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 | Симулируйте многомерные стохастические дифференциальные уравнения (SDEs) |
simByEuler | Эйлерова симуляция стохастических дифференциальных уравнений (SDEs) |
simByTransition | Симулируйте демонстрационные пути Кокса-Инджерсолла-Росса с плотностью перехода |
simBySolution | Симулируйте приближенное решение диагонального дрейфа процессы GBM |
simBySolution | Симулируйте 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
То В этом примере показано, как смоделировать поведение с толстым хвостом актива, возвращается, и оцените удар альтернативных совместных распределений на ценах опции корзины.
Улучшание производительности симуляции Монте-Карло с параллельными вычислениями
В этом примере показано, как улучшать производительность симуляции Монте-Карло с помощью Parallel Computing Toolbox™.
Зависимые финансовые и экономические переменные модели 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 задач поддержаны механизмом SDE.