《蒙特卡羅模擬方法》PPT課件

《《蒙特卡羅模擬方法》PPT課件》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在教育資源-天天文庫。

1、蒙特卡羅模擬方法報告人：楊林吳穎科目：項目風(fēng)險管理任課教師：尹志軍蒙特卡羅模擬方法一、蒙特卡羅方法概述二、蒙特卡羅方法模型三、蒙特卡羅方法的優(yōu)缺點及其適用范圍四、相關(guān)案例分析及軟件操作五、問題及相關(guān)答案MonteCarlo方法的發(fā)展歷史早在17世紀(jì)，人們就知道用事件發(fā)生的“頻率”來決定事件的“概率”。從方法特征的角度來說可以一直追溯到18世紀(jì)后半葉的蒲豐（Buffon）隨機投針試驗，即著名的蒲豐問題。1707-17881777年，古稀之年的蒲豐在家中請來好些客人玩投針游戲（針長是線距之半），他事先沒有給客人講與π有關(guān)的事?？腿藗冸m然不知道主人的用意，但是都

2、參加了游戲。他們共投針2212次，其中704次相交。蒲豐說，2212/704=3.142，這就是π值。這著實讓人們驚喜不已。例．蒲豐氏問題設(shè)針投到地面上的位置可以用一組參數(shù)（x,θ）來描述，x為針中心的坐標(biāo)，θ為針與平行線的夾角，如圖所示。任意投針，就是意味著x與θ都是任意取的，但x的范圍限于［0，a］，夾角θ的范圍限于［0，π］。在此情況下，針與平行線相交的數(shù)學(xué)條件是針在平行線間的位置一些人進行了實驗，其結(jié)果列于下表：實驗者年份投計次數(shù)π的實驗值沃爾弗(Wolf)185050003.1596斯密思(Smith)185532043.1553福克斯(Fox)

3、189411203.1419拉查里尼(Lazzarini)190134083.141592920世紀(jì)四十年代，由于電子計算機的出現(xiàn)，利用電子計算機可以實現(xiàn)大量的隨機抽樣的試驗，使得用隨機試驗方法解決實際問題才有了可能。其中作為當(dāng)時的代表性工作便是在第二次世界大戰(zhàn)期間，為解決原子彈研制工作中，裂變物質(zhì)的中子隨機擴散問題，美國數(shù)學(xué)家馮.諾伊曼（VonNeumann）和烏拉姆（Ulam）等提出蒙特卡羅模擬方法。由于當(dāng)時工作是保密的，就給這種方法起了一個代號叫蒙特卡羅，即摩納哥的一個賭城的名字。用賭城的名字作為隨機模擬的名稱，既反映了該方法的部分內(nèi)涵，又易記憶，因

4、而很快就得到人們的普遍接受。蒙特卡羅方法的基本思想蒙特卡羅方法又稱計算機隨機模擬方法。它是以概率統(tǒng)計理論為基礎(chǔ)的一種方法。由蒲豐試驗可以看出，當(dāng)所求問題的解是某個事件的概率，或者是某個隨機變量的數(shù)學(xué)期望，或者是與概率、數(shù)學(xué)期望有關(guān)的量時，通過某種試驗的方法，得出該事件發(fā)生的頻率，或者該隨機變量若干個具體觀察值的算術(shù)平均值，通過它得到問題的解。這就是蒙特卡羅方法的基本思想。因此，可以通俗地說，蒙特卡羅方法是用隨機試驗的方法計算積分，即將所要計算的積分看作服從某種分布密度函數(shù)f(r)的隨機變量ｇ(r)的數(shù)學(xué)期望通過某種試驗，得到Ｎ個觀察值r1，r2，…，rN（

5、用概率語言來說，從分布密度函數(shù)f(r)中抽?。蝹€子樣r1，r2，…，rN，），將相應(yīng)的Ｎ個隨機變量的值g(r1)，g(r2)，…，g(rN)的算術(shù)平均值作為積分的估計值（近似值）。計算機模擬試驗過程計算機模擬試驗過程，就是將試驗過程（如投針問題）化為數(shù)學(xué)問題，在計算機上實現(xiàn)。模擬程序l=1;d=2;m=0;n=10000fork=1:n;x=unifrnd(0,d/2);y=unifrnd(0,pi);ifx<0.5*1*sin(y)m=m+1elseendendp=m/npi_m=1/p①建立概率統(tǒng)計模型②收集模型中風(fēng)險變量的數(shù)據(jù)，確定風(fēng)險因數(shù)的分布函數(shù)

6、③根據(jù)風(fēng)險分析的精度要求，確定模擬次數(shù)⑥樣本值⑦統(tǒng)計分析，估計均值，標(biāo)準(zhǔn)差⑤根據(jù)隨機數(shù)在各風(fēng)險變量的概率分布中隨機抽樣，代入第一步中建立的數(shù)學(xué)模型④建立對隨機變量的抽樣方法，產(chǎn)生隨機數(shù)。例子某投資項目每年所得盈利額A由投資額P、勞動生產(chǎn)率L、和原料及能源價格Q三個因素。收集P,L,Q數(shù)據(jù)，確定分布函數(shù)模擬次數(shù)N；根據(jù)分布函數(shù)，產(chǎn)生隨機數(shù)抽取P,L,Q一組隨機數(shù)，帶入模型產(chǎn)生A值統(tǒng)計分析，估計均值，標(biāo)準(zhǔn)差根據(jù)歷史數(shù)據(jù)，預(yù)測未來。模型建立的兩點說明MonteCarlo方法在求解一個問題是，總是需要根據(jù)問題的要求構(gòu)造一個用于求解的概率統(tǒng)計模型，常見的模型把問題的

7、解化為一個隨機變量的某個參數(shù)的估計問題。要估計的參數(shù)通常設(shè)定為的數(shù)學(xué)期望（亦平均值，即）。按統(tǒng)計學(xué)慣例，可用的樣本的平均值來估計，即這時就必須采用主觀概率,即由專家做出主觀估計得到的概率。另一方面,在對估測目標(biāo)的資料與數(shù)據(jù)不足的情況下,不可能得知風(fēng)險變量的真實分布時,根據(jù)當(dāng)時或以前所收集到的類似信息和歷史資料,通過專家分析或利用德爾菲法還是能夠比較準(zhǔn)確地估計上述各風(fēng)險因素并用各種概率分布進行描述的。Crystalball軟件對各種概率分布進行擬合以選取最合適的分布。收集模型中風(fēng)險變量的數(shù)據(jù)，確定風(fēng)險因數(shù)的分布函數(shù)抽樣次數(shù)與結(jié)果精度解的均值與方差的計算公式：

8、是隨機變量X的方差，而稱為估計量方差。通常蒙特卡羅模擬中的樣本量n