Nicht nur Glückssache - die kluge Wahl von Monte Carlo Samples

Die Monte Carlo Simulation ist eins der wichtigsten Hilfsmittel in der praktischen Lösung von aktuariellen und finanzmathematischen Aufgaben. Dabei hat sie aber einen gravierenden Nachteil: Zur präzisen Abschätzung relevanter Grössen ist eine möglichst grosse Stichprobe und damit hohe Rechenleistung erforderlich. Dies erfordert von den betroffenen Aktuaren oft eine unangenehme und schwierige Abwägung zwischen Genauigkeit und Machbarkeit. 

Daher sind Verfahren von grossem Interesse mit denen man die Stichprobengrösse verkleinern kann, ohne dabei Genauigkeit zu verlieren. An praktischen Beispielen mit dem oft genutzten Hull-White Modell wird dieser Vortrag verschiedene Ansätze vergleichen und unter anderem ein kernel-basiertes Verfahren aus dem Machine Learning vorstellen. Zentral wird dabei die Frage sein was eine „gute“ Stichprobe ausmacht, wie man sie erkennt und dann natürlich, wie man sie erzeugt bzw. auswählt.