PREDICTION-ENHANCED MONTE CARLO: A MACHINE LEARNING VIEW ON CONTROL VARIATE
创建于 更新于
摘要
本文提出Prediction-Enhanced Monte Carlo（PEMC）框架，将机器学习预测模型引入蒙特卡洛（MC）积分作为现代化的控制变量方法，有效缓解了传统控制变量需闭式均值的限制。PEMC保持MC估计无偏性并支持置信区间，能显著降低方差和计算成本。通过多个金融衍生品定价（如路径依赖的运动平均期权、随机局部波动模型中的方差互换、HJM模型下的利率互换期权）及卫生应急调度策略评估案例，验证了方法的广泛适用性和30%-55%的均方根误差优越性[page::0][page::1][page::5][page::12][page::15][page::17][page::21][page::22][page::33]
