30.08.2014 Views

Méthodes numériques en finance

Méthodes numériques en finance

Méthodes numériques en finance

SHOW MORE
SHOW LESS

Create successful ePaper yourself

Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.

14 OPTIONS AMÉRICAINES 213<br />

Si p i,j,n ne dép<strong>en</strong>d pas de n, on parlera de chaîne de Markov homogène, et p i,j est<br />

appelée probabilité de transition. On note P la matrice des probabilités de transition<br />

P = (p i,j ). Pour tout n ∈ N, si<br />

alors<br />

p (n)<br />

i,j = P(X n = j|X 0 = i) pour i, j ∈ E,<br />

P (n) = (p (n)<br />

i,j ) = P n .<br />

En particulier, la loi (marginale) de X n , p n est donnée par<br />

p n = (P n ) ′ · p 0 .<br />

Un état k est dit absorbant si P(X n+1 = k|X n = k) = 1.<br />

14.23 Simulations et moindres carrés pour les options américaines<br />

Une dernière solution pour calculer le prix d’une option américaine peut être d’utiliser la<br />

méthode de Longstaff & Schwartz.<br />

Le but n’est pas d’avoir la fonction valeur, mais de trouver numériquem<strong>en</strong>t le temps<br />

d’arrêt optimal, pour une trajectoire donnée, τ.<br />

Considérons une option Bermudé<strong>en</strong>ne, permettant d’exerce l’option aux date t 0 = 0 <<br />

t 1 < t 2 < ... < t n = T . On a alors l’algorithme récursif suivant, permettant de trouver le<br />

temps d’arrêt optimal τ i , lorsque l’on l’on se trouve à la date t i ,<br />

τ n = T<br />

τ i = t i · 1(g(S ti ) ≥ u(t i , S ti )) + τ i+1 · 1(g(S ti ) < u(t i , S ti )),<br />

pour i = 0, 1, ..., n − 1. De plus, notons que l’on a égalem<strong>en</strong>t<br />

{g(S ti < u(t i , S ti ))} = { g(S ti ) < E(e −r(τ i+1−t i ) g(S τi+1 )|S ti ) } .<br />

A l’aide de cette définition des temps d’arrêt τ i , on peut vérifier qu’ils s’écriv<strong>en</strong>t,<br />

récursivem<strong>en</strong>t,<br />

τ i = min{t j ≥ t i , g(S tj = u(t j , S tj )}.<br />

Il s’agit bi<strong>en</strong> des temps d’arrêts optimaux au dates t i .<br />

La difficulté est alors de calculer numériquem<strong>en</strong>t l’espérance conditionnelle<br />

E(e −r(τ i+1−t i ) g(S τi+1 )|S ti ): Longstaff & Schwartz ont proposé d’utiliser une méthode<br />

de moindres carrés pour calculer cette espérance conditionnelle.<br />

Notons - pour simplifier - Z i+1 = e −r(τ i+1−t i ) g(S τi+1 ). Si la fonction g est bornée, Z i+1<br />

sera alors bornée. En voyant l’espérance conditionnelle comme une projection dans L 2 ,<br />

on écrit E(Z i+1 |S ti ) sous la forme ψ i (S ti ), où ψ est la fonction telle que<br />

ψ = argmin<br />

f∈L 2 i<br />

{<br />

E<br />

(<br />

(Sti+1 − f(S ti )) 2)} ,<br />

parmi l’<strong>en</strong>semble des fontions f telles que E(f(S ti ) 2 ) < ∞ (<strong>en</strong> toute rigueur, cet espace<br />

dép<strong>en</strong>d de la date t i ).<br />

Arthur CHARPENTIER - Méthodes numériques <strong>en</strong> Finance

Hooray! Your file is uploaded and ready to be published.

Saved successfully!

Ooh no, something went wrong!