深度虚值（deep OTM）欧式看涨期权的朴素蒙特卡洛几乎是「不可用」的。设想给一份两年期、$K = 5 S_0$、年化波动率 50% 的看涨定价：风险中性测度下几乎只有 1% 的路径触及行权，于是 99% 的样本 payoff 是零，标准误差被极少数恰好穿透 K 的样本主导。简单加大 $N$ 收敛速度只有 $1/\sqrt N$，要把估计精度推到几位有效数字需要荒谬的样本量。重要性抽样（Importance Sampling，IS） 才是对症下药：不再从 $Z \sim \mathcal{N}(0, 1)$ 抽样（其下 $K$ 在远尾），而是从 $\mathcal{N}(\mu_{\text{shift}}, 1)$ 抽，让 $K$ 成为终值的*中位数*。这样近半数路径落在实值区，被积函数被充分采样。代价是必须用似然比对每条 payoff 重加权：$\exp(-\mu_{\text{shift}} Z + \tfrac{1}{2}\mu_{\text{shift}}^2)$——少了这一步，估计就偏向漂移测度，有偏。这是四大方差缩减技术（对偶、控制变量、分层、IS）里第四个，也是唯一真正瞄准尾部事件的。Glasserman §4.6 给出完整推导。