10.07.2015 Views

Méthodes de Monte Carlo appliquées au pricing d ... - Maths-fi.com

Méthodes de Monte Carlo appliquées au pricing d ... - Maths-fi.com

Méthodes de Monte Carlo appliquées au pricing d ... - Maths-fi.com

SHOW MORE
SHOW LESS

You also want an ePaper? Increase the reach of your titles

YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.

2.2. Métho<strong>de</strong> <strong>de</strong>s transformations2.2 Métho<strong>de</strong> <strong>de</strong>s transformations2.2.1 Inversion <strong>de</strong> la fonction <strong>de</strong> répartitionLa simulation par inversion <strong>de</strong> la fonction <strong>de</strong> répartition constitue la métho<strong>de</strong> <strong>de</strong> simulation laplus directe. Elle repose sur le résultat suivant :Théorème 2.1 Soit F une fonction <strong>de</strong> répartition dé<strong>fi</strong>nie sur un intervalle [a, b], <strong>de</strong> fonctioninverseF −1 (u) = inf {z ∈ [a, b] : F (z) ≥ u} .Si U est une variable <strong>de</strong> loi uniforme sur [0, 1], alors Z = F −1 (U) est distribuée suivant F .Ce résultat découle du fait que pr (Z ≤ z) = pr ( F −1 (U) ≤ z ) = pr (U ≤ F (z)) = F (z).Lorsque l’on dispose <strong>de</strong> l’inverse <strong>de</strong> la fonction <strong>de</strong> répartition sous forme analytique, l’inversion <strong>de</strong>la fonction <strong>de</strong> répartition est une métho<strong>de</strong> <strong>de</strong> simulation exacte (si l’on dispose d’un vrai générateur<strong>de</strong> lois uniformes). Nous avons reporté dans le table<strong>au</strong> 2.2.1 un certain nombre d’exemples courantsrépondant à ce critère.Distribution <strong>de</strong>nsité F −1 forme simpli<strong>fi</strong>éeBetaBe (α, 1) αz α−1 α > 0, 0 ≤ z ≤ 1 u 1 α –BetaBe (1, β) β (1 − z) β−1 β > 0, 0 ≤ z ≤ 1 1 − (1 − u) 1 β1 − u 1 βExponentielle1E (λ)λ e −zλ λ > 0, z ≥ 0 −λ ln (1 − u) −λ ln uLogistique( )eL (α, β)−(z−α)/βuβ > 0, z ∈ R α + β lnβ[1+e −(z−α)/β ] 2 1−u–C<strong>au</strong>chyC (α, β)βπ[β 2 +(z−α) 2 ]β > 0, z ∈ R α + β tan π (u − 1/2) α + βtan πuParetoαβPa (α, β)αzα > 0, z ≥ β > 0 β (1 − u) −1/α βu −1/αα+1WeibullW (α, β) (α/β α ) z α−1 e −(z/β)α α, β > 0, z ≥ 0 β[− ln(1 − u)] 1/α β[− ln u] 1/αTable<strong>au</strong> 2.1. Exemples <strong>de</strong> distributions continues simulables par inversion <strong>de</strong> la fonction <strong>de</strong> répartition.Si l’inversion <strong>de</strong> la fonction <strong>de</strong> répartition ne peut être réalisée <strong>de</strong> façon explicite, seule peut êtreutilisée une approximation numérique <strong>de</strong> la solution <strong>de</strong> l’équation F (z) = u. Le calcul d’une telleapproximation peut être mené <strong>de</strong> <strong>de</strong>ux façons différentes :– en utilisant un algorithme qui résout numériquement F (z) = u ;– en utilisant une fonction g approchant F −1 et connue <strong>de</strong> façon analytique.Résolution numérique <strong>de</strong> F (z) = uLa résolution numérique <strong>de</strong> l’équation F (z) = u est réalisée <strong>au</strong> moyen d’un algorithme. LorsqueF est continue, La solution z ∗ retournée ne peut être qu’approchée : elle dépend <strong>de</strong> la règle d’arrêtutilisée par l’algorithme mis en œuvre.13

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

Saved successfully!

Ooh no, something went wrong!