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.
12 AMÉLIORER LA PRÉCISION DES ESTIMATIONS 172<br />
12.5 Utilisation de variables de contrôle<br />
Si l’on considère un estimateur ˆθ du paramètre θ que l’on cherche à estimer, l’idée est ici<br />
de poser<br />
ˆθ c = ˆθ + κ[Z − E(Z)],<br />
où Z est simulable, et dont on connaît l’espérance. On notera que<br />
et que<br />
E(ˆθ c ) = E(ˆθ),<br />
V ar(ˆθ c ) = V ar(ˆθ) + κ 2 V ar(Z) + 2κCov(ˆθ, Z).<br />
On choisit alors la constante κ de façon à minimiser la variance de cet estimateur contrôlé,<br />
soit<br />
κ ∗ = − cov(ˆθ, Z)<br />
V ar(Z) ,<br />
et donc, par substitution<br />
V ar(ˆθ ∗ c) = V ar(ˆθ) − cov(ˆθ, Z) 2<br />
V ar(Z) .<br />
Encore une fois, pour que Z soit une “vraie” variable de contrôle, il convi<strong>en</strong>t d’avoir une<br />
variable non-indép<strong>en</strong>dante de ˆθ.<br />
Exemple 95. Considérons un call asiatique, basé sur le maximum<br />
{<br />
max 0, 1 T<br />
∫ T<br />
0<br />
}<br />
S t dt − K .<br />
Un algorithme classique de Monte Carlo est basé sur la simulation de n trajectoires<br />
(S t ) t∈[0,T ] , discrétisées, puis de poser<br />
C i = max<br />
{<br />
0, 1 m<br />
}<br />
m∑<br />
S iT/m − K , i = 1, ..., n,<br />
i=1<br />
puis de pr<strong>en</strong>dre la moy<strong>en</strong>ne. Parmi les variables de contrôle, on pourra ret<strong>en</strong>ir<br />
• Z 1 = S T , la valeur terminale de la trajectoire du sous-jac<strong>en</strong>t,<br />
• Z 2 = e −rT max{0, S T − K}, le payoff d’un call europé<strong>en</strong> (actualisé),<br />
• Z 3 = 1 m∑<br />
S iT/m , la valeur moy<strong>en</strong>ne du sous-jac<strong>en</strong>t sur la période [0, T ].<br />
m<br />
i=1<br />
Call europé<strong>en</strong> - simulations (antithétiques avec contrôle)<br />
X=rnorm(Nsim)<br />
Ssim=s*exp(T*(r-0.5*sigma 2 ) + sigma ∗ sqrt(T ) ∗ X)<br />
S.ant=s*exp(T*(r-0.5*sigma 2 ) − sigma ∗ sqrt(T ) ∗ X)<br />
C.ant=0.5*exp(-r*T)*(pmax(Ssim-K,0)+pmax(S.ant-K,0))<br />
Z