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 178<br />
Tirage uniforme avec variables antithétiques<br />
Tirage uniforme avec variables antithétiques<br />
1.0<br />
1.0<br />
0.8<br />
0.8<br />
0.6<br />
0.6<br />
0.4<br />
0.4<br />
0.2<br />
0.2<br />
0.0<br />
0.0<br />
0.0<br />
0.2<br />
0.4<br />
0.6<br />
0.8<br />
1.0<br />
0.0<br />
0.2<br />
0.4<br />
0.6<br />
0.8<br />
1.0<br />
Figure 122: Méthode UWAN uniform sampling with antithetic noise.<br />
• une méthode classique de Monte Carlo<br />
• une suite de Halton <strong>en</strong> dim<strong>en</strong>sion 3<br />
• une suite de Sobol <strong>en</strong> dim<strong>en</strong>sion 3<br />
• une méthode échantillonage uniforme par variables antithétiques UWAN<br />
Les suites de Halton sous-estim<strong>en</strong>t toujours la vraie valeur, et on note que l’algorithme<br />
UWAN basé sur une partition du cube unité converge plus rapidem<strong>en</strong>t que les autres<br />
algorithmes.<br />
12.8 Complém<strong>en</strong>t sur la simulation de trajectoires<br />
Supposons que l’on connaisse W s et W u à deux dates s < u. On souhaite connaître la loi<br />
de W t à une date t intermédiaire s < t < u.<br />
On suppose que l’on peut écrire<br />
W t = αW s + βW u + γε,<br />
et où ε ∼ N (0, 1).<br />
Compte t<strong>en</strong>u des propriétés du mouvem<strong>en</strong>t Browni<strong>en</strong>, rappelons que<br />
⎧<br />
⎨<br />
⎩<br />
cov(W s , W t ) = min{s, t} = s<br />
cov(W t , W u ) = min{t, u} = t<br />
V ar(W t ) = t<br />
de telle sorte que les coeffici<strong>en</strong>ts vérifi<strong>en</strong>t<br />
⎧<br />
⎨<br />
α + β = 1<br />
αs + βu = t<br />
⎩<br />
α 2 s + 2αβs + β 2 u + γ 2 = t<br />
Arthur CHARPENTIER - Méthodes numériques <strong>en</strong> Finance