tailsPnL · drawdownyield · TdSₜ = μSₜ dt + σSₜ dWₜC = S·N(d₁) − K·e⁻ʳᵀ·N(d₂)σₚ² = wᵀΣwd₁ = [ln(S/K) + (r + σ²⁄2)T] ⁄ σ√T∂V/∂t + ½σ²S²·∂²V/∂S² + rS·∂V/∂S − rV = 0Sharpe = (Rₚ − R_f) ⁄ σₚVaR₉₉ = μ − 2.33σρ = Cov(X,Y) ⁄ σₓσᵧE[Rₚ] = Σ wᵢ·E[Rᵢ]φ(x) = e^(−x²/2) ⁄ √2πE[Rᵢ] = R_f + βᵢ(E[Rₘ] − R_f)dXₜ = θ(μ − Xₜ)dt + σ dWₜσ²ₜ = ω + α·ε²ₜ₋₁ + β·σ²ₜ₋₁C − P = S − K·e⁻ʳᵀΔ = ∂V/∂S Γ = ∂²V/∂S²p = (e^(rΔt) − d) ⁄ (u − d)rₜ = ln(Pₜ ⁄ Pₜ₋₁)E[Xₜ₊₁ | ℱₜ] = Xₜf* = (bp − q) ⁄ bz = (x − μ) ⁄ σP(N=k) = λᵏe^(−λ) ⁄ k!Θ = −∂V/∂Tν = S·φ(d₁)·√Tmin wᵀΣw s.t. wᵀμ = μ*∫Σ∂∞λ
uantCraft Academyخرائط الطريقالمسارات
Ctrl K
AO
+1.2k متعلّم
تسجيل الدخولانضم ↗
خرائط الطريقالمسارات
AO
+1.2k متعلّم
تسجيل الدخول
  • English
  • Français
  • Español
  • العربية
  • Português
  • Deutsch
  • 日本語
  • 中文
مسار Stochastic Calculus›الوحدة 5 · المحاكاة والتطبيق›الموضوع 5.1·~55 دمتقدم

مخططا أويلر-ماروياما وميلشتاين

الموضع في المسارالوحدة 5 من 5 · الموضوع 1 من 2
5.1 مخططا أويلر-ماروياما وميلشتاين
—درجة المختبر— / 100إجمالي XP—التتابع—

محاكاة معادلة عشوائية

لمعظم المعادلات العشوائية لا توجد صيغة لحلها، فنحاكيها. نقطّع الزمن إلى خطوات حجمها hhh. ويحرّك مخطط أويلر-ماروياما الحالة بانجراف خطوة واحدة مضافًا إليه التقلب مضروبًا في خطوة عشوائية ΔW\Delta WΔW وهي عدد طبيعي متوسطه 000 وتباينه hhh. وللمعادلة dX=a(X) dt+b(X) dWdX=a(X)\,dt+b(X)\,dWdX=a(X)dt+b(X)dW تكون الصيغة Xn+1=Xn+a(Xn) h+b(Xn) ΔWX_{n+1}=X_n+a(X_n)\,h+b(X_n)\,\Delta WXn+1​=Xn​+a(Xn​)h+b(Xn​)ΔW. إنها أبسط قاعدة: النسخة العشوائية من طريقة أويلر.

Xn+1=Xn+a(Xn) h+b(Xn) ΔWX_{n+1}=X_n+a(X_n)\,h+b(X_n)\,\Delta WXn+1​=Xn​+a(Xn​)h+b(Xn​)ΔW(1)

يضيف مخطط ميلشتاين حدًا واحدًا هو 12 b b′(ΔW2−h)\tfrac12\,b\,b'(\Delta W^{2}-h)21​bb′(ΔW2−h). وهو يأتي من التباين التربيعي ويصحح جزء الخطأ الذي يتجاهله أويلر. وفي الحركة البراونية الهندسية b=σxb=\sigma xb=σx فيكون b b′=σ2xb\,b'=\sigma^{2}xbb′=σ2x. ما مدى جودة المخططين؟ الخطأ القوي يقيس قرب كل مسار محاكى من المسار الحقيقي: أويلر من الرتبة 12\tfrac1221​ (يتناقص الخطأ مثل h\sqrt hh​) وميلشتاين من الرتبة 111 (مثل hhh). والخطأ الضعيف يقيس قرب المتوسطات كسعر الخيار: كلاهما من الرتبة 111. لذا يكفي غالبًا أويلر مع مسارات كثيرة لتسعير خيار أوروبي، ويفيد ميلشتاين في اختبارات التحوط والمنتجات المعتمدة على المسار.

Xn+1=Xn+a h+b ΔW+12 b b′ (ΔW2−h)X_{n+1}=X_n+a\,h+b\,\Delta W+\tfrac12\,b\,b'\,(\Delta W^{2}-h)Xn+1​=Xn​+ah+bΔW+21​bb′(ΔW2−h)(2)
خطوة واحدة وثلاث إجاباتخذ x=100x=100x=100 وμ=0.05\mu=0.05μ=0.05 وσ=0.2\sigma=0.2σ=0.2 وh=0.01h=0.01h=0.01 وسحبة ΔW=0.2\Delta W=0.2ΔW=0.2. يعطي أويلر 100+0.05+4=104.05100+0.05+4=104.05100+0.05+4=104.05. ويضيف ميلشتاين 12×0.04×100×(0.04−0.01)=0.06\tfrac12\times0.04\times100\times(0.04-0.01)=0.0621​×0.04×100×(0.04−0.01)=0.06 فيعطي 104.11104.11104.11. والحل الدقيق للحركة البراونية الهندسية هو 100 e(0.05−0.02)×0.01+0.2×0.2=104.1123100\,e^{(0.05-0.02)\times0.01+0.2\times0.2}=104.1123100e(0.05−0.02)×0.01+0.2×0.2=104.1123. فميلشتاين أقرب بكثير.
  • أويلر-ماروياما: انجراف خطوة مضافًا إليه التقلب مضروبًا في خطوة طبيعية. رتبة قوية 12\tfrac1221​.
  • ميلشتاين: يضيف 12 b b′(ΔW2−h)\tfrac12\,b\,b'(\Delta W^{2}-h)21​bb′(ΔW2−h) ويبلغ الرتبة القوية 111.
  • الخطأ القوي والضعيف: المسارات مقابل المتوسطات. التسعير يحتاج الخطأ الضعيف وهو من الرتبة 111 في كليهما.

المختبر: ما الذي يُقيَّم

  • خطوة أويلر15 نقطة
  • خطوة ميلشتاين15 نقطة
  • خطأ أويلر عند تصغير الخطوة15 نقطة
  • خطأ ميلشتاين عند تصغير الخطوة15 نقطة
  • أي خطأ يهم في التسعير15 نقطة
  • طابق المصطلحات10 نقطة
  • لماذا يتفوق ميلشتاين على أويلر15 نقطة
0/ 7 تمت الإجابة
المهام
1إجابة رقمية15 نقطةبلا إجابة

للمعادلة dX=μX dt+σX dWdX=\mu X\,dt+\sigma X\,dWdX=μXdt+σXdW خذ x=100x=100x=100 وμ=0.05\mu=0.05μ=0.05 وσ=0.2\sigma=0.2σ=0.2 وh=0.01h=0.01h=0.01 وΔW=0.2\Delta W=0.2ΔW=0.2. ماذا تعطي خطوة أويلر-ماروياما x+μx h+σx ΔWx+\mu x\,h+\sigma x\,\Delta Wx+μxh+σxΔW؟ أعطه بخانتين عشريتين.

x=x =x=المقبول: ± 0.01
2إجابة رقمية15 نقطةبلا إجابة

أضف حد ميلشتاين 12 σ2x (ΔW2−h)\tfrac12\,\sigma^{2}x\,(\Delta W^{2}-h)21​σ2x(ΔW2−h) إلى نتيجة أويلر في المهمة السابقة. ما خطوة ميلشتاين؟ أعطها بخانتين عشريتين.

m=m =m=المقبول: ± 0.01
3إجابة رقمية15 نقطةبلا إجابة

الخطأ القوي لأويلر من الرتبة 12\tfrac1221​ فيتناسب مع h\sqrt hh​. وهو 0.040.040.04 عند h=0.01h=0.01h=0.01. فكم يصبح عند h=0.0025h=0.0025h=0.0025؟

e=e =e=المقبول: ± 0.0005
4إجابة رقمية15 نقطةبلا إجابة

الخطأ القوي لميلشتاين من الرتبة 111 فيتناسب مع hhh. وهو 0.010.010.01 عند h=0.01h=0.01h=0.01. فكم يصبح عند h=0.0025h=0.0025h=0.0025؟

e=e =e=المقبول: ± 0.0001
5اختيار15 نقطةبلا إجابة

تسعّر خيارًا أوروبيًا بوصفه متوسط العائد على مسارات محاكاة. أي خطأ هو الأهم؟

6مطابقة10 نقطةبلا إجابة

طابق كل عنصر بمعناه.

اختر مقابل كل عنصر في اليسار.

ΔW\Delta WΔW
أويلر-ماروياما
ميلشتاين
الخطأ الضعيف
7اشرح بكلماتك15 نقطةبلا إجابة

في جملة أو جملتين اشرح ما يفعله حد ميلشتاين الإضافي ولماذا يفيد.

وضع الرياضياتإدخال بلوحة المفاتيح أو LaTeXالمهمة 1 من 7 · Ctrl ⏎ للتحقق

سجّل الدخول لتشغيل الكود الخاص بك.

قراءة كل المحاضرات مجانية. أنشئ حسابًا أو سجّل الدخول لتشغيل الكود وتنفيذ الاختبارات وتسليم هذا المختبر.

  • بيئة تطوير داخل المتصفح مع طرفية bash — لا حاجة لتثبيت أي شيء
  • تصحيح فوري ونقاط خبرة ومكانك في المسار
إنشاء حسابتسجيل الدخول
أو
المتابعة عبر GitHub