MAT 4513 Deuxième partie
Simulation et discrétisation d’EDS.
Applications en mathématiques financières.
Feuilles d’exercices
Enseignant : Xavier Erny
Email :
[email protected] MAT4513 Deuxième partie Télécom SudParis
Exercices sur le Chapitre I
Simulations de v.a.r. et Monte-Carlo
Dans tous ces exercices, vous pouvez (et devez) supposer qu’il existe un algorithme qui simule
U(]0, 1[).
Exercice 1.
1. Écrire un algorithme pour simuler U(]a, b[) où a < b sont deux réels.
2. Écrire un algorithme pour simuler une loi de Bernoulli. En déduire un algorithme pour simu-
ler une loi binomiale.
3. Soit X ∼ E(λ). Montrer que 1 + ⌊X⌋ suit une loi géométrique dont vous préciserez les pa-
ramètres. En déduire un algorithme pour simuler une loi géométrique avec un paramètre
donné.
Exercice 2. Donner une méthode explicite pour simuler les lois données par les densités suivantes :
1
1. f : x ∈ R 7−→ π(1+x2 )
2. f : x ∈ R 7−→ 1{x>1} x12
Exercice 3. Soient y ∈ R et λ > 0. Calculer l’inverse de la fonction F suivante
F : x ∈] max(y, 0); +∞[7−→ 1 − e−λx(x−y)
Exercice 4. Étant donné une fonction f continue, et a < b deux réels, on cherche à calculer
Z b
f (x) dx
a
de deux manières (méthode des rectangles et Monte-Carlo).
1. En supposant que f est de classe C 1 sur [a, b], montrer
b n−1
(b − a)2
Z !
b−aX b−a
f (x) dx − f a+k ≤ sup | f ′ (x)|.
a n k=0 n n x∈]a,b[
2. Soient U1 , ..., Un i.i.d. de loi U(]a, b[), montrer que, pour tout ε > 0,
Z n
b b − a X b − a Z b
P f (x)dx − f (Uk ) > ε ≤ f (x)2 dx.
a n k=1
n ε2
a
3. En déduire que la probabilité que la valeur donnée par la méthode de Monte-Carlo soit proche
Rb √
de a f (x) dx à moins de (ln n)/ n près tend vers un quand n tend vers l’infini.
2
4. En supposant que f (x) = e−x , a = 0 et b =h 1, montrer
i que V f (U1 ) ≤ 1/4.
Indice : on pourra d’abord montrer que E f (U1 )2 ≤ E f (U1 ) ∈ [0, 1].
MAT4513 Deuxième partie Télécom SudParis
Vecteurs gaussiens et espérance conditionnelle
Exercice 5. Soient X ∼ N(0, 1) et U ∼ 12 δ1 + 12 δ−1 telles que X et U sont indépendantes.
1. Montrer que XU ∼ N(0, 1).
2. Montrer que les v.a.r. X et UX ne sont pas indépendantes.
3. Montrer que (X, UX) n’est pas un vecteur gaussien.
Indice : il est aussi possible de faire la question 3 avant la question 2.
Exercice 6. Soient X, Y deux v.a.r. indépendantes de loi N(0, 1).
1. Donner la loi de (X + Y, X − 2Y). Les v.a.r. X + Y et X − 2Y sont-elles indépendantes ?
2. Donner la loi de (X + Y, X − Y). Les v.a.r. X + Y et X − Y sont-elles indépendantes ?
3. Déduire de la question précédente que
X−Y
E [ X| X − Y] = .
2
Indice : commencez par exprimer X en fonction de U := X + Y et de V := X − Y.
Exercice 7. Soit X = (X1 , X2 , X3 ) un vecteur gaussien de vecteur moyenne et de matrice de cova-
riance
0 3 1 0
1 et 1 2 0
1 0 0 1
1. Est-ce que X3 est indépendant de (X1 , X2 ) ?
2. Donner la loi de (X1 + X2 , 2X1 − X2 ).
3. Montrer que pour tout a ∈ R le vecteur (X2 , X2 + aX1 ) est un vecteur gaussien.
4. Trouver a ∈ R tel que que X2 et X2 + aX1 sont indépendants. Calculer E[X1 |X2 ].
Exercice 8 (⋆). Soient X, Y, Z trois variables aléatoires indépendantes, de même loi N(0, 1). Montrer
que la variable aléatoire (X − Y)2 + (X − Z)2 + (Y − Z)2 est indépendante de la variable aléatoire
X + Y + Z.
Indice : Montrer d’abord que (X − Y, X − Z, Y − Z) est indépendant de X + Y + Z.
MAT4513 Deuxième partie Télécom SudParis
Exercices sur le Chapitre II
Exercice 9. Soit (Bt )t≥0 un processus gaussien continu tel que : B0 = 0 et, pour tout 0 ≤ s ≤ t,
la v.a.r. Bt − Bs suit la loi N(0, t − s) et est indépendante de σ(Br : r ≤ s). Montrer que B est un
mouvement brownien, c’est-à-dire :
1. pour tout t ≥ 0, E [Bt ] = 0,
2. pour tout (t, s) ∈ R2+ , E [Bt Bs ] = min(s, t).
Exercice 10. Modèle de Bachelier (1900) : mouvement brownien arithmétique. Soient (Bt )t≥0 un
mouvement brownien, et trois réels x ∈ R, µ ∈ R et σ > 0. Pour t ≥ 0,
Xt := x + µ t + σ Bt .
1. Montrer que X est un processus gaussien.
2. Pour tout 0 ≤ s ≤ t, calculer E [Xt ] et Cov(X s , Xt ).
3. En déduire la loi de (Xt1 , Xt2 − Xt1 , ..., Xtn − Xtn−1 ) où 0 < t1 < ... < tn .
4. Pour des temps 0 < t1 < t2 < ... < tn donnés, écrire un algorithme (en pseudo-code) qui
simule (de manière exacte) une réalisation de (Xt1 , Xt2 , ..., Xtn ).
5. Soient 0 < t < s < T . Trouver α, β ∈ R tels que X s − αXt − βXT y (Xt , XT ).
6. Soient 0 < t < s < T . Déterminer L(X s |(Xt , XT )).
7. En déduire un algorithme pour simuler (de manière exacte) X s , où s ∈ [0, tn ] conditionnelle-
ment à la réalisation (déjà effectuée à la question 2) de (Xt1 , ..., Xtn ).
Soit T > 0 fixé pour le reste de l’exercice. On cherche à calculer (approximativement) la valeur
de E [(XT − x)+ ].
8. En utilisant la méthode de Monte-Carlo, par quelle quantité (simulable) peut-on approcher
E [(XT − x)+ ] ? Dans cette question, on ne cherchera pas à quantifier le risque d’erreur, ni le
degré de précision.
9. Montrer que V [(XT − x)+ ] ≤ σ2 T .
Indice : on pourra majorer la variance par le moment d’ordre 2, et utiliser le fait que, pour
tout y ∈ R, y+ ≤ |y|.
10. En déduire un algorithme pour calculer une approximation de E [(XT − x)+ ] avec un degré de
précision de 0.1 et un risque d’erreur inférieur à 0.01.
Définition 1 (mouvements browniens corrélés). On dit que deux mouvements browniens (Bt )t≥0
et (Wt )t≥0 sont adaptés à une même filtration si : pour tout 0 ≤ s ≤ t, le vecteur (Bt − Bs , Wt − W s )
est indépendant de la tribu σ((Bu , Wv ) : u, v ≤ s).
Dans ce cas, le coefficient de corrélation ρ entre B et W est le réel qui vérifie : pour tout 0 ≤ s ≤ t,
E [(Bt − Bs )(Wt − W s )] = ρ (t − s).
En admettant que ce réel ρ existe, vous pouvez vérifier aisément que ρ = ρ(Wt − W s , Bt − Bs ).
Exercice 11. Soient B, B̃ deux mouvements browniens indépendants.
1. Montrer que B et B̃ sont adaptés à la même filtration (au sens de la Définition 1 ci-dessus).
2. Montrer que B et B̃ ont un coefficient de corrélation nul.
3. Pour 0 ≤ s ≤ t et α, β, a, b ∈ R calculer Cov(aBs + b B̃t , αBt + β B̃s ).
MAT4513 Deuxième partie Télécom SudParis
4. Soient ρ ∈]0, 1[ et, pour t ≥ 0, Wt := ρBt + 1 − ρ2 B̃t . Montrer que le coefficient de
p
corrélation entre W et B est ρ.
5. En déduire un algorithme (en pseudo-code) pour simuler (de manière exacte) une réalisation
de ((Bt1 , Wt1 ), ..., (Btn , Wtn )) où les temps t1 < ... < tn et le coefficient ρ sont donnés en entrées.
Exercice 12. Soient B, W deux mouvements browniens corrélés dont le coefficient de corrélation
est ρ , 0 (au sens de la Définition 1 ci-dessus).
1. Pour 0 ≤ s ≤ t, calculer Cov(Bs , Wt ).
2. Pout t ≥ 0,
Wt − ρBt
B̃t := p .
1 − ρ2
Montrer que B̃ est un mouvement brownien.
3. Montrer que B̃ est adapté à la même filtration que B et W.
4. Calculer les coefficients de corélation entre B̃ et B, et entre B̃ et W.
MAT4513 Deuxième partie Télécom SudParis
Exercices sur le Chapitre III
Quelques rappels de calcul stochastique
Lemme 1. Soient B un mouvement brownien et (Xt )t≥0 un processus continue adapté au brownien B tel
que, pour t ≥ 0, Z t h i
E X s2 ds < ∞.
0
Alors :
R t
• 0 X s dBs est une martingale, donc pour tout 0 ≤ s ≤ t,
t≥0
"Z t #
E Xr dBr = 0,
s
• et, par l’isométrie d’Ito, pour tout 0 ≤ s ≤ t,
Z !2 Z t h i
t
Xr dBr =
E E Xr2 dr.
s s
Lemme 2 (Formule d’intégration par parties). Soient X, Y solutions des EDS suivantes
dXt =µ(Xt )dt + σ(Xt )dBt ,
dYt =b(Yt )dt + ς(Yt )dWt .
avec B, W deux browniens adaptés à la même filtration. Alors, presque sûrement, pour tout t ≥ 0,
Z t Z t Z t
Xt Yt = X0 Y0 + X s dY s + Y s dX s + σ(X s )ς(Y s )d⟨B, W⟩ s ,
0 0 0
où
si B = W,
ds
d⟨B, W⟩ s =
0 si B y W,
ρ ds si ρ = ρ(B, W).
Lemme 3 (Formule d’Ito pour des EDS en dimension 1). Soient (Xt )t≥0 solution de l’EDS
dXt = µ(Xt )dt + σ(Xt )dBt ,
et φ : R → R de classe C 2 sur un ouvert D tel que P (∀t ≥ 0, Xt ∈ D) = 1. Alors, pour tout t ≥ 0,
Z t
1 t ′′
Z
φ(Xt ) = φ(X0 ) + φ (X s )dX s +
′
φ (X s ) (σ(X s ))2 ds.
0 2 0
Processus stochastiques
Exercice 13. Soient (Bt )t≥0 un mouvement brownien, et h : R+ → R une fonction (déterministe)
continue. Pour t ≥ 0, Z t
Zt := h(s) dBs .
0
On admet que Z est un processus gaussien et que, pour tout 0 < s < t, Zt − Z s est indépendant de
σ(Zr : 0 ≤ r ≤ s).
MAT4513 Deuxième partie Télécom SudParis
1. Montrer que, pour tout 0 < s < t,
Z t !
Zt − Z s ∼ N 0, h(r) dr .
2
s
2. Pour 0 < s < t, caculer Cov(Z s , Zt ).
Exercice 14. Modèle de Vasicek (1977) : processus d’Ornstein-Uhlenbeck. Soit (Xt )t≥0 solution de
dXt = −λ(Xt − µ)dt + σ dBt
avec X0 = x ∈ R+ , µ ∈ R+ , et λ, σ ∈ R∗+ . Définissons, pour t ≥ 0, Yt := Xt eλt .
1. Donner une expression explicite de Yt .
Indice : on pourra utiliser la formule d’intégration par parties (en remarquant que l’on peut
voir une EDO comme une EDS particulière)
2. En déduire que, pour tout t ≥ 0,
Z t
eλs dBs .
Xt = x e −λt
+µ 1−e −λt
+ σe −λt
0
3. En déduire une expression explicite de l’espérance et de la variance de Xt .
4. Déduire de l’Exercice 13 un algorithme pour simuler
Z t1 Z t2 Z tn !
eλs dBs , eλs dBs , ..., eλs dBs ,
0 t1 tn−1
où t1 < ... < tn sont des paramètres de l’alorithme.
5. Déduire des questions précédentes un algorithme pour simuler de manière exacte les bénéfices
liés à des options d’achat et de vente asiatiques discrètes calculés sur des temps 0 < t1 < ... <
tn données, quand le prix de l’actif suit le modèle de Vasicek ci-dessus : plus explicitement
n n
1 X 1 X
Xtk − x et x − Xtk .
n n
k=1 + k=1 +
Supposons dans la suite que µ = 0 et λ = 1/2. Le but du reste de l’exercice est de calculer les
RT
bénéfices liés à des options asiatiques continues. Nous cherchons donc à estimer T −1 0 Xt dt en
utilisant la méthode de Monte-Carlo :
n
1 T
Z
1X
Xt dt ≈ XU ,
T 0 n k=1 k
avec Uk (1 ≤ k ≤ n) i.i.d.∼ U(]0, 1[) et indépendantes du mouvement brownien B. D’après l’Exer-
cice 4, il est possible de montrer que (vous pouvez l’admettre) : pour tout ε > 0,
Z n
1 T 1X 1 1 T h
Z i
P Xt dt − XUk > ε ≤ · E (X s )2 ds.
T 0 n k=1 nε T 0
2
MAT4513 Deuxième partie Télécom SudParis
h i
5. En utilisant la question 3, montrer que E (Xt )2 ≤ σ2 + x2 e−t .
6. Étant donné un degré de précision ε > 0, donner un nombre n suffisant de simulations de Uk ∼
U(]0, 1[) à faire pour que le risque d’erreur associé soit inférieur à 0.01. Le résultat dépend
de ε, T, σ.
Exercice 15. Modèle de Black-Scholes(-Merton) (1973) : mouvement brownien géométrique. Soit
(Xt )t≥0 solution de l’EDS suivante
dXt = µ Xt dt + σ Xt dBt
avec X0 = x ∈ R∗+ et µ, σ ∈ R∗+ . On admettra que P (∀t, Xt > 0) = 1.
1. Donner une expression explicite de ln(Xt ) (pour tout t ≥ 0).
2. En déduire que, pour tout t ≥ 0,
" ! #
1 2
Xt = x exp σBt + µ − σ t .
2
Dans le reste de l’exercice, un investisseur souhaite calculer les bénéfices liés à une option d’achat
européenne (i.e. payoff d’un call européen) d’un actif dont le prix (Xt )t≥0 suit le modèle de Black-
Scholes(-Merton) ci-dessus. Notons x le prix de l’actif à la date t = 0, t0 la date d’achat de l’actif et
T la date à laquelle l’investisseur peut exercer le droit de l’option européenne.
3. Montrer que la v.a.r. XT − Xt0 a la même loi que
x eG1 eG2 − 1 ,
avec G1 , G2 deux v.a.r. gaussiennes indépendantes, où
G1 ∼ N (µ − σ2 /2)t0 ; σ2 t0 et G2 ∼ N (µ − σ2 /2)(T − t0 ) ; σ2 (T − t0 ) .
4. Calculer la probabilité que les bénéfices liés à l’option d’achat (i.e. (XT − Xt0 )+ ) soient stric-
tement positifs en fonction de µ, σ, T, t0 et de la fonction de répartition de N(0, 1).
5. Donner un algorithme pour simuler (de manière exacte) les bénéfices liés à une option d’achat
européenne (i.e. payoff call européen), et ceux liés à une option de vente européenne (i.e.
payoff put européen) : (XT − Xt0 )+ et (Xt0 − XT )+ .
6. On cherche maintenant à simuler E (XT − Xt0 )+ par la méthode de Monte-Carlo (i.e. avec
la moyenne empirique d’un échantillon). En supposant que t0 = 1, T = 2 (pour simplifier),
donner l’algorithme correspondant (sans vous soucier de la précision, ni du risque d’erreur).
2
h i
7. Montrer que E ((X2 − X1 )+ )2 ≤ x2 e4µ+2σ .
Indice : si G ∼ N(α, β2 ), alors pour tout λ ∈ R, E eλG = eαλ+(β λ /2)
2 2
h i
h i
8. En majorant V [(X2 − X1 )+ ] par E ((X2 − X1 )+ )2 , exprimer le risque d’erreur de la méthode
de Monte-Carlo en fonction du degré de précision ε > 0 de la taille n de l’échantillon et
de µ, σ.
9. En déduire une valeur de n suffisante (en fonction de ε, µ, σ) pour que le risque d’erreur soit
inférieur à 0.1.
Exercice 16. Soit (Xt )t≥0 solution de l’EDS
dXt = µ Xt dt + σ Xt dBt ,
MAT4513 Deuxième partie Télécom SudParis
avec µ, σ ∈ R∗+ et X0 = x ∈ R∗+ . Soit Yt = (Xt )2 .
1. En utilisant la formule d’Ito, montrer que Y est solution d’une EDS.
2. On rappelle (cf Exercice précédent) que Xt = x eZt , avec
Zt = µ − σ2 /2 t + σBt .
En exprimant Yt en fonction de Zt et en utilisant la formule d’Ito, retrouver le résultat de la
question précédente.
Exercice 17. Soient B un mouvement brownien, et, pour y ∈ R et t ∈ [0, 1],
y
Zt := Bs − s (B1 − y) ,
un pont brownien sur [0, 1] passant de 0 à y.
h yi y y
1. Calculer, pour 0 ≤ s ≤ t ≤ 1, E Zt et Cov(Zt , Z s ).
2. Pour t ∈ [0, 1],
Xt := (1 − t)Bt/(1−t) ,
Montrer que (Xt )t∈[0,1] suit la même loi que (Zt0 )t∈[0,1] .
Indice : Montrer d’abord que les processus X et Z 0 sont gaussiens.
3. En déduire un algorithme pour simuler de manière exacte (Zt01 , ..., Zt0n ) avec 0 < t1 < ... < tn
donnés.
4. Pour t ≥ 0,
Wt := (1 + t)Zt/(1+t)
0
.
Montrer que (Wt )t≥0 est un mouvement brownien.
Exercice 18 (⋆). Soient B, W deux mouvements browniens corrélés (dont on note ρ le coefficient
de corrélation), et X, Y deux processus vérifiant le modèle de Bachelier :
Xt := x + µ t + σ1 Bt et Yt := y + µ t + σ2 Wt ,
où µ, σ1 , σ2 ∈ R∗+ . Un investisseur cherche à investir en achetant une option panier européenne sur
ce modèle : les bénéfices liés aux options d’achat et vente sont respectivement
αXT + (1 − α)YT − (αx + (1 − α)y) + et αx + (1 − α)y − (αXT + (1 − α)YT ) + ,
où α ∈ [0, 1] est choisi par l’investisseur. Notons Z la v.a.r. αXT + (1 − α)YT .
1. Calculer l’espérance et la variance de Z.
Dans toute la suite, on suppose que σ1 = 2 et σ2 = 1.
2. L’investisseur étant prudent, il souhaite choisir α ∈ [0, 1] pour maximiser l’espérance de Z −
(αx + (1 − α)y) et minimiser sa variance. Calculer cet α si les mouvements browniens B, W
sont égaux.
3. Même question si les mouvements browniens B, W sont indépendants.
4. On suppose maintenant que B = W et que les options paniers sont rétrospectives plutôt
qu’européennes : i.e. les bénéfices liés aux options d’achat sont
" #
sup (αXt + (1 − α)Yt ) − (αx + (1 − α)y) .
t≤T +
MAT4513 Deuxième partie Télécom SudParis
Donner un algorithme pour simuler (de manière exacte) ces bénéfices.
Exercice 19. Modèle de Cox-Ingersoll-Ross (1985). Soit (Xt )t≥0 solution de l’EDS suivante
dXt = −λ(Xt − µ)dt + σ Xt dBt
p
√
avec X0 = x ∈ R∗+ et λ, µ, σ ∈ R∗+ . On admet que, P (∀t ≥ 0, Xt ≥ 0) = 1 (et donc le terme Xt a
bien un sens).
1. Écrire explicitement un algorithme pour simuler une approximation de (Xt , XT ) (avec 0 < t <
T fixés). On ne quantifiera pas la précision ni le risque d’erreur.
2. En déduire une méthode pour donner une valeur approchée de E [(XT − Xt )+ ].
√
On suppose maintenant (et jusqu’à la fin de l’exercice) que λ = µ = 1 et σ = 2. Posons Yt := Xt
√
3. En admettant que l’on peut utiliser la formule d’Ito à Xt (pourquoi ce n’est pas si simple ?),
montrer que Y est solution de l’EDS suivante
1
dYt = − Yt dt + dBt
2
4. En utilisant l’Exercice 14, écrire un algorithme (en pseudo-code) pour simuler (de manière
exacte) la v.a.r. (XT − Xt )+ (où 0 < t < T sont fixés).
Exercice 20 (⋆). Considérons un actif dont le prix (Xt )t≥0 suit le modèle suivant
Xt := x + µ t + σ Bt ,
où x, µ, σ ∈ R∗+ et B est un mouvement brownien. On cherche à modéliser la ruine potentielle de
l’actif (i.e. si son prix atteint zéro, il reste égal à zéro). Soit τ0 le temps d’atteinte de zéro par X :
τ0 := inf {t ≥ 0 : Xt = 0}.
1. Montrer que, pour tout T > 0,
( )
{τ0 ≤ T } = inf Xt ≤ 0 .
t∈[0,T ]
2. Pour T > 0 et y ∈ R, montrer que la loi de (Xt )t∈[0,T ] conditionellement à XT = y, est la loi du
processus suivant
(y−x)/σ
t ∈ [0, T ] 7−→ x + σZt ,
(y−x)/σ
avec Zt un pont brownien sur [0, T ] passant de 0 à (y − x)/σ.
3. Pour T > 0 et y ∈ R, montrer que la loi de inf t∈[0,T ] Xt conditionellement à XT = y est celle
de la v.a.r. suivante
−(y−x)/σ
x − σ sup Zt .
t∈[0,T ]
4. En déduire un algorithme pour simuler de manière exacte inf t∈[0,T ] Xt .
5. En déduire un algorithme pour calculer une approximation de P (τ0 ≤ T ) avec une précision
d’au moins 0.001 et un risque d’erreur d’au plus 0.001.
Indice : on pourra écrire P (τ0 ≤ T ) = E 1{τ0 ≤T } .
