僅供教育參考，不構成投資建議；投資可能產生損失。
直接答案
蒙地卡羅期權定價是在定價測度下模擬大量標的價格路徑，逐條計算合約收益，折現後取平均，從而得到模型估值。它特別適合多資產或依賴整條路徑的產品，例如亞式、障礙和回望期權。
結果以所選模型、校準輸入、收益實作、時間網格和隨機樣本為條件。它既不是對最可能走勢的預測，也不是保證能成交的價格。完整結果必須同時報告估值與抽樣誤差。
模擬如何變成價格
對於相互獨立的折現收益觀測 (Y_i)，普通蒙地卡羅估計量為：
\hat V_0 = (1/N) \sum_{i=1}^N Y_i
在連續股息率為 (q) 的常參數幾何布朗運動下，可按下式精確抽樣終值：
S_T = S_0 exp[(r - q - sigma^2/2)T + sigma sqrt(T) Z]
只依賴 (S_T) 的歐式收益不需要中間網格。亞式平均價、受監測的障礙或回望收益則需要保存每條路徑上的有關觀測，並嚴格採用合約日曆。
對於收益變異數有限的獨立路徑，設樣本標準差為 (s)。估計標準誤差是 (SE=s/sqrt N)，常見的大樣本 95% 區間是 (hat V_0 +/- 1.96SE)。普通蒙地卡羅誤差按 (N^(-1/2)) 的階數下降，因此要把標準誤差減半，大約需要四倍獨立路徑。該區間只描述給定實作和模型下的抽樣誤差，不涵蓋時間步偏差、校準誤差或模型設定錯誤。
只做向前模擬和到期收益平均，不能解決美式期權的最適停止問題。美式估值需要 Longstaff-Schwartz 最小平方法等停止規則，或樹模型、有限差分等反向方法。
帶誤差範圍的結果
假設 100,000 條一年期亞式買權路徑產生每股折現收益平均值 $6.20，樣本標準差為 $9.49。
SE = 9.49 / sqrt(100,000) ≈ $0.03
近似 95% 區間為 $6.20 +/- 1.96 x $0.03，四捨五入後約為 [$6.14, $6.26]。若合約乘數為 100，模型估值為每份 $620，抽樣區間約為 [$614, $626]；這些數值尚未計入買賣價差、費用、滑價、融資或避險成本。
若將運行量增至 400,000 條獨立路徑且收益變異數相近，標準誤差會降至約 $0.015，95% 半寬約為 $0.029。這只提高數值精度，並不能驗證波動率、相關性、股息、觀察日、模擬過程或收益程式碼。
作為控制項，可在相同模型和輸入下為普通歐式期權定價。模擬結果應在預先聲明的統計容差內與 Black-Scholes 解析值一致。還應細化路徑相依合約的時間網格：若抽樣誤差穩定但估值仍在移動，說明存在離散化偏差，而不是已經收斂。
模型與實作核驗清單
- 精確實作履約價、觀察日、平均規則、障礙、返還、結算、乘數和公司行動處理。
- 區分風險中性定價與現實情境；歷史預期報酬率不能自動作為定價漂移。
- 對齊現價、利率、股息、波動率曲面、相關性、日曆和估值時間。
- 對路徑相依產品選擇足夠細的網格，並檢查時間步偏差。
- 報告路徑數、亂數產生器或種子、估值、收益標準差、標準誤差和信賴區間。
- 用獨立樣本重算；固定種子有利於重現，但不是獨立確認。
- 使用對偶變數、控制變數、分層或準隨機序列時檢查偏差。
- 用解析價、樹模型、無套利邊界和極限行為驗證簡單案例。
- 單獨處理美式履約；普通到期平均忽略提前履約最佳化。
- 用適當方法估算 Greeks；樸素擾動重估可能被模擬雜訊淹沒。
- 區分抽樣誤差、離散偏差、校準誤差、合約錯誤和模型誤差；窄區間只涵蓋抽樣誤差。
- 按產品需要壓力測試跳躍、隨機或局部波動率、相關性、股息和利率。
- 按實際乘數和交割物換算合約現金。
- 與可成交 Bid/Ask 和深度比較；模型價值不含流動性、滑價、費用、保證金或避險限制。
常見誤解
- 「路徑越多答案就越正確。」更多路徑只降低抽樣雜訊，不能修復錯誤假設或程式碼。
- 「95% 區間涵蓋所有不確定性。」它通常只涵蓋給定模型和輸入下的抽樣不確定性。
- 「定價漂移應使用歷史平均報酬。」無套利定價通常使用風險中性測度。
- 「蒙地卡羅永遠最好。」簡單問題用解析式、樹、PDE 或積分可能更快更準。
- 「所有收益只抽一次終值就夠。」路徑相依合約需要中間觀察值。
- 「美式期權可直接平均到期收益。」提前履約形成最適停止問題。
- 「相同亂數種子證明兩個實作正確。」共同錯誤仍可能存在。
- 「模型估值就是可交易報價。」真實成交取決於流動性與合約條款。