在刻画资本市场行为时,人们经常使用经典的传统几何布朗运动模型,并在此模型基础上得到了著名的Black-Scholes公式。然而,传统模型并不能够很好的描述投资者所表现出的风险厌恶和厚尾分布等特征,因此新的Variance-Gamma模型被逐渐的发展起来。Variance-Gamma过程引入了两个随机过程Gamma过程和Wiener过程,并出现了两个新的参数偏度θ和峭度v来分别刻画风险厌恶和厚尾分布等特征,因此会增加期权定价模拟计算的复杂性和不确定性。本篇论文即要在Variance-Gamma模型下,研究运用能够提高期权定价模拟效率和准确性的QMC算法。与传统模型下的布朗桥和PCA方法相对应,我们将研究和使用新模型下的Gamma桥和间接PCA方法,并结合QMC来模拟模型中的两个随机过程,因此新模型下的模拟也分成两个部分,Gamma过程模拟为第一部分模拟,Wiener过程模拟为第二部分模拟。更进一步的,当研究具有线性回报函数形式的期权定价问题时,我们构造了最优转换矩阵将模拟路径的方差全部集中于一个方向上,从而使模拟的方差得到了更好的控制,并将此方法由传统模型过渡到Variance-Gamma模型下进行使用。论文中对各种不同的算法效率进行了比较,峭度v是新模型里出现的重要参数,它控制了厚尾分布的相对程度。当峭度v较小时,此时的Variance-Gamma模型等价于在传统模型基础上做了一定较小程度的扰动,我们发现此时模拟中使用各种由传统模型过渡来的间接方法效果较好;当峭度v较大时,我们则发现在模拟中使用Variance-Gamma模型里固有的方法如Gamma桥效果较好。