Méthodes de Monte Carlo en finance (G.

Pagès)
M2 Probabilités & Finance, UPMC-X
28 mars 2008

3 h, polycopié et notes de cours autorisées

Problème I (Rejet avec recyclage)

On se place sur un espace probabilisé (Ω, A, P). On considère deux vecteurs aléatoires X et
Y définis sur cette espace et à valeurs dans Rd . On suppose que X et Y ont des densités
respectives f et g par rapport à la mesure de Lebesgue λd sur Rd . On suppose en outre
que les fonctions f et g sont strictement positives λd -p.p. Sur un plan pratique, on suppose
que f et g sont aussi “facilement” calculables et que la variable Y est “aisément” simulable.
Enfin on suppose qu’il existe un réel c > 0 explicite tel que

f < cg λd -p.p.

1.a. Montrer que c > 1.

1.b. Soir r ∈ [1, ∞[. Montrer que si ϕ : Rd → R, fonction borélienne, vérifie ϕ(Y ) ∈ Lr (P)
alors ϕ(X) ∈ Lr (P).
2. Soit ϕ une fonction borélienne générique telle que ϕ(Y ) ∈ L1 (P).
2.a. Soit U une variable aléatoire uniformément distribuée sur [0, 1], indépendante de Y .
Montrer que

1
E ϕ(Y )1{c U g(Y )≤f (Y )} = E(ϕ(X)).
c
2.b. Établir l’existence d’une fonction borélienne ρc : Rd → R+ que l’on déterminera, λd -p.p.
finie (et ne dépendant pas de ϕ), telle que


E ϕ(Y )1{c U g(Y )>f (Y )} = E (ϕ(X)ρc (X)) .

3.a. En déduire l’existence d’une fonction borélienne Πc : [0, 1] × Rd → R+ telle que

E(ϕ(Y )Πc (U, Y )) = E ϕ(X).

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

τk = min{` > τk−1 | c U` g(Y` ) ≤ f (Y` )}, k ≥ 1.

R
Rd f dλd
Z
5.a. Montrer que maintenant c = > f dλd .
P(c U g(Y ) ≤ f (Y )) Rd
5.b. Montrer que τ1 suit une loi géométrique G∗ (p) avec une valeur de p que l’on précisera
puis que Yτ1 a même loi que X.
6. On admet dans la suite que la suite (τn − τn−1 )n≥1 est i.i.d. et que (Yτn )n≥1 est i.i.d. de
même loi que X. Soit ϕ une fonction borélienne bornée.
6.a. Montrer que la complexité (aléatoire) du calcul de
N
1 X
ϕ(Yτn )
N n=1

est de la forme (τN − N )κ1 + κ2 N où κ1 < κ2 .

6.b. On suppose à nouveau dans cette question que f est une densité de probabilité pour
pouvoir comparer les deux méthodes. Montrer que, en moyenne la méthode du rejet dite
“avec recyclage” (dont la moyenne empirique associée a une complexité de la forme κ3 N ,
κ2 < κ3 ) est préférable si
!
κ2 −κ1
1 1 1 + κ1
E ϕ(X)2 − (Eϕ(X))2
< c
Var(X).
4 1 − f (X)
cg(X)
c κ3

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).

Problème II : Schémas de discrétisation implicites d’un

modèle C.I.R.
Rappel. Soit b et σ deux fonctions boréliennes de R dans R vérifiant

|b(x)| + |σ(x)| ≤ C(1 + |x|).

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,

∀ p ∈ [1, ∞[, ∀ T > 0, k sup |Xt |kp ≤ Kp (C)eKp (C)T (1 + |x|)

t∈[0,T ]

où C 7→ Kp (C) est une fonction croissante de C > 0.

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 )

g 0 (Xsx ) Xsx dWs

x
p
g(Xt∧τ x (X x ) ∧τ x (X x ) )
ε M
= g(x) + ϑ
0

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

g(x) = g(ε)P(τεx (X x ) < τM

x
(X x )) + g(M )P(τεx (X x ) ≥ τM
x
(X x ))

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

5.c. Montrer que ce schéma peut-être entièrement explicité en

 q 2
ϑ2 T kT
ϑ∆Wtni+1 + (ϑ∆Wtni+1 )2 + 4(k(a − )
2k n
+ X̄tni )(1 + n
)
X̄tni+1 =  kT
 , i = 0, . . . , n−1, X̄0 = x.
2(1 + 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.