Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > math > arXiv:1603.06378v1

帮助 | 高级搜索

数学 > 概率

arXiv:1603.06378v1 (math)
[提交于 2016年3月21日 ]

标题: 条件蒙特卡罗:一种变量变换方法

标题: Conditional Monte Carlo: A Change-of-Variables Approach

Authors:Guiyun Feng, Guangwu Liu
摘要: 条件蒙特卡洛(CMC)作为一种标准的模拟技术,已被广泛用于具有不连续被积函数的敏感性估计。 在此背景下使用CMC的一个主要限制是,找到确保结果条件期望连续性和可处理性的条件变量通常依赖于具体问题,可能较为困难。 在本文中,我们尝试通过提出一种变量变换方法来克服这一困难,从而在满足广泛类别的不连续被积函数的温和条件下,得到高效的敏感性估计量。 这些估计量不依赖于模拟模型的结构,且问题依赖性较低。 所提出方法的价值通过在金融期权敏感性估计和概率约束优化问题梯度估计中的应用得到了例证。
摘要: Conditional Monte Carlo (CMC) has been widely used for sensitivity estimation with discontinuous integrands as a standard simulation technique. A major limitation of using CMC in this context is that finding conditioning variables to ensure continuity and tractability of the resulting conditional expectation is often problem dependent and may be difficult. In this paper, we attempt to circumvent this difficulty by proposing a change-of-variables approach to CMC, leading to efficient sensitivity estimators under mild conditions that are satisfied by a wide class of discontinuous integrands. These estimators do not rely on the structure of the simulation models and are less problem dependent. The value of the proposed approach is exemplified through applications in sensitivity estimation for financial options and gradient estimation of chance-constrained optimization problems.
评论: 41页,1图,8表
主题: 概率 (math.PR)
引用方式: arXiv:1603.06378 [math.PR]
  (或者 arXiv:1603.06378v1 [math.PR] 对于此版本)
  https://doi.org/10.48550/arXiv.1603.06378
通过 DataCite 发表的 arXiv DOI

提交历史

来自: Guiyun Feng [查看电子邮件]
[v1] 星期一, 2016 年 3 月 21 日 10:32:51 UTC (143 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • TeX 源代码
  • 其他格式
查看许可
当前浏览上下文:
math.PR
< 上一篇   |   下一篇 >
新的 | 最近的 | 2016-03
切换浏览方式为:
math

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

与本文相关的代码,数据和媒体

alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)

演示

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

arXivLabs:与社区合作伙伴的实验项目

arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。

与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。

有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号