4. Monte Carlo模拟原理

在期权定价工程中，Monte Carlo 方法之所以能给出可信价格，并不是因为“随机数看起来像市场”，而是因为它背后有三块数学基石：大数定律保证估计量最终收敛到真实期望，中心极限定理刻画误差的分布形态，误差收敛率与置信区间则把“差不多”变成可量化、可验收的工程指标。本节围绕这三块基石展开，并落到可运行的定价代码与验收标准上。

一、核心原理：从期望到估计量

期权价格在风险中性测度下可写成贴现期望：\(V_0 = e^{-rT}\mathbb{E}^{\mathbb{Q}}[g(S_T)]\)。Monte Carlo 的做法是构造独立同分布样本 \(X_i = g(S_T^{(i)})\)，用样本均值 \(\bar{X}_N = \frac{1}{N}\sum_{i=1}^{N} X_i\) 估计 \(\mathbb{E}[X]\)，再贴现得到价格。

大数定律（LLN）指出：当 \(N \to \infty\) 时，\(\bar{X}_N \to \mathbb{E}[X]\)（依概率或几乎必然）。它回答的是“会不会收敛”。中心极限定理（CLT）进一步指出：\(\sqrt{N}(\bar{X}_N - \mathbb{E}[X]) \Rightarrow \mathcal{N}(0, \sigma^2)\)，即误差近似服从正态分布。它回答的是“误差长什么样”。两者结合，就得到工程上最常用的误差尺度：

标准误 SE = σ / √N
95% 置信区间 ≈ [ X̄ - 1.96·SE , X̄ + 1.96·SE ]
误差收敛率：O(N^(-1/2))

这意味着：要把误差缩小一半，样本量需要增加四倍。这是 Monte Carlo 最核心的工程约束，也是后续方差缩减技术（对偶变量、控制变量、重要性抽样）存在的根本原因。

二、方法流程：一次可验收的定价模拟

把原理落到工程，标准流程如下：

1. 设定模型与参数：标的 \(S_0\)、行权价 \(K\)、无风险利率 \(r\)、波动率 \(\sigma\)、到期 \(T\)、路径步数 \(M\)、样本量 \(N\)。
2. 生成风险中性路径：几何布朗运动离散化 \(S_{t+\Delta t}=S_t\exp[(r-\tfrac12\sigma^2)\Delta t+\sigma\sqrt{\Delta t}Z]\)。
3. 计算贴现收益：欧式看涨 \(g=\max(S_T-K,0)\)，贴现得 \(e^{-rT}g\)。
4. 估计均值与标准误：\(\bar{X}_N\) 与 \(SE=s/\sqrt{N}\)，其中 \(s\) 为样本标准差。
5. 构造置信区间并验收：检查半宽是否小于业务容忍阈值（如 0.01 元）。

import numpy as np
rng = np.random.default_rng(42)
S0, K, r, sigma, T, N = 100, 100, 0.03, 0.2, 1.0, 100000
Z = rng.standard_normal(N)
ST = S0 * np.exp((r - 0.5*sigma**2)*T + sigma*np.sqrt(T)*Z)
payoff = np.exp(-r*T) * np.maximum(ST - K, 0.0)
price, se = payoff.mean(), payoff.std(ddof=1)/np.sqrt(N)
print(f"price={price:.4f}, SE={se:.4f}, 95%CI=[{price-1.96*se:.4f},{price+1.96*se:.4f}]")

三、案例场景：欧式看涨的误差验收

以 \(S_0=100, K=100, r=3\%, \sigma=20\%, T=1\) 为例，Black-Scholes 解析价约为 9.41。运行不同样本量，可观察误差随 \(N\) 的收敛行为：

可以看到，从 1 万到 100 万样本量增加 100 倍，标准误只缩小约 10 倍，完全符合 \(1/\sqrt{N}\) 规律。若业务要求价格误差不超过 1 分钱，则必须把样本量推到百万级，或引入方差缩减。

四、误区与复盘

• 误区一：把标准误当成误差上界。SE 只是误差的标准差尺度，单次模拟误差可能落在 ±2SE 甚至更远，必须用置信区间表达。
• 误区二：忽略样本相关性。若随机数生成器有周期性或路径间不独立，CLT 前提被破坏，置信区间会失真。
• 误区三：只看价格不看方差。深度虚值期权收益方差极大，同样 N 下 SE 远高于平值期权，需针对性做重要性抽样。
• 误区四：用固定种子掩盖收敛问题。固定种子便于复现，但验收必须跑多组种子，观察价格分布是否稳定。

总结来看，大数定律给出收敛的合法性，中心极限定理给出误差的分布形态，\(O(N^{-1/2})\) 给出成本预期，置信区间给出验收语言。掌握这四者，才能在后续的路径依赖期权、美式期权与希腊值计算中，把 Monte Carlo 从“能跑”推进到“可信、可验收”。