Académique Documents
Professionnel Documents
Culture Documents
Pagès)
M2 Probabilités & Finance, UPMC-X
28 mars 2008
f < cg λd -p.p.
3.b. Proposer à partir de ces résultats une méthode de calcul de Eϕ(X) par simulation de
Monte Carlo de rendement 1 fondée sur la simulation d’une suite i.i.d. de vecteurs aléatoires
(Yk , Uk )k≥1 de même loi que (Y, U ) définies ci-avant.
4. Montrer que
!
c 1
Var (ϕ(Y )Πc (U, Y )) = E ϕ(X)2 f (X)
− (Eϕ(X))2 .
4 1 − cg(X)
5. On veut se donner les moyens de comparer cette approche avec celle du rejet “standard”.
Dans cette question (5.a. et 5.b.) on ne suppose plus que X a f pour densité mais que f est
simplement dans L1R+ (λd ) tout en conservant l’ensemble des autres hypothèses : X a donc
1
pour loi R d ff dλd .λd . On reprend la suite i.i.d. de vecteurs aléatoires (Yk , Uk )k≥1 de même loi
R
que (Y, U ) et on pose τ0 = 0 puis
6.b. En déduire que, si κ3 < 4κ1 , ce sera toujours le cas si la méthode du rejet a été
suffisamment “mal conditionnée” (i.e. faire tendre c vers ∞).
Commentaire : En fait le principal atout de la méthode du rejet tient au fait que l’on peut
la mettre en œuvre lorsque l’on ne connait la densité f qu’à une constante multiplicative
près (le meilleur c connu étant alors souvent loin d’être optimal).
Alors toute solution forte (Xt )t≥0 , d’une EDS dXt = b(Xt )dt + σ(Xt )dWt , X0 = x, (W =
(Wt )t≥0 mouvement brownien défini sur un espace probabilisé) vérifie, dès qu’elle existe,
2
On considère maintenant un mouvement brownien défini sur un espace probabilisé (Ω, A, P).
On note (Ft )t≥0 la filtration complétée de W sur (Ω, A, P) (qui s’avère satisfaire aux condi-
tions habituelles).
On considère l’équation du C.I.R. de paramètres a,k, ϑ > 0 :
p
dXt = k(a − Xt )dt + ϑ Xt dWt , X0 = x > 0
1. Soit ε ∈]0, x[ et M ∈]x, +∞[.
1.a. Montrer que l’EDS
p
dξt = k(a − (ξt ∨ ε) ∧ M )dt + ϑ (ξt ∨ ε) ∧ M dWt , ξ0 = x > 0
admet une solution unique sur (Ω, A, P) que l’on notera ξ ε,M .
1.b. On pose pour toute fonction continue α ∈ C(R+ , R) telle que α(0) = x, τεx (α) :=
x
inf{t ≥ 0 | α(t) = ε} et τM (α) = inf{t ≥ 0 | α(t) = M }. Justifier rapidement que τεx (ξ ε,M ) et
x ε,M
τM (ξ ) sont des Ft -temps d’arrêt.
0 0 x ε,M x ε,M x ε,M x ε,M
1.c. Montrer que si 0 < ε0 < ε < x < M < M 0 , alors (ξ ε ,M )τε (ξ )∧τM (ξ ) = (ξ ε,M )τε (ξ )∧τM (ξ )
et que ε 7→ τεx (ξ ε,M ) est décroissante sur ]0, x[ et que M 7→ τM
x
(ξ ε,M ) est croissante sur ]x, ∞[.
x x
1.d. On note τ0+ et τ∞ les limites respectives de ces temps d’arrêt lorsque ε → et M → ∞.
Montrer que ce sont à nouveau des temps d’arrêt.
2.a. Soit T > 0. Montrer que, pour tout ε ∈]0, x[ et M ∈]x, +∞[,
!
E sup |ξtε,M | ≤ K(C)eK(C)T (1 + |x|).
t∈[0,T ]
x
En déduire que τ∞ = +∞ P-p.s..
2.b. En déduire l’existence d’une unique solution forte X x = (Xtx )0≤t≤τ0+
x à l’équation (CIR)
x x x x
sur l’intervalle aléatoire [0, τ0+ [. Montrer que τ0+ = τ0 (X ) (premier temps d’atteinte de 0
par X x ).
3.a. Déterminer formellement le générateur infinitésimal L de la diffusion (CIR).
3.b. Montrer que la fonction g : R+ → R définie par
Z x
2ku du
g(x) = e ϑ2 2ak
1 u θ2
vérifie Lg = 0.
3.c. Montrer que
Z t∧τεx (X x )∧τM
x (X x )
et en déduire que
x
g(x) = E(g(Xt∧τ x (X x ) ∧τ x (X x ) )).
ε M
3.d. Montrer que inf ε≤x≤M g 0 (x) > 0. En déduire une minoration de
Z t∧τεx (X x )∧τM
x (X x )
!2
g 0 (Xsx ) Xsx dWs
p
E
0
3
puis en conclure que
τεx (X) ∧ τM
x
(X x ) < +∞ P-p.s..
4.a. Montrer que, toujours en supposant ε < x < M , que
ϑ 2
4.b. On fait l’hypothèse que 2ka ≤ 1. Montrer que limx→0 g(x) = −∞. En déduire que
x x x
limε→0 P(τε (X) < τM (X )) = 0. En conclure que
P(τ0x (X x ) = ∞) = 1.
ϑ 2
5. On fait l’hypothèse 2ka ≤ 1 dans cette question et la suivante (i.e. de 5.a. à 6.c.).
5.a. Soit T ∈ R∗+ . On considère le schéma d’Euler complètement implicite naı̈f associé aux
instants tni = iTn , i = 0, . . . , n défini par
T q
X̄ tn = X̄ + k(a − X̄
tn tn ) + ϑ X̄tni+1 ∆Wtni+1 , i = 0, . . . , n − 1, X̄0 = x,
i+1 i i+1
n
où ∆Wtni+1 = Wtni+1 − Wtni , i = 0, . . . , n − 1. Expliquer pourquoi ce schéma est incorrect.
5.b. Justifier heuristiquement (sur le processus CIR lui-même) le fait que
q q ϑT
E Xtni+1 − Xtni ∆Wtni+1 | Ftni ≈
2n
En déduire que le schéma complètement implicite doit être défini par
ϑ2
T q
X̄tni+1 = X̄tni + k a − − X̄tni+1 + ϑ X̄tni+1 ∆Wtni+1 , i = 0, . . . , n − 1, X̄0 = x.
2k n
√
6.a. On pose Yt = Xt . Montrer que Y est solution strictement positive de l’EDS
√
ka c Yt ϑ
(E) ≡ dYt = − dt + dWt , Y0 = x,
2 Yt a 2
où c est une constante réelle strictement positive que l’on précisera.
6.b. Soit T ∈ R∗+ . On considère le schéma d’Euler complètement implicite associé aux
instants tni = iTn , i = 0, . . . , n défini par
!
ka c Ȳtni+1 T ϑ
Ȳtni+1 = Ȳtni + − + ∆Wtni+1 .
2 Ȳtni+1 a n 2
4
6.c. En déduire que ce schéma peut-être entièrement explicité en
q
n
ϑ
Ȳti + 2 ∆Wti+1 + (Ȳtni + ϑ2 ∆Wtni+1 )2 + 2akc Tn (1 + kT
n
2n
) √
Ȳtni+1 = , i = 0, . . . , n − 1, Ȳ 0 = x.
2(1 + kT2n
)
7.a. Vérifier que si c = 0, l’équation (E) admet pour unique solution un processus gaussien
(bien connu. . . ). En déduire que, pour ces valeurs des paramètres, l’équation (CIR) admet
(au moins) une solution positive sur tout R+ , non identiquement nulle, se réfléchissant in-
finiment souvent en 0. Quelle conclusion peut-on en tirer sur la convergence du schéma Ȳ
vers Y (sans préjuger de celle de son carré vers X . . . ) ?
ϑ 2
Commentaires : La situation décrite en 7.a. a lieu lorsque 1 < 2ka ≤ 2. En pratique on
s’intéresse souvent à des développements limités de ces schémas qui en préservent néanmoins
la positivité.