从1973年芝加哥期权交易所创立,首次产生标准化期权合约至今,已有了40多年的发展历史。在金融数学领域,围绕着期权定价的一系列研究也已经取得重大的成果。在此基础之上,为满足市场需要的各式各样的奇异期权也孕育而生。相较于海外的期权市场已经经历了 40多年的建设和发展,定价机制和交易环境都已日趋成熟和稳定,国内的期权市场尚处于起步阶段。自2018年,监管部门确立7家场外期权一级交易商以来,到2021年初扩展到8家一级交易商,我国的场外期权交易市场也在健康而有序的发展之中。然而在交易品种方面,仍然有所不足。其后果是,市场的不完备性为场外衍生品市场的报价带来一定障碍。就当前我国现有的非线性金融合约衍生品品种来说,场内并无多资产期权产品,因而无法为场外交易商的多资产产品提供报价参考,因此在这样的前提下,我们通过对相关性引入不确定环境来进行建模。针对场外市场广受欢迎的一篮子障碍期权,本文将基于二阶倒向随机微分方程的蒙特卡洛算法推广至障碍期权情形。传统上,从研究角度来看,对于不确定环境下的期权定价模型,研究非路径依赖型期权居多,而篮子障碍期权是一种路径依赖型期权。另一方面,从解的数值计算来看,对于香草期权等连续型结构,一般使用有限差分格式下的迭代法计算不确定环境所导出的HJB方程。但该算法可能由于障碍期权支付函数在障碍处的不连续性和偏微分方程扩散项的非线性而使结果不再稳健,此外有限差分的一个最大问题是由于资产数量增加而带来计算量指数级增加问题（维度诅咒）。而非线性的偏微分方程难以直接找到对应的随机微分方程来进行蒙特卡洛计算。本文根据二阶倒向随机微分方程理论,利用广义的Feynman-Kac公式将非线性偏微分方程转为二阶倒向随机微分方程,并给出了基于倒向随机微分方程的蒙特卡洛算法。因为在该算法下非线性的Gamma项始终通过条件期望加一个修正项来计算,有效的避免了这一问题,从而使结果更具稳健性和适应性。接着本文通过数值实验,不同的参数环境下检验了该算法的表现。首先在传统模型B-S模型下,本文所提出的算法与经典B-S框架下的结果保持一致。当加入相关性不确定假设后,从结果上看,本文算法所计算出的一篮子障碍期权的价格曲线处于以相关性上下界为参数下的传统B-S模型结果之间,且从各参数环境来看期权价格曲线光滑,说明了该算法的正确性。在对于相关性上下界、敲出价、期限等参数给出了多组不同取值进行考察之后,结论始终保持一致,证明了该算法具有稳健性和适应性。本文还从买卖价差的角度进行考察,相比于通过选取不同参数而在传统B-S模型下产生的买卖价差,本文所提出的算法在不确定模型下对于买卖价差有明显的优化效果,使得本文的模型和结论更具有在实际市场中应用的价值。最后,我们对本文进行了总结和展望。总结了本文做的工作以及得出的分析和结论。同时也指出了本文的研究过程中存在的不足和局限性。一方面算法中对于条件期望的估计可以使用更加精细的多项式结构;另一方面,也希望本文所得出的结论可以应用在更多的奇异期权结构上。