Im Zusammenhang mit Monte-Carlo-Simulationen ist Latin hypercube sampling (LHS) eine gut erforschte Methode zur Varianzreduktion des Schätzers. Ich analysiere mit Latin hypercube sampling mit Abhängigkeiten (LHSD) eine Methode, die LHS auf Anwendungsgebiete mit abhängigen Randverteilungen erweitert. Sie wurde zuerst von Stein [1987] vorgeschlagen und anschließend von Packham and Schmidt [2010] weiterentwickelt. Der LHSD-Schätzer ist konsistent und asymptotisch unverzerrt. Schlussendlich stelle ich fest, dass die Varianz des Schätzers mit LHSD niemals größer ist als bei Verwendung einer normalen Monte-Carlo-Simulation, sofern der Schätzer einige Monotonitäts-Bedingungen erfüllt. Anschließend betrachte ich die Bepreisung eines First-to-default swaps und stelle fest, dass sich die Verwendung von LHSD auch nach Berücksichtigung des erhöhten zeitlichen Aufwands lohnt.     «

Im Zusammenhang mit Monte-Carlo-Simulationen ist Latin hypercube sampling (LHS) eine gut erforschte Methode zur Varianzreduktion des Schätzers. Ich analysiere mit Latin hypercube sampling mit Abhängigkeiten (LHSD) eine Methode, die LHS auf Anwendungsgebiete mit abhängigen Randverteilungen erweitert. Sie wurde zuerst von Stein [1987] vorgeschlagen und anschließend von Packham and Schmidt [2010] weiterentwickelt. Der LHSD-Schätzer ist konsistent und asymptotisch unverzerrt. Schlussendlich stelle i...     »

In the context of Monte Carlo simulations, Latin hypercube sampling (LHS) is a wellstudied method to reduce the variance of the estimator. I analyse Latin hypercube sampling with dependence (LHSD), a method first suggested by Stein [1987] and further developed by Packham and Schmidt [2010], which extends LHS into a setting with dependent marginal distributions. I find that the LHSD estimator is consistent and asymptotically unbiased. In the final theoretical result the estimator is found to never have a variance larger than that of Monte Carlo simulations, if it fulfils certain monotonicity requirements. Subsequently, I analyse the pricing of a first-to-default-swap with LHSD among others and find that it is reasonable to apply it even after accounting for increased computation time.     «

In the context of Monte Carlo simulations, Latin hypercube sampling (LHS) is a wellstudied method to reduce the variance of the estimator. I analyse Latin hypercube sampling with dependence (LHSD), a method first suggested by Stein [1987] and further developed by Packham and Schmidt [2010], which extends LHS into a setting with dependent marginal distributions. I find that the LHSD estimator is consistent and asymptotically unbiased. In the final theoretical result the estimator is found to neve...     »