Question

我是佛罗里达州立大学研究金融数学的研究生。我仍然是C ++的新手，但我正在尝试实施Longstaff-Schwartz方法来定价美国期权。虽然，日志中的算法有点令人生畏，因此我试图转换用Matlab编写的代码并将其更改为C ++。基本上我使用Matlab代码作为指导。

我被一些stackexchange用户推荐使用包含良好矩阵类的特征库。不幸的是，网站here没有告诉我如何在课堂上创建自己的功能。我坚持的是为Matlab中的函数创建一个C ++函数来执行此操作：

说出t = 0:1/2:1然后在Matlab中输出将是t = 0 0.500 1

因此，使用Eigen类我创建了一个名为range的函数来实现上面的后者。该函数如下所示：

MatrixXd range(double min, double max, double N){
     MatrixXd m(N,1);
     double delta = (max-min)/N;
     for(int i = 0; i < N; i++){
         for(int j = 0; j < N; j++){
             m(i,j) = min + i*delta;
         }
     }
    return m;
}

我的IDE（Ecclipse）上没有任何错误，但是当我运行我的代码并测试此函数时，我收到此错误消息：

c:\mingw\include\c++\6.2.0\eigen\src/Core/PlainObjectBase.h:736:7: 

error: static assertion failed:



FLOATING_POINT_ARGUMENT_PASSED__INTEGER_WAS_EXPECTED

我不确定是什么问题。任何有关实现我想要做的事情或任何建议的建议都非常感谢。

根据Martijn Courteaux的建议，我现在将$ N $改为int，但我现在收到一个我不理解的新错误：

c:\mingw\include\c++\6.2.0\eigen\src/Core/Matrix.h:350:7: error: static

assertion failed: THIS_METHOD_IS_ONLY_FOR_VECTORS_OF_A_SPECIFIC_SIZE

       EIGEN_STATIC_ASSERT_VECTOR_SPECIFIC_SIZE(Matrix, 3)

为了完整起见，我将在下面发布我的整个代码：

#include <iostream>
#include <cmath>
#include <limits>
#include <algorithm>
#include <Eigen/Dense>
#include <Eigen/Geometry>

using namespace Eigen;
using namespace std;


double LaguerreExplicit(int R, double x); // Generates the (weighted) laguerre value
double payoff_Call(double S, double K); // Pay off of a call option
double generateGaussianNoise(double mu, double sigma); // Generates Normally distributed random numbers
double LSM(int T, double r, double sigma, double K, double S0, int N, int M, int R);
// T        Expiration time
// r        Riskless interest rate
// sigma    Volatility
// K        Strike price
// S0       Initial asset price
// N        Number of time steps
// M        Number of paths
// R        Number of basis functions

MatrixXd range(double min, double max, int N);

int main(){

    MatrixXd range(0, 1, 2);



}


double payoff_Call(double S, double K){
    double payoff;
    if((S - K) > 0)
    {
        payoff = S - K;
    }else
    {
        payoff = 0.0;
    }
    return payoff;
}

double LaguerreExplicit(int R, double x){
    double value;
    if(R==0)
    {
        value = 1;
    }
    else if(R==1)
    {
        value = 0.5*(pow(x,2) - 4.0*x + 2);
    }
    else if(R==3)
    {
        value = (1.0/6.0)*(-1*pow(x,3) + 9*pow(x,2) - 18*x + 6);
    }
    else if(R==4)
    {
        value = (1.0/24.0)*(pow(x,4) - 16*pow(x,3) + 72*pow(x,2) - 96*x + 24);
    }
    else if(R==5)
    {
        value = (1.0/120.0)*(-1*pow(x,5) + 25*pow(x,4) - 200*pow(x,3) + 600*pow(x,2) - 600*x + 120);
    }
    else if (R==6)
    {
        value = (1.0/720.0)*(pow(x,6) - 36*pow(x,5) + 450*pow(x,4) - 2400*pow(x,3) + 5400*pow(x,2) - 4320*x + 720);
    }
    else{
        cout << "Error!, R is out of range" << endl;
        value  = 0;
    }
    value = exp(-0.5*x)*value; // Weighted used in Longstaff-Scwartz
    return value;
}

double generateGaussianNoise(double mu, double sigma)
{
    const double epsilon = std::numeric_limits<double>::min();
    const double two_pi = 2.0*M_PI;

    static double z0, z1;
    static bool generate;
    generate = !generate;

    if (!generate)
       return z1 * sigma + mu;

    double u1, u2;
    do
     {
       u1 = rand() * (1.0 / RAND_MAX);
       u2 = rand() * (1.0 / RAND_MAX);
     }
    while ( u1 <= epsilon );

    z0 = sqrt(-2.0 * log(u1)) * cos(two_pi * u2);
    z1 = sqrt(-2.0 * log(u1)) * sin(two_pi * u2);
    return z0 * sigma + mu;
}

MatrixXd range(double min, double max, int N){
     MatrixXd m(N,1);
     double delta = (max-min)/N;
     for(int i = 0; i < N; i++){
         for(int j = 0; j < N; j++){
             m(i,j) = min + i*delta;
         }
     }
    return m;
}

double LSM(int T, double r, double sigma, double K, double S0, int N, int M, int R){
    double dt = T/N;
    MatrixXd m(T,1);

    return 0;

}

以下是我修正的更正功能代码：

VectorXd range(double min, double max, int N){
    VectorXd m(N + 1);
     double delta = (max-min)/N;
     for(int i = 0; i <= N; i++){
             m(i) = min + i*delta;
     }
    return m;
}

Answer 1

错误在这里：

MatrixXd range(double min, double max, double N){
     MatrixXd m(N,1);

N是双倍的。 MatrixXd::MatrixXd(int, int)的论据是int。

您可能希望N成为int。

关于你的编辑：

第二个错误就在这里：

MatrixXd range(0, 1, 2);

main()函数中的

。不确定你在这里尝试做什么，但该构造函数无效。 编辑：啊我相信我有个主意。您正在尝试调用名为range的函数。这样做：

MatrixXd result = range(0.0, 1.0, 2);

使用c ++特征库的未知错误

1 个答案: