Методы Монте-Карло
Моделирование нормального распределения; квазислучайные числа.
Моделирование стохастических процессов и численные схемы для СДУ.
Техники снижения дисперсии.
Копулы.
Оценки чувствительностей. Расчеты греков.
Напоминание из теории цепей Маркова. Марковское ядро, свойства. Определение однородной цепи Маркова с произвольным пространством состояний. Эргодичность марковского ядра в смысле расстояния по вариации.
Обратимость во времени (reversibility). Алгоритм Метрополиса-Гастингса. Алгоритм Гиббса, примеры применения.
Алгоритмы MCMC на основе динамики Ланжевена - ULA, MALA. Их теоретические свойства. Метрика Канторовича-Вассерштейна, анализ скорости сходимости алгоритма ULA в метрике Канторовича-Вассрештейна.
Алгоритм HMC (Гамильтонов Монте-Карло), его свойства.
Алгоритм AIS (annealed importance sampling) и его свойства.
Алгоритмы MCMC с параллельной генерацией из порождающего распределения - i-SIR.
Применение MCMC в генеративном моделировании.
Paul Glasserman. Monte Carlo Methods in Financial Engineering. Springer, 2003.
Ali Hirsa. Computational Methods in Finance. Chapman Hall/CRC, 2012.
Tweedie RL Meyn SP. Markov chains and stochastic stability. Springer Science Business Media, 1993.
R.M Neal. Annealed importance sampling. Statistics и computing, 11, pp.125-139, 2001.
Подробная информация о курсе: https://vega-education.org/courses#scourses
Этот курс посвящен изучению и применению методов Монте-Карло, являющихся мощным инструментом для решения широкого спектра задач в различных областях. Обучение будет проводиться как посредством теоретического анализа, так и практической реализации изученных концепций.
Первая часть курса будет посвящена вычислительным методам (в основном, методам Монте-Карло), используемым для ценообразования производных инструментов, управления рисками, а также для оценки и калибровки моделей. Мы рассмотрим следующие темы: генерация случайных чисел, дискретизация стохастических дифференциальных уравнений (СДУ), анализ результатов моделирования/симуляций, методы снижения дисперсии, моделирование копул, вычисление чувствительности опционов.
Вторая часть курса будет посвящена методам Монте-Карло по схеме марковских цепей (MCMC), включая их теоретические основы и практические применения. Будут рассмотрены алгоритмы Гиббса, Метрополиса-Гастингса, ULA, MALA, HMC и AIS. Завершающим аккордом будет изучение применения MCMC в генеративном моделировании.