sde | Модель Stochastic Differential Equation (SDE) |
bm | Модели броуновского движения |
gbm | Модель Геометрического броуновского движения |
drift | Компонент модели уровня дрейфа |
diffusion | Компонент модели уровня диффузии |
sdeddo | Модель Stochastic Differential Equation (SDE) от компонентов Дрейфа и Диффузии |
sdeld | SDE с моделью Linear Drift |
cev | Постоянная Эластичность модели Variance (CEV) |
cir | Модель диффузии квадратного корня среднего возвращения Кокса-Инджерсолла-Росса |
heston | Модель Хестона |
hwv | Модель Hull-White/Vasicek Gaussian Diffusion |
sdemrd | SDE с моделью Mean-Reverting Drift |
simulate | Моделируйте многомерные стохастические дифференциальные уравнения (SDEs) |
simByEuler | Эйлерова симуляция стохастических дифференциальных уравнений (SDEs) |
simByTransition | Моделируйте демонстрационные пути Кокса-Инджерсолла-Росса с плотностью перехода |
simBySolution | Моделируйте приближенное решение диагонального дрейфа процессы GBM |
simBySolution | Моделируйте приближенное решение диагонального дрейфа процессы HWV |
interpolate | Броуновская интерполяция стохастических дифференциальных уравнений |
ts2func | Преобразуйте массивы временных рядов в функции времени и состояния |
Этот пример сравнивает альтернативные реализации отделимого многомерного процесса геометрического броуновского движения.
Этот пример подсвечивает гибкость усовершенствованной интерполяции путем реализации этого алгоритма степени двойки.
Этот пример задает шумовую функцию, чтобы расслоить конечную стоимость одномерного ценового ряда акции.
Оценка американских опций корзины симуляцией Монте-Карло
Этот пример показывает, как смоделировать поведение с толстым хвостом актива, возвращается, и оцените влияние альтернативных совместных распределений на ценах опции корзины.
Улучшание производительности симуляции Монте-Карло с параллельными вычислениями
Этот пример показывает, как улучшать производительность симуляции Монте-Карло с помощью Parallel Computing Toolbox™.
Образцовые зависимые финансовые и экономические переменные путем выполнения симуляции Монте-Карло стохастических дифференциальных уравнений (SDEs).
Большинство моделей и утилит, доступных с симуляцией Монте-Карло SDEs, представлены, когда MATLAB® возражает.
Факторы производительности для памяти управления при решении большинства проблем поддержаны механизмом SDE.