精华内容
下载资源
问答
  • 2021-01-17 17:37:54

    一 蒙特卡洛模拟法简介

    蒙特卡洛(Monte

    Carlo)模拟是一种通过设定随机过程,反复生成时间序列,计算参数估计量和统计量,进而研究其分布特征的方法。具体的,当系统中各个单元的可靠性特征量已知,但系统的可靠性过于复杂,难以建立可靠性预计的精确数学模型或模型太复杂而不便应用时,可用随机模拟法近似计算出系统可靠性的预计值;随着模拟次数的增多,其预计精度也逐渐增高。由于涉及到时间序列的反复生成,蒙特卡洛模拟法是以高容量和高速度的计算机为前提条件的,因此只是在近些年才得到广泛推广。

    这个术语是二战时期美国物理学家Metropolis执行曼哈顿计划的过程中提出来的。

    蒙特卡洛模拟方法的原理是当问题或对象本身具有概率特征时,可以用计算机模拟的方法产生抽样结果,根据抽样计算统计量或者参数的值;随着模拟次数的增多,可以通过对各次统计量或参数的估计值求平均的方法得到稳定结论。

    二 蒙特卡洛模拟法求解步骤

    应用此方法求解工程技术问题可以分为两类:确定性问题和随机性问题。

    解题步骤如下:

    1.根据提出的问题构造一个简单、适用的概率模型或随机模型,使问题的解对应于该模型中随机变量的某些特征(如概率、均值和方差等),所构造的模型在主要特征参量方面要与实际问题或系统相一致

    2

    .根据模型中各个随机变量的分布,在计算机上产生随机数,实现一次模拟过程所需的足够数量的随机数。通常先产生均匀分布的随机数,然后生成服从某一分布的随机数,方可进行随机模拟试验。

    3.

    根据概率模型的特点和随机变量的分布特性,设计和选取合适的抽样方法,并对每个随机变量进行抽样(包括直接抽样、分层抽样、相关抽样、重要抽样等)。

    4.按照所建立的模型进行仿真试验、计算,求出问题的随机解。

    5. 统计分析模拟试验结果,给出问题的概率解以及解的精度估计。

    三 蒙特卡洛模拟法的应用领域

    蒙特卡洛模拟法的应用领域主要有:

    1.直接应用蒙特卡洛模拟:应用大规模的随机数列来模拟复杂系统,得到某些参数或重要指标。

    2.蒙特卡洛积分:利用随机数列计算积分,维数越高,积分效率越高。

    3.MCMC:这是直接应用蒙特卡洛模拟方法的推广,该方法中随机数的产生是采用的马尔科夫链形式。

    四 资产组合模拟

    假设有五种资产,其日收益率(%)分别为

    0.0246 0.0189 0.0273 0.0141 0.0311

    标准差分别为

    0.9509 1.4259, 1.5227, 1.1062, 1.0877

    相关系数矩阵为

    1.0000 0.4403 0.4735 0.4334 0.6855

    0.4403 1.0000 0.7597 0.7809 0.4343

    0.4735 0.7597 1.0000 0.6978 0.4926

    0.4334 0.7809 0.6978 1.0000 0.4289

    0.6855 0.4343 0.4926 0.4289 1.0000

    假设初始价格都为100,模拟天数为504天,模拟线程为2,程序如下

    %run.m

    ExpReturn = [0.0246 0.0189 0.0273 0.0141 0.0311]/100; %期望收益

    Sigmas = [0.9509 1.4259, 1.5227, 1.1062, 1.0877]/100;%标准差

    Correlations = [1.0000 0.4403 0.4735 0.4334 0.6855

    0.4403 1.0000 0.7597 0.7809 0.4343

    0.4735 0.7597 1.0000 0.6978 0.4926

    0.4334 0.7809 0.6978 1.0000 0.4289

    0.6855 0.4343 0.4926 0.4289 1.0000

    ];%相关系数

    ExpCov = corr2cov(Sigmas, Correlations);%协方差

    StartPrice = 100;%初始价格

    NumObs = 504;

    NumSim = 2;

    RetIntervals = 1;

    NumAssets = 5;

    %开始模拟

    randn('state', 0);

    RetExact = portsim(ExpReturn, ExpCov, NumObs, RetIntervals,

    NumSim);

    Weights = ones(NumAssets, 1)/ NumAssets;

    PortRetExact = zeros(NumObs, NumSim);

    for i = 1:NumSim

    PortRetExact(:, i) = RetExact(:,:,i)*Weights;

    end

    PortExact = ret2tick(PortRetExact,

    repmat(StartPrice, 1, NumSim));

    plot(PortExact, '-r');

    一 蒙特卡洛模拟法简介

    蒙特卡洛(Monte

    Carlo)模拟是一种通过设定随机过程,反复生成时间序列,计算参数估计量和统计量,进而研究其分布特征的方法。具体的,当系统中各个单元的可靠性特征量已知,但系统的可靠性过于复杂,难以建立可靠性预计的精确数学模型或模型太复杂而不便应用时,可用随机模拟法近似计算出系统可靠性的预计值;随着模拟次数的增多,其预计精度也逐渐增高。由于涉及到时间序列的反复生成,蒙特卡洛模拟法是以高容量和高速度的计算机为前提条件的,因此只是在近些年才得到广泛推广。

    这个术语是二战时期美国物理学家Metropolis执行曼哈顿计划的过程中提出来的。

    蒙特卡洛模拟方法的原理是当问题或对象本身具有概率特征时,可以用计算机模拟的方法产生抽样结果,根据抽样计算统计量或者参数的值;随着模拟次数的增多,可以通过对各次统计量或参数的估计值求平均的方法得到稳定结论。

    二 蒙特卡洛模拟法求解步骤

    应用此方法求解工程技术问题可以分为两类:确定性问题和随机性问题。

    解题步骤如下:

    1.根据提出的问题构造一个简单、适用的概率模型或随机模型,使问题的解对应于该模型中随机变量的某些特征(如概率、均值和方差等),所构造的模型在主要特征参量方面要与实际问题或系统相一致

    2

    .根据模型中各个随机变量的分布,在计算机上产生随机数,实现一次模拟过程所需的足够数量的随机数。通常先产生均匀分布的随机数,然后生成服从某一分布的随机数,方可进行随机模拟试验。

    3.

    根据概率模型的特点和随机变量的分布特性,设计和选取合适的抽样方法,并对每个随机变量进行抽样(包括直接抽样、分层抽样、相关抽样、重要抽样等)。

    4.按照所建立的模型进行仿真试验、计算,求出问题的随机解。

    5. 统计分析模拟试验结果,给出问题的概率解以及解的精度估计。

    三 蒙特卡洛模拟法的应用领域

    蒙特卡洛模拟法的应用领域主要有:

    1.直接应用蒙特卡洛模拟:应用大规模的随机数列来模拟复杂系统,得到某些参数或重要指标。

    2.蒙特卡洛积分:利用随机数列计算积分,维数越高,积分效率越高。

    3.MCMC:这是直接应用蒙特卡洛模拟方法的推广,该方法中随机数的产生是采用的马尔科夫链形式。

    四 资产组合模拟

    假设有五种资产,其日收益率(%)分别为

    0.0246 0.0189 0.0273 0.0141 0.0311

    标准差分别为

    0.9509 1.4259, 1.5227, 1.1062, 1.0877

    相关系数矩阵为

    1.0000 0.4403 0.4735 0.4334 0.6855

    0.4403 1.0000 0.7597 0.7809 0.4343

    0.4735 0.7597 1.0000 0.6978 0.4926

    0.4334 0.7809 0.6978 1.0000 0.4289

    0.6855 0.4343 0.4926 0.4289 1.0000

    假设初始价格都为100,模拟天数为504天,模拟线程为2,程序如下

    %run.m

    ExpReturn = [0.0246 0.0189 0.0273 0.0141 0.0311]/100; %期望收益

    Sigmas = [0.9509 1.4259, 1.5227, 1.1062, 1.0877]/100;%标准差

    Correlations = [1.0000 0.4403 0.4735 0.4334 0.6855

    0.4403 1.0000 0.7597 0.7809 0.4343

    0.4735 0.7597 1.0000 0.6978 0.4926

    0.4334 0.7809 0.6978 1.0000 0.4289

    0.6855 0.4343 0.4926 0.4289 1.0000

    ];%相关系数

    ExpCov = corr2cov(Sigmas, Correlations);%协方差

    StartPrice = 100;%初始价格

    NumObs = 504;

    NumSim = 2;

    RetIntervals = 1;

    NumAssets = 5;

    %开始模拟

    randn('state', 0);

    RetExact = portsim(ExpReturn, ExpCov, NumObs, RetIntervals,

    NumSim);

    Weights = ones(NumAssets, 1)/ NumAssets;

    PortRetExact = zeros(NumObs, NumSim);

    for i = 1:NumSim

    PortRetExact(:, i) = RetExact(:,:,i)*Weights;

    end

    PortExact = ret2tick(PortRetExact,

    repmat(StartPrice, 1, NumSim));

    plot(PortExact, '-r');

    一 蒙特卡洛模拟法简介

    蒙特卡洛(Monte

    Carlo)模拟是一种通过设定随机过程,反复生成时间序列,计算参数估计量和统计量,进而研究其分布特征的方法。具体的,当系统中各个单元的可靠性特征量已知,但系统的可靠性过于复杂,难以建立可靠性预计的精确数学模型或模型太复杂而不便应用时,可用随机模拟法近似计算出系统可靠性的预计值;随着模拟次数的增多,其预计精度也逐渐增高。由于涉及到时间序列的反复生成,蒙特卡洛模拟法是以高容量和高速度的计算机为前提条件的,因此只是在近些年才得到广泛推广。

    这个术语是二战时期美国物理学家Metropolis执行曼哈顿计划的过程中提出来的。

    蒙特卡洛模拟方法的原理是当问题或对象本身具有概率特征时,可以用计算机模拟的方法产生抽样结果,根据抽样计算统计量或者参数的值;随着模拟次数的增多,可以通过对各次统计量或参数的估计值求平均的方法得到稳定结论。

    二 蒙特卡洛模拟法求解步骤

    应用此方法求解工程技术问题可以分为两类:确定性问题和随机性问题。

    解题步骤如下:

    1.根据提出的问题构造一个简单、适用的概率模型或随机模型,使问题的解对应于该模型中随机变量的某些特征(如概率、均值和方差等),所构造的模型在主要特征参量方面要与实际问题或系统相一致

    2

    .根据模型中各个随机变量的分布,在计算机上产生随机数,实现一次模拟过程所需的足够数量的随机数。通常先产生均匀分布的随机数,然后生成服从某一分布的随机数,方可进行随机模拟试验。

    3.

    根据概率模型的特点和随机变量的分布特性,设计和选取合适的抽样方法,并对每个随机变量进行抽样(包括直接抽样、分层抽样、相关抽样、重要抽样等)。

    4.按照所建立的模型进行仿真试验、计算,求出问题的随机解。

    5. 统计分析模拟试验结果,给出问题的概率解以及解的精度估计。

    三 蒙特卡洛模拟法的应用领域

    蒙特卡洛模拟法的应用领域主要有:

    1.直接应用蒙特卡洛模拟:应用大规模的随机数列来模拟复杂系统,得到某些参数或重要指标。

    2.蒙特卡洛积分:利用随机数列计算积分,维数越高,积分效率越高。

    3.MCMC:这是直接应用蒙特卡洛模拟方法的推广,该方法中随机数的产生是采用的马尔科夫链形式。

    四 资产组合模拟

    假设有五种资产,其日收益率(%)分别为

    0.0246 0.0189 0.0273 0.0141 0.0311

    标准差分别为

    0.9509 1.4259, 1.5227, 1.1062, 1.0877

    相关系数矩阵为

    1.0000 0.4403 0.4735 0.4334 0.6855

    0.4403 1.0000 0.7597 0.7809 0.4343

    0.4735 0.7597 1.0000 0.6978 0.4926

    0.4334 0.7809 0.6978 1.0000 0.4289

    0.6855 0.4343 0.4926 0.4289 1.0000

    假设初始价格都为100,模拟天数为504天,模拟线程为2,程序如下

    %run.m

    ExpReturn = [0.0246 0.0189 0.0273 0.0141 0.0311]/100; %期望收益

    Sigmas = [0.9509 1.4259, 1.5227, 1.1062, 1.0877]/100;%标准差

    Correlations = [1.0000 0.4403 0.4735 0.4334 0.6855

    0.4403 1.0000 0.7597 0.7809 0.4343

    0.4735 0.7597 1.0000 0.6978 0.4926

    0.4334 0.7809 0.6978 1.0000 0.4289

    0.6855 0.4343 0.4926 0.4289 1.0000

    ];%相关系数

    ExpCov = corr2cov(Sigmas, Correlations);%协方差

    StartPrice = 100;%初始价格

    NumObs = 504;

    NumSim = 2;

    RetIntervals = 1;

    NumAssets = 5;

    %开始模拟

    randn('state', 0);

    RetExact = portsim(ExpReturn, ExpCov, NumObs, RetIntervals,

    NumSim);

    Weights = ones(NumAssets, 1)/ NumAssets;

    PortRetExact = zeros(NumObs, NumSim);

    for i = 1:NumSim

    PortRetExact(:, i) = RetExact(:,:,i)*Weights;

    end

    PortExact = ret2tick(PortRetExact,

    repmat(StartPrice, 1, NumSim));

    plot(PortExact, '-r');

    一 蒙特卡洛模拟法简介

    蒙特卡洛(Monte

    Carlo)模拟是一种通过设定随机过程,反复生成时间序列,计算参数估计量和统计量,进而研究其分布特征的方法。具体的,当系统中各个单元的可靠性特征量已知,但系统的可靠性过于复杂,难以建立可靠性预计的精确数学模型或模型太复杂而不便应用时,可用随机模拟法近似计算出系统可靠性的预计值;随着模拟次数的增多,其预计精度也逐渐增高。由于涉及到时间序列的反复生成,蒙特卡洛模拟法是以高容量和高速度的计算机为前提条件的,因此只是在近些年才得到广泛推广。

    这个术语是二战时期美国物理学家Metropolis执行曼哈顿计划的过程中提出来的。

    蒙特卡洛模拟方法的原理是当问题或对象本身具有概率特征时,可以用计算机模拟的方法产生抽样结果,根据抽样计算统计量或者参数的值;随着模拟次数的增多,可以通过对各次统计量或参数的估计值求平均的方法得到稳定结论。

    二 蒙特卡洛模拟法求解步骤

    应用此方法求解工程技术问题可以分为两类:确定性问题和随机性问题。

    解题步骤如下:

    1.根据提出的问题构造一个简单、适用的概率模型或随机模型,使问题的解对应于该模型中随机变量的某些特征(如概率、均值和方差等),所构造的模型在主要特征参量方面要与实际问题或系统相一致

    2

    .根据模型中各个随机变量的分布,在计算机上产生随机数,实现一次模拟过程所需的足够数量的随机数。通常先产生均匀分布的随机数,然后生成服从某一分布的随机数,方可进行随机模拟试验。

    3.

    根据概率模型的特点和随机变量的分布特性,设计和选取合适的抽样方法,并对每个随机变量进行抽样(包括直接抽样、分层抽样、相关抽样、重要抽样等)。

    4.按照所建立的模型进行仿真试验、计算,求出问题的随机解。

    5. 统计分析模拟试验结果,给出问题的概率解以及解的精度估计。

    三 蒙特卡洛模拟法的应用领域

    蒙特卡洛模拟法的应用领域主要有:

    1.直接应用蒙特卡洛模拟:应用大规模的随机数列来模拟复杂系统,得到某些参数或重要指标。

    2.蒙特卡洛积分:利用随机数列计算积分,维数越高,积分效率越高。

    3.MCMC:这是直接应用蒙特卡洛模拟方法的推广,该方法中随机数的产生是采用的马尔科夫链形式。

    四 资产组合模拟

    假设有五种资产,其日收益率(%)分别为

    0.0246 0.0189 0.0273 0.0141 0.0311

    标准差分别为

    0.9509 1.4259, 1.5227, 1.1062, 1.0877

    相关系数矩阵为

    1.0000 0.4403 0.4735 0.4334 0.6855

    0.4403 1.0000 0.7597 0.7809 0.4343

    0.4735 0.7597 1.0000 0.6978 0.4926

    0.4334 0.7809 0.6978 1.0000 0.4289

    0.6855 0.4343 0.4926 0.4289 1.0000

    假设初始价格都为100,模拟天数为504天,模拟线程为2,程序如下

    %run.m

    ExpReturn = [0.0246 0.0189 0.0273 0.0141 0.0311]/100; %期望收益

    Sigmas = [0.9509 1.4259, 1.5227, 1.1062, 1.0877]/100;%标准差

    Correlations = [1.0000 0.4403 0.4735 0.4334 0.6855

    0.4403 1.0000 0.7597 0.7809 0.4343

    0.4735 0.7597 1.0000 0.6978 0.4926

    0.4334 0.7809 0.6978 1.0000 0.4289

    0.6855 0.4343 0.4926 0.4289 1.0000

    ];%相关系数

    ExpCov = corr2cov(Sigmas, Correlations);%协方差

    StartPrice = 100;%初始价格

    NumObs = 504;

    NumSim = 2;

    RetIntervals = 1;

    NumAssets = 5;

    %开始模拟

    randn('state', 0);

    RetExact = portsim(ExpReturn, ExpCov, NumObs, RetIntervals,

    NumSim);

    Weights = ones(NumAssets, 1)/ NumAssets;

    PortRetExact = zeros(NumObs, NumSim);

    for i = 1:NumSim

    PortRetExact(:, i) = RetExact(:,:,i)*Weights;

    end

    PortExact = ret2tick(PortRetExact,

    repmat(StartPrice, 1, NumSim));

    plot(PortExact, '-r');

    蒙特卡洛模拟法简介

    蒙特卡洛(Monte

    Carlo)模拟是一种通过设定随机过程,反复生成时间序列,计算参数估计量和统计量,进而研究其分布特征的方法。具体的,当系统中各个单元的可靠性特征量已知,但系统的可靠性过于复杂,难以建立可靠性预计的精确数学模型或模型太复杂而不便应用时,可用随机模拟法近似计算出系统可靠性的预计值;随着模拟次数的增多,其预计精度也逐渐增高。由于涉及到时间序列的反复生成,蒙特卡洛模拟法是以高容量和高速度的计算机为前提条件的,因此只是在近些年才得到广泛推广。

    这个术语是二战时期美国物理学家Metropolis执行曼哈顿计划的过程中提出来的。

    蒙特卡洛模拟方法的原理是当问题或对象本身具有概率特征时,可以用计算机模拟的方法产生抽样结果,根据抽样计算统计量或者参数的值;随着模拟次数的增多,可以通过对各次统计量或参数的估计值求平均的方法得到稳定结论。

    二 蒙特卡洛模拟法求解步骤

    应用此方法求解工程技术问题可以分为两类:确定性问题和随机性问题。

    解题步骤如下:

    1.根据提出的问题构造一个简单、适用的概率模型或随机模型,使问题的解对应于该模型中随机变量的某些特征(如概率、均值和方差等),所构造的模型在主要特征参量方面要与实际问题或系统相一致

    2

    .根据模型中各个随机变量的分布,在计算机上产生随机数,实现一次模拟过程所需的足够数量的随机数。通常先产生均匀分布的随机数,然后生成服从某一分布的随机数,方可进行随机模拟试验。

    3.

    根据概率模型的特点和随机变量的分布特性,设计和选取合适的抽样方法,并对每个随机变量进行抽样(包括直接抽样、分层抽样、相关抽样、重要抽样等)。

    4.按照所建立的模型进行仿真试验、计算,求出问题的随机解。

    5. 统计分析模拟试验结果,给出问题的概率解以及解的精度估计。

    三 蒙特卡洛模拟法的应用领域

    蒙特卡洛模拟法的应用领域主要有:

    1.直接应用蒙特卡洛模拟:应用大规模的随机数列来模拟复杂系统,得到某些参数或重要指标。

    2.蒙特卡洛积分:利用随机数列计算积分,维数越高,积分效率越高。

    3.MCMC:这是直接应用蒙特卡洛模拟方法的推广,该方法中随机数的产生是采用的马尔科夫链形式。

    四 资产组合模拟

    假设有五种资产,其日收益率(%)分别为

    0.0246 0.0189 0.0273 0.0141 0.0311

    标准差分别为

    0.9509 1.4259, 1.5227, 1.1062, 1.0877

    相关系数矩阵为

    1.0000 0.4403 0.4735 0.4334 0.6855

    0.4403 1.0000 0.7597 0.7809 0.4343

    0.4735 0.7597 1.0000 0.6978 0.4926

    0.4334 0.7809 0.6978 1.0000 0.4289

    0.6855 0.4343 0.4926 0.4289 1.0000

    假设初始价格都为100,模拟天数为504天,模拟线程为2,程序如下

    %run.m

    ExpReturn = [0.0246 0.0189 0.0273 0.0141 0.0311]/100; %期望收益

    Sigmas = [0.9509 1.4259, 1.5227, 1.1062, 1.0877]/100;%标准差

    Correlations = [1.0000 0.4403 0.4735 0.4334 0.6855

    0.4403 1.0000 0.7597 0.7809 0.4343

    0.4735 0.7597 1.0000 0.6978 0.4926

    0.4334 0.7809 0.6978 1.0000 0.4289

    0.6855 0.4343 0.4926 0.4289 1.0000

    ];%相关系数

    ExpCov = corr2cov(Sigmas, Correlations);%协方差

    StartPrice = 100;%初始价格

    NumObs = 504;

    NumSim = 2;

    RetIntervals = 1;

    NumAssets = 5;

    %开始模拟

    randn('state', 0);

    RetExact = portsim(ExpReturn, ExpCov, NumObs, RetIntervals,

    NumSim);

    Weights = ones(NumAssets, 1)/ NumAssets;

    PortRetExact = zeros(NumObs, NumSim);

    for i = 1:NumSim

    PortRetExact(:, i) = RetExact(:,:,i)*Weights;

    end

    PortExact = ret2tick(PortRetExact,

    repmat(StartPrice, 1, NumSim));

    plot(PortExact, '-r');

    更多相关内容
  • 蒙特卡洛模拟

    2017-12-05 16:07:40
    用Python实现蒙特卡洛模拟( Monte Carlo simulation),蒙特·卡罗方法(Monte Carlo method),也称统计模拟方法,是二十世纪四十年代中期由于科学技术的发展和电子计算机的发明,而被提出的一种以概率统计理论为...
  • 使用Fortran 90语言编写,使用蒙特卡洛模拟方法,对线度N=5,10,20,50,100的二维Ising自旋动力学模型进行模拟。该过程使用了周期性边界条件、Metropolis 准则和马尔科夫链进行二维矩阵的演变,并计算了系统演变至...
  • 可实现雷达目标检测与跟踪,可绘制所有航迹
  • 注:tushare的token目前可用,但是不一定什么时候就失效了,建议自己到tushare(https://www.tushare.pro/)中注册一个,使用自己的token,另外,获取指数信息的需要额外的tushare分数的。 具体描述见博客:...
  • MCPhotonics3D 光子传播的蒙特卡洛模拟
  • 基于BS模型和蒙特卡洛模拟的中国可转换债券定价研究。 中国所有可转换债券都有向下修订的条款,以避免债券持有人行使回售权。 这将鼓励发行人和主要股东进行下调。 结果,这可能使可转换债券定价模型不适用于中国。 ...
  • 内有详细的蒙特卡洛模拟光子在组织中的运动
  • 利用matlab对电动汽车无序充电日负荷进行蒙特卡洛模拟,利用matlab对电动汽车无序充电日负荷进行蒙特卡洛模拟,利用matlab对电动汽车无序充电日负荷进行蒙特卡洛模拟
  • 自己编写的Matlab蒙特卡洛模拟VAR的程序大家看看-程序.doc 这是我自己编写的,希望对大家有用 程序为: Figure3.jpg 程序
  • 利用蒙特卡洛方法模拟股票价格路径,然后运用BS公式进行期权定价
  • 蒙特卡洛模拟法、半不变量法+级数展开(Gram-Charlie,Cornish-Fisher); 考虑光伏不确定性(Beta分布),以IEEE34节点为例,计算节点电压、支路潮流概率密度、累计概率并绘制曲线。 有注释,附带参考文献,直观...
  • 期权蒙特卡洛模拟定价的代码(MATLAB)
  • XLRisk XLRisk是用于执行的Excel插件。 它是免费和开放源代码,并且与Mac的Excel兼容。 它的工作方式类似于... 还要感谢霍华德·陆克文(Howard Rudd)关于蒙特卡洛模拟的出色系列文章。 XLRisk使用了他的一些代码。
  • 蒙特卡洛模拟光子在组织中的运动 matlab,内有详细的蒙特卡洛模拟光子在组织中的运动内有详细的蒙特卡洛模拟光子在组织中的运动
  • 蒙特卡洛模拟法及其Matlab案例
  • 德语:蒙特卡洛模拟在金融,社会科学和风险管理中起着越来越重要的作用。 蒙特卡洛模拟是一种通用方法,可以估算复杂环境中任何目标变量的概率分布,包括利润分布,公司价值分布,投资组合损失分布,以及一般而言每...
  • 适合数据挖掘工程师、算法工程师等群体下载
  • 蒙特卡洛模拟代码

    2019-01-02 20:52:17
    matlab中的蒙特卡洛模拟算法,可以直接使用。可以直接使用。
  • 蒙特卡洛入门课件加maltab编程练习,里面内置PPT讲解及代码展示
  • 铯原子束在磁场中的蒙特卡洛模拟
  • 二进制bcc结构层生长的蒙特卡洛模拟
  • 代码 马尔科夫链蒙特卡洛模拟的matlab源代码代码 马尔科夫链蒙特卡洛模拟的matlab源代码代码 马尔科夫链蒙特卡洛模拟的matlab源代码代码 马尔科夫链蒙特卡洛模拟的matlab源代码代码 马尔科夫链蒙特卡洛模拟的matlab...
  • 基于蒙特卡洛模拟和BS公式进行期权定价-实证研究.pdf
  • 利用蒙特卡洛模拟法计算随机潮流,计算电力系统安全性
  • 蒙特卡洛MATLAB程序,利用蒙塔卡洛算法模拟金融。蒙特·卡罗方法(Monte Carlo method),也称统计模拟方法,是二十世纪四十年代中期由于科学技术的发展和电子计算机的发明,而被提出的一种以概率统计理论为指导的一...
  • 文档主要介绍期权定价中的蒙特卡洛模拟方法,包括理论推导,案例解析等。

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 8,512
精华内容 3,404
关键字:

蒙特卡洛模拟

友情链接: 4G透传代码.zip