给美式期权定价，像是在不断做一道选择题：现在兑现，还是再等等？难点还不止于此。模型里的波动率、相关性等参数，都是从有限历史数据估出来的，难免有误；一旦把这些数字当成确定答案，期权价值里的模型风险就可能被低估。
Agarwal 等人提出一种新的 Monte Carlo（用大量随机模拟估值）方法，把多因子模型中的参数不确定性直接纳入计算。关键一步是把价格问题改写成 RBSDE——一种从到期价值向前倒推、同时保证价格不低于立即行权价值的数学工具，再配合分层抽样减少模拟误差。相比经典的 Longstaff–Schwartz 方法只能在给定参数下回归“继续持有”的价值，新方法处理的是参数本身也不确定的情形。
据 SSRN 页面介绍，这套算法可在 GPU 上并行；作者称，它在多种经校准的多因子模型实验中表现出收敛性，并可量化参数不确定性带来的期权溢价损失。不过，现有材料未披露具体误差、速度或损失幅度，实际优势仍需结合完整实验判断。