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.
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