Méthodes numériques en finance
Méthodes numériques en finance
Méthodes numériques en finance
Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
11 MÉTHODES DE SIMULATIONS DANS LE MODÈLE DE BLACK & SCHOLES (1973) 141<br />
où G est la fonction de répartition de R. D’où la d<strong>en</strong>sité de T ,<br />
( )<br />
t ↦→ t exp − t2 I ]0,+∞[ (t) .<br />
2<br />
Déterminons pour conclure la d<strong>en</strong>sité du couples (U, V ), obt<strong>en</strong>u par le changem<strong>en</strong>t de<br />
variable<br />
{ ]0, +∞[ × ]0, 2π[ → R<br />
ψ :<br />
2 \ (]0, +∞[ × {0})<br />
(t, θ) ↦→ (u, v) = (t cos θ, t sin θ)<br />
En notant que ψ restreint à ]0, 1[ × ]0, 2π[ coïncide avec φ −1 , on <strong>en</strong> déduit que<br />
J ψ −1 =<br />
1<br />
J φ −1 (t (u, v) , θ (u, v)) = 1 t = 1<br />
√<br />
u2 + v , 2<br />
d’où finalem<strong>en</strong>t la d<strong>en</strong>sité du couple (U, V ),<br />
)<br />
1 1 √<br />
f (u, v) = √ u2 + v<br />
u2 + v 2 2π<br />
2 exp<br />
(− u2 + v 2<br />
2<br />
) )<br />
1<br />
= √ exp<br />
(− u2 1<br />
√ exp<br />
(− v2<br />
,<br />
2π 2 2π 2<br />
c’est-à-dire que les variables U et V sont indép<strong>en</strong>dantes, de loi normale c<strong>en</strong>trée réduite.<br />
L’utilisation de cette propriété permet d’obt<strong>en</strong>ir l’algorithme polaire, permettant de<br />
simuler un vecteur gaussi<strong>en</strong> c<strong>en</strong>tré, réduit et indép<strong>en</strong>dant, <strong>en</strong> notant que<br />
√<br />
2 log R2<br />
Z = − = T { U = T cos Θ = Z · X<br />
R 2 R et V = T sin Θ = Z · Y<br />
La première étape permettant de simuler la loi uniforme sur le disque unité. Toutefois,<br />
la méthode la plus utilisée pour simuler une loi gaussi<strong>en</strong>ne n’est pas celle-ci, et repose sur<br />
une programmation légèrem<strong>en</strong>t différ<strong>en</strong>te du résultat précédant. En effet, il est possible<br />
de simuler non pas le couple (X, Y ), mais le couple (T, Θ), qui sont deux variables<br />
indép<strong>en</strong>dantes,<br />
A partir de la simulation d’un vecteur de variables aléatoires indép<strong>en</strong>dantes de loi<br />
N or (0, 1), il est possible de se ram<strong>en</strong>er à des lois gaussi<strong>en</strong>nes N or (µ, σ 2 ), <strong>en</strong> posant<br />
Y = σX + µ où µ ∈ R et σ > 0, et X ∼ N or (0, 1) . Comme on peut le noter sur les<br />
graphiques de la Figure ?? , µ est un paramètre de localisation, et σ est un paramètre<br />
d’épaisseur des queues.<br />
Dans le cas du modèle de Black & Scholes (1973), il s’agit de simuler la solution<br />
de l’équation dS t = rS t dt + σS t dW t , avec X 0 = x. On sait qu’à la date t,<br />
)<br />
S t = S 0 exp<br />
(rt − σ2<br />
2 t + σW t , où W t ∼ N (0, t).<br />
On simule alors la trajectoire du mouvem<strong>en</strong>t browni<strong>en</strong> par √ ∆t ∑ n<br />
i=1 ε i, et on considère<br />
( [ ]<br />
S n = S 0 exp r − σ2<br />
n∆t + √ )<br />
n∑<br />
∆t ε i , où W t ∼ N (0, t).<br />
2<br />
i=1<br />
Arthur CHARPENTIER - Méthodes numériques <strong>en</strong> Finance