在金融商品的衡量中,风险值(VaR)成为了近年来大家关注的一项指标。用以了解投资风险以便做好风险的规避。在风险值模拟中,无母数方法里的蒙地卡罗模拟法(Monte Carlo Method , MC)为电脑随机抽取的乱数,加入到价格模拟的随机过程里...
详细信息
在金融商品的衡量中,风险值(VaR)成为了近年来大家关注的一项指标。用以了解投资风险以便做好风险的规避。在风险值模拟中,无母数方法里的蒙地卡罗模拟法(Monte Carlo Method , MC)为电脑随机抽取的乱数,加入到价格模拟的随机过程里,且无任何模型上的假设,故须承担模型之风险,较能因应市场的变化。但由於电脑随机抽取的乱数,容易发生乱数聚集性,而影响了估计的稳定性。为改善此问题,在乱数模拟的部份改以低差异性数列去产生乱数值,称之为准蒙地卡罗模拟法(Quasi-Monte Carlo Method , Q-MC),并举出常见的两个低差异性数列Halton数列及Sobol数列。在给定不同的衡量准则下,比较其差异。本文模拟的结果显示,低差异性数列中之Sobol数列,其乱数本身的差异性小,在低差异数列中为较适合的估计风险值的模拟法,且与风险值真值的差距也是最接近的。有效的改进了传统蒙地卡罗模拟法的缺点,使应用电脑模拟风险值更为稳定和精确。
暂无评论