准随机序列(quasi-random sequences或quasi-randomnumbers)是一种以填充:维空间为目的的：维确定性点序列。我们将介绍五种不同的准随机序列，并用二维图示法把它们直观地描述出来。样本点之间微小部分的面积或体积的差异是衡量某个准随机序列填充空间的效果的测度。准随机序列的相对二次差异(relative quadratic discrepancy，即与一个真正的随机序列之间的差异)与样本容量之间的关系也用图示法描述出来。最后，我们将借助于准随机序列和伪随机数(pseu-do-random numbers)，利用蒙特卡罗积分(Monte Carlo integra-tion)为香草期权(vanilla option)、篮子期权(basket option)和回顾期权(lookback option)定价。
传统的蒙特卡罗积分法的缺陷是收敛速度太慢，以至于进行模拟计算时需要很大的样本容量。适用于蒙特卡罗积分法的随机数序列应具备的一个重要性质是均匀地填充样本空间，而这一性质准随机序列也具备。当然，随机数序列的一些性质—比如连续样本点之间的独立性—是准随机序列所不具备的，但这对蒙特卡罗积分法来说并不重要。
准随机序列不是随机的，而是确定性的。为了避免“准随机序列”这一名称误导大家，它也被称为低差异序列(low discrep-ancy sequences)。差异是衡量准随机序列的“经验”测度与被填充空间的卡迪尔测度之间差异的定量指标。
蒙特卡罗积分也可以借助于准随机序列来进行。在此过程中，对于一维准随机序列，采用等间距节点是很合适的，但是在高维情况下，等间距节点中点与点之间会留下许多空隙。如果积分空间是:维的，那么选用的准随机序列也应该是:维的。在应用准随机序列来进行蒙特卡罗积分的过程中，将不同的坐标轴混为一谈，或者用构造一维点序列的方法来构造多维点序列将会得到错误的结果。
选用等距离节点的另一个缺陷是样本点的个数是固定的，而在模拟积分过程中我们常常需要通过增加样本点的数量来改善收敛效果。
