شرح أخذ العينات بأهمية للأحداث النادرة والخيارات
تعرّف إلى كيفية حفاظ إعادة الوزن بنسبة الاحتمال على التوقعات وكيف يقلل الميل الأسي تباين الأحداث النادرة وكيف قد يفسد انحلال الأوزان محاكاة الخيار
الإجابة المباشرة
يحاكي أخذ العينات بأهمية تحت مقياس مقترح يزور النتائج النادرة المهمة أكثر، ثم يعيد التوقع الأصلي بنسبة احتمال. ويمكن للمقترح الجيد أن يخفض التباين بشدة؛ أما السيئ فقد ينشئ أوزانا غير مستقرة أو حتى ذات تباين لا نهائي
يحافظ تغيير المقياس على الهدف
بالنسبة إلى المقياس المستهدف P والمقترح Q والعائد h، يكون E_P[h(X)]=E_Q[h(X)dP/dQ(X)] عندما تكون مشتقة رادون–نيكوديم صالحة
يحسب مقدر مونت كارلو متوسط h(X_i)w(X_i) لعينات X_i من Q وبأوزان w=dP/dQ
يحافظ الوزن الدقيق على عدم انحياز المقدر العادي؛ أما تغيير قانون العينة من دون الوزن فيغير الكمية المقدرة
ينبغي أن يجعل المقترح المساهمة شائعة
تهدر المحاكاة الخام المسارات عندما يكون عائد خيار بعيد خارج نطاق النقد أو حدث التعثر صفرا تقريبا دائما
ينقل Q المفيد الاحتمال نحو الحالات التي يكون فيها |h| كبيرا، مع إبقاء المساهمة الموزونة متقاربة إلى حد معقول
للتكامل غير السالب، يكون المقترح غير القابل للتحقيق ذي التباين الصفري متناسبا مع h(x)p(x)، لأنه يتطلب التوقع المجهول نفسه
يستخدم الميل الأسي هندسة الأحداث النادرة
يعيد الميل الأسي وزن النتائج بـ exp(θX) ويطبعها بدالة توليد العزوم
يمكن لتحليل الانحرافات الكبيرة أو نقطة السرج اختيار θ بحيث يصبح الهدف النادر معتادا تحت Q
وبالنسبة إلى المسارات والحواجز وطرائق الخسارة المتعددة أو الذيول الثقيلة، قد يفشل ميل ثابت وتلزم مقترحات تعتمد على الحالة أو تكيفية أو مزيجة
يقدم التمويل مسائل كثيرة ذات عوائد نادرة
يمكن لأخذ العينات بأهمية تسريع الخيارات ذات الضربات العميقة والحواجز وخسائر الائتمان وذيول التعرض وبعض تقديرات غاما بنسبة الاحتمال
ويجب أن يصاحب كل تغيير في الانجراف أو الصدمة نسبة احتمال المسار الكامل الصحيحة، لا تصحيح كثافة نهائية فحسب
ويجب أن يتوافق الخصم والديناميكيات المحايدة للمخاطر والتقطيع والإيقاف المبكر والرصد المعتمد على المسار مع هدف التسعير الأصلي
قد يمحو انحلال الأوزان المكسب
إذا أعطى Q احتمالا ضئيلا جدا حيث تكون h مهمة، فقد تهيمن أوزان ضخمة قليلة على التقدير
قد يوجد المتوسط بينما يكون E_Q[(hw)²] لا نهائيا، مما يجعل التباين المعتاد وفاصل الثقة للحد المركزي غير صالحين
تمنع الأوزان اللوغاريتمية النقصان العددي، لكنها لا تصلح دعما مفقودا أو تباينا لا نهائيا أو مقترحا يفوّت نمطا مهما آخر
تكشف التشخيصات ولا تصادق وحدها
تتبع مدرجات الأوزان والحصة القصوى ومعامل الاختلاف وحجم العينة الفعال والمساهمات حسب مجموعة الحالة أو المسار
قد تساعد الأوزان المطَبّعة ذاتيا عندما يكون ثابت التطبيع مجهولا، لكن مقدر النسبة الناتج منحاز عموما عند العينات المنتهية
ولا يثبت حجم عينة فعال عال الدقة وحده إذا لم يكتشف المقترح منطقة ذات صلة
يقارن التحقق ميزانيات حسابية متساوية
شغّل مقدرات المحاكاة الخام وأخذ العينات بأهمية مع تكرارات مستقلة وتقطيع متطابق وتكلفة كلية قابلة للمقارنة
افحص تباين العينة وتغطية فواصل الثقة والانحياز وتغطية المناطق النادرة وحساسية المقترح والاستقرار مع ازدياد ندرة الحدث
استخدم معايير تحليلية أو تحويلية حيث تتوفر، واحتفظ بمكون مزيج دفاعي يحافظ على دعم واسع
أسئلة شائعة
ما أخذ العينات بأهمية؟
هو تنفيذ مونت كارلو تحت مقياس عينات مختلف مع تصحيحه بنسب الاحتمال للحفاظ على توقع الهدف الأصلي
لماذا يفيد في الأحداث النادرة؟
لأنه يولد مسارات أكثر في منطقة العائد أو الخسارة بدلا من انتظار مساهمات نادرة في المحاكاة الخام
هل يكون مقدر أخذ العينات بأهمية غير منحاز دائما؟
يكون المقدر العادي الموزون بدقة غير منحاز في ظل شروط الدعم وقابلية التكامل؛ أما الصيغ المطَبّعة ذاتيا فعموما ليست كذلك عند العينات المنتهية
ما انحلال الأوزان؟
هو حالة تحمل فيها أوزان متطرفة قليلة معظم القيمة المقدرة، فتنتج تباينا هشا ومعلومات فعالة ضعيفة