我正在尝试在调用中执行蒙特卡罗模拟,然后在 Python 中计算其相对于基础资产的一阶导数,但它仍然不起作用
from jax import random
from jax import jit, grad, vmap
import jax.numpy as jnp
xi = jnp.linspace(1,1.2,5)
def Simulation(xi):
K,T,number_sim,sigma,r,q = 1.,1.,100,0.4,0,0
S = jnp.broadcast_to(xi,(number_sim,len(xi))).T
mean = -.5 * sigma * sigma * T
volatility = sigma*jnp.sqrt(T)
r_numb = random.PRNGKey(10)
BM = mean + volatility * random.normal(r_numb, shape=(number_sim,))
product = S*jnp.exp(BM)
payoff = jnp.maximum(product-K,0)
result = jnp.average(payoff, axis=1)*jnp.exp(-q*T)
return result
first_derivative = vmap(grad(Simulation))(xi)
我不知道实现该算法的方式是否是使用“AD 方法”计算导数的最佳方式;该算法以这种方式工作:
S = 模拟一个包含所有底层证券的矩阵;对于每一行,我使用“xi = jnp.linspace”生成每个底层,并且在矩阵的每一行内,我有相同的值多次等于“number_sim”
product = 生成 BM(包含正常数的向量)后,我需要将BM的每个元素(带有 exp)与S的每一行的每个元素相乘
所以这是对算法的简短解释,我非常感谢任何管理这个问题的建议或技巧,并用 AD 方法计算导数!提前致谢