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.
9 PETITS RAPPELS D’ANALYSE NUMÉRIQUE 84<br />
8.12 Le modèle de Bates<br />
8.13 Les formes d’équations vues jusqu’à prés<strong>en</strong>t<br />
Pour les options europé<strong>en</strong>nes, le prix est obt<strong>en</strong>u est résolvant l’équation de la chaleur,<br />
∂u(x, t)<br />
∂t<br />
= ∂2 u(x, t)<br />
∂x 2 ,<br />
avec une condition de bord <strong>en</strong> espace. La condition de bord <strong>en</strong> temps est liée à la forme du<br />
payoff.<br />
Pour les options lookback, le prix est obt<strong>en</strong>u est résolvant l’équation<br />
∂u(x, z, t)<br />
∂t<br />
=<br />
∂u(x, z, t)<br />
, pour |x| < z et<br />
∂x<br />
∂u(x, z, t)<br />
∂z<br />
= 0 si |x| > z<br />
avec une condition de bord <strong>en</strong> temps est liée à la forme du payoff.<br />
Pour les options sur moy<strong>en</strong>ne, le prix est obt<strong>en</strong>u est résolvant l’équation<br />
∂u(x, z, t)<br />
∂t<br />
= ∂2 u(x, z, t) ∂u(x, z, t)<br />
∂x 2 + x<br />
∂z<br />
avec une condition de bord <strong>en</strong> temps est liée à la forme du payoff.<br />
De manière très générale, pour les produits dérivés de type europé<strong>en</strong>, le prix est solution<br />
d’une équation aux dérivées partielles de la forme suivante,<br />
∂u<br />
∂t +<br />
convection<br />
{ }} {<br />
a ∂u<br />
∂S + b∂u ∂r + c∂u<br />
∂I +<br />
saut<br />
{<br />
diffusion<br />
⎡ }} ⎤{<br />
{ }} {<br />
∫<br />
d ∂2 u<br />
∂S 2 + e ∂2 u<br />
∂S∂r + f ∂2 u<br />
∂r 2 = ru −<br />
r ⎢<br />
⎣ η(x)u(x)dx − u⎥<br />
⎦ ,<br />
} {{ }<br />
convolution<br />
où (S t ) et (r t ) sont des processus d’Ito, I une composante év<strong>en</strong>tuellem<strong>en</strong>t aléatoire mais pas<br />
un processus ,a, b, c, d, e et f sont (de manière générale) des fonctions de S t ,r t , I et t, h est<br />
l’int<strong>en</strong>sité du processus de sauts, et η(·) la d<strong>en</strong>sité des sauts.<br />
9 Petits rappels d’analyse numérique<br />
La plupart des méthodes que nous aborderons repos<strong>en</strong>t sur les mêmes grands algorithmes, cherchant<br />
des valeurs précis<strong>en</strong>t (dans R voire R n ),<br />
• trouver un vecteur x tel que Ax = b où A et b sont données,<br />
• trouver des zéro de fonction: trouver x tel que f(x) = 0, ce qui équivaut à trouver un<br />
inverse, i.e. x = f −1 (0),<br />
• trouver des optimas de fonction: trouver x ∗ tel que x ∗ ∈ argmin{f(x)},<br />
• interpoler les fonctions: trouver ω tel que f(x) = ∑ i≥0 ω ih i (x), dans une base (h i ) i≥0 ,<br />
• trouver des solutions d’équations différ<strong>en</strong>tielles de fonction: trouver une fonction f(·)<br />
(générallem<strong>en</strong>t <strong>en</strong> des points bi<strong>en</strong> précis, ce qui revi<strong>en</strong>t à trouver f = (f(x 1 ), ..., f(x n ))), solution<br />
d’une équation différ<strong>en</strong>tielle, i.e. f ′ (x) = h(f(x), x) pour tout x, avec des conditions<br />
de bord év<strong>en</strong>tuelles.<br />
Arthur CHARPENTIER - Méthodes numériques <strong>en</strong> Finance